一、用STAP提高机载相控阵雷达的测角精度（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》文中进行了进一步梳理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。
季皓[2]（2021）在《小样本多功能相控阵雷达工作模式分析与智能识别方法研究》文中认为近年来,随着数字信号处理技术、计算机科学技术和集成电路技术的快速发展,各种新体制雷达技术都取得了革命性的技术突破,其中多功能相控阵雷达取得了特别引人注目的发展。多功能相控阵雷达是目前战场中常用雷达体制。多功能相控阵雷达具有波束快速扫描、波位快速捷变、波形复杂、功率管控等特点,导致对多功能相控阵雷达的侦收面临小样本问题,给传统的雷达工作模式识别等问题带来挑战。在复杂的电磁环境中,如何实现小样本多功能相控阵雷达工作模式分析与智能识别,已经成为现代电子战亟待解决的关键问题。本文围绕多功能相控阵雷达边搜索边跟踪（TWS）、搜索加跟踪（TAS）、多目标跟踪（MTT）、单目标跟踪（STT）模式在小样本环境下的智能识别开展研究工作。论文的主要工作和贡献如下:1、在多功能相控阵系统结构的基础上,分析了边搜索边跟踪、搜索加跟踪、多目标跟踪、单目标跟踪模式的时、频、空域特点并完成建模。总结了现有典型的多功能相控阵雷达工作模式识别方法针对小样本环境的不足。2、针对小样本环境下多功能相控阵雷达工作模式识别问题,分析了条件生成对抗网络（CGAN）、深度卷积生成对抗网络（DCGAN）、标准生成对抗网络（GAN）对样本扩展性能的影响及对小样本数量的敏感度,明确CGAN的优势;分析了Alex Net、letet、Resnet网络对多功能相控阵工作模式智能识别性能的影响,明确Resnet网络的优势。提出了基于CGAN与Resnet的小样本多功能相控阵雷达工作模式智能识别方法。通过仿真对比实验,验证了该方法在小样本条件下的有效性。3、分别提出基于深度迁移学习和深度LSTM的小样本多功能相控阵雷达工作模式智能识别方法。研究并比较了已经充分训练的VGG16、VGG19、Dense Net121网络基于模型迁移的方法对小样本多功能相控阵雷达工作模式智能识别性能,仿真实验验证了深度迁移学习方法的有效性。同时对深度LSTM网络在小样本多功能相控阵雷达工作模式智能识别问题进行了研究,仿真实验结果证明了深度LSTM算法的有效性。
陈新竹[3]（2020）在《多功能数字阵列雷达空域抗有源干扰方法研究》文中研究说明多功能相控阵雷达作为探测系统的新型重要装备,可以对多批目标实现搜索、跟踪、成像、识别等多种功能,承担防空、反导等多种任务,能够看得更远、看得更清晰,既是望远镜,也是显微镜。作为一种全数字相控阵雷达,数字阵列雷达为先进的自适应波束合成算法提供了硬件实现平台,在空域抗干扰方面具备高灵活性和突出性能,有效提高了多功能相控阵雷达在复杂电磁环境中的生存能力,成为当前雷达领域的研究热点。而新型有源干扰技术的飞速发展,为数字阵雷达抗干扰带来了新的挑战。当数字阵列雷达接收到从主瓣进入的干扰信号时,由于干扰与目标信号空域相关性强,当前空域抗主瓣干扰的方法会引起目标探测和跟踪能力的损失;此外,多功能数字阵列雷达在宽带探测模式下,面临着宽窄带、主副瓣组合干扰的威胁,常规空域抗干扰方法的性能难以满足目标识别的要求。综上,如何提升多功能数字阵列雷达在主瓣干扰和宽带组合干扰场景下的目标探测能力,已成为亟需解决的难点问题。本文针对多功能数字阵列雷达在不同工作模式下面临的典型有源干扰场景,以空域抗干扰中的几个关键问题为着眼点,以提高雷达对目标的探测增益、测角精度、高分辨性能为目的,深入开展多功能数字阵列雷达空域抗干扰方法的研究,具有重要的理论意义和应用价值。论文开展的主要工作概括如下:1.针对数字阵列雷达抗主瓣干扰引起的单脉冲测角精度损失,提出了基于二维正交波束的抗干扰及测角方法,解决了自适应和差波束合成过程中干扰俯仰角和方位角的耦合问题,可以同时抑制两个及以上主瓣干扰,多个副瓣干扰,并提高了目标测角精度。首先,针对二维矩形阵,深入分析常规自适应和差波束合成中,导致方位（俯仰）维测角精度下降的原因;然后,利用方位维与俯仰维波束的独立性,提出了二维正交波束合成的方法,通过互相正交的自适应波束合成与和差波束合成,使方位（俯仰）维抗干扰与俯仰（方位）维测角互不影响;此外,将该方法推广至数字子阵结构的二维矩形阵中,进一步降低了自适应运算的复杂度;最后,通过仿真实验,验证该方法在有效抑制多个主副瓣干扰的同时具备较高的测角精度。2.针对数字阵列雷达抗主瓣干扰引起的目标探测增益损失,结合分布式数字阵列雷达体制,提出了一发多收模式下基于多站波束融合的抗干扰方法,解决了空域强相关的目标与干扰同时被抑制的问题,可以同时抑制两个及以上主瓣干扰,多个副瓣干扰,并提高了目标探测增益,挖掘了分布式数字阵列雷达在空域抗干扰方面的潜能。首先,通过特征波束分析,深入研究自适应波束合成中,目标信号与主瓣干扰同时被抑制的原因;然后,针对分布式数字阵列雷达一发多收的工作模式,提出了基于多站波束融合的抗干扰方法,涵盖两级波束合成:在第一级单站内,通过多点线性约束最小方差（Linearly Constrained Minimum Variance,LCMV）方法,规避主瓣干扰与目标的空域相关问题,仅抑制多个副瓣干扰信号;在第二级多站联合中,利用分布式数字阵合成高分辨辅助波束,对主波束中的主瓣干扰和目标进行准确区分,通过最小均方误差（Minimum Mean Square Error,MMSE）方法精确估计并对消主瓣干扰,减少目标信号的损失;最后,通过仿真实验,验证该方法在抗多个主副瓣干扰的同时,提高了主瓣对目标的探测增益,减少了多站间数据传输量,降低了自适应运算复杂度。3.针对宽带数字阵列雷达面临的宽窄带、主副瓣复杂组合干扰的问题,构建了子带分解的高性能基带实现架构,并提出了子带内多波束联合抗干扰方法,提高了复杂电磁环境中目标的一维距离成像性能。首先,针对宽带信号接收的子带分解方法,通过对子带分解后干扰信号相关矩阵的特征根分析,给出了子带内干扰色散残余的关键参数。为此,构建子带分解的高性能基带滤波架构,优化了关键参数,通过仿真实验验证该方法显着改善了色散残余问题,提高了抗干扰性能;然后,针对宽窄带、主副瓣组合干扰场景,进一步提出基于子带分解的多波束联合抗干扰方法,通过多个辅助波束对主波束内主瓣、副瓣干扰的自适应感知,解决了各子带中干扰场景的差异问题,降低了自适应运算的复杂度。通过仿真实验,验证该方法在各子带干扰场景不同时的自适应抗干扰性能。最后,结合宽带实验雷达在干扰环境下的对海探测实验,通过实测数据处理,获得了舰船目标的高精度一维距离像,验证了本文方法的有效性。
