一、相控阵AEW雷达杂波抑制的辅助通道方法研究(论文文献综述)
闫异圣[1](2021)在《频控阵雷达目标检测关键技术研究》文中进行了进一步梳理与常规相控阵(Phased Array,PA)仅有方位角依赖性的发射波束不同,频控阵(Frequency Diverse Array,FDA)雷达通过对各阵元载频依次施加不同的频率偏移形成具有方位角、距离甚至时间依赖特性的发射波束。因此,频控阵雷达在发射波束形成、杂波和干扰抑制、目标检测与跟踪、参数估计和射频隐身等领域具有广泛的应用前景。本文从频控阵雷达阵列结构和信号的基本特性出发,对其目标检测涉及的关键技术进行了系统的研究,主要包括频控阵雷达的目标散射截面积(Radar Cross Section,RCS)、杂波模型及其特性、独立同分布与非独立同分布起伏目标的平方律检测和基于干扰协方差矩阵重构的广义似然比检测(Generalized Likelihood Ratio Test,GLRT)。主要研究工作和创新点总结如下:(1)频控阵雷达目标RCS分析与建模:针对频控阵雷达目标RCS建模的问题,本文根据电磁传播原理和中心极限定理推导了频控阵雷达目标RCS的统计分布模型,该模型可以更准确地描述频控阵雷达目标RCS在时间维和频率维的分布特性和相关特性,有效解决了与传统模型失配的问题。此外,本文还分析了频偏对频控阵雷达相对RCS幅度的去相关效应,并根据频率去相关准则,讨论了在不同应用场景中的频偏配置原则。对目标RCS统计模型的研究为频控阵雷达杂波建模和起伏目标检测奠定了理论基础。(2)频控阵雷达杂波分析与建模:针对机载雷达存在的距离模糊杂波问题,本文提出一种基于多通道混频-匹配滤波接收结构的脉冲频控阵雷达杂波信号模型,该模型同时适用于相干频控阵和频控阵MIMO(Multi-Input and Multi-Output)雷达。基于该杂波信号模型,本文分析了频控阵雷达的杂波特性,主要包括杂波的空-时功率谱特性和特征谱特性。此外,本文利用频控阵雷达发射波束的距离依赖性来区分机载前视指向阵列雷达的距离模糊杂波,并分析了频控阵雷达对距离模糊杂波的抑制性能,将其与常规相控阵和MIMO雷达对应的指标比较,表明频控阵MIMO雷达在距离模糊杂波抑制方面的应用优势。(3)基于平方律检测器的频控阵雷达起伏目标检测:针对独立同分布起伏目标的检测问题,本文推导了脉冲体制频控阵MIMO雷达的平方律检测模型,分析了其理论检测性能,并与相干频控阵、常规相控阵和MIMO雷达比较。此外,针对非独立同分布起伏目标的检测问题,由于频偏和发射波束的时变性对频控阵雷达目标RCS统计特性的影响,导致现有的RCS模型难以准确表征其电磁散射特性。因此,本文分别推导了相关同分布和独立非同分布起伏目标RCS模型对应的频控阵MIMO雷达平方律检测模型,对其渐近检测性能和截断误差上界的分析表明频控阵MIMO雷达在非独立同分布起伏目标检测方面的应用优势。(4)基于干扰协方差矩阵重构的频控阵雷达目标检测:针对干扰协方差矩阵未知的目标检测问题,本文提出一种基于干扰协方差矩阵重构的频控阵雷达目标检测算法。算法的提出是考虑到实际应用中通常缺乏额外的先验知识用于估计干扰信号,当数据样本量较少或训练样本中同时包含目标和干扰信号时,干扰的采样协方差矩阵与真实情况存在误差,从而导致目标检测性能严重降低。该算法将频控阵与MIMO雷达相结合,利用子空间旋转不变技术(Estimating Signal Parameters via Rotational Invariance Techniques,ESPRIT)分步估计干扰的方位角和距离参数,重构出与目标信号无关的高精度干扰协方差矩阵,并依据重构的干扰加噪声协方差矩阵完成频控阵MIMO雷达广义似然比检测的渐近性能分析。此外,本文还分析了该重构算法的计算复杂度、理论最小均方误差、参数估计的克拉美罗界和渐近检测概率等性能指标。
李明[2](2021)在《知识辅助的机载雷达杂波抑制与目标检测算法研究》文中研究指明机载雷达利用空时自适应处理(Space-Time Adaptive Processing,STAP)技术,能有效抑制地面杂波,提升动目标检测能力。杂波协方差矩阵的估计是机载雷达STAP的核心。然而传统STAP算法在非均匀杂波环境下面临着小样本难题,这将严重影响杂波协方差矩阵的估计精度,造成杂波抑制和动目标检测性能下降等问题。利用杂波与目标先验知识,如杂波协方差矩阵的低秩特性、结构知识等,能够消除回波信号中的冗余信息,减少未知参数数量,显着提高杂波协方差矩阵和未知参数的估计精度。另外,本文还针对基于知识辅助的STAP方法,如何有效地提升机载雷达对复杂环境的适应能力,增强动目标检测性能进行了研究。本文围绕上述内容展开研究,主要工作与贡献总结如下:(1)基于知识辅助的机载雷达训练样本选择算法针对训练样本被干扰目标污染引起的目标自消问题,分别提出了基于目标和杂波知识辅助的两种训练样本选择算法,可有效提高样本选择性能的稳健性。两种算法利用先验知识,分别通过杂波谱重构和杂波协方差矩阵的二阶谱结构,直接表征目标距离环(Cell Under Test,CUT)杂波特性,可确保CUT杂波特性的表征性能不受训练样本数量的限制,并且消除干扰目标对样本选择性能的影响。此外,所提出的两种样本选择算法分别以白化样本协方差矩阵的谱半径和杂波谱能量差异作为检验统计量,有效提高了样本选择的准确性。(2)基于知识辅助的机载相控阵雷达杂波协方差矩阵估计算法在小样本条件下,针对机载相控阵雷达利用离散字典估计杂波协方差矩阵时,存在的网格失配问题,本文提出了基于截断核范数的无网格杂波协方差矩阵估计算法。通过联合杂波协方差矩阵的低秩特性和Block-Toeplitz结构特征作为先验知识,实现在连续域估计杂波协方差矩阵,可有效解决基于离散字典的估计算法中存在的网格失配问题。在此基础上,提出了基于截断核范数的杂波秩近似表达方式,相比于核范数,能更准确的约束杂波秩,保证估计结果的收敛性。(3)基于知识辅助的机载多输入多输出(Multiple Input Multiple Output,MIMO)雷达杂波协方差矩阵估计算法针对小样本条件下机载MIMO雷达杂波协方差矩阵估计精度不足的问题,提出了基于多重结构知识的杂波协方差矩阵估计算法,充分利用MIMO雷达信号发射空域、接收空域和时域的双Kronecker积结构特征,并融合杂波协方差矩阵二阶谱结构特征,有效提高了小样本下杂波协方差矩阵的估计精度。此外,本文采用基于近似梯度下降算法求解多种结构知识约束的协方差矩阵估计问题,可实现杂波协方差矩阵估计的高效收敛。(4)基于知识辅助的直接数据域动目标检测算法针对非均匀杂波环境下训练样本不足导致的动目标检测性能下降问题,设计了基于知识辅助的直接数据域检测器,有效提高了无样本条件下的动目标检测性能。利用具有冗余基向量的杂波子空间和杂波协方差矩阵的结构特征作为先验知识,仅利用CUT的数据估计未知参数,保证检测性能不受非均匀杂波环境和杂波分布特性的影响,改善了复杂环境下的动目标检测能力。
