机载MIMO雷达杂波特征结构的空时自回归算法

非均匀环境下,机载MIMO雷达杂波不再满足独立同分布(independent identically distributed, IID)条件,由于没有足够多的IID样本来估计杂波协方差矩阵,从而导致传统的STAP方法性能急剧下降。本文研究了非均匀环境下机载MIMO雷达的杂波抑制问题,将空时自回归算法(Space time autoaggressive , STAR)引入机载MIMO雷达,降低训练样本数目,减小运算量。针对STAR算法中参数确定复杂、易受训练样本数目不足影响的缺点,提出了一种基于杂波特征结构的模型参数确定方法,仿真结果表明,该方法能在极小训练样本条件下,有效确定模型参数,实现杂波抑制,适用于非均匀杂波环境。      

基于时变空时自回归模型的STAP算法

针对空时自适应处理(STAP)中时域非平稳杂波过程造成的空时自回归(STAR)算法失效问题,文中将时变自回归(TVAR)模型引入STAP处理中,提出了一种新的时变空时自回归(TV-STAR)算法。TV-STAR算法能够有效弥补平稳自回归(AR)模型与实际非平稳杂波环境失配造成的STAR算法性能损耗,在非平稳杂波环境中具有良好的检测性能。同时,TV-STAR算法由于引入了低阶数的TVAR模型,其收敛速度显著优于降秩STAP算法。文中分别通过仿真实验以及机载雷达实测数据的处理对算法有效性进行了验证。     

一种稳健的共形阵机载雷达杂波抑制方法

针对共形阵机载雷达的杂波抑制问题,提出了一种稳健的空时自适应处理(STAP)方法.该方法首先将待检测距离单元中所含的目标信息剔除,然后利用自回归(AR)模型来描述该单元杂波特性,最后通过求取AR模型系数得到待检测距离单元中杂波正交子空间来对消杂波.该方法不受雷达工作模式影响,适用于任意形状的阵列天线,且不存在干扰目标问...     

基于分数低阶协方差的AR SαS模型α谱估计

根据自回归(AR) SαS模型的α谱,分析了基于分数低阶矩(FLOM)法估计AR SαS模型参数的不足.提出了一种基于分数低阶协方差(FLOC)的AR SαS模型参数估计方法,并给出了基于FLOC的AR SαS模型α谱方法.分别对AR SαS模型参数的估计、α稳定分布噪声中单一正弦信号的估计和两个正弦信号的分辨进行了仿真.仿真结果表明,基于FLOC的AR SαS模型α谱估计方法对于不同的α值均具有较好的韧性.特别是在α值较小,即α稳定分布噪声概率密度函数(PDF)拖尾比较严重时,本文所提出的基于FLOC的AR SαS模型α谱估计方法,其性能明显优于基于FLOM的AR SαS模型α谱估计方法.     

广义复合杂波模型参数估计方法

广义复合杂波分布(Generalized Compound Probability Density Function,GC-PDF)模型是一种适用范围广泛的杂波分布模型,参数估计是研究该杂波模型的关键技术.本文首先建立了广义复合杂波模型,推导了其统计特性.在此基础上,研究了最小二乘参数估计方法.进而,以参数解耦和充分利用杂波序列信息为突破点,提出了一种新的杂波模型参数估计算法.该算法将一个四维非线性最优化问题转化为一个一维线性最优化问题,从而降低了计算量和所需样本数,提高了估计性能.最后,进行了仿真实验,验证了本文的结论.该算法对于高分辨雷达杂波分类和识别以及基于杂波背景的目标检测具有重要意义.     

基于AR模型的距离扩展目标自适应检测器

针对非高斯杂波背景中扩展目标的检测问题,将自回归(AR)模型与广义杂波分组模型相结合,提出了基于AR的广义杂波分组模型。并在该杂波模型背景下,利用近似广义似然比检测(AGLRT)原理,结合迭代估计方法,提出了广义杂波背景下迭代近似广义似然比检测器(RAGLRT-GCC)。该检测器不需要利用辅助距离单元估计杂波协参数就可以实现目标的自适应检测。RAGLRT-GCC利用了杂波分组信息,有效提高了对稀疏扩展目标的检测性能。仿真结果表明,在相同检测概率下,RAGLRT-GCC性能优于现有的复合高斯杂波背景下迭代近似广义似然比检测器(RAGLRT-CG)。     

基于DDC模型的机载雷达多普勒参数估计研究

基于多普勒分布式杂波(DDC)模型,本文给出了机载雷达杂波多普勒参数估计的性能分析.并针对多普勒扩展较小的DDC模型,提出了一种基于非线性算子的多普勒参数快速估计算法,该算法通过采样数据直接给出多普勒参数的闭式解,能够显著地减少运算量并满足实际机载雷达的应用需求.     

基于D3AR的半球共形阵低空风切变风速估计方法

针对半球共形阵体制下进行低空风切变检测时会受到强地杂波信号的干扰,导致风切变信号难以检测的问题,提出了一种基于空时自回归的直接数据域算法（Space-Time Autoregressive Direct Data Domain,D3AR）的低空风切变风速估计方法。该方法首先将待检测距离单元的数据从空域、时域以及空时域进行信号对消处理;然后将处理后的数据矩阵描述为空时自回归（Autoregression,AR）模型并估计模型参数;再通过构造与杂波子空间正交的空间来实现对杂波的抑制,最后通过提取待检测单元的最大多普勒频率来估计风场速度。根据仿真结果显示,该方法有效地实现了地杂波抑制,并且能够精确估计风速。     

基于复数据经验模式分解的天波超视距雷达瞬态干扰抑制

针对目前大多数瞬态干扰抑制方法需要先抑制海(地)杂波,计算复杂度高等问题,该文提出了一种基于复数据经验模式分解(CEMD)的天波超视距雷达瞬态干扰抑制方法。该方法在CEMD分解雷达回波信号后,同时完成瞬态干扰的检测、挖除和数据重构。它的主要优点是无需抑制杂波,也不需要通过自回归(AR)模型预测恢复数据,运算量小,实用性强。实测数据处理结果表明:该方法可以有效地抑制瞬态干扰。     

高频地波雷达电离层杂波的空域极化域协同抑制方法

高频地波雷达（High Frequency Surface Wave Radar,HFSWR）能够探测视距外的海上目标和超低空飞行器,但其性能通常被电离层杂波严重影响。该文使用一种空域极化域协同滤波算法用于电离层杂波抑制。针对其中电离层杂波空域和极化域参数的估计问题,在距离-多普勒域上利用基于压缩感知（Compressive Sensing,CS）的DOA测角方法进行空域参数估计,并提出一种基于统计特性的极化参数估计方法完成极化参数估计。这两种估计方法可获得更高的参数估计精度,从而提高了电离层杂波空域极化域抑制方法的性能。某HFSWR系统实测数据处理结果表明了参数估计和电离层杂波抑制方法的有效性。