基于数字波束锐化的高速前视合成孔径雷达成像算法

针对目前前视合成孔径雷达(Synthetic Aperture Radar,SAR)成像算法都基于平台前向运动速度较低,无法应用于高速运动平台的问题,以单发多收的机载前视SAR系统为研究对象,分析了高速前视SAR的空间几何模型和回波信号模型,提出了一种适合于高速前视SAR的多普勒波束锐化(Digital Beam Sharpening,DBS)成像算法.同时,为了解决高速运动带来的成像模糊问题,提出了相应的距离徙动校正方案,显著提高了DBS算法的成像质量.最后,模拟了点目标阵列的前视SAR回波数据,并利用所提出的算法进行了成像.成像结果验证了算法的有效性.     

自由空间中箔条云团极化散射统计特性的研究

针对自由空间环境,研究了箔条云团极化散射的统计特性.根据相干散射模型导出了箔条云团的极化散射矩阵,给出了箔条云团散射矩阵的一二阶矩及其概率密度函数的解析表达式.在此基础上,分析了箔条云团散射截面积的起伏特性,并给出了其统计分布的精确表达式.这些公式原则上适用于包括大气层内抛撒情形箔条云团的极化散射计算问题.     

基于运动学调制的高逼真度有源假目标航迹研究

针对外太空干扰机产生的与雷达真实目标回波高度逼近的有源假目标干扰,在雷达数据处理环节可通过动力学守恒定律对此类假目标进行过滤,从而导致常规的转发式假目标无效。基于精细运动学调制原理,从理论上推导假目标欺骗参数与动力学参数（动量矩）之间的关联关系,将其化简为一个一元二次方程,并导出假目标欺骗参数的解析表达式。通过仿真实验比较传统假目标和精细调制假目标的对抗性能。研究结果表明,新方法产生的假目标航迹运动学特性几乎与实体目标相同,可以达到以假乱真的目的。     

基于Stokes子矢量估计的弱信号检测

研究了窄带极化雷达的弱信号检测问题。首先给出目标散射波和随机极化波瞬态Stokes子矢量序列（ISVS）的表征方法和匹配距离的概念，而后提出了一种雷达目标散射信号Stokes子矢量的估计方法。最后，利用目标散射信号和接收机噪声的ISVS之间的差异，基于径向积累的思想提出了一种弱信号检测算法，可以显著改善雷达系统的检测性能，对于反隐身、预警和空间探测等具有一定的指导意义。     

基于Stokes矢量的高分辨极化目标检测

研究了毫米波高分辨雷达杂波环境中的目标检测问题,提出了基于Stokes矢量的高分辨极化目标检测方法,利用毫米波形固有的径向高分辨力对目标进行一维距离成像,结合目标所占据分辨单元区间内的Stokes矢量的幅值以及其极化状态相对于杂波所对应分辨单元内的Stokes矢量的幅值以及其极化状态有着较大的变化这一客观事实,提出了基于Stokes矢量的双门限非参数检测方法,实验仿真结果表明本文方法能够有效改善雷达的检测性能。     

基于非线性积累的高分辨极化目标检测

研究了毫米波高分辨雷达体制下的目标极化检测问题,提出了极化域非线性加权积累的思路,以提高雷达接收信号杂比,在此基础上提出了基于高分辨雷达目标一维距离像“位置“相关的目标检测方法,在毫米波段的实验结果表明,该方法是一种非常有效的扩展目标检测方法。     

有源假目标极化识别方案的设计与性能分析

本文研究了有源多假目标的极化识别及其性能评估问题.首先给出了极化雷达对目标和有源假目标干扰的接收信号模型,然后根据有源真假目标回波特性的差异提出了识别检验量,并给出了有源假目标的极化识别方案.最后,研究了识别检验量的统计特性,从理论上分析、评估了真假目标极化识别的性能.     

基于瞬态Stokes子矢量的信号检测

研究了随机极化波中目标散射信号的检测问题。首先导出了正态随机极化波的瞬态Stokes子矢量概率分布密度的解析表达式，在此基础上，基于信号和背景噪声之间的瞬态Stokes子矢量统计特性差异，提出了一种基于瞬态Stokes子矢量的信号检测方法，仿真结果验证了该算法的有效性。     

脉冲波形激励下箔条云团的极化散射特性

针对弹道导弹突防背景,研究了脉冲波形激励下箔条云团的极化散射特性.导出了任意极化脉冲信号激励下箔条云团的反射场模型,给出了其反射场的一、二阶矩.分析了箔条云团反射场的频谱特性、相关特性及其时频特性,并以球形均匀分布箔条云团为例给出了计算机仿真结果.     

基于ISVS的微弱信号检测

针对窄带极化雷达系统,本文研究了微弱信号的检测问题.首先给出了目标散射信号和随机极化波的瞬态Stokes子矢量序列(简记为ISVS)的表征方法,导出了随机极化波的ISVS到期望信号匹配距离的统计特性.在此基础上,利用目标散射信号和接收机噪声的ISVS到期望信号匹配距离之间的差异,基于径向积累的思想提出了一种微弱信号检测算法,可以极大地改善雷达系统的检测性能,对于反隐身、预警和空间探测等应用领域有着重要的指导意义.