基于三维原子范数的机载MIMO雷达STAP算法

针对机载多输入多输出（MIMO）雷达空时自适应处理（STAP）使用稀疏恢复技术时存在的格点失配问题,提出了一种基于三维原子范数的机载MIMO雷达STAP算法。该方法利用杂波空时谱在角度?多普勒域上固有的稀疏性,根据低秩矩阵恢复理论构造了基于三维连续原子集的MIMO雷达杂波信号稀疏恢复模型,避免了稀疏恢复中的格点失配问题,实现了杂波空时谱的高分辨率估计,有效提高了机载MIMO雷达STAP杂波抑制性能。仿真实验表明,本文方法在存在格点失配情况下的MIMO雷达STAP处理性能优于已有的基于字典网格的稀疏恢复方法和二维原子范数方法。     

机载外辐射源雷达杂波模型及特性分析

直达波和地(海)杂波是机载外辐射雷达面临的重要问题,针对基于单频网数字广播电视信号的机载外辐射源雷达杂波进行了研究.建立杂波模型,然后重点分析了杂波的空时特性和杂波多普勒距离依赖性.基于中国移动多媒体广播信号生成杂波数据,仿真实验验证了杂波模型的正确性,并根据结果提出了针对杂波特性的杂波抑制方案,为机载外辐射源雷达杂波抑制和目标检测奠定了基础.     

机载外辐射源雷达空时处理中距离徙动校正算法研究

空时处理是实现机载外辐射源雷达杂波抑制和目标能量积累的有效手段。然而,外辐射源雷达目标信号微弱,需要在长相干处理时间(CPI)下进行空时处理,以提高目标信噪比。长CPI下,目标将出现距离徙动,造成积累增益损失,降低系统威力。针对上述问题,该文根据外辐射源雷达特点,提出将Keystone变换与3DT-SAP算法有机结合的距离徙动校正算法。该算法计算效率高,具有实时处理的潜力,能在抑制杂波的同时校正距离徙动,且校正过程信号能量损失小。仿真表明,该算法能充分抑制杂波,且对不同速度、不同强弱的目标进行有效的距离徙动校正,是一种高效、高性能的机载外辐射雷达距离徙动校正算法。     

基于延时多普勒对齐的组网雷达点源干扰抑制算法

针对组网雷达被单点运动辐射源干扰情况下的目标检测问题,本文利用目标多角度回波在传播延时、多普勒以及散射特性上存在差异的特点,设计了一种基于干扰延时、多普勒对齐的自适应干扰抑制算法。本文首先建立了单点运动辐射源干扰条件下的组网雷达信号模型,其次对抑制算法进行了详细介绍,最后通过典型场景的仿真分析验证了所提算法的抑制效果。仿真结果说明,所提算法可以充分利用目标在距离多普勒域的稀疏特性,实现干扰的有效抑制。      

一种基于KLT-RANSAC全局运动估计的电子稳像算法研究

全局运动估计是电子稳像的核心,很大程度上影响整个稳像系统的性能.提出了一种基于KLT-RANSAC全局运动估计的电子稳像算法,该方法首先通过增加距离约束机制,并进行亚像素级定位,优化Harris特征点,选择KLT快速匹配算法实现特征点的粗匹配,之后引入了RANSAC算法剔除误匹配点,去除视频序列中分布在运动物体上的特征点,避免了局部运动对全局运动估计的影响.实验结果表明:本算法可以有效解决特征点匹配过程中的误匹配问题,避免局部运动对稳像的干扰,快速准确地计算出全局运动参数,最终可以实时处理存在平移和旋转抖动的视频,输出稳定高质量的视频.     

基于稀疏贝叶斯学习的机载双基雷达杂波抑制

机载双基雷达杂波与构型有关且具有严重的距离依赖性,因此杂波脊复杂多变,独立同分布(IID)的样本很少。传统的空时自适应处理(STAP)方法受独立同分布样本数的限制,对机载双基雷达杂波的抑制性能有限。基于机载雷达杂波在角度-多普勒域分布的稀疏特性和稀疏贝叶斯学习(SBL)在稀疏信号重建方面的优势,该文将SBL算法应用于较为复杂的机载双基雷达双动模式下杂波抑制,该方法可以用少量训练单元杂波估计待测距离单元的杂波协方差矩阵(CCM),然后进行空时自适应处理;同时,该算法不需要样本独立同分布,在双基双动模式下对杂波的抑制性能较好,仿真结果验证了算法的有效性。     

基于原子范数的无网格稀疏恢复非正侧视阵空时自适应处理算法

基于杂波谱稀疏恢复的空时自适应处理(STAP)方法可以显著降低对杂波样本数的要求,十分适合缺少样本情况下的机载雷达杂波抑制.然而,现有稀疏恢复STAP方法利用离散化空时导向矢量字典进行重构,在非正侧视阵情况下,由于杂波脊不在字典网格点上,字典失配问题严重影响杂波抑制性能.针对上述问题,该文提出了一种基于原子范数的无网格稀疏恢复空时自适应处理方法(ANM-STAP),利用低秩矩阵恢复理论实现连续空时平面的稀疏恢复,克服了稀疏恢复中的字典失配问题,获得了非正侧视阵情况下的高分辨率杂波空时谱,有效提高了STAP杂波抑制性能.Monte Carlo实验证明,该文方法STAP处理性能在非正侧视阵情况下优于已有字典离散化处理的稀疏恢复STAP方法.     

