王彤[1]2001年在《机载雷达简易STAP方法及其应用》文中提出杂波抑制是机载预警雷达下视工作时的关键问题。除了采用低副瓣天线、偏置天线相位中心(DPCA)等传统杂波抑制技术，能够有效提高机载相控阵雷达地杂波抑制能力和动目标检测性能的空时二维自适应处理(STAP)受到了广泛关注。STAP的研究始于1973年，至今已有20多年的历史。起初其研究的重点是全空时的最优处理，但是其计算量和实现的复杂度令人们难以接受，并且难以获得估计协方差矩阵所需的足够多的样本数。后来的研究重点就转移到了降维处理算法上。人们在降维算法的研究上做了大量的工作，提出了很多种方法，也发表了大量的文章。降维算法从原理上可以分为两类：固定降维方法和自适应降维方法。对于工程应用，人们更关心固定降维方法。随着空时二维处理研究的深入，人们发现它不仅可以应用于机载预警雷达，只要杂波存在空时耦合的特性，空时二维处理都可以发挥作用。战场感知雷达和机载火控雷达的地面慢速目标检测功能也受到地杂波的制约，可以利用空时二维自适应处理提高抑制杂波的能力。本论文的主要目的就是研究简易空时二维自适应处理技术及其在地面慢速目标检测中的应用。 1996年，王宏等人提出了一种只采用两个空域自由度的降维方法，这两个空域通道是通常天线系统都具备的和、差波束支路，称作∑Δ-STAP方法。人们对这种特殊的空时二维处理感兴趣的原因是无论相控阵天线系统还是反射面天线系统，天线工程师都可以设计出性能很好的和、差波束。所以基于和、差波束的空时二维处理方法不仅可以用于相控阵天线雷达，也可以用于一般的反射面天线雷达。王宏等人的研究显示∑Δ-STAP方法具有很好的杂波抑制性能，同时具有很多优点。但另一方面，它也存在很多局限性，在许多情况下性能并不理想。 本文的第2章首先介绍固定降维方法和恒虚警检测的基本原理。在此基础上，讨论了几种多普勒域的降维方法，其中包括一种多普勒局域化的∑Δ-STAP方法——∑Δ-EFA方法。理论分析和仿真研究表明∑Δ-EFA方法在理想情况下具有令人满意的杂波抑制能力和较好的空时响应。但是，在实际应用的非理想环境中∑Δ-EFA方法的性能会出现严重下降。所以第3章讨论一些非理想条件对∑Δ-EFA方法性能的影响。这些因素包括和、差波束的特性、阵元和通道的误差、不同的脉冲重复频率(PRF)。本章研究了它们对系统性能的影响，提出∑Δ-EFA方法性能改进的两种方法，可以克服∑Δ-EFA的很多局限性，提高检测性能。 J．机载雷达简易STAP方法及其应用 一 第 4章研究正侧视阵天线地面动目标检测的开环方法和简化空时二维处理方 法。本章首先研究了杂波的二维谱分布，指出在GrD条件下杂波谱是高度模糊 的，主瓣杂波是制约系统对动目标检测性能的主要因素。接着讨论了干涉仪方法 的原理、性能和局限性。干涉仪方法的性能上限是IDT方法，所以在相干脉冲数 积累数较小的情况下性能很差。对简化STAP方法的研究显示它可以按照杂波谱 分布形成很好的斜凹口，获得很好的系统改善。本章还提出了一种利用若干个二 维波束按照杂波分布形成斜凹口的开环方法。仿真结果证明它可以按照主瓣杂波 的二维分布形成抑制杂波所需的斜凹口，其性能优于干涉仪方法，特别是在相干 脉冲数较少的倩况下。 执行地面目标检测任务的火控雷达通常采用前视阵，它们的杂波分布比较特 殊。一方面，主瓣杂波的带宽和斜率随着扫描方位角的变化而变化；另一方面杂 波的二维分布随着距离或俯仰角的变化而变化。我们推导了主瓣杂波带宽的公 式，讨论了不同扫描方位角情况下它对性能的影响。我们还讨论和比较了在杂波 分布随距离变化较弱的远距离的情况下，各种滤波方法的性能。在杂波分布随距 离变化比较明显的近距离，必须采用特殊的方法抑制杂波。第6章研究近距离GMTD 的杂波抑制方法。