基于KA⁃SRCN⁃pSTAP的低空风切变风速估计方法

针对由于独立同分布（IID）样本严重不足,导致极化空时自适应（pSTAP）处理性能下降,进而导致低空风切变风速估计不准确的问题,本文提出了一种基于知识辅助的稀疏表示杂波零陷极化空时自适应（KA?SRCN?pSTAP）的低空风切变风速估计方法。该方法首先利用杂波脊的先验知识辅助构造极化空时稀疏字典,然后利用极化空时稀疏字典,通过SRCN算法挑选原子并对到杂波线性子空间补空间上的投影矩阵进行估计,从而得到pSTAP权矢量,最后构造pSTAP滤波器对地杂波进行抑制,准确估计低空风切变风速。该方法仅使用少量IID样本,将SRCN算法与极化?空时域相结合,完成对风切变风速的有效估计。仿真实验结果证明该方法可以有效实现少样本情况下的风速准确估计。     

幅相误差下基于CMCAP-JDL的低空风切变风速估计

针对机载气象雷达存在幅相误差的情况下，导致杂波抑制性能下降，低空风切变风速估计结果不准确的问题，本文提出了一种基于组合空时主通道-局域联合空时自适应处理（Combined Space-time Main Channel Adaptive Processing, CMCAP-JDL）低空风切变风速估计方法。该方法首先对雷达回波数据进行距离依赖性矫正及杂波协方差矩阵估计；然后对空域和时域加权，形成空域主波束和时域主通道，同时增加多个局域处理区域参与联合处理的方式来构造自适应降维处理器；最后使用权矢量对降维后的回波数据实现自适应滤波，完成幅相误差情况下风场速度的准确估计。仿真结果表明，该方法能够在幅相误差的情况下，实现低空风切变风速的准确估计。      

机载柱形共形阵低空风切变风速估计方法

针对机载柱形共形阵气象雷达在探测低空风切变时,有用信号会受到强地杂波影响的问题,提出了一种机载柱形共形阵体制下的低空风切变风速估计方法。该方法首先从柱形共形阵特殊阵列流型引起杂波抑制困难的本质原因出发,利用空域角频率补偿法对各个距离单元的回波数据进行补偿,获得多个独立同分布(Independent and Identically Distributed, IID)的样本后估计杂波协方差矩阵,然后构造适用于低空风切变目标的空时自适应(Space-Time Adaptive Processing, STAP)处理器,在自适应抑制地杂波的同时积累风切变信号,最终实现风场速度的精确估计。仿真结果表明,该方法可有效实现地杂波的抑制并精确地估计风速。     

基于空时自适应处理的低空风切变风速估计方法

针对机载气象雷达在探测低空风切变时,有用信号会淹没在强杂波背景中的问题,该文提出一种基于空时自适应处理(STAP)的低空风切变风速估计方法。该方法首先利用空时插值原理校正机载前视阵地杂波的距离依赖性,获得多个独立同分布(IID)样本后估计地杂波协方差矩阵,然后构造适用于分布式低空风切变目标的空时自适应处理器,在自适应抑制地杂波的同时积累低空风切变信号,最终实现风场速度的精确估计。仿真结果表明,在高杂噪比、低信噪比的情况下,该方法可有效地自适应抑制地杂波并精确地估计风场速度。     

基于双极化通道数据融合的低空风切变风速估计方法

本文提出了一种基于双极化通道数据融合的低空风切变风速估计方法。该方法首先计算同极化通道和交叉极化通道地杂波的平均功率,从而确定同极化通道和交叉极化通道功率加权系数;其次将同极化通道和交叉极化通道地杂波数据融合,得到双极化通道数据融合杂波协方差矩阵;然后通过求解空时自适应(Space-Time Adaptive Processing, STAP)处理器的最优权矢量自适应滤除杂波,实现地杂波抑制;最后实现对低空风切变风速的准确估计。仿真结果证明所提方法可以有效地实现杂波抑制并估计低空风切变风速。     

回波功率筛选与数字地表分类数据辅助的低空风切变风速估计方法

针对非均匀杂波环境下,低空风切变风速估计不准的问题,该文提出一种回波功率筛选与数字地表分类数据(DLCD)辅助的低空风切变风速估计方法.该方法首先利用样本回波功率对训练样本进行初选,然后利用DLCD计算各样本间的相似度,并从功率较大的训练样本中选取样本相似度较高的训练样本估计待测距离单元的杂波协方差矩阵,最后利用广义相邻多波束(GMB)-局域联合处理(JDL)的方法实现低空风切变风速的有效估计.     

