基于对角加载的STAP性能改善

空时自适应处理(STAP)作为动目标检测的关键技术,但是非均匀环境将会造成协方差矩阵的估计误差,进而严重影响STAP性能。对角加载主要用于改善空间滤波器对于有用信号空域特征失配和空域协方差矩阵失配的稳健性。该文考虑将对角加载应用于STAP协方差矩阵失配(统计失配)时的性能改善,即在实际的协方差矩阵和其估计值之间存在误差时,通过对角加载改善STAP的稳健性。文中给出了加载电平的选择方法,并进行了详细的性能分析,即合理的对角加载可以提高检测概率和输出信噪比。仿真分析验证了理论分析的正确性。     

一种波束形成中的自适应对角加载方法

在自适应波束形成中，由于采样快拍数有限，导致协方差矩阵的估计误差，由此得到的自适应波束旁瓣很高。对角加载方法是一种改善波束性能的有效方法。文章介绍了对角加载的原理，给出了一种对角加载值的确定方法和仿真效果。该方法能根据采样数据自适应调整对角加载的数值，实现容易，能得到很好的旁瓣特性。     

对角加载的空间快时MV自适应单脉冲技术

单脉冲技术已被广泛应用到各种精密跟踪系统中,但在干扰环境中,特别是干扰出现在主波束区域时会导致传统的单脉冲角度估计失效.在分析空时自适应单脉冲技术的基础上,提出一种基于对角加载的子阵级空间快时自适应最小方差单脉冲角度估计技术.在尽量不消耗过多系统自由度的前提下,该方法能够有效提高干扰情况下的单脉冲角度估计性能.     

机载雷达空时自适应检测方法研究进展

与空时自适应处理(STAP)相比,机载雷达空时自适应检测(STAD)方法利用待检测单元及训练样本的数据形成合理的检测统计量,直接判定目标的有无,而不用先进行杂波抑制,然后再检测。STAD 方法具有处理流程简洁、设计灵活等特点,而且其相应的检测统计量通常具有恒虚警率(CFAR)特性,因而不需要进行专门的CFAR处理。更为重要的是,STAD 往往比杂波抑制后检测的传统方法具有更好的检测性能。该文首先对STAD 的技术要点进行简要地概括,然后对现有的STAD 方法进行分类介绍,最后对STAD 的下一步研究进行展望。      

对角加载对自适应均衡器性能影响的研究

在自适应通道均衡中，一般采用最小二乘的广义求逆法求解均衡器系数，当随着均衡器阶数增加时，常常会遇到方阵病态的现象，严重影响了均衡器的校正性能，甚至使均衡器停止工作，本文分析了方阵产生病态的原因，并在此基础上，研究了对角加载对均衡器性能的影响。     

自适应通道均衡中对角加载法性能分析

在自适应通道均衡中,为快速求解均衡器权系数,通常需要对矩阵直接求逆,而病态矩阵的出现带来了权系数求解的极大误差,严重影响均衡器的校正性能。该文在采用了基于对角加载的采样矩阵求逆算法基础上,有效地提高了权系数求解的精度。仿真实验表明,对角加载在解决矩阵病态的基础上,可以大大提高自适应均衡器的性能。     

一种改进的多级维纳滤波器误差加载算法

对角加载是目前广泛采用的提高自适应波束形成稳健性的技术之一.在分析多级维纳滤波器结构实现空时自适应处理算法的基础上,提出了一种改进的能够等价递推实现对角加载的误差加载算法.该算法在每一级递推计算中均对加载值进行一次修正,有效克服了传统方法的最终对角加载结果总是小于期望的加载值的缺点,避免了加载不足,其每级迭代计算过程只增加了两次实数乘法和加法运算.仿真结果证明了该算法的有效性.     

机载雷达空时三维非自适应预滤波方法

该文提出一种机载雷达空时3维非自适应预滤波方法。利用可提前确定的载机偏航角、脉冲重复频率、阵元间距等雷达系统和载机平台信息,通过分析阵元在相邻两脉冲采样数据的结构,设计了一种空时3维非自适应滤波器,先滤除大部分杂波,使得剩余少部分杂波在降维自适应处理时能被充分抑制,提高了动目标检测性能。理论分析和仿真实验表明,该预滤波方法对载机偏航具有兼容性,能大大降低杂波自由度,在整个杂波区都有一定的性能改善,尤其在主瓣杂波区性能改善明显。     

基于范数优化的对角加载稳健自适应波束形成

本文提出了一种基于范数优化的对角加载自适应波束形成算法。算法利用p-范数来代替2-范数对误差不确定性进行总体修正,从而解决导向矢量和样本方差矩阵同时存在失配误差时所导致的波束形成器性能下降问题。最优范数p通过遗传算法求得。仿真结果验证了在不同实验条件下,相比于传统的对角加载算法,使用最优p范数比2-范数约束具有更好的性能。     

机载雷达三维空时自适应信号处理

空时二维自适应信号处理（STAP）技术已成为雷达领域的研究热点之一,是新一代高性能机载雷达的一项关键技术。然而目前的研究仅限于方位向-多普勒域的自适应处理,没有考虑俯仰向的信息,而在实际中杂波过程是与俯仰角有关的。因此,文中介绍了将2D-STAP扩展到3D-STAP的方法,即增加俯仰向的自适应处理,充分利用了俯仰向信息对杂波谱的影响。通过仿真试验证明,与二维自适应处理相比三维自适应处理具有更好的杂波抑制能力,并且可以明显地提高目标的检测性能。     

