基于广义S变换的高频地波雷达电离层杂波抑制方法

为了抑制电离层对高频地波雷达回波的干扰,文中提出了一种基于广义S变换(GST)的时频滤波方法,通过GST将受电离层污染的时域数据转换为时频域进行分析和处理,根据相邻时间窗信号和电离层杂波的相关性不同,依次将时间窗内数据构建Hankel矩阵,再进行子空间滤波,最终达到减轻电离层干扰的目的。通过与传统方法比较及实测数据处理分析,回波频谱中的电离层杂波抑制取得了较好的结果,进而验证了本方法在电离层杂波抑制中的可行性和有效性。     

高频地波雷达电离层杂波统计特性研究

高频地波雷达是一种理想的早期预警雷达,但是其检测性能受到电离层杂波的严重影响。从理论上分析了电离层对雷达信号的反射及多普勒展宽特性,利用实测数据对电离层杂波幅度的统计特性进行了研究,同时研究了电离层杂波的时间相关性和距离相关性,并从电离层的结构特性对其时间、距离相关性进行了分析,为抑制电离层杂波、优化高频地波雷达设计和改善低速目标检测方法提供了依据。     

基于AlexNet的自适应杂波智能抑制方法

由于受观测环境以及雷达参数等因素的影响,构造协方差矩阵的杂波样本数据并不满足独立同分布,导致传统的自适应杂波抑制方法性能降低。针对静止雷达平台,本文提出一种基于AlexNet的自适应杂波智能抑制方法,首先,通过分析海杂波幅度分布特性,建立样本数据库;然后,通过迁移AlexNet在ImageNet数据集上的分类模型,并使用杂波数据集微调网络参数,实现对海杂波数据的准确分类,从而获取服从独立同分布的杂波样本数据,提高自适应杂波抑制方法性能。相比现有杂波抑制方法,所提方法具有人工参与度低、杂波分类准确率高、以及杂波抑制效果更好等优点;最后,通过CSIR实测数据验证了本文所提方法的有效性。      

某雷达杂波数据分析及杂波图技术研究

强地物、海浪杂波严重影响目标检测概率。频域杂波抑制手段是雷达信号处理常用的杂波抑制方法。但是,杂波的时空分布特性复杂多变,所以对杂波的幅度、频谱等特性的研究有助于选择合适的杂波抑制方案。结合某雷达实际工程采集数据分析了地杂波和海杂波的时域和频域分布特性,提出了一种基于雷达杂波环境特性自适应选择遗忘因子的杂波图方法,具体分析了该杂波图检测概率。实测数据实验结果证明了该方法的正确性和有效性。     

雷达系统杂波自由度研究

为了分析各种非均匀、非线性、非密集阵列雷达的杂波抑制性能,该文基于带限信号自由度理论提出了一种适用于多种阵列构型的杂波自由度估计方法。该方法能有效估计杂波大特征值的个数,并揭示了杂波自由度与系统参数、杂波场景的内在联系。研究表明,为了提高稀疏阵雷达的杂波抑制性能,需增加系统自由度来减少稀疏采样区。最后通过计算机仿真验证了该文提出的估计方法的有效性。     

基于支撑向量机的地杂波虚警抑制技术

由于杂波的非均匀特性,传统杂波抑制技术的杂波滤除能力有限。在强杂波环境下,处理后回波仍残留大量虚警。文中提出了新的点迹滤波技术,用于抑制杂波虚警。针对地面动目标检测体制雷达,通过提取目标和杂波的五种分类特征和五种先验特征,使用主成分分析和支撑向量机方法过滤虚假点迹。试验结果表明:文中提取的特征和设计的分类器, 可在较少目标损失下,有效地抑制地杂波虚警。     

高频地波雷达电离层杂波的空域极化域协同抑制方法

高频地波雷达（High Frequency Surface Wave Radar,HFSWR）能够探测视距外的海上目标和超低空飞行器,但其性能通常被电离层杂波严重影响。该文使用一种空域极化域协同滤波算法用于电离层杂波抑制。针对其中电离层杂波空域和极化域参数的估计问题,在距离-多普勒域上利用基于压缩感知（Compressive Sensing,CS）的DOA测角方法进行空域参数估计,并提出一种基于统计特性的极化参数估计方法完成极化参数估计。这两种估计方法可获得更高的参数估计精度,从而提高了电离层杂波空域极化域抑制方法的性能。某HFSWR系统实测数据处理结果表明了参数估计和电离层杂波抑制方法的有效性。      

高频海态监测中几种电离层杂波特性及成因分析

电离层杂波是制约高频海态监测雷达探测性能的因素之一,为进一步深入分析电离层杂波特性及成因,提出了对电离层探测信息的杂波分析方法.该方法在传统利用雷达回波进行分析的基础上,引入电离层垂直探测信息,综合应用电波传播理论,对电离层杂波进行分析.给出了常规F层杂波和出现概率较高的Es层强杂波、"微笑"型杂波的特性及产生机理.通过仿真分析和试验数据验证,证明上述分析方法和结果有效,可为电离层杂波抑制提供支撑.     