刘代[4]（2020）在《雷达资源分配与目标跟踪算法研究》文中指出随着雷达技术的快速发展,雷达功能越来越复杂,任务模式也越来越多,如何利用雷达有限资源提高雷达探测能力和目标跟踪精度成为重要研究课题,本文按照从雷达资源分配到目标跟踪,从量测噪声到量测方程,从线性滤波到非线性滤波,从非机动跟踪到机动跟踪的技术路线,在资源分配和目标跟踪两大技术领域开展研究。主要工作如下:1.针对雷达资源分配课题开展研究,包括时序设计和任务调度算法两方面。（1）时序设计:提出了动态时间片的定义,根据雷达不同的应用场景提出动态时间片的划分,并基于动态时间片节拍进行时序设计,克服了传统的调度间隔固定,不灵活,容易产生时间碎片,调度任务较少时时间利用率低等缺点,具有调度间隔灵活可变,不会产生时间碎片,时间利用率高等优点。本文通过计算机仿真证明该时序设计的有效性。（2）任务调度算法:提出了基于任务相关性的自适应调度算法,传统的自适应的调度算法未考虑任务之间的相关性即当前调度任务执行对后续任务的影响,实际上当前任务的执行对后续任务有影响,本文通过分析当前任务与后续任务之间的相关性,建立失跟任务数和时间余度模型,增加了时间余度评估指标,提出了基于任务相关性的自适应调度算法,经计算机仿真验证本文算法在多目标条件特别是负载饱和情况下大大提高了发现目标性能和时间余度。2.通过分析雷达测角精度和测距精度的影响因素,距离误差、角度误差与目标信噪比相关,量测噪声协方差矩阵可根据信噪比估计结果进行适当修正,结合先进的非线性滤波算法,提出了基于信噪比模型的扩展卡尔曼滤波算法和基于信噪比模型的不敏卡尔曼滤波算法。传统非线性滤波跟踪算法中测角误差和测距误差根据经验取固定常数值,而实际上测角误差和测距误差是变化值,会随信噪比的变化而变化。本文所提算法通过不断修正量测噪声协方差矩阵进行跟踪滤波,相比传统的非线性滤波算法目标跟踪性能得到显着提高,体现在目标跟踪精度更高、收敛速度更快。通过计算机仿真验证算法的有效性。3.宽带相控阵雷达可以获取目标高分辨距离像,本文利用此特征获取目标姿态角,并将其应用到目标跟踪。利用高分辨距离像对目标姿态角进行实时估计,并将其融合到目标的量测方程,因目标姿态角与目标运动参数间的关系是非线性的,本文结合先进的非线性滤波算法实现目标跟踪。（1）对于非机动目标跟踪提出了利用姿态角的扩展卡尔曼滤波算法和利用姿态角的不敏卡尔滤波算法。在利用姿态角的扩展卡尔曼滤波算法中,因量测方程中的姿态角是非线性函数,本文推导了姿态角由非线性方程转线性方程的表达式。通过计算机仿真表明,利用姿态角的目标跟踪算法相比传统的非线性滤波算法目标跟踪精度（位置精度和速度精度）得到很大提高,收敛速度变快,姿态角测角误差对跟踪性能影响不大,同时利用姿态角的扩展卡尔曼滤波算法和利用姿态角的不敏卡尔滤波算法跟踪精度差距不大,但在计算耗时上利用姿态角的扩展卡尔曼滤波算法较优,但在姿态角为临界值时算法失效,利用姿态角的不敏卡尔滤波算法姿态角无角度限制。（2）对于机动目标跟踪提出了利用姿态角的机动目标跟踪算法。此算法相比传统的机动目标跟踪算法性能优越,极大地改善了目标跟踪性能,体现在具有较小的目标位置误差和速度误差,更高的目标预测精度,同时分析了姿态角测角误差对算法性能的影响,姿态角测角误差越小,目标跟踪性能越好。通过计算机仿真验证了所提算法的有效性。4.针对杂波环境下目标跟踪算法开展研究,包括杂波环境下的非机动目标跟踪和机动目标跟踪。（1）对于杂波环境下的非机动目标跟踪,基于MTD测出不模糊径向速度,利用此径向速度建立速度波门,推导了径向速度波门表达式,在量测方程中引入径向速度维,利用MTD测出的径向速度实时更新目标观测值中的径向速度,而不是利用目标三轴速度和位置的数学表达式来计算径向速度。该算法相比杂波环境下传统的滤波算法目标跟踪性能得到较大提升。（2）对于杂波环境下的机动目标跟踪,根据多普勒量测信息解速度模糊,得到目标径向速度,然后在目标量测方程中增加径向速度维,将量测方程中的径向速度函数进行泰勒级数展开略去高阶量转为线性函数,同时在点迹关联时增加了径向速度波门,滤除更多的杂波点,利用多普勒量测计算出的径向速度实时更新观测值中的径向速度,因在机动目标跟踪算法中利用了更多量测信息,所以目标跟踪性能相比杂波环境下传统机动目标跟踪算法有较大提高,体现在目标位置精度、速度精度得到很大提高、位置和速度收敛速度加快、目标发生机动时响应速度更快,同时本文分析了多普勒量测误差对跟踪性能的影响,多普勒量测误差越小,目标跟踪性能越好。通过计算机仿真验证了本文所提算法的有效性。
李佳伟[5]（2020）在《基于无人机测控数据链的角度估计技术研究》文中提出新一代无人机技术以其所具有的微型化、低成本、高综合性等诸多优点,在军事和民用领域获得了广泛的关注与迅速的发展,目前已成为世界各国高精尖技术的研究热点之一。由于无人机往往需要在复杂多变的恶劣环境下执行任务,保证无人机与指挥控制系统的稳定通信便显得尤为重要。本文围绕无人机测控系统中的角度估计技术进行研究,针对传统舰载无人机测控系统功能复杂、软硬件资源开销高、系统测角误差众多等问题,提出了一种基于舰载相控阵通信数据链的测控系统体制,通过对无人机目标的角度估计处理和系统误差校准,实时获取无人机目标的准确空间位置,为测控系统的波束调度提供指导,保证无人机测控数据链通信的稳定可靠。本文主要工作安排如下:首先,依据测控角度估计系统的各项功能指标要求,设计了系统结构和信号模型,给出了测控角度估计系统的整体规划,包括相控阵天线子系统、射频接收子系统、增益控制子系统、搜索捕获子系统和测角子系统的详细设计,分析了 OFDM信号的基本原理和通信性能;其次,依据角度估计性能需求,构建相控阵阵列模型,研究天线方向图形成原理,对相控阵和差波束形成方法进行比较研究,简述了四种单脉冲测角算法的原理步骤,并对比分析了其测角性能,设计了基于OFDM的单脉冲测角算法,并仿真验证了其测角性能;然后,针对测控角度估计系统误差问题,对系统中所存在的误差因素包括和差通道幅相不平衡误差、阵列通道幅相不平衡误差、相位模糊误差和测角参数误差等进行了详细分析,研究了误差来源,通过仿真建模分析了误差对测角精度的影响,设计了误差校准方法,完成了在线误差校准的软件设计和实验测试;最后,针对测控角度估计系统软硬件设计问题,提出了角度估计系统的软硬件解决方案,给出了角度估计系统的整体软硬件规划,构建了测角处理模块与各任务模块的协同处理架构,实现了基于AD9361的射频数据采集功能,设计了信号处理和数据采集流程,完成了角度估计系统中各功能模块间的联调与外场实验环境下的功能验证。