沈鹏[3](2020)在《非理想状态运动雷达杂波特性分析和空域降维方法研究》文中指出为了适应作战的需要,雷达经常被安放在大型特种飞机、歼击机、导弹等各种运动平台上,以帮助武器装备获得更广的视野范围、更强的低空目标检测和跟踪能力、更好的跟踪和火控精度。空中运动平台载的各种雷达都难以避免地受到地面杂波的干扰,杂波抑制一直是这类雷达研究和研制的关键技术问题。空时自适应处理(STAP)技术可以有效地抑制杂波,改善运动雷达的动目标检测性能。但目前的研究大量集中在搭载平台理想飞行和雷达阵列轴线与地面平行的理想情况,对搭载平台非理想运动和雷达阵面更一般放置问题的研究较少。搭载平台运动状态和雷达阵面安放状态不同时,雷达杂波特性也会不同,针对理想情况的杂波抑制方法的性能会下降,难以满足作战的要求。因此,针对搭载平台的不同运动状态和不同的雷达阵面安放状态,对杂波的空时特性和抑制方法开展深入研究具有非常重要的意义。本文对非理想状态运动雷达杂波进行研究,建立了统一的运动雷达杂波模型,并以此为基础开展杂波特性分析和杂波抑制方法研究。针对传统子阵划分方法在非理想阵面安放状态情况下主瓣杂波抑制性能较差的问题,本文给出了两种新的子阵划分方法,可提高杂波抑制性能。论文的主要内容概括如下:1.研究了理想机载雷达的杂波特性,并讨论了STAP方法。首先建立了理想的机载雷达杂波模型,系统分析理想机载雷达杂波特性,作为后续非理想情况的运动雷达杂波特性的对比对象。然后介绍了STAP的基本原理和几种常见的STAP方法。2.研究了非理想状态运动雷达杂波的建模和杂波特性。针对搭载平台的不同运动状态和不同的雷达阵面安放状态,本文对运动雷达杂波进行了更一般的研究,建立了统一的运动雷达杂波模型。接着本文系统分析了非理想状态运动雷达杂波特性,并进行归纳和总结,明确了搭载平台运动状态和雷达阵面安放状态的改变对杂波特性的影响。3.研究了空域降维方法。针对传统子阵划分方法在非理想阵面安放情况下主瓣杂波抑制性能较差的问题,本文提出了两种新的子阵划分方法。第一种方法在矩形阵面四个顶点位置各划分一个小子阵,破坏子阵划分的二维可分离特性;第二种方法将空域自由度更多地分配到水平方向维度,提升系统空域自由度的利用率,从而提高杂波抑制性能。最后通过仿真实验对比分析了这两种子阵划分方法与传统子阵划分方法的性能,验证了所提方法的有效性。
林雪芳[4](2020)在《知识辅助的空时自适应处理方法研究》文中进行了进一步梳理机载预警雷达能够准确、快速地发现远距离和超低空的飞机、导弹,为作战指挥控制系统提供情报支持,是现代信息化战场上不可缺少的重要装备。但是,机载雷达在接收微弱的目标后向散射回波的同时,会不可避免地接收到大量来自地面的杂波。地杂波不仅强度非常大,并且由于载机的运动,不同方向的地杂波相对于雷达具有不同的径向速度,其速度范围为载机运动速度的2倍,导致杂波在多普勒域上的展宽。回波功率较弱目标信号常常淹没在这些地杂波之中,难以直接检测。空时自适应处理(STAP)技术采用空、时联合的二维滤波器,能够有效抑制地杂波,提高系统对目标检测性能。为了获得STAP滤波权矢量,需要从待检测单元周围选取一定数量的、满足独立同分布条件的距离单元数据作为训练样本来估计杂波协方差矩阵。然而,实际中受雷达阵面配置、照射场景地理环境以及其他非理想因素的影响,机载雷达的杂波往往是非均匀的。这破坏了独立同分布条件,造成可利用训练样本数量的不足和杂波协方差矩阵估计的不准确,进而引起杂波抑制性能的下降。本文围绕提高空时自适应处理对非均匀杂波的抑制性能展开研究。针对由非正侧阵和雷达工作环境引起的非均匀杂波的抑制问题,提出了一种利用不同波位数据的空时自适应处理算法,该算法能够有效抑制非均匀杂波。针对由离散杂波引起的虚警,提出一种目标二次甄别算法,降低旁瓣杂波区内虚警点的数量。论文的主要内容概括如下:1.机载雷达杂波特性及非均匀杂波仿真方法研究。从机载雷达回波信号模型出发,分析了杂波的角度多普勒分布和距离多普勒分布,研究了利用高程数据和地表分类数据两种先验知识仿真真实场景非均匀杂波的方法。仿真结果表明,该杂波仿真方法能够有效模拟机载雷达在非均匀场景下接收到的杂波。2.基于知识辅助的非均匀杂波抑制方法研究。在深入分析STAP算法的基本原理和非均匀杂波的成因及影响的基础上,针对由雷达配置和照射环境变化引起的非均匀杂波,提出了一种基于雷达不同波位数据空时自适应处理方法。该算法利用机载雷达搜索模式下获得的不同波束指向的回波数据,经谱估计和功率校正计算获得杂波功率,进而重构杂波协方差矩阵并计算权矢量。该算法仅使用了雷达不同波位中同一距离单元的数据,避免了由邻近距离单元数据中非均匀杂波产生的不利影响,可以明显提高空时自适应处理对非均匀杂波的抑制性能。3.虚警剔除算法研究。雷达回波数据经杂波抑制后进行目标检测,然而,杂波剩余仍会对目标检测造成不良影响,尤其是离散杂波。因此,在深入分析了离散强杂波引起虚警机理的基础上,本文提出了一种虚警剔除算法。该方法对过检测门限的距离多普勒单元中可能存在的副瓣强杂波进行针对性抑制,并利用其输出来判别该距离多普勒单元中是否存在真实目标,最后通过仿真实验验证了该算法的有效性。
梁雪彦[5](2020)在《机载雷达异构杂波抑制方法研究》文中进行了进一步梳理机载雷达具有体积小、可视距离远等优点,其应用领域越来越广泛。由于机载雷达接收到的回波信号包含具有严重空时耦合特性的杂波,为了能够更快更准确地发现和定位目标,需要对回波信号进行杂波抑制。最优空时自适应处理(Space Time Adaptive Processing,STAP)是一种经典的杂波抑制算法,不过该算法的运算量会随着阵列规模的增大而增加,并且杂波环境假设为理想的均匀杂波环境,但该算法的性能在实际工程中易受到实际地形等因素的影响。因此,本文基于机载相控阵雷达,建立了异构杂波通用模型并给出了异构杂波抑制方法。本文的主要工作包括以下几个方面:1、介绍了机载相控阵雷达均匀杂波模型并研究了几种STAP方法。首先,根据天线阵列模型介绍了均匀杂波模型。然后,研究了最优STAP方法和三种经典的降维STAP方法。仿真实验表明,杂波功率谱分布轨迹的弯曲程度随着偏航角的增大逐渐变大,频谱展宽现象随着幅相误差的增大越来越明显。同时,比较几种方法的改善因子曲线图,得出降维STAP方法的杂波抑制性能接近最优STAP方法的结论。2、针对实际工程中存在的地形起伏、建筑物高度差异等问题,给出新型的机载相控阵雷达异构杂波模型。首先,分析造成杂波异构的不同因素,给出了方位角异构和俯仰角异构的定义,并将异构程度分别量化为方位向异构因子和俯仰维异构因子。然后,根据机载雷达均匀杂波模型设计了异构杂波模型。接下来,总结了获取机载雷达异构杂波回波数据的详细流程。最后,仿真实验验证了异构杂波模型的正确性。并且实验结果显示,随着方位向异构因子和俯仰维异构因子的增大,降维STAP方法在异构杂波的抑制方面性能下降。3、结合本文建立的异构杂波模型,研究了机载相控阵雷达异构杂波抑制方法。首先,根据雷达参数、载机速度等先验信息研究了两维两脉冲杂波对消(TwoDimensional pulse-to-pulse Canceller,TDPC)方法。然后,给出了两维多脉冲杂波对消(Two-Dimensional Multi-pulse Canceller,TDMC)方法。接下来,设计了机载相控阵雷达异构杂波三维模型,并在该模型的基础上提出了三维两脉冲杂波对消方法。最后,仿真实验表明,TDPC方法、TDMC方法和三维两脉冲杂波对消方法能够滤除大部分杂波,不过三维两脉冲杂波对消方法在杂波抑制方面具有更优的性能,而TDMC方法的杂波抑制效果相比TDPC方法更好。
