相参处理间隔较短条件下基于稀疏重构及形态成分分析的航管雷达风电场杂波抑制

近些年来,世界各国越来越重视风力发电的发展.风电场的存在可能对航管监视雷达性能产生负面影响,因此风电场杂波抑制技术的研究对于提升航管监视雷达工作性能、保障空中交通安全具有重大意义.形态成分分析(MCA)算法根据信号稀疏特征的不同应用于风电场杂波抑制时,计算量较低且性能较好.但是针对实际雷达参数中相参处理间隔(CPI)较短造成的谱分辨率降低及信号特征不明显时,MCA算法的杂波抑制性能受到影响,因此选择将稀疏重构算法与MCA算法结合用于短CPI情况下的风电场杂波抑制.该文认为短CPI接收回波数据为较长CPI雷达回波数据基础上发生尾部数据缺省,继而利用稀疏重构算法对缺省数据进行恢复,再利用MCA算法抑制风电场杂波.实验结果验证了该方法的有效性.     

扫描工作模式的航管监视雷达风电场回波信号的微多普勒特征分析

风电场可能对航管监视雷达等电子设备产生严重影响。风电场回波是多个风轮机回波的相干叠加,由于复杂的多径环境使得航管监视雷达产生大量的虚假目标,因而分析风电场回波信号的微多普勒特征对风电场杂波检测与抑制,保证民航飞行安全具有重要意义。本文在风轮机回波信号散射点叠加模型的基础上,对扫描工作模式的航管监视雷达风电场回波信号进行了建模与仿真,详细分析了风电场中多个风轮机之间和风轮机与地面之间的多径效应对回波信号微多普勒特性的影响。仿真结果与理论推导进行了对比分析,证明了本文算法的有效性。      

基于LRMO及MCA的机载雷达风电场杂波抑制方法

风力发电迅速发展,风电场杂波使机载雷达产生大量虚假目标,导致机载雷达出现检测概率下降、虚警概率上升等问题。因此,研究机载雷达风电场杂波抑制方法对于提升机载雷达工作性能具有十分重要的意义。考虑到机载雷达风电场杂波先验信息无法实时获取、难以估计且机载雷达回波频谱更加复杂等特殊问题,本文基于低秩矩阵优化（LRMO）算法根据风电场杂波与目标微动特征随时间的不同变化特性,实现目标与风电场杂波处于不同距离单元的风电场杂波抑制。目标与风电场杂波处于同一距离单元时,考虑到LRMO算法存在的局限性,依据风电场杂波与目标的不同稀疏特性,利用形态成分分析（MCA）算法进行补充抑制风电场杂波。实验结果验证了所提方法的有效性。      

线性调频航管雷达风电场杂波背景下目标检测

传统动目标检测(Moving Target Detector, MTD)技术无法抑制具有频谱展宽特性的风电场杂波,可能导致目标检测概率下降和虚警率上升等问题。针对此问题,提出了一种线性调频航管雷达风电场杂波背景下的目标检测方法。该方法先进行风电场杂波抑制,再对杂波抑制后的数据基于MTD进行飞机目标检测。文中给出的风电场杂波抑制方法中,首先将传统谱中心补偿的风电场杂波抑制方法应用到线性调频体制雷达,针对此时存在的旁瓣抑制后的主瓣展宽问题,利用雷达参数信息优化恒虚警率(Constant False-Alarm Rate, CFAR)检测方法,再根据目标与杂波相对位置不同采用不同的方法抑制杂波。对于目标与杂波扩展主瓣在不同距离单元时,基于谱中心补偿及基于雷达参数的CFAR检测方法来检测并抑制风电场杂波;对于目标与杂波扩展主瓣在相同距离单元的情况,基于匹配追踪（Matching Pursuit,MP）算法抑制风电场杂波。仿真数据与实测数据实验结果表明该方法在保证有效检测目标的前提下能降低风电场杂波引起的虚警率。      

