一、基于運(yùn)動(dòng)載機(jī)模型的相控陣?yán)走_(dá)動(dòng)態(tài)雜波抑制仿真研究（論文文獻(xiàn)綜述）

張璘^[1]（2021）在《相控陣機(jī)載SAR海面動(dòng)目標(biāo)成像算法研究》文中提出我國(guó)是一個(gè)海洋大國(guó),對(duì)海上艦船目標(biāo)的探測(cè)不僅涉及到我國(guó)經(jīng)濟(jì)利益,也關(guān)系著國(guó)家領(lǐng)主主權(quán)和海防安全。相控陣機(jī)載合成孔徑雷達(dá)利用陣列天線空域結(jié)構(gòu)實(shí)現(xiàn)等效增加空間維采樣頻率的目的,從而擴(kuò)大海域測(cè)繪帶范圍,使得廣域海面艦船目標(biāo)的高分辨率成像成為可能。目前,相控陣機(jī)載SAR存在著天線陣列結(jié)構(gòu)復(fù)雜、數(shù)據(jù)運(yùn)算處理量龐大以及艦船目標(biāo)成像散焦等問(wèn)題,影響廣域海面動(dòng)目標(biāo)成像效率和成像質(zhì)量。因此本文圍繞相控陣機(jī)載SAR動(dòng)目標(biāo)高分辨成像算法,對(duì)天線波束掃描模式、多天線接收數(shù)據(jù)處理算法、動(dòng)目標(biāo)多普勒參數(shù)估計(jì)和時(shí)頻分析算法進(jìn)行深入研究,所取得的主要研究成果如下:第一,針對(duì)相控陣機(jī)載SAR成像掃描方式的選擇,分別采用距離俯仰向掃描和方位向掃描兩種模式對(duì)寬測(cè)繪帶場(chǎng)景進(jìn)行成像。首先,以寬測(cè)繪帶場(chǎng)景為基礎(chǔ)建立相控陣機(jī)載SAR成像模型,在發(fā)射信號(hào)脈沖重復(fù)頻率有限的條件下,通過(guò)理論公式推導(dǎo)出信號(hào)處理過(guò)程,并建立DBF-SCORE模式和TOPS模式兩種成像模型。隨后,通過(guò)仿真實(shí)驗(yàn)和實(shí)測(cè)數(shù)據(jù)成像,驗(yàn)證上述兩種模式可分別實(shí)現(xiàn)距離向波束形成高分辨成像和方位向?qū)挿焖賿呙璩上?明確了相控陣機(jī)載SAR波束控制所采用的掃描方式,為后續(xù)廣域海面成像算法研究奠定基礎(chǔ)。第二,針對(duì)相控陣機(jī)載SAR廣域海面艦船成像過(guò)程中所面臨的海量數(shù)據(jù)存儲(chǔ)運(yùn)算困難的問(wèn)題,本文從艦船目標(biāo)分布的稀疏屬性入手,提出塊稀疏壓縮感知?jiǎng)幽繕?biāo)成像算法。首先,以傳統(tǒng)貪婪OMP算法為基礎(chǔ),建立海面艦船壓縮感知成像算法模型,仿真結(jié)果表明艦船滿足目標(biāo)稀疏性特點(diǎn),可以采用壓縮感知算法進(jìn)行成像。隨后,利用天線陣列的分集增益以及艦船目標(biāo)的塊稀疏分布屬性,提出聯(lián)合塊稀疏壓縮感知成像算法。仿真和實(shí)測(cè)數(shù)據(jù)成像結(jié)果表明,采用塊稀疏類算法可以獲得較為統(tǒng)一的目標(biāo)分布圖,較大的降低了全景區(qū)域成像時(shí)間,同時(shí)有助于消除海面的虛假目標(biāo)。第三,針對(duì)艦船自身運(yùn)動(dòng)引起的圖像散焦和模糊問(wèn)題,提出多普勒參數(shù)估計(jì)So WVD算法。首先,分析多普勒參數(shù)對(duì)動(dòng)目標(biāo)成像效果的影響,建立多普勒參數(shù)信號(hào)估計(jì)模型。仿真結(jié)果表明,傳統(tǒng)算法有助于校正目標(biāo)運(yùn)動(dòng)過(guò)程中的距離徙動(dòng),補(bǔ)償?shù)襞c距離空變有關(guān)的方位向相位誤差,但運(yùn)算時(shí)間不適用于實(shí)時(shí)估計(jì)。隨后,為降低運(yùn)算復(fù)雜度,提出多普勒參數(shù)估計(jì)So WVD算法。仿真實(shí)驗(yàn)驗(yàn)證了該算法的有效性,與傳統(tǒng)參數(shù)估計(jì)算法性能相比,So WVD算法適用于相控陣機(jī)載SAR對(duì)艦船等小型目標(biāo)的多普勒參數(shù)實(shí)時(shí)估計(jì)。第四,針對(duì)不同海情艦船在偏航角、俯仰角和橫滾角的三維擺動(dòng)下存在圖像散焦模糊的問(wèn)題,在動(dòng)目標(biāo)自聚焦和時(shí)頻分析類算法聚焦成像的基礎(chǔ)上,提出同步壓縮類時(shí)頻變換算法。首先,采用最大對(duì)比度/最小熵自聚焦迭代算法和分塊PGA聚焦算法,對(duì)實(shí)測(cè)數(shù)據(jù)中多艘艦船的模糊圖像進(jìn)一步聚焦,成像結(jié)果表明該算法可以很好地降低海雜波旁瓣和海面虛影。隨后,建立SAR/ISAR混合成像模型,采用傳統(tǒng)時(shí)頻分析算法對(duì)單個(gè)艦船進(jìn)行瞬時(shí)時(shí)頻成像,引入同步壓縮類時(shí)頻變換算子,獲得擺動(dòng)艦船在某一瞬時(shí)的聚焦圖像。通過(guò)仿真實(shí)驗(yàn)和實(shí)測(cè)數(shù)據(jù)性能參數(shù)比較可知,同步壓縮類算法可以抵消艦船擺動(dòng)所造成的圖像散焦和模糊,獲得高清艦船圖像,能夠看清艦船結(jié)構(gòu)、尺寸、船頭船尾等細(xì)致部分。第五,針對(duì)運(yùn)動(dòng)艦船存在定位誤差的問(wèn)題,利用相控陣天線陣列結(jié)構(gòu)分布均衡的特點(diǎn),提出用以校正動(dòng)目標(biāo)方位向位置的VSAR算法。首先分析了具有徑向速度的海面艦船存在方位向位置誤差的原因,推導(dǎo)出方位位置誤差的數(shù)學(xué)表達(dá)式。隨后,建立VSAR算法模型,通過(guò)對(duì)天線陣列接收數(shù)據(jù)的相位差進(jìn)行分析,得出目標(biāo)徑向速度和方位向真實(shí)位置估計(jì)。仿真實(shí)驗(yàn)和實(shí)測(cè)數(shù)據(jù)驗(yàn)證了該算法的可行性,成像結(jié)果表明VSAR算法可以對(duì)動(dòng)目標(biāo)進(jìn)行連續(xù)動(dòng)態(tài)觀測(cè),實(shí)現(xiàn)在多普勒頻帶內(nèi)有效區(qū)分靜動(dòng)目標(biāo),提高判斷艦船運(yùn)動(dòng)趨勢(shì)及航行軌跡的能力。

