幅相误差下基于CMCAP-JDL的低空风切变风速估计

针对机载气象雷达存在幅相误差的情况下，导致杂波抑制性能下降，低空风切变风速估计结果不准确的问题，本文提出了一种基于组合空时主通道-局域联合空时自适应处理（Combined Space-time Main Channel Adaptive Processing, CMCAP-JDL）低空风切变风速估计方法。该方法首先对雷达回波数据进行距离依赖性矫正及杂波协方差矩阵估计；然后对空域和时域加权，形成空域主波束和时域主通道，同时增加多个局域处理区域参与联合处理的方式来构造自适应降维处理器；最后使用权矢量对降维后的回波数据实现自适应滤波，完成幅相误差情况下风场速度的准确估计。仿真结果表明，该方法能够在幅相误差的情况下，实现低空风切变风速的准确估计。      

回波功率筛选与数字地表分类数据辅助的低空风切变风速估计方法

针对非均匀杂波环境下,低空风切变风速估计不准的问题,该文提出一种回波功率筛选与数字地表分类数据(DLCD)辅助的低空风切变风速估计方法.该方法首先利用样本回波功率对训练样本进行初选,然后利用DLCD计算各样本间的相似度,并从功率较大的训练样本中选取样本相似度较高的训练样本估计待测距离单元的杂波协方差矩阵,最后利用广义相邻多波束(GMB)-局域联合处理(JDL)的方法实现低空风切变风速的有效估计.     

回波功率筛选与数字地表分类数据辅助的低空风切变风速估计方法

针对非均匀杂波环境下,低空风切变风速估计不准的问题,该文提出一种回波功率筛选与数字地表分类数据(DLCD)辅助的低空风切变风速估计方法。该方法首先利用样本回波功率对训练样本进行初选,然后利用DLCD计算各样本间的相似度,并从功率较大的训练样本中选取样本相似度较高的训练样本估计待测距离单元的杂波协方差矩阵,最后利用广义相邻多波束(GMB)-局域联合处理(JDL)的方法实现低空风切变风速的有效估计。     

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DDD-GMB的低空风切变风速估计方法

当机载气象雷达在非均匀地杂波环境下探测低空风切变时,会遇到杂波协方差矩阵估计不准确问题,从而影响风速的正确估计。针对上述问题,本文提出一种在非均匀地杂波环境下基于直接数据域-广义相邻多波束（Direct data domin-Generalized adjacent multiple-beam,DDD-GMB）的低空风切变风速估计方法。首先,在非均匀地杂波环境下直接对待检测距离单元进行杂波协方差矩阵估计;然后利用空域相邻多波束和时域相邻多普勒通道构造空时降维处理器,在降低系统自由度的同时,也降低了对训练样本数的要求,最后构造代价函数估计得到风速。仿真结果表明,本文方法可以在非均匀地杂波环境下精确的估计风速。      

基于空时自适应处理的低空风切变风速估计方法

针对机载气象雷达在探测低空风切变时,有用信号会淹没在强杂波背景中的问题,该文提出一种基于空时自适应处理(STAP)的低空风切变风速估计方法。该方法首先利用空时插值原理校正机载前视阵地杂波的距离依赖性,获得多个独立同分布(IID)样本后估计地杂波协方差矩阵,然后构造适用于分布式低空风切变目标的空时自适应处理器,在自适应抑制地杂波的同时积累低空风切变信号,最终实现风场速度的精确估计。仿真结果表明,在高杂噪比、低信噪比的情况下,该方法可有效地自适应抑制地杂波并精确地估计风场速度。     

一种稳健的降维STAP算法

首先分析了波束——多普勒域空时自适应降维原理,并深入研究了两种典型的波束——多普勒域降维算法：局域联合法（JDL）和广义相邻多波束法（GMB）,结合两种算法的优点提出了一种稳健的降维STAP算法。该算法适当地增加辅助波束,以较小的运算量为代价,克服了一般降维算法对阵元幅相误差敏感的问题,且主杂波区性能较好,适用于非均匀...     

