一种SAR目标属性特征提取算法

针对散射中心重叠的情况,利用散射中心空域及其散射机理的稀疏特性,提出一种基于全极化属性散射中心模型的合成孔径雷达目标属性特征提取算法.根据散射中心空域与散射机理的稀疏特性,对目标的极化分解系数矩阵分别施加行稀疏约束与矩阵稀疏约束.由于极化散射机理字典包含未知参数,在此采用坐标轮回下降法分别估计极化分解系数矩阵与极化散射机理字典,同时提取属性散射中心及其极化特征等属性特征.基于电磁计算数据的实验结果,验证了该算法能够利用极化信息提取散射中心的属性特征.     

线性预测盲源提取算法应用于阵列雷达的分析

通过深入分析阵列雷达的杂波/干扰抑制问题,提出应用基于线性预测的有噪盲源提取算法来提取阵列雷达的回波信号,实现杂波/干扰的同时抑制,最终提高阵列雷达的目标探测能力。在建立逼真的阵列雷达接收信号模型的基础上,通过仿真分析了该算法提取阵列雷达回波的能力和改善阵列雷达的目标探测能力。结果表明,该算法提取雷达回波信号的效果理想,平均相关系数大于0.93;当运动目标的归一化多谱勒频率大于±0.1 Hz时,阵列雷达的检测概率接近1,验证了该算法的可行性和有效性。     

多径条件下舰船目标散射特性分析与实验

岸基对海雷达探测舰船目标时会受到起伏海面的影响,形成电磁波传播的多径效应,对舰船目标雷达散射特性产生影响.根据电磁波传播的四路径模型,提出一种多径条件下舰船目标散射特性的统计分析方法,分析得出了起伏海面对舰船目标散射回波的平均影响系数,基于雷达方程指出该系数对雷达目标回波功率的影响程度.利用声波和电磁波之间的相似特性,采用水声测量实验的方式对多径条件下舰船目标回波特性进行了实验.实验结果验证了方法的有效性.     

FRFT域LFM雷达回波信号的压缩采样模型

针对宽带雷达线性调频信号(Linear Frequency Modulated,LFM)带宽大、采样率高、存储容量要求高的问题,设计了一种基于压缩感知的 LFM雷达回波信号的欠采样整体方案。首先,利用 LFM信号在分数阶傅里叶变换(FRactional Fourier Transform,FRFT)域上良好的能量聚集特点,提出了一种基于DFRFT核矩阵的正交基字典构造方法,在此基字典的基础上利用随机解调器和匹配追踪类算法构建了一个 LFM雷达回波信号的压缩采样和重构系统模型。仿真结果验证了 FRFT域处理 LFM雷达回波信号的可行性和有效性,LFM雷达信号在该正交基字典上的稀疏表示效果要优于现有的波形匹配字典,而且具有更好的抗噪性能和自适应性能。     

基于外辐射源的分布式无源雷达成像算法

针对利用非合作外辐射源对空中运动目标进行成像这种新体制无源雷达系统,提出了一种基于二维傅里叶变换进行目标重建的分布式无源雷达成像算法.该算法通过接收来自多个外辐射源的回波数据,经过坐标变换和二维插值运算,直接在接收数据空间利用二维傅里叶变换重建目标的散射函数分布.分别选取了12个电视台信号在目标转动30°和10个电视台信号在目标转动11°两种典型情况进行了仿真实验,结果验证了算法的可行性.     

多地面运动目标大动态SAR成像稀疏表示

为了保证对多个地面运动目标同时进行合成孔径雷达成像时具有足够的响应动态范围,提出了一种基于参数化贝叶斯机器学习的压缩感知稀疏表示方法,在对运动目标稀疏特征增强的同时可以显著地提高多目标合成孔径雷达成像的响应动态范围。首先,利用渐进线性的吕氏分布时频表示方法获得多运动目标的多普勒调制参数,并构建二阶多项式傅里叶字典; 然后,针对该字典可能导致的压缩感知有限等距特性欠佳的问题,研究利用字典的互相关度进行定量评估; 最后,引入地面运动目标相对背景杂波的稀疏先验概率分布,建立层级贝叶斯模型,应用变分贝叶斯期望最大算法实现合成孔径雷达地面运动目标成像的稀疏表示,同时对可能存在的目标高阶运动和载机运动误差造成的相位失调进行校正,以保证运动目标雷达图像的聚焦性能。仿真及实测数据的处理结果验证了应用该方法可以显著地提升多目标成像响应动态范围,相比传统方法具有明显的优越性。     

