基于稀疏贝叶斯学习的低空测角算法

为解决米波雷达低空测角的精度问题,该文结合稀疏贝叶斯学习方法,利用相邻快拍稀疏结构的相似性,将多观测向量模型通过Kronecker积变换成具有块稀疏结构的单观测向量模型,同时通过矩阵变换解决了贝叶斯准则在复数域中的应用。通过稀疏贝叶斯学习的不断迭代恢复出了信号在感知矩阵下的系数矩阵,得到了信源的角度信息。仿真实验验证了该方法相对于广义MUSIC和M-FOCUSS算法具有更好的性能,并且分析了快拍数变化对算法性能的影响。     

量测随机延迟下带厚尾噪声的鲁棒Student's t随机容积卡尔曼滤波器

针对量测随机延迟下带厚尾过程噪声和量测噪声的非线性状态估计问题，本文通过充分考虑量测一步随机延迟特性及过程噪声和量测噪声的"厚尾"特性，推导了一种新的鲁棒Student's t滤波器框架，并采用随机Student's t-球面相径容积规则近似计算Student's t权值积分，从而设计了一种新的鲁棒Student's t随机容积滤波器.首先，采用一组服从伯努利分布的随机序列来描述系统中可能存在的量测一步随机延迟现象，并采用Student's t分布刻画过程噪声和量测噪声中存在的"厚尾"特性；其次，从理论上证明了当自由度参数趋于无穷以及随机延迟概率为零时，该鲁棒Student's t滤波器就自动地降为标准的非线性高斯近似滤波器；最后，采用随机Student's t-球面相径容积规则给出了一种新的鲁棒Student's t随机容积滤波器，并通过协同转弯模型验证了该滤波器的有效性和优越性.     

阵元缺损下的波达方向估计算法

为解决在均匀线阵中阵元降采样或其他因素引起的阵元损坏导致角度估计精度下降的问题,该文对缺损的采样数据矩阵进行Hankel矩阵变换,利用Hankel矩阵变换的性质以及矩阵填充理论,将不满足矩阵填充理论的接收数据矩阵变换为适用于矩阵填充理论的数据矩阵,通过不定增广拉格朗日乘子法精确重构出完整的接收数据矩阵,实现了精确的波达方向估计。仿真实验验证了该方法在均匀线阵阵元出现损毁的情况下,仍能实现对角度的精确估计,同时给出了算法随阵元缺损程度变化的性能变化趋势。     

基于改进LS-ESPRIT算法的GTD模型参数估计与RCS重构

针对传统LS-ESPRIT算法在估计GTD模型参数时抗噪效果差,估计精度不高这一问题,该文提出了一种改进的LS-ESPRT算法,有效地提高了算法的参数估计性能与抗噪性。首先,根据雷达目标的回波数据构建Hankel矩阵;其次,采用核范数凸优化方法对上述Hankel矩阵进行降噪处理,得到低秩的重构Hankel矩阵;最后,利用传统的LS-ESPRIT算法对降噪后的数据进行处理,估计出GTD模型参数。基于改进算法与传统算法分别得到重构RCS,并针对不同带宽对参数估计精度的影响作以仿真探究。仿真结果表明,与传统LS-ESPRIT算法与传统TLS-ESPRIT算法相比,改进LS-ESPRIT算法的参数估计性能更高,抗噪性更强,且重构RCS的幅值与相角误差更小。对不同带宽下的参数估计精度也进行了探究,并得出:带宽越大,估计精度越高。