基于相似性度量的非正侧阵杂波谱补偿方法

在非正侧阵雷达中的杂波谱随距离发生变化,造成杂波统计特性估计不准确,空时二维自适应处理中滤波器的杂波凹口变宽.为了克服这个难题,根据杂波模型提出了一种基于相似性度量的谱补偿方法.该方法首先将待检单元的导向矢量与相邻单元的导向矢量进行内积,作为谱结构相似性的度量,然后依此度量值,对接收数据的杂波协方差矩阵进行加权处理,最后用传统的空时自适应算法进行杂波抑制.仿真证明了该方法可以有效地消除杂波谱的非平稳性,提高雷达抑制杂波的性能.     

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。     

端射阵机载雷达稀疏恢复非平稳杂波抑制方法

针对端射阵机载雷达杂波谱存在的距离非平稳问题,提出了一种基于稀疏恢复的距离模糊杂波抑制方法。该方法首先通过稀疏恢复理论建立杂波回波数据的欠定方程,并结合欠定系统局灶解法求得杂波的空时谱分布,重构出每个距离门的杂波协方差矩阵;然后,以最远可检测距离单元为参考单元对杂波数据进行补偿,并进行目标约束;最后,基于补偿后的数据进行空时自适应杂波抑制处理。与传统端射阵距离模糊杂波谱补偿方法相比,该方法的杂波协方差矩阵估计精度高,杂波抑制性能更优。理论分析和仿真结果验证了该方法的有效性。     

基于子频带黎曼距离的海杂波背景下目标检测

海杂波背景下的目标检测对军事和民用均具有重要意义，是雷达信号处理领域的研究热点与难点。传统广义似然比检测器在具有较强空间非均匀特性的海杂波中检测性能明显下降。文中提出基于子频带黎曼距离的检测器。首先，利用一组线性相位离散傅里叶变换调制滤波器将回波分解到不同子频带；随后，在每个子频带中，利用参考单元数据在Hermitian正定矩阵流形上的几何均值或几何中值估计杂波协方差矩阵，将待检测单元协方差矩阵与杂波协方差矩阵之间的黎曼距离作为检测统计量。基于仿真杂波数据和实测海杂波数据验证了所提方法可以有效提高海杂波背景下的目标检测性能。     

距离模糊下天空双基地预警雷达杂波抑制方法

天空双基地预警雷达杂波具有严重的非平稳性,同时存在距离模糊,使得杂波抑制变得困难。针对考虑距离模糊时天空双基地预警雷达杂波抑制问题,基于子孔径平滑处理和重构杂波协方差矩阵的思想,提出了一种非平稳杂波抑制方法。首先对某一距离环杂波数据进行子孔径平滑处理,估计出子孔径下的杂波协方差矩阵;然后计算该距离环功率谱并作为幅度值,重构模糊距离环的杂波数据和协方差矩阵;最后利用重构数据对距离模糊杂波进行空时自适应处理。仿真结果验证了所提方法的有效性。     

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。     

一种非均匀场景复合高斯杂波下的自适应检测器

该文考虑一种非均匀环境中,复合高斯杂波下的目标检测问题,即待检测单元杂波协方差矩阵与参考单元杂波协方差矩阵之间并不相等,且杂波数据满足复合高斯统计分布模型。利用已知的先验信息,选择合适的先验分布,基于贝叶斯方法,该文给出了杂波协方差矩阵的最小均方误差估计,并将其应用于正则化匹配滤波器检验。计算机仿真结果表明,采用该文提出的杂波协方差估计算法,能够在参考数据较少的情况下,获得较好的检测性能。     

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。      

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.     

