基于物理光学法的近场多入多出雷达成像模拟

针对点目标扩展函数(PSF)不能有效分析复杂目标在毫米波近场多入多出(MIMO)雷达成像中的散射机理问题，研究了一种基于近场物理光学散射计算数据的毫米波MIMO雷达成像模拟方法。该方法利用近场物理光学方法，获得包含阵列构型和目标散射信息的近场计算数据，并通过近场MIMO成像处理器实现近场MIMO成像的全过程模拟。利用D波段“T”字型二维稀疏MIMO阵对复杂的三维目标开展了近场成像实验，仿真和实验结果表明，模拟结果与实际成像结果有很好的一致性。该方法能够分析近场MIMO成像系统的成像性能，为近场MIMO成像的阵型设计提供支撑，揭示复杂目标的近场散射特性与成像机理。     

改进遗传算法优化MIMO稀布阵列

为了解决多输入多输出(MIMO)天线阵列由于阵元间隔过大造成的阵列方向图出现栅瓣,在雷达回波成像时出现影响目标识别的虚假目标的问题,提出了一种改进的遗传算法对阵列排布进行优化。在传统标准遗传算法上进行改进,用多个矩阵组合表示MIMO阵列,针对在矩形平面随机分布的稀疏阵列的方向图旁瓣问题进行优化设计,并采用基于Logistic混沌序列的方法产生种群扰动,避免优化过程进入局部最优状态。通过实例对比22发射天线22接收天线的均匀规则排布MIMO阵列和经改进遗传算法优化的稀布MIMO阵列,结果表明,改进遗传算法可以有效解决规则排布阵列方向图中出现的栅瓣,并且降低方向图旁瓣,提高雷达成像性能。该优化算法变量可控,具有很强的实用性,为MIMO雷达的阵列排布提供了解决方法。     

UWB MIMO近场成像雷达稀疏阵列设计方法研究

传统方法设计近场高分辨成像雷达的阵列时,往往需要大量且分布密集的阵元,这样的设计会带来巨大的开销和制作工艺要求高等问题。为了避免上述问题,本论文将MIMO与UWB相结合,提出了一种基于等效相位中心原理设计UWB MIMO近场成像雷达稀疏阵列的方法,并对等效相位中心近似带来的误差做了补偿。然后通过数值仿真工具(FDTD)进行仿真,考察了设计的阵列的波束方向图,并分别对单个点目标和分布式目标进行成像,仿真结果验证了该阵列设计方法的有效性和应用于近场高分辨成像的可行性。     

基于栅瓣宽度的稀疏阵列方向图综合算法

首先对子阵级稀疏阵列进行建模,针对子阵级稀疏阵的子阵间距远远大于半波长而导致子阵级稀疏阵列方向图主瓣附近具有大量栅瓣的问题,提出了方向图栅瓣宽度的概念,为了抑制方向图的栅瓣宽度,提出一种基于栅瓣宽度的子阵级稀疏阵列优化算法,解决了方向图栅瓣电平在满足一定的要求下使栅瓣宽度最窄的问题,最后通过仿真验证了该算法的有效性。     

基于子阵的稀疏阵列方向图特性分析

为深入了解子阵级稀疏阵列方向图的特性,对基于子阵的稀疏阵列方向图进行了研究.首先对子阵级稀疏阵列进行建模;然后对其方向图产生栅瓣的原因、栅瓣个数和栅瓣电平与子阵间距之间的关系进行了详细分析;最后通过仿真验证了结论的正确性.     

基于协同阵的超宽带MIMO成像阵列优化设计方法

在多输入多输出（Multiple-Input Multiple-Output, MIMO）雷达成像系统中,天线阵列配置是系统设计的一个关键问题,影响到成像质量、参数估计和目标检测等。阵列的拓扑结构、阵元数量及发射信号的形式等都会影响阵列设计的结果,合理的阵列设计有利于简化系统结构并降低信号处理的复杂度。与传统窄带分析有所不同,在超宽带条件下天线阵列表现出一些新的性质,可以用于实现阵列的稀疏化。本文推导了超宽带多输入多输出阵列角分辨率和旁瓣、栅瓣水平的计算式,提出了一种针对步进频率信号体制的超宽带多输入多输出阵列优化设计方法,仿真数据处理结果验证了本文方法的有效性。      

