作者中心
专家审稿
责编办公
编辑办公当期目录
上一期
2026, 15(4): 1125-1151.
摘要
24996KB
摘要:
雷达通过发射波形接收并处理回波信号从而获取目标信息，因此发射波形性能是决定雷达系统性能的关键因素。相比于其他雷达体制，合成孔径雷达(SAR)具有分布式目标场景，大时间带宽积波形，大幅宽远距离成像，距离-方位耦合等独特的工作特性，这对SAR波形设计提出了更高的要求。基于作者在SAR波形编码领域相关的研究工作和思考，该文总结了SAR波形设计近年来国内外的研究现状，讨论了SAR波形设计面临的技术挑战和其在提升系统成像性能上的作用，并展望了未来SAR波形设计的研究和发展趋势。 雷达通过发射波形接收并处理回波信号从而获取目标信息，因此发射波形性能是决定雷达系统性能的关键因素。相比于其他雷达体制，合成孔径雷达(SAR)具有分布式目标场景，大时间带宽积波形，大幅宽远距离成像，距离-方位耦合等独特的工作特性，这对SAR波形设计提出了更高的要求。基于作者在SAR波形编码领域相关的研究工作和思考，该文总结了SAR波形设计近年来国内外的研究现状，讨论了SAR波形设计面临的技术挑战和其在提升系统成像性能上的作用，并展望了未来SAR波形设计的研究和发展趋势。
雷达通过发射波形接收并处理回波信号从而获取目标信息，因此发射波形性能是决定雷达系统性能的关键因素。相比于其他雷达体制，合成孔径雷达(SAR)具有分布式目标场景，大时间带宽积波形，大幅宽远距离成像，距离-方位耦合等独特的工作特性，这对SAR波形设计提出了更高的要求。基于作者在SAR波形编码领域相关的研究工作和思考，该文总结了SAR波形设计近年来国内外的研究现状，讨论了SAR波形设计面临的技术挑战和其在提升系统成像性能上的作用，并展望了未来SAR波形设计的研究和发展趋势。 雷达通过发射波形接收并处理回波信号从而获取目标信息，因此发射波形性能是决定雷达系统性能的关键因素。相比于其他雷达体制，合成孔径雷达(SAR)具有分布式目标场景，大时间带宽积波形，大幅宽远距离成像，距离-方位耦合等独特的工作特性，这对SAR波形设计提出了更高的要求。基于作者在SAR波形编码领域相关的研究工作和思考，该文总结了SAR波形设计近年来国内外的研究现状，讨论了SAR波形设计面临的技术挑战和其在提升系统成像性能上的作用，并展望了未来SAR波形设计的研究和发展趋势。
2026, 15(4): 1152-1167.
摘要:
针对合成孔径雷达(SAR)在弱目标成像时目标回波信号易被背景杂波淹没的问题，该文提出了一种基于信杂噪比准则的SAR波形与成像滤波器联合设计方法。该方法首先建立以信杂噪比为目标函数的联合优化模型，综合考虑了恒模、主瓣峰值、旁瓣电平及目标散射不确定性等约束条件，形成了具有极大极小结构的非凸多约束优化问题。为求解该复杂非凸恒模问题，该文发展了一种序贯交替迭代框架，将原问题分解为波形与滤波器两个子问题，采用上镜图变换与MM算法相结合的策略，实现分式目标函数解耦和非凸约束条件转化；通过引入辅助变量以扩展可行域，保证初始迭代时的可行性，再添加随迭代次数递增的惩罚项，最终迫使辅助变量趋于零，实现原始问题的求解，并从理论上分析了算法的收敛性和计算复杂度。实验结果表明：与同参数的线性调频信号相比，联合设计方案在仿真、半物理及外场真实试验中均表现出显著的杂波抑制能力，SAR图像的信杂比可提升3.2 dB以上，为改善SAR系统对弱目标的探测与成像性能提供了工程可行的技术途径。 针对合成孔径雷达(SAR)在弱目标成像时目标回波信号易被背景杂波淹没的问题，该文提出了一种基于信杂噪比准则的SAR波形与成像滤波器联合设计方法。该方法首先建立以信杂噪比为目标函数的联合优化模型，综合考虑了恒模、主瓣峰值、旁瓣电平及目标散射不确定性等约束条件，形成了具有极大极小结构的非凸多约束优化问题。为求解该复杂非凸恒模问题，该文发展了一种序贯交替迭代框架，将原问题分解为波形与滤波器两个子问题，采用上镜图变换与MM算法相结合的策略，实现分式目标函数解耦和非凸约束条件转化；通过引入辅助变量以扩展可行域，保证初始迭代时的可行性，再添加随迭代次数递增的惩罚项，最终迫使辅助变量趋于零，实现原始问题的求解，并从理论上分析了算法的收敛性和计算复杂度。实验结果表明：与同参数的线性调频信号相比，联合设计方案在仿真、半物理及外场真实试验中均表现出显著的杂波抑制能力，SAR图像的信杂比可提升3.2 dB以上，为改善SAR系统对弱目标的探测与成像性能提供了工程可行的技术途径。
