An approach to suppress short-range clutter for non-side looking airborne radar

When the Airborne Early Warning (AEW) radar transmits medial or high Pulse Repetitive Frequency (PRF) signal, the range ambiguity occurs. The clutter of short-range clutter has serious range dependence problem for non-Side Looking Airborne Radar (non-SLAR). As a result, the clutter plus noise covariance matrix can not be estimated correctly, and the performance of clutter suppression obtained by Space-Time Adaptive Processing (STAP) degrades greatly. The uniform linear array has not elevation degrees; therefore, the short-range clutter can not be suppressed directly. A short-range clutter suppression method is proposed. The method first estimate the elevation angles of the am-biguous short-range gate, then eliminates short-range clutter by space time interpolation and adds moving target protection in the procedure. This method can suppress the short-range clutter well. Simulation results show the validity of the method.     

对运动目标约束的机载前视阵雷达杂波谱补偿方法

在机载前视阵雷达中,由于地面杂波存在距离依赖性,使得杂波协方差矩阵估计不准确,进而导致空时自适应处理(STAP)的杂波抑制性能严重下降。基于配准的杂波补偿方法(RBC)能够有效地对地面杂波的距离依赖性进行补偿,但当杂波数据中含有运动目标时,使用该方法对杂波补偿后,包含在杂波中的运动目标信息会在空时平面散开,导致其无法被检测。针对上述问题,提出一种运动目标约束的杂波补偿方法,即在基于配准的方法中,根据运动目标与杂波的多普勒频率不同来添加运动目标约束保护。计算机仿真结果表明:该方法不仅能够降低杂波距离依赖性,而且可以有效地对运动目标信息进行保护。     

联合距离门的杂波抑制方法研究

在实际环境中,目标的点散射函数不再是理想的德尔塔函数,导致待检单元中的信息会泄漏到相邻的训练单元,这将造成杂波协方差矩阵估计的不准,因此本文提出一种联合距离门的空时自适应处理方法。该方法先通过时域滑窗后滤波的处理方式来降低杂波的自由度,再利用相邻距离门上数据相关性进行联合处理,最终构造出新的杂波协方差矩阵,消除因数据信息泄露带来的影响,以达到消除地杂波的目的。最后将该方法应用于实测的数据处理中,证明了该方法的可行性和有效性。      

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...     

载机偏航下基于广义相邻多波束自适应处理的低空风切变风速估计

该文提出一种载机偏航下基于广义相邻多波束(GMB)自适应处理的低空风切变风速估计的方法,该方法首先利用基于回波数据的杂波距离依赖性补偿方法对杂波进行距离依赖性矫正,估计出杂波协方差矩阵。然后同时组合空域的相邻多个波束与时域的相邻多个多普勒通道来计算降维变换矩阵,并对待测距离单元内的雷达回波数据进行降维处理,进而构造GMB自适应处理器的最优自适应权矢量对降维后的回波数据实现自适应滤波。最后完成载机偏航下风场速度的准确估计。仿真结果验证了该方法能够在载机偏航情况下,获得风场速度的有效估计。     

机载双基雷达杂波分类及抑制方法

机载双基雷达杂波的空时分布受双基构型影响大,且具有非常严重的距离依赖性。对复杂的机载双基雷达杂波进行分类分析和抑制方法研究具有重要的意义。先对机载双基雷达杂波进行建模仿真,对于杂波分布与构型相关的现象,根据双基构型和对应的杂波分布对机载双基雷达杂波作出了较为一般化的分类,并分析讨论了不同类型杂波分布特性;针对具有严重距离依赖性的机载双基雷达杂波,提出了训练单元协方差矩阵加权平均的方法。相比于传统训练单元协方差矩阵求和平均的方法,算法仿真证明改进的算法在3类构型下的杂波抑制效果均有明显的提高,为双基雷达杂波抑制提供了新的处理方法。     

基于稀疏重构的机载雷达KA-STAP杂波抑制算法

机载雷达非均匀杂波环境下的空时自适应处理（STAP）算法会因杂波协方差矩阵估计不准导致其杂波抑制性能下降。传统知识辅助 STAP (KA-STAP)算法性能依赖于先验知识的准确程度以及配准精度,先验信息的失配可能会导致算法性能恶化。本文提出一种基于稀疏恢复技术构造杂波加噪声协方差矩阵的KA-STAP算法。该算法不依赖于先验信息,首先利用稀疏贝叶斯学习技术通过少量回波样本估计出稳健的辅助协方差矩阵,然后结合采样协方差矩阵进行空时处理。在小样本非均匀杂波场景下,该算法的输出性能优于传统KA-STAP算法。仿真结果表明了本文方法的有效性。     