基于 RMA 的三维成像与二维 MIMO 阵设计

距离迁移(RM)算法能够精确校正近场距离徙动,同时通过使用快速傅里叶变换可以达到很高的计算效率,具有应用于近场MIMO雷达三维实时成像的潜力。RM算法应用于近场MIMO成像的主要挑战是设计合适的阵列结构。文中利用球面波分解为无穷多个平面波的方法推导了MIMO雷达近场三维RM 成像算法,在深入分析算法实现流程的基础上得 到了RM算法对MIMO阵列构型的四条约束条件。提出了一种适用RM算法的MIMO阵列设计方法,并利用所提方法设计了MIMO阵列,结合仿真,分析了所设计阵列的成像性能。     

一种前视阵列SAR系统的天线设计和分析方法

阵元数太多导致前视阵列SAR系统天线成本高和设计复杂,如何以较少的阵元数获取较高的成像质量是前视阵列SAR系统面临的重难点问题.根据系统成像质量要求,结合波束扫描、栅瓣抑制等技术,本文提出一种稀疏收发天线阵的设计方法.理论分析和仿真实验结果表明,该方法在保证一定成像质量的前提下,有效降低了阵元数量,提高了系统信噪比,具有一定的应用价值.     

UWB MIMO穿墙雷达的阵列设计和成像方法

利用多发多收(MIMO)方式对超宽带(UWB)穿墙成像雷达天线阵列进行稀疏化处理不失为一种很好的选择。该文从成像模型出发,分析了UWB MIMO天线阵的等效接收阵列问题,给出了基于空间卷积理论的UWB MIMO阵列设计方法,仿真验证了方法的有效性和在穿墙成像系统中应用的可行性。此外,提出了相干系数加权稳健Capon波束形成的自适应成像方法,理论分析和实验结果表明该方法能够获得较高的分辨率和图像信噪比。     

太赫兹MIMO弧形阵列方位向成像算法研究

该文提出一种新的在太赫兹频段下基于MIMO弧形阵列的方位向成像算法,通过将MIMO弧形阵列等效转换为MIMO线阵,基于等效MIMO线阵引入RMA算法思路对弧形阵列方位向图像进行重建。该文详细介绍了MIMO弧形阵列与普通MIMO线阵的等效转换,建立了相应的成像信号模型,设计了MIMO弧形阵列太赫兹单频方位向成像算法,并通过计算机仿真验证了该算法的可行性与有效性。     

基于压缩感知的稀疏阵列MIMO雷达成像方法

针对MIMO雷达对空目标单次快拍成像时天线数目较多问题,该文提出了一种稀疏阵列MIMO雷达的成像方法。首先分析了MIMO雷达天线的稀疏布阵方式,其次结合压缩感知理论具体阐述了稀疏阵列MIMO雷达的成像方法。该方法不仅能够对运动目标实现单次快拍成像,避免了目标机动带来的运动补偿难题,同时又能够大幅减少MIMO雷达的天线规模,便于工程实现。最后利用仿真实验验证了所提方法的有效性。     

稀疏阵列L 型MIMO 雷达运动目标三维成像方法

针对L型多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达对空中运动目标三维成像天线数目较多问题,提出了发射阵列采用稀疏布阵的L型MIMO雷达三维成像方法。该文首先分析了MIMO雷达发射阵列的稀疏布阵方式,其次结合压缩感知理论具体阐述了基于稀疏阵列的三维成像方法。该方法在大幅减少L型MI-MO雷达发射天线的条件下,实现了对运动目标的单次快拍三维成像,不仅有效避免了目标机动带来的运动补偿难题,同时又降低了系统的硬件复杂度,便于工程应用。最后利用仿真实验验证了本文方法的有效性和可行性。     

