信号相关杂波环境中的认知雷达稳健检测波形设计

研究了认知雷达回波先验信息不充分的情况下,信号相关杂波环境中的认知雷达稳健检测波形设计问题,提出了一种基于NP准则和交替投影法的波形优化算法。在该算法中,根据所推导出的检测概率与发射波形、接收机滤波器之间关系的闭式表达式,通过联合优化发射波形和接收机滤波器,达到提高接收机的检测概率和降低信号相关杂波负面影响的目的。分析仿真结果可知:稳健波形可以提升波形检测系统的动态适应能力,且稳健波形的检测性能优于传统的高斯包络波形和恒包络LFM波形;系统输出的稳健波形显示该系统发射端具有很好的稳健性而接收端则有很好的收敛性。     

干扰条件下基于空频域二次优化的MIMO雷达波形设计方法

针对干扰条件下多输入多输出雷达发射方向图优化问题,提出一种基于空频域二次优化的多输入多输出雷达波形设计方法。该方法将空域上方向图优化问题转化为关于空时发射序列协方差矩阵的优化问题,利用多输入多输出雷达发射方向图仅与阵元之间波形相关性有关的特性,进一步降低空域波形设计复杂度,并通过p阶导数约束展宽零陷;针对优化得到的协方差矩阵,利用随机向量法通过最小二乘准则逼近最优发射方向图来合成具体恒包络波形;在基于空域优化得到的发射波形基础上,根据改变不同时刻信号序列的初始相位雷达发射方向图不变的特性,通过拟功率方法优化相位变化矩阵,实现雷达波形在频域上的二次优化以抑制频域上的干扰。仿真实验证明了所提方法在方向图匹配和干扰抑制方面的有效性。     

杂波和干扰条件下基于强化学习的机载雷达波形设计

针对复杂电磁环境机载雷达智能抗干扰问题,提出一种基于马尔可夫决策过程（markov decision processes,MDP）的机载雷达波形设计方法。为实现最优决策,建立雷达和干扰MDP博弈模型,融合利用目标、杂波、噪声、雷达和干扰信号等多维度电磁信息,设置信号和干扰噪声比为奖励函数;基于贝尔曼方程和策略迭代法计算信号频域最优策略,通过迭代变换法设计时域最优波形,并采用目标检测概率衡量算法性能。仿真结果表明,和线性调频信号、跳频信号相比,该方法设计波形具有更好的环境适应性和抗干扰能力,在此基础上提高了机载雷达目标检测概率。     

MIMO雷达信号检测前跟踪算法及性能

针对雷达目标检测中,弱小目标雷达截面积小,目标角闪烁以及目标受噪声和杂波影响比较大,基于序列检测的检测前跟踪算法是在MIMO雷达信号一般似然比检测的基础上提出来的,它能够克服强杂波噪声对信号检测的影响,在低信号杂波比的情况下滤除杂波点,实现了对弱小目标的检测。仿真实验证明,在虚警概率相同的条件下,算法的性能优于似然比检测方法。     

宽带雷达目标检测中的杂波抑制处理

针对宽带雷达目标检测中的杂波干扰问题,提出基于FRFT(分数阶傅里叶变换)的多周期回波能量相干积累处理、基于Relax算法的多散射中心子回波分离的宽带雷达目标回波处理方法,既实现宽带雷达目标检测中的能量相干积累,又有效抑制了环境杂波.仿真结果表明,提出的处理方法能够显著提升宽带雷达输出信杂比.     

用于目标跟踪的自适应广义调频波形设计算法

提出了一种用于雷达目标跟踪的自适应广义调频波形设计算法。该算法根据跟踪器的动态需求,以广义调频信号为样板波形自适应设计下一时刻的发射波形,其目的是使预测的目标跟踪均方误差最小化,并假定高信噪比条件,且目标跟踪运动模型和观测模型均为线性。利用与某一波形相对应的克拉美-罗下限(CRLB)以及卡尔曼滤波器,通过最小化预测的跟踪均方误差来实现广义调频波形的自适应设计。仿真结果表明:在信噪比相同的情况下,与使用固定参数、自适应参数的线性调频波形设计算法相比,所提出的算法能够获得更低的目标跟踪均方误差。     

