作者中心
专家审稿
责编办公
编辑办公当期论文
2025年
14卷
第6期
上一期
2025, 14(6): 1343-1357.
摘要
中国边境线地貌类型丰富，电磁信号密布，导致机载雷达在实际工作中面临的环境非常复杂。机载雷达在复杂地形环境和复杂电磁环境下探测性能严重下降，无法满足作战需求。认知空时自适应处理是一种有效的技术途径。该文提出了认知空时自适应处理架构，并在该架构基础上分别介绍了数据库、算法库、认知STAP技术和反馈控制等。仿真数据分析表明，相对于传统STAP技术，认知空时自适应处理技术可显著提升机载雷达在复杂环境下的运动目标检测性能。
中国边境线地貌类型丰富，电磁信号密布，导致机载雷达在实际工作中面临的环境非常复杂。机载雷达在复杂地形环境和复杂电磁环境下探测性能严重下降，无法满足作战需求。认知空时自适应处理是一种有效的技术途径。该文提出了认知空时自适应处理架构，并在该架构基础上分别介绍了数据库、算法库、认知STAP技术和反馈控制等。仿真数据分析表明，相对于传统STAP技术，认知空时自适应处理技术可显著提升机载雷达在复杂环境下的运动目标检测性能。
2025, 14(6): 1358-1375.
3547 KB
在复杂目标和杂波环境下，传统机载雷达脉冲压缩和空时自适应处理均受限于预设线性模型而存在性能损失问题。针对该问题，该文提出一种基于深度学习的空时自适应-脉冲压缩联合处理技术，通过构建空时谱超分辨网络和脉冲压缩网络分别实现非线性杂波空时谱估计及非线性脉压，从而显著降低该信号处理流程中模型失配的影响，实现杂波抑制和目标检测性能的提升。同时，为避免非线性脉压在阵元和脉冲间引入相位误差的问题，该文从数学角度分析和讨论了脉压后置的可行性。在所提先滤波再脉压的非线性联合处理架构中，采用多模块卷积神经网络分别实现高分辨空时谱估计以及脉冲压缩处理，且所构建各网络模块功能均与相应数学解析式对应，因此具较高的可靠性。仿真实验结果表明，在密集弱目标和小样本环境下，所提非线性联合处理架构较相应传统处理流程可获得约20 dB的信杂噪比提升。
在复杂目标和杂波环境下，传统机载雷达脉冲压缩和空时自适应处理均受限于预设线性模型而存在性能损失问题。针对该问题，该文提出一种基于深度学习的空时自适应-脉冲压缩联合处理技术，通过构建空时谱超分辨网络和脉冲压缩网络分别实现非线性杂波空时谱估计及非线性脉压，从而显著降低该信号处理流程中模型失配的影响，实现杂波抑制和目标检测性能的提升。同时，为避免非线性脉压在阵元和脉冲间引入相位误差的问题，该文从数学角度分析和讨论了脉压后置的可行性。在所提先滤波再脉压的非线性联合处理架构中，采用多模块卷积神经网络分别实现高分辨空时谱估计以及脉冲压缩处理，且所构建各网络模块功能均与相应数学解析式对应，因此具较高的可靠性。仿真实验结果表明，在密集弱目标和小样本环境下，所提非线性联合处理架构较相应传统处理流程可获得约20 dB的信杂噪比提升。
2025, 14(6): 1376-1392.