王伟光[6]（2020）在《基于优化方法的雷达辅助设计》文中研究说明雷达作为目标探测与感知设备,在国防与民用领域有着重要地位。特别近年来随着自动驾驶和无人机技术的快速发展,低成本安防雷达、小型化车载雷达和低慢小目标探测雷达等需求与日俱增。雷达逐渐从最初用于军事探测,更广泛地应用于民用领域。但是由于雷达系统复杂多样,具有丰富经验的雷达设计专家极度稀缺,设计领域存在少数的专家与大量的设计任务之间的矛盾。本文主要研究了雷达系统辅助设计问题,雷达的系统设计包括雷达总体体制选择、分系统选型与各子系统性能参数的设计等方面。本文基于神经网络和遗传算法的混合优化方法,实现了对雷达方案的辅助设计,采用设计实例进行了测试验证,主要工作如下:（1）对雷达系统模型进行分析,总结系统指标间的设计约束,并选择合适的适应度评价特征,提出了一种基于雷达性能、成本和技术难度等标签的系统设计适应度评估方法。针对缺乏充足信息的非线性映射关系难以描述和建模的问题,提出了一种基于神经网络与遗传算法的混合优化方法,尝试使用卷积神经网络对代价评估中的设计规律进行表达。根据已知约束关系构建数据集,对表达空间特征映射关系的神经网络模型进行训练,完成了子系统向总体系统的非线性设计映射。最终基于多目标混合优化算法完成了子系统选型和系统参数的优化设计。（2）为验证设计系统在设计实例中的效果,根据输入要求,借助雷达辅助设计系统进行某型低慢小雷达的系统设计。详细说明设计过程,分析了设计合理性,对比多种算法在设计实例中的应用效果,完成了系统参数与子系统选型。基于雷达威力方程,以雷达威力图的形式仿真验证了设计参数的合理性,并使用雷达数字仿真模型实验验证了信号处理流程,完成了系统设计结果的初步验证。最后对所实现雷达系统进行了简要说明。（3）为最终验证设计系统结果是否满足用户需求,设计了雷达的测试验证方案和相应信号处理和数据分析软件,完成雷达全流程测试软件界面与功能开发。针对数据分析中点迹数据提取难点,提出了一种基于支持向量机的目标点迹提取方法,并在实测中对方法进行了验证。针对优化结果进行用户设计需求的逐项验证,提出了各项性能指标的实际工程测试方法,并采集实测雷达数据进行说明。最终雷达性能指标满足设计指标,验证了上述雷达辅助设计系统的功能效果。
杨慧[7]（2020）在《X波段多功能相控阵雷达信号处理算法与仿真研究》文中研究表明多功能相控阵雷达因其优良特性备受青睐,可灵活快速的调整波束指向,并且支持多种工作模式。现如今,基于计算机仿真技术的雷达仿真系统具有成本低、研发周期短以及效率高等优点,并且能最大限度的逼近实地环境进行数字仿真实现,是实现算法验证、优化以及对雷达系统进行评估的重要手段。多功能相控阵雷达仿真系统提供目标的探测、跟踪、识别、拦截等多种功能支持。本文侧重于多功能相控阵雷达的搜索与跟踪模式,重点研究分析信号产生与处理过程,在VS平台上实现该雷达仿真系统,并扩展了雷达仿真系统的实时交互性能,以实现对雷达处理过程的干预控制。本文首先分析了多功能相控阵雷达在不同模式下的工作流程,构建了该系统的整体框架,宏观的介绍了仿真系统的设计以及实现方案。其次针对仿真系统中的天线布阵、信号产生和信号处理三个重要模块进行关键技术的建模分析及仿真验证。对比了传统的密度加权以及基于迭代傅里叶方法的布阵算法,并采用改进的迭代傅里叶算法进行天线布阵,实现了具有低旁瓣以及窄的波束宽度的方向图。基于雷达信号全路径传播过程的分析及相关仿真验证,建立了雷达信号接收模型。针对雷达不同的工作方式对雷达信号处理过程中的关键环节进行理论分析和仿真验证,包括相位补偿、脉冲压缩、多脉冲积累、恒虚警检测（CFAR）、测距测角模型等,采用Keystone变换算法解决了多脉冲积累的距离走动问题。最后在基于以上模型的分析验证,在软件平台上进行雷达仿真系统的构建。仿真系统在实现雷达的工作过程的基础上,面向其他显控平台采用固定的通信格式,支持使用者对雷达工作状态的干预控制。本文采用多线程的方式实现雷达处理过程与网络通信的并行运行,提高了系统的可扩展性与数据交互能力。基于C/S的设计思想,将雷达仿真系统作为服务器端,其他显控平台作为客户端,仿真系统通过UDP通信获取显控平台的人工指令及数据信息,根据指令调整雷达的任务安排,并将处理结果反馈给显控平台,实现了仿真系统实时的显控功能以及人工干预控制。
王娟[8]（2019）在《机载相控阵雷达目标检测和角度估计方法研究》文中指出机载相控阵雷达对空、对地探测接收到的回波中含有大量较强的地物杂波,容易湮没回波功率较弱的目标,导致雷达系统的目标探测性能下降。空时自适应处理（STAP）技术对阵列接收的空时两维数据联合滤波,可以对目标信号相干积累同时对杂波进行有效地抑制,对机载雷达的动目标检测,特别是低速目标和小目标检测非常有利。它的杂波抑制性能的优劣与杂波协方差矩阵的估计是否精确密切相关。研究表明,对于非正侧视阵机载雷达,其杂波频谱的分布在距离上具有空变特性,这时若直接利用待检测单元邻近距离单元数据来估计杂波采样协方差矩阵,它的值与待检测单元的真实杂波协方差矩阵之间存在一定的误差,最终我们利用空时自适应处理技术对杂波进行抑制时,处理效果不甚理想。因此对于非正侧视阵机载雷达,想要获得理想的杂波抑制效果,在STAP之前我们还需要对杂波数据进行适当的预处理。要想获得好的目标检测性能,还需要对干扰进行有效地抑制。自适应波束形成可以以保护期望信号为前提实现对干扰和噪声的抑制。最小方差无失真响应（MVDR）波束形成是常用的波束形成算法之一,它是在以阵列输出信干噪比（SINR）最大为准则,并对期望信号进行约束条件下获得的。最终推导得到的权矢量与估计的干扰加噪声协方差矩阵以及期望信号导向矢量有关。通常情况下,理想的干扰加噪声协方差矩阵是无法准确获得的,实际中由多个训练样本估计得到的采样协方差矩阵代替。这时若训练样本中包含期望信号,则MVDR波束形成对阵列响应的不匹配（如视角误差,阵元幅相误差和阵元位置扰动误差等）非常敏感,而且这种敏感性在信噪比（SNR）较高的时候表现尤为明显。针对这些问题,需要提出稳健的自适应波束形成算法。军事和技术的发展,要求雷达不仅要发现和检测目标,还需要知道目标的各项参数,目标角度估计是参数估计的重要部分。最近几十年来人们提出了许多的目标角度估计方法,如多重信号分类（MUSIC）,最大似然（ML）等,以及针对其实际应用场景提出的一系列改进算法。然而,如何有效地提高非理想场景下（如小样本,低SNR,阵列流型不匹配等）的目标角度（DOA）估计精度和改善目标分辨能力近年来仍然是该领域的研究热点。本文主要对非平稳环境下STAP的杂波抑制性能提升算法以及非理想环境下的自适应波束形成和目标角度估计方法进行了研究,具体包括以下几个问题:一、研究了机载雷达非正侧视阵构型下距离非平稳杂波的有效抑制问题。对于机载非正侧视阵雷达,杂波谱的距离空变性使得直接利用邻近单元数据估计的杂波协方差矩阵与真实协方差矩阵不匹配,导致空时自适应处理杂波抑制性能下降。传统的基于配准的补偿（RBC）方法通过时域平滑来估计空时谱,继而对杂波的距离空变性进行补偿,时域孔径损失使得杂波谱峰值的估计精度受到限制。针对这一问题,考虑到杂波空时谱的稀疏性,本论文中我们基于迭代自适应算法（IAA）进行单个距离单元的杂波空时谱估计,并结合先验知识重构其杂波协方差矩阵以实现杂波谱配准,提出了一种IAA-RBC算法。一方面该算法不需要平滑,没有孔径损失,估计的杂波谱精度更高;另一方面,它对其他干扰因素,如目标污染等是鲁棒的。在机载非正侧视阵雷达构型下,将其用于STAP之前的预处理可以很好地改善杂波抑制效果。二、研究了小样本和期望信号导向矢量失配条件下的稳健自适应波束形成问题。自适应波束形成对阵列流型的不匹配很敏感,特别是在样本中包含期望信号的情况下。针对其问题,本论文提出了一种联合估计干扰加噪声协方差矩阵和期望信号导向矢量的稳健自适应波束形成算法。