杂波背景下的时距联合检测前聚焦方法研究

传统相干雷达信号处理流程对跨距离单元走动的目标一般采用脉冲压缩与Radon傅里叶变换(RFT)先后级联的处理方法,但级联方法存在以下问题:一是对高速目标能量积累的过程中目标峰值位置偏移甚至主瓣展宽、增益下降、旁瓣增高;二是缺少有效杂波抑制,影响弱目标检测。为此,该文借鉴多维信号联合以及杂波抑制的思想,提出一种杂波背景条件下将脉冲压缩、RFT与自适应杂波抑制联合的时距联合检测前聚焦方法(A-PCRFT)。该方法首先将脉内时间(快时间)与脉间时间(慢时间)两个雷达信号处理维度相联合,引入与高速目标相对应的二维导向矢量,补偿脉内和脉间的多普勒频移;然后根据辅助数据估计脉冲压缩前的杂波协方差矩阵;最后根据杂波协方差矩阵和导向矢量确定最优滤波器权矢量。在距离-速度二维空间中,该方法能有效地抑制杂波,同时对目标能量进行最佳聚焦。仿真结果表明,该方法与先脉冲压缩后自适应Radon傅里叶变换(ARFT)的级联方法相比性能更优。      

A new method to compensate clutter range dependence for forward looking airborne radars

The clutter direction-Doppler curves are not aligned on the near range bins for forward looking airborne radar. As a result, the performance of clutter suppression by Space-Time Adaptive Processing (STAP) degrades greatly because of the clutter range dependence. To deal with this problem, a new compensated method is proposed in this paper. The method rebuilds the clutter covariance matrix based on spatial high resolution Minimum Variance Distortionless Response (MVDR) spectrum, and then finds a matrix to transform the covariance matrix of short-range gate to the referred far-range gate. The method can compensate the clutter range dependence well. The simulation results show validity of the method.     

空/时对称阵列雷达非高斯杂波背景下多秩距离扩展目标检测方法

针对多通道阵列雷达从实际杂波中检测目标场景,该文提出了一种面向多通道阵列雷达非高斯杂波背景的多秩距离扩展目标检测方法。首先,利用秩大于1的子空间矩阵和相应距离单元的坐标向量,建立了多秩距离扩展目标模型;然后,利用雷达接收单元空间或时间中心对称探测场景下杂波协方差矩阵的反对称结构信息,通过酉变换,采取广义似然比、Rao、Wald检验准则,构建待解参数小样本估计策略,设计了面向非高斯杂波背景的多秩距离扩展目标检测方法。最后,通过理论推导证明了所提检测方法相对于杂波协方差矩阵具有恒虚警特性。基于仿真数据和实测数据的实验结果表明,所提检测方法能够保证对杂波协方差矩阵具有恒虚警特性,此外,相较于现有检测方法,所提检测方法提升了小训练支持的目标检测性能,并且在导向矢量失配条件下,有效地改善目标检测的稳健性。      

基于多帧观测联合感知的空时自适应处理

在机载雷达体制中,空时自适应处理STAP(Space-Time Adaptive Processing)可有效抑制杂波并显著提高雷达对慢动目标的检测性能.但是在非均匀环境中,缺乏独立同分布的训练样本会使STAP性能严重下降.针对这个问题,本文提出一种基于多帧观测联合感知的空时自适应处理方法.该方法交替发射正交信号和普通的相控阵信号.检测前,通过当前及先前的环境回波感知观测场景获取杂波信息;检测时,先利用杂波信息结合平台参数及系统参数估计杂波协方差矩阵,再将估计的协方差矩阵与样本协方差矩阵进行组合以构造空时滤波器,抑制杂波,提高输出信杂比.仿真结果表明,与现有的知识辅助类STAP算法和降维算法相比,该方法在缺乏准确先验知识的情况下,可以有效地抑制非均匀杂波.     

基于传播算子的机载前视阵雷达杂波谱补偿方法

 针对机载前视阵中杂波多普勒频率随距离发生变化,导致杂波谱在距离上呈现严重的非平稳性,因此根据杂波模型提出了一种新的杂波谱补偿方法,该方法首先对接收数据进行分块处理来构造传播算子以获得杂波子空间,再将训练单元的杂波子空间向待检单元的杂波子空间进行投影得到一个变换矩阵,然后用这个变换矩阵对数据进行处理,使杂波谱得到补偿,最后利用空时自适应算法对补偿后的数据进行杂波抑制.仿真结果表明此方法有效地抑制杂波的非平稳性,提高了雷达抑制杂波的性能.     