穆慧琳^[2]（2021）在《多通道SAR地面運(yùn)動(dòng)目標(biāo)檢測(cè)與成像研究》文中研究指明合成孔徑雷達(dá)（Synthetic Aperture Radar,SAR）具有全天候、全天時(shí)、遠(yuǎn)距離、高分辨對(duì)地觀測(cè)的優(yōu)勢(shì),朝著多平臺(tái)、多通道、多功能、多極化方向發(fā)展。利用多通道SAR系統(tǒng),可增加回波信號(hào)的空間維信息,實(shí)現(xiàn)對(duì)觀測(cè)區(qū)域的地面運(yùn)動(dòng)目標(biāo)指示（Ground Moving Target Indication,GMTI）,極大提升了SAR系統(tǒng)對(duì)運(yùn)動(dòng)目標(biāo)觀測(cè)能力,在軍事和民用方面具有重要的應(yīng)用價(jià)值和發(fā)展前景。然而,機(jī)載和星載平臺(tái)下的多通道SAR-GMTI系統(tǒng)在處理實(shí)際復(fù)雜觀測(cè)場(chǎng)景時(shí)仍面臨許多共性問(wèn)題。首先,實(shí)際觀測(cè)場(chǎng)景通常覆蓋不同類型的地物雜波,其散射系數(shù)起伏較大,導(dǎo)致雜波分布非均勻,使得空時(shí)自適應(yīng)雜波抑制能力下降,殘余孤立強(qiáng)雜波點(diǎn),虛警概率升高。其次,實(shí)際觀測(cè)場(chǎng)景中通常包含多個(gè)運(yùn)動(dòng)目標(biāo),目標(biāo)運(yùn)動(dòng)參數(shù)導(dǎo)致運(yùn)動(dòng)目標(biāo)圖像散焦和方位向偏移,臨近目標(biāo)容易產(chǎn)生混疊和旁瓣干擾,甚至造成虛假目標(biāo),使得多個(gè)運(yùn)動(dòng)目標(biāo)同時(shí)聚焦成像困難。慢速目標(biāo)與地物雜波的通道間干涉相位差異較小,目標(biāo)多通道自適應(yīng)濾波響應(yīng)接近雜波抑制凹口,導(dǎo)致輸出信雜噪比（Signal Clutter Noise Ratio,SCNR）降低,難以實(shí)現(xiàn)慢速目標(biāo)檢測(cè),更加無(wú)法得到聚焦的目標(biāo)圖像。因此,針對(duì)實(shí)際復(fù)雜觀測(cè)場(chǎng)景下存在的運(yùn)動(dòng)目標(biāo)檢測(cè)與成像問(wèn)題,本文利用多通道SAR復(fù)數(shù)域數(shù)據(jù)在空間維和時(shí)間維的有效信息,并引入稀疏重構(gòu)、深度學(xué)習(xí)等理論,開展多通道SAR地面運(yùn)動(dòng)目標(biāo)檢測(cè)和成像方法的研究,主要包含如下四個(gè)內(nèi)容:1.本文利用運(yùn)動(dòng)目標(biāo)稀疏先驗(yàn)知識(shí)提出基于DPCA-BCS的雙通道SAR雜波抑制方法,首先對(duì)方位向少量觀測(cè)數(shù)據(jù)進(jìn)行偏置相位中心天線（Displaced Phase Center Antenna,DPCA）預(yù)處理以對(duì)消部分背景雜波,然后建立稀疏觀測(cè)模型,對(duì)運(yùn)動(dòng)目標(biāo)引入Laplace先驗(yàn)分布,采用貝葉斯壓縮感知（Bayesian Compressive Sensing,BCS）方法實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)重構(gòu)和雜波抑制。進(jìn)一步提出基于STAP-BCS的多通道SAR雜波抑制方法,將空時(shí)自適應(yīng)處理（Space Time Adaptive Processing,STAP）技術(shù)與稀疏貝葉斯學(xué)習(xí)相結(jié)合。最后通過(guò)仿真實(shí)驗(yàn)和實(shí)測(cè)數(shù)據(jù)驗(yàn)證所提算法在降低觀測(cè)數(shù)據(jù)量的同時(shí)獲得較好的雜波抑制性能。2.針對(duì)非均勻復(fù)雜雜波環(huán)境下的運(yùn)動(dòng)目標(biāo)檢測(cè)問(wèn)題,本文通過(guò)擴(kuò)展信號(hào)空間維和時(shí)間維信息,提出基于改進(jìn)高斯混合概率假設(shè)密度（Gaussian Mixture Probability Hypothesis Density,GMPHD）濾波器的多通道SAR運(yùn)動(dòng)目標(biāo)檢測(cè)方法。首先基于子孔徑方式生成SAR多角度圖像序列,并利用多通道雜波抑制和恒虛警初步檢測(cè)獲取運(yùn)動(dòng)目標(biāo)觀測(cè)信息。通過(guò)分析目標(biāo)徑向速度對(duì)目標(biāo)位置的影響,建立多目標(biāo)狀態(tài)和觀測(cè)的隨機(jī)有限集模型。針對(duì)傳統(tǒng)GMPHD濾波器在SAR-GMTI中的問(wèn)題,提出適合SAR圖像序列的改進(jìn)GMPHD濾波器。最后通過(guò)仿真實(shí)驗(yàn)和實(shí)測(cè)數(shù)據(jù)驗(yàn)證所提算法在非均勻復(fù)雜雜波環(huán)境下具有較高檢測(cè)概率和較低虛警概率,并實(shí)現(xiàn)目標(biāo)重定位。3.針對(duì)SAR多運(yùn)動(dòng)目標(biāo)聚焦成像問(wèn)題,本文利用多運(yùn)動(dòng)目標(biāo)信號(hào)的多分量線性調(diào)頻信號(hào)形式和運(yùn)動(dòng)目標(biāo)的稀疏特征,提出基于Chirplet-BCS的多運(yùn)動(dòng)目標(biāo)成像方法。首先構(gòu)建多目標(biāo)稀疏觀測(cè)模型,由于觀測(cè)矩陣依賴于未知的目標(biāo)運(yùn)動(dòng)參數(shù),采用基于Chirplet基的自適應(yīng)分解實(shí)現(xiàn)目標(biāo)調(diào)頻率參數(shù)估計(jì),有效避免交叉項(xiàng)的干擾,利用調(diào)頻率參數(shù)構(gòu)造觀測(cè)矩陣,然后采用BCS稀疏重構(gòu)算法實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)精確重構(gòu)。通過(guò)仿真實(shí)驗(yàn)和實(shí)測(cè)數(shù)據(jù)驗(yàn)證所提算法具有較好的聚焦成像質(zhì)量和剩余雜波抑制能力。4.本文將深度學(xué)習(xí)理論引入到SAR運(yùn)動(dòng)目標(biāo)成像領(lǐng)域,研究了基于深度卷積神經(jīng)網(wǎng)絡(luò)的多通道SAR慢速多運(yùn)動(dòng)目標(biāo)快速成像方法。針對(duì)SAR多運(yùn)動(dòng)目標(biāo)快速聚焦成像問(wèn)題,提出基于卷積神經(jīng)網(wǎng)絡(luò)的SAR多運(yùn)動(dòng)目標(biāo)快速成像方法。所提成像網(wǎng)絡(luò)Deep Imaging利用殘差學(xué)習(xí)策略實(shí)現(xiàn)特征與梯度的有效傳遞,通過(guò)監(jiān)督學(xué)習(xí)的方式實(shí)現(xiàn)網(wǎng)絡(luò)參數(shù)更新,最終建立適用于成像場(chǎng)景的成像模型,實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)快速聚焦成像。Deep Imaging依賴于多通道雜波抑制結(jié)果,對(duì)慢速目標(biāo)難以檢測(cè)與成像。針對(duì)該問(wèn)題,本文將多通道雜波抑制任務(wù)集成到網(wǎng)絡(luò)中,提出基于復(fù)數(shù)域卷積神經(jīng)網(wǎng)絡(luò)的多通道SAR慢速多目標(biāo)成像方法,所提復(fù)數(shù)域成像網(wǎng)絡(luò)CV-GMTINet將特征圖和網(wǎng)絡(luò)參數(shù)擴(kuò)展到復(fù)數(shù)域,不僅把復(fù)數(shù)域數(shù)據(jù)作為網(wǎng)絡(luò)輸入,還在整個(gè)網(wǎng)絡(luò)中傳播相位信息。網(wǎng)絡(luò)結(jié)合密集網(wǎng)絡(luò)與殘差網(wǎng)絡(luò)的優(yōu)點(diǎn),自適應(yīng)學(xué)習(xí)單通道和通道間有效特征,并提高特征與梯度的傳遞效率,緩解梯度消失問(wèn)題。使用復(fù)數(shù)域反向傳播算法求解網(wǎng)絡(luò)復(fù)值參數(shù)的梯度,通過(guò)基于梯度的參數(shù)優(yōu)化算法實(shí)現(xiàn)復(fù)值參數(shù)的更新。通過(guò)實(shí)測(cè)數(shù)據(jù)驗(yàn)證所提方法在運(yùn)動(dòng)目標(biāo)成像性能和雜波抑制能力方面優(yōu)于傳統(tǒng)方法和實(shí)數(shù)域網(wǎng)絡(luò)。