针对合成孔径雷达(SAR)在弱目标成像时目标回波信号易被背景杂波淹没的问题，该文提出了一种基于信杂噪比准则的SAR波形与成像滤波器联合设计方法。该方法首先建立以信杂噪比为目标函数的联合优化模型，综合考虑了恒模、主瓣峰值、旁瓣电平及目标散射不确定性等约束条件，形成了具有极大极小结构的非凸多约束优化问题。为求解该复杂非凸恒模问题，该文发展了一种序贯交替迭代框架，将原问题分解为波形与滤波器两个子问题，采用上镜图变换与MM算法相结合的策略，实现分式目标函数解耦和非凸约束条件转化；通过引入辅助变量以扩展可行域，保证初始迭代时的可行性，再添加随迭代次数递增的惩罚项，最终迫使辅助变量趋于零，实现原始问题的求解，并从理论上分析了算法的收敛性和计算复杂度。实验结果表明：与同参数的线性调频信号相比，联合设计方案在仿真、半物理及外场真实试验中均表现出显著的杂波抑制能力，SAR图像的信杂比可提升3.2 dB以上，为改善SAR系统对弱目标的探测与成像性能提供了工程可行的技术途径。 针对合成孔径雷达(SAR)在弱目标成像时目标回波信号易被背景杂波淹没的问题，该文提出了一种基于信杂噪比准则的SAR波形与成像滤波器联合设计方法。该方法首先建立以信杂噪比为目标函数的联合优化模型，综合考虑了恒模、主瓣峰值、旁瓣电平及目标散射不确定性等约束条件，形成了具有极大极小结构的非凸多约束优化问题。为求解该复杂非凸恒模问题，该文发展了一种序贯交替迭代框架，将原问题分解为波形与滤波器两个子问题，采用上镜图变换与MM算法相结合的策略，实现分式目标函数解耦和非凸约束条件转化；通过引入辅助变量以扩展可行域，保证初始迭代时的可行性，再添加随迭代次数递增的惩罚项，最终迫使辅助变量趋于零，实现原始问题的求解，并从理论上分析了算法的收敛性和计算复杂度。实验结果表明：与同参数的线性调频信号相比，联合设计方案在仿真、半物理及外场真实试验中均表现出显著的杂波抑制能力，SAR图像的信杂比可提升3.2 dB以上，为改善SAR系统对弱目标的探测与成像性能提供了工程可行的技术途径。
2026, 15(4): 1168-1184.
摘要:
高分辨率宽幅(HRWS)成像是未来星载合成孔径雷达(SAR)系统的重要发展方向。多发多收(MIMO) SAR系统具备更高的空间自由度，具有进一步增强系统性能的潜力。然而有效实现MIMO-SAR中不同发射通道回波的分离，是发挥其空间自由度优势的关键前提。该文基于SAR体制中所采用信号的相位特性，以及“走-停”模型中空间-时间特性，设计一种适用于MIMO-SAR体制的新型空时相位编码(STPC)波形。该波形通过相位编码对发射信号在距离向进行调制，并依据预设的编码调制序列，在每个脉冲周期内的不同空间位置处进行信号发射。接收时基于与发射端匹配的编码调制时序，对混叠回波进行解调处理，可实现不同发射通道回波的高效分离。所提方案能够与现有经典的方位多通道重构方法结合，有效缓解了脉冲重复频率(PRF)与回波可分离性之间的矛盾。与现有MIMO-SAR系统中的Alamouti波形、短偏移正交(STSO)波形、分段相位编码(SPC)波形相比，所需天线资源减少近一半，降低了系统硬件实现成本与复杂度。最后，通过点目标与分布场景的仿真实验证明所提波形及处理方案能够有效抑制不同波形之间的干扰信号，具有良好的成像性能。 高分辨率宽幅(HRWS)成像是未来星载合成孔径雷达(SAR)系统的重要发展方向。多发多收(MIMO) SAR系统具备更高的空间自由度，具有进一步增强系统性能的潜力。然而有效实现MIMO-SAR中不同发射通道回波的分离，是发挥其空间自由度优势的关键前提。该文基于SAR体制中所采用信号的相位特性，以及“走-停”模型中空间-时间特性，设计一种适用于MIMO-SAR体制的新型空时相位编码(STPC)波形。该波形通过相位编码对发射信号在距离向进行调制，并依据预设的编码调制序列，在每个脉冲周期内的不同空间位置处进行信号发射。接收时基于与发射端匹配的编码调制时序，对混叠回波进行解调处理，可实现不同发射通道回波的高效分离。所提方案能够与现有经典的方位多通道重构方法结合，有效缓解了脉冲重复频率(PRF)与回波可分离性之间的矛盾。与现有MIMO-SAR系统中的Alamouti波形、短偏移正交(STSO)波形、分段相位编码(SPC)波形相比，所需天线资源减少近一半，降低了系统硬件实现成本与复杂度。最后，通过点目标与分布场景的仿真实验证明所提波形及处理方案能够有效抑制不同波形之间的干扰信号，具有良好的成像性能。
