基于矩阵重构的高频地波雷达电离层杂波抑制

高频地波雷达(HFSWRs)回波数据受Es层电离层杂波污染，严重影响雷达探测性能。为解决该问题，利用协方差矩阵重构结合特征分解法对杂波进行抑制。该方法通过划分一阶谱区，将排除一阶谱区信号的区域进行积分获得重构电离层干扰-噪声协方差矩阵，接着改进特征分解法处理重构协方差矩阵，对电离层杂波进行抑制。OSMAR-S雷达实测数据处理结果表明，单侧和双侧Es层电离层杂波处理后信噪比分别至少提升15.1和19.7 dB,海洋雷达理论探测距离至少提高15 km,该方法对电离层杂波可以有效的抑制，信噪比得到有效的改善。     

雷达杂波抑制技术研究

全相参技术是抑制地物杂波、气象杂波和提取运动目标的最有效技术。利用运动目标产生多卜勒频移效应的物理现象，雷达信号处理就能在频域轻易地将运动目标检测出来。根据固定目标回波在时域上为等幅脉冲序列的特点，采用相邻周期曰波信号相减处理输出为零，实现对固定目标回波进行抑制。采用试探法和实测法，寻找出慢动杂波(气象杂波)的多卜勒频移fdw，通过谱线搬移到杂波抑制滤波器的阻带之中，达到有效抑制慢动杂波的目的。随着微电子技术、计算机技术、数字技术、自适应信号处理技术的广泛应用，自动校正慢动杂波抑制滤波器凹口的自适用MTI系统，能自适应地抑制云、雨、雪等气象杂波。对慢速、极慢速、原地旋转等杂波具有自适应信号处理功能。雷达杂波抑制技术研究对进一步提高现代雷达性能具有重要意义。     

基于自适应滤波器的地雷背景噪声抑制

作为一种新的探雷方法,探地雷达在探雷领域得到了广泛的应用。由于雷达回波信号包含有很多杂散信号,目标信号被强噪声信号所淹没,为了提高雷达回波信号的信噪比,有利于地雷的识别和检测,文章提出了一种基于自适应滤波器的背景噪声消除方法对回波信号进行杂波抑制。采用该方法对DeTeC的数据进行分析的结果表明,该方法能有效地去除直达波,抑制背景噪声,分离出目标信号。     

一种图像确认目标的多目标跟踪方法

为了解决回波的复杂性和不确定性导致雷达多目标跟踪精度降低的问题,给出一种图像确认的多目标跟踪方法。该方法通过序列图像获取目标部分相关参数,从而剔除与参数不相符的虚假回波和杂波;然后根据保留的目标回波更新所跟踪目标的测量新计算,从而减少了多目标跟踪中由无关回波和杂波干扰所造成的测量更新误差,提高了目标跟踪的精度。仿真实验结果表明,本算法在去除部分或全部杂波后,能够减小多目标跟踪的误差,使跟踪精度得到较大改善。     

基于改进Kalmus滤波的悬停无人机检测技术

针对复杂杂波环境下悬停无人机检测问题，提出了一种改进的Kalmus滤波 剩余回波时域均值相消 自适应CFAR联合处理算法，对无人机微多普勒检测，实现空管监视目的。通过改进的Kalmus滤波器进行频域滤波，同时对目标回波高频信号和零频信号抑制，并提高零频附近微多普勒信号增益。采用剩余回波均值相消进行二次滤波，提高无人机高速旋翼的多普勒特征信号信噪比，采用短时傅里叶算法检测目标区域多普勒变化，最后通过恒虚警处理，进一步抑制杂波，提取微多普勒信息。试验结果表明本文算法可以对悬停无人机的旋翼多普勒特征进行有效检测，目标多普勒信号幅值提升了约20 dB，实现低空监视管控目的。     

基于在线随机张量分解的探地雷达杂波抑制方法

探地雷达(GPR)易受杂波干扰,而传统低秩分解抑制方法的抑制效果差,影响实际应用。张量分解法可将矩阵分解为低秩、稀疏部分,即杂波、目标部分,仅对目标部分进行处理,就可得到更优的抑制效果。为此基于在线随机张量分解技术(OSTD),提出了一种新的GPR杂波抑制方法。通过添加简单的预变换步骤将A扫描数据作为在线随机张量分解的输入量,再经分解获得杂波、目标量,以实现杂波抑制。仿真和实际数据集测试结果表明,新方法的效果优于传统抑制方法。     

基于 SSA-SVM 的海杂波背景下小信号检测方法

针对传统检测方法不能有效地从强混沌背景噪声中检测出小信号,本文研究了强杂波背景下小目标检测原理,提出了一种基于SSA-SVM的混沌小信号检测方法。利用麻雀搜索算法优化SVM惩罚参数C与核函数参数σ提高预测准确性,从而降低检测门限,提高检测率。在Lorenz混沌系统中加入目标信号进行仿真,结果表明：提出的方法能有效地从强混沌背景噪声中检测出小信号,瞬态小信号预测的均方根误差为0.000 434 3(信噪比为-137.707 3 dB),比传统SVM算法预测信号的均方根误差0.049(信噪比为-54.60 dB)降低了两个数量级。利用IPIX雷达实测海杂波数据,对所提方法进行实验验证,进一步说明了该方法的有效性。     

