基于空时矩阵的双基地MIMO雷达目标参数估计

建立了双基地多输入多输出（multiple input multiple output,MIMO）雷达信号模型,提出了一种目标发射角、接收角及多普勒频率联合估计方法。通过对接收数据协方差矩阵进行特征值分解估计目标个数,根据目标数构造空时矩阵,对所构造矩阵进行特征值分解,即可得到雷达目标多个参数的闭式解。该方法针对不同目标数的情况进行了讨论,所构造空时矩阵的维数较小,并且避免了多维非线性的谱峰搜索,还可实现自动配对,算法复杂度较低。仿真结果证明了所提算法的有效性。     

基于信道估计的非线性编码系统的信号检测算法

针对非同一分布的输入信号序列，线性分组方法不能设计出最优编码的问题进行研究，提出一种以信道估计为基础，对非线性分组编码进行解码的信号检测方法，将基本的最小均方(LMS)自适应算法推广到对二维空时编码信号的权矩阵自适应迭代估计过程．同时，分析了对输入信号序列编码所生成的非线性编码矩阵之间的相关性，运用解相关LMS自适应算法对时间选择性衰落信道进行估计．在白噪声情况下，根据估计信道和噪声统计量，推导出对非线性编码进行解码的最大似然决策方法．仿真实验表明，扩展LMS方法和解相关LMS方法跟踪时变衰落信道响应都具有较强的快速收敛性和系统稳定性，非线性空时分组编码系统比线性编码系统编码能力提高了2dB，运用最大似然决策方法使系统误码率降低了32%．     

机载雷达斜视阵下杂波抑制的方法

在机载斜视阵中杂波多普勒频率随距离发生变化,导致传统的空时自适应处理方法不能有效抑制杂波,因此，提出一种谱补偿方法。该方法利用训练单元与待检单元的空域导向矢量关系得到相似度量值,用此度量值再对训练单元的数据进行加权预处理,提高了数据的平稳性;为降低回波中孤立干扰或强目标对采样协方差矩阵估计的影响,对预处理后的数据使用非均匀检测器进行干扰剔除,从而提高机载雷达的检测性能1~3 dB。使用传统的空时自适应处理方法对剔除干扰后的数据进行杂波抑制，通过对数据的处理,证明了该方法的可行性和有效性。     

基于最大似然估计和Kalman滤波的BPSK载波同步方法

针对低信噪比及大多普勒频率变化率情况下的载波同步问题,提出一种基于最大似然估计和Kalman滤波相结合的跟踪环结构.利用最大似然估计在低信噪比环境下准确估计载波频率和相位,并结合Kalman滤波对载波变化进行稳定跟踪.其中利用二分法搜索保证低计算复杂度的同时提高了估计精度.仿真结果表明了此载波跟踪环路良好的跟踪性能.     

矢量传感器声源方位与噪声协方差阵联合估计

针对空域非均匀白噪声,通过矩阵变换估计噪声协方差矩阵,进而采用噪声预白化技术获取声源方位的最大似然估计,该方法避免了原最大似然算法加权参数选取的一维搜索过程,提高了算法效率;针对空域色噪声,利用噪声协方差矩阵的先验分布信息,结合噪声预白化技术,提出声源方位与噪声协方差矩阵迭代联合估计算法.仿真实验表明,空域非均匀白噪声背景下,与原最大似然估计方法相比,方位估计精度基本相同,但算法效率更高;空域色噪声背景下,与原最大似然估计方法相比,该方法提高了方位估计精度.     

基于VLMS算法的空域和空时滤波在GNSS抗干扰中的性能研究

针对空域滤波性能严格受限于天线自由度的缺点,研究了空时自适应滤波技术,建立了基于VLMS(Variable LeastMean Square)算法下的两种信号处理模型,并加以仿真验证比对。仿真结果表明STAP(Space-time Adaptive Processing)算法性能优于空域滤波算法,在不增加天线阵元的情况下,提高了自由度,能抑制多种强干扰,输出信噪比均高于空域滤波算法。     

2019年空时自适应处理技术研究热点回眸

 空时自适应处理可以联合空域和时域进行二维自适应滤波,是运动平台雷达系统中进行杂波抑制和目标检测的关键技术。近年来,空时自适应处理技术迅速发展,其应用领域也在不断扩大。概述了2019年空时自适应处理领域所取得的重要研究进展,展望了未来空时自适应处理技术的发展趋势。     

