检测海面小目标的RLS线性预测方法

为了提高海杂波中的小目标检测能力,提出了基于递归最小二乘线性预测的海面小目标检测方法。首先,建立线性预测模型;其次,利用递归最小二乘法动态调整模型的参数;最后,计算绝对预测误差的均值,通过阈值比较得到检测目标结果。采用加拿大IPIX雷达数据的实验结果表明,该方法的检测性能优于线性预测的检测目标方法和神经网络集成的检测目标方法的检测性能;同极化方式下,HH极性的检测效果优于VV极性的检测效果。该方法实时更新了预测模型参数,同步跟踪海杂波的变化,克服预测模型固定不变的局限,提高了目标检测的能力。     

广义复合杂波模型参数估计方法

广义复合杂波分布(Generalized Compound Probability Density Function,GC-PDF)模型是一种适用范围广泛的杂波分布模型,参数估计是研究该杂波模型的关键技术.本文首先建立了广义复合杂波模型,推导了其统计特性.在此基础上,研究了最小二乘参数估计方法.进而,以参数解耦和充分利用杂波序列信息为突破点,提出了一种新的杂波模型参数估计算法.该算法将一个四维非线性最优化问题转化为一个一维线性最优化问题,从而降低了计算量和所需样本数,提高了估计性能.最后,进行了仿真实验,验证了本文的结论.该算法对于高分辨雷达杂波分类和识别以及基于杂波背景的目标检测具有重要意义.     

机载双基地雷达杂波距离依赖补偿方法

针对杂波距离依赖造成空时自适应处理器性能下降问题,提出一种基于最小二乘估计的聚焦矩阵补偿方法。首先,利用最小二乘方法估计杂波幅度,选取幅度较大的杂波点;其次,根据杂波点的空时导向矢量求解聚焦矩阵,通过聚焦矩阵直接对训练数据进行线性变换;最后,根据变换后的数据估计出待检测单元的杂波噪声协方差矩阵,进而求出自适应权值矢量。该方法采用非均匀采样求解聚焦矩阵,杂波抑制性能更好,仿真实验验证了所提方法的有效性。      

一种新的高分辨雷达杂波模型参数估计方法

高分辨率雷达体制下,杂波散斑分量与调制分量更适合用广义Gamma分布模型描述。该文首先建立了一种适用范围广泛的广义复合概率分布模型,并推导了其统计特性。然后研究了最小二乘参数估计方法,并以参数解耦和充分利用杂波序列信息为突破点,提出了一种新的杂波模型参数估计算法。该算法将一个四维非线性最优化问题转化为一个一维线性最优化问题,从而降低了计算量和所需样本数,提高了估计性能。最后,进行了仿真实验,验证了结论。     

基于最小二乘法的跳频信号参数估计

作为目前较为成熟的抗干扰手段,跳频通信技术得到了巨大的发展。因此对于如何估计跳频信号的参数,人们提出了许多方法。短时傅立叶变换作为时频分析法的一种,由于其具有计算量小、算法简单的优点得到了广泛的运用,但是存在估计精度不高的缺点,文章提出最小二乘拟合算法,在用短时傅里叶变换(STFT)算法对跳频信号参数进行估计进之后,再利用数据的统计特性,用最小二乘法做线性拟合,计算出某一跳频时刻的平均跳变周期,从而提高STFT调频估计的精度。经仿真结果验证了该算法的有效性。     

一种估计强旁瓣目标频率的方法

针对强旁瓣目标对运动目标检测的不利影响,提出了一种有效估计强旁瓣目标频率的最小二乘方法。该方法通过构造正交杂波子空间来抑制杂波,使强旁瓣目标成为数据中的主要成分,提高最小二乘估计强旁瓣目标频率的精度。文中给出了该方法的具体步骤,并通过仿真实验验证了该方法的有效性。     

一种稳健的机载面阵雷达非均匀杂波抑制方法

在非均匀杂波和密集目标环境下,由于没有足够的独立同分布(IID)训练样本,传统空时自适应处理(STAP)方法的杂波抑制性能严重下降。针对以上问题,该文提出一种对阵元误差稳健的机载面阵雷达非均匀杂波抑制方法。该方法首先根据雷达系统参数先验知识构造杂波表示基矩阵。然后在考虑阵元误差的情况下,基于最小二乘准则迭代地估计杂波表示系数和阵元误差,最后利用估计得到的最优杂波表示系数和阵元误差直接在阵元脉冲域进行杂波对消。该方法无须估计待检测单元统计特性;没有孔径损失;不需要训练样本;即使在距离模糊情况下也能有效地抑制密集目标环境下机载面阵雷达回波数据中的非均匀杂波。仿真结果验证了该文方法的有效性。     

