机载雷达空时两维两脉冲杂波对消处理算法

为了在空时两维空间实现机载雷达杂波对消处理,改善机载雷达动目标检测性能,利用给定载机速度和雷达工作参数时机载雷达杂波在角度-多普勒空间的分布轨迹是确定的这一先验信息,设计了机载雷达空时两维两脉冲杂波对消器和自适应空时两维两脉冲杂波对消器.建立了机载雷达杂波和动目标信号的矩阵-向量模型,提出了关于两维两脉冲杂波对消器的二次目标函数,并以此优化设计得到两维两脉冲对消器;进一步推导出自适应空时两维两脉冲对消器.计算机仿真分析表明,该文算法计算量和样本要求低,有利于工程实现.基于实测数据的实验证明了算法在真实杂波环境中的有效性.     

一种机载雷达空时相邻多波束算法

利用空时相邻多波束算法(STMB)系统自由度低的优点和多级维纳滤波器(MWF)的广义旁瓣对消器结构,提出一种基于空时相邻多波束算法的机载雷达空时自适应处理(STAP)降维方法.首先利用STMB对空时信号进行预滤波,降低了杂波自由度.然后采用MWF处理预处理输出的信号,求解权向量,进一步降低了运算量.理论分析和实验仿真表...     

基于最小二乘支持向量机的时用水量预测模型

针对神经网络存在结构较难确定,训练易陷入局部最优以及容易过学习等问题,提出将最小二乘支持向量机用于预测时用水量.最小二乘支持向量机(LSSVM)基于结构风险最小化,能够较好地协调经验风险最小化和学习机器VC维之间的关系,并且LSSVM在支持向量机(SVM)的基础上,通过将价值函数改为最小二乘价值函数以及用等式约束代替不等式约束,将求解的二次规划问题转变为一组等式方程,采用径向基核函数,得到LSSVM模型的待定参数比标准支持向量机少,仅为2个.根据时用水序列具有周期性和趋势性的特点,建立了基于最小二乘支持向量机的时用水量模型.实例分析表明,与基于BP网络的时用水量模型相比,基于最小二乘支持向量机的时用水量模型具有更强的预测能力.     

次分量分析恒模盲多用户检测算法

为了有效的抑制多址干扰,该文提出了一种基于次分量分析恒模的多用户检测算法.次分量恒模算法是在恒模代价函数的基础上,推导出一种基于Rayleigh熵形式的代价函数.该文对次分量分析恒模多用户检测算法进行了仿真,并与最小二乘算法和线性约束最小二乘算法进行了性能比较.仿真结果表明,该算法在输出信干比和误码率等性能上都有显著的...     

基于RBF神经网络的功率倒置波束形成算法

提出一种基于径向基函数神经网络的功率倒置波束形成算法。该算法将计算功率倒置算法的最佳权向量的两个变量,即接收信号的自相关矩阵和参考信号与接收信号的互相关矩阵输入RBF神经网络,对网络进行训练,通过只提取接收信号自相关矩阵的有用信息输入网络,减少网络训练时间,使之逼近功率倒置的最佳权向量。仿真结果表明,该算法能准确的逼近功率倒置的最佳权向量,减小了运算量。     

基于相关域的机载雷达双迭代空时自适应处理方法

针对全维空时自适应处理需要大量采样数据和庞大计算复杂度这一问题,提出了一种基于相关域的双迭代空时自适应杂波抑制方法(BI-STAP),先分别对采样空时数据矩阵进行行堆栈和列堆栈处理,将高维权向量分解为2个低维权向量的Ktonecker积的形式,然后使用双迭代算法利用相关域信息求解出2个低维权向量.最后,基于实测数据的实验验证了算法的有效性.理论分析和实验仿真结果表明,所提算法具有良好的收敛性能,能够有效的降低的计算复杂度和样本要求,并且对阵元随机幅相误差具有很好的容差能力.     