导航雷达慢速小目标检测方法

针对常用导航雷达在检测强海杂波环境下慢速小目标的困难问题,利用扫描间海杂波非相关特性,提出采取提高天线转速的措施和扫描间信号平滑处理技术,从而抑制或削弱海杂波,增强目标信号强度,改善检测性能。实验表明,本方法显著提高了导航雷达在海杂波环境下检测慢速小目标能力。     

基于优化变分模态分解的海杂波去噪方法

文章分析了确定变分模态分解(VMD)参数存在的问题,提出了一种基于优化变分模态分解的海杂波去噪方法。利用鲸鱼优化算法(WOA)对模态个数K和惩罚参数α进行寻优,对海杂波原信号自适应分解,去除方差贡献率(VCR)较低模态分量,结合模糊熵筛选出噪声占主导的模态分量,将其进行Savitzky-Golay(SG)滤波处理。对滤波后的分量和有用分量叠加重构去噪后的信号,通过最小二乘支持向量机(LSSVM)对海杂波信号进行预测并验证去噪效果。仿真结果表明,本文所提算法能够有效抑制噪声干扰,去噪后的均方根误差(RMSE)为0.000 29,比去噪前的均方根误差0.012 3降低了两个数量级。     

海杂波背景下的PSO-RBF弱目标检测

海杂波背景下的目标检测是海面雷达信号处理的重要组成部分。海杂波中弱目标的检测，传统方法是基于海杂波统计特性，但是统计特性并不能很好地反映海杂波的内在动力学特性，因此检测效果很不理想。本文根据海杂波的混沌特性，对其进行了相构空间重构，并将粒子群算法算法(PSO)应用到径向基函数(RBF)神经网络核函数参数的优化学习中，利用加拿大McMaster大学采用IPIX雷达在Dartmouth地区海域实测带有目标的海杂波数据对此方法进行验证。结果表明，在混沌海杂波背景下PSO-RBF小目标检测法具有良好的预测性，相比于一般的径向基神经网络，改进算法不仅收敛速度快，且误差精度高。     

基于动态RCS的风电机叶片多普勒特性

风电机叶片动态旋转对雷达信号产生的多普勒效应,是邻近雷达台站识别风电场杂波的重要依据。现有研究手段由于难以获得精准的风电机叶片雷达回波仿真信号,进而无法获取准确的多普勒频谱。为此,避开风电机叶片雷达回波精准仿真的难题,通过叶片多普勒效应的产生机理研究,提出了一种通过叶片动态雷达散射截面(RCS)求解多普勒频谱的思想,即基于成熟的电大尺寸目标动态RCS精确求解技术,采用准静态法,运用物理光学法(PO)和等效电磁流法(ECM)构成的混合算法,获得叶片运动状态下的RCS时域曲线,最后利用短时傅里叶变换(STFT)得到叶片的多普勒频谱。基于该方法,计算并分析了风电机叶片在旋转、变矩、挥舞及倾斜等工况下的多普勒特性,为风电机雷达目标信号的识别、雷达散射截面的缩减,以及雷达侧风电场杂波的抑制提供参考。     

基于DBF-SCORE的Ka SAR-GMTI信号处理方法研究*

在SAR信号处理中为增大接收增益,提高系统回波的信噪比,可利用数字波束形成(DBF)技术(扫描接收技术)生成灵活控制的高增益窄波用于多通道接收、处理回波信号。分析并推导了距离向多通道的回波信号,然后详细分析了基于偏置相位中心天线（DPCA）的SAR GMTI处理方法。在此基础上给出了一种使用DPCA杂波抑制技术处理基于时变加权DBF SCORE回波的Ka SAR GMTI处理方法,并给出了系统实现原理。与其他SAR GMTI处理方法相比较,使用DBF技术可以提升系统信噪比,有助于改善杂波抑制性能。通过仿真,验证了用DPCA技术处理基于DBF动目标回波的有效性。     

基于隐马尔可夫模型的MIMO雷达目标检测

MIMO雷达是一种新体制雷达,相对于传统雷达在目标检测及参数估计性能都有很大提高。本文针对MIMO雷达的发射信号特点及天线阵元布置特点,分析了雷达目标和杂波的散射特点。目标回波的各向异性比杂波更强。因此可以用隐马尔可夫模型（HMM）对目标和杂波分别建模,实现目标和杂波的分离。在检测过程中,首先用样本模型对HMM进行训练,得出它的参数。然后用训练好的HMMs分别对待检测信号进行归类,分别计算它属于杂波和目标的概率,计算概率比值,大于门限判断有目标。仿真实验表明,本文方法的检测性能优于传统的检测方法。本方法在检测时候的计算量很小,有利于信号的实时处理。     