基于DOA-TDOA-FDOA的单站无源相干定位代数解

针对利用单站接收多个外辐射源信号实现目标定位的问题,该文提出一种基于两步加权最小二乘的到达角度(DOA)、时差(TDOA)和频差(FDOA)联合定位代数解算法。首先,在第1步加权最小二乘估计中,通过引入辅助参数,将非线性的角度、时差和频差方程转化为伪线性形式,并利用加权最小二乘得到目标位置和速度的粗估计;而后在第2步加权最小二乘估计中利用辅助参数和目标位置参数之间的约束关系来构造另外一组线性方程,并再次利用加权最小二乘得到目标位置和速度的精确估计。推导了联合角度、时差和频差定位的克拉美罗界。理论分析和仿真结果表明,算法在观测误差较小时的定位误差可以达到克拉美罗界。     

基于GA-LS指数衰减正弦信号参数估计算法

本文提出基于GA-LS指数衰减正弦信号的参数估计方法,根据系统模型特性将待估计参数分成两类,非线性类和线性类,将遗传算法和最小二乘法估计结合起来对参数进行估计。在观察与分析信号的频域特征后,确定各非线性部分的参数范围,采用遗传算法在参数空间里搜索,再用当下最优的非线性类参数,通过最小线性二乘法确定线性类参数。通过缩小了遗传算法的搜索空间维数,考虑了系统的线性部分参数间的约束关系,达到提高参数的搜索效率,提高参数的估计精度。大量仿真实验表明算法收敛速度优于标准遗传算法,精度高。用于估计冲击实验的采集信号满足实际需要。     

非均匀非高斯杂波的协方差矩阵估计

在雷达目标检测中,杂波的协方差矩阵估计利用了待检测单元附近的杂波数据。本文考虑一种非均匀环境中,非高斯杂波下的杂波协方差矩阵估计问题,即假定待检测单元与参考单元的杂波协方差矩阵之间满足某种统计关系,并假定杂波数据满足复合高斯统计分布模型。在这种场景下,常规的杂波协方差矩阵估计方法会导致信号检测性能的下降。采用共轭先验分布作为非均匀非高斯场景的统计分布模型,利用贝叶斯方法,本文给出了基于Gibbs抽样的杂波协方差最小均方误差估计方法。计算机仿真结果表明,与常规的杂波协方差矩阵估计方法相比较,本文所给出的杂波协方差矩阵的估计算法能够在参考数据较少,累积脉冲个数较少时,非均匀场景中获得较好的检测性能。本文还分析了先验分布模型参数误差对检测性能的影响。      

基于原点矩偏导的K分布杂波参数估计

K分布的参数估计研究对于雷达杂波特性预测和估计具有重要意义。基于矩估计的K分布参数估计方法通过联立不同阶原点矩进行参数求解,这些不同阶数下的联合,在数据长度受限情况下会产生误差。因此,通过计算原点矩偏导和原点矩之间的关系,推导出了一种新的K分布杂波参数估计方法。该方法在同阶原点矩的条件下进行参数估计,避免了不同阶原点矩之间的估计误差,具有更好的估计性能。通过仿真和实测杂波数据,分析比较了该方法与其他矩估计法的参数估计有效率和估计精度,该方法具有100%的估计有效率且估计精度更高。高阶矩对数据敏感,在矩估计法中应尽量选取低阶矩,通过合理选取阶数k可以得到较为理想的估计结果和精度。     

基于矩方法的K分布杂波参数估计研究

从参数估计的精度和算法复杂度两个方面分析比较了矩与最大似然结合（MOM／ML）、分数阶矩、二／四阶矩、算术与几何均值比（MA／MG）、正规化对数估计（NLE）、对数方差和zlog（z）期望等7种基于矩方法的K分布形状参数估计算法的性能，证明了几种估计算法之间的关系。最后，结合K分布在雷达信号处理应用中的参数范围，给出了K分布雷达杂波参数估计的选择方案。     

K分布海杂波相干视频信号之仿真

提出了一种基于K分布的高分辨率雷达海杂波模型和仿真算法。对这种算法的思路和实现步骤进行了说明，并对其中的若干关键问题进行了研究。设计了仿真场景和雷达参数，在高性能微机上进行了杂波仿真实验，仿真结果表明该算法准确、可行。     

基于实测数据的分时全极化雷达海杂波分布研究

首先基于IPIX分时全极化雷达的海杂波实测数据,分析了瑞利分布、韦布尔分布、对数正态分布和K分布对实测数据的拟合效果,发现对数正态分布拟合水平极化接收通道的杂波数据效果较好,K分布拟合垂直极化接收通道的杂波数据效果较好,但是仍然存在海杂波"拖尾"区域拟合不理想的情况.为此,假设海杂波中的布拉格散射体的回波服从K分布,离散海尖峰的回波服从对数正态分布,海杂波整体服从K分布和对数正态分布的叠加混合分布,提出了一种具有闭式表达式的混合分布,以改善海杂波分布"拖尾"部分的拟合效果.实测数据分析表明,本文提出的混合分布对海杂波幅度分布的拟合效果优于对数正态分布和K分布.     