基于稀疏恢复的自适应角度多普勒补偿方法

自适应角度多普勒补偿方法是补偿机载非正侧阵雷达杂波距离相关性的有效手段,该方法解决了角度多普勒补偿方法处理性能受系统误差影响较大的问题,可以实现杂波距离相关性的自适应补偿。但该方法利用子孔径平滑估计杂波协方差矩阵,存在孔径损失,系统自由度下降,估计准确度下降。此外,该方法还存在着运算量大的问题,不利于实时实现。本文提出了一种基于稀疏恢复的自适应角度多普勒补偿方法,并利用正交投影逼近子空间追踪方法对估计杂波协方差矩阵进行特征分解。与常规自适应角度多普勒补偿方法相比,本文方法运算量显著降低,杂波补偿性能更优。理论分析和仿真结果验证了该方法的有效性。     

基于传播算子的机载前视阵雷达杂波谱补偿方法

 针对机载前视阵中杂波多普勒频率随距离发生变化,导致杂波谱在距离上呈现严重的非平稳性,因此根据杂波模型提出了一种新的杂波谱补偿方法,该方法首先对接收数据进行分块处理来构造传播算子以获得杂波子空间,再将训练单元的杂波子空间向待检单元的杂波子空间进行投影得到一个变换矩阵,然后用这个变换矩阵对数据进行处理,使杂波谱得到补偿,最后利用空时自适应算法对补偿后的数据进行杂波抑制.仿真结果表明此方法有效地抑制杂波的非平稳性,提高了雷达抑制杂波的性能.     

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。      

机载相控阵雷达近程杂波抑制的俯仰向空域自适应算法

该文针对机载平面阵列相控阵雷达的动目标检测提出了一种俯仰向空域自适应的近程杂波抑制算法。该方法利用平面阵列天线在俯仰向的自由度,在近程杂波的支撑区域内沿着多普勒单元选取训练样本估计协方差矩阵,计算俯仰向空域最优权。在存在距离模糊的情况下,该方法可以自适应地滤除近程杂波,保留远程杂波,从而增强了杂波的距离均匀性,有利于提高后续的方位空域和时域STAP的性能。     

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.     

Clutter suppression for airborne phased radar with conformal arrays by least squares estimation

The radar clutter statistics for airborne conformal arrays varies by range, i.e., the clutter distributions are nonstationary, which causes performance degradation for the conventional space-time adaptive processing (STAP), which estimates the clutter covariance matrix (CCM) from data at adjacent range cells. In this paper, a novel clutter suppression method for airborne phased radar with conformal arrays is proposed that takes a form of corrected sample matrix inversion (SMI) through the CCM estimated by the least squares (LS) estimation. The estimated CCM can provide partial information about the real CCM in the novel method, which results in improved detection performance for targets in conformal array applications. Simulation results relative to several typical conformal arrays verify the effectivity of the presented method.     

Time-Varying Autoregressive (TVAR) Models for Multiple Radar Observations

We consider the adaptive radar problem where the properties of the (nonstationary) clutter signals can be estimated using multiple observations of radar returns from a number of sufficiently homogeneous range/azimuth resolution cells. We derive a method for approximating an arbitrary Hermitian covariance matrix by a time-varying autoregressive model of order m, TVAR(m), that is based on the Dym-Gohberg band-matrix extension technique which gives the unique TVAR(m) model for any nondegenerate covariance matrix. We demonstrate that the Dym-Gohberg transformation of the sample covariance matrix gives the maximum-likelihood (ML) estimate of the TVAR(m) covariance matrix. We introduce an example of TVAR(m) clutter modeling for high-frequency over-the-horizon radar that demonstrates its practical importance     

基于多帧观测联合感知的空时自适应处理

在机载雷达体制中,空时自适应处理STAP(Space-Time Adaptive Processing)可有效抑制杂波并显著提高雷达对慢动目标的检测性能.但是在非均匀环境中,缺乏独立同分布的训练样本会使STAP性能严重下降.针对这个问题,本文提出一种基于多帧观测联合感知的空时自适应处理方法.该方法交替发射正交信号和普通的相控阵信号.检测前,通过当前及先前的环境回波感知观测场景获取杂波信息;检测时,先利用杂波信息结合平台参数及系统参数估计杂波协方差矩阵,再将估计的协方差矩阵与样本协方差矩阵进行组合以构造空时滤波器,抑制杂波,提高输出信杂比.仿真结果表明,与现有的知识辅助类STAP算法和降维算法相比,该方法在缺乏准确先验知识的情况下,可以有效地抑制非均匀杂波.     

