一、基于运动载机模型的相控阵雷达动态杂波抑制仿真研究（论文文献综述）
张璘[1]（2021）在《相控阵机载SAR海面动目标成像算法研究》文中提出我国是一个海洋大国,对海上舰船目标的探测不仅涉及到我国经济利益,也关系着国家领主主权和海防安全。相控阵机载合成孔径雷达利用阵列天线空域结构实现等效增加空间维采样频率的目的,从而扩大海域测绘带范围,使得广域海面舰船目标的高分辨率成像成为可能。目前,相控阵机载SAR存在着天线阵列结构复杂、数据运算处理量庞大以及舰船目标成像散焦等问题,影响广域海面动目标成像效率和成像质量。因此本文围绕相控阵机载SAR动目标高分辨成像算法,对天线波束扫描模式、多天线接收数据处理算法、动目标多普勒参数估计和时频分析算法进行深入研究,所取得的主要研究成果如下:第一,针对相控阵机载SAR成像扫描方式的选择,分别采用距离俯仰向扫描和方位向扫描两种模式对宽测绘带场景进行成像。首先,以宽测绘带场景为基础建立相控阵机载SAR成像模型,在发射信号脉冲重复频率有限的条件下,通过理论公式推导出信号处理过程,并建立DBF-SCORE模式和TOPS模式两种成像模型。随后,通过仿真实验和实测数据成像,验证上述两种模式可分别实现距离向波束形成高分辨成像和方位向宽幅快速扫描成像,明确了相控阵机载SAR波束控制所采用的扫描方式,为后续广域海面成像算法研究奠定基础。第二,针对相控阵机载SAR广域海面舰船成像过程中所面临的海量数据存储运算困难的问题,本文从舰船目标分布的稀疏属性入手,提出块稀疏压缩感知动目标成像算法。首先,以传统贪婪OMP算法为基础,建立海面舰船压缩感知成像算法模型,仿真结果表明舰船满足目标稀疏性特点,可以采用压缩感知算法进行成像。随后,利用天线阵列的分集增益以及舰船目标的块稀疏分布属性,提出联合块稀疏压缩感知成像算法。仿真和实测数据成像结果表明,采用块稀疏类算法可以获得较为统一的目标分布图,较大的降低了全景区域成像时间,同时有助于消除海面的虚假目标。第三,针对舰船自身运动引起的图像散焦和模糊问题,提出多普勒参数估计So WVD算法。首先,分析多普勒参数对动目标成像效果的影响,建立多普勒参数信号估计模型。仿真结果表明,传统算法有助于校正目标运动过程中的距离徙动,补偿掉与距离空变有关的方位向相位误差,但运算时间不适用于实时估计。随后,为降低运算复杂度,提出多普勒参数估计So WVD算法。仿真实验验证了该算法的有效性,与传统参数估计算法性能相比,So WVD算法适用于相控阵机载SAR对舰船等小型目标的多普勒参数实时估计。第四,针对不同海情舰船在偏航角、俯仰角和横滚角的三维摆动下存在图像散焦模糊的问题,在动目标自聚焦和时频分析类算法聚焦成像的基础上,提出同步压缩类时频变换算法。首先,采用最大对比度/最小熵自聚焦迭代算法和分块PGA聚焦算法,对实测数据中多艘舰船的模糊图像进一步聚焦,成像结果表明该算法可以很好地降低海杂波旁瓣和海面虚影。随后,建立SAR/ISAR混合成像模型,采用传统时频分析算法对单个舰船进行瞬时时频成像,引入同步压缩类时频变换算子,获得摆动舰船在某一瞬时的聚焦图像。通过仿真实验和实测数据性能参数比较可知,同步压缩类算法可以抵消舰船摆动所造成的图像散焦和模糊,获得高清舰船图像,能够看清舰船结构、尺寸、船头船尾等细致部分。第五,针对运动舰船存在定位误差的问题,利用相控阵天线阵列结构分布均衡的特点,提出用以校正动目标方位向位置的VSAR算法。首先分析了具有径向速度的海面舰船存在方位向位置误差的原因,推导出方位位置误差的数学表达式。随后,建立VSAR算法模型,通过对天线阵列接收数据的相位差进行分析,得出目标径向速度和方位向真实位置估计。仿真实验和实测数据验证了该算法的可行性,成像结果表明VSAR算法可以对动目标进行连续动态观测,实现在多普勒频带内有效区分静动目标,提高判断舰船运动趋势及航行轨迹的能力。
穆慧琳[2]（2021）在《多通道SAR地面运动目标检测与成像研究》文中研究指明合成孔径雷达（Synthetic Aperture Radar,SAR）具有全天候、全天时、远距离、高分辨对地观测的优势,朝着多平台、多通道、多功能、多极化方向发展。利用多通道SAR系统,可增加回波信号的空间维信息,实现对观测区域的地面运动目标指示（Ground Moving Target Indication,GMTI）,极大提升了SAR系统对运动目标观测能力,在军事和民用方面具有重要的应用价值和发展前景。然而,机载和星载平台下的多通道SAR-GMTI系统在处理实际复杂观测场景时仍面临许多共性问题。首先,实际观测场景通常覆盖不同类型的地物杂波,其散射系数起伏较大,导致杂波分布非均匀,使得空时自适应杂波抑制能力下降,残余孤立强杂波点,虚警概率升高。其次,实际观测场景中通常包含多个运动目标,目标运动参数导致运动目标图像散焦和方位向偏移,临近目标容易产生混叠和旁瓣干扰,甚至造成虚假目标,使得多个运动目标同时聚焦成像困难。慢速目标与地物杂波的通道间干涉相位差异较小,目标多通道自适应滤波响应接近杂波抑制凹口,导致输出信杂噪比（Signal Clutter Noise Ratio,SCNR）降低,难以实现慢速目标检测,更加无法得到聚焦的目标图像。因此,针对实际复杂观测场景下存在的运动目标检测与成像问题,本文利用多通道SAR复数域数据在空间维和时间维的有效信息,并引入稀疏重构、深度学习等理论,开展多通道SAR地面运动目标检测和成像方法的研究,主要包含如下四个内容:1.本文利用运动目标稀疏先验知识提出基于DPCA-BCS的双通道SAR杂波抑制方法,首先对方位向少量观测数据进行偏置相位中心天线（Displaced Phase Center Antenna,DPCA）预处理以对消部分背景杂波,然后建立稀疏观测模型,对运动目标引入Laplace先验分布,采用贝叶斯压缩感知（Bayesian Compressive Sensing,BCS）方法实现运动目标重构和杂波抑制。进一步提出基于STAP-BCS的多通道SAR杂波抑制方法,将空时自适应处理（Space Time Adaptive Processing,STAP）技术与稀疏贝叶斯学习相结合。最后通过仿真实验和实测数据验证所提算法在降低观测数据量的同时获得较好的杂波抑制性能。2.针对非均匀复杂杂波环境下的运动目标检测问题,本文通过扩展信号空间维和时间维信息,提出基于改进高斯混合概率假设密度（Gaussian Mixture Probability Hypothesis Density,GMPHD）滤波器的多通道SAR运动目标检测方法。首先基于子孔径方式生成SAR多角度图像序列,并利用多通道杂波抑制和恒虚警初步检测获取运动目标观测信息。通过分析目标径向速度对目标位置的影响,建立多目标状态和观测的随机有限集模型。针对传统GMPHD滤波器在SAR-GMTI中的问题,提出适合SAR图像序列的改进GMPHD滤波器。最后通过仿真实验和实测数据验证所提算法在非均匀复杂杂波环境下具有较高检测概率和较低虚警概率,并实现目标重定位。3.针对SAR多运动目标聚焦成像问题,本文利用多运动目标信号的多分量线性调频信号形式和运动目标的稀疏特征,提出基于Chirplet-BCS的多运动目标成像方法。首先构建多目标稀疏观测模型,由于观测矩阵依赖于未知的目标运动参数,采用基于Chirplet基的自适应分解实现目标调频率参数估计,有效避免交叉项的干扰,利用调频率参数构造观测矩阵,然后采用BCS稀疏重构算法实现运动目标精确重构。