加窗LMS—ML自适应时间延迟估计

简述了最大似然时延估计的基本原理，从Ｒｏｔｈ处理器的自适应实现出发，发展了一种加窗ＬＭＳ－ＭＬ自适应时间延迟估计方法，这种方法以ＬＭＳ自适估计Ｒｏｔｈ处理器来得到幅度平方相干函数，进而实现最大似然时延仗估计，在自适应迭代过程中，对自适应滤波器的权矢量进行了加窗处理，理论分析和计算机仿真表明，这种方法在估计精度、收敛速度和计算复杂度方面均优于基本ＬＭＳ自适应时间延迟估计。     

加窗LMS－ML自适应时间延迟估计

简述了最大似然时延估计的基本原理，从Ｒｏｔｈ处理器的自适应实现出发，发展了一种加窗ＬＭＳ－ＭＬ自适应时间延迟估计方法。这种方法以ＬＭＳ自适应信号处理技术为基础，利用自适应估计Ｒｏｔｈ处理器来得到幅度平方相干函数，进而实现最大似然时延估计，在自适应迭代过程中，对自适应滤波器的权矢量进行了加窗处理。理论分析和计算机仿真表明：这种方法在估计精度、收敛速度和计算复杂度诸方面均优于基本ＬＭＳ自适应时间延迟估计。     

基于树形结构酉空时星座设计的译码方法

针对酉空时码最大似然检测复杂度高的问题，提出了一种酉空时星座的设计及低复杂度译码方法．根据酉空时信号失真测度的定义，依照最邻近原则对星座进行划分，以最小失真准则计算各个星座子集中信号的最佳中心，再通过迭代算法，交替使用两个局部最佳准则，生成由各个信号子集与对应中心所构成的若干子树，形成树形结构的酉空时星座．接收方以接收信号为树根，选择具有最小失真的中心信号．对选定的中心信号对应的子树进行遍历搜索得到对发送信号的估值．该译码方法仅需要对某一中心信号及其对应子树的叶子节点进行计算，避免了最大似然方法对整个星座的全搜索，从而有效地降低了译码复杂度．仿真实验表明，相对于最大似然检测方法，该方法能够以有限的性能损失换取译码计算的有效简化．     

时域加权稀疏约束的空时自适应处理算法

1DT是典型的时空级联的后单多普勒空时自适应处理的方法,能够显著降低对独立同分布样本的需求量和空时自适应处理时的运算量,但是进行时域处理时对主瓣杂波的抑制效果较差。针对此问题,提出一种利用时域滤波器频率响应的稀疏特性进行加权稀疏约束的自适应滤波器设计算法。在时域自适应滤波器的模型中加入对旁瓣的稀疏约束,并构造加权矩阵对稀疏约束加权。仿真实验表明：此方法在有效抑制主瓣杂波的前提下能够降低副瓣,并且当存在天线幅相误差时具有较好的稳健性。     

利用多输入多输出雷达低秩杂波的降维空时自适应算法

为了抑制机载多输入多输出(MIMO)雷达接收信号中的杂波和有源干扰,提出一种利用MIMO雷达低秩杂波进行降维的空时自适应处理算法(LRC-RD).首先根据系统参数离线构造杂波子空间矩阵,再结合有源干扰加噪声协方差矩阵以及目标空时导向矢量来构造降维矩阵,最后用降维后的数据计算自适应权值.LRC-RD算法可将全维数据维数降为杂波的秩加1,从而降低了计算复杂度和计算自适应权值所需的训练样本数,所以收敛速度快,并且其理论性能可以达到全维处理的理论性能.仿真实验表明,LRC-RD算法在没有误差、样本数为降维后的数据维数的2倍时,其信噪比损失在高速区比基于双迭代的算法和基于子阵划分的算法分别高出约5 dB和17 dB.     

基于先验知识的降维自适应时域滤波器

为了灵活调节时域滤波器各频率处能量以及利用先验知识提高机载雷达抑制杂波、干扰信号的性能,提出一种基于先验知识的降维自适应时域滤波器设计算法。首先结合先验知识估计机载雷达杂波协方差矩阵;然后通过这些信息,设计降维处理中时域滤波器各频率区域的增益;最后利用凸优化思想设计最优时域滤波器。结果表明:设计的时域滤波器通过分配不同区域的能量,保证在地杂波和干扰的多普勒区域处形成深宽凹口,不仅抑制了地杂波,还能够改善位于主杂波区域的压制性干扰,极大提高了机载雷达在复杂环境中检测目标的能力。     

基于空时两维变换的距离非平稳杂波环境STAP方法

针对机载非正侧视阵雷达的杂波距离依赖性问题,提出一种基于空时两维变换的机载非正侧视阵雷达近程杂波补偿方法.利用杂波导向矢量在空时两维的特殊结构,在补偿主瓣杂波距离依赖性的同时,也能够对旁瓣杂波距离依赖性进行补偿.计算机仿真结果表明,算法能够对杂波距离非平稳性进行补偿,提高空时自适应处理（STAP）的杂波抑制性能.      