回波功率筛选与数字地表分类数据辅助的低空风切变风速估计方法

针对非均匀杂波环境下,低空风切变风速估计不准的问题,该文提出一种回波功率筛选与数字地表分类数据(DLCD)辅助的低空风切变风速估计方法。该方法首先利用样本回波功率对训练样本进行初选,然后利用DLCD计算各样本间的相似度,并从功率较大的训练样本中选取样本相似度较高的训练样本估计待测距离单元的杂波协方差矩阵,最后利用广义相邻多波束(GMB)-局域联合处理(JDL)的方法实现低空风切变风速的有效估计。     

复杂地形环境下基于CL-KA-STAP的低空风切变风速估计方法

针对机载气象雷达在复杂的地形环境下探测低空风切变时,地杂波呈现的非均匀特征导致难以准确获得杂波统计特性,进而影响杂波抑制效果,使得风切变风速估计不准的问题,该文提出一种色加载知识辅助STAP(CL-KA-STAP)的低空风切变风速估计方法。该方法首先构造降维联合时空变换矩阵,并对待检测距离单元的回波信号进行降维处理,然后将由数字高程模型(DEM)和国家土地覆盖数据库(NLCD)获取的先验知识融入到组合空时主通道自适应处理器(CMCAP)中,构造色加载系数优化函数求解色加载系数,最后构造滤波器,实现杂波自适应滤波并准确估计风速。后续仿真结果证明了所提方法的有效性。     

一种稳健的共形阵机载雷达杂波抑制方法

针对共形阵机载雷达的杂波抑制问题,提出了一种稳健的空时自适应处理(STAP)方法.该方法首先将待检测距离单元中所含的目标信息剔除,然后利用自回归(AR)模型来描述该单元杂波特性,最后通过求取AR模型系数得到待检测距离单元中杂波正交子空间来对消杂波.该方法不受雷达工作模式影响,适用于任意形状的阵列天线,且不存在干扰目标问...     

基于DDD-GMB的低空风切变风速估计方法

当机载气象雷达在非均匀地杂波环境下探测低空风切变时,会遇到杂波协方差矩阵估计不准确问题,从而影响风速的正确估计。针对上述问题,本文提出一种在非均匀地杂波环境下基于直接数据域-广义相邻多波束（Direct data domin-Generalized adjacent multiple-beam,DDD-GMB）的低空风切变风速估计方法。首先,在非均匀地杂波环境下直接对待检测距离单元进行杂波协方差矩阵估计;然后利用空域相邻多波束和时域相邻多普勒通道构造空时降维处理器,在降低系统自由度的同时,也降低了对训练样本数的要求,最后构造代价函数估计得到风速。仿真结果表明,本文方法可以在非均匀地杂波环境下精确的估计风速。      

复杂地形环境下基于GAMP-STAP的低空风切变风速估计方法

针对机载气象雷达在复杂的地形环境下探测低空风切变时,地杂波呈现非均匀特征和难以获取足够的独立同分布(IID)样本,导致空时自适应处理(STAP)杂波抑制性能变差,使得风切变风速估计不准的问题。该文基于杂波信号稀疏特性,提出一种广义近似消息传递(GAMP)STAP方法,GAMP-STAP仅利用少量的样本在复杂地形环境下实现了风速较准确的估计。该方法首先利用杂波脊的先验信息构造稀疏字典,然后在贝叶斯框架下利用GAMP算法估计杂波幅度,恢复杂波功率谱,进而计算杂波协方差矩阵,最后构造STAP滤波器实现杂波抑制以及风切变风速估计。后续实验仿真结果证明了该方法的有效性。     

基于压缩感知的低空风切变风速估计方法

在机载气象雷达的低空风切变检测流程中,风速估计精度是影响风切变检测效果的重要因素。针对脉冲数较少且信噪比较低时风速估计精度变差的问题,该文提出一种基于压缩感知的低空风切变风速估计方法。该方法根据雷达回波信号的稀疏性,利用多普勒矢量构建一个冗余字典以实现信号的稀疏表示,采用观测矩阵对信号进行压缩处理,并通过信号重构算法恢复该稀疏信号,实现风速的精确估计。仿真实验表明：当脉冲数较少且信噪比较低时,该方法能够在获得精确风速估计的同时使得频谱分辨率大大提高,即能够很好地区分在频域间隔很近的风切变与地杂波信号。     

载机偏航下基于广义相邻多波束自适应处理的低空风切变风速估计

该文提出一种载机偏航下基于广义相邻多波束(GMB)自适应处理的低空风切变风速估计的方法,该方法首先利用基于回波数据的杂波距离依赖性补偿方法对杂波进行距离依赖性矫正,估计出杂波协方差矩阵。然后同时组合空域的相邻多个波束与时域的相邻多个多普勒通道来计算降维变换矩阵,并对待测距离单元内的雷达回波数据进行降维处理,进而构造GMB自适应处理器的最优自适应权矢量对降维后的回波数据实现自适应滤波。最后完成载机偏航下风场速度的准确估计。仿真结果验证了该方法能够在载机偏航情况下,获得风场速度的有效估计。     