通过仿真实验和实测数据验证所提算法具有较好的聚焦成像质量和剩余杂波抑制能力。4.本文将深度学习理论引入到SAR运动目标成像领域,研究了基于深度卷积神经网络的多通道SAR慢速多运动目标快速成像方法。针对SAR多运动目标快速聚焦成像问题,提出基于卷积神经网络的SAR多运动目标快速成像方法。所提成像网络Deep Imaging利用残差学习策略实现特征与梯度的有效传递,通过监督学习的方式实现网络参数更新,最终建立适用于成像场景的成像模型,实现运动目标快速聚焦成像。Deep Imaging依赖于多通道杂波抑制结果,对慢速目标难以检测与成像。针对该问题,本文将多通道杂波抑制任务集成到网络中,提出基于复数域卷积神经网络的多通道SAR慢速多目标成像方法,所提复数域成像网络CV-GMTINet将特征图和网络参数扩展到复数域,不仅把复数域数据作为网络输入,还在整个网络中传播相位信息。网络结合密集网络与残差网络的优点,自适应学习单通道和通道间有效特征,并提高特征与梯度的传递效率,缓解梯度消失问题。使用复数域反向传播算法求解网络复值参数的梯度,通过基于梯度的参数优化算法实现复值参数的更新。通过实测数据验证所提方法在运动目标成像性能和杂波抑制能力方面优于传统方法和实数域网络。
谢磊[3]（2021）在《基于极化空时处理的杂波抑制和目标检测研究》文中研究表明近几十年来,利用极化信息提高雷达的检测、抗干扰和识别能力是雷达发展中的一个重要研究方向,受到了学者们的广泛关注。随着极化的引入,信号维度也随之增大,为了刻画包含极化特征的杂波统计特性,就需要更多的训练样本。而在实际中,雷达需要面临着复杂多变的目标检测环境,导致杂波存在异构性,且邻近距离环中合适的杂波样本数量往往较少,因此提升极化雷达在复杂杂波环境中的检测性能显得尤为重要。本文围绕杂波抑制和目标检测,基于极化空时自适应处理技术,对极化杂波协方差矩阵估计、发射极化设计,以及降维处理等问题进行了深入研究。本文的主要工作与贡献如下:（1）针对极化的特点,首先对一般化的极化空时信号、杂波模型进行了讨论,提出了一种基于极化阵列的来波角度估计算法;然后介绍了极化雷达信号杂波抑制和目标检测相关流程,并给出级联结构的处理方式。（2）针对复合高斯分布的样本,研究了具有Kronecker积结构协方差矩阵的稳健估计。本文先将复合高斯分布样本转化为相应的复角高斯分布,并提出在其负对数似然函数上加上基于Kullback-Leibler散度的惩罚项的方法,推导出一种基于不动点方程求解的协方差矩阵估计器,称为稳健收缩Kronecker估计器（Robust Shrinkage Kronecker Estimator,RSKE）;RSKE得到的协方差矩阵具有良好的条件数;接着讨论了该估计器解存在的充分条件,提出了一种不动点方程的迭代求解算法,证明了该迭代算法的收敛性;最后,利用最优近似收缩和交叉验证,给出了三种计算收缩系数的方法。仿真验证了本文所提RSKE与现有的几种方法相比在估计精度方面具有更好的性能。（3）为了增强MVDR波束形成器对于干扰（杂波）的抑制能力,本文分别针对高斯和复合高斯数据,研究了收缩样本协方差矩阵（Shrinkage Sample Covariance Matrix,S2CM）和收缩 Tyler 估计器（Shrinkage Tyler’s Estimator,STE）的收缩系数选择问题。本文从高斯分布出发,首先选择MVDR波束形成的输出功率作为目标函数,推导了一种基于交叉验证的收缩系数选择算法（S2CM-CV）,其计算复杂度较低;然后,本文给出了一种与S2CM-CV渐近相似的改进收缩系数选择算法（S2CM-AE）,以进一步降低计算复杂度。最后,将两种算法其推广到复合高斯场景,得到STE-CV和STE-AE的算法。与现有的几种算法相比,所提出的算法具有更广泛的适用性或更好的性能。（4）本文研究了基于多极化天线阵列的空时自适应处理（Space-Time Adaptive Processing,STAP）性能优化问题,提出了一种提高检测性能的发射极化和接收滤波器联合优化算法。考虑到极化信号的特殊结构,本文基于分块最大最小化原理,将该问题表达为拟凸形式,并提出一种迭代算法对其求解。与现有的几种方法相比,能获得更好的杂波抑制性能。本文对比分析了传统STAP和极化STAP的性能,理论分析表明利用极化信息有助于提高STAP对低速目标,特别是静止目标的性能。（5）本文研究了角度-多普勒域STAP的降维问题。以最大化输出信杂噪比为优化目标,提出了一种具有递归结构的角度-多普勒通道选择算法,在该算法的每一步中,都从当前的剩余通道里,选择一个能使SCNR提升最大的通道。与现有的几种STAP方法相比,在STAP系统自由度固定的情况下,该方法能够以较低的计算复杂度获得较好的杂波抑制性能。此外,所提出的方法在训练数据较少的非均匀杂波场景下有更好的性能。
李明[4]（2021）在《知识辅助的机载雷达杂波抑制与目标检测算法研究》文中认为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。
张小弩[5]（2021）在《FDA-MIMO雷达杂波抑制方法研究》文中进行了进一步梳理频控阵（Frequency Diverse Array,FDA）技术已应用在雷达系统,近几年频控阵（FDA）雷达和多输入多输出（Multiple-Input Multiple-Output,MIMO）技术的结合作为一种新体制雷达被提出。FDA-MIMO雷达通过在发射阵元上附加了频率偏移,其发射域导向矢量具有距离相关性。利用这一特性,本文开展了基于FDA-MIMO雷达的杂波抑制方法研究,重点解决了最优频率偏移选取、稳健主瓣杂波抑制和距离模糊杂波抑制等关键问题。主要工作概括如下:1、推导了FDA-MIMO雷达的回波信号模型,分析了FDA-MIMO雷达体制下目标信号和杂波在发射-接收二维空间频率域的分布特性,建立了基于FDA-MIMO雷达体制的杂波抑制模型。2、针对固定频偏对传统频控阵雷达杂波抑制性能影响的问题,提出了基于加权模值和遗传算法的FDA-MIMO雷达最优频偏选取方法。在建立FDA-MIMO雷达回波信号模型的基础上,利用FDA体制下的空时距离建模方法,通过空间角度、距离和多普勒的综合信息进行自适应杂波抑制。仿真实验表明:通过最优频偏估计,使得FDA-MIMO雷达具有更好的杂波抑制效果。3、针对传统波束形成无法有效应对目标和杂波存在误差而造成空时自适应处理（STAP）方法性能下降的问题,提出了基于FDA-MIMO雷达的稳健STAP主瓣杂波抑制方法。利用半正定规划的鲁棒自适应波束形成（RAB-SDP）算法,建立了最优化目标函数模型,并通过求解半正定规划（SDP）问题得到最优权矢量。仿真实验表明:改进的RAB-SDP方法相比于最小方差无失真响应（MVDR）对角加载方法、传统线性约束最小方差（LCMV）方法和最差性能最优化（WCPO）方法在波束主瓣保形、输出信杂噪比以及二维响应杂波抑制性能方面有所提高。4、针对FDA雷达面临的距离模糊杂波问题,研究了基于FDA-MIMO雷达距离模糊杂波抑制方法。在建立FDA-MIMO体制下前视阵雷达信号模型的基础上,通过二次距离依赖补偿和多普勒补偿后使得距离模糊杂波能够有效分离,分别采用局域联合降维的方法和基于稀疏降维STAP的方法实现对距离模糊杂波的有效抑制。仿真实验表明:稀疏降维方法与局域联合降维方法相比具有更好的杂波抑制效果。
