维纳滤波最优权修正导向矢量的SAR-GMTI动目标径向速度估计方法

针对通道幅相误差和图像配准误差等非理想因素导致动目标径向速度估计性能下降问题,本文提出利用维纳滤波最优权修正导向矢量的动目标径向速度估计方法.该方法利用抑制杂波的维纳滤波最优权矢量对动目标理想导向矢量加权处理获得修正导向矢量,并采用匹配滤波算法估计动目标径向速度.仿真数据和某机载多通道SAR-GMTI实测数据处理表明,所提方法对通道幅相误差和图像配准误差稳健,在图像相邻像素存在较大相关性时仍可获得较高的动目标径向速度估计精度.     

对图像配准误差稳健的分布式星载SAR地面运动目标检测及高精度的测速定位方法

图像配准误差、杂波相关性以及阵列误差等对分布式星载合成孔径雷达地面运动目标检测的性能有很大影响.针对这种情况,研究了一种基于多通道、多像素联合自适应处理的运动目标检测及测速定位联合实现方法,首先将多通道、多像素联合数据等效为一个简单的阵列模型,通过空间投影的方法估计出存在图像配准误差情况下的运动目标真实的导向矢量形式,然后利用最优波束形成的方法在抑制杂波的同时,通过搜索代价函数的峰值来估计动目标的径向速度,从而对其进行重新定位.性能分析及仿真结果表明,此方法大大提高了动目标检测性能及测速定位精度,对图像配准误差具有较强的稳健性.     

基于样本加权的三通道SAR-GMTI机载 数据处理及性能分析

 针对机载三通道雷达系统的杂波抑制问题,提出基于样本加权估计杂波相关矩阵的三通道联合动目标检测方法.基于广义内积值对像素矢量样本加权,三通道联合杂波抑制后检测出动目标位置,局部两两干涉实现动目标重定位和测速,最后进行了性能分析.所提方法无需设置样本选取门限,对图像配准精度仅要求在1个像素以内,样本加权后改善因子提高明显;3幅图像联合处理的性能优于2幅图像处理.机载实测数据处理结果验证了方法的有效性和稳健性.     

多普勒频谱模糊情况下的星载方位向多通道高分宽幅SAR-GMTI杂波抑制方法

该文提出了一种在多普勒频谱模糊情况下的星载方位向多通道高分宽幅合成孔径雷达地面运动目标检测(SAR-GMTI)系统的杂波抑制方法。首先,利用方位解线性调频对方位向多通道(HRWS) SAR-GMTI系统中的回波进行处理,得到杂波和动目标的粗聚焦图像。然后,将多通道SAR系统的粗聚焦图像表示为矩阵形式,并估计出相应的协方差矩阵。之后,用杂波协方差矩阵构造杂波空间的正交矢量,即最小特征值对应的特征向量。该方法需要一个冗余的通道自由度。由于杂波空间的正交矢量与杂波空间向量是正交的,因此可以用来抑制杂波。最后,通过仿真和实测数据实验结果验证该文所提杂波抑制方法的有效性。      

基于联合特征空间投影的SAR图像域杂波抑制

杂波抑制是实现地面慢速目标检测(GMTI,Ground Moving Target Indication)的前提条件.本文研究基于高分辨合成孔径雷达(SAR,Synthetic Aperture Radar)图像在杂波起伏时地面动目标检测问题.利用沿航迹(along-track)多幅SAR图像的相关性,提出一种基于广义特征分解的联合噪声子空间投影杂波相消算法.理论分析和仿真结果表明该算法在一定程度上能够有效抑制杂波内部起伏,并且对SAR图像配准误差具有稳健性.     

基于信号子空间处理的和/差波束干涉SAR/GMTI技术研究

该文研究了和/差波束干涉SAR/GMTI技术在通道不平衡条件下地杂波对消问题.文中阐述了和/差波束干涉SAR/GMTI的原理,推导了理想条件下地杂波空域对消因子.实际系统中,由于存在通道幅相不一致等误差,直接空域对消并不能有效抑制地杂波.该文研究了基于信号子空间处理的和/差波束干涉SAR/GMTI方案,通过二维信号子空间处理自适应地校正通道误差,进而对地杂波进行空域对消.仿真实验表明该方案对系统误差的敏感度显著下降,具有很好的鲁棒性,更适合于工程实施.     

