基于先前CPI多维数据的天基雷达信号处理算法

为了消除单站天基雷达非稳态杂波图景的影响,讨论一种利用先前CPI(Coherent Processing Interval)多维数据(data cube)计算杂波协方差矩阵的空-时自适应处理(STAP)方法。首先根据先前CPI多维数据和先验知识,采用最小平方误差准则,得到杂波反射特性地图。然后结合该地图和先验知识,计算当前CPI的杂波协方差矩阵。为了增强算法健壮性,针对杂波内部运动等微小或未知误差,用EM(Expectation-Maximization)算法估计修正矩阵。实验结果显示,在天基雷达杂波环境中,该知识辅助EM STAP算法与理想STAP算法的性能接近,且远优于传统的SWP(Sliding Window Processing)STAP算法性能。

基于有色载入技术的天基雷达信号处理方法

为了消除天基监视雷达非稳态杂波图景的影响,文中讨论一种利用有色载入(Colored-loading,CL)技术计算杂波协方差矩阵的空-时自适应处理(Space-time adaptive processing,STAP)方法。首先根据先前相干处理间隔(Coherent process interval,CPI)立体数据和先验知识,对杂波区域分块定位。并根据最大似然估计准则,估计各杂波块回波强度。对杂波回波强度进行归一化,并在多个CPI上取平均,得到杂波反射特性地图。结合该地图和先验知识,计算当前CPI的杂波协方差修正矩阵,将该修正矩阵有色载入当前CPI的杂波协方差矩阵,并对有色载入后的协方差矩阵进行主要特征值分析和重构。仿真结果表明,在天基雷达杂波环境中,该知识辅助CLSTAP算法远优于传统的滑窗处理(Sliding window processing,SWP)STAP算法性能,且与理想STAP算法的性能接近。

雷达信号处理技术

本文综述雷达信号处理技术的最近发展情况,特别强调新器件的使用方法,其中包括电荷耦合器件(CCD)、表面声波器件(SAW)和数字器件。

一种合成孔径雷达参数化自聚焦的新方法

当合成孔径雷达(SAR)成像场景的低对比度下降时,现有SAR自聚焦方法的性能通常会随之下降甚至失效,并且由于缺乏“背景”的数学模型,自聚焦参数估计的极限性能通常是不能解析表达的。本文基于对成像场景中散射成分的分析,将SAR在短相干处理间隔中的慢变时间信号分解为目标、杂波和噪声三类独立的散射成分,得到了SAR慢变时间信号的一种参数化的统计模型。与现有的通过强散射成分的参数反演实现自聚焦的方法不同,本文通过估计模型杂波成分实现自聚焦,因此新方法尤其适用于低对比度场景。本文还推导了新方法的内在精度限制,以确定其在实际应用中的参数选择。最后,实际的SAR自聚焦结果证明了本文提出的新模型和新方法的有效性。