Method for discrimination of false targets in multistation radar systems based on the deep neural network

For the existing jamming discrimination methods for multistation radar systems,only the single feature of target echo space correlation is utilized as the metric,which leads to insufficient comprehensiveness of feature extraction,so that effectiveness and universality are insufficient for the discrimination algorithm.In this paper,an identification method in multistatic radar systems based on the deep neural network is proposed.This method combines the characteristics of multistatic radar systems cooperative detection technology,which has many available resources and strong scheduling ability in space,time and frequency domain,with the strong model learning and feature representation ability in the process of information processing on the deep neural network,so that it can effectively apply to the field of anti-deception jamming.Full use is made of unknown information about echo data to obtain more multi-dimensional,more comprehensive,more complete and deeper feature differences besides correlation,so as to achieve a better jamming discrimination effect.Simulation results show that the proposed method can effectively reduce the influence of noise and pulse number on the jamming discrimination performance.At the same time,the limitation of the target echo correlation coefficient on anti-jamming technology under nonideal conditions is alleviated,which broadens the boundary conditions of the application process.     

基于DDS技术的雷达中频回波信号模拟器

介绍基于直接数字频率合成（Direct Digital Synthesis,DDS）技术的雷达中频回波信号模拟器的设计与实现方案,该模拟器可以模拟生成脉冲雷达接收机内下变频后的中频回波信号,并能灵活地对回波的目标特性进行控制,具有良好的可编程能力。     

Chaff Jamming Recognition of Radar

A modified chaff jamming recognition method of radar is investigated using grey relational analysis (GRA) based on the difference in echo correlation characteristics between a complex rigid target and chaff cloud in time domain.Slice method (SM),a novel modeling approach,is proposed to construct an electromagnetic scattering model of chaff cloud in a scenario with slowly moving platform that is targeted.The diffusion characteristics and echo characteristics of the chaff cloud are analyzed.The GRA of a real target and chaff cloud shows that the adjacent return waves have a good correlation for the target but a weak correlation for chaff cloud.Since the correlation degree of chaff cloud's echo is far lower than that of a complex rigid target's,the chaff jamming can be identified by setting a reasonable threshold.Simulation results are presented to verify the effectiveness of this method.     

Chaff Jamming Recognition of Radar

A modified chaff jamming recognition method of radar is investigated using grey relational analysis (GRA) based on the difference in echo correlation characteristics between a complex rigid target and chaff cloud in time domain.Slice method (SM),a novel modeling approach,is proposed to construct an electromagnetic scattering model of chaff cloud in a scenario with slowly moving platform that is targeted.The diffusion characteristics and echo characteristics of the chaff cloud are analyzed.The GRA of a real target and chaff cloud shows that the adjacent return waves have a good correlation for the target but a weak correlation for chaff cloud.Since the correlation degree of chaff cloud's echo is far lower than that of a complex rigid target's,the chaff jamming can be identified by setting a reasonable threshold.Simulation results are presented to verify the effectiveness of this method.     

一种基于极点特征的似然比雷达目标识别方法

利用一维距离像识别非合作目标通常需要在方位向上建立庞大的模板库,这必然会大大增加识别所需的存储空间．为了能够以较少的存储量实现高精度目标识别,提出了一种基于极点特征的似然比（LRTPC）雷达目标识别方法．该方法首先基于目标特征极点建立表征目标属性的原子库,然后利用原子库重构目标回波信号,经过似然比测试实现目标的识别．最后用给定极点合成的散射场数据进行了仿真实验．实验结果验证了LRTPC方法的有效性．     

宽带雷达动目标的一种互相关系数累加检测器

针对宽带雷达动目标检测问题,提出了一种在高斯噪声中的互相关系数累加检测器．宽带雷达动目标信号在距离频率域进行傅里叶变换取绝对值消除目标运动带来的相位项后,求互相关系数．利用相邻宽带雷达信号具有较大相关性这一特点,将多次相邻回波的互相关系数累加作为检测统计量．分析了高斯噪声互相关系数的概率分布,给出了检测门限设置方法．理论分析表明,互相关系数累加检测器具有恒虚警检测性能．计算机仿真试验表明,互相关系数累加检测器相比多普勒导向矢量已知的不依赖散射点分布密度的广义似然比检测器,在检测率为90％时有2dB的改善．     

基于正则化约束总体最小二乘的TDOA/FDOA无源定位方法

目前在基于到达时间差(TDOA)和到达频率差(FDOA)的多站无源定位模型中,噪声的干扰、接收站和目标位置的不合理分布以及接收站的个数均会对定位模型中的系数矩阵造成影响,因此在实际的求解过程中系数矩阵可能会出现病态的问题,这在很大程度上会对定位结果产生影响.为了进一步在系数矩阵出现病态的情况下确保定位精度,提出了一种基...     

