一种主瓣干扰环境下的雷达目标参数"同维"稀疏估计方法

主瓣干扰对抗一直以来是雷达领域的难题之一，给雷达的探测、跟踪和识别带来了严重威胁.对此，本文提出了一种主瓣干扰环境下的雷达目标参数"同维"稀疏估计方法，可有效抑制主瓣干扰并估计目标距离、角度参数.所提方法首先对接收信号进行阻塞矩阵预处理，可在抑制主瓣干扰的同时保持目标回波在各阵元之间的相位关系，即保留了目标的角度信息；然后对预处理后的数据进行空域波束合成并脉压，可估计目标的距离参数信息；最后，根据得到的目标距离估计，截取预处理数据中目标附近的数据，并对其进行稀疏恢复估计目标角度参数.所提方法即可应用于面阵，也可应用于线阵，其优势在于可以在空域任何一维上抑制主瓣干扰，并同时估计目标在空域两维上的角度.尤其是当目标与干扰的某一维空域角度相同时，所提方法仍然可以同时估计目标的方位、俯仰角.     

雷达主瓣干扰环境下的测角方法研究

对常规和差测角方法,当脉冲多普勒雷达面临主瓣干扰时,在采用自适应空域干扰抑制算法完成干扰抑制后,测角曲线会发生畸变,从而造成雷达测角性能下降.提出了采用子阵多重信号分类算法进行目标与干扰同时精确测角以及同时完成目标检测的技术,该技术可以有效避免主瓣干扰下和差测角曲线变形问题.通过计算机仿真证明了该方法的有效性.     

基于斜投影的波束域主瓣抗干扰研究

针对雷达主瓣干扰和计算量大的问题进行深入系统的研究,给出了基于空间谱估计斜投影滤波的主瓣抗干扰方法。首先,将阵元域数据变换到波束域进行处理能够在保证感兴趣区域内性能不变的情况下大大降低计算量。其次,对波束域数据进行斜投影滤波处理,抑制主瓣干扰,具有较高的工程应用价值。最后,通过计算机仿真表明：只有保证接收数据的快拍数大于2倍阵元数目,信号与主瓣干扰方位间隔大于1/4波束宽度,并且信噪比和主瓣干噪比的差异在20dB以内时,处理后的波束域数据在信号估计时不会出现估计误差,能正确地检测出目标信号。     

基于特征值斜投影的主瓣干扰抑制方法

主瓣干扰将导致传统自适应波束形成算法的主瓣畸变、峰值偏移、旁瓣电平抬升,致使相控阵系统抗干扰性能严重恶化.另外,当接收快拍中存在目标信号时,会导致自适应波束形成在目标信号方向生成零陷,降低接收目标信号增益.针对这些问题,本文提出一种基于特征值斜投影的主瓣干扰抑制方法.首先通过构建特征值斜投影预处理矩阵滤除主瓣干扰,然后...     

基于斜投影的DOA估计和盲信号识别协同算法

阵列信号处理领域中,经常需要分析阵列接收信号的波达方向(DOA)和波形信息。在缺乏信号先验DOA和波形信息的情况下,提出了一种新的斜投影DOA估计和盲信号识别协同算法,实现对未知阵列接收信号的自适应分析。该算法交替地采用斜投影空域滤波技术将阵列接收信号拆分为单信号群组,在每个单信号群组内进行DOA和波形联合估计。算法适用于主瓣干扰存在的情况,并且在中小快拍数下有较好的估计性能。理论分析和仿真实验证实了文中算法的有效性。     

网络化雷达极化域主瓣压制式干扰抑制方法

针对传统抗主瓣干扰方法性能有限,且单站雷达获取信息维度低的问题,提出一种网络化雷达极化域主瓣压制式干扰抑制方法。首先对不同极化方向的各节点回波信号进行建模,然后通过节点回波信号的加权对消、匹配滤波实现极化域抑制主瓣压制式干扰,最后通过仿真验证了其有效性。     

极化-空域联合抗机载雷达欺骗式主瓣干扰

机载雷达欺骗式主瓣干扰不仅会引起大量虚警,还会污染空时自适应处理(STAP)器的训练样本,引起自适应方向图畸变,导致期望信号相消和杂波抑制性能下降。针对此问题,利用目标信号与干扰信号极化特性的差异,该文提出一种极化-空域联合自适应波束形成的方法来抑制欺骗式主瓣干扰。该方法首先在多普勒清晰区挑选干扰样本,并采用特征融合技术估计干扰协方差矩阵,然后采用重叠滑窗的子阵合成方式进行极化-空域联合自适应波束形成,在抑制主瓣干扰的同时为后续杂波抑制保留了空域自由度,最后通过STAP抑制剩余的杂波。该算法可以有效滤除密集欺骗式干扰,减少由其引起的虚警,改善机载STAP雷达的杂波抑制性能。仿真结果验证了该方法的有效性。     