彭一丰[6]（2021）在《机载非规则阵列雷达空时处理技术研究》文中进行了进一步梳理相比传统的规则阵列,如共形阵、分布式阵列这样的非规则阵列作为更加广义的阵列形式,在有着阵元布置更加灵活、雷达散射截面积更小、隐身和生存性能更好、稳定性更高、扫描范围更大等优点的同时,其复杂的杂波特性也为它的应用带来了困难与挑战。本文对机载非规则阵列建立阵列模型及杂波模型,分析其杂波特性,从机载规则阵列出发,研究不同空时自适应处理算法及距离模糊杂波抑制方法的机理,探究其在机载非规则阵列中的适用性并加以优化和改进,并通过仿真进行验证。本文主要研究工作概况如下:1、机载非规则阵列雷达建模方法及杂波特性分析。介绍了两种非规则阵列模型,利用等距离环地面散射单元积分法对非规则阵列雷达进行杂波建模,并对杂波的非平稳性进行了研究分析。2、机载非规则阵列雷达空时自适应处理方法研究。对全空时自适应处理原理进行了简要说明,通过广义旁瓣相消结构对降维空时自适应处理的原理进行了分析,推导出其应用的前提条件是通道正交,并对其在非规则阵列中的适用性进行了分析,基于此应用一种基于修正的施密特正交化方法对非规则阵列中不再两两正交的通道进行了正交化预处理,能够在一定程度上提升STAP性能,通过仿真实验验证了结果。3、机载非规则阵列雷达距离模糊杂波抑制方法研究。对距离模糊的存在对空时处理的影响进行了分析,介绍了规则阵列中的一些距离模糊杂波抑制方法,对其在非规则阵列中的适用性进行了分析,提出一种基于最小二乘法的距离模糊杂波抑制方法,该方法能够适用于任意形式的阵列,且计算量小,通过仿真验证了其有效性及优势。4、机载雷达空时处理对干扰的抑制性能研究。对噪声压制干扰工作原理及空时处理对噪声压制干扰的抑制原理进行了介绍,通过仿真实验分别展示了均匀线阵与共形阵中空时处理对噪声压制干扰的抑制效果。
李思琦[7]（2021）在《频控阵雷达抗拖曳式干扰技术研究》文中提出有源拖曳式雷达诱饵作为一种新型的自卫式干扰方式,具有高效能、强可控性、低成本等优点,大大提高了载机在作战中的生存概率,在电子对抗中占据重要的战略地位,对雷达作战效能提出了严峻的挑战。传统雷达抗拖曳式干扰技术存在对抗模式单一、适用范围局限的问题。频控阵（Frequency Diverse Array,FDA）具有角度距离依赖特性,在抗拖曳式干扰领域具有极大的应用前景。本文在频控阵波束特性的基础上,提出新颖的拖曳式干扰抑制方法,和传统的拖曳式干扰抑制方法相比,具有系统简单、参数方便调节的优势。本文的主要研究工作概括如下:1.提出两种基于频控阵发射波束的抗干扰方法。一是基于距离维零陷控制的拖曳式干扰抑制方法,重点研究了具有干扰位置先验信息的情况下,通过设计干扰零陷和主瓣的空间位置,自适应地计算出频控阵的发射波束参数,从而有效抑制转发式拖曳式干扰;二是基于MVDR自适应发射波束形成的干扰抑制方法,不仅可以有效抑制转发式拖曳式干扰,而且可以同时抑制存在多个假目标的距离拖引拖曳式干扰。2.深入研究了基于FDA-MIMO雷达的拖曳式干扰抑制方法。首先建立FDAMIMO雷达信号模型,然后通过谱估计算法获取期望信号和拖曳式干扰的距离角度位置信息,并通过自适应波束形成算法抑制转发式干扰,接着对比了MVDR和LCMV两种算法,并讨论平方频偏和线性频偏两种频率增量的选择对干扰抑制效果的影响,最后进行输出信干噪比分析,对比了四种参数下的输出信干噪比曲线,得出平方频偏的LCMV算法性能最优的结果。3.提出两种基于频控阵的二维零陷优化方法。一是基于协方差矩阵锥化的零陷优化方法,利用锥化矩阵对采样协方差矩阵进行加权并代替原来的采样矩阵,并求得对应的自适应权向量。该方法能够在二维展宽加深拖曳式干扰的零陷,输出性能得到提升;二是基于干扰导向向量左右旋转的零陷优化方法,通过形成四个导向向量,能够在拖曳式干扰位置附近形成四个零陷,达到在距离角度二维展宽加深零陷的效果。上述两种方法都有效避免了因拖曳式干扰方向扰动和导向向量失配导致干扰抑制不能被实时处理的现象,提高了抗干扰波束的稳健性。
张晓文[8]（2020）在《共形阵列极化信号处理方法与应用研究》文中研究指明共形阵列贴合载体曲面的构型符合基于空气动力学的飞行器外形设计,可以减小飞行阻力和油耗、降低飞行器RCS、提升隐身能力。在雷达性能方面,这种构型可最大限度地扩展阵列有效孔径,获得更广的波束覆盖范围和监控视野;天线贴合曲面、不同朝向的放置使极化响应各异的特点给共形阵列带来极化敏感能力。综合利用空域-时域-极化域自由度能提高共形阵列的目标探测能力和地杂波抑制能力,这依赖于对目标回波和杂波在空-时-极化多维空间内特性差异的利用,需要重点解决回波多维参数估计、矢量传感器阵列的流形误差校正技术、非均匀和非平稳的杂波抑制技术等关键科学难题。针对这些难题,本文提出DOA和极化参数的快速估计算法、天线位置误差校正算法、互耦效应校正算法和基于稀疏恢复的STAP方法。主要研究方法概括如下。1.针对共形阵列曲面构型和天线极化响应各异导致的现有参数估计算法计算负担重和平面阵列快速估计算法失效的问题,提出一种基于相模理论的DOA和极化参数快速估计算法（TID-DESPRIT）和一种基于Hough变换的DOA和极化参数快速估计算法（PST-Hough）。TID-DESPRIT将接收数据从阵元域变换到相模空间域,利用变换域中接收数据的数学结构推导信号参数的闭式解。TID-DESPRIT先建立接收数据在变换域的模型形式,在设法将DOA和极化参数分离后,利用贝塞尔函数和指数项的递推性建立一个包含DOA的二次特征值方程并求解,再利用接收数据模型的解析式计算极化参数。PST-Hough利用协方差矩阵相位明确的解析式解出其中的信号参数,并通过迭代方法提高参数估计精度。PST-Hough首先推导一套简洁、完备的相位无模糊提取方法框架;为了避免多维参数联合搜索,算法将DOA和极化参数分离后,先基于Hough变换估计出DOA,再使用类似Rank-MUSIC的方法计算极化参数,通过迭代方法解决分维估计造成的精度下降问题。仿真实验验证了两个估计算法的性能。2.共形阵列天线位置误差同时影响天线空域响应和极化域响应,而现有校正方法的模型大多只包含空域响应。当它们用于共形阵列,模型的失配会使校正性能下降。针对这一问题,提出一种基于校正源的天线位置误差分维校正方法。所提方法先分析了天线位置误差对天线空域响应和极化域响应的具体影响,将天线位置误差分解成轴向和高度向两个维度;然后再利用极化响应设计包含轴向误差的方程并解出,再建立基于SCOP的优化函数解出高度向误差。仿真实验验证了所提算法的校正性能。3.互耦效应对天线的H面和V面方向图畸变不同因此必须分别建模,同时实际中互耦模型矩阵不符合Toeplitz结构假设,基于此假设的互耦自校正方法失效,针对这些问题,提出一种基于天线方向图重建的有源互耦效应校正方法。该方法使用校正信号来测量天线的H面和V面的实际方向图,再计算互耦校正矩阵;还提供了最佳校正性能和最适合工程应用的校正信号参数设置方案。仿真实验验证了所提算法性能。4.相比于平面阵列,共形阵列的杂波具有更强的非平稳、非平均特性和更高的自由度。这造成使用相位补偿方法来对齐临近距离单元和待检测单元的空时谱时会因共形阵列的三维结构出现性能下降,临近距离单元中和待检测单元杂波分布一致的均匀样本数不足,因此难以将临近距离单元的回波作为训练数据来估计待检测单元的杂波分布。针对这一问题,提出一种基于稀疏恢复的单数据集STAP方法（SDSSR-CA）。SDSSR-CA只使用待检测单元的回波计算杂波协方差矩阵,并使用稀疏恢复的方法解决可用样本数不足的问题。SDSSR-CA先预测杂波分布,在角度-多普勒平面上根据杂波功率划分区域,再根据杂波扩散程度为每个区域设置不同的网格（原子）密度和原子选点策略;最终描述杂波分布的字典由各区域选出的原子组成;最后,使用计算的字典和角度-多普勒像重构杂波数据和协方差矩阵,并计算STAP滤波器权值。基于实测数据的实验验证了所提算法性能。