该方法首先利用Capon算法粗略地估计目标和干扰方向并结合雷达阵列构型等先验知识构造干扰表示基矩阵;然后再对样本进行最小二乘拟合求解基系数,进而对干扰加噪声协方差矩阵进行重构;最后基于估计的信号角度以及雷达阵列构型等先验知识构造信号表示基矩阵,并利用子空间投影的方法来估计期望信号导向矢量。该方法在小样本情况下可以实现,并对误差稳健,可以克服期望信号导向矢量和干扰加噪声协方差矩阵的失配问题。三、研究了机载相控阵扫描雷达在低SNR条件下的目标DOA估计问题。为了避免波束跨越损失,雷达采用较小波束间隔的相邻波束,此时目标可能会出现在相邻的多个波位中。本论文研究了一种基于联合多波位的最大似然目标DOA估计算法,其充分联合相邻波位回波信息进行目标能量累积,从而提高了目标角度估计精度。四、研究了小样本数和低SNR情况下的目标DOA估计问题。传统MUSIC算法的性能依赖于噪声子空间的估计精度。在小样本数情况下,受到信号与噪声互相关项的影响,阵列协方差矩阵的估计值会偏离其真实值。此外,在低SNR情况下,受噪声的影响,信号子空间和噪声子空间不能很好地分离。这些都会导致由阵列数据协方差矩阵特征分解得到的噪声子空间偏离其真实值,使得MUSIC算法的DOA估计性能下降。本论文提出了一种迭代算法通过修正噪声子空间来提高目标角度估计性能。实验表明基于新的噪声子空间实现MUSIC DOA估计获得的性能超过了传统的MUSIC算法,而且在低样本数和低SNR情况下性能改善尤为明显。五、研究了适用于任意波束的波束域求根MUSIC（Root-MUSIC）的快速实现算法。我们将波束形成后整个带内频谱区域均匀划分为多个频谱区间,在每个频谱区间内利用导向矢量的低秩特性,将它近似表达为关于其对应频率的低阶实多项式,进而波束域Root-MUSIC问题可以转化为多窗实多项式求根问题。该方法在保证算法性能的条件下,大大降低了计算复杂度,便于算法的实时应用。
修建雨[9]（2019）在《雷达结构变形与探测性能的机电耦合建模与优化设计》文中研究说明近年来,有源相控阵雷达（APAA）以其优越的探测性能得到科研人员越来越多的关注,并逐渐成为雷达领域的研究热点。相控阵天线采用阵列天线形式,相比于传统的机械扫描天线,具有可靠性高、数据率高、隐身性能好、高密度、高集成性、高增益、低副瓣等无可比拟的优势。正因为如此,雷达的机电耦合问题逐渐成为有源相控阵雷达发展的瓶颈之一。为此,本文对以相控阵雷达为例,对阵列天线的结构变形与雷达主要探测性能参数的耦合关系进行了深入剖析。本文主要研究内容如下:（1）深入研究雷达目标探测性能理论,介绍了雷达探测性能的定义及分类;给出了雷达多种探测性能参数的计算,包括:雷达最远探测距离、雷达分辨特性、雷达探测精度等;由于阵列天线是相控阵雷达的重要部件,天线方向图作为雷达探测性能的输入,受到雷达天线阵面形变等因素的影响而产生结构变形,最终作用于雷达的探测性能,所以分析了影响雷达探测性能的天线方向图参数。（2）阐述天线的基本辐射原理,分析了阵列天线结构变形与雷达探测性能的机电耦合模型,给出了天线结构变形对方向图的影响机理;建立天线方向图参数与雷达主要探测性能参数的耦合关系模型;基于以上研究,建立了阵列天线结构变形与雷达探测性能参数的耦合模型。即可通过给定阵列天线结构变形量,完成雷达主要探测性能参数的快速估计。（3）应用正交试验方法,基于阵列天线结构变形与雷达探测性能参数的耦合模型对某车载雷达进行轻量化减重设计。首先,介绍了车载雷达的轻量化设计为何选用正交试验及正交试验的优点;然后建立了车载雷达轻量化数学模型,包括:选择优化变量、设置迭代次数和设置优化目标等;最后对整个轻量化过程进行分析和结果处理,包括:优化模型的建立和优化效果评价等。（4）利用C++Builder软件开发了一款基于探测性能机电耦合模型的雷达性能快速计算软件,该软件可以快速有效的计算天线阵面存在结构形变时雷达探测性能参数变化情况。详细的阐述了该基于探测性能机电耦合模型的雷达性能快速计算软件的整体设计思路、其各个模块的具体内容。最后以实例完成了存在结构形变的雷达探测性能分析的全过程,验证了该软件的实用性及有效性。
孙超军[10]（2019）在《MIMO雷达的高分辨高精度方向估计方法研究》文中进行了进一步梳理近年来,关于多输入多输出（Multiple-Input Multiple-Output,MIMO）雷达的研究越来越多。相较于传统雷达,MIMO雷达所具备的空间分集和信号分集特性,使得其具有更强的目标检测能力和参数估计能力。并且,MIMO雷达的低截获性能使得其抗干扰性能更强。但是由于现有的阵列信号处理技术与MIMO雷达技术不是十分的匹配,目前将MIMO雷达技术应用到实际工程中的例子还是十分少见。本文从工程应用的角度上,不同于常规以kroneck积形式来分离发射信号的模式,重点分析了多发射波形的正交性及其分离方式对MIMO雷达测向精度的影响,并且提出了一种适配MIMO雷达体制的高分辨测向算法,以此设计了一种基于MIMO雷达的高分辨测向模块架构。从理论分析和仿真实验两个方面验证该测向模块架构的可实现性。首先,从MIMO雷达中所涉及到的各类阵列信号处理原理出发,研究了实际MIMO雷达的信号建模、多发射的接收信号分离步骤以及高分辨测向算法在MIMO雷达中的应用实现方法,其中着重研究了提升发射信号分离程度的方法。除此之外,本文还研究分析了实际MIMO雷达可能遇到的多种干扰及其建模方式。然后,理论分析整个MIMO雷达高分辨测向模块架构。采用数学推导和仿真实验相结合的方式,以两组不同的正交波形,从发射信号建模开始,到最后的高分辨测向,对该架构中每一个子模块的实现和作用作出详细解释和说明。对比不同正交波形对各个模块的影响,为MIMO雷达技术的实际应用打下了数学理论基础。最后,对所提的MIMO雷达测向模块架构进行仿真实验,并分析其测向性能。在复杂干扰条件下研究其对误差的稳健性、测向精度和分辨率的性能,并对比两组正交波形所产生的高分辨测向结果,对比测向性能。以此作为MIMO雷达技术应用到实际工程中的仿真实验支撑,验证了MIMO雷达实际应用的可行性和有效性。
二、用STAP提高机载相控阵雷达的测角精度（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、用STAP提高机载相控阵雷达的测角精度（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）小样本多功能相控阵雷达工作模式分析与智能识别方法研究（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 多功能相控阵雷达工作模式仿真现状 |
| 1.2.2 多功能相控阵雷达工作模式识别现状 |
| 1.2.3 小样本条件下智能识别方法现状 |
| 1.3 论文主要工作及结构安排 |
| 第二章 小样本多功能相控阵雷达工作模式分析 |
| 2.1 多功能相控阵雷达工作模式分析 |
| 2.1.1 边搜索边跟踪(TWS)模式 |
| 2.1.2 搜索加跟踪(TAS)模式 |