高分辨率宽幅(HRWS)成像是未来星载合成孔径雷达(SAR)系统的重要发展方向。多发多收(MIMO) SAR系统具备更高的空间自由度，具有进一步增强系统性能的潜力。然而有效实现MIMO-SAR中不同发射通道回波的分离，是发挥其空间自由度优势的关键前提。该文基于SAR体制中所采用信号的相位特性，以及“走-停”模型中空间-时间特性，设计一种适用于MIMO-SAR体制的新型空时相位编码(STPC)波形。该波形通过相位编码对发射信号在距离向进行调制，并依据预设的编码调制序列，在每个脉冲周期内的不同空间位置处进行信号发射。接收时基于与发射端匹配的编码调制时序，对混叠回波进行解调处理，可实现不同发射通道回波的高效分离。所提方案能够与现有经典的方位多通道重构方法结合，有效缓解了脉冲重复频率(PRF)与回波可分离性之间的矛盾。与现有MIMO-SAR系统中的Alamouti波形、短偏移正交(STSO)波形、分段相位编码(SPC)波形相比，所需天线资源减少近一半，降低了系统硬件实现成本与复杂度。最后，通过点目标与分布场景的仿真实验证明所提波形及处理方案能够有效抑制不同波形之间的干扰信号，具有良好的成像性能。 高分辨率宽幅(HRWS)成像是未来星载合成孔径雷达(SAR)系统的重要发展方向。多发多收(MIMO) SAR系统具备更高的空间自由度，具有进一步增强系统性能的潜力。然而有效实现MIMO-SAR中不同发射通道回波的分离，是发挥其空间自由度优势的关键前提。该文基于SAR体制中所采用信号的相位特性，以及“走-停”模型中空间-时间特性，设计一种适用于MIMO-SAR体制的新型空时相位编码(STPC)波形。该波形通过相位编码对发射信号在距离向进行调制，并依据预设的编码调制序列，在每个脉冲周期内的不同空间位置处进行信号发射。接收时基于与发射端匹配的编码调制时序，对混叠回波进行解调处理，可实现不同发射通道回波的高效分离。所提方案能够与现有经典的方位多通道重构方法结合，有效缓解了脉冲重复频率(PRF)与回波可分离性之间的矛盾。与现有MIMO-SAR系统中的Alamouti波形、短偏移正交(STSO)波形、分段相位编码(SPC)波形相比，所需天线资源减少近一半，降低了系统硬件实现成本与复杂度。最后，通过点目标与分布场景的仿真实验证明所提波形及处理方案能够有效抑制不同波形之间的干扰信号，具有良好的成像性能。
2026, 15(4): 1185-1200.
摘要:
针对合成孔径雷达(SAR)在抗间歇采样转发干扰(ISRJ)时，现有抗干扰波形成像旁瓣高的问题，该文提出利用SAR多脉冲积累成像所带来的方位自由度，通过多脉冲互补同时提升抗干扰与成像低旁瓣能力，首先构建了方位多脉冲互补模式下的SAR点扩展函数(PSF)信号模型，在此基础上，建立了以最大化干扰抑制性能与最小化PSF旁瓣水平为核心目标的非凸多目标联合优化模型。为求解该复杂非凸优化问题，该文设计了一种二维联合优化抗ISRJ互补波形算法。该算法采用交替迭代优化框架将原问题解耦为波形与滤波器两个子问题，通过闭式更新实现波形与滤波器的协同设计。实验结果表明，相较于现有传统单波形抗干扰方法的最优结果，该文所提方法将干扰积分电平比(JILR)和干扰峰值电平比(JPLR)分别提升了12.85 dB和3.83 dB，同时将积分旁瓣比(ISLR)和峰值旁瓣比(PSLR)改善了24.96 dB和11.40 dB。该文方法不仅显著提升了抗干扰性能，同时有效抑制了距离旁瓣与距离-方位耦合旁瓣，显著改善了复杂电磁干扰环境下的合成孔径雷达成像质量。 针对合成孔径雷达(SAR)在抗间歇采样转发干扰(ISRJ)时，现有抗干扰波形成像旁瓣高的问题，该文提出利用SAR多脉冲积累成像所带来的方位自由度，通过多脉冲互补同时提升抗干扰与成像低旁瓣能力，首先构建了方位多脉冲互补模式下的SAR点扩展函数(PSF)信号模型，在此基础上，建立了以最大化干扰抑制性能与最小化PSF旁瓣水平为核心目标的非凸多目标联合优化模型。为求解该复杂非凸优化问题，该文设计了一种二维联合优化抗ISRJ互补波形算法。该算法采用交替迭代优化框架将原问题解耦为波形与滤波器两个子问题，通过闭式更新实现波形与滤波器的协同设计。实验结果表明，相较于现有传统单波形抗干扰方法的最优结果，该文所提方法将干扰积分电平比(JILR)和干扰峰值电平比(JPLR)分别提升了12.85 dB和3.83 dB，同时将积分旁瓣比(ISLR)和峰值旁瓣比(PSLR)改善了24.96 dB和11.40 dB。该文方法不仅显著提升了抗干扰性能，同时有效抑制了距离旁瓣与距离-方位耦合旁瓣，显著改善了复杂电磁干扰环境下的合成孔径雷达成像质量。