謝磊^[3]（2021）在《基于極化空時(shí)處理的雜波抑制和目標(biāo)檢測(cè)研究》文中研究表明近幾十年來(lái),利用極化信息提高雷達(dá)的檢測(cè)、抗干擾和識(shí)別能力是雷達(dá)發(fā)展中的一個(gè)重要研究方向,受到了學(xué)者們的廣泛關(guān)注。隨著極化的引入,信號(hào)維度也隨之增大,為了刻畫包含極化特征的雜波統(tǒng)計(jì)特性,就需要更多的訓(xùn)練樣本。而在實(shí)際中,雷達(dá)需要面臨著復(fù)雜多變的目標(biāo)檢測(cè)環(huán)境,導(dǎo)致雜波存在異構(gòu)性,且鄰近距離環(huán)中合適的雜波樣本數(shù)量往往較少,因此提升極化雷達(dá)在復(fù)雜雜波環(huán)境中的檢測(cè)性能顯得尤為重要。本文圍繞雜波抑制和目標(biāo)檢測(cè),基于極化空時(shí)自適應(yīng)處理技術(shù),對(duì)極化雜波協(xié)方差矩陣估計(jì)、發(fā)射極化設(shè)計(jì),以及降維處理等問(wèn)題進(jìn)行了深入研究。本文的主要工作與貢獻(xiàn)如下:（1）針對(duì)極化的特點(diǎn),首先對(duì)一般化的極化空時(shí)信號(hào)、雜波模型進(jìn)行了討論,提出了一種基于極化陣列的來(lái)波角度估計(jì)算法;然后介紹了極化雷達(dá)信號(hào)雜波抑制和目標(biāo)檢測(cè)相關(guān)流程,并給出級(jí)聯(lián)結(jié)構(gòu)的處理方式。（2）針對(duì)復(fù)合高斯分布的樣本,研究了具有Kronecker積結(jié)構(gòu)協(xié)方差矩陣的穩(wěn)健估計(jì)。本文先將復(fù)合高斯分布樣本轉(zhuǎn)化為相應(yīng)的復(fù)角高斯分布,并提出在其負(fù)對(duì)數(shù)似然函數(shù)上加上基于Kullback-Leibler散度的懲罰項(xiàng)的方法,推導(dǎo)出一種基于不動(dòng)點(diǎn)方程求解的協(xié)方差矩陣估計(jì)器,稱為穩(wěn)健收縮Kronecker估計(jì)器（Robust Shrinkage Kronecker Estimator,RSKE）;RSKE得到的協(xié)方差矩陣具有良好的條件數(shù);接著討論了該估計(jì)器解存在的充分條件,提出了一種不動(dòng)點(diǎn)方程的迭代求解算法,證明了該迭代算法的收斂性;最后,利用最優(yōu)近似收縮和交叉驗(yàn)證,給出了三種計(jì)算收縮系數(shù)的方法。仿真驗(yàn)證了本文所提RSKE與現(xiàn)有的幾種方法相比在估計(jì)精度方面具有更好的性能。（3）為了增強(qiáng)MVDR波束形成器對(duì)于干擾（雜波）的抑制能力,本文分別針對(duì)高斯和復(fù)合高斯數(shù)據(jù),研究了收縮樣本協(xié)方差矩陣（Shrinkage Sample Covariance Matrix,S2CM）和收縮 Tyler 估計(jì)器（Shrinkage Tyler’s Estimator,STE）的收縮系數(shù)選擇問(wèn)題。本文從高斯分布出發(fā),首先選擇MVDR波束形成的輸出功率作為目標(biāo)函數(shù),推導(dǎo)了一種基于交叉驗(yàn)證的收縮系數(shù)選擇算法（S2CM-CV）,其計(jì)算復(fù)雜度較低;然后,本文給出了一種與S2CM-CV漸近相似的改進(jìn)收縮系數(shù)選擇算法（S2CM-AE）,以進(jìn)一步降低計(jì)算復(fù)雜度。最后,將兩種算法其推廣到復(fù)合高斯場(chǎng)景,得到STE-CV和STE-AE的算法。與現(xiàn)有的幾種算法相比,所提出的算法具有更廣泛的適用性或更好的性能。（4）本文研究了基于多極化天線陣列的空時(shí)自適應(yīng)處理（Space-Time Adaptive Processing,STAP）性能優(yōu)化問(wèn)題,提出了一種提高檢測(cè)性能的發(fā)射極化和接收濾波器聯(lián)合優(yōu)化算法?？紤]到極化信號(hào)的特殊結(jié)構(gòu),本文基于分塊最大最小化原理,將該問(wèn)題表達(dá)為擬凸形式,并提出一種迭代算法對(duì)其求解。與現(xiàn)有的幾種方法相比,能獲得更好的雜波抑制性能。本文對(duì)比分析了傳統(tǒng)STAP和極化STAP的性能,理論分析表明利用極化信息有助于提高STAP對(duì)低速目標(biāo),特別是靜止目標(biāo)的性能。（5）本文研究了角度-多普勒域STAP的降維問(wèn)題。以最大化輸出信雜噪比為優(yōu)化目標(biāo),提出了一種具有遞歸結(jié)構(gòu)的角度-多普勒通道選擇算法,在該算法的每一步中,都從當(dāng)前的剩余通道里,選擇一個(gè)能使SCNR提升最大的通道。與現(xiàn)有的幾種STAP方法相比,在STAP系統(tǒng)自由度固定的情況下,該方法能夠以較低的計(jì)算復(fù)雜度獲得較好的雜波抑制性能。此外,所提出的方法在訓(xùn)練數(shù)據(jù)較少的非均勻雜波場(chǎng)景下有更好的性能。