在对杂波随距离变化的原因进行了深入研究的基础上我们提出 一种杂彼的频移补偿方法（FSC），它可以明显缩小杂波谱在二维平面内的分布区 域，极大地减小了杂波分布随距离变化的危害。仿真结果显示用频移补偿方法对 一《钓群进行预处理可散显着提高各种方法的杂披抑制能力。在本章中还提出了频移一一—一 补偿方法的一种简化近似实现方法，可以大大节省运算量。最后我们给出频移补 偿方法在一种特殊的机载预警雷达中的应用。 如果训练样本不服从独立同分布，空时二维自适应处理的性能会急剧下降。 在某些情况下，样本被目标信号污染也会明显影响系统对权矢量的估计而使空时 二维处理的输出信杂噪比明显下降。第7章首先分别分析了目标信号污染对广义 旁瓣相消结构和直接法处理的影响。结果表明采用阻塞矩阵和不包含检测单元的 二次数据并不能有效避免目标信号污染的影响，而已有的奇异检测器也并不能准 确地发现这样的奇异样本。为此，本文提出一种新的奇异判定准则和两种新的奇
代保全[2]2014年在《机载数字阵列雷达非均匀杂波抑制方法研究》文中研究表明机载雷达是战场信息获取和武器制导的一种重要装备,在现代战争中起着不可或缺的作用。一般情况下,机载雷达接收到的回波中含有大量的强杂波,容易湮没回波功率较弱的目标,导致雷达系统的目标探测性能下降。空时自适应处理(STAP)技术将时域和空域采样数据联合处理,可有效抑制地杂波,改善机载雷达的目标探测性能,因而受到了广泛的关注。常规的统计STAP方法所需要的杂波协方差矩阵通常是从独立同分布的杂波样本中估计出来的。但实际雷达杂波大多是非均匀的,造成这一现象的原因有多种,如快变的地面场景、离散杂波、非正侧阵／双基构型等,导致杂波协方差矩阵估计不准确,从而降低了STAP方法的杂波抑制性能。本文对非均匀杂波环境下的STAP技术进行了研究,主要内容概括如下：1.研究了非正侧面阵机载雷达的杂波特点和改善非正侧阵机载雷达目标检测性能的方法。对于中等脉冲重复频率机载雷达来说,近距离的一次杂波是造成杂波非均匀性的主要因素,而远程杂波可以看成是均匀的,据此提出一种适用于非正侧面阵机载雷达的级联STAP方法。利用斜投影技术从回波中提取出近程杂波,并将其与原始回波进行自适应对消处理,以抑制非均匀性最严重的近程杂波,提高回波的均匀性,然后再级联方位STAP处理来抑制剩余的杂波。仿真结果表明所提方法可以明显提高非正侧面阵机载雷达的目标检测性能。2.研究了利用地理环境知识改善STAP技术性能的方法。雷达杂波的统计特性与照射场景地表覆盖类型密切相关,根据这一事实提出一种利用地理环境知识提局STAP处理性能的方法。首先利用地理环境知识挑选出与待检测单元地面覆盖类型最相似的样本,改善采样协方差矩阵的估计性能。然后估计出待检测单元的杂波谱,构造出谱基杂波协方差矩阵。最后将这两种协方差矩阵融合处理。该方法综合利用了地理环境知识以及待检测单元所包含的杂波信息,可有效减少对训练样本的需求。3.研究了非均匀环境下的杂波协方差矩阵估计问题。当雷达杂波服从高斯分布时,待检测单元的杂波协方差矩阵为训练样本外积的均值,即采样协方差矩阵。但当雷达系统分辨率较高或者照射场景严重非均匀时,杂波不再服从高斯分布,采样协方差矩阵会产生较大的误差。针对此问题,给出了两种杂波协方差矩阵估计方法。第一种方法从复合高斯杂波模型出发,推导出一种加权协方差矩阵形式,可有效消除杂波功率起伏,具有恒虚警性,该方法适用于部分均匀杂波环境。第二种方法适用于任意非均匀杂波环境,首先剔除杂波谱结构与待检测单元差异十分明显的样本,提高剩余样本的均匀性,然后再利用这些样本估计杂波协方差矩阵。仿真实验以及实测数据处理结果表明这两种方法可以明显提高STAP技术性能。4.研究了鲁棒自适应相干检测器(ACE)设计问题。ACE检测器具有良好的旁瓣目标辨识能力,但它对阵列流形误差比较敏感。针对这一问题,提出了一种提高ACE检测器鲁棒性的设计方法。首先假设真实导向矢量位于一椭球不确定集内,然后根据ACE检测器的特点,将鲁棒ACE设计问题转化为凸优化问题,利用牛顿-拉夫森方法对该优化问题进行求解。该方法适用于包括波束指向误差以及阵元幅相误差在内的多种导向矢量误差情况。仿真实验表明所提方法可以明显提高ACE检测器对阵列流形误差的鲁棒性。
