一种基于联合稀疏恢复的空时自适应处理方法

基于杂波谱稀疏恢复的空时自适应处理(STAP)技术可显著降低对训练样本的需求,因此适用于非均匀杂波环境。然而,现有杂波谱稀疏恢复STAP 方法均是基于单样本恢复或多样本分别独立恢复后联合处理,并没有同时利用多个样本中的信息,而且恢复性能易受噪声影响。针对上述问题,该文提出一种基于杂波子空间的联合稀疏恢复STAP 方法。该方法可充分利用多个训练样本中的杂波信息对杂波谱进行恢复,并在噪声环境下具有稳健的杂波抑制性能。仿真实验结果验证了所提方法的有效性。      

基于稀疏度自适应匹配追踪算法的微动杂波抑制

目标或目标组成部分的机械振动或旋转产生微多普勒效应,在目标分类和识别中起着重要作用。然而,环境中许多物体(例如风力涡轮机、空调等)的微多普勒效应对雷达系统而言就像时变的杂波,导致雷达探测性能下降。本文针对外辐射源雷达微动杂波影响目标检测的问题,提出了一种基于稀疏度自适应匹配追踪改进算法(SAMP)的微动杂波抑制方法。考虑到微动杂波的稀疏特性,将复杂的微动杂波抑制问题转化为稀疏信号表示问题,分离微动杂波并将其抑制,便于目标观测。相比于原SAMP算法,改进后的SAMP算法能自动调整步长并在残差达到自适应阈值后快速停止迭代。仿真和实测数据验证了所提方法的有效性。     

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。     

基于联合稀疏恢复的宽带雷达动目标检测方法

针对宽带雷达目标回波存在越距离单元走动的问题,该文提出一种基于联合稀疏恢复的宽带雷达动目标检测方法。该方法先在频域对回波数据进行预白化处理,抑制杂波;然后在频率-慢时间域推导出目标信号的联合行稀疏表示,并通过联合稀疏恢复算法得到目标的频域估计;最后通过逆傅里叶变换得到目标的时域估计。仿真结果验证了该方法的有效性。     

角度模糊对天基稀疏孔径GMTI雷达的影响与抑制方法

天基稀疏阵实现地面运动目标指示具有很大吸引力.然而稀疏阵存在栅瓣,理论分析与仿真结果表明栅瓣会产生盲速和虚假目标.本文提出一种消除角度模糊影响的简单方法:首先对均匀稀疏阵阵元位置施加随机误差消除测速盲区;随后采用陷零空时自适应处理剔除虚假目标.仿真结果表明该方法稳健、有效.     

稀疏恢复空时自适应处理技术研究综述

相较于传统空时自适应处理（STAP）技术,稀疏恢复（SR）STAP技术在小样本条件下杂波抑制性能显著提升,因此适用于现实非均匀杂波环境.本文首先阐述了SR STAP基本原理,分析了机载雷达杂波空时稀疏特性;然后总结了SR STAP发展历史与现状,并在此基础上针对其相关科学问题进行了探讨,包括：空时谱估计还是杂波抑制、单观测样本还是多观测样本、白化还是置零、重构算法参数依赖还是不依赖、非平稳杂波下是否适用及干扰条件下是否可行;最后给出了当前SR STAP技术走向实用化过程中所面临的关键问题,即网格失配和空域误差影响,并分别讨论了无网格压缩感知和字典自校正的解决途径.     