稀疏恢复空时自适应处理(SR-STAP)方法因其对训练样本的极低需求，在非均匀杂波环境下体现出显著优势。然而，由于需要对空时平面进行离散划分，大多数现有SR-STAP方法的性能均受到网格失配效应的约束。为了克服这个问题并提升杂波抑制性能，该文提出了一种基于非凸松弛原子范数的无网格SR-STAP方法。首先，该方法基于连续域内的原子构建无网格的杂波谱稀疏恢复模型，克服了传统基于离散字典方法的网格失配效应；其次，采用原子范数的非凸松弛形式并按照重加权策略迭代执行优化过程，有效突破了分辨率的限制；另外，针对半正定规划求解复杂度高的问题，该文提出了一种基于改进交替方向乘子法(ADMM)的快速求解方案。该方案在ADMM框架基础上，利用杂波协方差矩阵的低秩和block-Toeplitz特性，通过近似半正定投影技术进一步降低算法的复杂度，并采用基于超梯度下降的自适应惩罚系数加快算法的收敛速度。仿真和实测数据结果表明，与现有的SR-STAP方法相比，该文提出的方法能够以更高的计算效率获得更好的杂波抑制和目标检测性能。
稀疏恢复空时自适应处理(SR-STAP)方法因其对训练样本的极低需求，在非均匀杂波环境下体现出显著优势。然而，由于需要对空时平面进行离散划分，大多数现有SR-STAP方法的性能均受到网格失配效应的约束。为了克服这个问题并提升杂波抑制性能，该文提出了一种基于非凸松弛原子范数的无网格SR-STAP方法。首先，该方法基于连续域内的原子构建无网格的杂波谱稀疏恢复模型，克服了传统基于离散字典方法的网格失配效应；其次，采用原子范数的非凸松弛形式并按照重加权策略迭代执行优化过程，有效突破了分辨率的限制；另外，针对半正定规划求解复杂度高的问题，该文提出了一种基于改进交替方向乘子法(ADMM)的快速求解方案。该方案在ADMM框架基础上，利用杂波协方差矩阵的低秩和block-Toeplitz特性，通过近似半正定投影技术进一步降低算法的复杂度，并采用基于超梯度下降的自适应惩罚系数加快算法的收敛速度。仿真和实测数据结果表明，与现有的SR-STAP方法相比，该文提出的方法能够以更高的计算效率获得更好的杂波抑制和目标检测性能。
2025, 14(6): 1393-1410.
该文研究了复合高斯杂波中距离扩展目标的自适应检测问题，其中杂波纹理分量服从加权广义逆高斯(WGIG)分布。该文基于两步Rao, Wald, Durbin和Gradient检验分别设计加权广义逆高斯杂波下的自适应检测器。针对未知协方差矩阵，分别采用近似最大似然(AML)和归一化采样协方差矩阵(NSCM)两种方法进行估计。由于纹理分量的最大后验(MAP)估计难以解析求解，因此在Rao, Wald和Durbin检验的检测器设计中，采用纹理分量的倒数期望的MAP进行替代；而在Gradient检验的检测器设计中，则基于后验概率密度函数推导检验统计量。理论分析表明，基于Rao, Durbin和Gradient检验所得到的检测器具有一致性。在性能评估方面，通过仿真数据和实测数据，分别对无信号失配和存在信号失配两种情况下的检测性能进行了系统评估。实验结果表明：(1)该文提出的基于AML的检测器均具有恒虚警率(CFAR)特性；(2)在无信号失配情况下，基于Rao准则和Wald准则的检测器在两种实测数据集上分别表现出最优的检测性能，并且相较于两步GLRT检测器的检测性能分别提升0.1～0.5 dB和0.7～0.8 dB；(3)在信号失配情况下，基于Rao准则与AML估计的检测器具有最佳的稳健性，而基于Wald准则的检测器对失配信号表现出最强的抑制能力。
该文研究了复合高斯杂波中距离扩展目标的自适应检测问题，其中杂波纹理分量服从加权广义逆高斯(WGIG)分布。该文基于两步Rao, Wald, Durbin和Gradient检验分别设计加权广义逆高斯杂波下的自适应检测器。针对未知协方差矩阵，分别采用近似最大似然(AML)和归一化采样协方差矩阵(NSCM)两种方法进行估计。由于纹理分量的最大后验(MAP)估计难以解析求解，因此在Rao, Wald和Durbin检验的检测器设计中，采用纹理分量的倒数期望的MAP进行替代；而在Gradient检验的检测器设计中，则基于后验概率密度函数推导检验统计量。理论分析表明，基于Rao, Durbin和Gradient检验所得到的检测器具有一致性。在性能评估方面，通过仿真数据和实测数据，分别对无信号失配和存在信号失配两种情况下的检测性能进行了系统评估。实验结果表明：(1)该文提出的基于AML的检测器均具有恒虚警率(CFAR)特性；(2)在无信号失配情况下，基于Rao准则和Wald准则的检测器在两种实测数据集上分别表现出最优的检测性能，并且相较于两步GLRT检测器的检测性能分别提升0.1～0.5 dB和0.7～0.8 dB；(3)在信号失配情况下，基于Rao准则与AML估计的检测器具有最佳的稳健性，而基于Wald准则的检测器对失配信号表现出最强的抑制能力。
2025, 14(6): 1411-1429.