胡海洋[3]2014年在《机载雷达稳健的空时信号处理方法研究》文中研究指明近年来,机载雷达的发展受到了研究学者以及工程人员越来越多的关注。机载雷达相对于地基雷达具有诸多优势,比如拥有良好的机动性,观测范围更加广泛等等,但其面临的杂波环境更加严重,且杂波谱会发生严重扩展。在实际工程实现中,杂波的模拟以及全维空时自适应处理存在着计算量大和需求样本量大的问题,因而需要研究更加有效的自适应处理方法。本文针对机载雷达地海杂波特性、杂波的模拟、一维的稳健的自适应波束形成(RAB)方法以及两维的空时自适应处理(STAP)方法分别进行了研究,主要包括以下几个方面:1.机载雷达所处的环境比较复杂,雷达接收到的杂波可能包括多个类型,对于大场景下的雷达杂波难以有效的表示和模拟,针对这一问题,本文研究分析了机载雷达地海杂波的组成以及每一种杂波的散射特性,讨论了几种常用的杂波幅度分布模型,并且对每一种分布进行了仿真验证,分析了不同了类型的地海杂波使用的幅度分布模型;最后结合实际项目需求,利用MATLAB GUI设计了一款简易的机载雷达杂波模拟软件,通过输入合理的机载雷达和场景参数就可以简单的模拟不同类型的杂波,建立机载雷达杂波数据库,便于实际当中机载雷达杂波数据的分析处理。2.传统的机载雷达杂波抑制采用空时联合处理,已有的STAP理论方法要求杂波数据满足独立同分布(IID)条件,实际上是无法满足的,而且要求样本数据充足,一般的STAP方法的运算量也比较大,针对以上这些问题,本文先是分别利用对角加载和协方差矩阵锥化(CMT)研究了两种改进的稳健波束形成方法,可以在小样本数以及训练样本受污染时有效的估计期望信号的导向矢量;然后再研究了一种基于子空间技术的空时分离(STSF)的STAP方法,该方法分别在空域和时域利用子空间追踪技术,通过空时迭代运算,可以在少量样本下有效的精确的估计出信号的空时权矢量。仿真分析表明以上提出的改进的稳健波束形成方法和基于空时分离的STAP方法的有效性。
王珽[4]2017年在《机载MIMO雷达空时自适应处理模型与算法研究》文中指出作为一种新兴的雷达体制,多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达具有改善传统雷达性能的诸多潜力以及广泛的应用领域,受到了国内外军事界与学术界的广泛而持续的关注。作为新一代机载预警雷达的核心技术,空时自适应处理(Space-Time Adaptive Processing,STAP)能够有效实现地杂波抑制与地面动目标显示(Ground Moving Target Indication,GMTI)等功能。如今,机载MIMO雷达系统又与STAP技术进一步实现有机结合,MIMO雷达STAP立即成为国际雷达界的研究热点之一。针对机载MIMO雷达STAP技术,本文重点研究了非均匀样本检测、存在误差及有源干扰环境下的算法实现、以及发射波束域、极化情形下等MIMO-STAP模型与算法等方面内容。论文的主要工作及创新点如下:1.针对样本协方差矩阵受干扰目标污染时机载MIMO雷达STAP目标检测性能下降的不足,提出一种知识辅助(Knowledge-Aided,KA)的广义内积非均匀样本检测方法。首先利用一种基于扁长椭球波函数估计以及另一种基于系统参数离线构造的两种杂波子空间知识,离线构造杂波协方差矩阵,然后与广义内积非均匀检测器(Generalized Inner Product Non-Homogeneity Detector,GIP NHD)结合,实现对训练样本的有效选择,使目标检测不受训练样本中干扰目标的影响。