彭宇[6](2020)在《基于FPGA和DSP架构的空时自适应雷达信号处理设计与实现》文中研究说明空时自适应处理(Space-Time Adaptive Processing,STAP)技术诞生于1973年,该技术能够在空时二维有效的抑制地(海)强杂波和强干扰,大幅度提升机载雷达微弱低速运动目标的检测性能。经过近半个世纪的发展,STAP理论趋于成熟,STAP技术的工程实现成为该领域的主要研究方向。随着高性能FPGA和DSP处理器技术的发展,赋予了FPGA强大的并行处理能力、DSP强大的浮点运算能力,基于FPGA和DSP架构的STAP实时处理系统成为当今主流。基于以上背景,本文围绕基于FPGA和DSP架构的空时自适应处理实现技术展开了研究。首先对STAP理论算法进行了研究,给出了一套工程化STAP算法方案,该方案适用于非均匀杂波环境,有较好的杂波抑制性能。采用目标导向约束和广义内积(GIP)算法联合对训练样本进行挑选,为估计杂波协方差矩阵提供了相对均匀的训练样本,然后利用m DT降维算法和子空间投影算法分别对均匀样本和非均匀样本进行杂波抑制,最后利用二维CA-CFAR和二维OS-CFAR联合进行恒虚警检测。然后针对STAP算法方案搭建了基于Open VPX标准的雷达信号处理平台,标准化的设计通用性强,兼容不同厂家的VPX板卡,有利于多厂家协同开发。该平台的信号处理核心是4块基于FPGA和DSP架构的信号处理板卡,其结构灵活,适合模块化设计,运算性能强大。同时,设计了基于串行Rapid IO的高速互连网络,使得该平台上的任何Rapid IO设备都可以实现互相通信。每一条链路都采用4通道,单链路理论数据带宽达到18Gbps,数据吞吐量大。接着在雷达信号处理平台上实现了工程化STAP算法方案,这也是本文的研究重点。本文对空时自适应处理的实现过程进行了详细的论述,包括STAP算法模块的划分与分配、FPGA逻辑设计、DSP程序设计、FPGA和DSP的通信传输设计,尤其是为了提高实时性所做的流水设计、内存规划和程序优化,以及为了提高精度所做的定点位宽扩展、归一化及定点转浮点设计。最后,搭建STAP系统测试平台,利用多组仿真雷达回波数据对STAP系统进行测试和分析,包括实时性、精度误差和资源消耗。测试结果表明,平均每个相参处理间隔的处理时间为23.522ms,系统延迟为62.578ms,满足实时性需求。相对于MATLAB双精度浮点运算,STAP系统的目标检测相对误差精度为10-3量级。FPGA和DSP处理器的运算、存储资源消耗占比低于70%,有一定的系统扩展空间。
桂荣华[7](2020)在《频控阵雷达自适应处理关键技术研究》文中研究表明频控阵(Frequency Diverse Array,FDA)雷达是在常规相控阵(Phased Array,PA)的基础上,对各阵元载频依次施加不同的频率偏移而形成的新体制阵列雷达。与常规相控阵雷达的发射波束仅具有方位角依赖性不同,频控阵雷达的频偏使其发射波束具有距离和方位角的联合依赖性。因此,频控阵不但具有相控阵的功能特性,还在距离相关的波束形成、目标探测、干扰抑制、电子对抗和安全通信等领域具有广泛的应用潜力。从频控阵雷达的基本信号特征出发,本文系统地研究了频控阵雷达自适应处理涉及的关键技术,包括频控阵雷达的相干接收机设计、自适应动目标检测和自适应动目标跟踪方法等。主要研究工作和创新点总结如下:(1)分析了频偏对频控阵雷达回波信号的去相关效应和分辨特性的影响:针对频控阵雷达系统的频偏设计问题,本文分析了频偏对回波信号幅度的去相关效应,提出了一种判别频偏去相关的经验准则,并讨论了在高分辨率测距和杂波抑制等应用场景中的频偏设计原则。此外,本文推导了频控阵雷达的广义模糊函数,借助广义模糊函数深入分析了频偏对距离、方位角和多普勒分辨性能的影响,并研究了大频偏所引起的距离单元内二次距离模糊、发射波束展宽和多普勒模糊等问题,为频偏的优化设计奠定了理论基础。(2)提出了一种通用的频控阵雷达相干接收机设计方法:针对频控阵雷达的一般回波信号接收问题,本文根据充分统计量原理设计了一种基于多通道混频-匹配滤波的相干接收机结构。该接收机同时适用于频谱重叠(波形相干)和不重叠(波形正交)的情况,因而具有通用性。基于该接收机的数据模型,本文还分析了频控阵雷达的发射虚波束图、输出信干噪比和参数估计克拉美罗界,并将其与常规相控阵和多输入多输出(Multi-Input and Multi-Output,MIMO)雷达的相应性能指标作了比较,表明了频控阵雷达在高精度距离估计和距离依赖干扰抑制方面的应用优势。(3)频控阵雷达的自适应动目标检测:针对常规速度和高速运动目标的自适应检测问题,本文分别提出了一种无需额外训练数据的低复杂度检测算法和一种基于主瓣杂波抑制的盲速目标检测方法。前一种算法的提出是考虑到频控阵雷达的接收数据模型具有距离依赖性,其邻距离单元的训练数据无法直接用于干扰或者杂波协方差矩阵的估计。该算法基于无结构广义似然比检验,利用干扰信号在时域上去相关的特性实现干扰协方差矩阵的估计,而且仅需一维多普勒搜索(无需对距离、方位角和多普勒频率进行三维联合搜索),故具有复杂度低的优点。由于目标运动速度过高时,不同频偏所带来的微小多普勒频移不可忽略,多普勒扩展效应变得显着。后一种方法正是利用多普勒扩展所带来的附加相位区分盲速目标和主瓣杂波,从而提升盲速目标检测性能。相比于常规方法,该方法的优点在于无需改变脉冲重复频率。(4)频控阵雷达的自适应动目标跟踪:为了实现频谱干扰的自动躲避和发射波束的实时聚焦,本文结合认知雷达的思想,分别提出了一种基于自适应发射功率分配和一种基于自适应发射子孔径的频控阵雷达目标跟踪方法。前一种方法能够根据实时频谱感知的结果,自适应地分配各阵元的发射功率以调整信号频谱,使得频控阵雷达能够自动躲避窄带频谱干扰,从而提升输出信干噪比,所得跟踪误差低于固定发射功率分配时的误差。后一种方法将发射阵列划分为多个相控子阵,相邻子阵之间具有频偏,主要是为了解决正交频控阵雷达无法享有发射相干增益的问题。该方法能够将各子阵的发射波束实时地聚焦于目标所在的方位角,实现匹配照射,达到的跟踪误差低于正交发射与简单和波束发射时的误差。
雍从建[8](2020)在《幅相误差情况下低空风切变检测》文中提出低空风切变通常出现在高度六百米以下,利用机载气象雷达对低空风切变进行检测时,此时航空器距离地面较近,因此气象雷达接收的回波信号中包含大量的地杂波信号,导致低空风切变无法被直接检测,为了在杂波背景下完成低空风切变检测,首先要对地杂波进行抑制。机载气象雷达在实际应用中,当存在阵元幅相误差时,导致杂波自由度增大,杂波在空时二维平面上散开,占据更大的二维空间,使得杂波谱变得更加复杂,以至于影响杂波抑制效果,进而导致低空风切变检测结果不准确。基于此,本论文以幅相误差为背景,对低空风切变检测方法进行了研究。首先,论文研究了幅相误差下机载气象雷达地杂波和低空风切变的回波数据模型,根据回波数据模型,对存在幅相误差的机载气象雷达回波信号进行了仿真,并对机载气象雷达地杂波的距离依赖性进行了推导,最后仿真了无误差和存在不同误差情况下的低空风切变和地杂波的空时二维谱,并进行了分析,为接下来的低空风切变检测奠定了基础。其次,针对存在幅相误差时,导致低空风切变检测不准确的问题,提出了一种基于组合空时主通道-局域联合空时自适应处理的低空风切检测方法。该方法首先依据雷达回波数据,对杂波存在的距离依赖性进行矫正;然后根据算法原理构造降维变换自适应处理器;最后利用求得的最优权矢量对雷达回波数据进行自适应滤波,完成幅相误差情况下低空风切变风速估计,从而实现低空风切变检测。仿真结果表明,该方法能够在幅相误差的情况下,很好的实现低空风切变检测。最后,针对CMCAP-JDL方法复杂度高计算量大的问题,提出一种计算量较小的改进辅助通道低空风切变检测方法。该方法首先采用幅相误差下基于修正导向矢量的杂波距离依赖性矫正方法;然后对待测距离单元杂波能量在波束-多普勒域的分布进行分析,根据杂波能量的分布特征选取辅助通道,来构建自适应降维处理器;最后利用求解的自适应降维处理器的最优权矢量实现对雷达回波数据的自适应滤波,完成幅相误差情况下低空风切变风速的准确估计,从而实现风切变检测。仿真结果表明,该方法在存在幅相误差时,能较好的实现低空风切变检测,同时进一步降低了运算量和算法复杂度。
