基于历史数据的机载雷达杂波抑制方法

摘要

机载雷达杂波抑制问题一直是国内外学者研究的重点，雷达系统的杂波抑制能力是衡量雷达性能的主要因素。在复杂的战场环境中，机载相控阵雷达不仅受到无源干扰，还有敌方的有源干扰。在这种环境下，从旁瓣进入的大功率干扰信号会将弱目标信号淹没，影响雷达的动目标检测性能。因此，研究机载相控阵雷达的杂波抑制问题具有实际意义。本文根据信号处理时机的不同，从两个方面展开了研究，先通过降低天线副瓣电平来抑制杂波；再构建基于历史数据的杂波协方差矩阵，对接收到的回波数据进行空时自适应处理，从而抑制杂波。本文的主要工作包括以下几个方面： 1、针对天线幅相误差对方向图副瓣电平影响很大这一问题，提出了一种采用差分进化算法对含有误差的天线方向图进行低副瓣综合的方法。建立含有阵元误差的天线模型，计算关于目标天线方向图主瓣宽度和最大副瓣电平的代价函数，并用差分进化算法进行优化，得到的最优权能够很好地补偿天线阵元中的幅相误差，达到没有幅相误差时传统解析算法加权下的副瓣电平和主瓣宽度。该方法在一定程度上可以解决传统解析算法对阵元幅相误差很敏感的问题。 2、针对机载雷达运动目标检测面临的强地杂波的问题，建立了机载相控阵雷达杂波模型。首先，理论上分析了杂波功率谱迹线随偏航角的变化情况。根据最优STAP算法面临计算量大和所需独立同分布样本数多的问题，介绍了降维处理的概念和相关的经典降维算法。通过改变偏航角、载机速度等参数，对比杂波功率谱迹线，验证了杂波模型的正确性，同时，对比分析几种算法的改善因子曲线，验证了降维STAP算法的性能。 3、针对实际应用中降维STAP算法缺乏独立同分布样本的问题，提出基于历史数据的机载雷达杂波抑制方法。首先设计基于认知的两维两脉冲杂波对消器（TDPC），并将其作为预滤波器级联降维算法进行杂波自适应处理，TDPC预滤波器能够沿杂波分布轨迹滤除大量杂波，降低了杂波自由度，进而提高降维STAP算法的性能。由于历史数据可以补偿当前估计杂波协方差矩阵所需的样本，因此可建立基于历史数据的杂波模型。在此模型基础上，采用TDPC预滤波器级联降维STAP算法对杂波进行处理。在实际均匀样本数不够的情况下，雷达的历史数据可以很好地增加估计杂波协方差矩阵所需的样本数，提高算法的性能。最后，通过分析改善因子曲线，验证了基于历史数据的杂波抑制方法的有效性。

目录

第一个书签之前

插图索引

绪论

研究背景和意义

研究历史和发展现状

相控阵天线低副瓣综合的研究历史和发展现状

差分进化算法研究现状

空时自适应处理技术的研究历史和发展现状

本文的研究内容及安排

存在阵元误差的天线低副瓣综合研究

引言

相控阵天线方向图模型

阵列的方向图函数

均匀线阵幅相误差分析

均匀线阵的旁瓣抑制原理

Schelkunoff单位圆分析法

均匀线阵旁瓣抑制原理

基于差分进化算法的天线方向图综合算法

差分进化算法原理

DE算法特性分析

利用差分进化算法进行低副瓣综合

实验仿真

本章小结

机载相控阵雷达杂波模型及相关STAP算法研究

引言

机载相控阵雷达的杂波模型

杂波模型的建立

杂波协方差矩阵

杂波功率谱和杂波分布特性

空时最优处理器

降维原理和经典的几种降维STAP算法

降维STAP方法

经典降维算法

仿真实验

本章小结

基于历史数据的机载雷达杂波抑制算法研究

引言

基于认知的两维两脉冲杂波对消（TDPC）处理算法

TDPC的设计

预滤波级联降维处理算法

基于历史数据的认知杂波处理方法

仿真实验

本章小结

总结与展望

全文内容总结

工作展望

参考文献

基本情况

教育背景

攻读硕士学位期间的研究成果

申请（授权）专利