艇载稀疏阵列MIMO雷达地面运动目标成像方法

本文针对地面运动目标成像问题,提出了基于平流层飞艇平台的稀疏阵列MIMO(Multiple-Input Multiple-Output)雷达的成像方法.该方法首先利用MIMO雷达阵列对观测场景进行空间并行采样获取其散射信息,其次由于两次脉冲回波信号中的运动目标信息不同而地杂波(或静止地物)信息相同,因此利用一次相消技术抑制回波信号中的地杂波分量.然后基于观测场景中运动目标的稀疏特性,将压缩感知理论引入到对运动目标重建过程中.该方法可有效避免地面运动目标成像时的地杂波干扰和运动补偿问题,同时采用稀疏阵列可大幅减少天线阵元个数,从而降低对飞艇平台的要求和系统成本,便于工程应用.最后利用仿真实验验证了该方法的有效性和可行性.     

时分MIMO滑坡雷达稀疏成像算法

针对现用于成像的MIMO山体滑坡雷达均匀线性阵列数目过多、数据处理复杂度高的问题，引入稀疏阵列时分地基MIMO雷达模型，提出一种基于逆傅里叶变换和混合匹配追踪算法的成像方法。首先通过对雷达回波信号作逆傅里叶变换实现距离向压缩，并进行近似相位补偿，然后采用一种基于时延补偿因子稀疏基的压缩感知算法实现方位向压缩。同时针对多目标成像的伪影点问题，方位向数据压缩引入子空间追踪算法和正交匹配追踪算法的结合算法重构出高分辨率且没有伪影的二维图像。根据真实的山体滑坡监测成像场景参数，通过数值仿真验证了该方法能够在低于传统均匀阵列的天线数目情况下实现目标高质量成像，且具有一定的抗噪性。     

采用遗传算法的MIMO雷达L型阵列稀布优化

针对多输入多输出（MIMO）雷达阵列稀布导致栅瓣效应的问题,研究了L型阵列方向图综合方法。通过在发射和接收阵列的阵元位置中引入随机扰动,同步优化收发阵列,对MIMO雷达Ｌ型阵列等效构造的虚拟矩形平面阵列进行二维方向图综合,并且对遗传算法的变异算子进行改进,提高全局搜索性,从而有效抑制栅瓣,降低二维合成方向图中方位维和俯仰维的峰值旁瓣电平。仿真实验证明了所提算法的有效性。     

Sparse, Active Aperture Imaging

We describe an approach to radar imaging of an isolated, rotating target using coherent, sparse, or highly thinned arrays of transmit/receive elements. The array elements are assumed to be randomly positioned and accurately surveyed after placement. Further, the isolated target is assumed to occupy a limited angular sector such that there is no source of backscatter beyond the sector occupied by the target. Estimates of the resolution and image quality are provided when the array elements are widely separated and operate with coherent, multiple-input multiple-output (MIMO) signaling and inverse synthetic aperture radar (ISAR) processing at each MIMO element pair. The sparse array operation can provide superior resolution when compared to the ISAR processing and accurate estimation of scattering properties with a modest number of sparse array elements. The performance of a model-based estimator to physical optics like scattering with MIMO signaling is described. Several important issues relating to feasibility remain to be investigated. These include establishing coherence and timing among the widely separated array elements, adaptive beamforming and processing requirements and coherence of the scattering phenomena with the widely separated MIMO elements.      

DOD and DOA estimation in bistatic MIMO radar for nested and coprime array with closed-form DOF

It is well known that sparse array can offer better angle resolution than that of uniform linear array (ULA) in the same number of physical sensors. But in bistatic minimum redundancy sparse array multi-input multi-output (MIMO) radar, it cannot offer closed-form degree of freedom (DOF) for the arbitrary number of sensors with direction of departure and direction of arrival estimation. Therefore, this article introduces a nested array and coprime array into sparse array to solve the problem. First, construct no holes difference-coarray by extracting specified covariance matrix elements. Then, transform the difference-coarray into ULA within bistatic MIMO radar through some mathematical operations. As a result, many angle estimation methods for traditional ULA can be applied to the sparse bistatic MIMO array radar. The proposed algorithm offers closed-form DOFs for sparse array and the array aperture is much larger than that of ULA with identical number of sensors. The usefulness of the proposed methods is verified through computer simulations.