基于PRI的未知雷达脉冲序列分选综合算法

高密度复杂信号环境下的信号分选处理技术,是新一代雷达侦察系统信号处理的关键技术,也是雷达侦察领域一个亟待解决的问题。文中讨论基于脉冲重复间隔(PRI)的脉冲信号分选算法,首先建立脉冲到达时间(TOA)数学模型,然后在总结脉冲信号分选的SDIF直方图算法、传统PRI变换算法和修正PRI变换算法优缺点的基础上,提出了一种综合的脉冲信号分选算法,并对该算法进行了完整的仿真,仿真结果表明,该算法对综合算法可以提供可靠的参照。     

基于周期样本图重构的雷达PRI调制类型识别算法研究

为提升对雷达脉冲重复间隔(pulse repetition interval, PRI)的分析性能,提出了一种基于周期样本图重构的雷达PRI调制类型识别算法。首先,建立了雷达PRI调制模型,分析了不同调制类型的信号特点;其次,利用到达时间(time of arrival, TOA)多阶差分序列估计了雷达PRI调制周期,并基于直方图算法重构了PRI周期样本图;然后,以PRI周期样本图为基础,提出了5个PRI调制特征实现PRI调制类型识别;该方法不仅能够提升PRI调制类型的识别准确率,而且对干扰脉冲特别是脉冲丢失具有很强的稳健性;最后,仿真实验表明了所提方法的有效性。     

雷达弱信号参数提取的数字实现方法

提出雷达弱信号检测和参数提取的数字实现方法,即采用自相关技术在较高灵敏度下检测出淹没在噪声中的雷达信号并且粗略估计出雷达脉冲信号的重复间隔（PRI）,对数字解调后的脉冲到达时间（TOA）,脉冲宽度（PW）等参数,数字信号处理算法采用高速ＤＳＰ实时实现,该方法具有工程实用价值。     

一种可视化的雷达脉冲序列综合分选方法

分析比较了序列差值直方图法(SDIF)、PRI变换法和TTP(TOA to PRI)变换法三种雷达信号分选方法的优缺点,在此基础上提出了一种可视化的雷达脉冲序列综合分选方法,并仿真实现了该方法。仿真结果表明该综合分选方法简单实用,能适应多种类型的重频信号,在信号PRI较分散的时候有很好的分选效果。     

基于压缩感知测量值的宽带雷达回波信号NP检测

基于传统奈曼-皮尔逊检测准则的宽带雷达回波信号检测需要较高的采样率,而压缩感知新理论可以以低于乃奎斯特采样率采样信号实现稀疏信号重构。本文提出了基于压缩感知测量值的宽带雷达回波信号奈曼-皮尔逊检测准则,它直接选取宽带雷达回波信号的压缩感知测量值作为检验统计量,在给定虚警概率时,依据贝叶斯判定准则得到检测概率,并将其推广到多元假设检测。基于实测宽带雷达回波信号的实验结果验证了该准则的可行性,它可以用较少的测量值实现目标有效检测。     

高信号密度雷达脉冲分选算法

利用脉冲重复间隔(PRI)是高信号密度环境下一种主要的脉冲分选去交错方法.文中分析了受到雷达扫描特性影响时,脉冲到达时间(TOA)测量误差对PRI估计及对脉冲分选去交错的影响,提出了一种对脉冲幅度变化不敏感的TOA测量算法和能够克服PRI误差累积的去交错算法.仿真结果表明,该算法适用于高信号密度环境,性能良好.算法已在DSP平台上实现,具有很好的实时性.     

一种脉冲重复间隔固定序列快速检测方法

针对脉冲混迭造成的脉冲重复间隔(PRI)固定序列检测以及PRI估计困难的问题,该文提出一种基于平面变换的PRI固定序列快速检测方法。该方法通过脉冲到达时间(TOA)对平面宽度的整数取余运算,只需1次时域变换处理即可生成PRI固定序列平面变换点迹的周期性图形(PGPTP);之后依据点迹图形模式的差异实现多个TOA交错的PRI固定脉冲序列的判定,并结合点迹图形纵向展开周期和平面宽度逐一估计出PRI值,进而实现密集信号环境下PRI固定脉冲序列分选。仿真实验验证了该方法的有效性以及高效、实用等优点。     

基于分组对消的随机PRI雷达MTI处理方法

推导了随机脉冲重复间隔(PRI)雷达理想回波信号经过一阶、二阶动目标指示(MTI)滤波器的对消结果,给出了一阶、二阶MTI滤波器的幅频响应,并且指出随机PRI雷达MTI滤波器具有时变特性,针对由随机PRI雷达MTI滤波器时变特性引起的对消后数据不等幅的问题,提出一种基于合理设置PRI模式结合分组MTI处理的方法以保证后续动目标检测(MTD)处理.仿真实验验证了文中分组MTI方法的有效性.     