| 2.1.3 多目标跟踪(MTT)模式 |
| 2.1.4 单目标跟踪模式(STT)模式 |
| 2.2 多功能相控阵雷达建模 |
| 2.2.1 天线方向图 |
| 2.2.2 脉冲信号参数 |
| 2.2.3 空域波位编排 |
| 2.2.4 资源调度 |
| 2.3 小样本相控阵雷达工作模式仿真建模分析 |
| 2.3.1 小样本边跟踪边搜索模式分析 |
| 2.3.2 小样本搜索加跟踪模式分析 |
| 2.3.3 小样本多目标跟踪模式分析 |
| 2.3.4 小样本单目标跟踪分析 |
| 2.4 脉冲丢失条件下的脉冲幅度变化分析 |
| 2.5 典型相控阵雷达工作模式识别方法 |
| 2.6 小结 |
| 第三章 基于CGAN与 Resnet的小样本多功能相控阵雷达工作模式智能识别 |
| 3.1 常见深度学习算法 |
| 3.1.1 卷积神经网络(CNN) |
| 3.1.2 深度残差网络 |
| 3.1.3 条件生成对抗网络(CGAN) |
| 3.2 算法仿真 |
| 3.2.1 CGAN参数设置 |
| 3.2.2 Res Net参数设置 |
| 3.2.3 小样本数据集参数设置 |
| 3.2.4 算法仿真 |
| 3.3 小结 |
| 第四章 基于迁移学习和LSTM的小样本多功能相控阵雷达工作模式智能识别 |
| 4.1 迁移学习和LSTM算法 |
| 4.1.1 迁移学习 |
| 4.1.2 LSTM网络 |
| 4.2 基于迁移学习的小样本多功能相控阵雷达工作模式智能识别方法 |
| 4.2.1 迁移学习方法 |
| 4.2.2 算法仿真 |
| 4.3 基于LSTM的小样本多功能相控阵雷达工作模式智能识别方法 |
| 4.3.1 特征参数预处理 |
| 4.3.2 算法仿真 |
| 4.4 小结 |
| 第五章 总结与展望 |
| 5.1 本文总结 |
| 5.2 下一步工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间取得的研究成果 |
（3）多功能数字阵列雷达空域抗有源干扰方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号对照表 |
| 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 多功能数字阵列雷达发展现状 |
| 1.2.2 先进有源干扰技术发展现状 |
| 1.2.3 空域抗干扰方法研究现状 |
| 1.3 数字阵列雷达空域抗干扰研究难点 |
| 1.4 本文创新点 |
| 1.5 本文的结构 |
| 第二章 空域抗干扰原理与评估方法 |
| 2.1 引言 |
| 2.2 阵列信号模型 |
| 2.2.1 窄带信号模型 |
| 2.2.2 宽带信号模型 |
| 2.3 空域抗干扰基本原理 |
| 2.3.1 无干扰环境下的波束合成 |
| 2.3.2 干扰环境下的阵元级自适应波束合成 |
| 2.3.3 干扰环境下的波束域自适应波束合成 |
| 2.4 空域抗干扰性能分析与评估 |
| 2.4.1 空域抗干扰方法的特征根分析 |
| 2.4.2 空域抗干扰综合性能定量评估方法 |
| 2.5 本章小结 |
| 第三章 基于二维正交波束的数字阵列雷达抗干扰及单脉冲测角方法 |
| 3.1 引言 |
| 3.2 无干扰环境下和差单脉冲测角原理 |
| 3.2.1 一维均匀线阵测角 |
| 3.2.2 二维矩形阵测角 |
| 3.3 基于二维正交波束的抗干扰及测角方法 |
| 3.3.1 一维行/列MVDR抗干扰 |
| 3.3.2 二维正交和差波束合成 |
| 3.3.3 二维和差单脉冲测角 |
| 3.4 基于二维正交波束的子阵级抗干扰及测角方法 |
| 3.5 仿真实验 |
| 3.5.1 实验条件:阵列结构及干扰环境 |
| 3.5.2 二维抗干扰性能评估 |
| 3.5.3 二维单脉冲测角性能评估 |
| 3.6 本章小结 |
| 第四章 基于多站波束融合的分布式数字阵列雷达抗干扰方法 |
| 4.1 引言 |
| 4.2 数字阵雷达抗主瓣干扰的方法及性能分析 |
| 4.2.1 单部数字阵列雷达的抗干扰缺陷 |
| 4.2.2 分布式数字阵列雷达的抗干扰潜能 |
| 4.3 基于多站波束融合的分布式数字阵列雷达抗干扰方法 |
| 4.3.1 单站内阵元级LCMV抗副瓣干扰 |
| 4.3.2 多站波束融合MMSE抗主瓣干扰 |
| 4.4 仿真实验 |
| 4.4.1 实验条件:阵列结构及干扰环境 |
| 4.4.2 抗干扰及目标检测性能评估 |
| 4.4.3 系统资源评估及复杂度分析 |
| 4.5 本章小结 |
| 第五章 基于子带分解及多波束联合的宽带数字阵列雷达抗干扰方法 |
| 5.1 引言 |
| 5.2 宽带接收的子带分解方法 |
| 5.2.1 基于子带分解的宽带数字阵抗干扰原理 |
| 5.2.2 子带分解方法的干扰色散残余分析 |
| 5.2.3 子带分解方法的基带实现架构 |
| 5.3 基于子带分解的多波束联合抗干扰方法 |
| 5.3.1 干扰的频域和空域组合特征 |
| 5.3.2 多波束联合抗干扰方法 |
| 5.4 仿真实验 |
| 5.4.1 实验条件:数字阵系统及干扰环境 |
| 5.4.2 基于子带分解的宽带抗干扰实验 |
| 5.4.3 基于子带分解的多波束联合抗组合干扰实验 |
| 5.5 外场实验 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
| 攻读学位期间参与的项目 |
（4）雷达资源分配与目标跟踪算法研究（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 研究背景及意义 |
| 1.2 研究历史与现状 |
| 1.2.1 雷达资源分配 |
| 1.2.2 雷达目标跟踪算法 |
| 1.3 研究内容及计划安排 |
| 第二章 基于动态时间片节拍和任务相关性的自适应调度 |
| 2.1 引言 |
| 2.2 可分配雷达资源 |
| 2.3 传统的自适应调度算法 |
| 2.3.1 经典EDF算法 |
| 2.3.2 HPEDF算法 |
| 2.4 基于动态时间片节拍的时序设计 |
| 2.4.1 时间片的定义 |
| 2.4.2 时序设计 |
| 2.5 基于任务相关性的自适应调度算法 |
| 2.5.1 任务模型 |
| 2.5.2 任务相关性模型 |
| 2.5.3 评估指标 |
| 2.5.4 任务驻留时间对雷达威力的影响 |
| 2.5.5 执行任务选择 |
| 2.5.6 调度策略 |
| 2.6 仿真分析 |
| 2.6.1 以动态时间片为节拍的时序设计仿真 |
| 2.6.2 基于任务相关性的自适性调度算法仿真 |
| 2.7 本章小结 |
| 第三章 基于信噪比模型的目标跟踪 |
| 3.1 引言 |
| 3.2 量测噪声分析 |