非正交联合对角化盲源分离算法

提出一种表征联合对角化近似程度的代价函数,给出优化该代价函数的非正交联合对角化算法．该代价函数对经典的最小二乘代价函数进行了改进,使原算法中关于混迭矩阵的四次函数转化为3组待定参数的二次函数．因此,可通过基于梯度下降法的迭代算法交替估计3组待定参数,搜索代价函数最小点,从而得到混迭矩阵的估计,实现盲源分离．分析了算法的收敛性能,证明存在估计误差时,该算法依然全局渐进收敛．仿真结果表明,与经典的非正交联合对角化(ACDC)算法相比,该算法收敛所需计算时间仅为ACDC的一半,而全局拒噪水平改善了6dB,可有效地解决瞬时盲源分离问题．     

基于反馈策略的自适应粒子群优化算法

为了克服常规粒子群优化（SPSO）算法在多峰函数寻优应用中容易出现早熟的缺点，提出了一种基于反馈策略的自适应粒子群优化（APSO）算法.考虑到进化过程中群体多样性损失过快，采用种群分布熵和平均粒距两个种群多样性参数，来均衡算法的勘探和开发能力.基于惯性权值随种群多样性变化而变化的动态分析，建立了惯性权值与平均粒距之间的线性函数关系，并将该函数关系融入到APSO算法中.测试结果表明，与常规粒子群优化算法相比，该算法在多峰函数寻优时，成功率和精确度都有显著提高，且全局收敛速度快；在求解异或（XOR）分类问题时成功概率提高，收敛速度加快，APSO算法对神经网络的训练更加有效.     

二尺度最小二乘小波支持向量回归

基于小波多尺度理论和最小二乘支持向量机的优越性能,提出了多尺度最小二乘小波支持向量回归,弥补了普通最小二乘小波支持向量回归在单尺度小波空间上对函数进行逼近的不足,使用多尺度上的小波线性组合来逼近L^2（R^d）空间上的任意函数,真正意义上实现了小波分解和最小二乘支持向量机的最佳结合,更有效地继承了小波多尺度学习算法和最小二乘支持向量机的优点,既能达到有效精度而且还计算简便。本文以两尺度为例,通过仿真实验说明了所提算法的有效性。     

支持向量机在线训练算法及其应用

针对支持向量机在线训练算法训练速度较慢和无法处理边缘支持向量集合为空的缺点,以KKT条件和拉格朗日乘数法为基础,用严格的数学推导得到一种改进的训练算法.通过建立一个矩阵缓存来保存与核函数相关的数据,给出在算法中有效操作该矩阵缓存的方法以加快训练速度;边缘支持向量集合为空时,修改模型的偏值项使样本进入该集合,训练算法得以继续运行;并讨论了该算法在在线系统辨识中的应用.仿真实验和分析结果表明: 对于非线性时变系统,改进算法的建模精度较高,训练速度较原算法有了很大的提高.     

基于双迭代与二阶锥规划的机载雷达稳健降维STAP方法

针对机载雷达空时自适应处理（STAP）中期望目标导向矢量的失配问题,提出一种基于双迭代与二阶锥规划的稳健降维STAP方法。该方法首先将权矢量分解为空域与时域两个低维权矢量的Kronecker积,然后分别限定实际空域、时域导向矢量与假定导向矢量之间的误差范数边界,并通过对各自最差性能进行优化,转化为相应的SOCP形式,进而利用双迭代算法实现了对两个低维权矢量的分别求解,最终合成全维STAP权矢量。该方法在保证稳健STAP性能的同时,通过双迭代降维处理,能够有效降低训练样本数需求与运算复杂度,因此更具有实际应用价值。仿真结果验证了算法的有效性。     

强空时杂波背景下自适应处理的稳健方法

对于机载雷达在强杂波背景中的自适应信号处理问题,提出了改进的静态方向图控制方法。新方法在原有架构上加入了二次波束方向图约束,并利用Taylor级数近似来估计其解。把自适应处理限制于变换域中的一个局域处理区域得到改进的降秩波束空间空时自适应处理架构。该架构中信号阻塞矩阵由围绕感兴趣单元的少量角度多普勒单元组成。把上述两种方法相结合得到一种稳健空时自适应处理方法。该方法能有效抑制杂波而同时保持低旁瓣,对采样要求低,大大减少了运算量。数值实验结果证明了所提方法的有效性。     

Clutter pre-filtered method applied in bistatic airborne radar

In order to solving the problem of ineffective clutter suppression and target detection of space-time adaptive processing(STAP) in bistatic airborne radar, a clutter pre-filtering method applied in the bistatic airborne radar that takes advantage of radar operating parameters, platform velocity and so on is proposed. The velocity error of the airborne platform is also considered. Most of the clutter can be filtered so that the residual clutter can be completely suppressed by the well-developed STAP algorithm. Computer simulation results show that this method is effectively workable to several classical geometric configurations of bistatic airborne radar. The moving target detectability of the following STAP algorithm is also enhanced after this pre-filter.     