杂波背景下的时距联合检测前聚焦方法研究

传统相干雷达信号处理流程对跨距离单元走动的目标一般采用脉冲压缩与Radon傅里叶变换(RFT)先后级联的处理方法,但级联方法存在以下问题:一是对高速目标能量积累的过程中目标峰值位置偏移甚至主瓣展宽、增益下降、旁瓣增高;二是缺少有效杂波抑制,影响弱目标检测。为此,该文借鉴多维信号联合以及杂波抑制的思想,提出一种杂波背景条件下将脉冲压缩、RFT与自适应杂波抑制联合的时距联合检测前聚焦方法(A-PCRFT)。该方法首先将脉内时间(快时间)与脉间时间(慢时间)两个雷达信号处理维度相联合,引入与高速目标相对应的二维导向矢量,补偿脉内和脉间的多普勒频移;然后根据辅助数据估计脉冲压缩前的杂波协方差矩阵;最后根据杂波协方差矩阵和导向矢量确定最优滤波器权矢量。在距离-速度二维空间中,该方法能有效地抑制杂波,同时对目标能量进行最佳聚焦。仿真结果表明,该方法与先脉冲压缩后自适应Radon傅里叶变换(ARFT)的级联方法相比性能更优。      

机载共形阵雷达杂波抑制方法研究

 共形阵机载相控阵雷达由于其特殊的几何配置导致杂波统计特性随距离的变化而变化,即杂波呈现严重的非均匀性,从而使得传统空时自适应处理(STAP)方法的性能严重下降.本文首先分析了共形阵机载相控阵雷达的杂波特性,通过对共形阵杂波多普勒频率的数学变换,从理论上说明了共形阵配置导致机载雷达杂波非均匀性的机理,并给出了一种衡量杂波非均匀性强弱的定量准则,然后提出了一种借助最小二乘(LS)参数估计修正传统SMI的共形阵机载相控阵雷达杂波抑制方法,最后针对几种典型共形阵列,通过仿真实验验证了本文方法的有效性.     

子空间干扰非高斯杂波的抑制

在复杂电磁环境下,往往需要在线估计杂波协方差矩阵,从而自适应调整滤波器权值,实现对杂波的有效抑制,这样有利于目标的估计、检测、定位或跟踪。该文考虑非高斯杂波模型,且部分杂波受到子空间信号干扰,并且有用信号也位于该子空间内。常规方法会导致自适应滤波器在目标多普勒频率处有较大的衰减,极大影响了有用信号的探测。为此提出了一种知识辅助的分层贝叶斯模型,采用变分贝叶斯推断方法获得杂波协方差矩阵的近似后验分布,利用后验均值设计杂波抑制滤波器,可以有效提高目标的探测性能。计算机仿真和实测数据验证结果表明,该方法能够有效抑制杂波,而在目标处有较好的探测能力。      

机载MIMO雷达广义最大似然检测器

该文针对机载MIMO雷达在未知统计特性的杂波中目标检测问题,首先给出广义最大似然(GLRT)检测器(MIMO-GLRT),利用MIMO雷达的空间分集特性提高检测性能,并推导出检测概率和虚警概率表达式。然后,基于MIMO雷达杂波协方差矩阵的块对角特性,给出一种简化MIMO-GLRT检测器,大大减小算法的复杂度,同时降低对参考单元数目的要求,并在只有两个接收雷达单元的情形下,推导出简化GLRT检测性能的表达式。结果表明,上述两种检测器相对于杂波协方差矩阵都具有恒虚警特性,能够在未知杂波背景下有效地检测目标。     

有源干扰条件下机载MIMO雷达STAP协方差矩阵秩的分析

该文分析了正侧阵机载MIMO雷达杂波加有源干扰协方差矩阵的结构,得到杂波加有源干扰协方差矩阵秩的上界为杂波的秩与有源干扰的秩之和减去有源干扰个数。并由此得到MIMO雷达杂波加有源干扰协方差矩阵非满秩而SIMO雷达杂波加有源干扰协方差矩阵满秩时有源干扰个数的范围。当有源干扰的数目在此范围时,SIMO雷达的理论性能严重下降,而MIMO雷达在理论上仍然有足够的自由度来抑制杂波和有源干扰,从而保证有较好的性能。通过仿真实验验证了上述结论。