极化阵列抗主瓣干扰性能研究

为改善极化敏感阵列主瓣抗干扰性能,分析了基于特征空间投影算法的交替极化敏感阵列的主瓣干扰抑制性能,并与常规极化敏感阵列进行了比较.讨论了期望信号和干扰信号的空域和极化域匹配系数对阵列输出信干噪比的影响;分析了在期望信号导向矢量失配情况下,采用特征空间投影算法改善两种极化敏感阵列的主瓣抗干扰性能.理论分析和仿真结果表明:在期望信号导向矢量存在误差情况下,基于特征空问投影算法的交替极化敏感阵列具有良好的稳健性.交替极化敏感阵列系统复杂度低、更易于工程实现.     

多基地极化雷达主瓣干扰抑制算法

现代战场电子对抗日益复杂,电磁干扰形式多样,当干扰从接收机主瓣进入会形成主瓣干扰。主瓣干扰严重影响雷达正常工作,传统空域、极化域、时频域等抗干扰算法都很难有效对其抑制。为有效抑制主瓣干扰,文章利用目标极化散射特性在不同角度存在差异的特点,提出基于多基雷达的空-极化协同滤波主瓣干扰抑制方法。方法首先采用主瓣保形技术在空域抑制副瓣干扰并压低空间噪声,然后将多基地雷达接收的数据进行时域对齐,计算包含主瓣干扰和回波信号的数据协方差矩阵,通过分解协方差矩阵在空-极化信号空间识别干扰,估计回波信号导向矢量,最后将目标回波与主瓣干扰通过多基地极化滤波,滤除主瓣干扰保留目标回波信号。通过仿真算法抑制噪声干扰与转发干扰,验证了所提算法能够有效对抗主瓣干扰,有效提高输出信干噪比。      

基于稀疏采样与级联字典的微波辐射图像重构方法*

针对微波辐射测量成像系统在一次观测中所采集的数据量大,基于奈奎斯特采样的常规,微波辐射成像方法难以实现高分辨率要求。本文在挖掘微波辐射图像多结构信息可压缩的基础上,利用随机观测矩阵对微波辐射图像进行线性压缩投影,减少数据采集量,降低系统的复杂性。考虑微波辐射图像具有多结构形式,采用单一的正交基难以稀疏表示复杂场景的微波辐射图像,利用全变差分和小波的级联字典对微波辐射图像进行稀疏表示,然后用OMP 算法重构微波辐射图像。仿真实验结果表明:级联字典重构微波辐射图像的性能优于单一正交基。     

基于降维稀疏重构的高效数据域STAP算法研究

本文基于信号稀疏重构技术,研究利用待检测样本直接进行动目标检测的高效空时自适应处理（STAP ）方案。该方案对时域降维的阵元-多普勒域数据采用空域稀疏重构技术估计高分辨率角度-多普勒谱,进而基于稀疏空时谱研究知识辅助的动目标检测算法。理论分析和仿真实验结果表明：本文算法能有效抑制杂波实现慢动目标检测,且运算量小易于实时并行处理。     

基于栈式稀疏自编码器的新型干扰识别

为了有效应对频谱弥散干扰(SMSP)和切片组合干扰(C&I)两种新型干扰,提出了一种基于栈式稀疏自编码器的识别算法。该算法首先对干扰与否的雷达接收信号进行双谱分析;然后对双谱特征进行降维,得到高维样本。预训练阶段,构造稀疏自编码器神经网络模型进行无标签样本的预训练;然后根据有标签数据对该模型参数进行有监督微调;最后利用Softmax分类器完成新型干扰的识别。仿真实验证明该方法有较高的识别率,特别是相较于其他文献方法,该方法受信噪比影响最小且识别效果最佳。说明了深度学习方法应用于雷达新型干扰信号识别领域的可行性和优越性。     