空时耦合项对空时自适应处理的影响

为了利用混响谱的扩展和空-时耦合特性,采用空时自适应处理(STAP)理论进行混响抑制和运动目标检测,提出了应用于水下声呐环境的空时自适应修正方法.结合雷达目标回波模型分析了空时自适应的原理;分析混响空-时耦合项,对空时自适应方法进行修正,并提出了应用空-时耦合导向矢量进行空时处理;将该修正方法用于最优处理和目标检测.仿真结果表明,修正空时自适应方法有利于水下目标检测,应用空-时耦合导向矢量有助于提高目标方位估计能力.     

A framework of rank-reduced space-time adaptive processing for airborne radar and its applications

A new equivalent formulation of the joint domain space-time optimum processor for airborne phased array radar application is derived. Then a new framework of space-time adaptive processing (STAP) for airborne radar systems which includes most of suboptimum algorithms in the literature is proposed. The performance of two typical rank-reduced time-space joint-domain processors based on Doppler pre-filtering is analyzed in detail based on the proposed framework.     

非均匀环境下利用雷达参数信息的STAP方法

针对非均匀杂波环境下空时自适应处理杂波抑制性能下降的问题,基于扁平椭球波函数的时限带限特性,给出一种利用雷达参数信息构造子空间的杂波抑制方法,降低了计算量与均匀样本数需求,提高了对非均匀杂波的抑制性能。其次,针对存在阵面偏航角误差时杂波秩无法准确估计造成基于扁平椭球波函数构造杂波子空间方法杂波抑制性能下降的问题,结合雷达参数信息及探测环境的几何构型提出一种杂波预处理方法以消除偏航角影响,从而提升其非均匀环境下的杂波抑制性能。仿真结果验证了算法的有效性。     

贝塞尔级数展开的机载前视阵雷达杂波谱补偿方法

提出了基于级数展开的杂波谱补偿方法,首先采用贝塞尔函数对每个距离环实现方位和俯仰角的分离;接着将训练单元的俯仰矢量向待检单元进行投影,得到一个变换矩阵.再使用变换矩阵对给定的多普勒门的数据进行处理,减轻杂波谱对距离的依赖性;最后,从变换后的数据中估计杂波协方差矩阵,再利用空时自适应算法对补偿后的数据进行杂波抑制.仿真结果表明,该方法能有效改善杂波的非平稳性,提高了系统抑制杂波的性能.     

机载多输入多输出雷达局域化降维杂波抑制方法

针对机载多输入多输出雷达杂波抑制问题,提出一种新的降维空时自适应处理方法.首先,通过空域发射-接收两维固定波束形成和时域多普勒滤波将雷达接收数据由阵元-脉冲域变换到波束-多普勒域,然后再选取检测单元周围若干个三维波束并根据线性约束最小方差准则进行部分联合自适应处理.仿真结果表明,这种算法能大幅降低运算量和对样本数目的要求,且性能优于已有的经典降维空时自适应处理方法.     

降维STAP中稀疏恢复的角度多普勒通道选择方法

在机载雷达信号处理中,高强度的地杂波严重影响信号检测性能,而空时自适应处理(STAP)是一种有效抑制杂波的技术。实际处理中,由于杂波的非均匀性,空时自适应处理往往面临着可用有效样本数较少的问题,同时机载雷达处理的信号维度极为庞大。为了解决这些问题,提出了一种基于稀疏恢复的降维STAP通道选择方法。利用少量样本通过稀疏恢复的方法估计出全维度的杂波协方差矩阵(CCM),并以此为依据评估各个通道的重要性,选择合适的通道构造出降维后的杂波协方差矩阵并进行STAP处理,解决了有效样本较少的问题,同时保证了降维算法的性能。数值仿真验证了算法有效且比典型的稀疏STAP算法效果更好,讨论了在不同样本数下,输出性能与通道数的关系,结论具有工程应用意义。