针对合成孔径雷达(SAR)在抗间歇采样转发干扰(ISRJ)时，现有抗干扰波形成像旁瓣高的问题，该文提出利用SAR多脉冲积累成像所带来的方位自由度，通过多脉冲互补同时提升抗干扰与成像低旁瓣能力，首先构建了方位多脉冲互补模式下的SAR点扩展函数(PSF)信号模型，在此基础上，建立了以最大化干扰抑制性能与最小化PSF旁瓣水平为核心目标的非凸多目标联合优化模型。为求解该复杂非凸优化问题，该文设计了一种二维联合优化抗ISRJ互补波形算法。该算法采用交替迭代优化框架将原问题解耦为波形与滤波器两个子问题，通过闭式更新实现波形与滤波器的协同设计。实验结果表明，相较于现有传统单波形抗干扰方法的最优结果，该文所提方法将干扰积分电平比(JILR)和干扰峰值电平比(JPLR)分别提升了12.85 dB和3.83 dB，同时将积分旁瓣比(ISLR)和峰值旁瓣比(PSLR)改善了24.96 dB和11.40 dB。该文方法不仅显著提升了抗干扰性能，同时有效抑制了距离旁瓣与距离-方位耦合旁瓣，显著改善了复杂电磁干扰环境下的合成孔径雷达成像质量。 针对合成孔径雷达(SAR)在抗间歇采样转发干扰(ISRJ)时，现有抗干扰波形成像旁瓣高的问题，该文提出利用SAR多脉冲积累成像所带来的方位自由度，通过多脉冲互补同时提升抗干扰与成像低旁瓣能力，首先构建了方位多脉冲互补模式下的SAR点扩展函数(PSF)信号模型，在此基础上，建立了以最大化干扰抑制性能与最小化PSF旁瓣水平为核心目标的非凸多目标联合优化模型。为求解该复杂非凸优化问题，该文设计了一种二维联合优化抗ISRJ互补波形算法。该算法采用交替迭代优化框架将原问题解耦为波形与滤波器两个子问题，通过闭式更新实现波形与滤波器的协同设计。实验结果表明，相较于现有传统单波形抗干扰方法的最优结果，该文所提方法将干扰积分电平比(JILR)和干扰峰值电平比(JPLR)分别提升了12.85 dB和3.83 dB，同时将积分旁瓣比(ISLR)和峰值旁瓣比(PSLR)改善了24.96 dB和11.40 dB。该文方法不仅显著提升了抗干扰性能，同时有效抑制了距离旁瓣与距离-方位耦合旁瓣，显著改善了复杂电磁干扰环境下的合成孔径雷达成像质量。
2026, 15(4): 1201-1219.
摘要:
雷达自动目标识别性能主要取决于回波信号中的特征质量，发射波形作为主动塑造回波的信息载体，对分类性能具有决定性影响。然而现有波形设计常与分类器优化解耦，忽略两者间的协同，且波形优化准则与分类指标间缺乏直接关联，难以充分提升分类性能；多局限于单站雷达模型，未建立观测视角、发射波形与分类性能之间的联系，亦缺乏节点间的波形协同机制，无法利用空间与波形分集增益。为突破上述局限，该文提出一种面向分布式雷达目标分类的，端到端的“角度-波形匹配”优化框架。该框架将波形参数化，构建为可训练的波形生成模块，并与分类网络级联，从而将孤立的波形设计问题，转化为以分类任务直接驱动的波形与分类器的联合优化。利用目标先验信息对模型进行训练，优化得到与视角相匹配的波形及其适配的分类网络。进一步地，为提升分布式雷达联合分类性能，该文提出了基于非因果状态空间对偶模块的双分支网络，实现多视角信息的提取与融合。实验结果表明，该文所提方法能协同利用波形分集与空间分集，提升分类性能，且在节点缺失的场景下表现出鲁棒性，为分布式雷达智能波形设计提供了新方案。 雷达自动目标识别性能主要取决于回波信号中的特征质量，发射波形作为主动塑造回波的信息载体，对分类性能具有决定性影响。然而现有波形设计常与分类器优化解耦，忽略两者间的协同，且波形优化准则与分类指标间缺乏直接关联，难以充分提升分类性能；多局限于单站雷达模型，未建立观测视角、发射波形与分类性能之间的联系，亦缺乏节点间的波形协同机制，无法利用空间与波形分集增益。为突破上述局限，该文提出一种面向分布式雷达目标分类的，端到端的“角度-波形匹配”优化框架。该框架将波形参数化，构建为可训练的波形生成模块，并与分类网络级联，从而将孤立的波形设计问题，转化为以分类任务直接驱动的波形与分类器的联合优化。利用目标先验信息对模型进行训练，优化得到与视角相匹配的波形及其适配的分类网络。进一步地，为提升分布式雷达联合分类性能，该文提出了基于非因果状态空间对偶模块的双分支网络，实现多视角信息的提取与融合。实验结果表明，该文所提方法能协同利用波形分集与空间分集，提升分类性能，且在节点缺失的场景下表现出鲁棒性，为分布式雷达智能波形设计提供了新方案。