杂波抑制是实现动目标指示的一项重要技术手段。然而，在机载双基合成孔径雷达(SAR)动目标指示中，受限于杂波的空时强耦合非线性和非平稳性，传统的空时自适应滤波、偏置相位中心方法不能获得期望的杂波抑制性能。为解决上述难题，该文提出了一种基于空时解耦的机载双基SAR双通道杂波对消处理方法。其核心在于建立空时解耦矩阵，将机载双基SAR强耦合非线性的空时谱解耦为空间频率保持一致的空时谱。所提方法主要分为以下3个步骤：(1)为提高目标信杂噪比，应用一阶Keystone变换和高阶距离徙动校正函数，使得目标信号能量集中在同一个距离单元；(2)为削弱双基平台运动造成的方位谱扩展效应，逐距离单元补偿多普勒调频率项；(3)为实现通道间杂波对消处理，引入空时解耦矩阵，在保持机载双基SAR同一距离单元内各杂波点归一化多普勒频率不变的情况下，将对应的空间频率均衡到零频，再利用通道间回波对消处理，实现杂波的有效抑制。通过仿真和实测数据处理，证明了所提方法进行机载双基SAR杂波抑制的有效性。
杂波抑制是实现动目标指示的一项重要技术手段。然而，在机载双基合成孔径雷达(SAR)动目标指示中，受限于杂波的空时强耦合非线性和非平稳性，传统的空时自适应滤波、偏置相位中心方法不能获得期望的杂波抑制性能。为解决上述难题，该文提出了一种基于空时解耦的机载双基SAR双通道杂波对消处理方法。其核心在于建立空时解耦矩阵，将机载双基SAR强耦合非线性的空时谱解耦为空间频率保持一致的空时谱。所提方法主要分为以下3个步骤：(1)为提高目标信杂噪比，应用一阶Keystone变换和高阶距离徙动校正函数，使得目标信号能量集中在同一个距离单元；(2)为削弱双基平台运动造成的方位谱扩展效应，逐距离单元补偿多普勒调频率项；(3)为实现通道间杂波对消处理，引入空时解耦矩阵，在保持机载双基SAR同一距离单元内各杂波点归一化多普勒频率不变的情况下，将对应的空间频率均衡到零频，再利用通道间回波对消处理，实现杂波的有效抑制。通过仿真和实测数据处理，证明了所提方法进行机载双基SAR杂波抑制的有效性。
2025, 14(6): 1430-1450.
针对现有和差波束弹载雷达运动目标检测方法所需训练距离单元数量较大、实际检测性能较低的问题，该文提出了一种基于智能多分类和网络参数迁移学习的运动目标检测新方法，其基本思路为利用少量训练距离单元数据构建数据集对深度卷积神经网络进行训练，将待测距离单元数据分类为杂波类(即无目标类)和对应不同多普勒频率的目标类。考虑到利用实测数据进行在线训练所需的计算资源较多、时间较长，该文首先构建了和差波束弹载雷达运动目标检测的回波信号模型，并基于实测数据进行验证，用于产生仿真数据进行网络离线训练。针对现有典型卷积神经网络参数较多、复杂度较高、训练效率较低等问题，该文基于特征融合模块(FFM)和空间注意力模块(SAM)对DenseNet网络进行改进，构建了FFM-SAM-DenseNet智能多分类器。由于基于智能多分类的检测方法在对不同待测距离单元数据进行处理时需重新训练网络，其整体收敛时间较长、速度较低。为解决该问题，该文引入迁移学习策略，将不同待测距离单元所对应多分类器的网络参数进行共享，以加快所提方法的整体收敛速度。仿真和实测数据处理结果表明，该文所提方法可以基于少量训练距离单元数据，获得相比现有方法更优的运动目标检测性能。
针对现有和差波束弹载雷达运动目标检测方法所需训练距离单元数量较大、实际检测性能较低的问题，该文提出了一种基于智能多分类和网络参数迁移学习的运动目标检测新方法，其基本思路为利用少量训练距离单元数据构建数据集对深度卷积神经网络进行训练，将待测距离单元数据分类为杂波类(即无目标类)和对应不同多普勒频率的目标类。考虑到利用实测数据进行在线训练所需的计算资源较多、时间较长，该文首先构建了和差波束弹载雷达运动目标检测的回波信号模型，并基于实测数据进行验证，用于产生仿真数据进行网络离线训练。针对现有典型卷积神经网络参数较多、复杂度较高、训练效率较低等问题，该文基于特征融合模块(FFM)和空间注意力模块(SAM)对DenseNet网络进行改进，构建了FFM-SAM-DenseNet智能多分类器。由于基于智能多分类的检测方法在对不同待测距离单元数据进行处理时需重新训练网络，其整体收敛时间较长、速度较低。为解决该问题，该文引入迁移学习策略，将不同待测距离单元所对应多分类器的网络参数进行共享，以加快所提方法的整体收敛速度。仿真和实测数据处理结果表明，该文所提方法可以基于少量训练距离单元数据，获得相比现有方法更优的运动目标检测性能。
2025, 14(6): 1451-1468.