苏昱煜[9]（2020）在《机载雷达自适应干扰抑制和基于先验知识的空时信号处理》文中研究说明装备相控阵雷达的飞机可以灵活、快速地部署,实现对战场中各种目标的检测、跟踪,感知敌方态势,为己方力量的指挥和控制提供情报支撑。但是在机载雷达工作当中,必须解决干扰抑制和杂波抑制问题。在信号处理的环节,可以利用自适应波束形成技术来抑制旁瓣区域的干扰。但是当阵列流型与实际情况不一致（如存在位置误差、幅相误差或接收机通道响应误差）,自适应处理往往导致期望信号的输出信干噪比下降。因此设计稳健的波束形成器来减少或降低误差带来的影响是非常重要的。另一方面,由于机载雷达的平台是运动的,地杂波表现出空时耦合特性,需要利用空时自适应处理（Space Time Adaptive Processing,STAP）技术去抑制机载雷达接收到的地杂波。但是由于雷达天线的非理想构型、地形和地物随距离的变化,接收到的回波信号通常是非均匀的,不能提供足够的独立同分布的样本数据。如何提高非均匀环境下STAP的性能,也是需要研究的重要问题。本文围绕以上问题开展研究,具体包括以下几个方面。一、针对不同因素引起的波束形成器性能下降,研究了稳健的自适应波束形成算法。针对样本不足引起的性能下降,研究提出了一种基于稀疏的稳健自适应波束形成算法。当干扰和噪声的采样协方差矩阵偏离理想的协方差矩阵时,传统的对角加载方法和最差情况最优性能方法对这种误差情况具有一定的稳健性。但是当样本数目较少或样本数据中包含目标信号时,这两种方法的性能严重下降。针对这一问题,提了一种基于无网格稀疏迭代协方差估计的稳健自适应波束形成方法。相比于其他方法,该方法在样本数目较少（或单快拍）的情况下,性能最接近最优处理器,并且对期望信号角度失配和相干局部散射引起的误差具有稳健性。针对存在导向矢量失配的自适应波束形成,研究提出了一种基于交替方向乘子法的稳健自适应波束形成方法。对于自适应波束形成来说,模型误差（幅相误差或阵元位置误差）带来的影响不可忽视,采用假设阵列构型已知的稳健自适应波束形成技术并不能取得好的结果。本文提出了一种基于交替方向乘子法的稳健自适应波束形成技术。仿真结果表明该方法对信号角度误差、幅相误差、阵元间距误差以及相干局部散射均具有稳健性。二、针对非均匀环境下的杂波抑制,结合先验的地形数据、地理高程数据等,研究提出了一种基于先验知识的协方差矩阵估计STAP方法。文中以采样协方差和先验协方差矩阵的凸组合为基础,提出了一种基于先验知识的协方差矩阵估计方法。首先利用地表分类数据和地理高程信息,并通过坐标变换、遮挡判断、数据仿真的预处理,计算得到先验协方差矩阵。然后,利用了正则化Tyler估计器更精确地估计最终的杂波协方差矩阵。最后,通过实测数据处理证明该方法在非均匀环境下具有良好的性能。三、针对非均匀环境中的样本挑选问题,研究提出了一种基于先验知识的训练样本挑选方法。在非均匀环境中,训练样本和待检单元可能具有不同分布特性,这会使估计的杂波协方差矩阵不准确,从而导致杂波抑制的性能下降。本文提出了一种基于先验知识的训练样本挑选方法。本方法首先使用先验的协方差矩阵检测含有目标信号的训练样本。然后将污染的样本投影到由先验协方差矩阵构造的子空间中以保留该训练样本。最后,利用迭代方法对训练样本重加权获得最终的杂波加噪声协方差矩阵。数据处理结果验证了所提方法的性能。四、针对稀疏条件下的STAP方法,研究提出了一种基于无网格总变差最小化的稀疏STAP方法。由雷达天线构型或外部环境因素的影响,杂波谱在距离上是非均匀的,导致训练样本数目不能满足独立同分布条件,进而影响最终的杂波抑制性能。针对这一问题,提出了一种无网格总变差最小化的STAP方法。所提方法利用了杂波在空时平面上的稀疏特性,建立了一个基于l1原子范数的优化问题。利用导向矢量的极坐标表示形式以及贝塞尔函数近似,将二维的导向矢量优化问题转化为一维的形式。最后利用Toeplitz矩阵的性质,使用CVX工具包求解优化问题。该方法相比于传统的稀疏处理方法,在正侧视和非正侧视条件下均表现出了较好的性能。
常文胜[10]（2020）在《机载对地监视雷达射频隐身、多视角成像与超高速平台GMTI系统技术》文中研究表明对地监视飞机可在全天候条件下对地面、海面目标进行远距离、大范围、高分辨率的侦察与监视,获取敌方雷达阵地、炮兵阵地、导弹发射阵地、指挥所、通信枢纽、桥梁、港口、机场等静止目标和海上舰船编队、地面车辆和人员编队等移动目标,是情报、监视与侦察（ISR）系统的重要组成部分。以合成孔径雷达（SAR）成像和地面运动目标指示（GMTI）为主要功能的机载对地监视雷达是对地监视飞机的核心载荷。随着地面防空探测雷达和防空武器性能的提升,在高危险拒止区执行任务的对地监视飞机向隐身化、超高速方向发展,从而对机载对地监视雷达提出了新的需求,如飞机隐身对雷达提出了射频（RF）隐身的需求;超高速对大孔径天线在机上的优化布置及系统架构优化提出了要求;高危险拒止区任务执行要求雷达实现基于SAR图像的目标自动检测,而基于SAR图像的目标自动检测则对大场景多视角图像的高效获取提出了需求。因此,本文重点针对隐身、超高速对地监视飞机对雷达提出的需求,从系统角度对低截获射频隐身,大场景多视角SAR图像高效获取,多输入多输出（MIMO）分布式阵列优化布置、低成本高分辨率空时自适应处理（STAP）系统架构等超高速平台GMTI系统技术进行了研究。具体内容如下:1.从系统角度提出了SAR系统的低截获射频隐身设计方法。基于SAR系统的雷达距离方程和电子对抗设备对雷达辐射信号的截获距离方程,推导出了SAR系统的最大低截获作用距离方程;通过分析SAR系统的最大低截获作用距离方程,提出了低截获射频隐身SAR系统的设计方法;在分析电子对抗设备信号分选过程的基础上,提出了低截获射频隐身SAR系统的工作波形要求;依据低截获射频隐身的波形要求,提出了一种随机变脉冲重复频率（PRF）和脉宽的噪声SAR成像新体制,给出了相应的成像算法,并对其抗干扰能力进行了仿真分析。2.针对传统多视角SAR图像获取方式照射场景小、图像配准难、实现成本高等局限性,提出了一种单次飞行即可获取大场景多视角SAR图像的系统和成像方法。相比聚束或多次飞行等常规多视角图像获取方式,该系统采用多波束,一次飞行就可以获得大场景多视角图像,有效提升了多视角图像的获取效率。提出了基于统一坐标系的改进距离迁移成像算法（RMA）,采用该算法成像后,多视角图像经过固定的时移即可进行配准,相比不同航线飞行获取的多视角图像,降低了配准难度。3.针对超高声速平台下地面慢速运动目标检测对大孔径天线的需求,提出了分布式子阵与正负斜率线性调频信号相结合的MIMO阵列架构及其优化方法,提升了超高速平台雷达对地面运动目标的最小可检测速度。在优化算法方面,针对标准遗传算法易陷入局部最优,收敛速度慢等的特点,对标准遗传算法进行了改进,采用基于全局的自适应尺度变换算子对适应度值进行变换,有效提高了算法的收敛速度和全局寻优能力。将改进的遗传算法应用于MIMO分布式子阵阵列的优化,改变传统用于稀疏阵列优化的遗传算法采用以阵元位置为优化变量的方式,改用子阵间隔作为优化变量,降低了算法实现的复杂度和计算量,进一步提升了收敛速度。4.基于超高速平台的GMTI雷达对方位大口径天线提出了需求,轻薄化天线阵面有利于超高速平台适装大口径天线。低瞬时带宽天线相比高瞬时带宽更易实现阵列的轻薄化,但地面运动目标的精确跟踪及目标识别需要距离高分辨像的支撑。针对这一矛盾,提出了一种基于收发互易低瞬时带宽数字阵列的频带合成高分辨STAP系统架构。该系统架构采用不同的多通道阵列发射不同载频的线性调频信号,阵列收发互易实现了等效相位中心的重合,频带合成过程中无需补偿目标偏离波束中心的相位差,可实现大带宽信号的精确合成,有效解决了低瞬时带宽大口径阵列与大带宽高距离分辨率之间的矛盾。
