基于蚁群相似度加权霍夫变换的航迹起始

在雷达、红外等传感器的目标航迹起始时,目标的机动性以及数据的批处理会导致目标运动轨迹上偏离点的漏检。针对该问题,首先在Hough变换基础上,根据目标运动速度、幅度等信息置信区间与杂波干扰的不同,加上权重因子进行累积,然后进行目标的航迹起始,最后利用蚁群相似度检测起始轨迹上的偏离点迹。仿真结果表明,较之传统Hough变换,采用加权Hough变换算法能有效检测到目标航迹上的偏离点迹,提高目标检测概率。     

太赫兹无线电引信地杂波自适应抑制算法

太赫兹无线电引信对地面慢速目标探测时,由于地面强散射点分布的随机性和强方向性导致地杂波谱起伏剧烈。而平台的高速运动又使得杂波谱偏移和展宽严重,这给地面目标检测带来极大困难。针对上述问题提出了一种自适应高斯频域对消滤波方法,即通过精确估计杂波谱中心及谱宽,建立相应的高斯型杂波模型,然后利用回波频域信号与此杂波模型对消处理。通过理论分析和计算机仿真得出,该算法相比其他算法输出信杂比至少提高2.1dB。这表明该方法是有效的,不仅能够有效地抑制地物杂波,而且对信杂比有良好的改善。     

一种平面稀疏阵列的快速综合方法

以快速综合出满足期望方向图以及阵元数最少的平面阵列为目标,提出一种基于迭代加权1范数的平面阵列综合方法。该方法将平面稀疏阵列综合问题转化为加权1范数最小化的稀疏信号重构过程,并利用拉格朗日乘数法求解每次迭代中的阵列加权向量的闭式解,由于二维平面的空间采样导致闭式解中存在大规模矩阵的求逆运算,进而引入共轭梯度法以促进算法加速收敛。当满足迭代终止条件时,由加权向量的非零值确定平面阵列的阵元位置及其激励。仿真结果表明,该方法能有效提高平面稀疏阵列综合的收敛速度。     

天波雷达欠密度流星余迹干扰抑制算法

针对欠密度流星余迹干扰影响天波超视距雷达目标检测的问题,提出了基于总体最小二乘旋转不变估计信号参数(Total Least Squares-Estimating Signal Parameter via Rotational Invariance Techniques TLS-ESPRIT)的欠密度流星余迹干扰抑制算法.首先应用复数据经验模式分解估算流星余迹干扰的位置,并将该位置的回波数据组成Hankel矩阵,然后采用TLS-ESPRIT方法求解Hankel矩阵,解得流星余迹干扰的时域回波,最后从回波数据中去除流星余迹干扰的时域回波,得到流星余迹干扰抑制后的回波数据.与现有流星余迹抑制算法相比,该方法减少了流星余迹干扰的残余和提高了目标的信杂比(SCNR).     

阵元失效下基于核范数和SCAD惩罚的MIMO雷达DOA估计

阵元失效下多输入多输出(Multiple-Input Multiple-Output, MIMO)雷达虚拟阵列协方差矩阵出现大批整行整列元素缺失,破坏原有内在完整结构,导致波达方向(Direction of Arrival, DOA)估计性能下降。为此,提出一种联合核范数和SCAD(Smoothly Clipped Absolute Deviation)惩罚的完整协方差矩阵重构方法,以利于阵元失效下MIMO雷达DOA的有效估计。首先对待恢复的协方差矩阵建立核范数和SCAD惩罚双先验约束模型,并利用等正弦空间稀疏化方式划分粗网格空间,在可容忍的模型误差内能大大降低运算复杂度;然后利用ALM-ADMM(Augmented Lagrange Multipliers-Alternating Direction Method of Multipliers)算法对双先验约束模型进行求解,从而恢复协方差矩阵中大量整行整列的缺失数据;最后通过RD-ESPRIT(Reduced Dimensional ESPRIT)算法进行目标DOA估计。仿真结果验证该方法能快速恢复虚拟协方差矩阵中的缺失数据,从而有效...     