超宽带穿墙探测雷达的运动目标检测技术

提出了利用低频超宽带(UWB)脉冲信号实现穿墙探测的设想,研究了超宽带穿墙探测雷达(UWB—TWDR)的运动目标回波信号模型,并基于运动目标回波信号的相关性,利用相干叠加原理对多次观测的结果实现运动目标的检测。最后通过具体的穿透混凝土砖块墙壁实测实验验证了上述设想和算法。     

基于EMD的穿墙雷达墙体回波抑制算法

穿墙探测中墙体回波对于目标检测影响较大。针对超宽带穿墙雷达中去除墙体波的问题,提出采用基于EMD方法提取回波信号中的目标信号分量和墙体回波信号分量,并去墙体回波信号。搭建试验系统并通过处理实测数据,结果表明,提出方法能够有效去除墙体回波信号,并且能够保留目标信号的绝大部分信息,进而对运动人体目标进行检测。     

脉冲重复间隔估计与去交织的方正弦波插值算法

在高密度复杂信号环境中,根据脉冲到达时间提取脉冲重复间隔并去交织是一个常用方法。但由于存在严重的倍周期干扰和脉冲重叠现象,传统的脉冲重复间隔估计算法在高密度复杂信号环境中性能急剧下降。为了克服上述缺点,该文提出了一种的新算法方正弦波插值算法(SSWIA)。其核心是把不等间隔的到达时间序列变换成连续信号;然后利用快速傅里叶算法提取重复周期并用滤波技术和过零检测形成检测波门提取周期序列。该算法能够适应固定重频、参差重频、抖动重频和滑变重频交织的高密度复杂信号环境。仿真结果表明:该算法提取重复频率精度高,速度快并且抗丢失和虚警脉冲的能力强;其综合性能优于现有其它方法,具有很好的工程应用价值。     

基于联合检测方法的雷达信号分选跟踪机设计

雷达信号分选是雷达对抗中一个重要的组成部分,只有从随即交迭的信号流中分选出各个雷达脉冲序列之后才能进行信号参数的测量、分析、识别。目前基于PRI参数提出很多分选方法,针对各种方法的优缺点,研究了一种基于SDIF算法和序列相关法联合检测的被动雷达信息处理系统信号分选跟踪机,经仿真证明,基于SDIF与序列相关法的联合检测增加了检测概率,具有较好的鲁棒性,可以较好地对空间多部不同雷达信号进行准确分选,正确给出跟踪波门。该信号分选跟踪机已在工程中应用。     

高时相星载序贯SAR图像运动目标检测方法

该文针对低信杂噪比条件下运动目标检测难的现状,提出了高时相星载序贯合成孔径雷达(SAR)图像运动目标检测方法。首先,根据检测机理的不同将现有星载SAR运动目标检测方法分为3类,并进行了对比分析;其次,基于凝视观测模式建模分析了高帧频序贯SAR图像获取方式;在此基础上,将动目标检测等效为未知尺度、未知到达时间的一维瞬态微弱扰动信号检测,并理论分析了沿时间维高帧频序贯SAR图像间动目标幅度扰动的sinc函数形式,背景杂波幅度的缓变和系统噪声幅度的无规则快变状态;再次,为实现目标和杂波、噪声的可分性,基于核函数机理实现了动目标在高维空间的深度关联;最后,通过仿真和真实数据验证了所提方法的有效性,并分析了检测性能。性能分析结果表明在低信杂噪比条件下所提方法检测性能优于传统的恒虚警类方法。      