| 3.2.1 数学模型 |
| 3.2.2 目标回波信噪比随距离的变化 |
| 3.2.3 雷达方位测角精度分析 |
| 3.2.4 雷达俯仰测角精度分析 |
| 3.2.5 雷达测距精度分析 |
| 3.2.6 量测噪声协方差的选取 |
| 3.3 基于信噪比模型的扩展卡尔曼滤波 |
| 3.3.1 扩展卡尔曼滤波算法 |
| 3.3.2 基于信噪比模型的扩展卡尔曼滤波 |
| 3.4 基于信噪比模型的不敏卡尔曼滤波 |
| 3.4.1 不敏卡尔曼滤波算法 |
| 3.4.2 基于信噪比模型的不敏卡尔曼滤波 |
| 3.5 仿真分析 |
| 3.5.1 角度误差变化仿真 |
| 3.5.2 距离误差变化仿真 |
| 3.5.3 距离误差角度误差变化仿真 |
| 3.6 本章小结 |
| 第四章 利用姿态角辅助的目标跟踪 |
| 4.1 引言 |
| 4.2 利用姿态角的目标跟踪 |
| 4.2.1 姿态角的定义 |
| 4.2.2 数学模型 |
| 4.2.3 算法实现 |
| 4.3 利用姿态角辅助的非机动目标跟踪算法 |
| 4.3.1 利用姿态角的扩展卡尔曼滤波 |
| 4.3.2 利用姿态角的不敏卡尔曼滤波 |
| 4.3.3 仿真分析 |
| 4.4 利用姿态角辅助的机动目标跟踪算法 |
| 4.4.1 机动目标跟踪算法 |
| 4.4.2 利用姿态角辅助的机动目标跟踪算法 |
| 4.4.3 仿真分析 |
| 4.5 本章小结 |
| 第五章 杂波环境下的目标跟踪 |
| 5.1 引言 |
| 5.2 杂波环境下传统的目标跟踪算法 |
| 5.2.1 杂波环境下非机动目标跟踪算法 |
| 5.2.2 杂波环境下机动目标跟踪算法 |
| 5.3 径向速度分析 |
| 5.3.1 径向速度获取 |
| 5.3.2 基于多普勒量测的测速精度分析 |
| 5.3.3 径向速度线性化 |
| 5.4 杂波环境下径向速度辅助的非机动目标跟踪算法 |
| 5.4.1 数学模型 |
| 5.4.2 径向速度波门 |
| 5.4.3 利用径向速度的Kalman-PDA算法 |
| 5.4.4 仿真分析 |
| 5.5 杂波环境下径向速度辅助的机动目标跟踪算法 |
| 5.5.1 数学模型 |
| 5.5.2 径向速度波门 |
| 5.5.3 利用径向速度的IMM-PDA算法 |
| 5.5.4 仿真分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）基于无人机测控数据链的角度估计技术研究（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 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 目标角度估计研究现状 |
| 1.2.2 无人机测控数据链研究现状 |
| 1.2.3 基于测控数据链的目标角度估计研究现状 |
| 1.3 论文主要工作及内容安排 |
| 第二章 舰载无人机测控角度估计系统结构与信号模型 |
| 2.1 舰载无人机测控角度估计系统结构 |
| 2.1.1 测控角度估计系统功能指标分析与整体设计 |
| 2.1.2 测控角度估计系统的天线子系统设计 |
| 2.1.3 测控角度估计系统的射频接收子系统设计 |
| 2.1.4 测控角度估计系统的自动增益控制子系统设计 |
| 2.1.5 测控角度估计系统的搜索捕获子系统设计 |
| 2.1.6 测控角度估计系统的测角子系统设计 |
| 2.2 OFDM信号模型 |
| 2.2.1 OFDM信号基本原理 |
| 2.2.2 OFDM信号波形分析 |
| 2.2.3 OFDM信号误码率分析 |
| 2.3 本章小结 |
| 第三章 测控角度估计系统测角算法研究 |
| 3.1 相控阵天线阵列模型 |
| 3.1.1 线性相控阵天线阵列 |
| 3.1.2 矩形平面相控阵天线阵列 |
| 3.1.3 仿真结果与分析 |
| 3.2 相控阵天线和差波束形成 |
| 3.2.1 双指向和差法 |
| 3.2.2 直接和差加权法 |
| 3.2.3 对称取反法 |
| 3.2.4 仿真结果与分析 |
| 3.3 相控阵单脉冲测角算法 |
| 3.3.1 双波束直接比幅 |
| 3.3.2 双波束直接鉴相 |
| 3.3.3 振幅和差单脉冲 |
| 3.3.4 相位和差单脉冲 |
| 3.3.5 仿真结果与分析 |
| 3.4 基于OFDM的单脉冲测角算法 |
| 3.4.1 测角算法的选择 |
| 3.4.2 基于OFDM的测角算法设计 |
| 3.4.3 仿真结果与分析 |
| 3.5 本章小结 |
| 第四章 测控角度估计系统误差分析与校准 |
| 4.1 和差通道幅相不平衡误差分析 |
| 4.1.1 和差通道幅相不平衡误差模型 |
| 4.1.2 和差通道幅相不平衡误差模型仿真 |
| 4.1.3 和差通道幅相不平衡误差对测角精度影响分析 |
| 4.1.4 和差通道幅相不平衡误差对测角精度影响仿真 |
| 4.2 和差通道幅相不平衡误差校准 |
| 4.2.1 和差通道幅相误差校准原理 |
| 4.2.2 和差通道幅相误差在线校准设计 |
| 4.2.3 和差通道幅相误差校准系统测试与分析 |
| 4.3 阵列通道幅相不平衡误差分析 |
| 4.3.1 阵列通道幅相不平衡误差模型 |
| 4.3.2 阵列通道幅相不平衡误差对测角精度影响分析 |
| 4.3.3 阵列通道幅相不平衡误差对测角精度影响仿真 |
| 4.4 阵列通道幅相不平衡误差校准 |
| 4.4.1 阵列通道幅相误差在线校准设计 |
| 4.4.2 阵列通道幅相误差校准系统测试与分析 |
| 4.5 解相位模糊与测角参数误差分析 |
| 4.5.1 相位模糊误差来源分析 |
| 4.5.2 解相位模糊误差 |
| 4.5.3 测角参数误差分析 |
| 4.5.4 仿真结果与分析 |
| 4.6 本章小结 |
| 第五章 测控角度估计系统信号处理算法的软硬件实现 |
| 5.1 角度估计系统整体设计 |
| 5.1.1 角度估计系统功能概述 |
| 5.1.2 信号处理器芯片选型 |
| 5.1.3 角度估计系统数据接口设计 |
| 5.1.4 角度估计系统硬件设计实现 |
| 5.2 角度估计系统射频数据采集模块设计 |
| 5.2.1 数据采集模块设计分析 |
| 5.2.2 AD9361芯片介绍 |
| 5.2.3 AD9361工作原理 |
| 5.2.4 AD9361关键寄存器配置 |
| 5.2.5 基于DSP的AD9361寄存器配置 |
| 5.3 角度估计系统信号处理模块设计 |
| 5.3.1 信号处理流程设计 |
| 5.3.2 信号采集流程设计 |
| 5.3.3 SRIO通信接口设计 |
| 5.4 测角算法的软件实现 |
| 5.4.1 和差测角的DSP实现 |