发射波束域MIMO-STAP雷达发射接收联合设计方法

研究了信号相关杂波背景下机载多输入多输出(multiple-input multiple-output,MIMO)雷达发射波束形成和接收滤波器的联合设计问题,建立了机载MIMO雷达发射波束域空时自适应处理(space-time adaptive processing, STAP)信号模型。为了提升杂波环境下目标的检测性能,通过最大化输出信干噪比构建了发射波束形成和接收滤波器的联合设计问题;然后,设计了一种新的基于优化最小化(majorization-minimization,MM)框架的迭代优化算法来解决联合设计问题。该算法通过合理寻找目标函数的下界可以有效提升算法的收敛速度并降低算法的运行时间。此外,与传统的相控阵雷达和MIMO雷达相比,优化后的发射波束形成和接收滤波器可以显著提升输出信干噪比,仿真实验验证了所提方法的有效性。     

博弈条件下基于SINR的制导雷达波形设计

针对电子战环境中用于扩展目标检测的制导雷达波形优化问题,提出了3种博弈策略模型,并针对不同博弈策略模型分别给出了波形优化策略。在前两种模型中,以最大化信干噪比为准则,在杂波条件下采用注水法优化波形;在第3种模型中,给出了智能雷达与智能目标之间的均衡解,并采用两步注水法得到了最优波形设计方案。仿真结果展示了不同条件下制导雷达和目标的功率分配策略。     

FFT-MTD滤波器组优化设计与仿真

介绍了用FFT算法实现雷达信号动目标检测(MTD)的方法,为提升MTD在强杂波环境下的检测性能,对加权FFT优化MTD时窗函数的选取进行了讨论,比较了6种窗函数加权时FFT等效多普勒滤波器组的幅频特性和改善因子,得出了适合于MTD的最佳窗函数,并针对某型雷达信号体制进行了仿真分析和验证,结果表明优化方法增强了MTD在杂波背景下的检测性能.     

多目标环境中的自适应学习恒虚警率检测算法

针对多目标干扰过程中参考单元内目标干扰检测单元检测,提出一种自适应学习恒虚警检测算法。该算法根据选定参考的历史样本依次加权递推出估计杂波功率水平。仿真结果表明,加权递推滤波在剔除干扰和在杂波边缘中检测目标方面表现出了良好的性能,在对抗杂波边缘WRF-CFAR更是可取的。在均匀杂波背景中改进的CWRF-CFAR总体性能优于WRF-CFAR且随滤波长度的增加优势扩大。     

DSSS时变窄带干扰抑制算法研究

在传统非线性最小二乘(NLS)算法的基础上,提出一种基于线谱估计的直接序列扩频(DSSS)系统抑制窄带干扰(NBI)的方法。该算法首先通过对基于正弦波叠加模型的NBI进行频率估计,再利用最小二乘准则进行自适应滤波,恢复出干扰信号包络,从而利用干扰对消器将其从观测数据中消除。仿真验证表明,本算法相对于传统的最小均方误差(LMS)算法、自适应频域陷波法,能较好地抑制时变音频NBI模型的干扰,且信息量损失较小。     

基于频域CFAR方法的PD雷达回波信号处理

为了提高PD雷达杂波环境下的目标检测性能,研究了机载PD雷达恒虚警检测问题。重点分析了频域均值恒虚警处理的基本原理与处理方法,采用不同方法对雷达面临的典型杂波分布信号模型进行了性能仿真分析。仿真结果表明,最大选择恒虚警处理方法能够达到预期效果。     

机动目标状态估计的最小均方误差界

基于多项式模型的各种自适应滤波算法被广泛应用于机动目标跟踪领域,但尚没有统一的评估标准来衡量这些跟踪算法的优劣。由于存在确定的时变未知输入,机动目标的状态估计实际为有偏估计。基于状态估计均方误差最小的准则,推导了多项式模型滤波的最小均方误差界计算方法,获得了使状态估计均方误差最小的过程噪声方差变化规律。该方法给出了各种基于多项式模型的机动目标跟踪算法的估计均方误差下限,也为机动目标跟踪中最优过程噪声方差的设定提供了依据。仿真结果验证了算法的有效性。     

基于步进频率正交信号的星载MIMO-GMTI雷达空时频处理研究

多发多收(MIMO)体制雷达综合采用多通道、多频技术,为解决星载GMTI面临的探测慢速运动目标和消除盲速估计等问题提供了有效途径。MIMO雷达工作的基础是有效的波形设计。因此,在分析正交波形性能的基础上,结合GMTI应用需求,建立了星载MIMO雷达步进频率正交信号的基本参数确定准则,研究了步进频率MIMO雷达空时频联合自适应处理的基本原理,通过仿真验证了MIMO雷达在杂波抑制和GMTI性能上的优势。     

