基于压缩感知和三次相位变换的低复杂度空中机动目标参数估计

该文提出一种基于压缩感知和三次相位变换(Cubic Phase Transform, CPT)的低复杂度空中机动目标参数估计方法。首先利用CPT将机动目标回波信号中的两个参数进行分离,然后采用压缩感知技术完成机动目标参数的估计。在机载雷达发射脉冲数有限的情况下,该方法能够获得准确的参数估计结果;仿真实验验证了该方法有效性。     

基于NLS-RELAX的空中多机动目标参数估计

针对机载雷达在环境复杂的高空飞行时检测空中多机动目标难度大的问题,提出了一种基于NLS-RELAX的空中多机动目标参数估计方法。本方法借鉴了RELAX算法的思想,可对多个机动目标进行有效分离,并利用非线性最小二乘(Nonlinear Least Squares, NLS)对分离后的每个机动目标信号进行参数估计。仿真实验表明,在目标信号严重被强杂波淹没且脉冲数有限的情况下,本方法可以获得较为精确的参数估计结果,且由于加入了RELAX的分离思想,在待检测距离单元内存在多个机动目标时本方法同样适用。     

结合CPT的相控阵空中高机动目标参数估计

针对高机动目标多谱勒走动使得传统方法检测和参数估计性能下降的问题,提出了一种最优处理器框架下的结合三次相位变换(Cubic Phase Transform,CPT)的相控阵雷达空中高机动目标参数估计方法,该方法将三次相位变换引入相控阵体制,利用相控阵体制下回波相位的相关性,补偿接收信号空间相位,实现接收信号的相干积累,然后通过求取补偿后信号的相位函数矩阵,实现信号的参数分离,最后进行参数估计。仿真结果证明,该算法能够在输入信噪比较低、采样脉冲较少的情况下,获得较高的参数估计结果。      

一种快速的同时多机动目标参数估计方法

近年来，对机动目标参数快速估计方法的研究受到了广泛关注。然而，许多已有的参数估计算法存在精度与计算量相矛盾的问题。此外，当同时对多个机动目标参数进行估计时，传统的时频类算法会存在交叉项的干扰。针对上述问题，注意到雷达回波信号的高阶相邻自相关函数 （Higher-Order Adjacent Cross Correlation Function， HACCF)的展开式中，自相关项是与相邻延时无关的常数项，而交叉项则是以相邻延时为变量的函数。基于该特点，提出一种快速的估计多机动目标参数的估计方法。该方法先对信号的HACFF求均值以提取出自相关项，实现对交叉项的有效抑制；在此基础上进一步估计自相关项的频率，从而准确估计出机动目标的加速度等参数。与传统方法相比，该方法有如下优点： 1) 运算量小，能快速估计出机动目标参数； 2） 能同时估计出多个机动目标的参数； 3） 估计精度高。     

基于WVD的机载相控阵雷达机动目标检测及参数估计方法

该文提出了一种基于魏格纳分布(Wigner-Ville Distributed, WVD)和重构时间采样(Reconstruction timesample, RTS)的空中机动目标检测和参数估计方法。该方法首先利用雷达回波的空域采样来重构时域采样,相当于增加了单个阵元的脉冲采样点数,然后再对重构后的数据进行WVD变换来估计目标的参数。该方法能够在方位信息未知,脉冲数较少的情况下有效地实现对机动目标的检测与参数估计。仿真结果验证了该方法的有效性。      

一种大加速度机动目标微动参数估计方法

运动目标具有大加速度时,在一定的观测时间内,其瞬时多普勒频率是模糊的。若目标存在微动,相应产生的微多普勒会叠加于模糊的多普勒频率之上。这种现象常见于高速机动目标。针对提取具有大加速度微动目标的运动特征问题,该文提出一种参数估计方法。通过对目标多普勒频率的解模糊以及对目标整体运动的估计和补偿,提取目标的微多普勒分量,在此基础上估计目标的微动周期。基于仿真数据和实测数据的分析表明,该方法适用于估计大加速度机动目标的微动参数问题。     

基于调幅—线性调频信号参数估计的机动目标成像方法

逆合成孔径雷达（ISAR）机动目标成像受到了研究者的广泛重视。在已有的机动目标成像算法中,通常假设在综合孔径处理期间,各距离单元内各散射回波是等幅线性调频信号。在实际中,以上假设仅是近似成立,基于此假设的机动成像算法难以得到较高质量的目标图像。本文采用更精确的信号模型－多分量调幅－线性调频（AM－LFM）信号表示实际机动目标的各距离单元回波,并提出一种AM－LFM信号参数估计方法以及快速算法,通过估计信号的时变振幅、调频率和初相等参数,得到了更高质量的机动目标的动态ISAR像序列,以利于目标识别,而且运算量比已有算法要小。     

基于频率轴反转的机动目标距离徙动补偿方法

机动目标在长时间积累时间内发生严重的距离徙动与多普勒徙动,影响雷达对目标的检测性能.针对该问题,该文提出一种基于频率轴反转变换与广义自相关变换的机动目标检测与高阶运动参数估计快速算法.首先在距离频域利用频率轴反转变换校正距离徙动,信号变为立方相位信号;然后利用广义自相关变换与广义变尺度傅里叶变换实现信号降阶与参数非搜索估计;最后利用估计参数对原始信号解调频,并完成目标能量的积累.与现有的Keystone,广义Radon-Fourier变换,Radon-吕分布和Radon-分数阶傅里叶变换相比,本文方法可以快速校正距离徙动,实现非搜索的目标参数估计,达到低计算复杂度与检测性能的折中.仿真实验表明,该方法可有效完成机动目标的检测与参数估计.     