邵启伦[9](2020)在《机载FDA-MIMO雷达EBTDPC级联局域化联合处理STAP方法研究》文中认为基于频率分集阵列(Frequency Diverse Arrayt,FDA)体制的多输入输出(Multiple Input Multiple Output,MIMO)雷达技术解决了高速运动平台雷达空时自适应处理的距离模糊问题。但是,全维的MIMO雷达STAP方法将带来计算量大与样本需求量高的问题。此外,当先验知识不准确时,地杂波两维两脉冲对消器(Two-Dimensional Pulse-to-Pulse Canceller,TDPC)作为预滤波器时雷达运动目标检测性能将急剧恶化。针对此问题,本文拟设计FDA-MIMO雷达中的降维STAP方法,以降低计算量和样本需求量,并增强TDPC预滤波器在先验知识不准确情况下的稳健性能,主要内容分为以下几个方面:(1)构建机载FDA-MIMO雷达信号模型,并分析FDA-MIMO雷达体制下最优STAP的优点以及其计算量大、样本需求量高的不足。基于此,将局域联合处理(Joint Domain Localized,JDL)算法应用于经过距离补偿的FDA-MIMO雷达。之后进一步进行权矢量拆分(Weight Vector Decomposition,WVD),该方法将自适应权矢量拆分成两个子矢量Kronecker积的形式,并通过迭代得出两个子矢量的最优值,从而得到降维STAP处理所需权矢量。(2)提出基于估计误差的两维两脉冲对消器(Error-Based Two-Dimensional Pulse-to-Pulse Canceller,EBTDPC)。首先分析了估计平台速度和偏航角的误差对杂波多普勒频率的影响,并进一步将估计平台速度和偏航角的误差作为先验知识加入杂波滤波系数矩阵的设计中,以提高TDPC在雷达系统参数(主要是平台速度和偏航角)估计不准确情况下的稳健性。EBTDCP作为杂波预滤波可以提高后续非自适应检测方法或空时自适应处理方法的运动目标检测性能。(3)将EBTDPC作为预滤波器应用于机载FDA-MIMO雷达并与后续基于权矢量拆分的JDL进行级联,形成两级预滤波器和目标检测器。仿真实验表明,通过EBTDPC预滤波器及后续降维STAP方法设计,可在先验知识不准确的情况下有效抑制杂波,提高目标检测性能,并大幅降低了FDA-MIMO雷达的空时自适应处理的计算量以及样本需求量。
孙雨泽[10](2017)在《面向复杂环境的快速稳健空时自适应杂波抑制方法研究》文中研究指明空时自适应处理(STAP)技术通过空时域自适应联合滤波,能够有效改善杂波抑制性能,极大提升机载相控阵雷达慢速目标检测性能,是当代机载相控阵雷达的关键技术之一。然而复杂多变的机载相控阵雷达工作环境对STAP技术提出严峻挑战,如何实现复杂环境下快速稳健杂波抑制是目前亟待解决的关键问题。本文将紧密结合复杂环境下机载相控阵雷达杂波抑制技术的迫切需求,采用理论分析与机载相控阵雷达实测数据验证相结合的方法,重点对适用于小样本条件下的杂波快速抑制方法、STAP自适应权矢量快速计算方法及非均匀特性杂波抑制方法进行深入研究,有效提升复杂环境下杂波抑制的收敛性及稳健性。具体研究内容和结论如下:第二章对机载相控阵雷达空时回波数据进行数学建模,并从杂波空时二维功率谱和自适应权矢量两个方面分析了STAP内在的稀疏特性,为后续研究提供基础。第三章对小样本条件下杂波快速抑制问题开展研究。在实际复杂环境中,足够数量的均匀训练样本难以得到保证,因此传统STAP技术无法保证理想的杂波抑制性能。针对以上问题,本节首先基于杂波空时二维功率谱稀疏分布特性,提出快速稳健的迭代稀疏恢复STAP算法。该方法通过杂波稀疏恢复和字典误差校准迭代计算完成杂波谱快速稳健重构,不仅可以有效降低噪声和字典误差对杂波稀疏恢复性能的影响,同时利用递推求解,避免直接进行矩阵求逆运算,极大降低计算复杂度。仿真和实测机载雷达数据验证了该方法可以有效提升复杂环境小样本条件下STAP算法性能。其次,本节基于自适应权矢量稀疏特性,提出基于稀疏约束的快速子空间迭代跟踪(PAST)STAP算法。该方法充分利用杂波低秩特性,通过在代价函数中施加稀疏约束,利用迭代计算,极大提高杂波子空间的估计性能。仿真和实测机载雷达数据验证了该方法可以有效提升复杂环境小样本条件下杂波抑制效果。第四章对STAP自适应权矢量快速计算问题开展研究。由于空时协方差矩阵求逆运算存在巨大的运算复杂度,传统STAP技术难以保证复杂多变环境下自适应权矢量的计算速度。针对以上问题,本节根据空时协方差矩阵正定Hermitian特性,提出基于阵元阶数递推的STAP自适应权矢量计算方法。该方法根据相控阵雷达回波数据相邻阶数之间协方差矩阵的递推关系,首先递推得到第1个阵元的协方差逆矩阵,然后按照阵元阶数逐级递推计算,最终可以得到全维空时协方差逆矩阵,进而完成STAP自适应权矢量求解。同时本方法还可以有效地与固定结构降维STAP算法结合使用,极大降低自适应权矢量计算复杂度。仿真和实测机载雷达数据验证了该方法可以明显改善复杂多变环境下杂波抑制的处理速度。第五章对非均匀离散干扰抑制问题开展研究。传统STAP算法由于只利用训练样本集合估计杂波协方差矩阵,不包含离散干扰信息,因此无法有效抑制离散干扰。直接数据域算法(DDD)未利用训练样本中的杂波统计信息,均匀杂波性能有限;基于自适应局域变换的级联离散干扰抑制算法(DDD-ALT)在均匀样本数量有限时性能明显恶化。针对以上问题,本节基于杂波谱稀疏分布特性,提出基于稳健贝叶斯压缩感知的离散干扰抑制算法。该方法通过稳健贝叶斯压缩感知和字典误差校准迭代计算完成杂波谱快速稳健重构,在较低的计算复杂度下有效降低噪声和空时过完备字典误差对杂波与离散干扰分布估计的影响。仿真和实测机载雷达数据验证了该方法可以有效提升复杂环境下均匀杂波和离散干扰的抑制性能。第六章对非均匀干扰目标抑制问题开展研究。干扰目标包含在训练样本集中,会污染训练样本集合,使得估计协方差矩阵无法准确反映待检测距离单元的杂波统计特性,严重影响杂波抑制性能。传统基于广义内积的非均匀检测器(GIP-NHD)和基于椭圆长球波函数的非均匀检测方法(PSWF-NHD)需要剔除非均匀样本后进行杂波协方差矩阵估计,当环境非均匀程度较高时,过量样本将被剔除,用于估计协方差矩阵的样本数量不足,杂波抑制性能受到影响。针对以上问题,本节基于子空间处理原理,提出基于先验知识的稀疏子空间重构干扰目标抑制算法。该方法首先利用稀疏恢复技术估计杂波和干扰目标在空时平面上的位置,随后利用系统参数等先验信息构造杂波分布位置“掩模”,剔除干扰目标对应的位置,获得杂波的分布位置对应的空时导向矢量集合,最后利用杂波空时导向矢量集合重构杂波子空间,克服训练样本数量对杂波子空间估计的影响,实现干扰目标场景下杂波稳健抑制。仿真和实测机载雷达数据验证了该方法可以有效提升干扰目标场景下杂波抑制稳健性。第七章对全文进行总结,并指出进一步可能的研究方向。
二、相控阵AEW雷达杂波抑制的辅助通道方法研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、相控阵AEW雷达杂波抑制的辅助通道方法研究(论文提纲范文)
(1)频控阵雷达目标检测关键技术研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 频控阵雷达的研究现状和发展趋势 |
1.2.1 发射波束图综合设计 |
1.2.2 杂波和干扰抑制 |