一种基于改进A2DC的机载双基杂波谱补偿方法

机载双基预警雷达目标探测系统具有较高的安全性和稳健的探测性能,但其非理想探测构型会造成杂波的非平稳性。传统自适应角度多普勒补偿(A2DC)方法对每个距离门的杂波数据进行空-时两维谱中心的估计,能够有效地补偿双基杂波因复杂构型引入的非平稳误差。然而,当回波中有较强的目标干扰信号时,自适应角度多普勒补偿方法会错误地估计该距离门杂波信号的空-时中心频率,造成目标信号产生相消现象。针对该问题,文中提出一种基于改进的A2DC的双基杂波谱补偿方法。所提方法将自适应角度多普勒补偿和广义内积法相结合,在杂波非平稳误差初步补偿之后剔除含有“疑似目标”的非均匀距离样本;并用该距离门附近样本的杂波谱中心估计参数构成相应的补偿矩阵,对该距离单元杂波数据进行角度-多普勒域的谱误差精确补偿;最终根据双基杂波非平稳误差精细化补偿后的样本数据,实现地理杂波的有效抑制,且有效避免了动目标信号因空域相消导致信杂噪比严重降低的问题。机载双基雷达杂波抑制和动目标检测的仿真实验结果表明,所提方法在面对多目标信号干扰时具有优良的双基杂波距离依赖补偿效果,从而完成稳健的地理杂波对消和动目标信号的可靠探测。     

基于稀疏恢复的空时二维自适应处理技术研究现状

该文介绍了基于稀疏恢复(Sparse Recovery, SR)的空时2 维自适应处理技术(Space-Time Adaptive Processing, STAP)的研究背景、意义和具体实现方法。首先探讨了将稀疏恢复引入STAP 领域的意义和价值,揭示了在杂波非均匀环境下引入稀疏恢复的潜在优势,分析了稀疏恢复STAP 技术的数学意义。并在此基础上,系统梳理和总结了该研究方向的研究现状和已有成果,介绍了均匀线性阵列条件下稀疏恢复STAP 技术的基本框架、多观测向量问题、格点对不准问题、直接数据域稀疏恢复STAP、共型阵条件下基于稀疏恢复的STAP 方法等具体研究内容。最后,总结了基于稀疏恢复STAP 技术的框架和结构,并以此为基础对后续研究工作的方向和前景进行了探讨。      

利用重叠子阵交替发射提高机载双基正侧阵雷达杂波抑制性能的方法

距离非平稳杂波抑制是机载双基雷达空时自适应处理面临的重要困难之一。针对此问题,该文提出一种利用重叠子阵交替发射技术来抑制距离非平稳杂波的新方法。该方法通过交替发射使机载双基正侧阵雷达的杂波脊落在发射和接收空间频率以及多普勒频率构成的3维频率空间的一个平面上,并且目标不落在该平面。由于该杂波平面具有距离平稳性,这保证了空时自适应处理可以有效地抑制该杂波平面,进而能够有效抑制距离非平稳杂波。仿真结果验证了该方法的有效性。     

基于特征空间自适应波束形成的近程杂波抑制算法

针对非正侧视阵在俯仰向抑制近程杂波时算法效果不佳的问题,文中提出了一种基于特征空间自适应波束形成的近程杂波抑制算法。该算法对俯仰空域协方差矩阵进行特征分解,分离出近程杂波的支撑特征向量,并将其作为约束进行自适应波束形成。该算法对阵元误差具有鲁棒性,并克服了一般自适应滤波难以实现方向图保形的缺点。仿真结果证明了该算法的有效性。     

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.     

基于变换域的双基地STAP距离独立性补偿方法

 本文以双基地STAP中的距离独立性补偿问题为研究对象,分析了基于映射的距离独立性补偿方法中存在的的缺点, 包括步骤复杂,引入误差项过多等,提出了一种基于变换域的距离独立性补偿方法,该方法直接在变换域完成距离独立性补偿,数据仿真验证了该方法的有效性和优越性。     

