基于稀疏超分辨的机载TS-MIMO雷达慢速运动目标检测方法研究

相比于传统机载相控阵雷达,机载发射子孔径-多输入多输出(TS-MIMO)雷达的空域自由度成倍扩大,采用空时自适应处理(STAP)时所需训练样本也显著增长,因此性能在实际非均匀杂波环境下急剧下降,导致慢速运动目标无法检测。不同于传统STAP方法,提出了一种基于空时二维稀疏超分辨谱估计的慢速运动目标检测方法。该方法采用稀疏贝叶斯学习算法直接对待检测距离门数据进行空时二维谱估计,然后再基于雷达先验参数将空时二维超分辨谱中主要杂波分量置零,最后在角-多普勒域进行常规恒虚警处理的检测目标。所提方法无需训练样本,因此可显著提升机载TS-MIMO雷达在实际应用中的慢速运动目标检测能力。仿真实验验证了所提方法的有效性。

机载SAR对地面慢速运动目标的DPCA-CFAR联合检测方法

在机载合成孔径雷达(SAR)动目标检测中,由于地面慢速运动目标速度较小,因此很容易被地面强主瓣杂波淹没而检测不到。文中针对地面慢速运动目标的运动特点,提出基于分数阶傅里叶变换(Frft)的DPCA-CFAR联合检测的方法,在采用天线相位中心偏置(DPCA)技术进行杂波抑制的基础上进行恒虚警(CFAR)处理,从而检测到运动目标,并且根据DPCA对消后的信号幅度和CFAR检测门限推导了最小可检测速度,说明了提出的算法对慢速运动目标的检测性能,并进一步采用Frft方法估计出目标速度,最后通过仿真对算法的有效性进行了验证。

对慢速运动目标的单站无源定位技术

单站无源定位技术具有广阔应用前景。论述了2种对慢速运动目标的单站无源定位技术,一种是基于相位变化率的方法,需要侦察平台做一定的机动运动,另一种是相位变化率和多普勒频率变化率相结合的方法,侦察平台不需要做额外机动,但增加了对目标信号测量信息的维度。2种方法各有特点,均可在工程中得到应用。

近距离慢速目标检测杂波抑制方法

针对强杂波环境下近距慢速运动目标检测问题,该文提出一种基于相位编码及子空间投影的杂波抑制方法。主要对周期探测信号调制Chirp相位编码,通过回波慢时间维解码使杂波近似白化,降低杂波与目标回波相关性,再依据白化后杂波及有用信号成分自相关性差异分离出信号和杂波干扰子空间;最后将接收信号投影至正交于杂波子空间的信号子空间来抑制杂波。由于该方法中杂波空间的构建不需要假设杂波模型,避免了模型假设与实际环境不匹配的问题。仿真结果和实测数据处理结果证明该方法在低信杂比条件下性能明显优于传统方法。

基于深度卷积自编码器的短距慢动目标检测

针对目标雷达散射截面积(RCS)较小、杂波和噪声严重环境下短距离慢动目标难以检测的问题,设计了一种具有跳跃连接结构的双通道卷积自编码器的目标检测方法。该方法以时频谱作为输入,送入设计的卷积自编码器模型中,网络采用IQ双通道结构以提取目标回波的幅度和相位特征,并在中间层实现特征融合。考虑到在时频谱上目标尺度小,网络中还设计了跳跃连接结构将网络顶层与底层跳跃连接以增强目标信号在解码器中的恢复,这种结构还有利于缓解深度网络带来的梯度消散问题,使网络在端对端训练时更加高效。实验证明,相比于传统方法,该方法在杂波和噪声严重的条件下可以获得更好的慢动目标检测效果。

《雷达学报》“动平台下的动目标检测技术”专题征文通知

进入二十一世纪以来,伴随航空、航天技术的进步,不但出现了以＂两高一低＂（即高空、高速、低电磁散射与红外辐射）为特征的新型有人/无人航空飞行器,而且陆、海慢速运动目标也在朝着降低目标可探测要素的方向发展。此外,探测目标所面临的电磁环境日趋复杂。仅依赖地/海基探测手段已无法全空域、全时段监视活动目标,有必要综合利用多种运动平台、多种技术途径来提升监视低可观察动目标的能力。

基于K-均值聚类的SVD杂波抑制算法

针对强地物静止杂波及慢速杂波严重环境下,慢速运动目标被淹没其中而无法有效检测的问题,本文设计了一种基于K-均值聚类的SVD杂波抑制方法。该方法对回波信号矩阵进行奇异值分解,依据回波信号特性,得到相应的奇异值谱分布,以及奇异向量的空间相关性和平均多普勒频率三个统计量特征,然后基于这些特征采用K-均值聚类算法对各奇异分量进行聚类,无需人为设定阈值参数估计杂波基,可以自适应确定杂波子空间所对应的奇异向量,最后通过正交子空间投影来抑制回波信号中的杂波成分。实验结果表明,该方法在低信杂比条件下相比于传统子空间方法,能够得到较好杂波抑制效果。

一种基于多级Kalman滤波的高精度距离估计方法

慢速运动目标距离估计精度不高,很难用于高精度距离测量的场合中,而滤波时精度过高会导致对目标距离变化的反应时间变慢,从而不能及时对位置变化做出判断。提出利用二级Kalman滤波对距离估计的目标参数进行处理,建立对慢速目标的滤波模型,并对滤波参数的选取进行讨论。以naono LOC模块为例,通过对测量数据进行仿真实验,证实该方法距离估计精度达到0.5 m,得到有效提高,并且反应时间控制在有效范围内。

伪随机序列调制信号的多普勒频移估计(英文)

讨论了伪随机序列调制信息的多普勒频移和延迟的估计问题。隐藏在非透光残骸内的慢速运动目标反射信号含有周期信息。例如,这些信息可能是由人为或自然灾害后幸存人员的呼吸和心跳引起的。非相关与相关噪声都会导致编码序列薄结构出现误差。提出了一种拥有非相干鉴频器的准最优接收机。该接收机拥有两个相位同步的平行通道。主要讨论了该接收机合成过程的工作条件及其特性。这一合成过程建立在改进的非线性滤波过程基础之上。整个合成过程分为两步:第一步假设信号频率无频移且已掌握该信号处理算法的基本结构;第二步,假设该算法结构未改变,利用信号滤波理论设计了移频控制回路中的滤波器。频移与信号延迟的联合估计序列可用作动态卡尔曼滤波器模型。

基于自组织神经网络的EVD杂波抑制算法

强杂波环境下慢速运动目标的杂波抑制一直是雷达领域的研究难点,通过子空间分解法来抑制杂波是一种常用的方法,但传统子空间分解法依赖于过往经验选取杂波基、自适应性差。基于K-均值聚类的SVD杂波抑制算法弥补了上述缺陷,然而当慢速运动目标与杂波在多普勒谱上接近或混叠时,这种算法的特征集区分度大幅下降,聚类结果变得不稳定。为此提出了一种基于自组织神经网络的特征值分解杂波抑制算法。首先,深入分析慢速运动目标和杂波、噪声的差异,利用回波信号矩阵特征值分解后得到的特征值和特征向量,提取针对慢速运动目标和杂波区分度高的特征来构建特征集。其次,采用受初始值影响小、聚类结果稳定的自组织神经网络进行聚类,自适应选取构造杂波子空间的杂波基,最后通过正交子空间投影来抑制杂波。仿真和实测数据结果表明该算法能有效抑制强静止杂波和慢速杂波,实现对慢速运动目标的检测,算法具有较强的稳健性和工程实用性。