基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

雷达动目标短时稀疏分数阶表示域探测方法

机动目标检测和精细化运动状态估计始终是雷达信号处理的热点和难点问题,基于时频分布的动目标检测方法难以同时获得高时频分辨率,且参数估计精度受搜索步长的限制。稀疏时频分布技术结合了经典时频分析技术和高分辨稀疏域信号处理的优势,是传统变换域处理技术的扩展。构建了短时稀疏分数阶表示域信号处理框架,并在此基础上,提出了两种雷达机动目标检测和估计方法,即短时稀疏分数阶变换和短时稀疏分数阶模糊函数,实现了时变信号的时间稀疏变换域高分辨表示。对海雷达目标探测试验验证表明,所提方法适用于复杂背景下雷达机动目标的探测,并能获得目标运动状态的精细估计。     

推广的正则化FOCUSS算法及收敛性分析

针对一类可分的稀疏性度量函数,利用梯度分解技术给出了稀疏信号重构的拟牛顿算法。进一步研究表明,基于再加权最小2 范数的FOCUSS算法以及基于p 范数的正则化FOCUSS算法都是拟牛顿算法的特例。由此导出了可用于稀疏成份分析的广义正则化FOCUSS算法,并证明了该算法的收敛性。数值结果表明广义FO CUSS算法收敛到局部极小点,并且在迭代初值较为准确时能找到最合理的稀疏解。     

基于压缩感知的稀疏无源雷达成像

当窄带外辐射源数目稀少且空间分布不均匀时,通常会在无源雷达成像中产生稀疏的无规则空间谱填充,使得传统快速逆傅里叶方法(inverse fast Fourier transform, IFFT)或极坐标方法难以获得良好的目标成像效果。针对这种空间谱填充的稀疏性和非均匀性,利用压缩感知理论在处理稀疏随机采样信号重构问题上的优势,提出了稀疏无源雷达成像方法。同时通过构造传感矩阵的互相关和积累相关函数,对目标图像的可重构性进行了分析。理论分析和仿真结果表明,对具有稀疏随机空间谱特点的无源雷达成像,本文提出的成像方法是有效的。     

基于正交频谱重构的微波三维成像方法

传统微波三维成像方法的回波数据量非常大, 基于目标场景稀疏的压缩感知成像方法虽然可以降低采样率和数据量, 但字典矩阵内存占用巨大, 且对连续分布目标成像效果不佳。针对上述问题, 本文分析了目标回波在三维频域的数据分布特征, 根据构建的频谱正交投影重构模型实现了目标三维频谱的重构。为了进一步优化重构模型, 以最小图像熵作为判别准则对重构的正则化参数进行了最优估计, 并得到最优的频谱重构结果。本文所提方法具有较好的成像效果, 较高的运算速度和较小的内存占用。计算机仿真实验和微波暗室实验验证了本文所提方法的有效性。     

半监督稀疏近邻保持投影

提出了改进的稀疏子空间学习方法。首先,提出了稀疏近邻相关性重构模型,该模型通过提取样本间的局部信息和标记样本的标签信息,解决了稀疏子空间学习的全局特征导致数据描述不充分的问题;其次,利用半监督技术,引入正则化参数对无标签判别特征和标签判别特征进行特征融合,提高了基于稀疏近邻相关性重构的子空间学习算法的性能。实验结果表明,该方法具有较高的分类性能和识别率,此外,稀疏近邻相关性重构在提取判别信息时具有良好的稳定性。     

基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法

针对现有多输入多输出(multiple input multiple output,MIM O)雷达稀疏恢复成像算法中存在的运算量大、对扩展目标成像质量低的问题,提出一种基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法,通过引入目标块稀疏特征,提高对空间扩展目标的成像质量.首先,通过构造距离向和方位向感知矩阵,建...     

基于稀疏重构的机载雷达训练样本挑选方法

针对空时自适应处理中训练样本受目标信号污染时检测性能下降的问题,提出了一种基于稀疏重构技术的训练样本选取方法。该方法首先将接收数据由阵元脉冲距离域转换到阵元多普勒距离域,然后采用改进的正则化FOCUSS算法进行空域稀疏重构,估计待检测多普勒通道对应的阵元距离域数据得到高分辨角度距离谱,利用杂波多普勒与角度的先验关系,剔除角度距离谱上明显偏离角度期望的样本,实现对训练样本的有效选择。仿真表明,相比传统样本选择方法,该方法无须估计协方差矩阵,在小样本集情况下依然能够剔除被污染的样本,有较大优势。     