李明^[4]（2021）在《知識(shí)輔助的機(jī)載雷達(dá)雜波抑制與目標(biāo)檢測(cè)算法研究》文中認(rèn)為機(jī)載雷達(dá)利用空時(shí)自適應(yīng)處理（Space-Time Adaptive Processing,STAP）技術(shù),能有效抑制地面雜波,提升動(dòng)目標(biāo)檢測(cè)能力。雜波協(xié)方差矩陣的估計(jì)是機(jī)載雷達(dá)STAP的核心。然而傳統(tǒng)STAP算法在非均勻雜波環(huán)境下面臨著小樣本難題,這將嚴(yán)重影響雜波協(xié)方差矩陣的估計(jì)精度,造成雜波抑制和動(dòng)目標(biāo)檢測(cè)性能下降等問(wèn)題。利用雜波與目標(biāo)先驗(yàn)知識(shí),如雜波協(xié)方差矩陣的低秩特性、結(jié)構(gòu)知識(shí)等,能夠消除回波信號(hào)中的冗余信息,減少未知參數(shù)數(shù)量,顯著提高雜波協(xié)方差矩陣和未知參數(shù)的估計(jì)精度。另外,本文還針對(duì)基于知識(shí)輔助的STAP方法,如何有效地提升機(jī)載雷達(dá)對(duì)復(fù)雜環(huán)境的適應(yīng)能力,增強(qiáng)動(dòng)目標(biāo)檢測(cè)性能進(jìn)行了研究。本文圍繞上述內(nèi)容展開研究,主要工作與貢獻(xiàn)總結(jié)如下:（1）基于知識(shí)輔助的機(jī)載雷達(dá)訓(xùn)練樣本選擇算法針對(duì)訓(xùn)練樣本被干擾目標(biāo)污染引起的目標(biāo)自消問(wèn)題,分別提出了基于目標(biāo)和雜波知識(shí)輔助的兩種訓(xùn)練樣本選擇算法,可有效提高樣本選擇性能的穩(wěn)健性。兩種算法利用先驗(yàn)知識(shí),分別通過(guò)雜波譜重構(gòu)和雜波協(xié)方差矩陣的二階譜結(jié)構(gòu),直接表征目標(biāo)距離環(huán)（Cell Under Test,CUT）雜波特性,可確保CUT雜波特性的表征性能不受訓(xùn)練樣本數(shù)量的限制,并且消除干擾目標(biāo)對(duì)樣本選擇性能的影響。此外,所提出的兩種樣本選擇算法分別以白化樣本協(xié)方差矩陣的譜半徑和雜波譜能量差異作為檢驗(yàn)統(tǒng)計(jì)量,有效提高了樣本選擇的準(zhǔn)確性。（2）基于知識(shí)輔助的機(jī)載相控陣?yán)走_(dá)雜波協(xié)方差矩陣估計(jì)算法在小樣本條件下,針對(duì)機(jī)載相控陣?yán)走_(dá)利用離散字典估計(jì)雜波協(xié)方差矩陣時(shí),存在的網(wǎng)格失配問(wèn)題,本文提出了基于截?cái)嗪朔稊?shù)的無(wú)網(wǎng)格雜波協(xié)方差矩陣估計(jì)算法。通過(guò)聯(lián)合雜波協(xié)方差矩陣的低秩特性和Block-Toeplitz結(jié)構(gòu)特征作為先驗(yàn)知識(shí),實(shí)現(xiàn)在連續(xù)域估計(jì)雜波協(xié)方差矩陣,可有效解決基于離散字典的估計(jì)算法中存在的網(wǎng)格失配問(wèn)題。在此基礎(chǔ)上,提出了基于截?cái)嗪朔稊?shù)的雜波秩近似表達(dá)方式,相比于核范數(shù),能更準(zhǔn)確的約束雜波秩,保證估計(jì)結(jié)果的收斂性。（3）基于知識(shí)輔助的機(jī)載多輸入多輸出（Multiple Input Multiple Output,MIMO）雷達(dá)雜波協(xié)方差矩陣估計(jì)算法針對(duì)小樣本條件下機(jī)載MIMO雷達(dá)雜波協(xié)方差矩陣估計(jì)精度不足的問(wèn)題,提出了基于多重結(jié)構(gòu)知識(shí)的雜波協(xié)方差矩陣估計(jì)算法,充分利用MIMO雷達(dá)信號(hào)發(fā)射空域、接收空域和時(shí)域的雙Kronecker積結(jié)構(gòu)特征,并融合雜波協(xié)方差矩陣二階譜結(jié)構(gòu)特征,有效提高了小樣本下雜波協(xié)方差矩陣的估計(jì)精度。此外,本文采用基于近似梯度下降算法求解多種結(jié)構(gòu)知識(shí)約束的協(xié)方差矩陣估計(jì)問(wèn)題,可實(shí)現(xiàn)雜波協(xié)方差矩陣估計(jì)的高效收斂。（4）基于知識(shí)輔助的直接數(shù)據(jù)域動(dòng)目標(biāo)檢測(cè)算法針對(duì)非均勻雜波環(huán)境下訓(xùn)練樣本不足導(dǎo)致的動(dòng)目標(biāo)檢測(cè)性能下降問(wèn)題,設(shè)計(jì)了基于知識(shí)輔助的直接數(shù)據(jù)域檢測(cè)器,有效提高了無(wú)樣本條件下的動(dòng)目標(biāo)檢測(cè)性能。利用具有冗余基向量的雜波子空間和雜波協(xié)方差矩陣的結(jié)構(gòu)特征作為先驗(yàn)知識(shí),僅利用CUT的數(shù)據(jù)估計(jì)未知參數(shù),保證檢測(cè)性能不受非均勻雜波環(huán)境和雜波分布特性的影響,改善了復(fù)雜環(huán)境下的動(dòng)目標(biāo)檢測(cè)能力。

張小弩^[5]（2021）在《FDA-MIMO雷達(dá)雜波抑制方法研究》文中進(jìn)行了進(jìn)一步梳理頻控陣（Frequency Diverse Array,FDA）技術(shù)已應(yīng)用在雷達(dá)系統(tǒng),近幾年頻控陣（FDA）雷達(dá)和多輸入多輸出（Multiple-Input Multiple-Output,MIMO）技術(shù)的結(jié)合作為一種新體制雷達(dá)被提出。FDA-MIMO雷達(dá)通過(guò)在發(fā)射陣元上附加了頻率偏移,其發(fā)射域?qū)蚴噶烤哂芯嚯x相關(guān)性。利用這一特性,本文開展了基于FDA-MIMO雷達(dá)的雜波抑制方法研究,重點(diǎn)解決了最優(yōu)頻率偏移選取、穩(wěn)健主瓣雜波抑制和距離模糊雜波抑制等關(guān)鍵問(wèn)題。主要工作概括如下:1、推導(dǎo)了FDA-MIMO雷達(dá)的回波信號(hào)模型,分析了FDA-MIMO雷達(dá)體制下目標(biāo)信號(hào)和雜波在發(fā)射-接收二維空間頻率域的分布特性,建立了基于FDA-MIMO雷達(dá)體制的雜波抑制模型。2、針對(duì)固定頻偏對(duì)傳統(tǒng)頻控陣?yán)走_(dá)雜波抑制性能影響的問(wèn)題,提出了基于加權(quán)模值和遺傳算法的FDA-MIMO雷達(dá)最優(yōu)頻偏選取方法。在建立FDA-MIMO雷達(dá)回波信號(hào)模型的基礎(chǔ)上,利用FDA體制下的空時(shí)距離建模方法,通過(guò)空間角度、距離和多普勒的綜合信息進(jìn)行自適應(yīng)雜波抑制。仿真實(shí)驗(yàn)表明:通過(guò)最優(yōu)頻偏估計(jì),使得FDA-MIMO雷達(dá)具有更好的雜波抑制效果。3、針對(duì)傳統(tǒng)波束形成無(wú)法有效應(yīng)對(duì)目標(biāo)和雜波存在誤差而造成空時(shí)自適應(yīng)處理（STAP）方法性能下降的問(wèn)題,提出了基于FDA-MIMO雷達(dá)的穩(wěn)健STAP主瓣雜波抑制方法。利用半正定規(guī)劃的魯棒自適應(yīng)波束形成（RAB-SDP）算法,建立了最優(yōu)化目標(biāo)函數(shù)模型,并通過(guò)求解半正定規(guī)劃（SDP）問(wèn)題得到最優(yōu)權(quán)矢量。仿真實(shí)驗(yàn)表明:改進(jìn)的RAB-SDP方法相比于最小方差無(wú)失真響應(yīng)（MVDR）對(duì)角加載方法、傳統(tǒng)線性約束最小方差（LCMV）方法和最差性能最優(yōu)化（WCPO）方法在波束主瓣保形、輸出信雜噪比以及二維響應(yīng)雜波抑制性能方面有所提高。4、針對(duì)FDA雷達(dá)面臨的距離模糊雜波問(wèn)題,研究了基于FDA-MIMO雷達(dá)距離模糊雜波抑制方法。在建立FDA-MIMO體制下前視陣?yán)走_(dá)信號(hào)模型的基礎(chǔ)上,通過(guò)二次距離依賴補(bǔ)償和多普勒補(bǔ)償后使得距離模糊雜波能夠有效分離,分別采用局域聯(lián)合降維的方法和基于稀疏降維STAP的方法實(shí)現(xiàn)對(duì)距離模糊雜波的有效抑制。仿真實(shí)驗(yàn)表明:稀疏降維方法與局域聯(lián)合降維方法相比具有更好的雜波抑制效果。