利用基于导数更新的双基机载雷达杂波距离依赖性补偿方法

该文提出了两种利用基于导数更新(DBU)的双基机载雷达杂波距离依赖性补偿新方法,分别以接收载机方向图主瓣方向的接收斜距和接收载机方向图主瓣方向的接收俯仰角余弦为更新变量,利用该方法对回波数据进行补偿后,能够有效降低双基机载雷达杂波的距离依赖性,进而大大提高空时自适应处理 (STAP)的地面动目标检测(GMTI )性能。仿真数据处理结果证明了所提方法的有效性。     

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。     

一种稳健的两维两脉冲杂波相消方法

两维两脉冲杂波对消方法,可以有效地杂波迹进行杂波预滤波,进一步提高后续空时自适应算法的动目标检测性能。但在实际中不准确的载机速度和偏航角等雷达系统参数信息,会制约其杂波抑制性能。为了解决这一问题,文中提出了一种稳健的两维两脉冲杂波相消方法,该方法进一步将载机速度和偏航角误差作为先验知识加入到滤波器系数矩阵设计中,提高了TDPC在雷达系统参数存在误差时的稳健性。并分别利用仿真数据和MCARM实测数据进行了验证。实验结果表明,在载机速度和偏航角存在误差的情况下,相比较TDPC,RTDPC能更加有效地对消杂波,改善了后续空时自适应算法的动目标检测性能。     

复杂地形环境下基于CL-KA-STAP的低空风切变风速估计方法

针对机载气象雷达在复杂的地形环境下探测低空风切变时,地杂波呈现的非均匀特征导致难以准确获得杂波统计特性,进而影响杂波抑制效果,使得风切变风速估计不准的问题,该文提出一种色加载知识辅助STAP(CL-KA-STAP)的低空风切变风速估计方法。该方法首先构造降维联合时空变换矩阵,并对待检测距离单元的回波信号进行降维处理,然后将由数字高程模型(DEM)和国家土地覆盖数据库(NLCD)获取的先验知识融入到组合空时主通道自适应处理器(CMCAP)中,构造色加载系数优化函数求解色加载系数,最后构造滤波器,实现杂波自适应滤波并准确估计风速。后续仿真结果证明了所提方法的有效性。     

毫米波捷变频体制下低空风切变风速估计方法

机载气象雷达下视探测低空风切变时,复杂的电磁干扰及强地杂波会严重影响其对目标信号的检测,造成风场速度估计失准.针对上述问题,本文提出一种毫米波(millimeter wave,MMW)捷变频体制下的低空风切变风速估计方法.该方法采用载频脉组间捷变,在每个脉组内利用雷达系统先验信息设计两维两脉冲对消(two di-men...     

复杂地形环境下基于GAMP-STAP的低空风切变风速估计方法

针对机载气象雷达在复杂的地形环境下探测低空风切变时,地杂波呈现非均匀特征和难以获取足够的独立同分布(IID)样本,导致空时自适应处理(STAP)杂波抑制性能变差,使得风切变风速估计不准的问题。该文基于杂波信号稀疏特性,提出一种广义近似消息传递(GAMP)STAP方法,GAMP-STAP仅利用少量的样本在复杂地形环境下实现了风速较准确的估计。该方法首先利用杂波脊的先验信息构造稀疏字典,然后在贝叶斯框架下利用GAMP算法估计杂波幅度,恢复杂波功率谱,进而计算杂波协方差矩阵,最后构造STAP滤波器实现杂波抑制以及风切变风速估计。后续实验仿真结果证明了该方法的有效性。     

基于双门限控制的机载气象雷达地杂波抑制方法

针对机载气象雷达工作于风切变模式时的地杂波抑制问题,该文提出了一种双门限控制的自适应地杂波抑制方法。该方法在有效估计杂波谱中心和谱宽的基础上,利用每个距离单元的回波功率信息设计双门限控制的自适应凹口滤波器,在最大程度上滤除地杂波的同时,减小杂波残余对风切变信号的影响。仿真结果表明,该方法具有良好的杂波抑制效果,并能有效地提高风切变信号风速估计的准确性。      

基于最大似然估计的机载双基地雷达距离模糊杂波抑制方法

针对存在距离模糊情况下机载双基地雷达杂波抑制的难题,本文分析了存在距离模糊时机载双基地雷达的杂波特性,提出了一种基于最大似然估计的机载双基地雷达距离模糊杂波抑制方法.该方法首先通过最大似然估计对训练样本所包含的各个模糊距离环的杂波幅度进行估计,然后通过非均匀采样重构待检测距离门及其模糊距离环的杂波数据,再由重构的杂波数...     

基于OMP算法的风轮机杂波滤除研究

针对雷达在探测目标过程中风电场杂波的抑制问题,提出了一种基于正交匹配追踪(OMP)的杂波抑制算法。首先,建立风轮机的回波模型,分析了回波时频域特征;然后,推导了多径回波模型下的风轮机回波,介绍了风电场回波的特点;最后,给出了OMP算法的理论基础和实现步骤。该算法中,通过建立一个回波字典矩阵,寻找矩阵中最匹配原子,从目标信号中减去最匹配原子,并通过循环操作滤除杂波。实验结果表明:该方法能够有效滤除风轮机杂波。