基于回声状态网络的OTHR海杂波抑制方法

在短相干积累时间(CIT)情况下,天波超视距雷达(OTHR)中低速目标检测很困难:低速目标靠近强大的海杂波频谱;短CIT导致多普勒分辨率低,使目标信号与海杂波更难区分。传统方法一般利用海杂波与目标信号的时频特征不同来抑制海杂波,目标速度较高时这些方法很有效,然而在短CIT、低速目标情况下目标与海杂波信号的时频特征的区分度很小,使得传统方法难以有效抑制海杂波。针对上述问题,考虑到海杂波与目标信号具有不同的动力学特征,提出一种基于回声状态网络的天波雷达海杂波抑制方法。该方法首先用海杂波参考信号训练回声状态网络,使该神经网络"记住"海杂波的混沌动态特征;然后用前述训练好的网络重构和预测天波雷达回波中...     

一种改进的天波雷达海杂波循环对消算法

在天波超视距雷达中,舰船等慢速目标的频谱通常靠近强大的海杂波谱,检测难度大,在短相干积累条件下,回波频谱的多普勒分辨率降低,进一步增加了目标检测难度。目前的海杂波抑制方法主要是循环对消法,但是传统的循环对消方法仅通过傅里叶变换后最大谱线来估计频率,频率估计精度不高,杂波残留严重,而且容易将目标信号也对消掉。针对该问题,提出了一种改进的循环对消算法,该算法中,首先给出了短相干积累下海杂波频率的高精度估计算法,利用最大的3根谱线进行插值来对粗估计得到的频率进行校正,从而精确估计海杂波频率,在此基础上估计时域的海杂波信号;为了避免将目标信号也对消掉,进一步给出了海杂波的频率界限,只在杂波界限内进行海杂波循环对消;与传统算法相比,所提算法能够对海杂波参数进行高精度估计,从而减少了对消过程中剩余杂波的能量,有利于舰船目标的峰值显露,而且杂波频率界限的使用能够避免将目标信号对消掉,提高了目标的检测效能。仿真和实测数据处理结果均表明,与传统循环对消法相比,所提算法能用更少的对消次数凸显出舰船目标,而且残留杂波能量更低。     

基于OMP算法的极化敏感阵列多参数估计

基于压缩感知的DOA估计方法在小快拍数下性能优越,并且具有天然的解相干能力,但在极化敏感阵列中运用很少。基于极化敏感阵列研究一种改进的OMP算法,能够成功估计出空域和极化域参数。该算法首先将极化敏感阵列信号接收矩阵重新建模,随后采用所提的改进OMP算法得到空域到达角估计结果。然后将求解出来的空域到达角代入到根据模值约束条件构造出来的代价函数中,通过闭合式解得到极化参数估计,从而实现了自动配对的空域和极化域的参数估计。仿真结果表明,该方法无论信号相干与否都能够得到良好的估计结果,并且在非相干情况下,估计性能总体优于极化ESPRIT算法及模值约束MUSIC算法。