机载非正侧阵雷达自适应子空间方法

机载非正侧阵雷达使杂波具有距离非平稳特性且传统的空时自适应方法性能下降严重。为了解决这个问题,该文提出一种自适应的子空间方法。该方法首先利用曲线拟合估计构型参数,然后利用估计的构型参数计算杂波子空间,最后将数据向杂波子空间对应的正交补空间进行投影来抑制杂波。仿真实验结果表明,该方法可以取得较好的参数估计精度与杂波抑制性能。     

机载双基地雷达距离模糊杂波抑制方法性能研究

首先建立了机载双基地雷达的杂波模型,然后分析了机载双基地雷达存在距离模糊时的杂波谱特性,随后对机载双基地雷达存在距离模糊时典型补偿方法的空时自适应处理性能进行了仿真和分析,得出了一些有益的结论。该结论可为进一步有效解决机载双基地雷达存在距离模糊时面临的杂波非均匀问题提供参考。     

机载雷达极化空时自适应滤波性能分析

该文针对极化空时自适应处理时,目标极化状态未知的瓶颈问题,提出了先预估计目标的极化状态,然后再进行滤波的方法。该方法无需在极化域专门设置滤波器组进行搜索,大大减少了计算量。提出了最小方差无偏估计和正交投影估计两种极化矢量的估计方法,并将估计性能与Cramer-Rao界进行了比较,从理论上证明了最小方差无偏估计性能较好。与之相对应,提出了两种极化空时自适应滤波方法。仿真验证了特别当目标慢速运动时,极化空时自适应滤波明显优于空时自适应滤波。     

基于压缩感知的空时自适应动目标参数估计

该文针对空时自适应处理(Space-Time Adaptive Processing, STAP)中目标参数估计问题,提出一种基于压缩感知(Compressed Sensing, CS)技术的估计方法,该方法根据目标信号在空时域的稀疏特性,利用CS技术实现目标信号重构从而估计出目标参数。为了解决稀疏恢复有效性与参数估计精度之间的矛盾,该文构造较小维数的基字典以确保基字典中各原子向量之间相关性尽可能小,并将此时得到的目标参数作为粗估值;接着在以粗估结果为邻域的区间内进行局部寻优,得到精确的估计结果。仿真结果证实了所提方法的有效性。     

稀疏贝叶斯字典学习空时机动目标参数估计算法

针对基于稀疏恢复的空时自适应处理(STAP)目标参数估计方法中字典失配导致估计性能下降的问题,该文提出一种基于稀疏贝叶斯字典学习的高精度目标参数估计方法。该方法首先通过目标方位信息补偿多个阵元数据构建联合稀疏恢复数据,然后对补偿后的每个阵元数据利用双线性变换进行加速度和速度项分离。最后构建速度参数和加速度参数的泰勒级数动态字典,对机动目标参数进行高精度贝叶斯字典学习稀疏恢复。仿真实验证明,该方法能有效提高字典失配情况下目标参数估计精度,估计性能优于已有字典固定离散化的稀疏恢复空时目标参数估计方法。     

一种两级机载MIMO雷达空时自适应处理方法

机载MIMO雷达可联合利用时间自由度、发射和接收空间自由度抑制杂波,但只能利用接收空间自由度抑制有源干扰。基于此特点,该文提出一种机载MIMO雷达的两级空时自适应处理方法抑制杂波和干扰。第1级处理中只利用部分空间接收自由度进行干扰抑制,同时实现降维处理;第2级通过匹配滤波获得发射空间自由度,并联合剩余接收空间自由度和时域自由度,进行空时联合自适应处理抑制杂波。该方法通过分级处理既有效利用了MIMO雷达的发射自由度进行杂波抑制,又同时大大减低了计算量和样本需求。理论分析表明存在强干扰时,两级处理的理论性能可以逼近全维处理的最优性能。仿真实验表明了该算法的有效性。     

双基机载雷达GMTI的参数自适应匹配滤波器性能分析与定阶方法研究

在双基机载雷达的地面动目标检测中,参数自适应匹配滤波器（PAMF）方法是一种很有效的方法。该文从矩阵扰动的角度分析出了PAMF方法性能较好的本质原因,并为PAMF方法的阶数确定给出了依据。该文内容将有助于双基机载雷达系统中关于PAMF方法的研究。     

基于频率非均匀采样杂波谱配准的天基雷达STAP方法

地球自转和非正侧面阵配置会使得天基雷达杂波谱随距离发生变化,呈现出非平稳性,从而严重影响统计STAP方法的杂波抑制性能。为了补偿这种非平稳性,该文提出了一种基于频率非均匀采样的杂波谱配准方法,建立了非均匀谱配准法的数学模型,给出了频率非均匀采样点的选取方法以及谱配准后杂波协方差矩阵的估计方法等。通过对天基雷达的仿真实验表明,上述谱配准法可有效消除杂波非平稳性,获得较好的处理性能。     

基于道路信息的知识辅助空时自适应处理

主波束中的车辆回波信号会污染空时自适应处理(STAP)的训练样本,导致空时自适应处理时的目标自相消,引起漏警。针对这一问题,该文提出一种基于道路信息的知识辅助(KA)空时自适应处理方法。该方法首先根据主波束中道路相对于雷达的位置估计道路上车辆相对于雷达的径向速度,然后得到可能含有主波束车辆回波信号的距离-多普勒单元,接着根据训练样本与杂波导向矢量和主波束导向矢量的匹配程度判断这些训练样本是否包含主波束车辆回波信号,最后在进行空时自适应处理估计杂波协方差矩阵时剔除被主波束车辆回波信号污染的训练样本。理论分析及实验结果表明该方法可以提高道路密集环境中空时自适应处理的信杂噪比输出,改善空时自适应处理雷达的性能。