频率步进雷达距离旁瓣抑制自适应脉冲压缩算法

在频率步进雷达中,通常使用逆快速傅里叶变换方法进行高分辨成像。由于逆快速傅里叶变换的距离旁瓣高,有可能造成强散射点旁瓣掩盖附近弱散射点或者弱小目标情况,限制了其在强杂波环境下的使用。为了抑制高距离旁瓣,近年来提出一种基于最小均方误差准则的自适应脉冲压缩方法。基于自适应脉冲压缩算法原理,推导了频率步进雷达距离旁瓣抑制算法。针对静止和运动目标场景,分析自适应脉冲压缩算法的旁瓣抑制性能。仿真结果表明,与逆快速傅里叶变换和加窗逆快速傅里叶变换处理比较,自适应脉冲压缩算法具有更好的旁瓣抑制效果,能够更好地检测强散射点附近的弱散射点或者弱小目标。     

基于进化规划的RBF网络用于二相码旁瓣优化

研究了低截获概率技术中常用的二相编码信号处理中的距离旁瓣压缩问题,采用改进的进化规划算法优化径向基函数网络,提出了一种基于改进进化规划算法的计算方法。通过对13位巴克码和31位M编码的仿真实验,表明新的方法在旁瓣抑制能力和运算速度等性能方面,都有较大的提高。     

频率步进雷达高分辨距离像解模糊方法研究

针对频率步进雷达中存在的高分辨距离像模糊现象,通过分析其本质原因--周期延拓引起循环移位,提出了一种等效混频解距离像模糊的新方法,并给出了等效混频本振频率的选择范围.通过仿真实验验证了该方法的有效性.     

随机频率步进雷达成像分析

随机频率步进信号兼具步进频率雷达和宽带噪声雷达的特点,不仅可以降低系统瞬时带宽和数据采样率,还具有优良的低截获概率(LPI)、电磁兼容性(EMC)和抗射频干扰(ARFI)特性.分析了随机频率步进信号的相关输出及模糊函数的统计特性,如一阶矩、二阶矩和方差等,并与均匀频率步进信号做了抗干扰性能的比较.提出并分析了相关输出结...     

雷达旁瓣对消性能分析与实现

任何天线都有旁瓣,当雷达受到敌方强有源干扰时,进入旁瓣的干扰信号可以淹没主波束接收的目标信号,因而极大地影响了系统性能。为了有效地抑制干扰,在雷达中采用旁瓣对消技术实现空间上的自适应滤波,使来自天线旁瓣的干扰衰减到最小。接收通道的非零带宽和波程差、接收通道频率特性不一致等对旁瓣对消性能有影响。通过仿真对某雷达的旁瓣对消性能进行分析。     

辐射式雷达目标回波模拟技术

辐射式雷达目标回波模拟,其目的在于构建一个支持雷达全系统进行试验或训练的目标环境。针对搜索雷达,提出了基于旁瓣注入的辐射式雷达目标回波模拟方法,即对回波模拟设备接收存储的雷达射频信号进行辐射时机控制、功率调制和频率调制,以形成模拟回波并从雷达天线旁瓣注入雷达。该方法不但能够模拟目标径向运动,而且能够模拟目标在一定方位范围内的切向运动,适用于外场条件下的雷达模拟试验。最后以某型搜索雷达为例,通过计算机仿真验证了方法的可行性。     

对机载相控阵雷达STAP技术的旁瓣干扰

空时自适应处理(STAP)是一种有效的抗干扰技术。介绍机载相控阵雷达STAP技术检测动目标的基本原理,提出了基于灵巧噪声的旁瓣干扰方法。研究了灵巧噪声的具体干扰样式,利用其经雷达MTD处理后在距离-多普勒域都展宽的特性形成大量假动目标,当假动目标的距离-多普勒信息与待检测通道吻合时将产生响应输出形成欺骗干扰,以扰乱目标的正常检测,理论分析和仿真结果证明了干扰的可行性和有效性。     

调频信号对调频步进ISAR的相干干扰技术

逆合成孔径雷达由于其独特的成像原理,具有比普通雷达更强的抗干扰能力.调频步进信号具有在保持瞬时带宽较小的同时通过合成宽带技术获得距离高分辨,降低系统实现复杂度的优点.提出了一种基于线性调频信号对调频步进信号体制成像雷达相干干扰方法,利用线性调频信号对调频步进雷达接收到的回波信号进行附加的频率调制和相位调制后转发,来破坏ISAR成像的方法.由于线性调频信号与线性调频步进信号有相似的频域特性,因此可以获得一定的处理增益,从而降低干扰功率.仿真试验表明这种方法行之有效.     

基于二阶锥规划的MIMO雷达任意形状旁瓣波束设计

针对MIMO雷达非均匀布阵引起的高旁瓣问题,提出一种基于二阶锥规划的任意形状旁瓣设计算法.算法通过在旁瓣区域附加多个二次不等式约束,从而有效抑制干扰、保持期望方向天线增益的同时,获得了期望的、可以任意控制的旁瓣波束响应.通过将优化模型转化为凸二阶锥规划问题,利用内点法可以得到有效求解.仿真试验表明:算法能够获得任意形状期望旁瓣波束设计的同时,有效提高了波束形成器的输出信干燥比.最后计算机仿真结果证实了算法的有效性和可行性.     

线性调频信号指定位置旁瓣抑制研究

强散射体线性调频(LFM)信号回波经过脉冲压缩后,旁瓣会遮蔽附近的弱散射目标。针对这一问题,为了在指定的位置获得超低旁瓣,消除强散射体旁瓣对弱散射目标的遮蔽,提出一种旁瓣抑制窗函数求解方法:以指定位置旁瓣强度为目标函数,通过推导目标函数的梯度和Hessian矩阵,求得窗函数的迭代步长,进而通过迭代求得所需的指定位置旁瓣抑制窗函数(SLSS窗)。仿真结果表明,通过该方法求得的窗函数,能够在指定位置获得超低旁瓣,消除强散射体旁瓣对弱散射目标的遮蔽。