1.2.3 目标检测与定位 |
1.2.4 系统平台研制 |
1.2.5 其他领域的应用 |
1.3 论文的主要工作和创新点 |
1.4 论文的内容和结构 |
1.5 本章小结 |
第二章 频控阵雷达理论基础 |
2.1 引言 |
2.2 频控阵雷达发射波束特性 |
2.2.1 方位角-距离依赖性 |
2.2.2 时变性 |
2.3 频控阵雷达接收信号模型 |
2.3.1 多通道混频-匹配滤波接收机结构 |
2.3.2 信号模型分析 |
2.4 本章小结 |
第三章 频控阵雷达目标散射截面积(RCS)分析与建模 |
3.1 引言 |
3.2 传统目标RCS理论基础 |
3.2.1 目标RCS定义 |
3.2.2 目标起伏模型 |
3.3 频控阵雷达目标RCS建模 |
3.3.1 简单目标 |
3.3.2 复杂目标 |
3.3.3 仿真与分析 |
3.4 频控阵雷达目标RCS统计特性分析 |
3.4.1 目标RCS的分布特性分析 |
3.4.2 目标RCS的相关特性分析 |
3.4.3 仿真与分析 |
3.5 本章小结 |
第四章 频控阵雷达杂波分析与建模 |
4.1 引言 |
4.2 频控阵雷达杂波建模 |
4.2.1 空-时-距信号模型 |
4.2.2 杂波回波信号模型 |
4.3 频控阵雷达杂波特性分析 |
4.3.1 杂波功率谱特性 |
4.3.2 杂波特征谱特性 |
4.3.3 杂波抑制 |
4.4 仿真与分析 |
4.4.1 杂波功率谱 |
4.4.2 杂波特征谱 |
4.4.3 杂波抑制 |
4.5 本章小结 |
第五章 基于平方律检测器的频控阵雷达起伏目标检测 |
5.1 引言 |
5.2 频控阵雷达平方律检测模型 |
5.2.1 平方律检测器结构 |
5.2.2 检测信号模型 |
5.3 频控阵雷达独立同分布起伏目标检测 |
5.3.1 独立同分布检测模型 |
5.3.2 理论检测性能 |
5.3.3 仿真与分析 |
5.4 频控阵雷达相关同分布起伏目标检测 |
5.4.1 相关同分布检测模型 |
5.4.2 理论检测性能 |
5.4.3 仿真与分析 |
5.5 频控阵雷达独立非同分布起伏目标检测 |
5.5.1 独立非同分布检测模型 |
5.5.2 理论检测性能 |
5.5.3 仿真与分析 |
5.6 本章小结 |
第六章 基于干扰协方差矩阵重构的频控阵雷达目标检测 |
6.1 引言 |
6.2 基于空间谱搜索的干扰协方差矩阵重构 |
6.2.1 频控阵MIMO雷达信号模型 |
6.2.2 基于MUSIC的二维空间谱估计 |
6.2.3 仿真与分析 |
6.3 基于分步ESPRIT估计的干扰协方差矩阵重构 |
6.3.1 频控阵MIMO雷达子阵模型 |
6.3.2 分步ESPRIT估计算法 |
6.3.3 最小均方误差 |
6.3.4 克拉美罗界 |
6.3.5 仿真与分析 |
6.4 基于干扰协方差矩阵重构的广义似然比检测 |
6.4.1 广义似然比检测模型 |
6.4.2 渐近检测性能分析 |
6.4.3 仿真与分析 |
6.5 本章小结 |
第七章 总结与展望 |
7.1 全文总结 |
7.2 后续工作展望 |
致谢 |
参考文献 |
附录 |
攻读博士学位期间取得的成果 |
(2)知识辅助的机载雷达杂波抑制与目标检测算法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 研究动态与发展现状 |
1.2.1 知识辅助的机载雷达训练样本选择研究动态 |
1.2.2 知识辅助的机载雷达杂波协方差矩阵估计研究动态 |
1.2.3 知识辅助的机载雷达动目标检测研究动态 |
1.3 本文的主要贡献与创新 |
1.4 本论文的结构安排 |
第二章 机载雷达杂波模型及协方差矩阵知识分析 |
2.1 机载雷达杂波信号模型分析 |
2.1.1 机载相控阵雷达杂波信号模型 |
2.1.2 机载MIMO雷达杂波信号模型 |
2.2 机载雷达杂波协方差矩阵的低秩特性 |
2.3 机载雷达杂波协方差矩阵的结构知识 |
2.3.1 杂波协方差矩阵的Block-Toeplitz结构 |
2.3.2 杂波协方差矩阵的Kronecker积求和结构 |
2.3.3 杂波协方差矩阵的二阶谱结构 |
2.4 非理想因素对杂波模型及协方差矩阵知识的影响分析 |
2.4.1 通道误差对杂波模型及协方差矩阵知识的影响分析 |
2.4.2 杂波内运动对杂波模型及协方差矩阵知识的影响分析 |
2.5 本章小结 |
第三章 知识辅助的机载雷达训练样本选择算法 |
3.1 协方差矩阵知识对GIP样本选择算法性能影响分析 |
3.1.1 基于GIP的样本选择算法原理分析 |
3.1.2 协方差矩阵估计误差对样本选择的影响分析 |
3.2 基于目标知识辅助的训练样本选择算法 |
3.2.1 基于白化样本协方差矩阵谱半径的样本选择算法 |
3.2.2 基于目标知识辅助的检验统计量估计 |
3.3 基于杂波知识辅助的训练样本选择算法 |
3.3.1 基于先验杂波脊斜率的CUT杂波特性表征 |
3.3.2 基于杂波谱能量差异的样本选择算法 |
3.4 知识辅助的样本选择算法性能验证 |
3.5 本章小结 |
第四章 知识辅助的机载相控阵雷达杂波协方差矩阵估计 |
4.1 基于低秩特性的杂波协方差矩阵估计 |
4.1.1 基于离散字典的协方差矩阵估计 |
4.1.2 截断核范数约束杂波秩的原理分析 |
4.2 知识辅助的无网格杂波协方差矩阵估计算法 |
4.2.1 无网格杂波协方差矩阵估计问题模型 |
4.2.2 基于截断核范数的无网格杂波协方差矩阵估计算法 |
4.3 基于截断核范数的无网格杂波协方差矩阵估计算法仿真验证 |
4.4 本章小结 |
第五章 知识辅助的机载MIMO雷达杂波协方差矩阵估计 |
5.1 基于先验结构知识的杂波协方差矩阵估计算法 |
5.1.1 基于二阶谱结构知识的杂波协方差矩阵估计 |
5.1.2 基于Kronecker积求和结构的杂波协方差矩阵估计 |
5.2 基于多重结构知识的杂波协方差矩阵估计算法 |
5.2.1 基于多重结构知识的杂波协方差矩阵估计问题模型 |
5.2.2 基于近似梯度下降算法的杂波协方差矩阵估计 |
5.2.3 算法性能分析 |
5.3 基于多重结构知识的杂波协方差矩阵估计算法仿真验证 |
5.4 本章小结 |
第六章 知识辅助的直接数据域机载雷达运动目标检测 |
6.1 基于杂波稀疏特性的机载雷达检测器设计 |
6.1.1 基于GLRT准则的点目标检测问题模型 |
6.1.2 基于杂波稀疏特性的GLRT检测器模型 |
6.2 知识辅助的直接数据域机载雷达检测器设计 |
6.2.1 基于斜投影的目标信号最大似然估计 |
6.2.2 基于原子范数最小化的杂波信号最大似然估计 |
6.2.3 检测统计量的估计 |
6.2.4 基于斜投影的目标信号最大似然估计性能分析 |
6.3 知识辅助的直接数据域机载雷达动目标检测算法仿真验证 |
6.4 本章小结 |
第七章 全文总结与展望 |
7.1 全文总结 |
7.2 后续工作展望 |
致谢 |
参考文献 |
附录 A 式(6-56)的证明 |
攻读博士学位期间取得的成果 |
(3)非理想状态运动雷达杂波特性分析和空域降维方法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究历史及现状 |
1.3 本文的主要工作内容 |
第二章 理想机载雷达杂波特性和STAP基本原理 |
2.1 引言 |
2.2 理想机载雷达的杂波模型和杂波特性分析 |
2.2.1 理想矩形平面阵杂波模型 |