彭一豐^[6]（2021）在《機(jī)載非規(guī)則陣列雷達(dá)空時(shí)處理技術(shù)研究》文中進(jìn)行了進(jìn)一步梳理相比傳統(tǒng)的規(guī)則陣列,如共形陣、分布式陣列這樣的非規(guī)則陣列作為更加廣義的陣列形式,在有著陣元布置更加靈活、雷達(dá)散射截面積更小、隱身和生存性能更好、穩(wěn)定性更高、掃描范圍更大等優(yōu)點(diǎn)的同時(shí),其復(fù)雜的雜波特性也為它的應(yīng)用帶來(lái)了困難與挑戰(zhàn)。本文對(duì)機(jī)載非規(guī)則陣列建立陣列模型及雜波模型,分析其雜波特性,從機(jī)載規(guī)則陣列出發(fā),研究不同空時(shí)自適應(yīng)處理算法及距離模糊雜波抑制方法的機(jī)理,探究其在機(jī)載非規(guī)則陣列中的適用性并加以優(yōu)化和改進(jìn),并通過(guò)仿真進(jìn)行驗(yàn)證。本文主要研究工作概況如下:1、機(jī)載非規(guī)則陣列雷達(dá)建模方法及雜波特性分析。介紹了兩種非規(guī)則陣列模型,利用等距離環(huán)地面散射單元積分法對(duì)非規(guī)則陣列雷達(dá)進(jìn)行雜波建模,并對(duì)雜波的非平穩(wěn)性進(jìn)行了研究分析。2、機(jī)載非規(guī)則陣列雷達(dá)空時(shí)自適應(yīng)處理方法研究。對(duì)全空時(shí)自適應(yīng)處理原理進(jìn)行了簡(jiǎn)要說(shuō)明,通過(guò)廣義旁瓣相消結(jié)構(gòu)對(duì)降維空時(shí)自適應(yīng)處理的原理進(jìn)行了分析,推導(dǎo)出其應(yīng)用的前提條件是通道正交,并對(duì)其在非規(guī)則陣列中的適用性進(jìn)行了分析,基于此應(yīng)用一種基于修正的施密特正交化方法對(duì)非規(guī)則陣列中不再兩兩正交的通道進(jìn)行了正交化預(yù)處理,能夠在一定程度上提升STAP性能,通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了結(jié)果。3、機(jī)載非規(guī)則陣列雷達(dá)距離模糊雜波抑制方法研究。對(duì)距離模糊的存在對(duì)空時(shí)處理的影響進(jìn)行了分析,介紹了規(guī)則陣列中的一些距離模糊雜波抑制方法,對(duì)其在非規(guī)則陣列中的適用性進(jìn)行了分析,提出一種基于最小二乘法的距離模糊雜波抑制方法,該方法能夠適用于任意形式的陣列,且計(jì)算量小,通過(guò)仿真驗(yàn)證了其有效性及優(yōu)勢(shì)。4、機(jī)載雷達(dá)空時(shí)處理對(duì)干擾的抑制性能研究。對(duì)噪聲壓制干擾工作原理及空時(shí)處理對(duì)噪聲壓制干擾的抑制原理進(jìn)行了介紹,通過(guò)仿真實(shí)驗(yàn)分別展示了均勻線陣與共形陣中空時(shí)處理對(duì)噪聲壓制干擾的抑制效果。

李思琦^[7]（2021）在《頻控陣?yán)走_(dá)抗拖曳式干擾技術(shù)研究》文中提出有源拖曳式雷達(dá)誘餌作為一種新型的自衛(wèi)式干擾方式,具有高效能、強(qiáng)可控性、低成本等優(yōu)點(diǎn),大大提高了載機(jī)在作戰(zhàn)中的生存概率,在電子對(duì)抗中占據(jù)重要的戰(zhàn)略地位,對(duì)雷達(dá)作戰(zhàn)效能提出了嚴(yán)峻的挑戰(zhàn)。傳統(tǒng)雷達(dá)抗拖曳式干擾技術(shù)存在對(duì)抗模式單一、適用范圍局限的問(wèn)題。頻控陣（Frequency Diverse Array,FDA）具有角度距離依賴特性,在抗拖曳式干擾領(lǐng)域具有極大的應(yīng)用前景。本文在頻控陣波束特性的基礎(chǔ)上,提出新穎的拖曳式干擾抑制方法,和傳統(tǒng)的拖曳式干擾抑制方法相比,具有系統(tǒng)簡(jiǎn)單、參數(shù)方便調(diào)節(jié)的優(yōu)勢(shì)。本文的主要研究工作概括如下:1.提出兩種基于頻控陣發(fā)射波束的抗干擾方法。一是基于距離維零陷控制的拖曳式干擾抑制方法,重點(diǎn)研究了具有干擾位置先驗(yàn)信息的情況下,通過(guò)設(shè)計(jì)干擾零陷和主瓣的空間位置,自適應(yīng)地計(jì)算出頻控陣的發(fā)射波束參數(shù),從而有效抑制轉(zhuǎn)發(fā)式拖曳式干擾;二是基于MVDR自適應(yīng)發(fā)射波束形成的干擾抑制方法,不僅可以有效抑制轉(zhuǎn)發(fā)式拖曳式干擾,而且可以同時(shí)抑制存在多個(gè)假目標(biāo)的距離拖引拖曳式干擾。2.深入研究了基于FDA-MIMO雷達(dá)的拖曳式干擾抑制方法。首先建立FDAMIMO雷達(dá)信號(hào)模型,然后通過(guò)譜估計(jì)算法獲取期望信號(hào)和拖曳式干擾的距離角度位置信息,并通過(guò)自適應(yīng)波束形成算法抑制轉(zhuǎn)發(fā)式干擾,接著對(duì)比了MVDR和LCMV兩種算法,并討論平方頻偏和線性頻偏兩種頻率增量的選擇對(duì)干擾抑制效果的影響,最后進(jìn)行輸出信干噪比分析,對(duì)比了四種參數(shù)下的輸出信干噪比曲線,得出平方頻偏的LCMV算法性能最優(yōu)的結(jié)果。3.提出兩種基于頻控陣的二維零陷優(yōu)化方法。一是基于協(xié)方差矩陣錐化的零陷優(yōu)化方法,利用錐化矩陣對(duì)采樣協(xié)方差矩陣進(jìn)行加權(quán)并代替原來(lái)的采樣矩陣,并求得對(duì)應(yīng)的自適應(yīng)權(quán)向量。該方法能夠在二維展寬加深拖曳式干擾的零陷,輸出性能得到提升;二是基于干擾導(dǎo)向向量左右旋轉(zhuǎn)的零陷優(yōu)化方法,通過(guò)形成四個(gè)導(dǎo)向向量,能夠在拖曳式干擾位置附近形成四個(gè)零陷,達(dá)到在距離角度二維展寬加深零陷的效果。上述兩種方法都有效避免了因拖曳式干擾方向擾動(dòng)和導(dǎo)向向量失配導(dǎo)致干擾抑制不能被實(shí)時(shí)處理的現(xiàn)象,提高了抗干擾波束的穩(wěn)健性。