基于自适应分区的非平稳杂波抑制方法

对于非正侧视阵机载雷达,杂波在近程表现出严重的非平稳性,在距离模糊情况下近程微弱目标和近程非平稳强杂波混叠,导致传统空时自适应处理(Space-Time Adaptive Processing, STAP)方法的运动目标检测性能严重下降。为了解决该问题,本文提出了一种基于自适应分区和正交投影的机载雷达非平稳杂波抑制方法。首先,基于回波数据在距离-多普勒域将机载雷达回波自适应划分为非平稳杂波区、平稳杂波区和清晰区,然后在非平稳杂波区采取俯仰维正交投影级联STAP处理,在平稳杂波区采取传统STAP处理,在清晰区采取传统PD处理。该方法能够显著提升机载雷达在全距离和全速度域的目标探测性能。仿真实验验证了所提方法的有效性。     

基于联合稀疏功率谱恢复的机载雷达稳健STAP算法研究

机载雷达信号的空时自适应处理（STAP,Space-Time Adaptive Processing）需要利用样本数据来估计杂波协方差矩阵.非均匀杂波环境中的离群点会使协方差矩阵的估计出现偏差,从而导致信号相消现象.针对此问题,本文提出一种基于联合稀疏功率谱恢复的STAP算法（JSR-STAP）处理非均匀杂波,以克服离群点对正侧视模式机载雷达的STAP性能的影响.JSR-STAP算法在高分辨稀疏恢复的条件下,利用多快拍间杂波和离群点的分布规律和相关性不同,通过范数选择合适的稀疏恢复系数来实现离群点的抑制.Monte Carlo实验证明JSR-STAP算法的稳健性和动目标检测性能均优于传统的STAP算法.     

基于m序列信号的多普勒补偿方法

二相码信号广泛地应用于雷达系统,文中针对其对多普勒频率敏感的问题提出了一种补偿算法。该算法利用相邻回波的多普勒频率基本相等的特性对回波进行对消;其编码信号是伪随机序列,非常适合低截获概率特性的需求;该算法只集中在信号处理,在典型的全波形雷达上实现非常简单,理论上能对任意个数的动目标和任意高的多普勒频率进行精确补偿。     

基于折射角近似的穿墙成像墙体补偿方法

穿墙成像雷达探测中墙体穿透将导致目标图像散焦和位置偏移,墙体补偿是解决这一问题的关键。最短路径法是实现精确墙体补偿的典型算法,但存在运算量大的问题。为解决上述问题,提出了上述基于折射角近似的穿墙成像墙体补偿方法,其原理是利用折射角近似法得到大幅度缩短的最短路径法搜索区间,从而显著减小运算量。一方面,不同墙体参数的数值分析结果定量说明了减小运算量的程度;另一方面,MATLAB仿真结果证明了算法在有效减少计算量的同时实现了精确墙体补偿。     

基于低秩子空间恢复的联合稀疏表示人脸识别算法

 针对阴影、反光及遮挡等原因破坏图像低秩结构这一问题,提出基于低秩子空间恢复的联合稀疏表示识别算法.首先将每个个体的所有训练样本图像看作矩阵 D ,将矩阵 D 分解为低秩矩阵 A 和稀疏误差矩阵 E ,其中 A 表示某类个体的'干净’人脸,严格遵循子空间结构, E 表示由阴影、反光、遮挡等引起的误差项,这些误差项破坏了人脸图像的低秩结构.然后用低秩矩阵 A 和误差矩阵 E 构造训练字典,将测试样本表示为低秩矩阵 A 和误差矩阵 E 的联合稀疏线性组合,利用这两部分的稀疏逼近计算残差,进行分类判别.实验证明该稀疏表示识别算法有效,识别精度得到了有效提高.     

基于稀疏矩阵计算的外辐射源多径杂波抑制算法

在电视与调频广播的外辐射源雷达中,需要对消直达波与多径,才能进行目标的检测。常采用自适应对消器完成该类杂波的抑制,由于多径跨越的采样点很多,造成算法的计算量很大。文中利用了杂波多径稀疏性的特点,提出了稀疏矩阵运算的自适应算法,使得协方差矩阵的计算维数有效减少,在算法性能不下降的前提下,大大减少了自适应算法的计算量。通过计算机仿真验证了该算法的性能。