距离-多普勒-频带域3D-AWP-MRF分类辅助的SAR-GMTI杂波抑制方法

针对复杂地理场景下非均匀杂波造成多通道SAR-GMTI(Synthetic Aperture Radar Ground Moving Target Indicator,合成孔径雷达动目标指示)系统杂波抑制性能下降的问题,本文提出一种距离-多普勒-频带域三维自适应加权惩罚马尔科夫场(Three Dimension Adaptive Weighted Penalty Markov Random Field,3D-AWP-MRF)分类辅助的SAR-GMTI杂波抑制方法.利用地物类型在距离-多普勒-频带三维SAR图像空间的马尔科夫性,构造了包含空间距离、类间Fisher距离、局部粗糙度距离和梯度方向距离的自适应加权惩罚函数.在贝叶斯框架下利用条件迭代模型(Iterated Conditional Mode,ICM)算法求解距离-多普勒单元所属地物类型的最大化后验概率对多频带SAR图像进行分类,接着利用图像形态学操作对图像分类结果进行区域提取.最后,对每个闭合区域分别估计杂波协方差矩阵,并进行自适应杂波抑制处理.相比于传统方法,本文方法在非均匀杂波环境下不仅能提高起伏区域强杂波10～15dB的强杂波抑制能力,还可以减少平坦区域慢速运动目标约2.5dB的输出能量损失.     

一种稳健的机载非正侧视阵雷达杂波抑制方法

非正侧视阵列构型会导致机载雷达回波数据非均匀,从而严重削弱传统空时自适应处理算法的杂波抑制性能。针对此问题,该文提出一种对阵元误差稳健的非均匀杂波抑制方法。该方法首先根据雷达系统参数等先验信息构造杂波表示基;然后在考虑阵元误差下对待检测单元数据进行迭代的最小二乘拟合,文中推导出了该问题的闭式解;最后对拟合后的剩余数据进行脉冲多普勒处理以及恒虚警检测。该方法不需要训练样本,且能够在没有俯仰自由度的情况下对机载非正侧视阵雷达的非均匀杂波进行有效抑制。仿真结果验证了该方法的有效性。     

雷达海上目标双通道卷积神经网络特征融合智能检测方法

受复杂海洋环境影响,基于统计理论的海面目标检测方法由于假设条件不成立,在实际应用中难以实现高性能检测,本文从特征提取分类角度,通过深度学习分类方法对目标和杂波的雷达回波信号进行二元分类,提出了一种基于双通道卷积神经网络(DCCNN)的雷达海上目标智能检测方法。首先,对实测海杂波和目标雷达信号进行预处理,得到信号的时间-多普勒谱和幅度信息;然后,构建DCCNN对预处理得到的数据进行智能特征提取,得到信号的特征向量,并对不同特征提取模型性能进行测试;最后,通过阈值可设的Softmax分类器作为检测器对特征向量进行分类,实现虚警率的控制。测试结果表明:与传统的单通道CNN以及无虚警控制Hog-SVM分类算法相比,基于二维卷积核VGG16和一维卷积核LeNet的DCCNN特征提取模型和softmax分类器可实现更高的检测性能,并可以实现虚警率控制,为复杂海杂波背景下目标智能检测提供了新的技术途径。     

高频地波雷达垂直向电离层电子浓度估计方法

高频地波雷达工作时, 往往同时接收到大量的电离层反射回波, 这些电离层杂波会对目标检测造成严重影响, 因此, 电离层杂波抑制是当前高频地波雷达领域的研究热点.文章将电离层回波视为可用信源, 从中反演出垂直方向电离层对应的电子浓度与等离子体频率.对R-D(Range-Doppler)谱图进行预处理, 获取垂直方向的电离层回波谱, 建立其回波功率与电离层雷达散射截面积之间的数学模型, 进而得到对应的电子浓度.在高频地波雷达站进行了实验, 并将反演结果与IRI-2012进行对比, 验证了该方法的可行性和有效性.     

