单脉冲测角的二维分级主旁瓣干扰联合抑制方法

针对矩形平面阵列天线同时存在主、旁瓣干扰的单脉冲测角问题,该文设计了2维分级自适应单脉冲波束形成算法(TDHJ-ADBF)。TDHJ-ADBF算法将矩形平面阵分为方位维和俯仰维两个正交维度,采用2维分级处理架构:第1级处理在测角维进行,采用低运算量的压缩多重信号分类法对测角维主瓣干扰进行快速识别与方向估计,构造阻塞矩阵滤除主瓣干扰,获得仅含旁瓣干扰和噪声的协方差矩阵,进而对和、差波束方向图进行指向与鉴角曲线联合约束,完成测角维旁瓣干扰抑制与波束形成处理;第2级在非测角维对残留的测角维主瓣干扰进行抑制。通过2维分级处理实现主、旁瓣干扰联合对抗,并保持单脉冲测角的鉴角曲线线性度。仿真结果表明,TDHJ-ADBF算法实现了对主、旁瓣干扰联合抑制,具有高精度的单脉冲测角性能。

时域离散类主瓣干扰下基于样本识别的雷达和差测角方法

时域离散类主瓣干扰在时域上处于离散状态,干扰训练样本不易提取,其样本纯度将直接影响干扰抑制效果和目标测角性能。针对时域离散类主瓣干扰背景下的雷达干扰抑制和目标角度估计问题,提出了一种时域离散类主瓣干扰下基于样本识别的雷达和差测角方法。该方法利用了目标和干扰在和、差通道的时域相关性差异,由此提取纯净的干扰训练样本,然后利用空域方位维、空域俯仰维的正交性进行时域离散主瓣干扰抑制,同时估计目标角度。理论推导和仿真实验表明所提方法具备时域离散类主瓣干扰背景下的较好的雷达测角能力。

FRFT应用于雷达抗主瓣压制干扰技术研究

压制干扰信号从天线主瓣进入雷达接收机,会严重影响雷达的性能,通常的副瓣抗干扰技术难以奏效。线性调频(linear frequency modulation,LFM)信号在分数阶傅里叶域(fractional Fourier transform,FRFT)会出现能量高度聚集的现象,利用LFM信号的这一特征,提出了基于FRFT的雷达抗主瓣干扰技术。首先对接收到的主瓣干扰混合信号进行FRFT处理,然后在FRFT域滤波去除大部分压制干扰和噪声的能量,最后FRFT逆变换恢复出目标信号。仿真实验表明,新方法对脉冲压缩以后的峰值信噪比有较大的改善,较大地提高了脉冲压缩雷达的检测性能,具有良好的应用前景。

一种主瓣干扰环境下的雷达目标参数“同维”稀疏估计方法

主瓣干扰对抗一直以来是雷达领域的难题之一,给雷达的探测、跟踪和识别带来了严重威胁.对此,本文提出了一种主瓣干扰环境下的雷达目标参数“同维”稀疏估计方法,可有效抑制主瓣干扰并估计目标距离、角度参数.所提方法首先对接收信号进行阻塞矩阵预处理,可在抑制主瓣干扰的同时保持目标回波在各阵元之间的相位关系,即保留了目标的角度信息;然后对预处理后的数据进行空域波束合成并脉压,可估计目标的距离参数信息;最后,根据得到的目标距离估计,截取预处理数据中目标附近的数据,并对其进行稀疏恢复估计目标角度参数.所提方法即可应用于面阵,也可应用于线阵,其优势在于可以在空域任何一维上抑制主瓣干扰,并同时估计目标在空域两维上的角度.尤其是当目标与干扰的某一维空域角度相同时,所提方法仍然可以同时估计目标的方位、俯仰角.

基于JADE的和差四通道抗多主瓣干扰算法

强压制干扰出现在雷达主瓣内时,雷达的探测效能会受到严重影响。对此,提出了基于矩阵联合对角化(Joint Approximation Diagonalization,JADE)的和差四通道抗多主瓣压制干扰算法。新方法利用JADE算法通过对和差四通道接收到的混合信号进行盲分离,然后对分离后的4个通道进行脉压处理,最后进行峰值检测以提取目标回波信息,从而有效抑制多主瓣压制干扰。仿真结果表明,该方法在主瓣干扰位于1/10个波束宽度时依然有效,性能比空域自适应处理方法有明显改善。

一种强主瓣压制干扰环境下的雷达目标距离–角度联合稀疏估计方法

提出了一种强主瓣压制干扰环境下的雷达目标距离–角度联合稀疏估计方法,目的在于有效抑制多个强主瓣压制干扰,同时提取目标的距离和空间角度信息.新方法首先将雷达天线面阵的每一行(列)接收数据进行空域自适应处理,可在一维上有效抑制多个强主瓣压制干扰,并保留另一维的目标角度信息,然后利用基于稀疏Bayes学习的距离–角度联合估计算法提取目标的距离和俯仰角(方位角)信息.新方法在系统幅相误差及频带误差所带来的干扰抑制剩余情况下同样有效,具有较强的鲁棒性.最后,通过性能分析给出了新方法对干扰与目标之间夹角、目标信噪比的适用条件.