二、基于运动载机模型的相控阵雷达动态杂波抑制仿真研究（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、基于运动载机模型的相控阵雷达动态杂波抑制仿真研究（论文提纲范文）
（1）相控阵机载SAR海面动目标成像算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外相控阵雷达的研究现状及分析 |
| 1.2.1 国外相控阵雷达主要发展阶段研究 |
| 1.2.2 国内相控阵雷达发展情况 |
| 1.3 机载SAR动目标成像研究现状 |
| 1.4 本文的主要内容与结构安排 |
| 第2章 相控阵机载SAR成像机理研究 |
| 2.1 引言 |
| 2.2 SAR动目标成像基本理论及回波模型建立 |
| 2.3 DBF-SCORE波束控制成像方法 |
| 2.3.1 DBF-SCORE俯仰向波束控制原理 |
| 2.3.2 俯仰向自适应Capon谱估计法 |
| 2.3.3 方位向非均匀PRF采样重构算法 |
| 2.3.4 仿真实验与结果分析 |
| 2.3.5 实测数据与结果分析 |
| 2.4 TOPSAR方位向扫描成像方法 |
| 2.4.1 TOPSAR方位向波束控制原理 |
| 2.4.2 TOPSAR扫描模式成像算法 |
| 2.4.3 仿真实验与结果分析 |
| 2.5 本章小结 |
| 第3章 海面舰船动目标压缩感知成像算法研究 |
| 3.1 引言 |
| 3.2 舰船目标CS成像机理 |
| 3.2.1 海面舰船的正交匹配追踪算法 |
| 3.2.2 仿真实验与结果分析 |
| 3.3 块稀疏压缩感知成像算法 |
| 3.3.1 海面舰船的块稀疏BOMP成像算法 |
| 3.3.2 仿真实验与结果分析 |
| 3.4 块稀疏贝叶斯学习BSBL成像算法 |
| 3.4.1 海面舰船的块稀疏BSBL成像算法 |
| 3.4.2 仿真实验与结果分析 |
| 3.5 联合块稀疏JBOMP成像算法 |
| 3.5.1 海面舰船的联合块稀疏JBOMP成像算法 |
| 3.5.2 仿真实验与结果分析 |
| 3.5.3 实测数据与结果分析 |
| 3.6 本章小结 |
| 第4章 海面舰船动目标的多普勒参数估计及自聚焦 |
| 4.1 引言 |
| 4.2 多普勒参数估计 |
| 4.2.1 Radon-Wigner估计多普勒参数 |
| 4.2.2 SoWVD变换估计多普勒参数 |
| 4.2.3 仿真实验与结果分析 |
| 4.3 舰船目标自聚焦成像 |
| 4.3.1 最大对比度/最小熵算法 |
| 4.3.2 分块PGA自聚焦算法 |
| 4.3.3 实测数据与结果分析 |
| 4.4 舰船目标时频分析瞬态像 |
| 4.4.1 传统时频类成像法 |
| 4.4.2 仿真实验与结果分析 |
| 4.4.3 实测数据与结果分析 |
| 4.5 同步压缩时频变换成像法 |
| 4.5.1 同步压缩SST-CWT变换 |
| 4.5.2 同步压缩SST-Chirplet变换 |
| 4.5.3 同步压缩SST-STFT变换 |
| 4.5.4 同步压缩时频变换的误差分析 |
| 4.5.5 仿真实验与结果分析 |
| 4.5.6 实测数据与结果分析 |
| 4.6 本章小结 |
| 第5章 海面舰船动目标的方位向定位算法 |
| 5.1 引言 |
| 5.2 基于VSAR的海面舰船动目标定位算法 |
| 5.2.1 VSAR算法概述 |
| 5.2.2 VSAR算法运动目标成像模型 |
| 5.2.3 VSAR算法运动目标定位机理 |
| 5.3 仿真实验与结果分析 |
| 5.4 实测数据与结果分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（2）多通道SAR地面运动目标检测与成像研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号对照表 |
| 缩略语对照表 |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 多通道SAR-GMTI系统发展现状 |
| 1.2.2 SAR运动目标检测研究现状 |
| 1.2.3 SAR运动目标成像研究现状 |
| 1.2.4 目前存在的问题 |
| 1.3 本文研究内容与结构安排 |
| 第2章 多通道SAR回波信号模型和杂波抑制方法 |
| 2.1 引言 |
| 2.2 多通道SAR回波信号模型分析 |
| 2.2.1 多通道SAR运动目标成像几何构型 |
| 2.2.2 运动目标与杂波信号模型 |
| 2.2.3 运动目标与杂波多普勒特性分析 |
| 2.3 地物杂波统计特性分析 |
| 2.4 基于DPCA-BCS的双通道SAR杂波抑制方法 |
| 2.4.1 压缩感知理论 |
| 2.4.2 双通道DPCA技术 |
| 2.4.3 基于稀疏贝叶斯学习的重构算法 |
| 2.4.4 实验结果与分析 |
| 2.5 基于STAP-BCS的多通道SAR杂波抑制方法 |
| 2.5.1 多通道STAP技术 |
| 2.5.2 BCS重构算法 |
| 2.5.3 实验结果与分析 |
| 2.6 本章小结 |
| 第3章 非均匀杂波环境下多通道SAR运动目标检测与重定位 |
| 3.1 引言 |
| 3.2 基于子孔径的图像序列生成 |
| 3.3 径向速度对目标位置影响 |
| 3.4 多目标随机有限集模型 |
| 3.5 基于改进GMPHD滤波器的SAR运动目标检测 |
| 3.5.1 GMPHD滤波器 |
| 3.5.2 改进GMPHD滤波器 |
| 3.6 实验结果与分析 |
| 3.6.1 仿真结果与分析 |
| 3.6.2 Gotcha SAR实测数据实验 |
| 3.7 本章小结 |
| 第4章 基于稀疏贝叶斯学习的SAR多运动目标成像 |
| 4.1 引言 |
| 4.2 多目标稀疏观测模型 |
| 4.3 基于CHIRPLET-BCS的SAR多运动目标成像方法 |
| 4.3.1 基于Chirplet基的自适应分解 |
| 4.3.2 基于BCS的多目标稀疏重构算法 |
| 4.4 实验结果与分析 |
| 4.4.1 仿真结果与分析 |
| 4.4.2 机载SAR实测数据实验 |
| 4.4.3 星载TerraSAR-X实测数据实验 |
| 4.4.4 Gotcha SAR实测数据实验 |
| 4.5 本章小结 |
| 第5章 基于DCNN的多通道SAR慢速多运动目标快速成像 |
| 5.1 引言 |
| 5.2 深度学习对逆问题的求解 |
| 5.3 基于卷积神经网络的SAR多运动目标快速成像 |
| 5.3.1 基于DCNN的多运动目标成像原理 |