基于捷变频联合数学形态学的干扰抑制算法

数字射频存储器(digital radio frequency memory, DRFM)通过截获雷达发射信号并对其进行调制和转发,在距离维上形成欺骗式干扰,严重影响了雷达对目标的检测与跟踪。针对这一问题,提出一种捷变频联合数学形态学的密集假目标干扰抑制算法。首先,采用最大类间方差法(Otsu)对脉冲压缩后的数据进行二值化处理。然后,通过数学形态学中的开运算抑制干扰和噪声。最后,通过二维稀疏重构获得距离-速度二维高分辨,实现对目标的检测。仿真实验与实际雷达和干扰机对抗实验表明,该方法可以获得良好的抗干扰性能和目标检测性能。     

基于外辐射源的机载无源SAR成像算法

提出一种基于外辐射源的单发单收模式的机载无源SAR成像方法。该方法基于单个外辐射源,利用载机作规则的环形运动来合成等效雷达孔径对地面静止目标进行成像。由于接收到的数据非均匀且数据量较少,通过对接收回波数据进行坐标变换和插值运算,直接在频域数据空间利用二维傅里叶变换重建目标的散射函数分布。理论推导和计算机仿真结果证明该方法是有效的。     

基于稀疏分解的雷达信号抗噪声干扰方法研究

针对雷达在强噪声干扰下难以提取回波信号特征的问题,提出利用稀疏分解方法和基追踪去噪(basis pursuit denoising, BPDN）算法实现抗噪声干扰。该方法构造一组线性调频时移信号作为过完备库,对线性调频雷达回波信号进行稀疏分解,滤除噪声干扰;根据稀疏系数与雷达目标距离之间的关系,提取目标的距离信息。实验结果表明了该方法在雷达信号抗干扰和目标距离信息提取方面的有效性。     

MIMO雷达稀疏阵列优化设计方法

针对运动平台多输入多输出(multiple input multiple output, MIMO)雷达应用中无法进行规则稀疏布阵, 传统的稀疏阵优化设计方法优化对象单一的问题, 提出一种利用多目标进化算法(multi-objective evolutionary algorithm, MOEA)进行阵列结构优化的方法。将MIMO雷达接收端的收发联合和差波束的旁瓣电平为优化目标, 使系统具有尽可能好的和差波束旁瓣抑制性能。仿真结果表明, 基于Pareto秩排序的MOEA的MIMO雷达稀疏阵优化设计可以使系统多种性能得到提升。     

基于贝叶斯压缩感知的CSR稳健参数估计方法

针对“完全扰动”情况下压缩感知雷达(compressed sensing radar, CSR)观测矢量和感知矩阵严重失配,进而引起参数估计性能急剧下降的问题,提出了一种基于贝叶斯压缩感知(Bayesian compressed sensing, BCS)的稳健参数估计方法。首先构造“完全扰动”情况下CSR参数估计的稀疏线性模型,并从稀疏矢量的最大后验概率(maximum a posteriori, MAP)出发,推导了完全扰动矩阵服从柯西分布时的优化目标函数;随后通过稀疏矢量和尺度参数的交替迭代,求得稀疏矢量的最优解。与现有重构算法及其改进算法相比,该方法能够有效改善CSR系统应对失配误差的稳健性,提高目标成功检测的概率和参数估计的精度。计算机仿真实验验证了该方法的有效性和鲁棒性。     

基于高斯字典原子稀疏表示的高精度宽角SAR成像方法

为了提高从宽角合成孔径雷达(synthetic aperture radar, SAR)图像中提取目标后向散射各向异性特性的性能,在宽角SAR字典稀疏表示模型的基础上,提出一种基于高斯字典原子的高精度宽角SAR成像方法。在字典构造上,采用不同中心位置、相同方差的高斯函数。在求解稀疏表示系数上,采用广义最小最大凹惩罚稀疏重构算法求解。最后，根据稀疏表示系数的重构结果以及构造的字典得到目标的后向散射各向异性特性。通过仿真实验和Backhoe数据对算法进行验证,结果表明,该方法能够高精度地提取目标的后向散射各向异性特性。     

基于稀疏FrFT的窄带雷达目标架次识别方法

架次识别对于窄带雷达编队目标的探测与识别具有重要意义。本文基于最小熵准则提出了稀疏分数阶傅里叶变换(fractional Fourier transform, FrFT)最优变换阶次估计算法, 首先将雷达回波数据的FrFT结果的熵值建模为变换阶次的函数, 进而将变换阶次估计问题转化为稀疏优化问题, 利用稀疏重构算法获得最优变换阶次。最后,应用该算法分析窄带雷达多波门回波数据Doppler频率特性, 获取编队目标的架次信息。仿真和实测数据结果表明, 所提方法避免了暴力搜索能够快速获得FrFT最优变换阶次, 将该算法应用于窄带雷达回波信号处理能够准确识别编队目标架次信息。