雷达自动目标识别性能主要取决于回波信号中的特征质量，发射波形作为主动塑造回波的信息载体，对分类性能具有决定性影响。然而现有波形设计常与分类器优化解耦，忽略两者间的协同，且波形优化准则与分类指标间缺乏直接关联，难以充分提升分类性能；多局限于单站雷达模型，未建立观测视角、发射波形与分类性能之间的联系，亦缺乏节点间的波形协同机制，无法利用空间与波形分集增益。为突破上述局限，该文提出一种面向分布式雷达目标分类的，端到端的“角度-波形匹配”优化框架。该框架将波形参数化，构建为可训练的波形生成模块，并与分类网络级联，从而将孤立的波形设计问题，转化为以分类任务直接驱动的波形与分类器的联合优化。利用目标先验信息对模型进行训练，优化得到与视角相匹配的波形及其适配的分类网络。进一步地，为提升分布式雷达联合分类性能，该文提出了基于非因果状态空间对偶模块的双分支网络，实现多视角信息的提取与融合。实验结果表明，该文所提方法能协同利用波形分集与空间分集，提升分类性能，且在节点缺失的场景下表现出鲁棒性，为分布式雷达智能波形设计提供了新方案。 雷达自动目标识别性能主要取决于回波信号中的特征质量，发射波形作为主动塑造回波的信息载体，对分类性能具有决定性影响。然而现有波形设计常与分类器优化解耦，忽略两者间的协同，且波形优化准则与分类指标间缺乏直接关联，难以充分提升分类性能；多局限于单站雷达模型，未建立观测视角、发射波形与分类性能之间的联系，亦缺乏节点间的波形协同机制，无法利用空间与波形分集增益。为突破上述局限，该文提出一种面向分布式雷达目标分类的，端到端的“角度-波形匹配”优化框架。该框架将波形参数化，构建为可训练的波形生成模块，并与分类网络级联，从而将孤立的波形设计问题，转化为以分类任务直接驱动的波形与分类器的联合优化。利用目标先验信息对模型进行训练，优化得到与视角相匹配的波形及其适配的分类网络。进一步地，为提升分布式雷达联合分类性能，该文提出了基于非因果状态空间对偶模块的双分支网络，实现多视角信息的提取与融合。实验结果表明，该文所提方法能协同利用波形分集与空间分集，提升分类性能，且在节点缺失的场景下表现出鲁棒性，为分布式雷达智能波形设计提供了新方案。
2026, 15(4): 1220-1237.
摘要:
相参频率分集阵列(FDA)雷达具有系统结构简单、波束扫描灵活和发射自由度高等优点，在宽覆盖对空探测任务中展现出巨大潜力，但固有的波束扫描机制导致其在特定方向的波束驻留时间缩短，从而限制了传统宽带波形成像时的距离分辨率。为解决广域搜索与高分辨率成像之间的内在矛盾，该文提出了一种基于深度学习的相参FDA搜索成像一体化波形设计方法。该方法利用相参FDA多自由度灵活发射的优势，在保证宽覆盖搜索能力的同时，为多个感兴趣区域(ROI)定制化地设计波形、带宽、发射增益等多维发射资源。为了解决基带波形设计中恒模与相关性双重约束的非凸优化问题，该文构建了以残差自编码网络为核心的优化器，旨在直接学习并建立从初始相位空间到满足预设性能准则的最优相位空间的高维非线性映射关系。该网络能够高效地生成一组在多个ROI方向上同时具备低自相关旁瓣和低互相关电平的相位编码子波形。仿真结果验证了所提方法的有效性，表明其设计的波形在同步执行搜索与多目标成像任务时，(相比于窄带搜索模式)能够在指定ROI方向同时获得发射增益和距离分辨率提升，且自相关与互相关性能相较于传统方法具有显著优势，为提高现代雷达系统的同时多任务探测能力提供了一种有效途径。 相参频率分集阵列(FDA)雷达具有系统结构简单、波束扫描灵活和发射自由度高等优点，在宽覆盖对空探测任务中展现出巨大潜力，但固有的波束扫描机制导致其在特定方向的波束驻留时间缩短，从而限制了传统宽带波形成像时的距离分辨率。为解决广域搜索与高分辨率成像之间的内在矛盾，该文提出了一种基于深度学习的相参FDA搜索成像一体化波形设计方法。该方法利用相参FDA多自由度灵活发射的优势，在保证宽覆盖搜索能力的同时，为多个感兴趣区域(ROI)定制化地设计波形、带宽、发射增益等多维发射资源。为了解决基带波形设计中恒模与相关性双重约束的非凸优化问题，该文构建了以残差自编码网络为核心的优化器，旨在直接学习并建立从初始相位空间到满足预设性能准则的最优相位空间的高维非线性映射关系。该网络能够高效地生成一组在多个ROI方向上同时具备低自相关旁瓣和低互相关电平的相位编码子波形。仿真结果验证了所提方法的有效性，表明其设计的波形在同步执行搜索与多目标成像任务时，(相比于窄带搜索模式)能够在指定ROI方向同时获得发射增益和距离分辨率提升，且自相关与互相关性能相较于传统方法具有显著优势，为提高现代雷达系统的同时多任务探测能力提供了一种有效途径。