| 5.3.2 成像网络架构 |
| 5.3.3 成像网络的反向传播 |
| 5.3.4 实验数据与结果分析 |
| 5.4 基于复数域卷积神经网络的多通道SAR慢速多目标成像 |
| 5.4.1 基于CV-CNN的多通道SAR慢速多目标成像原理 |
| 5.4.2 复数域成像网络架构 |
| 5.4.3 复数域成像网络的反向传播 |
| 5.4.4 实验数据与结果分析 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（3）基于极化空时处理的杂波抑制和目标检测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词表 |
| 主要符号表 |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外相关领域研究现状 |
| 1.2.1 极化信号处理研究动态 |
| 1.2.2 STAP研究动态 |
| 1.2.3 协方差矩阵估计研究动态 |
| 1.3 本论文的结构安排 |
| 第二章 极化空时回波建模及其自适应处理 |
| 2.1 电磁波的极化 |
| 2.1.1 完全极化波 |
| 2.1.2 部分极化波 |
| 2.1.3 电磁波极化表征 |
| 2.2 极化空时信号发射接收模型 |
| 2.2.1 阵元发射接收模型 |
| 2.2.2 阵列发射接收模型 |
| 2.2.3 基于极化阵列的DOA估计算法 |
| 2.2.4 极化雷达工作方式 |
| 2.3 极化空时域杂波抑制 |
| 2.3.1 极化空时域的杂波建模 |
| 2.3.2 极化空时联合自适应处理 |
| 2.4 本章小结 |
| 第三章 极化空时域协方差矩阵稳健收缩估计 |
| 3.1 稳健收缩Kronecker估计器 |
| 3.1.1 Kronecker极大似然估计器 |
| 3.1.2 基于KL散度惩罚函数的正则化 |
| 3.1.3 RSKE估计器的解的存在性 |
| 3.1.4 迭代求解算法及其收敛性 |
| 3.2 收缩系数的选择 |
| 3.2.1 Kronecker OAS近似收缩 |
| 3.2.2 基于交叉验证的选择 |
| 3.2.3 计算复杂度 |
| 3.3 仿真结果 |
| 3.3.1 CM估计精度 |
| 3.3.2 PSTAP杂波抑制性能 |
| 3.4 本章小结 |
| 第四章 基于最优杂波抑制性能的极化空时杂波协方差矩阵估计 |
| 4.1 问题描述 |
| 4.1.1 数学模型 |
| 4.1.2 常见CM估计器 |
| 4.2 针对高斯样本的S~2CM估计器 |
| 4.2.1 基于交叉验证的收缩系数选择(S~2CM-CV) |
| 4.2.2 基于渐近估计的收缩系数选择(S~2CM-AE) |
| 4.3 针对复合高斯样本的STE估计器 |
| 4.3.1 基于交叉验证的收缩Tyler估计器-Ⅰ(STE-CV-Ⅰ) |
| 4.3.2 基于交叉验证的收缩Tyler估计器-Ⅱ(STE-CV-Ⅱ) |
| 4.3.3 渐近收缩Tyler估计器(STE-AE) |
| 4.4 仿真结果 |
| 4.4.1 高斯样本 |
| 4.4.2 复合高斯场景 |
| 4.5 本章小结 |
| 第五章 基于极化敏感阵列的发射极化和接收权值联合设计 |
| 5.1 问题描述 |
| 5.1.1 信号模型 |
| 5.1.2 杂波模型 |
| 5.2 基于分块最大最小准则的极化优化 |
| 5.2.1 分块最大最小准则 |
| 5.2.2 问题描述 |
| 5.2.3 基于分块最大最小准则的迭代算法 |
| 5.2.4 算法收敛性 |
| 5.3 性能分析 |
| 5.3.1 传统STAP |
| 5.3.2 极化STAP |
| 5.4 仿真结果 |
| 5.4.1 杂波抑制性能 |
| 5.4.2 收敛性能 |
| 5.4.3 检测性能 |
| 5.5 本章小结 |
| 第六章 基于递归处理的空时通道选择算法 |
| 6.1 信号模型 |
| 6.2 通道选择 |
| 6.3 计算复杂度 |
| 6.4 检测性能分析 |
| 6.4.1 恒虚警概率性质分析 |
| 6.4.2 检测性能 |
| 6.5 仿真结果 |
| 6.5.1 不同通道数对应的输出信杂噪比损失 |
| 6.5.2 不同样本数对应的性能 |
| 6.5.3 通道选择情况 |
| 6.5.4 通道误差 |
| 6.5.5 计算复杂度 |
| 6.5.6 所提算法与穷举搜索的比较 |
| 6.6 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 |
| 攻读博士学位期间取得的成果 |
（4）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 |
（5）FDA-MIMO雷达杂波抑制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 频控阵波束形成 |
| 1.2.2 频控阵雷达杂波抑制方法 |
| 1.2.3 频控阵雷达试验 |
| 1.3 本论文的结构安排 |
| 第二章 基于最优频偏估计的FDA-MIMO雷达杂波抑制方法 |
| 2.1 引言 |
| 2.2 FDA-MIMO雷达信号模型 |
| 2.3 基于最优频偏估计的FDA-MIMO雷达杂波抑制方法 |
| 2.3.1 FDA-MIMO雷达回波信号建模 |
| 2.3.2 基于MVDR波束形成的杂波分析 |
| 2.3.3 基于遗传算法的最优频偏估计方法 |
| 2.4 仿真验证与分析 |
| 2.5 本章小结 |
| 第三章 FDA-MIMO雷达稳健STAP主瓣杂波抑制方法 |
| 3.1 引言 |
| 3.2 FDA-MIMO雷达的波束形成方法 |
| 3.2.1 MVDR对角加载技术 |
| 3.2.2 线性约束最小方差(LCMV)波束形成器 |
| 3.2.3 最差性能最优化(WCPO)方法 |
| 3.3 基于FDA-MIMO雷达的稳健STAP主瓣杂波抑制方法 |
| 3.4 仿真验证与分析 |
| 3.4.1 波束形成方向图 |
| 3.4.2 输出信杂噪比性能 |
| 3.4.3 STAP二维响应杂波抑制性能 |
| 3.5 本章小结 |
| 第四章 FDA-MIMO雷达距离模糊杂波抑制方法 |
| 4.1 引言 |
| 4.2 前视阵FDA-MIMO雷达回波信号建模 |
| 4.3 FDA-MIMO雷达距离模糊杂波抑制方法 |
| 4.3.1 局域联合降维处理 |
| 4.3.2 稀疏降维处理 |
| 4.4 仿真验证与分析 |
| 4.4.1 距离补偿前后的杂波谱 |
| 4.4.2 杂波抑制效果 |
| 4.4.3 杂波抑制性能 |
| 4.5 本章小结 |
| 第五章 全文总结与展望 |
| 5.1 全文总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（6）机载非规则阵列雷达空时处理技术研究（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 非规则阵列雷达空时处理方法的研究历史与现状 |
| 1.3 主要工作内容与结构安排 |
| 第二章 机载非规则阵列雷达建模方法及特性分析 |
| 2.1 引言 |
| 2.2 机载非规则阵列雷达阵列模型 |