融合注意力机制的雷达欺骗干扰域适应识别方法

针对目前雷达欺骗干扰识别中常规特征识别方法应用受限和训练高性能深度学习模型需要的大量标注样本难以高效获取的问题,该文提出一种基于对抗域适应网络的雷达欺骗干扰识别方法,以改善标签限制;并融合注意力机制残差模块进一步提升识别精度。首先,对雷达接收信号进行时频变换后,应用基于对抗网络思想的域适应技术实现从标注源域样本到未标注目标域样本的迁移识别。其次,通过所设计的空间通道注意力残差模块使网络训练聚焦于时频图全局空间特征和高响应通道,以忽略时频图像中可迁移性低的区域抑制负迁移的产生。在不同源域与目标域雷达欺骗干扰数据集上的实验结果表明了该方法的可行性和有效性。     

基于连续稀疏恢复循环平稳信号的DOA估计

针对现有稀疏恢复算法在到达角(DOA)估计中存在的网格失配问题（即off-grid问题）,提出基于连续稀疏恢复循环平稳信号的DOA估计。首先,对传统的谱相关信号子空间拟合算法进行分析研究;然后,在循环域利用连续稀疏恢复的思想来构造循环平稳信号的稀疏恢复模型。与传统Cyclic MUSIC算法和现有基于离散稀疏恢复算法相比,文中算法能够克服off-grid问题,具有较高的稀疏恢复精度和较好的稀疏恢复性能;同时,也适用于信号个数多于阵元个数的场合。理论分析和仿真实验证明了算法的有效性。     

稀疏重构混合源参数估计方法

针对近远场混合源定位问题,本文提出了一种基于稀疏信号重构的信源参数估计算法。该算法首先通过对接收信号的协方差矩阵进行稀疏重构估计出远场信源参数,接着采用协方差分离技术将近场源和远场源分离,最后利用均匀线阵的对称性和稀疏信号重构估计近场信源参数。该算法避免了二维谱峰搜索和近场源参数配对,也无需构造高阶累积量,降低了计算复杂度。仿真结果表明,该算法的空间分辨能力和混合源参数估计精度均高于基于子空间的混合源参数估计方法。      

基于PCA的非局部聚类稀疏表示图像重建方法

针对腐化图像恢复不足的问题,提出一种基于PCA的非局部聚类稀疏表示模型.首先,用图像非局部自相似性来取得稀疏系数值;然后,对观测图像的稀疏编码系数进行集中聚类;最后,通过学习字典使降噪图像的稀疏编码系数接近原始图像的编码系数.实验结果表明,提出的方法在重建图像性能上较同类方法有显著提高,获得了更好的图像恢复质量.     

基于稀疏正则化的SAR欺骗干扰模板预处理

由于具有低功耗、高隐蔽性等独特优势,欺骗干扰已经成为SAR对抗领域的研究热点。在从干扰模板到干扰信号,再到成像处理这一过程中,受干扰对象的带宽限制,以及干扰模板自身的旁瓣、杂波、噪声等因素影响,最终生成的虚假图像会出现明显的模糊现象,无法实现对干扰模板的准确还原。针对该问题,本文从模板变换过程中的等效低通滤波模型入手,将稀疏正则化重构方法应用于干扰模板预处理,以达到抑制图像模糊,增强欺骗效果的目的。在具体实现方式上,给出了基于匹配追踪和软阈值迭代的算法步骤,并且结合仿真实验对各算法的特点进行了分析。实验结果表明,所提出的干扰模板预处理方法能够有效抑制所生成图像中的模糊现象,提高干扰效果。同时,该方法还可为SAR图像增强以及散射中心提取等方面应用提供有益借鉴。     

基于稀疏重构的全极化SAR联合多维重建

各极化通道独立处理和三维分步成像会忽视数据之间的关联性,造成散射中心的失配以及极化散射矩阵获取的不准确。鉴于此,该文提出一种基于稀疏重构的全极化联合多维重建方法。该方法通过设置联合稀疏约束对所有极化通道及所有维度进行联合,将全极化多维重建建模为多通道联合稀疏重构问题。通过数据插值对模型简化后,结合三维快速傅里叶变换、共轭梯度法和牛顿迭代法给出一种高效的模型求解方法,可以同时得到极化散射矩阵和目标三维信息。该文方法保证了不同极化通道、不同维度的稀疏支撑集一致,且充分利用了数据之间的关联性带来的额外信息。基于仿真数据和电磁计算数据的实验结果表明,该方法的性能不受目标类型影响,具有一定的抗噪性,能有效地获取目标的多维重建结果,得到的三维成像结果分辨率高且极化散射矩阵估计精度高。