基于稀疏重构的机载雷达KA-STAP杂波抑制算法

机载雷达非均匀杂波环境下的空时自适应处理（STAP）算法会因杂波协方差矩阵估计不准导致其杂波抑制性能下降。传统知识辅助 STAP (KA-STAP)算法性能依赖于先验知识的准确程度以及配准精度,先验信息的失配可能会导致算法性能恶化。本文提出一种基于稀疏恢复技术构造杂波加噪声协方差矩阵的KA-STAP算法。该算法不依赖于先验信息,首先利用稀疏贝叶斯学习技术通过少量回波样本估计出稳健的辅助协方差矩阵,然后结合采样协方差矩阵进行空时处理。在小样本非均匀杂波场景下,该算法的输出性能优于传统KA-STAP算法。仿真结果表明了本文方法的有效性。     

Joint space-time interpolation for distorted linear and bistatic array geometries

This paper presents a new joint space-time interpolation technique (STINT) to improve the small sample support performance of space-time adaptive processing (STAP) with distorted linear monostatic arrays and linear bistatic array configurations. Brennan's rule for the space-time clutter covariance matrix rank is extended to monostatic linear arrays with arbitrary intersensor spacing, distorted linear arrays and bistatic geometries. It is shown that both distortion in the array geometry and bistatic operation increase the clutter rank and cause the space-time clutter covariance matrix to become range dependent. This results in lower output signal-to-interference-plus-noise ratio (SINR) for the same number of adaptive degrees of freedom and reduced available sample support. This motivates the development of the STINT technique aimed at compensating for the clutter rank inflation, while also making the clutter statistics appear more stationary across range. More specifically, a linear transformation is designed that maps the received clutter across space and time to that which would be received by a "virtual" monostatic side-looking ULA. By mapping the data to form a reduced rank clutter covariance matrix, fewer snapshots are needed for a statistically stable matrix inversion as required in STAP, thereby improving the short observation time performance. Simulation results for a typical airborne radar scenario indicate up to 10-dB SINR improvement can be obtained using STINT with limited sample support.     

对运动目标约束的机载前视阵雷达杂波谱补偿方法

在机载前视阵雷达中,由于地面杂波存在距离依赖性,使得杂波协方差矩阵估计不准确,进而导致空时自适应处理(STAP)的杂波抑制性能严重下降。基于配准的杂波补偿方法(RBC)能够有效地对地面杂波的距离依赖性进行补偿,但当杂波数据中含有运动目标时,使用该方法对杂波补偿后,包含在杂波中的运动目标信息会在空时平面散开,导致其无法被检测。针对上述问题,提出一种运动目标约束的杂波补偿方法,即在基于配准的方法中,根据运动目标与杂波的多普勒频率不同来添加运动目标约束保护。计算机仿真结果表明:该方法不仅能够降低杂波距离依赖性,而且可以有效地对运动目标信息进行保护。     

基于环境动态感知的空时自适应处理

在非均匀环境中,缺乏独立同分布的训练样本会使空时自适应处理(Space-Time Adaptive Processing, STAP)算法性能严重下降。针对这个问题,该文提出一种基于环境动态感知的空时自适应处理方法。该方法首先通过发射一组正交信号感知观测场景获取杂波信息;然后利用杂波信息结合平台参数及系统参数预测未来一段时间内杂波的协方差矩阵;最后将预测的协方差矩阵与样本协方差矩阵进行组合以构造空时滤波器。仿真结果表明,与传统的知识辅助类STAP算法相比,该方法在缺乏准确先验知识的情况下依然可以有效地抑制非均匀环境中的杂波。     

基于最大似然估计的机载双基地雷达距离模糊杂波抑制方法

针对存在距离模糊情况下机载双基地雷达杂波抑制的难题,本文分析了存在距离模糊时机载双基地雷达的杂波特性,提出了一种基于最大似然估计的机载双基地雷达距离模糊杂波抑制方法.该方法首先通过最大似然估计对训练样本所包含的各个模糊距离环的杂波幅度进行估计,然后通过非均匀采样重构待检测距离门及其模糊距离环的杂波数据,再由重构的杂波数...