在存在有源人工干扰的复杂环境中，雷达信号参数估计精度往往显著下降，目标检测性能相应发生退化。为有效解决这一问题，该文提出了一种基于期望最大化分类辅助的抗干扰检测框架。具体而言，在雷达被动工作模式下，提出被动探测模式下的抗噪声覆盖脉冲(NCP)检测方法，建立被动干扰预警机制：构建表征NCP类别的潜在变量模型，结合期望最大化算法与特征值分解实现NCP样本分类与角度/能量参数估计，实现稳健NCP自适应检测。在雷达主动工作模式下，提出主动探测模式下的抗相干干扰(CJ)目标检测方法：构建目标回波与CJ存在性假设的分类模型，利用网格搜索与期望最大化算法完成样本分类与角度估计，实现CJ识别与目标自适应检测。仿真结果表明，所提方法能够有效识别目标或干扰存在的样本单元，准确估计目标与干扰的入射角度，提升恒虚警目标检测的抗干扰性能。
在存在有源人工干扰的复杂环境中，雷达信号参数估计精度往往显著下降，目标检测性能相应发生退化。为有效解决这一问题，该文提出了一种基于期望最大化分类辅助的抗干扰检测框架。具体而言，在雷达被动工作模式下，提出被动探测模式下的抗噪声覆盖脉冲(NCP)检测方法，建立被动干扰预警机制：构建表征NCP类别的潜在变量模型，结合期望最大化算法与特征值分解实现NCP样本分类与角度/能量参数估计，实现稳健NCP自适应检测。在雷达主动工作模式下，提出主动探测模式下的抗相干干扰(CJ)目标检测方法：构建目标回波与CJ存在性假设的分类模型，利用网格搜索与期望最大化算法完成样本分类与角度估计，实现CJ识别与目标自适应检测。仿真结果表明，所提方法能够有效识别目标或干扰存在的样本单元，准确估计目标与干扰的入射角度，提升恒虚警目标检测的抗干扰性能。
2025, 14(6): 1469-1479.