| 5.4.2 和差测角的外场测试 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）基于优化方法的雷达辅助设计（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 雷达发展 |
| 1.1.2 雷达种类 |
| 1.2 国内外研究现状 |
| 1.2.1 雷达设计研究现状 |
| 1.2.2 优化方法研究现状 |
| 1.2.3 优化技术用于雷达辅助设计研究现状 |
| 1.3 本文的主要工作 |
| 第二章 雷达辅助设计系统 |
| 2.1 引言 |
| 2.2 设计问题 |
| 2.3 系统分析与仿真模型 |
| 2.3.1 子系统类型 |
| 2.3.2 雷达系统仿真模型 |
| 2.3.3 雷达系统约束 |
| 2.4 基于标签的代价评估方法 |
| 2.5 混合优化设计方法 |
| 2.5.1 混合优化设计模型 |
| 2.5.2 神经网络模型验证 |
| 2.5.3 混合优化设计流程 |
| 2.6 本章小结 |
| 第三章 雷达设计实例与仿真 |
| 3.1 引言 |
| 3.2 用户需求 |
| 3.3 系统设计过程与仿真 |
| 3.4 信号处理原理与仿真 |
| 3.5 所设计系统的实现 |
| 3.6 本章小结 |
| 第四章 基于支持向量机的雷达性能分析 |
| 4.1 引言 |
| 4.2 测试概述 |
| 4.3 目标点迹提取 |
| 4.3.1 点迹提取难点 |
| 4.3.2 人工点迹提取 |
| 4.3.3 基于支持向量机的目标点迹提取 |
| 4.4 测试软件设计 |
| 4.4.1 功能与界面设计 |
| 4.4.2 接口设计 |
| 4.5 所设计雷达性能分析 |
| 4.5.1 数据率分析 |
| 4.5.2 分辨力分析 |
| 4.5.3 实测性能分析 |
| 4.6 测试结果 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（7）X波段多功能相控阵雷达信号处理算法与仿真研究（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 国内外研究动态 |
| 1.3 主要工作以及章节安排 |
| 第二章 多功能相控阵雷达仿真系统设计 |
| 2.1 多功能相控阵雷达系统仿真构想 |
| 2.2 仿真系统框图及主要模块介绍 |
| 2.3 系统软件设计流程 |
| 2.4 本章小结 |
| 第三章 相控阵雷达天线布阵算法及实现 |
| 3.1 基于密度加权的天线布阵算法 |
| 3.1.1 密度加权算法实现天线布阵 |
| 3.1.2 密度加权算法的仿真实现 |
| 3.2 基于迭代傅里叶的天线布阵算法 |
| 3.2.1 傅里叶变换关系 |
| 3.2.2 傅里叶迭代算法的实现步骤以及改进 |
| 3.2.3 傅里叶迭代算法的仿真实现 |
| 3.3 本章小结 |
| 第四章 多功能相控阵雷达信号传播模型与干扰抑制 |
| 4.1 雷达接收信号产生模型 |
| 4.1.1 雷达发射信号 |
| 4.1.2 目标回波 |
| 4.1.3 大气传输特性 |
| 4.1.4 接收机噪声 |
| 4.1.5 干扰信号 |
| 4.1.6 回波信号仿真 |
| 4.2 干扰抑制 |
| 4.2.1 旁瓣对消原理 |
| 4.2.2 旁瓣对消模型 |
| 4.2.3 和差波束计算 |
| 4.2.4 相关仿真结果 |
| 4.3 本章小结 |
| 第五章 多功能相控阵雷达信号处理流程 |
| 5.1 信号处理流程 |
| 5.2 大气电离相位补偿模型 |
| 5.3 脉冲压缩 |
| 5.4 基于Keystone方法的多脉冲积累校正 |
| 5.4.1 距离走动原理分析 |
| 5.4.2 Keystone变换原理 |
| 5.4.3 Keystone变换校正距离走动 |
| 5.4.4 Keystone变换的处理步骤以及仿真结果 |
| 5.5 恒虚警检测(CFAR) |
| 5.6 测距模型 |
| 5.7 测角模型 |
| 5.7.1 天线位置以及角度定义 |
| 5.7.2 相位和差测角 |
| 5.7.3 相位和差单脉冲测角精度 |
| 5.7.4 测角仿真结果 |
| 5.8 本章小结 |
| 第六章 基于C++的雷达系统与信号处理仿真实现 |
| 6.1 仿真系统软件功能设计 |
| 6.2 雷达信号处理线程软件实现 |
| 6.2.1 雷达处理线程的数据载入与输出 |
| 6.2.2 雷达处理线程类的设计与实现 |
| 6.2.3 雷达处理线程对显控平台的响应 |
| 6.3 通信线程软件实现 |
| 6.3.1 通信功能的软件实现流程 |
| 6.3.2 基于临界区的线程通信 |
| 6.4 仿真系统显控界面 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 致谢 |
| 参考文献 |
（8）机载相控阵雷达目标检测和角度估计方法研究（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 研究背景及意义 |
| 1.2 研究历史与现状 |
| 1.2.1 空时自适应处理 |
| 1.2.2 自适应波束形成 |
| 1.2.3 目标DOA估计 |
| 1.3 本文主要工作与内容安排 |
| 第二章 非正侧阵机载雷达杂波谱迭代自适应配准方法 |
| 2.1 引言 |
| 2.2 阵列几何与杂波距离依赖性分析 |
| 2.3 利用迭代自适应算法补偿杂波谱 |
| 2.3.1 传统的RBC算法 |
| 2.3.2 基于IAA_RBC算法补偿杂波距离依赖性 |
| 2.4 仿真分析 |
| 2.4.1 杂波抑制性能分析 |
| 2.4.2 IAA_RBC算法对目标等干扰因素的鲁棒性 |
| 2.5 本章小结 |
| 第三章 基于IPNCM重建的稳健自适应波束形成算法 |
| 3.1 引言 |
| 3.2 信号模型及波束形成 |
| 3.3 基于IPNCM重建的稳健自适应波束形成算法 |
| 3.3.1 基于数据拟合的IPNCM重建 |
| 3.3.2 导向矢量估计 |
| 3.4 仿真分析 |
| 3.5 本章小结 |
| 第四章 利用多波位数据提高目标DOA估计精度 |
| 4.1 引言 |
| 4.2 阵列几何与信号模型 |
| 4.2.1 阵列几何 |
| 4.2.2 目标位置假设 |
| 4.2.3 信号模型 |
| 4.3 多波位算法 |
| 4.4 克拉美罗的推导 |
| 4.5 仿真分析 |
| 4.6 本章小结 |
| 第五章 适用于小样本和低信噪比的迭代MUSIC算法 |
| 5.1 引言 |
| 5.2 信号模型 |
| 5.3 迭代MUSIC算法 |
| 5.4 理论分析 |
| 5.5 仿真分析 |
| 5.6 本章小结 |
| 第六章 低复杂度的波束域Root-MUSIC算法 |
| 6.1 引言 |
| 6.2 信号模型与波束域Root-MUSIC |