基于多通道LFMCW雷达的低空风切变风速估计方法

在飞机起飞和进近着陆阶段中,风切变是一种对飞行危害最大的气象现象,如何有效地探测风切变并及时地规避危险对保障飞行安全至关重要。本文提出了一种将多通道线性调频连续波(Linear Frequency Modulated Continuous Wave, LFMCW)雷达应用于低空风切变检测中的实现方法。首先介绍了多通道LFMCW雷达的信号模型,然后利用空时自适应处理(Space-Time Adaptive Processing, STAP)方法抑制地杂波并匹配风切变信号,最后通过双脉冲重复频率(Dual-Pulse Repetition Frequency, D-PRF)解速度模糊法订正模糊速度,从而实现了风速的精确估计。后续实验仿真结果证明了本文所提方法的有效性。      

基于CUT自身先验知识的STAP

在空时自适应处理（STAP）中,通常使用训练样本来估计杂波协方差矩阵（CCM）。在本文中训练样本仅用来估计部分杂波协方差矩阵,大部分杂波协方差矩阵由待检测单元（CUT）计算。注意到CUT具有先验知识：只有待检测的频率通道可能包含目标信号,而其他频率通道只有杂波。因此,提出了一种基于CUT先验知识的STAP方法。这种方法将待检测单元的杂波分为两部分来重建：第一部分是待检测频率通道的杂波成分,该部分可能混有目标信号,因此通过训练样本来估计;第二部分是其他频率通道中的杂波,这部分可直接从CUT中提取,不需要估计。     

基于双门限控制的机载气象雷达地杂波抑制方法

针对机载气象雷达工作于风切变模式时的地杂波抑制问题,该文提出了一种双门限控制的自适应地杂波抑制方法。该方法在有效估计杂波谱中心和谱宽的基础上,利用每个距离单元的回波功率信息设计双门限控制的自适应凹口滤波器,在最大程度上滤除地杂波的同时,减小杂波残余对风切变信号的影响。仿真结果表明,该方法具有良好的杂波抑制效果,并能有效地提高风切变信号风速估计的准确性。      

极化辅助的非均匀场景空时自适应处理方法

空时自适应处理是强杂波背景下动目标检测的有效途径,实际检测环境中训练样本与待检测单元背景统计特性的不一致将恶化处理器的输出信杂噪比,需要结合样本挑选技术来改善非均匀场景的处理器性能.在建立机载多通道信号模型基础上,提出一种利用极化信息辅助的空时自适应处理方法,该方法通过极化分类和功率分组指导训练样本选择,利用同类样本估计待检测单元的统计特性并计算自适应权矢量,具有杂波相关矩阵估计准确度高的特点,可显著改善动目标检测的性能.最后结合国外NASA JPL AIRSAR实测数据的多通道仿真实验验证了所提方法的有效性.     

基于改进DW法的SABBR非平稳杂波抑制方法

传统多普勒频移（DW）法对天空双基地预警雷达(Space Air Based Bistatic Radar,SABBR)非平稳杂波具有较好的抑制效果,但如果雷达几何配置关系未知,杂波方位 多普勒曲线无法得到,传统DW法无法使用。针对这一问题,提出一种基于DW法的改进算法,首先在慢时间维对杂波数据进行分块处理,减少非平稳性的影响;然后采用最小二乘估计待检测单元杂波方位 多普勒曲线,将参考单元的时域导向矢量与待检测单元对齐,估计出待检测单元的杂波协方差矩阵;最后进行STAP处理。仿真结果表明,该方法能够改善杂波抑制性能,且适用性更强。     

数据缺失情况下基于M⁃SPICE的低空风切变风速估计方法

针对机载气象雷达回波数据缺失的情况下,低空风切变风速估计失准这一问题,本文提出了一种基于缺失数据稀疏迭代协方差估计（Missing Sparse Iterative Covariance?based Estimation,M?SPICE）的低空风切变风速估计方法。该方法首先构造数据缺失模型,然后根据协方差拟合准则计算估计算子,并不断迭代更新得到最终所需的估计算子,进而恢复得到缺失的风切变数据,最后将恢复得到的数据重构得到完整的风切变数据,实现对风场速度的准确估计。仿真结果表明,该方法能够有效实现缺失数据的重建并精确地估计风速。     

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。