一种线性约束连续自适应方向图控制方法

针对任意阵列天线的自适应空域滤波和低副瓣控制的问题,提出了一种连续自适应方向图控制方法。该方法通过采用线性约束最小方差准则的方向图综合算法( LCMV-PS)产生具有低副瓣特性的静态权矢量,利用该权矢量构造出新的约束条件,进行线性约束最小均方误差( LMS )自适应波束形成。该方法避免了常规的线性约束最小方差( LCMV)算法的矩阵求逆运算,计算复杂度低。对几种天线阵形的计算机仿真结果表明该方法收敛速度快,稳态性能良好。     

基于奇异值分解的空域海杂波抑制算法

为实现对高频地波雷达(high frequency surface wave radar, HFSWR)一阶海杂波谱中目标的检测,提出了基于奇异值分解(singular value decomposition, SVD)的空域海杂波抑制算法（简称空域SVD算法）. 空域SVD算法是利用海杂波较强的相关性,将邻近距离单元作为参考,对其阵列协方差矩阵进行SVD,估计空域的海杂波子空间和噪声子空间;再利用子空间的正交性,从阵列回波信号中去除其在海杂波子空间的投影分量,达到在空域抑制海杂波的目的. 该方法与现有的空域海杂波抑制方法相比,不需要预先知道海杂波的方位,利用阵列协方差矩阵的SVD来估计子空间,使得子空间的估计比较容易且准确,提高了输出信杂噪比(signal to clutter plus noise ratio, SCNR),有利于目标的检测.     

考虑海杂波特征的SAR图像海上运动小目标检测方法

鉴于海杂波是一种非平稳性雷达信号,使用传统方法容易受到海杂波特征影响,导致检测结果不精准。充分考虑海杂波特征,提出了SAR图像海上运动小目标检测方法。根据雷达观测场景等距离环,确定波浪传播方向,分析海杂波特征。构建最优自适应海杂波抑制权矢量函数,结合约束最小方差准则抑制海杂波,避免慢速目标难以被有效检测。计算节点邻域内每个像素点到节点的距离,筛选孤立像素点。充分考虑海杂波特征,使用统计平均方式获取海杂波背景下的平均干涉幅度和相位,以此为依据检测运动小目标。实验结果表明,该方法在正常、中等和复杂海况下,检测结果与实际结果一致,说明使用该方法检测结果精准。     

基于主瓣杂波高效配准的机载非正侧视阵雷达STAP 算法研究

该文针对机载非正侧视阵雷达杂波距离空变特性,提出基于主瓣杂波高效自适应配准的STAP 算法。为降低运算量,采用时空级联方法首先精确估计主杂波多普勒频率,然后采用稀疏重构技术估计主杂波的空间角频率,进而对不同距离单元的主杂波进行2 维配准,最后采用3DT 进行杂波抑制。仿真实验表明,经主杂波配准后,3DT改善因子在主杂波区提高了约18 dB,显著提高了对慢动目标的检测性能,且该文方案实时处理的运算量小。      

基于空时二维协方差矩阵修正的波束形成算法

在实际应用环境中,信源和阵列传感器等存在误差,假设期望信号的导向矢量与真实信源导向矢量的失配会导致阵列波束形成器把期望信号当作干扰来加以抑制。针对信号匹配误差导致自适应波束形成性能下降的问题,提出了一种基于空时二维协方差矩阵修正的波束形成算法,利用空时结构对宽带幅相误差校正的特性,对空时二维协方差矩阵进行重构,并对修正协方差矩阵进行特征值分解,分离出信号加干扰子空间,将失配导向矢量投影可使期望信号与噪声子空间严格正交,最后求解算法最优权值。算法有效改善了波束形成的输出信噪比,计算机仿真验证了理论分析的正确性和算法的稳健性。     

基于协方差矩阵重构和导向矢量估计的稳健自适应波束形成

实际应用中, 当假定的与真实的期望信号导向矢量之间存在一定误差时, 波束形成器的性能会急剧下降, 特别是当期望信号功率很强的时候.为解决这个问题, 提出了一种新的算法.当信源数小于阵元数时, 干扰加噪声协方差矩阵具有稀疏性.新方法首先利用该特性重构干扰加噪声协方差矩阵并由此得到与干扰导向矢量正交的子空间, 使接收的数据通过该子空间得到只含有期望信号和噪声的混合信号, 然后,对该混合信号基于最大化输出功率原理估计期望信号导向矢量, 最后,把得到的导向矢量和正交子空间来构造阵列加权值.仿真结果表明:该算法分别在假定的期望信号导向矢量存在误差、期望信号很强和低快拍数时仍然具有良好的性能.     

