机载相干MIMO雷达杂波自由度估计研究

针对任意发射波形合成结构影响下的机载相干MIMO雷达杂波自由度的估计问题。论文提出了一种机载相干MIMO雷达杂波自由度估计的构造法,该方法利用发射波形合成结构直接构造等效矩阵代替杂波协方差矩阵进行求秩。通过递推分解等效矩阵,提出并证明了一种杂波自由度快速估计准则,建立了机载相干MIMO雷达发射波形合成结构、阵列稀布构型与杂波自由度之间的定量关系。研究表明：该方法和准则能够准确预测任意发射波形合成结构下的机载MIMO雷达的杂波特征谱结构。该理论既保证了降秩STAP算法性能的最优又具有较小的计算量,并为最优发射波形合成方案和MIMO STAP算法的设计提供了依据。     

自适应阵列中多级维纳滤波器的有效实现算法

在分析多级维纳滤波器实现算法的基础上,证明了由相关相减算法实现的多级维纳滤波器是一种酉多级维纳滤波器,与Goldstein、Reed和Scharf提出的原始实现算法相比,酉多级维纳滤波器具有更好的降秩性能。该文对相关相减算法中的阻塞矩阵进行改进,使多级维纳滤波器前向递推中观测数据向量的维数逐步降低,且同样能应用于相关相减算法结构。新的实现算法在进一步降低计算量的同时,得到与相关相减算法几乎相同的性能。仿真结果证明了该算法的有效性。     

双通道机载雷达STAP紧凑系统设计

大数据流下的高精度实时处理是空时自适应处理(Space-time adaptive processing,STAP)系统实现的难题之一.在机载平台对尺寸、重量和功率(size,weight and power,SWAP)的约束条件下,STAP系统设计的目标是减少系统时延的同时增加数据吞吐率,本文对实测双通道机栽雷达采样数据进行了STAP并行系统的紧凑设计研究.基于选型平台设计了狭义局部并行全局串行(Restricted local-parallel-and-global-serial,RLPGS)结构与狭义局部串行全局并行(Restricted local-seiral-and-global-parallel,RLSGP)结构,并验证了任务数据不同调度方法的性能.该设计在单处理板上成功完成STAP处理的测试,结果满足设计要求.     

STAP中的矩阵求逆问题研究

针对空时自适应处理（STAP）中的采样协方差矩阵求逆问题,利用其为一正定Hermite阵这一特点,提出了一种利用Hermite阵对称性分块求逆的矩阵求逆新算法,并对该算法的运算量进行了定量分析和比较。从分析结果和仿真实验可以看出,该算法计算量小,存储量小,易于工程实现,相对于实际工程中较常用的Gauss消元法具有较明显的性能改善。     

基于信号共轭循环平稳特性的算法研究

该文在深入研究共轭循环平稳算法内在联系的基础上,提出了一类基于信号共轭循环相关特性的预处理算法(HAM,MHAM,IHAM)。这些预处理算法充分利用了共轭循环相关数据矩阵是。Hankel矩阵的先验信息,通过Hankel预处理来提高算法在低信噪比时的信号到达角估计性能。最后通过计算机仿真实验证实算法的有效性。     

角闪烁下基于变分贝叶斯-交互式多模型的目标跟踪

开展角闪烁噪声下的目标跟踪研究对提升传感器的探测性能具有重要意义,其中角闪烁噪声具有的分布未知和非平稳特性是长期困扰研究者的难点。针对该问题,该文首先给出角闪烁下基于变分贝叶斯参数学习的跟踪滤波理论框架。其次,提出一种联合估计运动状态和闪烁噪声分布的变分贝叶斯-交互式多模型(VB-IMM)算法,该算法通过设计多个并行的跟踪模型处理角闪烁的跟踪问题,同时利用变分贝叶斯方法实现闪烁噪声分布参数的在线学习,并反馈给跟踪模型,实时调整跟踪模型参数。最后,设计了仿真实验对算法在闪烁噪声分布未知和非平稳条件下的跟踪性能进行了验证,同时对算法的计算复杂度进行了仿真分析。仿真结果表明,在量测噪声分布未知和非平稳条件下,VB-IMM具有较高的跟踪精度,且算法复杂度较小,易于实现。     

辅助天线不同排列形式及位置变化对SLC影响

本文研究了当辅助天线不同摆放形式及位置变化对旁瓣相消性能的影响,给出存在幅相误差及位置误差时数学模型,讨论存在误差时旁瓣相消性能变化,并在二维自适应旁瓣对消中使用降维方法求解权,最后计算机仿真分析证明了相关结论的正确性.     

使用辅助信源测量阵开天线互阻抗

文中基于网络理论，提出了一种利用辅助信源测量阵列天线单元互阻抗的方法，从而可以避开理论形状复杂的单元间互耦所遇到的困难。该方法可以同时考虑平衡馈电器及馈线的影响，并适用于任意分布阵列天线，因而它更便于实际使用。计算机模拟结果表明了该方法的正确性。     

高斯混合噪声中弱信号的Rao检测方法

期望最大化(Expectation Maximization,EM)算法是求解参数最大似然估计(MLE)的最优迭代算法,但若参数初始化不恰当,会使估计值落入"初值陷阱",导致错误的参数估计值.为此,本文提出了估计高斯混合噪声参数的矩 - EM算法,即先求参数的矩估计,并用矩估计值初始化参数,再通过EM迭代算法估计参数.在此基础上,经高斯化滤波,导出了高斯混合噪声背景下未知幅度弱信号的Rao检验统计量.仿真结果表明,矩 - EM算法可以更准确地估计噪声参数;基于矩 - EM算法的Rao检测性能优于基于EM算法的Rao检测性能.     

机载雷达空时自适应信号处理技术回顾与展望

回顾了空时自适应信号处理技术的发展过程,着重阐述了其发展过程中遇到的关键技术问题,并讨论了空时自适应信号处理技术的发展趋势,提出了需要或值得进一步研究的问题.