相参频率分集阵列(FDA)雷达具有系统结构简单、波束扫描灵活和发射自由度高等优点，在宽覆盖对空探测任务中展现出巨大潜力，但固有的波束扫描机制导致其在特定方向的波束驻留时间缩短，从而限制了传统宽带波形成像时的距离分辨率。为解决广域搜索与高分辨率成像之间的内在矛盾，该文提出了一种基于深度学习的相参FDA搜索成像一体化波形设计方法。该方法利用相参FDA多自由度灵活发射的优势，在保证宽覆盖搜索能力的同时，为多个感兴趣区域(ROI)定制化地设计波形、带宽、发射增益等多维发射资源。为了解决基带波形设计中恒模与相关性双重约束的非凸优化问题，该文构建了以残差自编码网络为核心的优化器，旨在直接学习并建立从初始相位空间到满足预设性能准则的最优相位空间的高维非线性映射关系。该网络能够高效地生成一组在多个ROI方向上同时具备低自相关旁瓣和低互相关电平的相位编码子波形。仿真结果验证了所提方法的有效性，表明其设计的波形在同步执行搜索与多目标成像任务时，(相比于窄带搜索模式)能够在指定ROI方向同时获得发射增益和距离分辨率提升，且自相关与互相关性能相较于传统方法具有显著优势，为提高现代雷达系统的同时多任务探测能力提供了一种有效途径。 相参频率分集阵列(FDA)雷达具有系统结构简单、波束扫描灵活和发射自由度高等优点，在宽覆盖对空探测任务中展现出巨大潜力，但固有的波束扫描机制导致其在特定方向的波束驻留时间缩短，从而限制了传统宽带波形成像时的距离分辨率。为解决广域搜索与高分辨率成像之间的内在矛盾，该文提出了一种基于深度学习的相参FDA搜索成像一体化波形设计方法。该方法利用相参FDA多自由度灵活发射的优势，在保证宽覆盖搜索能力的同时，为多个感兴趣区域(ROI)定制化地设计波形、带宽、发射增益等多维发射资源。为了解决基带波形设计中恒模与相关性双重约束的非凸优化问题，该文构建了以残差自编码网络为核心的优化器，旨在直接学习并建立从初始相位空间到满足预设性能准则的最优相位空间的高维非线性映射关系。该网络能够高效地生成一组在多个ROI方向上同时具备低自相关旁瓣和低互相关电平的相位编码子波形。仿真结果验证了所提方法的有效性，表明其设计的波形在同步执行搜索与多目标成像任务时，(相比于窄带搜索模式)能够在指定ROI方向同时获得发射增益和距离分辨率提升，且自相关与互相关性能相较于传统方法具有显著优势，为提高现代雷达系统的同时多任务探测能力提供了一种有效途径。
2026, 15(4): 1238-1257.
摘要:
针对海空目标雷达分类中存在的特征提取不充分、时空关联建模能力薄弱及分类性能欠佳等问题，该文围绕图网络特征提取和分类技术开展研究。首先，聚焦数字阵泛探雷达，构建了雷达海空目标探测数据集LSS-DAUR-1.0，包含客轮、快艇、直升机、旋翼无人机、鸟类与固定翼无人机6类目标的多普勒和航迹数据。其次，基于该数据集分析了目标的多域多维特性，通过相关性和余弦相似度分析，验证了多普勒特征与物理运动特征的互补性。在此基础上，提出融合双特征的动态图图卷积网络(DG-GCN)分类方法设计自适应窗口调整、混合衰减函数和动态阈值机制，构建时空关联自适应动态图，结合图卷积特征学习和分类模块，实现对海空目标的精细化分类。LSS-DAUR-1.0数据集验证表明，DG-GCN分类准确率达99.66%，较ResNet和Transformer模型分别提升6.78%和17.97%，总处理时间仅4.98 ms，较对比模型降低80%以上，兼顾高精度与高效性。此外，噪声环境测试其鲁棒性良好。消融实验验证，动态边权机制可弥补纯时序连接的空间特征关联上不足，提升模型泛化能力。 针对海空目标雷达分类中存在的特征提取不充分、时空关联建模能力薄弱及分类性能欠佳等问题，该文围绕图网络特征提取和分类技术开展研究。首先，聚焦数字阵泛探雷达，构建了雷达海空目标探测数据集LSS-DAUR-1.0，包含客轮、快艇、直升机、旋翼无人机、鸟类与固定翼无人机6类目标的多普勒和航迹数据。