“北斗”信号重构的导向矢量实时校正

针对导航应用中阵列天线导向矢量误差导致波束合成器性能恶化甚至失效的问题,提出了一种“北斗”信号重构的导向矢量实时校正算法。该算法利用重构的本地“北斗”参考信号与阵列天线接收信号进行相关解扩处理,然后利用信号子空间与信号正交补空间正交的特性,构造代价函数对各卫星方向的阵列导向矢量进行校正。仿真结果表明,经过校正的导向矢量相位误差从-100°~100°降低到-10°~10°范围内,幅度误差从-10~10 dB降低到-4~2 dB范围内;另外,导向矢量校正后,卫星信号波达方向估计误差在0.2°以内,估计精度大大提高。     

2种多通道SAR/GMTI相位误差估计方法

针对多通道合成孔径雷达(SAR)和地面运动目标检测(GMTI)系统,提出了2种通道相位误差估计方法:a)利用杂波的信号特征向量与其导向矢量的线性关系直接进行通道误差估计;b)通过对回波数据进行方位重采样,然后利用杂波信号特征向量张成的空间(即信号子空间)与真实导向矢量张成的空间相同的原理进行误差估计。实验证明,2种方法均能有效地进行通道相位误差估计,并且方法 b)具有更高的估计精确度。     

Subspace Projection-based OFDM Channel Estimation

In this paper, we investigate the benefits of pre-processing received data by projection on the performance of channel estimation for orthogonal frequency division multiplexing (OFDM) systems. Projecting data onto its signal subspace will reduce the additive noise energy in the data. Least square (LS) estimation is a low-complex algorithm for training-based OFDM systems and the lower bound on the mean-square error of it is proportional to the noise variance. So, after the received data is pre-processed (projected onto its signal subspace), LS channel estimation on the pre-processed data will increase the performance of channel estimation. This method can also work in multiple-input and multiple-output (MIMO) case. Performance analysis and simulation results show that the proposed algorithm has a considerably smaller complexity than the linear minimum mean square error estimation while having almost the same performance.     

前视阵FDA-STAP雷达距离模糊杂波抑制方法

高重复频率前视阵机载雷达地杂波不仅存在严重的距离依赖性,而且存在距离模糊问题,传统空时自适应处理(STAP)方法在距离依赖和距离模糊同时存在时难以有效实现杂波补偿和杂波抑制。针对距离模糊下的机载雷达杂波抑制问题,该文提出一种基于频率分集阵列STAP雷达的距离模糊杂波分离与抑制方法。该方法利用频率分集阵列发射导向矢量的距离角度2维依赖性,通过空间频率域子空间投影实现距离模糊杂波的分离,然后对分离后的杂波分别进行距离依赖补偿,最终实现无模糊区域和模糊区域的杂波抑制和运动目标检测。仿真实验验证了该文方法的有效性。      

基于指向最小误差的宽带稳健波束形成方法

宽带自适应波束形成方法较常规延时求和波束形成方法具备更好的空间分辨能力和干扰抑制能力,但在实际应用中由于阵列误差和指向误差影响导致性能下降。文中在宽带指向最小误差(STMV)方法和窄带稳健Capon(RCB)方法基础上,提出了一种基于椭圆不确定集的宽带稳健波束形成方法。通过仿真验证分析了算法在强副瓣干扰和指向误差条件下弱目标检测能力;在幅频响应误差影响条件下的保持弱信号功率输出能力;并验证算法对快拍数要求低于STMV 方法。     

基于SA-MUSIC理论的联合稀疏恢复STAP算法

基于子空间扩展多重信号分类(SA-MUSIC)理论对杂波空时二维谱进行联合稀疏恢复,实现小样本情况下空时自适应处理(STAP)性能的显著提升.首先,提出空时导向矢量相关性模型,利用该模型分析杂波在空时二维平面上的稀疏本质,解释用部分空时导向矢量近似整个杂波子空间的合理性.其次,提出基于SA-MUSIC理论的联合稀疏恢复STAP算法(SA-MUSIC-STAP),该算法仅需极少训练样本便可实现对杂波协方差矩阵的准确估计,并实现有效的杂波抑制.仿真实验验证了SA-MUSIC-STAP算法的有效性.