机载雷达高速空中机动目标检测新方法

空时自适应处理(Space-Time Adaptive Processing,STAP)是一种有效的机载雷达运动目标检测方法.空中目标的高速运动会导致其回波产生严重的距离走动和多普勒模糊,并且目标作加速运动时还会引起多普勒走动.为了有效检测上述目标,本文提出了一种新方法,该方法在目标距离走动校正之前首先进行杂波抑制,避免了直接利用Keystone变换校正存在多普勒模糊的运动目标距离走动时影响杂波分布特性、进而降低STAP性能的问题;然后对距离走动校正后的数据进行Wigner-Hough变换,估计出目标的加速度,并根据估计值对多普勒走动项进行补偿,从而使目标能量能够得到有效积累;最后进行运动目标检测.仿真结果证明了该方法的有效性.     

基于修正自适应匹配滤波器的机动目标检测方法

机动目标回波的多普勒走动和训练样本不足导致常规自适应匹配滤波器(Adaptive Matched Filter, AMF)检测机动目标时运算量大且性能不佳。针对此问题, 该文提出一种基于修正AMF的机动目标检测方法。该方法首先通过对角加载减少样本空间自由度, 从而降低对训练样本数的需求;然后以3次相位变换(Cubic Phase Transform, CPT)分离估计加速度, 并以估计值补偿多普勒走动, 降低联合匹配搜索维度, 进而减少运算量;最后进行积累检测。仿真结果表明, 该方法运算量低, 可实现小样本下机动目标的有效检测, 具有恒虚警(Constant False Alarm Rate, CFAR)特性。      

基于运动参数非搜索高速机动目标检测

该文提出一种新的高速机动目标检测与参数估计算法。首先,通过二阶Keystone变换(KT)消除距离频率与慢时间的二次耦合,并计算对称瞬时自相关函数(SIAF)。其次,对SIAF不同维依次进行尺度逆傅里叶变换(SIFT)、尺度傅里叶变换(SFT)和快速傅里叶变换(FFT)实现能量积累,在新的参数空间进行峰值检测得到径向速度模糊数和径向加速度估计值。最后,根据估计的参数构造补偿函数对距离徙动和多普勒扩散进行补偿,并通过KT算法实现目标检测和距离、模糊径向速度的估计,结合补偿的径向速度模糊数计算出不模糊径向速度。 由于不需要进行参数搜索,并且SIFT和SFT均能通过FFT快速实现,因此算法计算量得到大幅度减小。仿真实验验证了该算法的有效性。     

稀疏贝叶斯字典学习空时机动目标参数估计算法

针对基于稀疏恢复的空时自适应处理(STAP)目标参数估计方法中字典失配导致估计性能下降的问题,该文提出一种基于稀疏贝叶斯字典学习的高精度目标参数估计方法。该方法首先通过目标方位信息补偿多个阵元数据构建联合稀疏恢复数据,然后对补偿后的每个阵元数据利用双线性变换进行加速度和速度项分离。最后构建速度参数和加速度参数的泰勒级数动态字典,对机动目标参数进行高精度贝叶斯字典学习稀疏恢复。仿真实验证明,该方法能有效提高字典失配情况下目标参数估计精度,估计性能优于已有字典固定离散化的稀疏恢复空时目标参数估计方法。     

基于重构时间采样的空中机动目标检测与参数估计

空时自适应处理(Space-Time Adaptive Processing,STAP)是一种有效的机载预警雷达动目标检测方法。但当来袭目标具有很强的机动性时,其多普勒频率随时间变化,使得传统STAP方法的相参积累性能大大下降。针对这种情况,该文提出了一种将STAP与分数阶Fourier变换(FRactional Fourier Transform,FRFT)相结合的机载雷达空中机动目标检测和参数估计方法。该方法利用空间采样来重构时间采样,等效于增加了单个阵元的脉冲点数,解决了由于机载预警雷达在一个相干处理时间内发射脉冲点数有限而导致直接应用FRFT估计精度较差的问题。仿真结果证明了该方法的有效性。     

基于超分辨雷达的目标参量估计研究

讨论了在车载雷达对目标自动识别的要求下,阵列信号的谱估计问题,将修正MU-SIC(MMUSIC,Modified Multiple signal classification)算法推广到时-空二维谱估计中,解决了相干信号的频率一方位超分辨估计问题,仿真结果表明了这种方法在系统实现中的可行性和有效性.     

基于HRRP序列的空间进动目标参数估计方法

空间目标的微动特征可以用来识别空间目标并估计目标参数。在空间进动锥体目标参数估计过程中,针对缺少目标结构参数等先验信息以及部分参数存在耦合问题,本文提出一种基于高分辨距离测量以实现进动参数和形状参数估计的新方法。该方法首先利用弹头目标的径向长度序列的极值信息估计出进动参数和形状参数的耦合结果,然后再根据径向长度序列构造一个辅助函数来实现进动参数和形状参数解耦。最后利用电磁仿真数据实验验证了该方法的有效性和适应性。     

基于一维距离像序列的进动目标参数估计

高分辨一维距离像为识别弹道目标的重要方式,但单幅距离像并不能得到目标真实尺寸,也不能得到目标的进动参数。利用弹道目标的一维距离像尺寸序列的信号模型,提出一种估计弹道目标真实尺寸、进动周期和进动角的新方法。该方法先对尺寸序列采用四参数模型进行曲线拟合,估计出包括进动周期在内的信号参数,得到包括目标真实尺寸、进动角和目标姿态角三个未知数在内的二个方程;再利用弹道目标零攻角的再入特性,得到目标姿态角,从而解出目标真实尺寸和进动角。仿真结果表明该方法的有效性。