认知雷达子空间信号迭代闭环检测方法

闭环迭代过程是认知雷达信号处理的重要特征。在雷达与探测环境构成的闭环中,雷达逐渐理解环境,选择适合当前环境的信号处理方式。本文考虑杂波和噪声中,认知雷达的子空间信号检测问题。基于认知雷达闭环迭代架构,提出了一种认知雷达检测方法。在每次迭代开始时,利用获得的数据计算目标在子空间内坐标的最大似然估计,然后依据目标参数设计下一次迭代所需的发射波形。计算机仿真分析表明,利用闭环迭代检测算法,认知雷达能够更高效获得探测环境信息,其检测性能优于常规雷达。      

基于迭代自适应稀疏分解的雷达信号去噪

稀疏分解能有效分离信号和噪声,因此适用于信号去噪.文中构造了雷达回波稀疏表示的冗余字典,字典原子与目标回波波形匹配,基于该字典的雷达回波信号稀疏度就是目标数.针对稀疏度自适应匹配追踪算法进行低信噪比信号稀疏分解时的不足,提出了一种迭代自适应匹配追踪算法,采用规范化的残差之差作为迭代终止条件,使得稀疏分解过程能依据噪声水平自适应终止,以逐次逼近方式估计信号稀疏度,改善了稀疏分解的精度.仿真实验结果表明,该算法在低信噪比以及稀疏度未知的条件下,实现了雷达回波信号的准确稀疏分解,极大地提高了信噪比.     

基于改进混合量子遗传算法的二相编码雷达波形优化

针对当前雷达波形优化算法搜索策略单一、适用范围受限的问题,提出了一种基于改进混合量子遗传算法的二相编码雷达波形优化算法。所提算法采用了一种新的自适应旋转角度策略,根据迭代次数和余弦相似度动态调整旋转角度,提高了算法的收敛速度、全局搜索能力和求解质量。仿真结果表明,与遗传算法、基本量子遗传算法和混合量子遗传算法相比,对于包含了单峰、多峰和非凸优化问题的6个标准测试函数,所提算法在质量和资源消耗上均表现更好;对于二相编码雷达波形优化,证实了使用所提算法优化波形是可行和有效的。     

信号相关杂波背景中极化雷达发射波形优化

波形优化可有效抑制干扰,显著改善雷达探测性能。针对全极化雷达,考虑发射波形满足能量和相似性双重约束,以最大化信杂噪比为准则,对发射波形和接收滤波器进行联合优化。该文设计了一种波形和滤波器的迭代优化算法,该方法序贯提高输出信杂噪比。算法的每一次迭代需要分别解决一个凸问题和隐凸问题,整个算法的计算量与迭代次数和接收滤波器长度分别呈线性和多项式关系。最后,通过仿真实验分析了算法的收敛性、优化波形的模糊度函数方面的性质,与其他算法进行了对比,结果表明:与现有方法相比,该文方法可实现信杂噪比的有效提升。     

一种多级维纳滤波器的快速实现算法——迭代相关相减算法

证明了由相关相减算法实现的多级维纳滤波器是一种酉多级维纳滤波器,并且其各级的匹配滤波器与对应的降秩子空间的基向量相等。在证明结论的基础上,将后向迭代算法应用于相关相减算法多级维纳滤波器,提出了多级维纳滤波器的迭代相关相减实现算法。迭代相关相减算法具有前向递推计算量低、后向滤波实时性好、采样均方误差和自适应权矢量计算简单、秩选计算量低等优点,降秩性能与相关相减算法完全相同。     

信号相关杂波背景中极化雷达发射波形优化

波形优化可有效抑制干扰,显著改善雷达探测性能.针对全极化雷达,考虑发射波形满足能量和相似性双重约束,以最大化信杂噪比为准则,对发射波形和接收滤波器进行联合优化.该文设计了一种波形和滤波器的迭代优化算法,该方法序贯提高输出信杂噪比.算法的每一次迭代需要分别解决一个凸问题和隐凸问题,整个算法的计算量与迭代次数和接收滤波器长度分别呈线性和多项式关系.最后,通过仿真实验分析了算法的收敛性、优化波形的模糊度函数方面的性质,与其他算法进行了对比,结果表明:与现有方法相比,该文方法可实现信杂噪比的有效提升.     

基于波形自适应的认知雷达机动目标跟踪算法

从认知雷达的角度出发,综合考虑跟踪模型和波形选择,提出一种能够适应目标运动状态急剧变化的波形自适应机动目标跟踪算法。首先,将匀速运动模型和当前统计模型作为交互式多模型(IMM)的模型集,并结合贝叶斯理论提出一种时变转移概率的自适应IMM算法。然后,结合量测误差椭圆与目标状态预测误差椭圆正交理论,研究了基于基带脉冲波形模糊函数旋转的波形库实现方法并给出了波形自适应选择跟踪算法的具体步骤。仿真实验表明,所提算法能够适应目标不同加速度机动,雷达系统跟踪性能得到了较大幅度提升。     

基于波形选择的MIMO雷达三维稀疏成像与角度误差校正方法

该文研究稀疏目标场景下,波形选择对基于压缩感知理论的MIMO雷达成像效果的影响并提出一种改进的成像角度误差校正方法。首先分析了模糊函数和压缩感知匹配字典的相关系数之间的关系;然后,在空间小角度域情况下,针对成像场景中的角度误差,提出一种改进的基于迭代最小化的稀疏学习(SLIM)算法进行校正。仿真结果表明,选择具有较低旁瓣模糊函数的发射波形可以提高成像质量,改进的SLIM算法可以有效补偿角度误差。     

一种车载毫米波FMCW MIMO雷达快速成像方法

针对车载毫米波FMCW MIMO雷达现有的常规波束形成算法的旁瓣效应造成的方位向分辨率低以及高分辨算法的工程实时性低的问题,提出了一种迭代自适应算法（IAA）高分辨成像的快速实现方法。该方法首先利用快速傅里叶变换（FFT）获取目标一维距离像,然后对每一距离单元利用FFT算子和Gohberg-Semencul（GS）因子分解计算迭代自适应算法（IAA）的数据协方差矩阵和其逆矩阵,利用快速Toeplitz矩阵向量乘法计算IAA迭代值,从整体上提升了IAA估计各角度散射系数的实时性。仿真和实验结果验证了该方法的可行性和有效性。     

基于矩阵分解的多输入多输出雷达解相关算法

多输入多输出(Multi-input Multi-output,MIMO)雷达的多发射正交波形自相关和互相关特性会影响目标参数估计的性能,完全正交的多组波形又很难获得,针对此,提出一种基于矩阵分解的双基地MIMO雷达多发射波形解相关算法,使不完全正交的多组波形解相关.本算法通过对多发射波形相关矩阵做矩阵分解和迭代运算,实现波形解相关.通过对收发角度联合估计精度的分析,验证了所提算法的可行性和有效性.