張曉文^[8]（2020）在《共形陣列極化信號(hào)處理方法與應(yīng)用研究》文中研究指明共形陣列貼合載體曲面的構(gòu)型符合基于空氣動(dòng)力學(xué)的飛行器外形設(shè)計(jì),可以減小飛行阻力和油耗、降低飛行器RCS、提升隱身能力。在雷達(dá)性能方面,這種構(gòu)型可最大限度地?cái)U(kuò)展陣列有效孔徑,獲得更廣的波束覆蓋范圍和監(jiān)控視野;天線貼合曲面、不同朝向的放置使極化響應(yīng)各異的特點(diǎn)給共形陣列帶來(lái)極化敏感能力。綜合利用空域-時(shí)域-極化域自由度能提高共形陣列的目標(biāo)探測(cè)能力和地雜波抑制能力,這依賴于對(duì)目標(biāo)回波和雜波在空-時(shí)-極化多維空間內(nèi)特性差異的利用,需要重點(diǎn)解決回波多維參數(shù)估計(jì)、矢量傳感器陣列的流形誤差校正技術(shù)、非均勻和非平穩(wěn)的雜波抑制技術(shù)等關(guān)鍵科學(xué)難題。針對(duì)這些難題,本文提出DOA和極化參數(shù)的快速估計(jì)算法、天線位置誤差校正算法、互耦效應(yīng)校正算法和基于稀疏恢復(fù)的STAP方法。主要研究方法概括如下。1.針對(duì)共形陣列曲面構(gòu)型和天線極化響應(yīng)各異導(dǎo)致的現(xiàn)有參數(shù)估計(jì)算法計(jì)算負(fù)擔(dān)重和平面陣列快速估計(jì)算法失效的問(wèn)題,提出一種基于相模理論的DOA和極化參數(shù)快速估計(jì)算法（TID-DESPRIT）和一種基于Hough變換的DOA和極化參數(shù)快速估計(jì)算法（PST-Hough）。TID-DESPRIT將接收數(shù)據(jù)從陣元域變換到相?？臻g域,利用變換域中接收數(shù)據(jù)的數(shù)學(xué)結(jié)構(gòu)推導(dǎo)信號(hào)參數(shù)的閉式解。TID-DESPRIT先建立接收數(shù)據(jù)在變換域的模型形式,在設(shè)法將DOA和極化參數(shù)分離后,利用貝塞爾函數(shù)和指數(shù)項(xiàng)的遞推性建立一個(gè)包含DOA的二次特征值方程并求解,再利用接收數(shù)據(jù)模型的解析式計(jì)算極化參數(shù)。PST-Hough利用協(xié)方差矩陣相位明確的解析式解出其中的信號(hào)參數(shù),并通過(guò)迭代方法提高參數(shù)估計(jì)精度。PST-Hough首先推導(dǎo)一套簡(jiǎn)潔、完備的相位無(wú)模糊提取方法框架;為了避免多維參數(shù)聯(lián)合搜索,算法將DOA和極化參數(shù)分離后,先基于Hough變換估計(jì)出DOA,再使用類似Rank-MUSIC的方法計(jì)算極化參數(shù),通過(guò)迭代方法解決分維估計(jì)造成的精度下降問(wèn)題。仿真實(shí)驗(yàn)驗(yàn)證了兩個(gè)估計(jì)算法的性能。2.共形陣列天線位置誤差同時(shí)影響天線空域響應(yīng)和極化域響應(yīng),而現(xiàn)有校正方法的模型大多只包含空域響應(yīng)。當(dāng)它們用于共形陣列,模型的失配會(huì)使校正性能下降。針對(duì)這一問(wèn)題,提出一種基于校正源的天線位置誤差分維校正方法。所提方法先分析了天線位置誤差對(duì)天線空域響應(yīng)和極化域響應(yīng)的具體影響,將天線位置誤差分解成軸向和高度向兩個(gè)維度;然后再利用極化響應(yīng)設(shè)計(jì)包含軸向誤差的方程并解出,再建立基于SCOP的優(yōu)化函數(shù)解出高度向誤差。仿真實(shí)驗(yàn)驗(yàn)證了所提算法的校正性能。3.互耦效應(yīng)對(duì)天線的H面和V面方向圖畸變不同因此必須分別建模,同時(shí)實(shí)際中互耦模型矩陣不符合Toeplitz結(jié)構(gòu)假設(shè),基于此假設(shè)的互耦自校正方法失效,針對(duì)這些問(wèn)題,提出一種基于天線方向圖重建的有源互耦效應(yīng)校正方法。該方法使用校正信號(hào)來(lái)測(cè)量天線的H面和V面的實(shí)際方向圖,再計(jì)算互耦校正矩陣;還提供了最佳校正性能和最適合工程應(yīng)用的校正信號(hào)參數(shù)設(shè)置方案。仿真實(shí)驗(yàn)驗(yàn)證了所提算法性能。4.相比于平面陣列,共形陣列的雜波具有更強(qiáng)的非平穩(wěn)、非平均特性和更高的自由度。這造成使用相位補(bǔ)償方法來(lái)對(duì)齊臨近距離單元和待檢測(cè)單元的空時(shí)譜時(shí)會(huì)因共形陣列的三維結(jié)構(gòu)出現(xiàn)性能下降,臨近距離單元中和待檢測(cè)單元雜波分布一致的均勻樣本數(shù)不足,因此難以將臨近距離單元的回波作為訓(xùn)練數(shù)據(jù)來(lái)估計(jì)待檢測(cè)單元的雜波分布。針對(duì)這一問(wèn)題,提出一種基于稀疏恢復(fù)的單數(shù)據(jù)集STAP方法（SDSSR-CA）。SDSSR-CA只使用待檢測(cè)單元的回波計(jì)算雜波協(xié)方差矩陣,并使用稀疏恢復(fù)的方法解決可用樣本數(shù)不足的問(wèn)題。SDSSR-CA先預(yù)測(cè)雜波分布,在角度-多普勒平面上根據(jù)雜波功率劃分區(qū)域,再根據(jù)雜波擴(kuò)散程度為每個(gè)區(qū)域設(shè)置不同的網(wǎng)格（原子）密度和原子選點(diǎn)策略;最終描述雜波分布的字典由各區(qū)域選出的原子組成;最后,使用計(jì)算的字典和角度-多普勒像重構(gòu)雜波數(shù)據(jù)和協(xié)方差矩陣,并計(jì)算STAP濾波器權(quán)值?；趯?shí)測(cè)數(shù)據(jù)的實(shí)驗(yàn)驗(yàn)證了所提算法性能。

蘇昱煜^[9]（2020）在《機(jī)載雷達(dá)自適應(yīng)干擾抑制和基于先驗(yàn)知識(shí)的空時(shí)信號(hào)處理》文中研究說(shuō)明裝備相控陣?yán)走_(dá)的飛機(jī)可以靈活、快速地部署,實(shí)現(xiàn)對(duì)戰(zhàn)場(chǎng)中各種目標(biāo)的檢測(cè)、跟蹤,感知敵方態(tài)勢(shì),為己方力量的指揮和控制提供情報(bào)支撐。但是在機(jī)載雷達(dá)工作當(dāng)中,必須解決干擾抑制和雜波抑制問(wèn)題。在信號(hào)處理的環(huán)節(jié),可以利用自適應(yīng)波束形成技術(shù)來(lái)抑制旁瓣區(qū)域的干擾。但是當(dāng)陣列流型與實(shí)際情況不一致（如存在位置誤差、幅相誤差或接收機(jī)通道響應(yīng)誤差）,自適應(yīng)處理往往導(dǎo)致期望信號(hào)的輸出信干噪比下降。因此設(shè)計(jì)穩(wěn)健的波束形成器來(lái)減少或降低誤差帶來(lái)的影響是非常重要的。另一方面,由于機(jī)載雷達(dá)的平臺(tái)是運(yùn)動(dòng)的,地雜波表現(xiàn)出空時(shí)耦合特性,需要利用空時(shí)自適應(yīng)處理（Space Time Adaptive Processing,STAP）技術(shù)去抑制機(jī)載雷達(dá)接收到的地雜波。但是由于雷達(dá)天線的非理想構(gòu)型、地形和地物隨距離的變化,接收到的回波信號(hào)通常是非均勻的,不能提供足夠的獨(dú)立同分布的樣本數(shù)據(jù)。如何提高非均勻環(huán)境下STAP的性能,也是需要研究的重要問(wèn)題。本文圍繞以上問(wèn)題開展研究,具體包括以下幾個(gè)方面。一、針對(duì)不同因素引起的波束形成器性能下降,研究了穩(wěn)健的自適應(yīng)波束形成算法。針對(duì)樣本不足引起的性能下降,研究提出了一種基于稀疏的穩(wěn)健自適應(yīng)波束形成算法。當(dāng)干擾和噪聲的采樣協(xié)方差矩陣偏離理想的協(xié)方差矩陣時(shí),傳統(tǒng)的對(duì)角加載方法和最差情況最優(yōu)性能方法對(duì)這種誤差情況具有一定的穩(wěn)健性。但是當(dāng)樣本數(shù)目較少或樣本數(shù)據(jù)中包含目標(biāo)信號(hào)時(shí),這兩種方法的性能嚴(yán)重下降。針對(duì)這一問(wèn)題,提了一種基于無(wú)網(wǎng)格稀疏迭代協(xié)方差估計(jì)的穩(wěn)健自適應(yīng)波束形成方法。相比于其他方法,該方法在樣本數(shù)目較少（或單快拍）的情況下,性能最接近最優(yōu)處理器,并且對(duì)期望信號(hào)角度失配和相干局部散射引起的誤差具有穩(wěn)健性。針對(duì)存在導(dǎo)向矢量失配的自適應(yīng)波束形成,研究提出了一種基于交替方向乘子法的穩(wěn)健自適應(yīng)波束形成方法。對(duì)于自適應(yīng)波束形成來(lái)說(shuō),模型誤差（幅相誤差或陣元位置誤差）帶來(lái)的影響不可忽視,采用假設(shè)陣列構(gòu)型已知的穩(wěn)健自適應(yīng)波束形成技術(shù)并不能取得好的結(jié)果。本文提出了一種基于交替方向乘子法的穩(wěn)健自適應(yīng)波束形成技術(shù)。仿真結(jié)果表明該方法對(duì)信號(hào)角度誤差、幅相誤差、陣元間距誤差以及相干局部散射均具有穩(wěn)健性。二、針對(duì)非均勻環(huán)境下的雜波抑制,結(jié)合先驗(yàn)的地形數(shù)據(jù)、地理高程數(shù)據(jù)等,研究提出了一種基于先驗(yàn)知識(shí)的協(xié)方差矩陣估計(jì)STAP方法。文中以采樣協(xié)方差和先驗(yàn)協(xié)方差矩陣的凸組合為基礎(chǔ),提出了一種基于先驗(yàn)知識(shí)的協(xié)方差矩陣估計(jì)方法。首先利用地表分類數(shù)據(jù)和地理高程信息,并通過(guò)坐標(biāo)變換、遮擋判斷、數(shù)據(jù)仿真的預(yù)處理,計(jì)算得到先驗(yàn)協(xié)方差矩陣。然后,利用了正則化Tyler估計(jì)器更精確地估計(jì)最終的雜波協(xié)方差矩陣。最后,通過(guò)實(shí)測(cè)數(shù)據(jù)處理證明該方法在非均勻環(huán)境下具有良好的性能。三、針對(duì)非均勻環(huán)境中的樣本挑選問(wèn)題,研究提出了一種基于先驗(yàn)知識(shí)的訓(xùn)練樣本挑選方法。在非均勻環(huán)境中,訓(xùn)練樣本和待檢單元可能具有不同分布特性,這會(huì)使估計(jì)的雜波協(xié)方差矩陣不準(zhǔn)確,從而導(dǎo)致雜波抑制的性能下降。本文提出了一種基于先驗(yàn)知識(shí)的訓(xùn)練樣本挑選方法。本方法首先使用先驗(yàn)的協(xié)方差矩陣檢測(cè)含有目標(biāo)信號(hào)的訓(xùn)練樣本。然后將污染的樣本投影到由先驗(yàn)協(xié)方差矩陣構(gòu)造的子空間中以保留該訓(xùn)練樣本。最后,利用迭代方法對(duì)訓(xùn)練樣本重加權(quán)獲得最終的雜波加噪聲協(xié)方差矩陣。數(shù)據(jù)處理結(jié)果驗(yàn)證了所提方法的性能。四、針對(duì)稀疏條件下的STAP方法,研究提出了一種基于無(wú)網(wǎng)格總變差最小化的稀疏STAP方法。由雷達(dá)天線構(gòu)型或外部環(huán)境因素的影響,雜波譜在距離上是非均勻的,導(dǎo)致訓(xùn)練樣本數(shù)目不能滿足獨(dú)立同分布條件,進(jìn)而影響最終的雜波抑制性能。針對(duì)這一問(wèn)題,提出了一種無(wú)網(wǎng)格總變差最小化的STAP方法。所提方法利用了雜波在空時(shí)平面上的稀疏特性,建立了一個(gè)基于l1原子范數(shù)的優(yōu)化問(wèn)題。利用導(dǎo)向矢量的極坐標(biāo)表示形式以及貝塞爾函數(shù)近似,將二維的導(dǎo)向矢量?jī)?yōu)化問(wèn)題轉(zhuǎn)化為一維的形式。最后利用Toeplitz矩陣的性質(zhì),使用CVX工具包求解優(yōu)化問(wèn)題。該方法相比于傳統(tǒng)的稀疏處理方法,在正側(cè)視和非正側(cè)視條件下均表現(xiàn)出了較好的性能。

