共形阵列极化信号处理方法与应用研究

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:lrdw149
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
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。
其他文献
半监督学习已经成功地被运用于基于动态数据分析的数据挖掘和机器学习等研究领域之中。非平衡类的学习是分类问题中最具挑战的问题之一。不同于平衡数据,用于模型训练的冗余且不相关的特征会影响分类模型的性能。近年来,学者们大多着眼于非平衡数据的二分类和多分类问题。本文的要点如下。1.提出了一种半监督深度C均值聚类算法(DFCM)用于非平衡数据的二分类和多分类问题,可以用于数据边界不清晰和需要额外参数来减少统计
一直以来,奈奎斯特采样定理是传统信号采样的基础,但该定理理论要求当采样速率达到信号带宽的两倍以上时才能进行信号的精确恢复,由此出现了代替奈奎斯特采样定理的最新却最有效的信号采样压缩处理技术—压缩感知理论。该理论是基于信号的稀疏性或可压缩性,同时实现信号的压缩和采样。它已经成功的被应用到科学领域和工程领域的很多方面,成为了近几年来国内外学者的研究热点。该理论主要包括了信号的稀疏表示、采样矩阵的选取和
在无线通信领域中,网络容量、传输效率、抗干扰能力是无线网络传输的重要指标。中继网络是扩大信号传输覆盖范围、提高传输效率、节约网络资源的有效手段。波束成形技术通过对天线阵列的信号进行加权处理,获得分集增益,提升网络的传输性能。并且,因其波束传输的方向性以及空间滤波性,波束成形技术具有很好的抗干扰能力。因此,结合中继网络研究波束成形技术以提升网络容量与抗干扰性能具有非常重要的理论意义和应用价值。两跳多
近年来,随着计算机和网络技术的快速发展和普及,多媒体数据越来越多样化并在网络和社交媒体上呈现出爆炸性增长的趋势。如何有效管理、检索和利用这些庞大的多媒体数据成为了国内外工业界和学术界共同关注的问题。基于紧致编码的最近邻搜索技术具有占用空间小,计算复杂度低等优点,已经被广泛应用于多媒体数据的管理和分析。在本文中,我们较为全面的研究了面向多媒体数据最近邻检索的紧致编码学习算法。针对单模态和多模态等不同
面对未来无线网络的海量连接、增强移动宽带、超可靠性、低时延等业务需求,兼具照明和通信的可见光通信(VLC)以及兼顾频谱效率和用户体验的非正交多址接入(NOMA)分别成为极具潜力的通信范例与多址方案。由于室内VLC系统中每个光小区内用户数有限、光链路信噪比高、发光二极管(LED)发射角与接收器视场角可调谐、信道状态信息较稳定等特点可与NOMA完美契合,因此,从增强频谱效率和探索新型频谱两个层面出发,
增长性与值分布性质是复函数的两种本质特性.解析函数的增长性刻画、复方程(组)解的增长性估计以及亚纯函数的值分布分析等一直是复分析领域的经典问题.本文从逼近和唯一性两方面讨论复函数的增长性与值分布性质,主要包括全平面内收敛的Laplace-Stieltjes变换和复微-差分方程组解的增长性,多连通域内亚纯函数的唯一性,具体内容如下:1.Laplace-Stieltjes变换的增长性.通过引入有限双下
异质图像合成是指对各种不同来源人脸图像之间进行转化与合成,比如不同光照变化下相机拍摄的人脸照片、画家手绘的素描画像、软件合成的人脸照片以及红外成像设备采集到的红外图像。近年来,应用在数字娱乐领域的异质图像合成以及应用在执法领域中的素描画像的合成与识别受到了极大的关注。人脸画像合成主要是指通过输入的照片生成相应的素描画像,主要通过一些合成方法对画像-照片之间的复杂映射关系进行建模,并利用所学习到的映
随着各种高科技技术和探测技术在军事中的应用,降低武器装备等被发现的概率,提高其在现在化战场中生存能力的需求显得尤为迫切。被称为低可探测技术的隐身技术可以改变或减少目标的可探测信息从而降低其被敌方探测系统发现的概率。一般隐身技术以雷达隐身为主,因为位于武器或飞行器上的雷达天线是电磁波的主要散射源。因此,设计兼具传输和隐身功能的雷达天线罩对于降低目标的雷达散射截面(Radar Cross Sectio
极化敏感阵列可以感知入射电磁波的多维电磁场分量,不仅能显著改善对电磁辐射源空域信息的感知性能,而且还可以提供目标的极化信息,其性能要高于传统标量阵列,是阵列信号处理的一个前沿领域,在雷达、通信、声纳和导航等领域有着广阔的应用前景,极化敏感阵列参数估计是一项重要的研究内容,且当前绝大多数极化敏感阵列参数估计算法都是针对远场信号源。然而,随着大型(超大型)阵列以及分布式阵列在实际中的应用日益广泛,在这
随着计算、通信和传感器技术的快速发展,大量的复杂动态系统比如自动制造系统,智能交通系统和物流系统等应运而生,它们都具有混合命令、控制、通信和信息问题的特征。由于各种信号的并发和冲突以及人为设计的运行规则,系统状态只能通过随时间异步发生的离散事件来改变。因此,这类人造系统通常被视为离散事件系统。特别地,由Ramadge和Wonham共同提出的监督控制理论为离散事件系统的控制提供了有力的支撑,其特点在