| 2.2.1 机载共形阵雷达阵列模型 |
| 2.2.2 机载分布式雷达阵列模型 |
| 2.3 机载非规则列雷达杂波建模方法 |
| 2.4 机载非规则阵列雷达杂波非平稳性分析 |
| 2.4.1 机载非规则阵列雷达杂波距离依赖性分析 |
| 2.4.2 机载非规则阵列雷达杂波距离模糊分析 |
| 2.5 本章小结 |
| 第三章 机载非规则阵列雷达空时自适应处理技术 |
| 3.1 引言 |
| 3.2 规则阵列雷达空时自适应处理技术 |
| 3.2.1 全维空时自适应处理 |
| 3.2.2 降维空时自适应处理 |
| 3.3 非规则阵列雷达空时自适应处理技术 |
| 3.3.1 共形阵雷达空时自适应处理技术 |
| 3.3.2 分布式阵列雷达空时自适应处理技术 |
| 3.3.3 辅助通道正交化预处理方法 |
| 3.4 仿真验证 |
| 3.5 本章小结 |
| 第四章 机载非规则阵列雷达距离模糊杂波抑制方法 |
| 4.1 引言 |
| 4.2 规则阵列雷达距离模糊杂波抑制方法 |
| 4.2.1 俯仰维预滤波方法 |
| 4.2.2 基于配准的补偿方法 |
| 4.3 非规则阵列雷达距离模糊杂波抑制方法 |
| 4.3.1 距离模糊杂波抑制方法适用性分析 |
| 4.3.2 基于最小二乘法的补偿方法 |
| 4.4 仿真验证 |
| 4.4.1 共形阵雷达距离模糊杂波抑制方法 |
| 4.4.2 分布式阵列雷达距离模糊杂波抑制方法 |
| 4.5 本章小结 |
| 第五章 空时处理中的干扰抑制 |
| 5.1 引言 |
| 5.2 噪声压制干扰 |
| 5.2.1 噪声压制干扰工作原理 |
| 5.2.2 空时处理抗干扰原理 |
| 5.3 仿真验证 |
| 5.3.1 均匀线阵中的干扰抑制 |
| 5.3.2 共形阵中的干扰抑制 |
| 5.4 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
（7）频控阵雷达抗拖曳式干扰技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 拖曳式雷达诱饵及对抗方法研究现状 |
| 1.2.2 频控阵研究现状 |
| 1.2.3 零陷展宽算法研究现状 |
| 1.3 本论文的主要内容和结构安排 |
| 1.3.1 论文的主要内容 |
| 1.3.2 结构安排 |
| 第二章 频控阵理论与拖曳式干扰原理 |
| 2.1 引言 |
| 2.2 频控阵的基本理论 |
| 2.2.1 频控阵概念 |
| 2.2.2 频控阵波束特性 |
| 2.2.3 解耦合 |
| 2.3 拖曳式干扰原理 |
| 2.3.1 拖曳式干扰过程 |
| 2.3.2 基于多普勒分析的干扰鉴别方法 |
| 2.4 本章小结 |
| 第三章 基于频控阵发射波束的抗干扰方法研究 |
| 3.1 引言 |
| 3.2 静态加权的频控阵发射波束形成 |
| 3.3 基于距离维零陷控制的干扰抑制 |
| 3.4 基于MVDR自适应发射波束形成方法的干扰抑制 |
| 3.5 仿真实验和结果分析 |
| 3.5.1 静态加权波束形成仿真 |
| 3.5.2 基于距离维零陷控制的干扰抑制方法仿真 |
| 3.5.3 基于MVDR自适应发射波束形成方法的干扰抑制仿真 |
| 3.6 本章小结 |
| 第四章 基于FDA-MIMO雷达的抗干扰方法研究 |
| 4.1 引言 |
| 4.2 FDA-MIMO信号模型 |
| 4.3 基于谱估计算法的定位方法 |
| 4.3.1 MVSE谱估计 |
| 4.3.2 MUSIC谱估计 |
| 4.4 基于自适应波束形成算法的干扰抑制 |
| 4.4.1 MVDR波束形成算法 |
| 4.4.2 LCMV波束形成算法 |
| 4.5 仿真实验和结果分析 |
| 4.5.1 谱估计仿真 |
| 4.5.2 自适应波束形成仿真 |
| 4.6 本章小结 |
| 第五章 基于频控阵的零陷优化方法研究 |
| 5.1 引言 |
| 5.2 信号模型 |
| 5.3 基于协方差矩阵锥化的二维零陷优化方法 |
| 5.4 基于干扰导向向量左右旋转的二维零陷优化方法 |
| 5.5 仿真实验和结果分析 |
| 5.5.1 基于协方差矩阵锥化的二维零陷优化方法仿真 |
| 5.5.2 基于干扰导向向量左右旋转的二维零陷优化方法仿真 |
| 5.5.3 信干噪比仿真分析 |
| 5.6 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
| 一.发表的相关论文 |
| 二.获得奖励 |
（8）共形阵列极化信号处理方法与应用研究（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 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 共形阵列系统装备 |
| 1.2.2 共形阵列处理方法 |
| 1.2.3 共形阵列参数估计算法 |
| 1.2.4 共形阵列误差校正算法 |
| 1.2.5 共形阵列天线位置误差校正算法 |
| 1.2.6 共形阵列互耦效应校正算法 |
| 1.2.7 共形阵列的空时自适应处理算法 |
| 1.3 本文研究内容与安排 |
| 第二章 共形阵列构型和接收信号模型 |
| 2.1 引言 |
| 2.2 共形阵列的信号模型 |
| 2.3 电磁波的极化 |
| 2.4 共形阵列的天线 |
| 2.4.1 基于欧拉变换的天线方向图确定 |
| 2.4.2 载体的遮挡效应 |
| 2.5 共形阵列的发射和接收模式 |
| 2.6 小结 |
| 第三章 基于相模理论的共形阵列参数估计算法 |
| 3.1 引言 |
| 3.2 极化敏感圆阵构型和信号模型 |
| 3.3 三种基于波场理论的参数估计算法 |
| 3.3.1 基于阵列流行分离技术的DOA和极化参数估计算法 |
| 3.3.2 基于EADF的方位角估计算法 |
| 3.3.3 基于模式空间变换的DOA参数估计 |
| 3.4 基于相模理论的TID-DESPRIT算法 |
| 3.4.1 阵列场强分析和PM模型的建立 |
| 3.4.2 DOA和极化参数的解耦合方法 |
| 3.4.3 DOA的快速估计方法 |
| 3.4.4 极化参数估计方法 |
| 3.4.5 参数估计精度分析 |
| 3.4.6 计算复杂度分析 |
| 3.4.7 仿真实验 |
| 3.5 小结 |
| 第四章 基于Hough变换的共形阵列参数估计算法 |
| 4.1 引言 |
| 4.2 共形阵列和信号模型 |
| 4.3 协方差矩阵的相位特性 |
| 4.4 提取相位时的解模糊方法 |
| 4.5 基于Hough变换的DOA估计方法 |
| 4.6 极化参数的估计方法 |
| 4.7 仿真实验 |
| 4.7.1 协方差矩阵的相位估计性能 |
| 4.7.2 计算复杂度分析和参数估计精度分析 |
| 4.8 小结 |
| 第五章 共形阵列误差校正算法 |
| 5.1 引言 |
| 5.2 共形阵列和信号模型 |
| 5.3 天线位置误差分维校正算法 |
| 5.3.1 天线位置误差存在时的信号模型 |
| 5.3.2 所提算法步骤 |
| 5.3.3 仿真实验 |
| 5.4 基于天线方向图重建的互耦效应校正算法 |
| 5.4.1 互耦效应和平台效应 |