受平台物理空间限制，实孔径雷达天线波束宽、角分辨率低下。基于稀疏重建的角超分辨方法，在正则化框架下引入目标稀疏先验约束并通过迭代优化求解对目标散射分布进行反演，是提升实孔径雷达角分辨率的重要途径。然而，现有稀疏重建方法仅考虑了强点目标的稀疏分布特性，未考虑扩展目标的轮廓信息，存在目标边缘恢复失真的问题；同时，现有稀疏重建方法对代价函数中引入的超参数敏感，实际应用中依赖人工精细调整，难以根据不同场景进行自适应选取。针对上述两个问题，该文提出一种无超参数全变差(TV)正则化角超分辨方法，首先建立一种均方根LASSO代价函数，用于表征扫描回波序列与目标散射分布的拟合残差，以及目标边缘梯度的稀疏约束，从而将目标轮廓重建问题重转化为TV正则化约束下的非平滑凸优化问题；然后基于协方差拟合准则，导出了无超参数TV正则化约束的解析表达；最后提出一种广义迭代重加权最小二乘(GIRLS)求解策略，实现了均方根LASSO非平滑凸优化问题的迭代优化求解。仿真和实测结果表明，该文提出的方法能够在改善分辨率的同时保持目标的轮廓信息，且无需人工调整超参数。
受平台物理空间限制，实孔径雷达天线波束宽、角分辨率低下。基于稀疏重建的角超分辨方法，在正则化框架下引入目标稀疏先验约束并通过迭代优化求解对目标散射分布进行反演，是提升实孔径雷达角分辨率的重要途径。然而，现有稀疏重建方法仅考虑了强点目标的稀疏分布特性，未考虑扩展目标的轮廓信息，存在目标边缘恢复失真的问题；同时，现有稀疏重建方法对代价函数中引入的超参数敏感，实际应用中依赖人工精细调整，难以根据不同场景进行自适应选取。针对上述两个问题，该文提出一种无超参数全变差(TV)正则化角超分辨方法，首先建立一种均方根LASSO代价函数，用于表征扫描回波序列与目标散射分布的拟合残差，以及目标边缘梯度的稀疏约束，从而将目标轮廓重建问题重转化为TV正则化约束下的非平滑凸优化问题；然后基于协方差拟合准则，导出了无超参数TV正则化约束的解析表达；最后提出一种广义迭代重加权最小二乘(GIRLS)求解策略，实现了均方根LASSO非平滑凸优化问题的迭代优化求解。仿真和实测结果表明，该文提出的方法能够在改善分辨率的同时保持目标的轮廓信息，且无需人工调整超参数。
2025, 14(6): 1480-1500.
车辆长期循环荷载是造成公路工后沉降不可忽视的因素。目前，用于软土公路形变监测的干涉合成孔径雷达(InSAR)形变模型往往忽略了循环荷载的贡献，多为一种或几种纯经验函数组合而成，物理意义不够明确。该文提出一种顾及循环荷载的软土地基公路时序形变估计方法(IRTM)，这一方法针对InSAR形变建模和参数估计算法分别进行改进。在形变建模环节，以描述软土形变蠕变特性的Maxwell流变模型为基础模型，引用附加动应力模型以描述循环荷载导致的塑性变形时序演化规律，并联合热膨胀模型表征路基和桥梁受温度影响的热膨胀效应分量，以更合理地解译形变估计结果；在参数估计环节，提出一种基于遗传算法(GA)与列文伯格马尔夸特算法(LM)串行的参数估计方法，对GA获取的初值进行二次优化，提升求解效率和精度。分别开展了模拟和真实数据实验对所提方法进行验证。模拟实验发现，在施加±0.5 rad 噪声时，模型参数估计值的相对误差均低于6%。真实数据选取了北京至平谷高速公路作为研究区域，获取了其在2012年1月22日到2014年7月1日期间的时序形变。实验发现，形变累积达–140 mm，软土地基段形变贡献以流变分量为主，约占76%；而位于道路交叉段则以循环荷载分量为主，约占81%。分别从建模精度、有限元分析和交叉验证3方面验证该文结果的精度。建模精度利用单一Maxwell模型和传统线性模型生成结果对比，分别提高了44.4%和49.6%；利用有限元分析(FEA)方法验证真实实验获取的形变精度，得出该文方法获取的变形曲线与FEA在不同轴载下产生的变形一致，最大标准偏差仅为1.8 mm；与已有研究的交叉验证结果表明，该文所得形变速率外部精度为±1.4mm/yr，进一步证实了该文方法用于循环荷载作用下的公路工后形变估计和解译是可靠的，可为公路稳定性控制提供参考。