仿真结果表明,相对于常规GIP方法,KA-GIP方法能够对存在干扰目标的样本进行更加有效地剔除,并且机载MIMO雷达STAP的目标检测性能得到显着提升,因此更有利于实际工程应用。2.针对机载MIMO雷达STAP中期望目标导向矢量的失配问题,提出一种基于叁迭代(Tri-Iterative Algorithm,TRIA)与二阶锥规划(Second-Order Cone Programming,SOCP)的稳健降维MIMO-STAP方法。该方法首先将MIMO-STAP权矢量分解为发射、接收、多普勒叁个低维权矢量的Kronecker积,然后分别限定实际发射、接收、多普勒导向矢量与假定导向矢量之间的误差范数边界,通过对各自最差性能进行优化,转化为相应的SOCP形式,进而利用叁迭代算法实现了对叁个低维权矢量的分别求解,最终合成全维MIMO-STAP权矢量。该方法在保证机载MIMO雷达获取稳健STAP性能的同时,通过叁迭代降维处理,能够有效降低训练样本数需求与运算复杂度,因此更具有实际应用价值。3.针对机载MIMO雷达STAP受有源干扰环境影响的问题,本文分别提出一种有源干扰与杂波同时抑制的降秩MIMO-STAP方法与一种有源干扰与杂波级联抑制的降维MIMO-STAP方法。降秩方法中,首先以一个低秩杂波协方差矩阵与一个具有块对角特性的有源干扰加噪声协方差矩阵之和的形式,等效表示出总体数据协方差矩阵,之后利用迫零方法并结合简便的离线杂波子空间,根据矩阵求逆引理推导得到权矢量的简易求解形式,其中低维干扰加噪声协方差矩阵的估计可以通过正交于MIMO雷达所有发射波形的辅助匹配滤波通道精确获取。所提降秩MIMO-STAP方法能够有效实现杂波与有源干扰的同时抑制,性能接近理论全维最优,并且运算量负担得到明显缓解。降维方法根据有源干扰与杂波不同的信号特性,共分两步执行,对有源干扰与杂波进行分别抑制。首先在第一级,通过利用接收端得到的干扰正交补空间作为变换矩阵,对消有源干扰的影响,同时实现空域接收降维。然后在第二级,将剩余的接收自由度与发射自由度和时域自由度相联合,利用叁迭代算法进行杂波抑制,并进一步实现分离降维。通过上述两级处理,本文所提方法能够有效实现干扰与杂波的级联抑制的效果,并且大幅减少所需训练样本数与运算复杂度。4.针对传统机载MIMO雷达STAP中由于发射功率分散而造成的输出信杂噪比(Signal-to-Clutter-plus-Noise Ratio,SCNR)下降的问题,本文提出一种基于发射波束域-叁迭代的机载MIMO雷达STAP方法。首先建立了发射波束域MIMO雷达STAP的信号模型,并且给出了基于椭球序列与基于二阶锥规划的两种发射波束加权矩阵的优化设计准则,能够使发射功率聚集于感兴趣的目标空域。然后对发射波束域MIMO雷达的杂噪比(Clutter-to-Noise Ratio,CNR)进行分析,表明其与发射总功率的关系,计算结果显示:相比于全向等功率发射的传统MIMO雷达CNR,发射波束域MIMO雷达CNR减小。同时,为进一步降低发射波束域MIMO-STAP的训练样本数需求与运算复杂度,采用叁迭代算法进行权值降维求解。理论分析与仿真实验结果表明:通过相应的叁迭代降维处理,发射波束域MIMO-STAP与传统全向等功率发射MIMO-STAP相比能够获取更加优越的输出SCNR性能,且运算量进一步降低。5.针对传统机载MIMO雷达STAP在低多普勒区的杂波抑制与目标检测性能有待进一步提升的问题,本文提出基于极化阵列MIMO雷达的极化空时自适应处理方法。首先,建立了机载极化阵列MIMO雷达极化空时自适应处理的信号模型。然后,基于分辨格思想,得到极化阵列MIMO雷达极化空时自适应处理协方差矩阵的等价表示。进而,结合上述等价协方差矩阵,对极化阵列MIMO雷达极化空时自适应处理的输出信杂噪比(SCNR)性能进行了推导分析。理论分析与仿真实验结果表明:通过利用附加的极化域信息,极化阵列MIMO雷达极化空时自适应处理相比于传统MIMO-STAP能够有效提升杂波抑制性能,更有利于慢速运动目标检测。