2.2.2 等锥角线和等多普勒线 |
2.2.3 角度多普勒特性 |
2.2.4 距离多普勒特性 |
2.3 空时自适应处理原理及方法 |
2.3.1 空时自适应处理原理 |
2.3.2 FA方法和EFA方法 |
2.3.3 仿真实验分析 |
2.4 本章小结 |
第三章 非理想状态运动雷达杂波建模及杂波特性分析 |
3.1 引言 |
3.2 非理想状态运动雷达杂波建模 |
3.2.1 阵列天线和散射体的位置关系 |
3.2.2 运动雷达的状态变换 |
3.2.3 运动雷达回波模型 |
3.3 非理想状态运动雷达杂波特性分析 |
3.3.1 等锥角线和等多普勒线 |
3.3.2 角度多普勒特性 |
3.3.3 距离多普勒特性 |
3.3.4 非理想状态运动雷达杂波特性总结 |
3.4 本章小结 |
第四章 空域降维方法的研究 |
4.1 引言 |
4.2 空域降维矩阵的构成 |
4.3. 常见的STAP子阵划分方法 |
4.3.1 均匀邻接子阵方法 |
4.3.2 非均匀邻接子阵方法 |
4.4 新的子阵划分方法 |
4.4.1 子阵划分方法一 |
4.4.2 子阵划分方法二 |
4.4.3 两种方法的性能分析 |
4.5 本章小结 |
第五章 工作总结与展望 |
5.1 工作总结 |
5.2 工作展望 |
参考文献 |
致谢 |
作者简介 |
(4)知识辅助的空时自适应处理方法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 本文主要工作 |
第二章 机载雷达杂波特性与仿真 |
2.1 引言 |
2.2 机载雷达杂波特性分析 |
2.2.1 杂波模型 |
2.2.2 杂波的角度多普勒分布 |
2.2.3 杂波的距离多普勒分布 |
2.3 基于先验信息的非均匀杂波仿真 |
2.3.1 先验信息与坐标变换 |
2.3.2 机载雷达工作场景建模 |
2.3.3 地表分类与杂波功率 |
2.3.4 杂波信号仿真算法 |
2.4 仿真实验 |
2.5 本章小结 |
第三章 知识辅助的非均匀杂波抑制方法 |
3.1 引言 |
3.2 空时自适应处理方法 |
3.3 基于不同波位数据的杂波抑制方法 |
3.3.1 基本原理及步骤 |
3.3.2 雷达波位选取 |
3.3.3 各个波位的杂波二维谱分布估计 |
3.3.4 杂波协方差矩阵重构 |
3.4 仿真实验 |
3.5 本章小结 |
第四章 虚警剔除算法研究 |
4.1 引言 |
4.2 恒虚警检测 |
4.2.1 脉冲多普勒(PD)雷达动目标检测原理 |
4.2.2 单元平均恒虚警检测 |
4.3 目标二次甄别算法 |
4.3.1 虚警成因分析 |
4.3.2 目标二次甄别算法 |
4.4 仿真实验 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 工作总结 |
5.2 工作展望 |
参考文献 |
作者简介 |
(5)机载雷达异构杂波抑制方法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究历史与现状 |
1.2.1 STAP的研究历史与现状 |
1.2.2 非均匀杂波抑制方法的研究历史与现状 |
1.3 本文主要工作和安排 |
第二章 机载相控阵雷达均匀杂波模型及STAP方法 |
2.1 引言 |
2.2 机载相控阵雷达均匀杂波模型 |
2.2.1 机载相控阵雷达均匀杂波几何模型 |
2.2.2 杂波功率谱 |
2.2.3 杂波特征谱 |
2.3 最优STAP |
2.4 几种经典的降维空时自适应算法 |
2.4.1 因子化(FA)方法 |
2.4.2 扩展因子化(EFA)方法 |
2.4.3 局域联合处理(JDL)方法 |
2.5 仿真实验与分析 |
2.6 本章小结 |
第三章 机载相控阵雷达异构杂波模型的建立 |
3.1 引言 |
3.2 机载相控阵雷达异构杂波模型 |
3.2.1 机载雷达异构杂波的几何模型 |
3.2.2 获取机载雷达异构杂波回波数据的流程 |
3.2.3 机载雷达异构杂波矩阵-向量模型 |
3.3 仿真实验与分析 |
3.4 本章小结 |
第四章 机载相控阵雷达异构杂波抑制方法 |
4.1 引言 |
4.2 两维两脉冲杂波对消(TDPC)方法 |
4.3 两维多脉冲杂波对消(TDMC)方法 |
4.4 三维两脉冲杂波对消方法 |
4.4.1 机载相控阵雷达杂波的三维几何模型 |
4.4.2 机载相控阵雷达杂波的三维矩阵—向量模型 |
4.4.3 三维两脉冲杂波对消方法 |
4.4.4 TDPC、TDMC和三维两脉冲杂波对消方法的运算量比较 |
4.5 仿真实验与分析 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 全文内容总结 |
5.2 研究展望 |
参考文献 |
致谢 |
作者简介 |
(6)基于FPGA和DSP架构的空时自适应雷达信号处理设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 降维STAP算法研究现状 |
1.2.2 STAP实时系统研究现状 |
1.3 论文主要工作和结构安排 |
第二章 STAP基本原理和工程化STAP算法方案 |
2.1 引言 |
2.2 全自由度STAP算法原理 |
2.2.1 最优STAP处理器 |
2.2.2 杂波协方差矩阵估计 |
2.3 工程化STAP算法方案 |
2.4 m DT降维STAP算法 |
2.5 非均匀检测器 |
2.5.1 目标导向约束样本挑选 |
2.5.2 GIP非均匀检测器 |
2.6 子空间投影算法 |
2.7 二维CFAR |
2.8 本章小结 |
第三章 基于Open VPX标准的雷达信号处理平台设计 |
3.1 引言 |
3.2 Open VPX标准 |
3.3 雷达信号处理平台组成 |
3.4 基于FPGA和DSP架构的信号处理板卡 |
3.4.1 XC7VX690T FPGA性能简介 |
3.4.2 TMS320C6678 DSP性能简介 |
3.5 串行Rapid IO高速互连网络设计 |
3.5.1 串行Rapid IO简介 |
3.5.2 串行Rapid交换芯片CPS1848简介 |
3.5.3 VPX背板串行Rapid IO互连网络 |
3.5.4 高速交换板串行Rapid IO互连网络 |
3.5.5 信号处理板串行Rapid IO互连网络 |
3.6 本章小结 |
第四章 基于FPGA和DSP架构STAP系统实现 |
4.1 引言 |
4.2 总体方案 |
4.2.1 预处理实现流程 |
4.2.2 自适应实现流程 |
4.3 接收存储 |
4.3.1 SRIO接收距离多普勒图 |
4.3.2 DDR3存储距离多普勒图 |
4.4 样本挑选 |
4.4.1 目标导向约束样本挑选实现 |
4.4.2 GIP样本挑选实现 |
4.5 杂波抑制 |
4.5.1 m DT降维STAP算法实现 |
4.5.2 子空间投影SVD分解算法实现 |
4.5.3 二维CFAR检测及目标上传 |
4.6 本章小结 |
第五章 STAP系统测试与分析 |
5.1 引言 |
5.2 系统测试平台 |
5.3 系统测试流程 |
5.3.1 仿真雷达回波数据 |
5.3.2 雷达回波模拟发送 |
5.3.3 目标结果实时显示 |
5.4 实时性分析 |
5.4.1 样本挑选运算时间统计 |
5.4.2 杂波抑制处理时间统计 |
5.5 精度误差分析 |
5.5.2 目标导向约束误差分析 |