车辆长期循环荷载是造成公路工后沉降不可忽视的因素。目前，用于软土公路形变监测的干涉合成孔径雷达(InSAR)形变模型往往忽略了循环荷载的贡献，多为一种或几种纯经验函数组合而成，物理意义不够明确。该文提出一种顾及循环荷载的软土地基公路时序形变估计方法(IRTM)，这一方法针对InSAR形变建模和参数估计算法分别进行改进。在形变建模环节，以描述软土形变蠕变特性的Maxwell流变模型为基础模型，引用附加动应力模型以描述循环荷载导致的塑性变形时序演化规律，并联合热膨胀模型表征路基和桥梁受温度影响的热膨胀效应分量，以更合理地解译形变估计结果；在参数估计环节，提出一种基于遗传算法(GA)与列文伯格马尔夸特算法(LM)串行的参数估计方法，对GA获取的初值进行二次优化，提升求解效率和精度。分别开展了模拟和真实数据实验对所提方法进行验证。模拟实验发现，在施加±0.5 rad 噪声时，模型参数估计值的相对误差均低于6%。真实数据选取了北京至平谷高速公路作为研究区域，获取了其在2012年1月22日到2014年7月1日期间的时序形变。实验发现，形变累积达–140 mm，软土地基段形变贡献以流变分量为主，约占76%；而位于道路交叉段则以循环荷载分量为主，约占81%。分别从建模精度、有限元分析和交叉验证3方面验证该文结果的精度。建模精度利用单一Maxwell模型和传统线性模型生成结果对比，分别提高了44.4%和49.6%；利用有限元分析(FEA)方法验证真实实验获取的形变精度，得出该文方法获取的变形曲线与FEA在不同轴载下产生的变形一致，最大标准偏差仅为1.8 mm；与已有研究的交叉验证结果表明，该文所得形变速率外部精度为±1.4mm/yr，进一步证实了该文方法用于循环荷载作用下的公路工后形变估计和解译是可靠的，可为公路稳定性控制提供参考。
2025, 14(6): 1501-1514.
分布式相参雷达实现全相参的关键在于对感兴趣目标进行发射相参合成。当相参参数估计阶段存在间歇采样转发干扰时，实现发射相参是极为困难的。为解决上述问题，该文提出了一种基于间歇采样转发干扰匹配滤波特征的干扰抑制方法。该方法能够弥补低干噪比条件下无法进行时频域滤波的缺陷，同时为高干噪比条件下进行干扰重构和对消提供了一种更精确的干扰参数估计途径。仿真结果表明，所提方法对间歇采样转发干扰的抑制效果显著。在低干噪比条件下相比于其他方法准确检测目标的概率提升了40%以上，在高干噪比条件下相比于其他方法等效信干比改善了2.5 dB以上。
分布式相参雷达实现全相参的关键在于对感兴趣目标进行发射相参合成。当相参参数估计阶段存在间歇采样转发干扰时，实现发射相参是极为困难的。为解决上述问题，该文提出了一种基于间歇采样转发干扰匹配滤波特征的干扰抑制方法。该方法能够弥补低干噪比条件下无法进行时频域滤波的缺陷，同时为高干噪比条件下进行干扰重构和对消提供了一种更精确的干扰参数估计途径。仿真结果表明，所提方法对间歇采样转发干扰的抑制效果显著。在低干噪比条件下相比于其他方法准确检测目标的概率提升了40%以上，在高干噪比条件下相比于其他方法等效信干比改善了2.5 dB以上。
2025, 14(6): 1515-1530.
在日益复杂的电磁环境中，主被动雷达复合探测以其良好的优势互补性，已成为提升雷达作战能力和抗干扰能力的重要工作模式。传统的单一压制或欺骗类干扰方法仅对雷达主动或被动模式产生有效干扰，难以对主被动雷达复合探测产生良好的干扰效果。为了能够提高对主被动雷达复合探测的干扰能力，该文提出一种面向主被动雷达复合探测的全脉冲多机协同干扰方法，通过对雷达主动模式下目标的恒虚警率(CFAR)检测原理分析，利用雷达检测概率与信噪比的相关性，调整多假目标的功率序列及位置间距分布，构建全脉冲时域赋形隐蔽干扰模型，实现对雷达主动模式的有效压制；同时，通过对雷达被动模式的测向原理分析，提出一种基于多部干扰机的协同干扰策略，动态调整干扰机的发射功率，在多部干扰机间产生多个随机的欺骗角度，实现雷达被动模式的多角度欺骗效果；最后，通过上述两种策略的有机结合构建全脉冲多机协同干扰方法，实现对主被动雷达复合探测的有效干扰。实验结果表明，与传统单一压制或欺骗类干扰方法相比，该文所提全脉冲多机协同干扰方法能够有效提高雷达CFAR检测门限，降低雷达在主动模式下的检测概率；同时，在干扰机附近区域产生每一帧都不同的虚假角度，扩大角度欺骗范围，综合提升对主被动雷达复合探测的干扰性能。