一种基于二次监视雷达应答信号的海杂波抑制方法

二次雷达是对海上军、民航飞行目标进行监视的重要手段之一。由于应答信号受海杂波干扰,询问机在应答信号中提取航管代码时的误码降低了目标的正确识别概率,弱化了二次雷达对海上飞行目标的监视性能。如何对受海杂波影响的应答信号进行译码以获取正确的航管代码,一直是二次雷达海上监视技术领域亟待解决的难题。本文对应答信号受海杂波影响造成航管代码译码错误的原因进行了深入分析,提出了一种基于二次雷达应答信号海杂波抑制方法,并给出了具体的实现过程,通过工程实践中验证了该方法的有效性。     

栅格化稀疏重构的风电场杂波抑制方法

针对风轮机杂波对雷达探测的干扰问题,提出了一种基于栅格化稀疏重构的风轮机杂波抑制方法。本文首先建立了风轮机杂波干扰下的回波信号模型,分析了风轮机杂波和目标回波信号的差异性,并根据差异性构建了基于风轮机杂波特征的过完备字典,利用正交匹配追踪算法(OMP)逐级栅格化更新字典原子,再对杂波信号栅格化稀疏重构,从而实现了对目标和杂波信号的分离,达到了抑制风轮机杂波信号的目的。最后,通过与常规固定字典重构方法的仿真对比,验证了该栅格化字典稀疏重构方法的有效性。      

一种基于能量选择的改进TQWT海杂波抑制算法

针对雷达对海探测中海杂波抑制问题,研究了基于能量选择的改进可调Q小波变换(TQWT)海杂波抑制算法。根据目标和海杂波振荡属性差异,通过TQWT将回波信号分解到不同子带的小波系数中,并利用基追踪去噪(BPD)对小波系数稀疏优化后进行目标重构。为更好的重构目标信号,文中基于子带能量最优分布准则,提出了能量选择法,提取目标能量占优层级的小波系数进行重构,实现目标与海杂波的有效分离。论文分析了雷达观测时间对算法性能的影响,为该方法的工程应用提供指导。通过在CSIR公开数据集上进行实验,结果验证了该算法的性能,改善了输出信杂比。     

基于稀疏贝叶斯学习的机载双基雷达杂波抑制

机载双基雷达杂波与构型有关且具有严重的距离依赖性,因此杂波脊复杂多变,独立同分布(IID)的样本很少。传统的空时自适应处理(STAP)方法受独立同分布样本数的限制,对机载双基雷达杂波的抑制性能有限。基于机载雷达杂波在角度-多普勒域分布的稀疏特性和稀疏贝叶斯学习(SBL)在稀疏信号重建方面的优势,该文将SBL算法应用于较为复杂的机载双基雷达双动模式下杂波抑制,该方法可以用少量训练单元杂波估计待测距离单元的杂波协方差矩阵(CCM),然后进行空时自适应处理;同时,该算法不需要样本独立同分布,在双基双动模式下对杂波的抑制性能较好,仿真结果验证了算法的有效性。     

航管一次雷达抗风电场干扰目标检测方法

 近年来,全球风力发电装机容量呈指数型增长。然而,现有航管一次雷达的动目标检测(Moving Target Detector, MTD)技术无法抑制具有非零频成分的风电场杂波,可能导致目标遮蔽和虚警率上升。针对此问题,该文提出了一种在风电场杂波下航管一次雷达的目标检测方法。该方法在MTD前端设置风电场杂波抑制器。在该抑制器中首先估计雷达回波每个距离单元的谱中心,并把所有距离单元的谱中心移到零频。其次利用类似于对消固定杂波的方法对消目标回波,而具有较宽频谱宽度的风电场杂波经对消后仍有大部分的能量剩余。然后采用恒虚警率(Constant False Alarm Rate, CFAR)检测确定杂波所在的距离单元,并剔除待检测数据中所有杂波单元,解决了风电场杂波进入非零频多普勒滤波器可能导致当前航管一次雷达MTD检测性能急剧恶化的问题。实验结果表明该方法对风电场杂波强度不敏感,有效地消除了杂波对目标的遮蔽现象并控制了由杂波引起的虚警率上升。     