5.5.3 GIP样本挑选误差分析 |
5.5.4 杂波抑制结果误差分析 |
5.5.5 CFAR检测结果误差分析 |
5.6 资源消耗统计与分析 |
5.6.1 FPGA资源统计与分析 |
5.6.2 DSP资源统计与分析 |
5.7 本章小结 |
第六章 工作总结与展望 |
6.1 工作总结 |
6.2 工作展望 |
参考文献 |
致谢 |
作者简介 |
(7)频控阵雷达自适应处理关键技术研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 频控阵的研究现状和发展趋势 |
1.2.1 基本阵列特性分析 |
1.2.2 发射方向图综合设计 |
1.2.3 联合距离-方位角目标定位 |
1.2.4 距离依赖性干扰和杂波抑制 |
1.2.5 频控阵在交叉领域的应用 |
1.2.5.1 物理层安全通信 |
1.2.5.2 合成孔径雷达 |
1.2.5.3 认知雷达 |
1.2.6 原型机和试验验证 |
1.3 论文的主要工作和创新点 |
1.4 论文的内容和结构 |
1.5 本章小结 |
第二章 频控阵雷达的基本原理 |
2.1 引言 |
2.2 频控阵的阵列特性 |
2.2.1 距离-方位角依赖性 |
2.2.2 距离-方位角耦合性 |
2.2.3 波束时变特性 |
2.2.4 自动扫描特性 |
2.3 频控阵雷达的信号模型 |
2.3.1 基本假设 |
2.3.2 目标反射特性 |
2.3.2.1 去相关准则 |
2.3.2.2 虚距离单元 |
2.3.2.3 仿真分析 |
2.3.3 向量化表示 |
2.3.4 模型比较 |
2.3.5 本节小结 |
2.4 频控阵雷达的模糊函数 |
2.4.1 方位维剖面 |
2.4.1.1 积分发射波束图 |
2.4.1.2 方位角分辨率 |
2.4.1.3 仿真分析 |
2.4.2 距离维剖面 |
2.4.2.1 距离分辨率 |
2.4.2.2 距离模糊 |
2.4.2.3 仿真分析 |
2.4.3 距离-方位角二维剖面 |
2.4.3.1 距离-方位角模糊 |
2.4.3.2 仿真分析 |
2.4.4 多普勒维剖面 |
2.4.4.1 多普勒分辨率 |
2.4.4.2 多普勒模糊 |
2.4.4.3 仿真分析 |
2.5 本章小结 |
第三章 频控阵雷达的相干接收机设计 |
3.1 引言 |
3.2 基于最大似然的相干接收机设计 |
3.2.1 正交展开 |
3.2.2 充分统计量 |
3.2.3 接收机设计 |
3.3 基于多通道混频-匹配滤波的接收模型 |
3.3.1 数据模型 |
3.3.2 波形设计 |
3.3.2.1 相干波形 |
3.3.2.2 正交波形 |
3.3.2.3 设计实例 |
3.4 接收机波束性能:发射虚波束图 |
3.4.1 相干波形 |
3.4.2 正交波形 |
3.4.3 仿真分析 |
3.5 接收机检测性能:输出信干噪比 |
3.5.1 距离-方位角依赖干扰抑制 |
3.5.2 输出信干噪比 |
3.5.3 仿真分析 |
3.6 接收机定位性能:克拉美罗界 |
3.6.1 克拉美罗界比较 |
3.6.2 仿真分析 |
3.7 本章小结 |
第四章 基于频控阵雷达的自适应动目标检测 |
4.1 引言 |
4.2 频控阵雷达的联合距-空-时处理模型 |
4.2.1 回波信号模型 |
4.2.2 距-空-时处理模型 |
4.2.3 模型比较 |
4.2.4 模型适用性 |
4.2.4.1 正交性条件 |
4.2.4.2 快时间采样 |
4.2.4.3 合成宽带效应 |
4.2.4.4 多普勒扩展效应 |
4.3 频控阵雷达的联合距-空-时分辨率分析 |
4.3.1 研究动机 |
4.3.2 距-空-时响应 |
4.3.3 距离维高分辨 |
4.3.4 多普勒模糊分辨 |
4.3.5 主瓣杂波分辨 |
4.4 基于频控阵雷达的常速目标检测 |
4.4.1 研究动机 |
4.4.2 常速目标检测的数据模型 |
4.4.3 结构化广义似然比检验 |
4.4.4 无结构广义似然比检验 |
4.4.5 低复杂度实现 |
4.4.5.1 多普勒估计 |
4.4.5.2 距离-方位角估计 |
4.4.6 性能评估 |
4.4.6.1 虚警概率 |
4.4.6.2 克拉美罗界 |
4.4.6.3 计算复杂度 |
4.4.7 仿真结果 |
4.5 基于频控阵雷达的高速目标检测 |
4.5.1 研究动机 |
4.5.2 高速目标检测的数据模型 |
4.5.3 基于最小方差无失真响应的目标检测 |
4.5.4 信杂噪比损失因子 |
4.5.4.1 主瓣杂波抑制 |
4.5.4.2 抑制性能比较 |
4.5.5 仿真结果 |
4.6 本章小结 |
第五章 基于频控阵雷达的自适应动目标跟踪 |
5.1 引言 |
5.2 认知雷达目标跟踪基本理论 |
5.2.1 认知雷达框架 |
5.2.2 自适应目标跟踪 |
5.2.2.1 贝叶斯滤波 |
5.2.2.2 自适应发射 |
5.2.2.3 粒子滤波算法 |
5.3 基于自适应发射功率分配的目标跟踪 |
5.3.1 研究动机 |
5.3.2 跟踪模型 |
5.3.2.1 常速运动目标的观测方程 |
5.3.2.2 常速运动目标的状态方程 |
5.3.2.3 基于粒子滤波的目标跟踪 |
5.3.3 自适应发射功率分配 |
5.3.3.1 信干噪比准则 |
5.3.3.2 克拉美罗界准则 |
5.3.3.3 低复杂度实现 |
5.3.4 仿真结果 |
5.4 基于自适应发射子孔径的目标跟踪 |
5.4.1 研究动机 |
5.4.2 跟踪模型 |
5.4.2.1 常速运动目标的观测方程 |
5.4.2.2 常速运动目标的状态方程 |
5.4.2.3 基于卡尔曼滤波的目标跟踪 |
5.4.3 自适应发射子孔径 |
5.4.3.1 信噪比准则 |
5.4.3.2 克拉美罗界准则 |
5.4.4 仿真结果 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
附录 A |
附录 B |
附录 C |
攻读博士学位期间取得的成果 |
(8)幅相误差情况下低空风切变检测(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 机载气象雷达 |
1.2.2 低空风切变检测 |
1.2.3 幅相误差下STAP技术 |
1.3 本文内容和结构 |
第二章 幅相误差下机载前视阵气象雷达回波仿真 |
2.1 引言 |
2.2 幅相误差下机载气象雷达回波信号模型 |
2.2.1 幅相误差下机载前视阵气象雷达几何模型描述 |
2.2.2 幅相误差下机载气象雷达低空风切变回波信号模型 |
2.2.3 幅相误差下机载气象雷达地杂波回波信号模型 |
2.2.4 幅相误差下机载气象雷达回波信号模型 |
2.3 幅相误差下机载气象雷达地杂波特性分析 |
2.4 低空风切变空时导向矢量建模 |
2.5 实验仿真分析 |
2.5.1 仿真参数设置 |
2.5.2 低空风切变导向矢量仿真 |
2.5.3 低空风切变仿真分析 |
2.5.4 幅相误差下地杂波仿真分析 |
2.6 本章小结 |
第三章 幅相误差下基于CMCAP-JDL的低空风切变检测 |
3.1 引言 |
3.2 幅相误差下基于RBC的杂波谱补偿方法 |
3.3 幅相误差下基于CMCAP-JDL的低空风切检测方法 |
3.3.1 幅相误差下基于CMCAP-JDL的低空风切变风速估计 |
3.3.2 低空风切变危险评定 |
3.4 方法流程 |