龚清勇[5]2010年在《非均匀环境下机载雷达STAP技术研究》文中认为常规统计空时自适应处理(STAP)最优的前提条件是各距离门有独立同分布(IID)的静止杂波,在非均匀环境下,这些条件得不到满足,导致其性能急剧下降。本论文着重研究了机载雷达各种非均匀情况下的STAP杂波抑制问题。第二章至第五章主要研究干扰目标和孤立干扰等非均匀问题的解决方法,而第六章则主要研究非正侧视阵情况下近程杂波的非均匀现象及解决方法。论文第一章绪论。首先指出论文的研究背景及意义,回顾了STAP及其相关技术的发展历史和研究现状,然后简单地介绍了本文将要展开的研究内容。论文第二章研究局域处理及幅相误差校正算法。局域空时联合处理(JDL)具有低计算量和低数据量的特点,非常适用于非均匀环境,但实际系统中不可避免的幅相误差将引起JDL性能下降。本文根据幅相误差使等距线阵杂波协方差矩阵的块Toeplitz-Toeplitz块(BTTB)结构发生变化这一特性,构造有关幅度和相位误差的线性方程组并求解,对幅相误差进行校正,改善JDL算法在幅相误差条件下性能下降的缺陷。论文第叁章研究干扰目标检测算法。非均匀检测器(NHD)作为干扰目标检测的一种有效工具,其工作环境主要针对干扰目标存在的情况,而干扰目标的存在对自适应类型NHD本身的性能也会产生影响。本文针对这一问题,提出一种识别性能不受干扰目标影响的NHD算法。该算法利用各距离单元样本数据的相位,不依赖样本数据的幅值,因此即使存在较强的干扰目标,对弱目标的识别性能也不会受到影响,能有效的剔除各种强弱干扰目标样本。论文第四章研究了孤立干扰抑制算法。孤立干扰的抑制只能利用待检测距离单元数据,即单个数据集(SDS)的STAP算法。直接数据域(DDD)是SDS算法之一,它在理想情况下具有良好的性能。但存在幅相误差或阵元间隔不等距时,会导致信号相消,目标检测性能下降。本文提出采用空时二维幅相估计(APES)滤波器来实现干扰抑制和信号幅值估计,再利用最大似然估计检测(MLED)算法进行动目标检测。该算法通过空时二维滑窗处理增加样本数,改善杂波协方差矩阵估计,并对滑窗处理后的数据作空时二维自适应处理,提高输出信杂噪比,提高对动目标的检测性能;与DDD算法相比,该算法对幅相误差具有更强的鲁棒性。论文第五章研究非均匀环境下的多级维纳滤波(MWF)。MWF不需要对协方差矩阵进行估计、求逆和特征分解,因此计算量小,收敛速度快。但同常规统计型STAP算法一样,包含在训练样本中的干扰目标将引起MWF性能下降。结合多级维纳滤波器的特点,本文提出采用基于SDS的MLED算法对干扰目标进行检测,剔除干扰目标所在样本;然后采用降秩MWF计算权值,提高收敛速度,并对检测单元采用并行块处理,进一步减少计算量。论文第六章研究非正侧面阵近程杂波抑制算法。研究了多普勒频移(DW)和角度多普勒补偿(ADC)两种算法的性能,并在此基础上提出多空间角补偿MDW和MADC算法,由于该算法在多个多普勒方向使得参考单元和待检测单元的杂波谱保持一致,与DW和ADC算法相比,杂波抑制性能有明显提高。本文还将DW和ADC补偿算法与降维降秩、距离脉冲维协方差矩阵估计以及STAR等算法级联处理,进一步改善在非正侧面中的杂波抑制性能。论文第七章结束语对全文的工作进行了总结,并指出下一步需要继续研究的问题。