基于功率谱AMSF的微动特征提取算法

以旋转周期估计为核心的微动特征提取技术是对空间自旋目标、空间碎片和弹头等目标进行成像和识别的基础,转速估计的精度直接影响成像和识别的结果.从旋转目标的窄带雷达散射机理出发,建立了旋转散射点的基频回波模型.针对旋转运动导致窄带回波是多分量SFM信号的特征,对多分量SFM信号的频谱进行了分析,根据其周期特征,提出了基于信号功率谱AMSF的微动特征提取算法.通过仿真验证了该算法在较低的信噪比下有较高的精度和稳定性.该方法有较强的应用前景.     

ISAR运动参数估计和补偿改进方法

在使用FFT距离多普勒算法进行ISAR成像处理时,回波相关性的减弱将加大运动补偿难度,带来较大的误差。该文在常规相邻相关法基础上,提出了一种改进的运动补偿方法。在距离向上,利用基准回波相关法与曲线拟合,克服了低回波相关性下包络对齐时出现的包络漂移、包络跳变等缺陷;在方位向上,利用DCFT变换,对目标的运动参数进行精确估计并加以补偿,减小了回波相关性降低对相位补偿的影响。仿真验证了该方法的有效性。     

合成孔径雷达目标特征提取新方法

为了能从雷达回波中快速有效地提取目标几何电磁特征,提出一种稳健而快速的属性散射中心模型特征参数提取方法．通过结合实际合成孔径雷达的应用条件,对属性散射中心模型简化,并利用简化模型构造基函数,继而采用RELAX算法对目标属性散射中心逐个估计与提取．通过引入快速傅里叶算法有效地提高了参数估计效率,并对属性参数的最大搜索间隔和搜索范围进行了理论推导．仿真和实测数据实验证明,这种算法对于目标的属性参数估计较为精确且对噪声不敏感,与传统参数估计方法相比,有效提高了运算效率．     

一种适合逆合成孔径激光雷达的成像算法

逆合成孔径激光雷达是主动式有源成像雷达,能够实现高速运动物体的实时高分辨成像。但传统R-D算法很难得到目标的二维高分辨图像。提出一种适合逆合成孔径激光雷达成像的算法,通过时频分析法分析逆合成孔径激光雷达的回波信号特征,对光外差探测后的回波信号进行重排Wigner分布和Radon变换的处理,估计出目标的运动速度,通过构造有效的补偿因子,实现对目标的二维高分辨率成像。通过仿真实验得到了分辨率更高的图像,验证了此方法的有效性。     

基于DRFM的雷达超前干扰技术

针对雷达接收机采用脉冲前沿抗干扰技术侦察目标的问题,提出了一种基于数字射频存储器(DRFM)的雷达超前干扰方法.利用高速ADC对雷达信号进行采样并转换为数字比特流,通过FPGA设计重频跟踪器,实现对雷达射频信号的跟踪预测,并完成对雷达信号的无失真存储和延时叠加处理,最终调制出与雷达信号具有相干性的超前干扰信号.结果表明,干扰信号超前于目标回波信号,并且具有欺骗与压制两种干扰效果,试验结果达到了预期效果.     

分集MIMO雷达目标回波相关性分析

针对目标回波的相关性问题,现有模型仅考虑空间和频率间隔的作用,忽略了目标姿态等其他因素的影响．基于以上问题,提出利用直四棱柱散射模型以便更真实地模拟雷达目标;推导出空间和频率分集多输入多输出雷达系统中目标回波相关系数由各雷达站观测角度、目标尺寸、空间和频率间隔等因素共同决定．着重分析了雷达相对目标在不同观测方向时目标的有效孔径随目标空间尺寸和观测角度变化,从而对回波相关系数产生影响．     

基于层次分析法的雷达仙波信号检测与抑制方法

雷达仙波通常是由于一些特殊的气候条件引起,会在雷达终端上表现为多批次慢速运动“目标”航迹,影响雷达性能和干扰操作员的判断,该文基于对包含仙波的雷达原始信号进行采集和分析,提取仙波与真实目标的特征差异,总结仙波的幅值特性、多普勒特性以及空间分布和运动规律,提出了一种基于层次分析法的多准则决策杂波抑制方法。实测数据验证结果表明该方法能够准确分辨并对仙波具有良好的抑制效果。