3.5 实验结果及分析 |
3.6 本章小结 |
第四章 幅相误差下基于改进辅助通道低空风切变检测 |
4.1 引言 |
4.2 幅相误差下基于修正导向矢量的杂波距离依赖性矫正 |
4.3 幅相误差下基于改进辅助通道低空风切变检测 |
4.3.1 幅相误差下基于改进辅助通道低空风切变风速估计 |
4.3.2 低空风切变危险评定 |
4.4 方法流程 |
4.5 实验结果分析 |
4.6 本章小结 |
第五章 总结与展望 |
致谢 |
参考文献 |
攻读硕士期间所发表的论文 |
(9)机载FDA-MIMO雷达EBTDPC级联局域化联合处理STAP方法研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究现状 |
1.2.1 空时自适应处理研究现状 |
1.2.2 FDA-MIMO雷达研究现状 |
1.3 论文主要研究内容 |
1.4 论文章节安排 |
第二章 机载FDA-MIMO雷达模型及空时自适应处理方法 |
2.1 引言 |
2.2 机载FDA-MIMO雷达 |
2.2.1 FDA-MIMO雷达基本原理 |
2.2.2 FDA-MIMO雷达发射方向图 |
2.2.3 FDA-MIMO雷达接收方向图 |
2.2.4 FDA-MIMO雷达信号模型 |
2.3 机载FDA-MIMO雷达空时自适应处理方法 |
2.3.1 机载FDA-MIMO雷达最优空时自适应处理方法 |
2.3.2 机载FDA-MIMO雷达降维空时自适应处理方法 |
2.4 仿真实验 |
2.5 本章小结 |
第三章 基于WVDJDL的机载FDA-MIMO雷达降维空时自适应处理方法设计 |
3.1 引言 |
3.2 基于局域联合处理的FDA-MIMO雷达STAP方法设计 |
3.3 基于权矢量拆分的局域联合处理FDA-MIMO雷达STAP方法设计 |
3.4 仿真实验 |
3.5 本章小结 |
第四章 机载FDA-MIMO雷达基于估计误差的两维两脉冲对消方法设计 |
4.1 引言 |
4.2 基于估计误差的两维两脉冲对消(EBTDPC)方法设计 |
4.2.1 TDPC原理 |
4.2.2 EBTDPC方法设计 |
4.3 级联方法设计 |
4.3.1 FDA-MIMO EBTDPC预处理方法设计 |
4.3.2 EBTDPC级联降维空时自适应处理方法设计 |
4.4 仿真实验 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 全文内容总结 |
5.2 研究展望 |
参考文献 |
攻读硕士学位期间取得的科研成果 |
(10)面向复杂环境的快速稳健空时自适应杂波抑制方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 本论文研究的目的和意义 |
1.2 国内外研究现状及发展趋势 |
1.2.1 部分自适应STAP算法 |
1.2.2 STAP自适应权矢量计算方法 |
1.2.3 基于稀疏性的STAP算法 |
1.2.4 非均匀STAP算法 |
1.2.5 STAP实验验证与实际系统 |
1.3 本文的主要研究内容及组织结构 |
第2章 空时自适应处理原理及基于稀疏性的STAP原理 |
2.1 引言 |
2.2 机载相控阵雷达杂波特性与信号模型 |
2.2.1 机载相控阵雷达杂波特性 |
2.2.2 机载相控阵雷达信号模型 |
2.3 空时自适应处理原理与性能评价准则 |
2.3.1 空时自适应处理原理 |
2.3.2 空时自适应处理性能评价准则 |
2.4 基于稀疏特性的STAP原理 |
2.4.1 杂波空时功率谱的稀疏特性 |
2.4.2 STAP自适应权矢量稀疏特性 |
2.5 本章小结 |
第3章 基于稀疏恢复技术的快速稳健STAP方法 |
3.1 引言 |
3.2 复杂环境对传统典型部分自适应STAP算法的影响 |
3.2.1 训练样本数量与STAP算法的关系 |
3.2.2 典型STAP算法在复杂环境小样本条件下的局限性 |
3.3 基于杂波谱稀疏特性的快速迭代STAP算法 |
3.3.1 算法原理与实现流程 |
3.3.2 算法计算复杂度分析 |
3.3.3 基于仿真数据的算法性能分析 |
3.3.4 基于实测数据的算法性能分析 |
3.4 基于稀疏约束的快速子空间迭代跟踪STAP算法 |
3.4.1 算法原理与实现流程 |
3.4.2 算法计算复杂度分析 |
3.4.3 基于仿真数据的算法性能分析 |
3.4.4 基于实测数据的算法性能分析 |
3.5 本章小结 |
第4章 基于阵元阶数递推的STAP自适应权矢量快速计算方法 |
4.1 引言 |
4.2 复杂环境对典型STAP自适应权矢量计算的影响 |
4.2.1 STAP自适应权矢量计算复杂度分析 |
4.2.2 典型STAP自适应权矢量计算方法的局限性 |
4.3 基于阵元阶数递推的STAP自适应权矢量快速计算方法 |
4.3.1 算法原理与实现流程 |
4.3.2 算法计算复杂度分析 |
4.3.3 基于仿真数据的算法性能分析 |
4.3.4 基于实测数据的算法性能分析 |
4.4 本章小结 |
第5章 基于稳健贝叶斯压缩感知的离散干扰抑制方法 |
5.1 引言 |
5.2 离散干扰对典型STAP方法的影响 |
5.2.1 离散干扰的影响 |
5.2.2 典型STAP方法抑制离散干扰的局限性 |
5.3 基于稳健贝叶斯压缩感知的离散干扰抑制方法 |
5.3.1 算法原理与实现流程 |
5.3.2 算法计算复杂度分析 |
5.3.3 基于仿真数据的算法性能分析 |
5.3.4 基于实测数据的算法性能分析 |
5.4 本章小结 |
第6章 基于先验知识的稀疏子空间重构干扰目标抑制方法 |
6.1 引言 |
6.2 干扰目标对典型STAP算法性能的影响 |
6.2.1 干扰目标的影响 |
6.2.2 典型STAP方法抑制干扰目标的局限性 |
6.3 基于先验知识的稀疏子空间重构干扰目标抑制方法 |
6.3.1 算法原理与实现流程 |
6.3.2 基于仿真数据的算法性能分析 |
6.3.3 基于实测数据的算法性能分析 |
6.4 本章小结 |
结论 |
参考文献 |
附录 攻读学位期间发表论文与研究成果清单 |
致谢 |
作者简介 |
四、相控阵AEW雷达杂波抑制的辅助通道方法研究(论文参考文献)
- [1]频控阵雷达目标检测关键技术研究[D]. 闫异圣. 电子科技大学, 2021(01)
- [2]知识辅助的机载雷达杂波抑制与目标检测算法研究[D]. 李明. 电子科技大学, 2021(01)
- [3]非理想状态运动雷达杂波特性分析和空域降维方法研究[D]. 沈鹏. 西安电子科技大学, 2020(05)
- [4]知识辅助的空时自适应处理方法研究[D]. 林雪芳. 西安电子科技大学, 2020(05)
- [5]机载雷达异构杂波抑制方法研究[D]. 梁雪彦. 西安电子科技大学, 2020(05)
- [6]基于FPGA和DSP架构的空时自适应雷达信号处理设计与实现[D]. 彭宇. 西安电子科技大学, 2020(05)
- [7]频控阵雷达自适应处理关键技术研究[D]. 桂荣华. 电子科技大学, 2020(07)
- [8]幅相误差情况下低空风切变检测[D]. 雍从建. 中国民航大学, 2020
- [9]机载FDA-MIMO雷达EBTDPC级联局域化联合处理STAP方法研究[D]. 邵启伦. 西北大学, 2020(02)
- [10]面向复杂环境的快速稳健空时自适应杂波抑制方法研究[D]. 孙雨泽. 北京理工大学, 2017(06)