基于矩阵因子重构的MIMO雷达角度估计方法

多输入多输出（MIMO）雷达中部分失效阵元会使得阵列采样数据丢失,从而导致较差的角度估计性能。为此,提出一种基于不完整矩阵因子重构的MIMO雷达角度估计方法。首先,根据协方差矩阵可分解的性质,提取维度较低的矩阵因子,并将协方差矩阵中缺失数据恢复问题转化为矩阵因子重构问题。然后,为了利用矩阵因子中元素的相关性,对不完整矩阵因子建立核范数约束下的低秩Hankel矩阵重构模型;为避免传统的核范数最小化求解中计算复杂度高的问题,采用低秩矩阵拟合方法将Hankel矩阵分解为两个维度较低的矩阵,等价表达了核范数约束。最后,利用交替方向乘子法（ADMM）对该矩阵重构模型进行求解。仿真结果表明,本文方法可以有效地重构出矩阵因子中的缺失元素,进而实现阵列协方差矩阵中丢失数据的补全,改善阵元失效下的MIMO雷达角度估计性能。     

基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计

多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达在阵元故障时虚拟阵列输出数据矩阵会出现大量的整行数据丢失,由于阵列接收数据矩阵的不完整而导致对波达方向(Direction of Arrival,DOA)的估计性能恶化。大多数低秩矩阵填充算法要求缺失数据随机分布于不完整的矩阵中,无法适用于整行缺失数据的恢复问题。为此,提出了一种基于低秩块Hankel矩阵正则化的阵元故障MIMO雷达DOA估计方法。首先,通过奇异值分解(Singular Value Decomposition,SVD)降低虚拟阵列输出矩阵的维度,以减少计算复杂度。然后,对降维数据矩阵建立基于块Hankel矩阵正则化的低秩矩阵填充模型,在该模型中将MIMO雷达降维数据矩阵排列成块Hankel 矩阵并施加Schatten-p 范数作为正则项。最后,结合交替方向乘子法(Alternate Direction Multiplier Method,ADMM)求解该模型,获得完整的MIMO雷达降维数据矩阵。仿真结果表明,所提方法能够有效恢复降维数据矩阵中的整行数据缺失,具有较高的DOA估计精度和实时性,在阵元故障率低于50.0%时DOA估计精度优于现有方法。     

双基地MIMO雷达高速运动目标的DOD和DOA联合估计

高速目标在回波积累时间内会跨多个距离单元运动,因此双基地MIMO雷达利用单个距离单元上的目标回波数据估计目标发射角(DOD)和接收角(DOA)会产生较大误差,影响目标的交叉定位。该文根据高速目标回波特点提出一种双基地MIMO雷达的跨距离单元估计目标多维参数的方法,该方法把目标在不同距离单元上的脉冲压缩数据的采样协方差矩阵进行平均,提高其协方差矩阵的估计精度,然后采用超分辨算法进行DOD和DOA参数估计。仿真结果表明该方法对高速运动目标的角度估计精度高于现有算法,接近于现有算法在目标无距离走动时的角度估计精度,且其角度估计性能与目标跨越的距离单元数无关。     

一种解决噪声连续波雷达泄漏的新方法

噪声准连续波雷达虽能有效解决发射泄漏问题,但其经调幅断续后的发射波形不再具有时域连续性的特点,不能充分发挥噪声连续波雷达的优势。为此提出在噪声连续波雷达中采用双频发射方式来对消泄漏信号。该雷达的发射信号采用双频发射方式,利用两个载频所调制的泄漏信号的脉压-快速傅里叶变换(FFT)频谱输出数据取模相等这一特点,将两个载频分离通道中取模后的脉压-FFT频谱数据相减,可有效消除泄漏信号及其产生的"噪声基底"。仿真结果表明:双频发射噪声连续波雷达在保留原有连续波雷达信号特点的基础上,其泄漏抑制能力要优于噪声准连续波雷达。     

基于截断修正平滑l0范数的MIMO雷达目标参数估计

在多输入多输出(MIMO)雷达中,针对平滑l0范数(SL0)因感知矩阵的病态性而导致其失效的问题,提出了一种基于截断修正SL0的MIMO雷达目标参数估计方法.该方法在对MIMO雷达感知矩阵进行截断奇异值分解(TSVD)处理的基础上,将保留的奇异值以均值为截断门限,分成较大和较小的两部分,分别采用不同的修正准则进行修正;然后经奇异值分解(SVD)反变换获得非病态感知矩阵,利用该非病态感知矩阵通过SL0算法对MIMO雷达目标参数进行估计,从而显著提高了MIMO雷达目标参数估计的精度和速度.仿真结果验证了该方法的有效性.