吴建新[6]2009年在《机载相控阵雷达STAP及目标参数估计方法研究》文中指出空时二维自适应处理能够有效提高机载相控阵雷达的地杂波抑制性能和动目标检测性能。理论上,全空时自适应处理可以实现最优处理,但是其计算量和实现的复杂度令人们难以接受,并且难以获得估计协方差矩阵所需的足够多的样本数。后来的研究重点就转移到降维处理算法上。研究人员在降维算法的研究上做了大量的工作,提出了很多种方法,发表了大量的文章。随着空时二维处理研究的不断深入,研究人员对强孤立杂波和强运动目标等非均匀环境的杂波抑制问题、杂波二维分布随距离变化的非平稳杂波抑制问题以及运动目标检测后的运动目标参数估计问题进行了广泛的研究,得到了很多有效的方法。降维处理、非均匀杂波抑制、非平稳杂波抑制和运动目标参数估计是空时自适应处理工程化必须解决的四个主要问题。本文主要围绕这四个方面做了一些工作,概括如下:利用Kronecker积的性质,提出了采用一维FFT实现自适应方向图和一维输出信杂噪比的快速计算,采用二维FFT实现空时二维频率响应和二维输出信杂噪比的快速计算。在滑窗距离样本选取方法的基础上,提出了滑窗递推QR分解方法。它采用样本矩阵QR分解得到空时处理的自适应权,这样矩阵条件数比较小,不容易受到有限字长等因素的影响,具有更好的数值稳定性。它通过双曲线Householder变换实现滑窗距离样本选取方法的权值递推,可以明显减少空时自适应处理权值计算所需的计算量。利用机载非正侧阵雷达的近程杂波和目标在俯仰角度域可以区分的特点,提出了两种近程杂波抑制方法:第一种方法是基于DOA估计的俯仰投影矩阵方法,它首先采用DOA估计方法估计出近程杂波的俯仰角,然后通过投影方法抑制该近程杂波,相比于直接计算近程杂波俯仰角度的俯仰非自适应处理方法,该方法不需要先验信息,可以避免地形起伏对近程杂波俯仰角度计算的影响;第二种方法是稳健的俯仰自适应波束形成方法。由于目标俯仰角度的任意性,我们不可能对某一个具体的俯仰角度保持固定增益,只能是对目标可能出现的一个俯仰角度范围保持一个稳定的增益,然后尽可能地抑制其它俯仰角度的杂波,此时在俯仰角度上离目标比较远的近程杂波就会被抑制。在没有阵元幅相误差的情况下第二种方法的性能不如第一种方法,但是在有阵元幅相误差的情况下该方法的性能要明显好于第一种方法。提出了一种适合于相邻距离单元统计特性完全不同的极端非同态环境的运动目标检测方法。不同于一般的空时自适应处理方法,该方法直接在功率谱进行运动目标检测。该方法首先采用空间滑动和时间滑动来获得样本用于协方差矩阵估计,然后用估计得到的协方差矩阵进行功率谱估计。为了减少功率谱估计的计算量,我们提出了采用二维FFT实现功率谱估计。估计得到数据功率谱后,利用杂波功率谱能量比较大的特点,提取出功率谱中的大能量点用于杂波谱线拟合。拟合出杂波谱线后,利用目标到杂波谱线的距离不为零的特点进行目标检测,同时实现目标参数估计。在这个过程中需要对原始的数据功率谱进行两次门限检测,第一次门限检测是提取出大能量的杂波谱用于杂波谱线拟合,第二次门限检测是提取出所有可能的目标用于目标检测。提出了两种针对均匀线阵的目标角度估计方法。第一种方法是基于实多项式求根的最小二乘方法,它首先采用空时自适应处理方法得到多个杂波抑制后的空间通道,然后用这些空间通道的数据进行最小二乘目标角度估计。为了避免复杂的角度搜索,该方法采用实多项式求根将角度搜索转化为代价函数的极值搜索,大大减少了角度估计的计算量。第二种方法是基于实多项式求根的最大似然方法,它直接利用数据的最大似然函数来估计目标角度,为了避免复杂的角度搜索,它同样采用了实多项式求根方法。提出了两种针对平面阵的目标方位角度和目标俯仰角度估计方法。第一种方法是基于交替最大化和实多项式求根的最小二乘方法,它首先采用空时自适应处理方法得到多个杂波抑制后的空间方位通道和空间俯仰通道,然后用这些空间通道的数据进行最小二乘目标角度估计。为了避免复杂的二维角度搜索,该方法采用交替最大化方法将方位角和俯仰角联合估计转化为方位角和俯仰角分别迭代估计,然后采用实多项式求根将角度搜索转化为代价函数的极值搜索,大大减少了角度估计的计算量。第二种方法是基于交替最大化和实多项式求根的最大似然方法,它直接利用数据的最大似然函数来估计目标方位角度和俯仰角度,为了避免复杂的二维角度搜索,它同样采用了交替最大化方法和实多项式求根方法。