常文勝^[10]（2020）在《機(jī)載對(duì)地監(jiān)視雷達(dá)射頻隱身、多視角成像與超高速平臺(tái)GMTI系統(tǒng)技術(shù)》文中研究表明對(duì)地監(jiān)視飛機(jī)可在全天候條件下對(duì)地面、海面目標(biāo)進(jìn)行遠(yuǎn)距離、大范圍、高分辨率的偵察與監(jiān)視,獲取敵方雷達(dá)陣地、炮兵陣地、導(dǎo)彈發(fā)射陣地、指揮所、通信樞紐、橋梁、港口、機(jī)場(chǎng)等靜止目標(biāo)和海上艦船編隊(duì)、地面車輛和人員編隊(duì)等移動(dòng)目標(biāo),是情報(bào)、監(jiān)視與偵察（ISR）系統(tǒng)的重要組成部分。以合成孔徑雷達(dá)（SAR）成像和地面運(yùn)動(dòng)目標(biāo)指示（GMTI）為主要功能的機(jī)載對(duì)地監(jiān)視雷達(dá)是對(duì)地監(jiān)視飛機(jī)的核心載荷。隨著地面防空探測(cè)雷達(dá)和防空武器性能的提升,在高危險(xiǎn)拒止區(qū)執(zhí)行任務(wù)的對(duì)地監(jiān)視飛機(jī)向隱身化、超高速方向發(fā)展,從而對(duì)機(jī)載對(duì)地監(jiān)視雷達(dá)提出了新的需求,如飛機(jī)隱身對(duì)雷達(dá)提出了射頻（RF）隱身的需求;超高速對(duì)大孔徑天線在機(jī)上的優(yōu)化布置及系統(tǒng)架構(gòu)優(yōu)化提出了要求;高危險(xiǎn)拒止區(qū)任務(wù)執(zhí)行要求雷達(dá)實(shí)現(xiàn)基于SAR圖像的目標(biāo)自動(dòng)檢測(cè),而基于SAR圖像的目標(biāo)自動(dòng)檢測(cè)則對(duì)大場(chǎng)景多視角圖像的高效獲取提出了需求。因此,本文重點(diǎn)針對(duì)隱身、超高速對(duì)地監(jiān)視飛機(jī)對(duì)雷達(dá)提出的需求,從系統(tǒng)角度對(duì)低截獲射頻隱身,大場(chǎng)景多視角SAR圖像高效獲取,多輸入多輸出（MIMO）分布式陣列優(yōu)化布置、低成本高分辨率空時(shí)自適應(yīng)處理（STAP）系統(tǒng)架構(gòu)等超高速平臺(tái)GMTI系統(tǒng)技術(shù)進(jìn)行了研究。具體內(nèi)容如下:1.從系統(tǒng)角度提出了SAR系統(tǒng)的低截獲射頻隱身設(shè)計(jì)方法?；赟AR系統(tǒng)的雷達(dá)距離方程和電子對(duì)抗設(shè)備對(duì)雷達(dá)輻射信號(hào)的截獲距離方程,推導(dǎo)出了SAR系統(tǒng)的最大低截獲作用距離方程;通過(guò)分析SAR系統(tǒng)的最大低截獲作用距離方程,提出了低截獲射頻隱身SAR系統(tǒng)的設(shè)計(jì)方法;在分析電子對(duì)抗設(shè)備信號(hào)分選過(guò)程的基礎(chǔ)上,提出了低截獲射頻隱身SAR系統(tǒng)的工作波形要求;依據(jù)低截獲射頻隱身的波形要求,提出了一種隨機(jī)變脈沖重復(fù)頻率（PRF）和脈寬的噪聲SAR成像新體制,給出了相應(yīng)的成像算法,并對(duì)其抗干擾能力進(jìn)行了仿真分析。2.針對(duì)傳統(tǒng)多視角SAR圖像獲取方式照射場(chǎng)景小、圖像配準(zhǔn)難、實(shí)現(xiàn)成本高等局限性,提出了一種單次飛行即可獲取大場(chǎng)景多視角SAR圖像的系統(tǒng)和成像方法。相比聚束或多次飛行等常規(guī)多視角圖像獲取方式,該系統(tǒng)采用多波束,一次飛行就可以獲得大場(chǎng)景多視角圖像,有效提升了多視角圖像的獲取效率。提出了基于統(tǒng)一坐標(biāo)系的改進(jìn)距離遷移成像算法（RMA）,采用該算法成像后,多視角圖像經(jīng)過(guò)固定的時(shí)移即可進(jìn)行配準(zhǔn),相比不同航線飛行獲取的多視角圖像,降低了配準(zhǔn)難度。3.針對(duì)超高聲速平臺(tái)下地面慢速運(yùn)動(dòng)目標(biāo)檢測(cè)對(duì)大孔徑天線的需求,提出了分布式子陣與正負(fù)斜率線性調(diào)頻信號(hào)相結(jié)合的MIMO陣列架構(gòu)及其優(yōu)化方法,提升了超高速平臺(tái)雷達(dá)對(duì)地面運(yùn)動(dòng)目標(biāo)的最小可檢測(cè)速度。在優(yōu)化算法方面,針對(duì)標(biāo)準(zhǔn)遺傳算法易陷入局部最優(yōu),收斂速度慢等的特點(diǎn),對(duì)標(biāo)準(zhǔn)遺傳算法進(jìn)行了改進(jìn),采用基于全局的自適應(yīng)尺度變換算子對(duì)適應(yīng)度值進(jìn)行變換,有效提高了算法的收斂速度和全局尋優(yōu)能力。將改進(jìn)的遺傳算法應(yīng)用于MIMO分布式子陣陣列的優(yōu)化,改變傳統(tǒng)用于稀疏陣列優(yōu)化的遺傳算法采用以陣元位置為優(yōu)化變量的方式,改用子陣間隔作為優(yōu)化變量,降低了算法實(shí)現(xiàn)的復(fù)雜度和計(jì)算量,進(jìn)一步提升了收斂速度。4.基于超高速平臺(tái)的GMTI雷達(dá)對(duì)方位大口徑天線提出了需求,輕薄化天線陣面有利于超高速平臺(tái)適裝大口徑天線。低瞬時(shí)帶寬天線相比高瞬時(shí)帶寬更易實(shí)現(xiàn)陣列的輕薄化,但地面運(yùn)動(dòng)目標(biāo)的精確跟蹤及目標(biāo)識(shí)別需要距離高分辨像的支撐。針對(duì)這一矛盾,提出了一種基于收發(fā)互易低瞬時(shí)帶寬數(shù)字陣列的頻帶合成高分辨STAP系統(tǒng)架構(gòu)。該系統(tǒng)架構(gòu)采用不同的多通道陣列發(fā)射不同載頻的線性調(diào)頻信號(hào),陣列收發(fā)互易實(shí)現(xiàn)了等效相位中心的重合,頻帶合成過(guò)程中無(wú)需補(bǔ)償目標(biāo)偏離波束中心的相位差,可實(shí)現(xiàn)大帶寬信號(hào)的精確合成,有效解決了低瞬時(shí)帶寬大口徑陣列與大帶寬高距離分辨率之間的矛盾。