| 6.2.1 信号模型 |
| 6.2.2 波束域处理 |
| 6.2.3 传统的波束域Root-MUSIC算法 |
| 6.3 快速的波束域Root-MUSIC算法 |
| 6.3.1 算法的实现 |
| 6.3.2 算法复杂度分析 |
| 6.4 仿真分析 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文内容总结 |
| 7.2 工作展望 |
| 附录A |
| 附录B |
| 参考文献 |
| 致谢 |
| 作者简介 |
（9）雷达结构变形与探测性能的机电耦合建模与优化设计（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 雷达探测性能的机电耦合研究现状 |
| 1.3 本文主要内容与安排 |
| 第二章 面向机电耦合理论的雷达探测性能影响因素分析 |
| 2.1 引言 |
| 2.2 雷达目标探测理论基础 |
| 2.2.1 雷达探测范围 |
| 2.2.2 雷达分辨特性 |
| 2.2.3 雷达探测精度 |
| 2.2.4 数据率 |
| 2.2.5 抗干扰能力和生存能力 |
| 2.3 雷达主要探测性能的理论计算 |
| 2.3.1 雷达最远探测距离 |
| 2.3.2 雷达的分辨特性 |
| 2.3.3 雷达的探测精度 |
| 2.4 面向机电耦合理论的雷达探测性能主要影响因素 |
| 2.4.1 雷达最远探测距离 |
| 2.4.2 雷达的分辨特性 |
| 2.4.3 雷达的探测精度 |
| 2.5 本章小结 |
| 第三章 相控阵天线结构变形与雷达探测性能的机电耦合建模及分析 |
| 3.1 引言 |
| 3.2 相控阵天线结构变形与雷达探测性能的机电耦合模型 |
| 3.2.1 阵列天线辐射原理 |
| 3.2.2 阵列天线结构变形对电性能的影响分析 |
| 3.2.3 阵列天线电性能参数对雷达探测性能耦合理论分析 |
| 3.3 天线结构变形对雷达探测性能影响分析 |
| 3.3.1 雷达最远探测距离 |
| 3.3.2 雷达的分辨特性 |
| 3.3.3 雷达的探测精度 |
| 3.4 本章小结 |
| 第四章 基于雷达探测性能机电耦合模型的车载雷达轻量化设计 |
| 4.1 引言 |
| 4.2 正交试验设计简介 |
| 4.2.1 正交试验设计基本概念及原理 |
| 4.2.2 正交实验设计的基本步骤 |
| 4.3 基于雷达探测性能机电耦合模型的雷达结构轻量化优化模型 |
| 4.3.1 选择优化 |
| 4.3.2 设置迭代次数 |
| 4.3.3 设置优化目标 |
| 4.4 基于雷达探测性能机电耦合模型的雷达轻量化优化过程及结果分析 |
| 4.4.1 综合优化模型建立 |
| 4.4.2 优化分析及效果评价 |
| 4.5 本章小结 |
| 第五章 基于探测性能机电耦合模型的雷达性能快速计算软件 |
| 5.1 引言 |
| 5.2 雷达探测性能快速计算软件总体方案 |
| 5.2.1 软件的开发流程 |
| 5.2.2 软件的组成模块设计 |
| 5.2.3 软件功能设计 |
| 5.3 雷达探测性能快速计算软件应用结果 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（10）MIMO雷达的高分辨高精度方向估计方法研究（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 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 MIMO雷达的发展现状 |
| 1.2.2 波达方向估计及高分辨算法的发展现状 |
| 1.3 本文的主要工作及内容安排 |
| 第二章 MIMO雷达及阵列信号处理基础理论 |
| 2.1 引言 |
| 2.1.1 MIMO雷达阵列信号模型 |
| 2.1.2 均匀线阵信号模型 |
| 2.1.3 平面阵列信号模型 |
| 2.2 多发射信号分离理论 |
| 2.3 适配MIMO雷达体制的高分辨测角理论 |
| 2.3.1 高分辨算法的改进方式 |
| 2.3.2 MIMO体制雷达能够分辨相干信号的原因 |
| 2.4 干扰类型 |
| 2.4.1 压制式窄带瞄准式干扰 |
| 2.4.2 欺骗式电子假目标 |
| 2.5 本章小结 |
| 第三章 MIMO雷达的高分辨测向模块架构 |
| 3.1 引言 |
| 3.2 MIMO雷达测向模块的信号建模 |
| 3.3 预处理模块 |
| 3.4 多发射接收信号分离模块 |
| 3.4.1 频分信号分离模块 |
| 3.4.2 线性调频信号分离模块 |
| 3.5 基于MIMO雷达体制的MUSIC算法高分辨测向模块 |
| 3.6 本章小结 |
| 第四章 复杂干扰条件下MIMO雷达的高分辨高精度测向性能分析 |
| 4.1 引言 |
| 4.2 无任何干扰条件下的MIMO雷达单目标测向性能 |
| 4.3 非相干干扰下MIMO雷达的测向性能分析 |
| 4.3.1 存在1个非强弱非相干干扰下的MIMO雷达的测向性能分析 |
| 4.3.2 存在1个强非相干干扰下的MIMO雷达的测向性能分析 |
| 4.4 相干干扰下MIMO雷达的测向性能分析 |
| 4.4.1 存在1个非强弱相干干扰下的MIMO雷达的测向性能分析 |
| 4.4.2 存在1个强相干干扰下的MIMO雷达的测向性能分析 |
| 4.5 发射相干非线调信号与发射相干线调信号对测向性能的影响 |
| 4.6 本章小结 |
| 第五章 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
四、用STAP提高机载相控阵雷达的测角精度（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
- [2]小样本多功能相控阵雷达工作模式分析与智能识别方法研究[D]. 季皓. 电子科技大学, 2021(01)
- [3]多功能数字阵列雷达空域抗有源干扰方法研究[D]. 陈新竹. 上海交通大学, 2020(01)
- [4]雷达资源分配与目标跟踪算法研究[D]. 刘代. 西安电子科技大学, 2020(08)
- [5]基于无人机测控数据链的角度估计技术研究[D]. 李佳伟. 西安电子科技大学, 2020(05)
- [6]基于优化方法的雷达辅助设计[D]. 王伟光. 南京航空航天大学, 2020(07)
- [7]X波段多功能相控阵雷达信号处理算法与仿真研究[D]. 杨慧. 电子科技大学, 2020(07)
- [8]机载相控阵雷达目标检测和角度估计方法研究[D]. 王娟. 西安电子科技大学, 2019(07)
- [9]雷达结构变形与探测性能的机电耦合建模与优化设计[D]. 修建雨. 西安电子科技大学, 2019(02)
- [10]MIMO雷达的高分辨高精度方向估计方法研究[D]. 孙超军. 西安电子科技大学, 2019(02)