其次，基于该数据集分析了目标的多域多维特性，通过相关性和余弦相似度分析，验证了多普勒特征与物理运动特征的互补性。在此基础上，提出融合双特征的动态图图卷积网络(DG-GCN)分类方法设计自适应窗口调整、混合衰减函数和动态阈值机制，构建时空关联自适应动态图，结合图卷积特征学习和分类模块，实现对海空目标的精细化分类。LSS-DAUR-1.0数据集验证表明，DG-GCN分类准确率达99.66%，较ResNet和Transformer模型分别提升6.78%和17.97%，总处理时间仅4.98 ms，较对比模型降低80%以上，兼顾高精度与高效性。此外，噪声环境测试其鲁棒性良好。消融实验验证，动态边权机制可弥补纯时序连接的空间特征关联上不足，提升模型泛化能力。
针对海空目标雷达分类中存在的特征提取不充分、时空关联建模能力薄弱及分类性能欠佳等问题，该文围绕图网络特征提取和分类技术开展研究。首先，聚焦数字阵泛探雷达，构建了雷达海空目标探测数据集LSS-DAUR-1.0，包含客轮、快艇、直升机、旋翼无人机、鸟类与固定翼无人机6类目标的多普勒和航迹数据。其次，基于该数据集分析了目标的多域多维特性，通过相关性和余弦相似度分析，验证了多普勒特征与物理运动特征的互补性。在此基础上，提出融合双特征的动态图图卷积网络(DG-GCN)分类方法设计自适应窗口调整、混合衰减函数和动态阈值机制，构建时空关联自适应动态图，结合图卷积特征学习和分类模块，实现对海空目标的精细化分类。LSS-DAUR-1.0数据集验证表明，DG-GCN分类准确率达99.66%，较ResNet和Transformer模型分别提升6.78%和17.97%，总处理时间仅4.98 ms，较对比模型降低80%以上，兼顾高精度与高效性。此外，噪声环境测试其鲁棒性良好。消融实验验证，动态边权机制可弥补纯时序连接的空间特征关联上不足，提升模型泛化能力。 针对海空目标雷达分类中存在的特征提取不充分、时空关联建模能力薄弱及分类性能欠佳等问题，该文围绕图网络特征提取和分类技术开展研究。首先，聚焦数字阵泛探雷达，构建了雷达海空目标探测数据集LSS-DAUR-1.0，包含客轮、快艇、直升机、旋翼无人机、鸟类与固定翼无人机6类目标的多普勒和航迹数据。其次，基于该数据集分析了目标的多域多维特性，通过相关性和余弦相似度分析，验证了多普勒特征与物理运动特征的互补性。在此基础上，提出融合双特征的动态图图卷积网络(DG-GCN)分类方法设计自适应窗口调整、混合衰减函数和动态阈值机制，构建时空关联自适应动态图，结合图卷积特征学习和分类模块，实现对海空目标的精细化分类。LSS-DAUR-1.0数据集验证表明，DG-GCN分类准确率达99.66%，较ResNet和Transformer模型分别提升6.78%和17.97%，总处理时间仅4.98 ms，较对比模型降低80%以上，兼顾高精度与高效性。此外，噪声环境测试其鲁棒性良好。消融实验验证，动态边权机制可弥补纯时序连接的空间特征关联上不足，提升模型泛化能力。
2026, 15(4): 1258-1277.
摘要:
低空目标对机场等空域安全的威胁日趋显著，其精准探测与识别是雷达系统亟待解决的关键问题，而高质量的雷达实测数据集是推进低空目标识别的核心基础。然而，现有公开雷达低空目标数据集多为仿真数据或近距离采集数据，难以真实反映和验证远距离场景下雷达目标识别性能。因此，该文构建了基于全息凝视雷达(HSR)的低空目标探测识别数据集，完成了外场环境下典型低空目标的实测数据采集与识别验证。该数据集涵盖多旋翼无人机、雀类、大型迁徙鸟等典型目标，以及悬停、盘旋、径向飞行等典型运动场景，并且同步提供目标多普勒瀑布图与雷达实测航迹信息(含方位角、俯仰角、径向速度、归一化信噪比)，为探索目标精细化特征与运动状态的内在关联提供了数据支撑。在此基础上，该文采用多模态自适应特征融合网络，提取不同目标的多普勒特征与运动学特征并进行融合，验证了区分不同类型低空目标的有效性。 低空目标对机场等空域安全的威胁日趋显著，其精准探测与识别是雷达系统亟待解决的关键问题，而高质量的雷达实测数据集是推进低空目标识别的核心基础。然而，现有公开雷达低空目标数据集多为仿真数据或近距离采集数据，难以真实反映和验证远距离场景下雷达目标识别性能。因此，该文构建了基于全息凝视雷达(HSR)的低空目标探测识别数据集，完成了外场环境下典型低空目标的实测数据采集与识别验证。该数据集涵盖多旋翼无人机、雀类、大型迁徙鸟等典型目标，以及悬停、盘旋、径向飞行等典型运动场景，并且同步提供目标多普勒瀑布图与雷达实测航迹信息(含方位角、俯仰角、径向速度、归一化信噪比)，为探索目标精细化特征与运动状态的内在关联提供了数据支撑。在此基础上，该文采用多模态自适应特征融合网络，提取不同目标的多普勒特征与运动学特征并进行融合，验证了区分不同类型低空目标的有效性。