二、基于運(yùn)動(dòng)載機(jī)模型的相控陣?yán)走_(dá)動(dòng)態(tài)雜波抑制仿真研究（論文開題報(bào)告）

（1）論文研究背景及目的

此處內(nèi)容要求：

首先簡(jiǎn)單簡(jiǎn)介論文所研究問(wèn)題的基本概念和背景，再而簡(jiǎn)單明了地指出論文所要研究解決的具體問(wèn)題，并提出你的論文準(zhǔn)備的觀點(diǎn)或解決方法。

寫法范例：

本文主要提出一款精簡(jiǎn)64位RISC處理器存儲(chǔ)管理單元結(jié)構(gòu)并詳細(xì)分析其設(shè)計(jì)過(guò)程。在該MMU結(jié)構(gòu)中,TLB采用叁個(gè)分離的TLB,TLB采用基于內(nèi)容查找的相聯(lián)存儲(chǔ)器并行查找,支持粗粒度為64KB和細(xì)粒度為4KB兩種頁(yè)面大小,采用多級(jí)分層頁(yè)表結(jié)構(gòu)映射地址空間,并詳細(xì)論述了四級(jí)頁(yè)表轉(zhuǎn)換過(guò)程,TLB結(jié)構(gòu)組織等。該MMU結(jié)構(gòu)將作為該處理器存儲(chǔ)系統(tǒng)實(shí)現(xiàn)的一個(gè)重要組成部分。

（2）本文研究方法

調(diào)查法：該方法是有目的、有系統(tǒng)的搜集有關(guān)研究對(duì)象的具體信息。

觀察法：用自己的感官和輔助工具直接觀察研究對(duì)象從而得到有關(guān)信息。

實(shí)驗(yàn)法：通過(guò)主支變革、控制研究對(duì)象來(lái)發(fā)現(xiàn)與確認(rèn)事物間的因果關(guān)系。

文獻(xiàn)研究法：通過(guò)調(diào)查文獻(xiàn)來(lái)獲得資料，從而全面的、正確的了解掌握研究方法。

實(shí)證研究法：依據(jù)現(xiàn)有的科學(xué)理論和實(shí)踐的需要提出設(shè)計(jì)。

定性分析法：對(duì)研究對(duì)象進(jìn)行“質(zhì)”的方面的研究，這個(gè)方法需要計(jì)算的數(shù)據(jù)較少。

定量分析法：通過(guò)具體的數(shù)字，使人們對(duì)研究對(duì)象的認(rèn)識(shí)進(jìn)一步精確化。

跨學(xué)科研究法：運(yùn)用多學(xué)科的理論、方法和成果從整體上對(duì)某一課題進(jìn)行研究。

功能分析法：這是社會(huì)科學(xué)用來(lái)分析社會(huì)現(xiàn)象的一種方法，從某一功能出發(fā)研究多個(gè)方面的影響。

模擬法：通過(guò)創(chuàng)設(shè)一個(gè)與原型相似的模型來(lái)間接研究原型某種特性的一種形容方法。

三、基于運(yùn)動(dòng)載機(jī)模型的相控陣?yán)走_(dá)動(dòng)態(tài)雜波抑制仿真研究（論文提綱范文）

（1）相控陣機(jī)載SAR海面動(dòng)目標(biāo)成像算法研究（論文提綱范文）

（2）多通道SAR地面運(yùn)動(dòng)目標(biāo)檢測(cè)與成像研究（論文提綱范文）

（3）基于極化空時(shí)處理的雜波抑制和目標(biāo)檢測(cè)研究（論文提綱范文）

（4）知識(shí)輔助的機(jī)載雷達(dá)雜波抑制與目標(biāo)檢測(cè)算法研究（論文提綱范文）

（5）FDA-MIMO雷達(dá)雜波抑制方法研究（論文提綱范文）

（6）機(jī)載非規(guī)則陣列雷達(dá)空時(shí)處理技術(shù)研究（論文提綱范文）

（7）頻控陣?yán)走_(dá)抗拖曳式干擾技術(shù)研究（論文提綱范文）

（8）共形陣列極化信號(hào)處理方法與應(yīng)用研究（論文提綱范文）

（9）機(jī)載雷達(dá)自適應(yīng)干擾抑制和基于先驗(yàn)知識(shí)的空時(shí)信號(hào)處理（論文提綱范文）

（10）機(jī)載對(duì)地監(jiān)視雷達(dá)射頻隱身、多視角成像與超高速平臺(tái)GMTI系統(tǒng)技術(shù)（論文提綱范文）

四、基于運(yùn)動(dòng)載機(jī)模型的相控陣?yán)走_(dá)動(dòng)態(tài)雜波抑制仿真研究（論文參考文獻(xiàn)）

• [1]相控陣機(jī)載SAR海面動(dòng)目標(biāo)成像算法研究[D]. 張璘. 哈爾濱工業(yè)大學(xué), 2021(02)
• [2]多通道SAR地面運(yùn)動(dòng)目標(biāo)檢測(cè)與成像研究[D]. 穆慧琳. 哈爾濱工業(yè)大學(xué), 2021(02)
• [3]基于極化空時(shí)處理的雜波抑制和目標(biāo)檢測(cè)研究[D]. 謝磊. 電子科技大學(xué), 2021(01)
• [4]知識(shí)輔助的機(jī)載雷達(dá)雜波抑制與目標(biāo)檢測(cè)算法研究[D]. 李明. 電子科技大學(xué), 2021(01)
• [5]FDA-MIMO雷達(dá)雜波抑制方法研究[D]. 張小弩. 電子科技大學(xué), 2021(01)
• [6]機(jī)載非規(guī)則陣列雷達(dá)空時(shí)處理技術(shù)研究[D]. 彭一豐. 電子科技大學(xué), 2021(01)
• [7]頻控陣?yán)走_(dá)抗拖曳式干擾技術(shù)研究[D]. 李思琦. 電子科技大學(xué), 2021(01)
• [8]共形陣列極化信號(hào)處理方法與應(yīng)用研究[D]. 張曉文. 西安電子科技大學(xué), 2020(02)
• [9]機(jī)載雷達(dá)自適應(yīng)干擾抑制和基于先驗(yàn)知識(shí)的空時(shí)信號(hào)處理[D]. 蘇昱煜. 西安電子科技大學(xué), 2020(02)
• [10]機(jī)載對(duì)地監(jiān)視雷達(dá)射頻隱身、多視角成像與超高速平臺(tái)GMTI系統(tǒng)技術(shù)[D]. 常文勝. 西安電子科技大學(xué), 2020(02)

標(biāo)簽：協(xié)方差論文;  協(xié)方差分析論文;  協(xié)方差矩陣論文;  雷達(dá)論文;  自適應(yīng)算法論文;