蒸发波导环境中雷达二维海杂波仿真

提出了一种大气波导环境下的K分布雷达海杂波仿真方法,仿真了二维海杂波序列.该方法采用射线描迹和抛物方程模拟蒸发波导中电磁波的传播过程,结合雷达方程计算K分布参数,利用球不变随机过程仿真产生K分布海杂波.该二维序列一维为时间,另一维为距离,时间为相关时间,频谱为高斯谱;相邻距离单元之间独立,K分布参数在距离上慢变化,可以认为距离上符合独立同分布假设.文中的二维海杂波序列可应用于雷达海杂波信号模拟中,作为海杂波反演大气波导中的杂波信号,亦可用以分析雷达在不同波导环境中的超视距探测性能.     

K分布海杂波参数估计方法研究

K分布模型在雷达杂波分析、建模、仿真及雷达目标检测中有着广泛应用,因此K分布杂波的参数估计方法非常重要。已有的K分布杂波的参数估计方法较多,然而在实际应用中缺乏从众多估计方法中选择合适方法的标准。本文针对常见的几类k分布参数估计方法,通过计算机仿真进行性能分析和比较,得出不同条件下选择参数估计方法的基本原则,并且将其应用于实际的海杂波数据建模分析中,从而对工程实践起到了指导作用。     

Registration-based compensation using sparse representation in conformal-array STAP

Space-time adaptive processing (STAP) is a well-known technique in detecting slow-moving targets in the clutter-spreading environment. When considering the STAP system with conformal radar array (CFA), the training data are range-dependent, which results in poor detection performance of traditional statistical-based algorithms. Current registration-based compensation (RBC) is implemented based on a sub-snapshot spectrum using temporal smoothing. In this case, the estimation accuracy of the configuration parameters and the clutter power distribution is limited. In this paper, the technique of sparse representation is introduced into the spectral estimation, and a new compensation method is proposed, namely RBC with sparse representation (SR-RBC). This method first establishes the relationship between the clutter covariance matrix (CCM) and the clutter spectral distribution. Based on this, it avoids the problem of lacking stationary training data and converts the CCM estimation into the solving of the underdetermined equation only with the test cell. Then sparse representation method, like iterative reweighted least square (IRLS) is used to guide the solution of the underdetermined equation towards the actual clutter distribution. Finally, the transform matrix is designed using the CCM estimation so that the processed training data behaves nearly stationary with the test cell. Because the configuration parameters and the clutter spectral response are obtained with full-snapshot using sparse representation, SR-RBC provides more accurate clutter spectral estimation, and the transformed training data are more stationary so that better signal-clutter-ratio (SCR) improvement is achieved.     

利用近似展开法的多视K模型参数估计器性能分析

准确估计模型参数是对合成孔径雷达图像空变背景杂波精确建模的重要前提。K分布是一种广泛应用于描述合成孔径雷达（Synthetic Aperture Radar,SAR）图像杂波统计特性的概率模型,针对多视K分布杂波模型,该文总结了现有的参数估计方法,将常见的9种矩估计器推广到多视SAR图像的杂波建模中,并采用近似展开法推导了各估计器估计偏差和方差的解析表达式。本文对各种估计器的性能进行了对比与分析,结果表明,估计器的性能取决于视数、样本数、待估计阶参数的取值范围以及估计器的计算量,并且得到了不同应用场景与条件下合理选择估计器的一般原则。在实际应用中,应该根据具体情况来选择合适的估计器。      

基于混合矩的极化SAR图像K分布模型参数估计新方法

K分布模型在极化合成孔径雷达(PolSAR)图像建模领域中获得广泛应用。其模型参数估计的精度将直接影响到模型拟合的准确性。目前普遍采用的K分布参数估计方法是基于协方差矩阵Mellin变换的对数累积量的估计方法。但是该方法没有解析的表达式,数值计算运算时间较长,另外在形状参数1时估计偏差较大。为此该文提出一种基于|z|rlg|z|混合矩的参数估计新方法,该方法对不同形状参数值下的参数估计具有较好的适应性,并且在值较小时估计性能优于对数累积量方法。同时在r=1/d时该方法有解析的表达式,其运算时间优于对数累积量方法。最后用仿真数据和实测数据对新方法和已有参数估计方法的结果进行了比较,验证了基于混合矩估计方法的准确性与有效性。该方法为PolSAR图像统计模型参数的快速有效估计提供了新手段。