天波雷达电离层污染校正与海杂波抑制

在天波超视距雷达（OTHR）中,舰船目标的多普勒频率与海杂波谱接近,电离层污染会导致海杂波频谱展宽,从而淹没邻近的舰船目标信号。考虑到电离层污染会导致OTHR回波信号的相位缓慢变化,提出了采用相位梯度法对回波信号进行电离层污染校正;利用污染校正后的海杂波可以近似为两个单频信号之和这一特点,提出了应用奇异值分解来实现对海杂波的抑制。仿真结果表明,文中算法可以有效地校正电离层污染,抑制海杂波,显著提高信杂比,从而有效解决强海杂波对舰船目标的遮蔽问题。与现有的HRR—SVD算法相比,文中算法可以适用于相干积累时间较长和电离层污染较大的情况,防止残留的海杂波形成虚警,提高了OTHR对海杂波附近舰船目标的检测能力。     

WAS-GMTI模式下基于Relax算法的杂波抑制和参数估计方法

该文提出一种基于Relax算法的杂波抑制和参数估计方法。该方法适用于多通道广域监视GMTI系统。在分析广域监视模式回波组成的基础上,结合Relax算法,设计了进行杂波抑制的迭代方法。相对于降维空时自适应处理(STAP),该方法不需要估计杂波加噪声的协方差矩阵,因此可以在非均匀杂波环境下取得较优的杂波抑制效果。该文同时指出,在杂波抑制的基础上,针对存在动目标的距离-多普勒单元继续进行迭代,可实现动目标参数的精确估计。仿真结果验证了上述方法的有效性。     

基于改进SFLA-lman神经网络的电离层杂波抑制方法

针对高频地波雷达目标检测中电离层杂波的干扰问题,提出了一种基于改进混合蛙跳算法优化Elman神经网络预测抑制电离层杂波的策略。为解决混合蛙跳算法初始种群分布不均匀、收敛精度低、易陷于局部极值等问题,引入Cubic混沌映射、莱维飞行策略、非线性平衡因子和复制操作,增强种群多样性,提高算法搜索能力。利用改进后的算法和其他算法分别优化Elman神经网络预测抑制模型,结果表明,改进后的算法无论是在收敛精度和稳定性上,还是在临近距离单元电离层杂波的预测抑制上,都取得了显著的提升。在基本保留目标信号的基础上,平均信杂比较原始回波提升18.52 dB,较原始混合蛙跳算法提升1.08 dB,对于电离层杂波的抑制具有较高应用价值。     

基于已知传播模式数目的海杂波抑制方法研究

天波超视距雷达海杂波谱受电离层多模传播影响大幅展宽, 需进行杂波抑制才可实现舰船目标检测, 利用电离层返回散射探测可获得海杂波谱先验模式数目信息.针对常用的两种海杂波抑制方法——特征值分解法和循环对消法, 仿真分析了传播模式数目识别准确性对海杂波抑制效果的影响.结果表明:若传播模式数目识别错误, 则会造成目标漏检或虚警.在传播模式数目已知的前提下, 利用仿真和试验数据研究了目标与一阶海杂波多普勒相对位置和多普勒分辨率对上述两种方法海杂波抑制效果的影响.目标与一阶海杂波越接近, 海杂波抑制效果越差, 当二者相对多普勒位置小于分辨率时, 两种方法均失效; 多普勒分辨率越低, 海杂波抑制效果越差; 目标与海杂波越接近, 对多普勒频率分辨率要求越高.     

A new method to separate ground clutter and atmospheric reflectionsin the case of similar Doppler velocities

This paper introduces a new ground clutter suppression technique which preserves weather echoes. This clutter suppression method uses both statistical and polarimetric properties of the target and clutter. This technique is intended for use in atmospheric studies for weather echoes the spectral properties of which do not differ much from those of ground clutter. This technique can be applied both to the total signal or to its separate Doppler frequency components     

基于块稀疏恢复的高频雷达空间角谱和极化谱联合估计方法

高频地波雷达（high-frequency surface wave radar,HFSWR）中电离层杂波的存在,会极大地影响雷达系统的性能,降低对目标的探测能力.为了精确获得杂波参数,从而更好地抑制电离层杂波,提出了一种基于压缩感知（compressive sensing,CS）的单快拍参数估计方法,用于对电离层杂波的空域和极化域参数估计.该方法基于极化敏感阵列的块稀疏估计模型,应用块正交匹配追踪（block orthogonal matching pursuit,BOMP）算法实现距离-多普勒域的单快拍空间角度和极化参数联合估计,并进一步获得目标和杂波的空间角谱和极化谱.该方法适用于任意极化敏感阵列,在距离-多普勒域单快拍条件下,其估计性能优于传统方法,且计算复杂度极低,可以实现实时处理.仿真结果和某HFSWR系统实测数据处理结果表明了参数估计方法的有效性.