在日益复杂的电磁环境中，主被动雷达复合探测以其良好的优势互补性，已成为提升雷达作战能力和抗干扰能力的重要工作模式。传统的单一压制或欺骗类干扰方法仅对雷达主动或被动模式产生有效干扰，难以对主被动雷达复合探测产生良好的干扰效果。为了能够提高对主被动雷达复合探测的干扰能力，该文提出一种面向主被动雷达复合探测的全脉冲多机协同干扰方法，通过对雷达主动模式下目标的恒虚警率(CFAR)检测原理分析，利用雷达检测概率与信噪比的相关性，调整多假目标的功率序列及位置间距分布，构建全脉冲时域赋形隐蔽干扰模型，实现对雷达主动模式的有效压制；同时，通过对雷达被动模式的测向原理分析，提出一种基于多部干扰机的协同干扰策略，动态调整干扰机的发射功率，在多部干扰机间产生多个随机的欺骗角度，实现雷达被动模式的多角度欺骗效果；最后，通过上述两种策略的有机结合构建全脉冲多机协同干扰方法，实现对主被动雷达复合探测的有效干扰。实验结果表明，与传统单一压制或欺骗类干扰方法相比，该文所提全脉冲多机协同干扰方法能够有效提高雷达CFAR检测门限，降低雷达在主动模式下的检测概率；同时，在干扰机附近区域产生每一帧都不同的虚假角度，扩大角度欺骗范围，综合提升对主被动雷达复合探测的干扰性能。
2025, 14(6): 1531-1544.
针对分布式多输入多输出(MIMO)雷达在子空间干扰和非均匀杂波中检测目标场景，该文提出了一种面向分布式MIMO雷达双层非均匀多秩目标检测方法。首先，利用目标信号和干扰位于两个相互线性独立且秩大于 1 的子空间，两个子空间对应的子空间矩阵和相应距离单元的坐标向量都是未知的，建立了多秩目标模型及子空间干扰模型；然后，设计分布式MIMO雷达系统的双层非均匀结构，每个发射-接收对的干扰是非均匀的，即每个发射-接收对具备不同的统计量。此外，每一个发射接收对的杂波是非均匀的。在此基础上，通过采取Rao与Wald检验准则，构建待解参数估计策略，并通过功率中值归一化协方差估计，设计了面向分布式MIMO雷达子空间干扰背景下双层非均匀多秩目标Rao检测器和Wald检测器。最后，通过理论推导证明了所提检测方法相对于杂波协方差矩阵结构具有恒虚警特性。仿真实验结果表明，所提检测方法能够保证对杂波协方差矩阵结构具有恒虚警特性，此外，相较于现有分布式MIMO雷达检测方法，所提检测方法有效改善了目标检测性能和干扰抑制性能。
针对分布式多输入多输出(MIMO)雷达在子空间干扰和非均匀杂波中检测目标场景，该文提出了一种面向分布式MIMO雷达双层非均匀多秩目标检测方法。首先，利用目标信号和干扰位于两个相互线性独立且秩大于 1 的子空间，两个子空间对应的子空间矩阵和相应距离单元的坐标向量都是未知的，建立了多秩目标模型及子空间干扰模型；然后，设计分布式MIMO雷达系统的双层非均匀结构，每个发射-接收对的干扰是非均匀的，即每个发射-接收对具备不同的统计量。此外，每一个发射接收对的杂波是非均匀的。在此基础上，通过采取Rao与Wald检验准则，构建待解参数估计策略，并通过功率中值归一化协方差估计，设计了面向分布式MIMO雷达子空间干扰背景下双层非均匀多秩目标Rao检测器和Wald检测器。最后，通过理论推导证明了所提检测方法相对于杂波协方差矩阵结构具有恒虚警特性。仿真实验结果表明，所提检测方法能够保证对杂波协方差矩阵结构具有恒虚警特性，此外，相较于现有分布式MIMO雷达检测方法，所提检测方法有效改善了目标检测性能和干扰抑制性能。
微信 | 公众平台 