基于NCS算子的大斜视SAR压缩感知成像方法

该文针对大斜视合成孔径雷达(Synthetic Aperture Radar, SAR)成像进行研究,提出了一种基于非线性频调变标(Non-linear Chirp Scaling, NCS)算子的大斜视SAR压缩感知成像方法。首先在详细分析大斜视SAR回波信号模型的基础上,给出了一种基于全采样数据的NCS成像算法,该算法有效完成了回波数据的走动补偿与解耦合处理,实现了准确成像。其次针对降采样的大斜视SAR回波数据成像问题,提出将上述成像算法构造成NCS算子并基于该算子建立压缩感知重构模型,通过对模型的优化求解直接获得最终的成像结果。该方法对于稀疏性成像场景能够有效降低回波数据采样率实现高质量成像,对于非稀疏成像场景在满采样条件下能够提高成像质量。最后的点目标和面目标的仿真实验验证了该文所提方法的有效性和可行性。      

深度学习在雷达目标检测中的应用综述

雷达目标检测技术能够判断回波信号中目标存在与否,并提取目标位置信息。随着雷达图像质量的提升和人工智能技术的发展,利用雷达图像数据通过深度学习方法实现雷达目标检测功能成为一种新的思路。该文首先从雷达目标检测原理入手,对传统和现代两类检测方法进行了梳理,分析了各类检测方法的特点及适用性。然后针对现代雷达回波信号复杂性增大导致传统检测方法统计建模难的问题和机器学习方法特征提取难度大的问题,对深度学习目标检测方法进行了归纳,主要从深度学习算法、雷达回波图像数据类型和应用场景三个方面进行总结。最后分析了深度学习在雷达目标检测应用中面临的挑战,展望了未来的发展趋势。     

一种FMCW SAR运动目标检测方法研究

动目标检测是合成孔径雷达(SAR)领域中十分活跃的研究热点,无论在军事上还是在民用中都具有非常重要的作用.然而,目前动目标检测技术都是针对脉冲体制SAR的.随着FMCW SAR的迅速发展,FMCW SAR动目标检测技术也将成为研究热点.针对FMCW SAR的特点,文中推导了FMCW SAR的信号处理过程,研究了利用相位中心偏置天线技术实现FMCW SAR系统的动目标检测,仿真结果表明此方法切实可行.     

频率分集MIMO雷达信号优化设计

针对集中式多输入多输出(multiple input multiple output, MIMO)雷达扩展目标检测识别问题,提出将多频阵列(multiple frequency array, MFA)应用到集中式MIMO雷达中来实现频率分集,增加自由度,在频域基于互信息量(mutual information, MI)优化不同频带天线上的功率分配以设计信号,针对目标依据雷达功率分配情况施放干扰以避免检测识别的情况,雷达在杂波及干扰环境下再次优化信号功率分配,实现雷达认知功能。仿真结果证明,优化信号可综合噪声、杂波及干扰统计特性重新调整功率分配,可提高目标频域响应和目标回波间互信息量,为改善目标检测识别性能奠定基础。      

一种宽带雷达回波信号模拟器设计

雷达回波信号模拟是雷达系统研制的重要组成部分,通过分析对比三种信号模拟方法各自的特点,根据实际工程背景选择了一种最适合的宽带雷达回波信号模拟器设计方法。该设计方法基于FPGA+AD9957结构,文中首先以固定点目标为例分析了ISAR信号目标回波的特点,然后根据相应的回波信号特点介绍了模拟器的设计思路及模块构成并阐述了基于AD9957的宽带信号生成方式。经实验证明,该回波信号模拟器具有输出带宽大和产生复杂信号的能力,满足工程技术指标要求。     

基于时频图深度学习的雷达动目标检测与分类

雷达动目标检测技术一直是雷达信号处理领域中的关键技术,而传统的雷达动目标检测技术仅适用于匀速运动目标,检测性能有限。针对该问题提出一种基于卷积神经网络(CNN)时频图处理的雷达动目标检测方法,通过从雷达动目标回波中提取多普勒频移信息,然后利用短时傅里叶变换转换为时频图,输入卷积神经网络,进行深度特征学习,进而实现检测和分类的目的。仿真数据验证表明,所提方法能够有效检测和区分匀速、匀变速运动以及微动目标,稳健性高,与传统动目标检测方法相比具有显著优势。