谭晓斐[7]2009年在《自适应算法的一种改进方法研究》文中指出为了能够发现远距离目标,就要求用具有超大阵面的天线进行发射和接收信号,这就给实时处理造成了很大的麻烦,为此我们研究了空时二维技术进行降维处理。本论文首先分析了雷达的杂波特性,接着介绍了空时二维处理的基本原理,然后着重介绍了两种固定的降维方法,通过理论分析和仿真实验证实了每种方法的优劣。大型阵列多达数百至上千阵元,限于造价高和工程实现难度,很难采用全自适应数字波束形成的方式,因此进行子阵级降维处理。本论文给出了叁种子阵划分的方法,通过比较改善因子,二维响应和距离多普勒分析了大型阵面经过子阵划分后空时二维方法应用于雷达杂波处理的性能。本论文介绍了矩阵求逆(SMI)的阵列天线自适应数字波束(DBF)形成的一种旁瓣抑制的方法。由于信号协方差矩阵估计误差的存在,自适应方法形成的波束会产生畸变,随着杂波小特征值发散程度的增加,形成的自适应波束会有时出现较高的旁瓣。论文重点分析了波束发生畸变的原因并提出了一种抑制旁瓣的改进方法,该算法能有效地对协方差矩阵估计进行修正。仿真结果表明存在干扰的情况下,当迭代次数和迭代增益大小选择适当时,该方法能有效地降低自适应副瓣电平,而且不会对干扰零深产生明显影响,增强了空时波束形成算法的稳健性。
时书英, 肖健华[8]2008年在《机载预警雷达空时二维准自适应处理》文中研究说明空-时自适应处理(STAP)已被证明是机载雷达在强杂波环境下检测目标的一种有效方法,但由于 STAP 处理的巨大运算量,使其在工程应用上变得极为困难。通常预警机的飞行高度在万米左右,大多数情况下地杂波为瑞利分布。本文讨论了一种针对杂波为瑞利分布情况下的和差空时自适应处理算法的准自适应处理,并通过对十六通道的信号处理的仿真来验证其性能。
向聪, 冯大政, 和洁[9]2010年在《机载雷达叁维空时两级降维自适应处理》文中指出该文研究了机载雷达3维空时自适应处理(3D-STAP)方法,并结合先时后空的自适应处理(mDT-SAP)结构提出了一种新的空时两级降维准最优技术。该方法首先采用固定结构的时域多普勒预处理降低杂波时域相关性,然后基于2维空域的可分离性构造出两个低维的俯仰和方位向权值,最后结合双迭代算法进行循环求解。理论分析与仿真结果表明,该文所提方法与传统方法相比具有运算量小、收敛性强、所需训练样本少的优点,并拥有优良的杂波抑制性能和较强的误差鲁棒性,有利于工程化实现。
周争光[10]2009年在《阵列雷达SAR-GMTI关键技术研究》文中认为合成孔径雷达(SAR)是现代雷达的一项突破性成就。它具有全天候、全天时和远距离成像的特点,能够从空中实时提供类似光学照片的二维地物地貌图像并且具有良好的空间分辨能力和辐射测量保真度,它的优良性能使它在军事和民用上都得到非常广泛的应用。SAR的初衷是针对地面静止场景成像而发展起来的,在常规的SAR图像中,地面运动目标图像会出现距离走动、散焦、方位位置偏移等现象,动目标往往只能以模糊的形式迭加在静止场景SAR图像上。在实际的应用中,特别是在军事的应用上,人们总是希望通过SAR图像来进行地面动目标检测(GMTI)并将其标注在场景的SAR图像上,SAR-GMTI技术就这样应运而生了。多通道SAR比单通道SAR能够提供更多的系统自由度。就实现GMTI功能而言,雷达阵列沿航向直线分布为最优构型,可以获得最优的杂波抑制性能,能够在地杂波或者海杂波中清楚地区分出运动目标并且能够正确地估计出其运动参数,因而被广泛地应用于战场感知和侦察中。