基于呼吸样本空间的超宽带雷达身份识别

为了解决传统雷达呼吸身份识别依赖人工预定义特征的问题,提出了一种基于呼吸样本空间(BSS)的超宽带(UWB)雷达身份识别算法。算法首先通过奇异值分解(SVD)对UWB雷达人体呼吸回波中杂波进行滤除,然后根据回波将目标跨距离单元的呼吸信号构建为包含时距信息的BSS序列,最后利用卷积神经网络(CNN)对BSS进行建模以获取目标分类结果。在室内场景实验中,对4人的身份识别准确率为84.64%。对比结果表明,所提出的算法对不同个体所具有的独特呼吸特征具有不错的区分能力。     

改进的机载相控阵雷达JDL-STAP算法

机载相控阵雷达在下视工作时受地杂波的影响较大,虽然空时自适应处理(STAP)技术拥有良好的杂波抑制能力,但其性能依赖于大量的训练样本和高运算量,在现实工程中难以应用.为了弥补STAP算法的不足之处,提出了一种改进的局域联合处理(JDL)降维算法.该方法在构造降维矩阵时,调整了局域处理单元的选取策略,并在主通道对应的杂波...     

动态杂波条件下非合作辐射源目标检测研究

针对非合作雷达辐射源采用不可控的第三方辐射源导致杂波趋于复杂的问题,提出了根据杂波协方差矩阵特点进行杂波动态化的方法,设计了对杂波动态化处理的非合作雷达辐射源目标检测系统。结果显示：所设置的辐射源与目标信息在杂波动态化处理后,可以通过非合作雷达辐射源目标检测系统提取到准确的辐射源、目标的位置、速度、角度信息。结果表明该动态化杂波不会轻易淹没功率较大的目标,该目标检测系统可以对目标进行数据采集处理,且位置速度误差均不超过1%,对目标跟踪、实际情况下的雷达信号处理有参考作用。     

脉冲多普勒雷达地杂波仿真与系统实现

针对脉冲多普勒雷达,首先介绍了雷达杂波模拟器中地杂波的仿真模型,并对地杂波采用零记忆非线性变换(ZMNL)的方法进行仿真.同时给出了雷达信号模拟器的总体结构和硬件系统实现方案,本文构成通用的脉冲多普勒雷达信号模拟器可应用于对脉冲多普勒雷达信号的模拟,并取得了较好的效果.     

基于小波包多阈值处理的海杂波去噪方法

针对海杂波信号非平稳非线性的特性,在小波包多阈值处理的基础上加以改进,提出了一种新型海杂波去噪方法。利用海杂波数据的频率特性,确定小波包分解层次。考虑到每层小波包分解时,分解系数的高频部分存在翻转情况,将分解系数按照频率大小顺序进行排列,通过自相关函数确定低频、中频、高频部分,每个频段选取合适的阈值,对小波包系数进行重构,得到去噪后的海杂波信号。利用实测海杂波数据进行实验,分别与传统海杂波去噪法和基于经验模态分解的海杂波去噪法比较,所提方法信噪比和均方根误差分别达到了33.519 9和0.001 9,处理不同海情下的海杂波都具有更佳的去噪能力,说明其去噪效果明显,适用范围广泛。     

基于VMD的去噪算法在套管引线检测中的应用

超声检测套管引线的信号数据中存在大量的噪声干扰,使得回波时间提取精度产生较大误差。针对上述问题提出了一种基于变分模态分解(VMD)与小波阈值的去噪新方法。采用VMD对含噪信号进行分解,通过计算相关系数筛选出固有模态函数(IMF)中的高频分量进行小波阈值降噪,保留高频分量中的回波信息,最后与低频IMF进行信号重构。实测数据的去噪结果表明,去噪效果良好,有效地保留了高频分量中的真实信息,提高了超声回波信号的信噪比,从而增加了超声检测套管引线的测量精度。     

改进小波阈值去噪算法在GPR数据处理中的应用

探地雷达技术已经广泛应用于城市道路及地下空间隐伏病害的快速精细探测，但受城市环境复杂干扰影响，探地雷达数据掺杂噪声与杂波，导致数据信噪比低，影响处理与识别精度。为提高探地雷达数据的信噪比，得到高质量的探测数据，本文在传统小波阈值去噪算法的基础上，提出了一种基于粒子群算法的改进小波阈值去噪算法。采用MATLAB、gprMax2D工具进行去噪仿真实验。实验结果表明，本文提出的去噪算法与传统的软、硬阈值去噪算法相比，信噪比分别提高了28.02%、6.97%,均方误差分别降低了71.86%、31.88%,具有更好的去噪效果。将本文提出的算法运用到实测探地雷达数据处理过程中，可以为城市道路及地下空间安全提供技术支撑。