一种基于历史CPI数据的近程杂波抵制方法

文中对空时二维自适应处理（STAP）技术进行了基本原理性的论述,指出近程非均匀杂波由于样本不足导致STAP效果严重下降。针对机载相控阵雷达低重复频率数据中近程杂波难抑制的问题,根据机载平台在相邻相干积累时间（CPI）内运动距离短,雷达波束覆盖区域基本相同的特点,提出了一种利用前一CPI数据作为辅助知识抑制当前帧数据近程杂波的方法,算法根据历史CPI数据引入引起样本增加的特点,对近程非均匀杂波区进行精细分段处理,提升非均匀杂波抑制能力,改善非均匀杂波区的目标信杂噪比,文中对算法的原理进行了描述并通过实测数据实验验证了算法的性能。     

一种空管雷达风电场干扰抑制方法

风电场作为一种特殊的大型障碍物,具有复杂的电磁散射特性,会对空管雷达产生严重影响。针对空管雷达受风电场干扰的现实问题,本文提出了一种双波束并行处理抑制方法。首先依据风电场杂波和目标在高度和回波特征上的差异,结合空管雷达特点,构建了抑制系统的框架和流程;其次利用双波束的幅度和相位信息,设计了高度估计的方法;最后提出了杂波估计和抑制方法。实验仿真结果表明,该方法能够有效识别风电场干扰,提升空管雷达的抗风电场干扰能力。     

基于OMP算法的风轮机杂波滤除研究

针对雷达在探测目标过程中风电场杂波的抑制问题,提出了一种基于正交匹配追踪(OMP)的杂波抑制算法。首先,建立风轮机的回波模型,分析了回波时频域特征;然后,推导了多径回波模型下的风轮机回波,介绍了风电场回波的特点;最后,给出了OMP算法的理论基础和实现步骤。该算法中,通过建立一个回波字典矩阵,寻找矩阵中最匹配原子,从目标信号中减去最匹配原子,并通过循环操作滤除杂波。实验结果表明:该方法能够有效滤除风轮机杂波。     

雷达探鸟技术发展与应用综述

探鸟雷达已成为机场鸟击防范、风力发电场鸟击风险评估、鸟类自然保护区鸟情观测与科学研究的重要工具。文中首先论述了探鸟雷达的主要组成部分。然后,分析了地面杂波、空域杂波和其他无关目标对探鸟雷达探测效果的影响,进而介绍了传统的杂波抑制方法和相参雷达杂波抑制技术,以及先进的探鸟雷达采用的目标检测、目标跟踪、目标显示、数据记录和雷达组网等数据处理技术。接着,给出了当前的探鸟雷达能够获取的目标轨迹、回波大小、回波强度、信号波动、飞行速度、飞行高度等反映飞鸟目标特性的主要指标。最后,描述了国内外四种典型雷达探鸟系统,并针对雷达探鸟技术的未来发展提出了一些思考及可行性建议。     

稀疏域海杂波抑制与微动目标检测方法

针对海上微动目标回波信号具有稀疏性的特点,该文研究了稀疏域微动特征提取和检测方法,提出一种基于形态成分分析(MCA)的海杂波抑制与微动目标检测方法.该方法充分利用海杂波和微多普勒信号组成成分的形态差异性,对不同源信号采用不同的字典进行稀疏表示,区分海杂波与微动目标.此外,提出的稀疏域海杂波抑制方法,能够在抑制海杂波的同时积累更多的信号能量,改善信杂比.仿真和实测数据验证了算法的正确性.     

基于ES-ELM和FRFT的高频地波雷达多目标自适应检测

高频地波雷达（high frequency surface wave radar,HFSWR）对于海事监测具有重要的军用及民用意义,然而在HFSWR回波信号中,待检测的目标常常淹没在海杂波和各种背景噪声中.因此,如何有效抑制杂波并实现多目标的自适应检测是HFSWR实现海事检测的关键和难点.该文提出了一种结合误差自校正极限学习机（error self-adjustment extreme learning machine,ES-ELM）和分数阶傅里叶变换（fractional Fourier transform,FRFT）的多目标自适应检测算法.算法根据相空间重构理论获得ELM的最佳状态空间,利用ES-ELM建立海杂波预测模型并对海杂波进行有效抑制;再在分数域根据目标信号的峰值集聚特征,利用Haar-like算子提取目标点的形态特征,并通过ES-ELM神经网络对目标进行自动辨识.实验结果表明,该文提出的算法具有良好的海杂波抑制能力,并可以实现海杂波背景下多运动目标的自适应高精度检测.