目前世界上许多国家都在大力研究基于SAR的多通道地面运动目标检测和定位技术,努力寻求各种高效、实用的动目标检测方法。本文在深入分析国内外SAR-GMTI研究成果的基础上,对合成孔径雷达动目标检测和成像机理进行了较为详细的研究和分析,重点研究了沿航迹正侧视阵列雷达实现SAR-GMTI时所需解决的通道均衡、杂波抑制以及运动目标参数估计等问题。论文的主要内容可概括为以下四个部分:1.针对多通道均衡问题,提出了一种对强目标信号污染稳健的自适应通道盲均衡算法。该方法在获得SAR图像的基础上,根据功率挑选准则选取数据样本矢量,并对其模进行归一化处理,对模归一化矢量的协方差矩阵进行特征分解后取其最大特征值对应的特征矢量,最后再将原始数据矢量的各分量除以该特征矢量的对应分量,从而达到均衡通道幅相误差的目的。理论分析、仿真实验和某机载实测数据的处理结果表明该方法能够有效地均衡通道响应误差,对强干扰或目标信号的污染具有稳健性。2.针对图像配准误差严重影响传统GMTI算法的目标检测性能的问题,提出了SAR图像域基于联合相关导向矢量模型的自适应目标检测及测速定位方法。该方法在很大程度上增加了系统的自由度,大大提高了系统的杂波抑制性能。仿真实验表明该方法对图像配准误差具有较强的稳健性,在图像配准误差达到一个像素的情况下仍能获得良好的目标检测性能和较高的测速定位精度。3.提出了一种稳健的特征子空间投影杂波抑制方法。在理想情况下,传统的特征子空间投影方法具有良好的杂波抑制性能,然而在实际中存在强干扰或目标信号污染时,其杂波抑制性能会受到严重的影响。为此,本文提出了一种新的特征子空间投影方法,理论分析表明该方法对强干扰或目标信号污染具有稳健性。仿真实验和实测数据处理验证了方法的有效性。4.提出了一种基于模归一化矢量的自适应波束形成方法。该方法在杂波抑制和目标检测基础上实现SAR-GMTI中的目标定位。它首先利用次优权进行杂波抑制,然后针对目标所在的位置利用最优权进行目标径向速度搜索运算,根据输出信杂噪比最大准则估计目标径向速度,最后在SAR图像上对目标的真实位置进行标定。该方法有效降低了目标信号污染的影响。仿真实验和机载实测数据处理结果验证了该方法的有效性和稳健性。
参考文献：
[1]. 机载雷达简易STAP方法及其应用[D]. 王彤. 西安电子科技大学. 2001
[2]. 机载数字阵列雷达非均匀杂波抑制方法研究[D]. 代保全. 西安电子科技大学. 2014
[3]. 机载雷达稳健的空时信号处理方法研究[D]. 胡海洋. 西安电子科技大学. 2014
[4]. 机载MIMO雷达空时自适应处理模型与算法研究[D]. 王珽. 解放军信息工程大学. 2017
[5]. 非均匀环境下机载雷达STAP技术研究[D]. 龚清勇. 南京航空航天大学. 2010
[6]. 机载相控阵雷达STAP及目标参数估计方法研究[D]. 吴建新. 西安电子科技大学. 2009
[7]. 自适应算法的一种改进方法研究[D]. 谭晓斐. 西安电子科技大学. 2009
[8]. 机载预警雷达空时二维准自适应处理[C]. 时书英, 肖健华. 2007北京地区高校研究生学术交流会通信与信息技术会议论文集（上册）. 2008
[9]. 机载雷达叁维空时两级降维自适应处理[J]. 向聪, 冯大政, 和洁. 电子与信息学报. 2010
[10]. 阵列雷达SAR-GMTI关键技术研究[D]. 周争光. 西安电子科技大学. 2009
标签：武器工业与军事技术论文; 电信技术论文; 自适应论文; mimo论文; 协方差分析论文; 雷达论文; 协方差矩阵论文; 矩阵变换论文; 系统仿真论文; 矢量数据论文; 矢量运算论文; 矩阵分解论文; 误差分析论文; 二维论文; 协方差论文; sar雷达论文; sar论文;