基于几何法和信息融合的2D雷达目标高度估计

在由 2 D雷达组成的雷达网中 ,首先用几何方法得到了 2个目标高度估计值 ,然后利用信息融合思想 ,在最小均方误差估计准则下得到了目标高度估计融合值及其方差表示。仿真计算表明 ,基于融合方法得到的高度估计较之只用几何方法得到的高度估计 ,性能得到了明显的提高。     

最大化信干噪比的双基地MIMO雷达波形设计

为提高双基地MIMO雷达在信号相关干扰条件下对区域目标的探测能力,同时兼顾降低接收端回波信号处理的难度,以雷达输出信干噪比(signal-to-interference-plus-noise ratio,SINR)最大化为准则,提出了一种信号相关干扰条件下的双基地MIMO雷达发射波形设计方法。首先,基于基波束思想将发射波形的设计转换为对发射加权矩阵的设计,然后采用循环优化方法对发射加权矩阵和接收机权值进行联合优化,通过广义Rayleigh商、半正定松弛技术及Charnes-Cooper变换求解问题,并利用高斯随机生成法得到最优发射加权矩阵向量解,最终通过矩阵化操作得到最优发射加权矩阵。实验仿真验证了所提方法的有效性。     

多输入多输出雷达恒模稳健波形联合优化算法

针对目标冲激响应及杂波冲激响应分布特性先验知识不准确导致的多输入多输出雷达检测性能下降的问题,提出恒模稳健波形与接收机滤波器联合优化算法。将目标冲激响应及杂波冲激响应分布特性先验知识不准确时的优化问题建模为一个极大极小化问题。运用迭代优化算法将联合优化问题分解为两个子优化步骤:将波形固定时的接收机滤波器权值优化问题建模为广义瑞利商模型,求解得到相应的接收机滤波器权值矢量;利用半正定松弛技术对权值固定时的波形优化问题进行求解,获得对应的波形矩阵,并根据得到的波形矩阵,通过高斯随机化的方法获得所需的恒模波形。对所提算法的收敛性进行了证明,仿真结果表明所提算法有效。     

一种新的高分辨极化目标检测方法

针对宽带毫米波高分辨雷达体制 ,研究了杂波环境中的目标检测问题。提出了极化域线性积累滤波的思路以提高雷达接收信号的信杂比 ,在此基础上利用宽带波形固有的径向高分辨力对目标进行一维距离成像 ,估计出回波中强散射点的数量和分布 ,通过对不同径向分辨单元内的强散射点进行整体检测 ,可进一步有效地提高信杂比 ,改善雷达的检测性能。最后在毫米波段的实验仿真结果表明该方法是一种非常有效的扩展目标检测方法     

应用于卫星导航功率倒置阵的改进最小均方算法

采用功率倒置准则的自适应天线阵特别适合于弱信号、强干扰的场合,因而在卫星导航系统中得到了广泛的应用。针对基于最小均方算法实现的卫星导航功率倒置阵在干扰数目或干扰功率突然减少时,算法收敛慢、影响信号接收性能的问题,分析了这一现象的产生机理,并提出了相应的改进算法。改进算法通过功率监测来检测干扰数目或干扰功率的突变,然后对最小均方算法进行复位处理重置权值来达到迅速收敛的目的。仿真结果表明:与原算法相比,改进算法可显著提高功率倒置阵的收敛速度。     

应用于卫星导航功率倒置阵的改进LMS算法*

采用功率倒置准则的自适应天线阵特别适合于弱信号、强干扰的场合,因而在卫星导航系统中得到了广泛的应用。针对基于最小均方误差(LMS)算法实现的卫星导航功率倒置阵在干扰数目或干扰功率突然减少时,算法收敛慢、影响信号接收性能的问题,分析了这一现象的产生机理,并提出了相应的改进算法。改进算法通过功率监测来检测干扰数目或干扰功率的突变,然后对LMS算法进行复位处理重置权值来达到迅速收敛的目的。仿真结果表明,与原算法相比,改进算法可显著提高功率倒置阵的收敛速度。