圆柱共形阵低副瓣波束形成算法研究

相较于传统的平面相控阵雷达,圆柱形相控阵雷达具有探测性能全方位均匀覆盖、波束调度更加灵活等优点,但存在方向图副瓣电平较高的问题。针对该问题,本文研究了基于分步综合法的圆柱阵列低副瓣波束形成方法,通过将圆柱阵的二维低副瓣波束形成问题转化为方位维均匀圆环阵(或均匀圆弧阵)和俯仰维均匀线阵的低副瓣方向图综合问题,实现了圆柱阵的二维低副瓣波束形成的降维处理,将圆柱阵的低副瓣波束图综合问题转化为一维圆环阵(或均匀圆弧阵)的低副瓣方向图综合问题。虚拟干扰法是一种在固定主瓣宽度下实现最低均匀副瓣的波束形成方法,但现有方法存在干扰个数取值模糊的问题,本文提出了一种虚拟干扰法改进算法,利用干扰采样比来确定虚拟干扰个数,解决了算法实施过程中对干扰个数的选取定量化。利用改进后的算法本文仿真实现了一维均匀圆弧阵的低副瓣方向图综合和二维圆柱阵的低副瓣波束图综合,并在此基础上定量分析了在波束指向偏离法向时圆柱阵的二维波束图在方位和俯仰维的恶化情况,计算机仿真结果表明,在圆柱阵波束的方位和俯仰指向左右偏离中心法线20°范围内,采用本方法得到的圆柱阵方位和俯仰维方向图副瓣电平均优于-30 dB。最后,利用圆柱阵实物样机在微波暗室开展了方向图测试实验,实测数据表明,圆柱阵方位和俯仰维方向图的副瓣电平均优于-25 dB。

基于语义引导层次化分类的雷达地面目标HRRP识别方法

高分辨距离像(HRRP)反映了目标空间散射结构在雷达视线方向的投影,近年来被认为是地面目标识别的重要途径。现有的HRRP识别方法采用手工特征加传统机器学习分类器,均属于平面分类方法,即采用统一标准不加区别的优选特征并单次决策最终类别。然而该方法在实际应用中面临种类繁杂、数据不平衡、HRRP姿态敏感性等诸多问题,难以获取最佳的应用效果。层次化方法采取分而治之思想,将一个复杂的细粒度识别任务拆解为多个简单的识别子任务。本文采用层次化识别的思路,提出了一种基于语义引导层次化分类的雷达地面目标识别方法。该方法以联合语义和数据构建的树形结构将一个复杂的细粒度识别任务拆解为多个简单的识别子任务,并针对每一个识别子任务匹配一套优选特征集和一个局部分类器。本方法在仿真数据和实测数据上完成了验证。实验结果表明了本文方法处理地面目标识别任务的有效性。

基于矩阵填充的随机步进频雷达高分辨距离-多普勒谱稀疏恢复方法

随机步进频雷达通过合成大带宽,能在较低硬件复杂度下获得距离高分辨效果,同时由于其每个脉冲的载频随机捷变,因而具有强的抗干扰、电磁兼容能力,在复杂电磁环境高精度探测领域具有重要的应用价值。然而,由于其波形在时频域稀疏的感知形式,造成回波相参信息有所缺失,因而传统匹配滤波方法在估计高分辨距离-多普勒时会演化为欠定估计,导致估计谱中产生起伏高旁瓣,严重影响探测性能。为此,该文提出一种基于Hankel重构矩阵填充的随机步进频雷达高分辨距离-多普勒谱低旁瓣稀疏恢复方法。该方法采用低秩矩阵填充思想补全波形在时频域稀疏感知时造成的缺失采样,恢复目标连续相参信息,可以有效解决欠定估计问题。文章首先构建了随机步进频雷达的慢时间-载频(时-频)回波欠采样数据矩阵;然后,重构待恢复数据矩阵为双重Hankel型,并分析证明了矩阵满足低秩先验特性;最后,利用ADMM算法补全未采样时频数据,恢复相参信息,保证了高分辨距离-多普勒谱低旁瓣稀疏恢复。仿真和实测试验证明了该文所提方法的有效性和优越性。

汽车雷达多域联合调制波形

针对汽车雷达时分复用(time-division multiplexing,TDM)多输入多输出(multiple-input multiple-output,MIMO)波形中存在的时间空间利用率低及高速目标多普勒模糊等问题,提出一种多域联合调制的汽车雷达波形。该波形在时域上进行脉冲重复间隔参差抖动,利用奇偶序列之间相位差实现速度解模糊,在频域和空域上通过多天线间的多普勒频率调制实现波形正交,提高了时间空间发射效率。仿真实验及基于汽车雷达波形验证系统的实测结果均验证了所提波形的有效性,与传统TDM-MIMO波形对比,所提波形具有更大的不模糊测速范围和相参积累增益,不仅对汽车雷达工程实践具有较强的应用价值,而且对低成本导引或防撞探测系统同样具有指导意义。