基于杂波扩展的STAP投散射干扰方法

空时自适应处理技术(STAP)在机载预警雷达中应用广泛,对其干扰的研究具有重要意义.针对传统相干干扰方法采用主瓣对主瓣的方式截获雷达信号易被发现的问题,提出一种基于杂波扩展的干扰方法.干扰机位于雷达副瓣,截获雷达杂波信号而非直达波信号作为相干干扰信号的来源,采取投散射的方式实施干扰,实现对雷达的主瓣干扰.推导了干扰机接收到的雷达直达波和雷达杂波功率的计算公式,建立了杂波信号模型和干扰信号模型,通过仿真比较了干扰机接收到的雷达直达波和雷达杂波的功率,验证了截获杂波信号的可行性,与伪杂波干扰进行了仿真对比.仿真结果表明:相比于伪杂波干扰,该干扰方法对目标先验信息准确性要求较低,干扰后在方位和多普勒频率上均形成假目标,故该方法可行有效.     

改善正侧视机载PD雷达检测低径向速度目标性能研究

对低径向速度目标的检测能力是衡量机载脉冲多普勒雷达性能的一项重要指标.文章在分析正侧视机载脉冲多普勒雷达杂波特点的基础上,提出了一种改进的脉冲多普勒处理方法,用于改善对低径向速度目标的检测.通过对实测数据的处理,结果表明该方法取得了较好的效果.     

LFM体制雷达中多目标信号分离方法研究

为了从复杂的回波信号中分离出目标信号,本文提出了一种适用于线性调频（LFM）体制雷达的多目标信号分离方法,它从距离、速度与方位角三个层面滤波,分离出待测信号。信号分离方法中采用了自适应最小方差无失真响应滤波器（MVDR）,对含有多目标的回波信号进行空域滤波,从而有效分离出目标信号。对线性调频体制雷达的回波信号进行仿真并作信号处理,结果表明了本文所提信号分离方法的有效性,从而为目标识别器的研制以及干扰抑制等提供了一种有价值的方案。     

基于PSWF函数的机载MIMO雷达降维自适应处理算法研究

针对机载多输入多输出(MIMO)体制雷达的杂波抑制问题,本文提出了一种机载MIMO雷达降维空时自适应处理(STAP)算法。该算法利用PSWF函数,根据雷达参数,离线的构造出杂波子空间的一组完备正交基,实现了对杂波子空间的估计,并运用特征相消法(EC)完成了降维STAP计算。仿真实验表明,在理想情况下,该算法能够获得很好的杂波抑制性能;在考虑阵元幅相误差时,与特征对消法相比,该算法在大幅降低运算复杂度的同时,依然能够保持杂波抑制能力。     

基于稀疏恢复的直接数据域STAP算法

在机载/星载雷达系统中,空时自适应处理(STAP)可有效抑制杂波并实现动目标检测。基于统计的STAP算法通过平稳的训练样本来估计检测单元内的杂波协方差矩阵,并设计相应的滤波器以提高检测单元的输出信杂比。但训练样本的平稳性在实际快变的杂波环境中无法保证,因而此类算法在实际非均匀杂波环境中性能较差。该文通过挖掘检测单元数据在角度-Doppler域上的稀疏性,提出一种新的直接数据域STAP算法。该算法通过稀疏恢复来获得检测单元的高分辨空时谱估计,有效地避免杂波旁瓣对目标检测的影响,进而实现不经过杂波抑制而直接运动目标检测的目的。同时由于不使用训练样本,可很好地避免训练样本内的非均匀性,该算法在实际非均匀杂波场景中有更广泛的应用前景。     

一种基于FCM的微多普勒雷达中频信号检测处理方法

在时域信号中引入FCM算法,以区分运动目标的多普勒频移特性。利用多普勒特性对雷达中频信号进行了模拟研究,并使用FCM算法在一个雷达扫描周期可确定两个聚类中心,分别对应两个静止和运动的目标信号;对多个雷达扫描周期的多个聚类中心点,采用算术平均值滤波的方法构造中心函数C,通过门限判决的方法判定目标,并计算目标的检测概率。该算法简单、易于实现、计算量小,且有良好的目标检测概率。