| 5.4.2 互耦效应存在时的信号模型 |
| 5.4.3 现有的两种校正方法 |
| 5.4.4 所提算法步骤 |
| 5.4.5 仿真实验 |
| 5.5 小结 |
| 第六章 机载共形阵列应用研究 |
| 6.1 引言 |
| 6.2 共形阵列和杂波信号模型 |
| 6.3 共形阵列的杂波特性 |
| 6.3.1 共形阵列的杂波非平稳特性 |
| 6.3.2 共形阵列的杂波秩分析 |
| 6.4 基于稀疏恢复的共形阵列单数据集STAP方法(SDSSR-CA) |
| 6.4.1 杂波稀疏模型 |
| 6.4.2 算法步骤 |
| 6.4.3 仿真实验 |
| 6.5 小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）机载雷达自适应干扰抑制和基于先验知识的空时信号处理（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 研究历史和研究现状 |
| 1.2.1 稳健自适应波束形成技术 |
| 1.2.2 空时自适应处理技术 |
| 1.3 本文主要工作与内容安排 |
| 第二章 稳健自适应波束形成方法 |
| 2.1 引言 |
| 2.2 信号模型 |
| 2.3 稀疏的稳健自适应波束形成算法 |
| 2.3.1 网格化稀疏算法 |
| 2.3.2 基于无网格SPICE方法的稳健自适应波束形成 |
| 2.3.3 仿真结果 |
| 2.4 基于ADMM的稳健自适应波束形成 |
| 2.4.1 ADMM框架下的问题构成 |
| 2.4.2 使用ADMM解优化问题 |
| 2.4.3 仿真结果 |
| 2.5 本章小结 |
| 第三章 基于先验知识的协方差矩阵估计方法 |
| 3.1 引言 |
| 3.2 杂波信号模型 |
| 3.3 基于先验知识的空时处理方法 |
| 3.3.1 可应用于KASTAP方面的数据库 |
| 3.3.2 预处理过程 |
| 3.3.3 基于先验知识的STAP方法 |
| 3.4 实测数据处理 |
| 3.5 本章小结 |
| 第四章 基于先验知识的训练样本挑选方法 |
| 4.1 引言 |
| 4.2 信号模型 |
| 4.3 基于先验知识的样本挑选方法 |
| 4.4 数据处理 |
| 4.4.1 仿真数据处理结果 |
| 4.4.2 实测数据处理结果 |
| 4.5 本章小结 |
| 第五章 基于稀疏恢复的空时自适应处理方法 |
| 5.1 引言 |
| 5.2 信号模型与杂波稀疏性分析 |
| 5.3 基于无网格总变差最小化的空时自适应处理 |
| 5.3.1 无网格总变差最小化方法 |
| 5.3.2 非正侧视条件 |
| 5.4 仿真试验 |
| 5.4.1 正侧视情况下的性能对比 |
| 5.4.2 非正侧视情况下的性能对比 |
| 5.4.3 存在杂波固有运动时的性能对比 |
| 5.4.4 存在幅相误差时的性能对比 |
| 5.4.5 计算复杂度分析 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 本文内容总结 |
| 6.2 论文创新点 |
| 6.3 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（10）机载对地监视雷达射频隐身、多视角成像与超高速平台GMTI系统技术（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 发展现状与趋势 |
| 1.2.1 对地监视飞机及雷达系统发展现状 |
| 1.2.2 对地监视飞机及雷达系统发展趋势分析 |
| 1.3 本论文的内容和安排 |
| 第二章 低截获射频隐身SAR系统设计 |
| 2.1 引言 |
| 2.2 SAR系统最大低截获作用距离计算 |
| 2.3 SAR系统最大低截获作用距离提升 |
| 2.4 低截获波形特征 |
| 2.5 低截获SAR系统主要技术特征 |
| 2.6 小结 |
| 第三章 一种随机变PRF和脉宽的噪声SAR体制 |
| 3.1 引言 |
| 3.2 信号模型 |
| 3.3 变PRF的随机脉宽噪声SAR成像算法 |
| 3.4 实际应用 |
| 3.5 仿真实验 |
| 3.6 抗干扰性能分析 |
| 3.7 小结 |
| 第四章 一种单次飞行获取大场景多视角图像的系统与方法 |
| 4.1 引言 |
| 4.2 大场景多视角成像模型 |
| 4.3 大场景多视角设计方法 |
| 4.4 不同设计方法对系统的要求与适应场合 |
| 4.5 基于超高速平台的大场景三视角成像系统与信号模型 |
| 4.6 基于统一坐标系的多视角SAR成像方法 |
| 4.6.1 多视角SAR配准与融合问题 |
| 4.6.2 改进的RMA成像算法 |
| 4.6.3 应用与考虑 |
| 4.6.4 仿真与实测数据验证 |
| 4.7 小结 |
| 第五章 基于改进遗传算法的MIMO分布式阵列优化 |
| 5.1 引言 |
| 5.2 基于两端发射正负斜率线性调频信号的MIMO分布式子阵模型 |
| 5.3 标准遗传算法及其改进 |
| 5.4 基于改进遗传算法的MIMO分布式子阵优化应用 |
| 5.5 仿真实验和性能分析 |
| 5.5.1 标准遗传算法和改进遗传算法MIMO分布式阵列优化对比 |
| 5.5.2 单发多收和双发多收分布式阵列方向图优化对比 |
| 5.6 小结 |
| 第六章 基于收发互易阵列的频带合成STAP系统架构 |
| 6.1 引言 |
| 6.2 系统架构与信号模型 |
| 6.2.1 基于常规自发自收多通道阵列的系统架构 |
| 6.2.2 基于收发互易多通道阵列的系统架构 |
| 6.3 仿真验证 |
| 6.4 小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 工作展望 |
| 7.2.1 后续工作 |
| 7.2.2 发展方向 |
| 7.2.3 交叉学科 |
| 参考文献 |
| 致谢 |
| 作者简介 |
四、基于运动载机模型的相控阵雷达动态杂波抑制仿真研究（论文参考文献）
- [1]相控阵机载SAR海面动目标成像算法研究[D]. 张璘. 哈尔滨工业大学, 2021(02)
- [2]多通道SAR地面运动目标检测与成像研究[D]. 穆慧琳. 哈尔滨工业大学, 2021(02)
- [3]基于极化空时处理的杂波抑制和目标检测研究[D]. 谢磊. 电子科技大学, 2021(01)
- [4]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)
- [5]FDA-MIMO雷达杂波抑制方法研究[D]. 张小弩. 电子科技大学, 2021(01)
- [6]机载非规则阵列雷达空时处理技术研究[D]. 彭一丰. 电子科技大学, 2021(01)
- [7]频控阵雷达抗拖曳式干扰技术研究[D]. 李思琦. 电子科技大学, 2021(01)
- [8]共形阵列极化信号处理方法与应用研究[D]. 张晓文. 西安电子科技大学, 2020(02)
- [9]机载雷达自适应干扰抑制和基于先验知识的空时信号处理[D]. 苏昱煜. 西安电子科技大学, 2020(02)
- [10]机载对地监视雷达射频隐身、多视角成像与超高速平台GMTI系统技术[D]. 常文胜. 西安电子科技大学, 2020(02)