基于原子范数的无网格动目标参数估计

针对现有参数稀疏恢复空时自适应处理中动目标参数估计方法在字典失配条件下性能下降的问题，提出一种基于原子范数无网格稀疏恢复技术的动目标参数估计方法，该方法利用目标回波在角度-多普勒域的稀疏特性，根据连续压缩感知和低秩矩阵恢复理论实现了运动目标方位角和速度的高精度估计，避免了基于固定离散字典模型进行参数稀疏恢复时遇到的字典失配问题，有效提高了动目标参数的估计性能。仿真结果证实了所提方法参数估计性能优于已有基于字典网格的稀疏恢复参数估计方法。     

基于原子范数的无网格稀疏恢复非正侧视阵空时自适应处理算法

基于杂波谱稀疏恢复的空时自适应处理(STAP)方法可以显著降低对杂波样本数的要求,十分适合缺少样本情况下的机载雷达杂波抑制。然而,现有稀疏恢复STAP方法利用离散化空时导向矢量字典进行重构,在非正侧视阵情况下,由于杂波脊不在字典网格点上,字典失配问题严重影响杂波抑制性能。针对上述问题,该文提出了一种基于原子范数的无网格稀疏恢复空时自适应处理方法(ANM-STAP),利用低秩矩阵恢复理论实现连续空时平面的稀疏恢复,克服了稀疏恢复中的字典失配问题,获得了非正侧视阵情况下的高分辨率杂波空时谱,有效提高了STAP杂波抑制性能。Monte Carlo实验证明,该文方法STAP处理性能在非正侧视阵情况下优于已有字典离散化处理的稀疏恢复STAP方法。     

基于CDMA通信信号的无源雷达定位系统

提出一种利用多个CDMA基站发射的下行链路信号作为外辐射源构成无源雷达定位系统的方案,主要包括自适应杂波相消、距离-多普勒处理、定位参数提取、多站数据融合等功能模块.利用自适应算法进行杂波干扰的消除,对相消后的回波信号进行相干匹配滤波实现动目标检测.最后通过联立多站位置线方程实现了对目标的定位.计算机仿真验证了该方案的可行性,并证明了多个辐射源对定位精度的改善.     

基于迭代自适应的字典校正空时自适应处理算法

本文针对稀疏恢复空时自适应处理(Space-Time Adaptive Processing, STAP)由于字典设置不合适引起的离网效应，提出了一种基于迭代自适应(Iterative Adaptive Approach, IAA)的字典校正STAP算法。首先在IAA的每次迭代中，找到原始空时导向字典中每个量化空间频率最大功率对应的原子，围绕选定的原子，将其附近的多普勒频率均匀离散成一个集合，然后通过最大化联合似然函数在局域中搜索最优原子，并将选定的原子替换为最优原子，最后通过IAA的全局迭代，选择与杂波脊匹配的原子形成新的空时导向字典。实验证明，该方法可以有效地减轻离网效应引起的杂波脊扩展，杂波抑制性能优于现有的空时导向字典均匀离散化的IAA-STAP方法。      

基于知识辅助的网格失配下SR-STAP字典校正方法

基于稀疏恢复的空时自适应算法（Sparse Recovery Space Time Adaptive Processing, SR-STAP）能有效改善机载雷达在复杂环境下对杂波的抑制能力,通常是将空时平面均匀离散为若干个网格来构造字典。然而,真实的杂波点往往不能落在预先离散的网格点上,此时会出现离网效应,导致SR-STAP的性能降低。本文针对此问题,提出了一种基于知识辅助的字典校正方法。首先利用载机平台参数等先验知识均匀离散空间频率,然后计算和修正多普勒频率,并根据先验知识修正空间频率,最后利用修正后的空间频率和多普勒频率对应的空时导向矢量来构造超完备稀疏字典。仿真结果表明,与传统字典构造算法相比,该字典校正方法有效克服了离网效应,改善了STAP的性能。      

离网误差迭代自校正STAP算法

基于稀疏恢复技术的空时自适应处理（Sparse Recovery Space-Time Adaptive Processing,SR-STAP）方法提升了动目标检测性能。然而,当出现离网效应时,SR-STAP算法的杂波抑制性能下降。为了解决离网效应问题,本文提出了一种离网误差迭代自校正STAP算法。该算法首先从常规全局STAP字典中选取了功率谱值较高的网格点来构建大字典。其次,从大字典中找到与杂波点匹配度较高的原子为中心,构建局部STAP字典;接着,利用贝叶斯后验概率最大思想进行局部搜索,找到与杂波点匹配度最高的网格点。最后,得到了经过修正后的STAP字典和最优STAP滤波权值,优化了离网情况下STAP算法性能。通过仿真验证了算法消除离网误差的有效性。      

双基地机载预警雷达空时自适应处理方法

本文在文献[1] 所建杂波模型的基础上,进一步研究空时自适应处理对双基地机载预警雷达杂波的抑制问题.深入分析了双基地机载预警雷达杂波距离多普勒特性,进而提出了一种基于距离多普勒补偿的空时二维自适应处理方法.理论分析与计算机仿真表明,该算法能有效实现工作于低重频时双基地机载预警雷达杂波抑制.     

稀疏恢复空时自适应处理技术研究综述

相较于传统空时自适应处理（STAP）技术,稀疏恢复（SR）STAP技术在小样本条件下杂波抑制性能显著提升,因此适用于现实非均匀杂波环境.本文首先阐述了SR STAP基本原理,分析了机载雷达杂波空时稀疏特性;然后总结了SR STAP发展历史与现状,并在此基础上针对其相关科学问题进行了探讨,包括：空时谱估计还是杂波抑制、单观测样本还是多观测样本、白化还是置零、重构算法参数依赖还是不依赖、非平稳杂波下是否适用及干扰条件下是否可行;最后给出了当前SR STAP技术走向实用化过程中所面临的关键问题,即网格失配和空域误差影响,并分别讨论了无网格压缩感知和字典自校正的解决途径.     

A clutter-suppression method for airborne bistatic polarization radar based on polarization-space-time adaptive processing

Clutter suppression poses serious problems for airborne, bistatic radar systems. Suppression may be increased using space-time adaptive processing (STAP), but suppression of slow targets is poor and target detectability is compromised. Furthermore, sufficient independent and identically (IID) training samples cannot be obtained through the use of practical applications, and the STAP performance degrades significantly due to the inaccuracy of the estimated clutter-plus-noise covariance matrix, especially in nonstationary and heterogeneous environments. Here, we present a new airborne, bistatic radar system. We transform the array from a single polarized channel to two channels, each with two orthogonally polarized antennae, and combine polarization-dimensional information with that of the space-time domain; we term our algorithm “polarization-space-time adaptive processing”. This algorithm further suppresses clutter and enhances the detection of slow targets. Sparse recovery space-time adaptive processing (SR-STAP) can reduce the need for clutter samples and suppress clutter effectively using limited training samples for airborne radar. The algorithm first uses the clutter sparse recovery function of STAP to suppress clutter in the H and V channels. Then, polarization processing is employed to further restrict mainlobe clutter. We present numerical examples to demonstrate the effectiveness of the new technique.

     

对空时自适应处理技术的散射波欺骗干扰研究

文中通过分析机载雷达空时信号模型,提出了针对空时自适应处理器的散射波多维欺骗干扰方法,根据多普勒频率对方位余弦的依从性,利用角反射器与机载雷达的几何关系构成角度欺骗,并通过干扰机调制及与雷达平台的相对运动产生虚假的多普勒信息,解决了传统空时自适应处理干扰信号维度单一的问题。分析了干扰机不同飞行路径时假目标多普勒频率对角反射方位余弦依从性的数学模型,最后通过仿真验证了干扰效果。     

基于自适应分区的非平稳杂波抑制方法

对于非正侧视阵机载雷达,杂波在近程表现出严重的非平稳性,在距离模糊情况下近程微弱目标和近程非平稳强杂波混叠,导致传统空时自适应处理（Space-Time Adaptive Processing,STAP）方法的运动目标检测性能严重下降。为了解决该问题,本文提出了一种基于自适应分区和正交投影的机载雷达非平稳杂波抑制方法。首先,基于回波数据在距离-多普勒域将机载雷达回波自适应划分为非平稳杂波区、平稳杂波区和清晰区,然后在非平稳杂波区采取俯仰维正交投影级联STAP处理,在平稳杂波区采取传统STAP处理,在清晰区采取传统PD处理。该方法能够显著提升机载雷达在全距离和全速度域的目标探测性能。仿真实验验证了所提方法的有效性。     

基于空时导向约束的天基雷达离散旁瓣杂波判别方法

由于天基雷达覆盖范围广,大量强离散杂波(小型岛礁、陆地铁塔等)会从天线旁瓣进入雷达系统,其多普勒特征与目标相同,极易造成虚警。针对以上问题,该文提出基于空时导向约束的天基雷达离散旁瓣杂波判别方法,该方法首先选取空时自适应处理(STAP)杂波抑制后检测到的潜在“目标”(包含真实目标与离散旁瓣杂波)距离多普勒单元及其附近单元;然后根据杂波多普勒频率与空间角度的耦合关系获得各杂波单元对应的空时导向矢量;最后利用获得新的导向矢量构成的滤波器再次对“目标”距离多普勒单元及其附近单元进行滤波处理,此时真实目标信杂噪比会大幅度降低,而离散旁瓣杂波信杂噪比变化不大,从而实现离散旁瓣杂波的判别。理论分析及机载实测数据处理证明该方法具有良好的稳健性和可靠性。