低空目标对机场等空域安全的威胁日趋显著，其精准探测与识别是雷达系统亟待解决的关键问题，而高质量的雷达实测数据集是推进低空目标识别的核心基础。然而，现有公开雷达低空目标数据集多为仿真数据或近距离采集数据，难以真实反映和验证远距离场景下雷达目标识别性能。因此，该文构建了基于全息凝视雷达(HSR)的低空目标探测识别数据集，完成了外场环境下典型低空目标的实测数据采集与识别验证。该数据集涵盖多旋翼无人机、雀类、大型迁徙鸟等典型目标，以及悬停、盘旋、径向飞行等典型运动场景，并且同步提供目标多普勒瀑布图与雷达实测航迹信息(含方位角、俯仰角、径向速度、归一化信噪比)，为探索目标精细化特征与运动状态的内在关联提供了数据支撑。在此基础上，该文采用多模态自适应特征融合网络，提取不同目标的多普勒特征与运动学特征并进行融合，验证了区分不同类型低空目标的有效性。 低空目标对机场等空域安全的威胁日趋显著，其精准探测与识别是雷达系统亟待解决的关键问题，而高质量的雷达实测数据集是推进低空目标识别的核心基础。然而，现有公开雷达低空目标数据集多为仿真数据或近距离采集数据，难以真实反映和验证远距离场景下雷达目标识别性能。因此，该文构建了基于全息凝视雷达(HSR)的低空目标探测识别数据集，完成了外场环境下典型低空目标的实测数据采集与识别验证。该数据集涵盖多旋翼无人机、雀类、大型迁徙鸟等典型目标，以及悬停、盘旋、径向飞行等典型运动场景，并且同步提供目标多普勒瀑布图与雷达实测航迹信息(含方位角、俯仰角、径向速度、归一化信噪比)，为探索目标精细化特征与运动状态的内在关联提供了数据支撑。在此基础上，该文采用多模态自适应特征融合网络，提取不同目标的多普勒特征与运动学特征并进行融合，验证了区分不同类型低空目标的有效性。
2026, 15(4): 1278-1305.
摘要:
低空智能感知技术旨在将低空目标与环境的物理空间转化为可计算的数字空间，是支撑低空经济活动安全有序开展的基础。该文系统分析了当前低空场景下大规模视觉感知、目标感知以及环境感知等技术的发展现状与面临的挑战。针对现有挑战，该文提出了基于数字视网膜端边云协同架构的低空主动感知网，并从整体网络架构、云侧基础模型底座、端侧目标与环境感知技术等维度，详细阐述了其核心机制与关键技术。最后，通过初步实验，验证了该文所提感知网络在空地带宽受限条件下实现高效协同感知计算的有效性。 低空智能感知技术旨在将低空目标与环境的物理空间转化为可计算的数字空间，是支撑低空经济活动安全有序开展的基础。该文系统分析了当前低空场景下大规模视觉感知、目标感知以及环境感知等技术的发展现状与面临的挑战。针对现有挑战，该文提出了基于数字视网膜端边云协同架构的低空主动感知网，并从整体网络架构、云侧基础模型底座、端侧目标与环境感知技术等维度，详细阐述了其核心机制与关键技术。最后，通过初步实验，验证了该文所提感知网络在空地带宽受限条件下实现高效协同感知计算的有效性。
低空智能感知技术旨在将低空目标与环境的物理空间转化为可计算的数字空间，是支撑低空经济活动安全有序开展的基础。该文系统分析了当前低空场景下大规模视觉感知、目标感知以及环境感知等技术的发展现状与面临的挑战。针对现有挑战，该文提出了基于数字视网膜端边云协同架构的低空主动感知网，并从整体网络架构、云侧基础模型底座、端侧目标与环境感知技术等维度，详细阐述了其核心机制与关键技术。最后，通过初步实验，验证了该文所提感知网络在空地带宽受限条件下实现高效协同感知计算的有效性。 低空智能感知技术旨在将低空目标与环境的物理空间转化为可计算的数字空间，是支撑低空经济活动安全有序开展的基础。该文系统分析了当前低空场景下大规模视觉感知、目标感知以及环境感知等技术的发展现状与面临的挑战。针对现有挑战，该文提出了基于数字视网膜端边云协同架构的低空主动感知网，并从整体网络架构、云侧基础模型底座、端侧目标与环境感知技术等维度，详细阐述了其核心机制与关键技术。最后，通过初步实验，验证了该文所提感知网络在空地带宽受限条件下实现高效协同感知计算的有效性。
2026, 15(4): 1306-1321.
摘要:
在多输入多输出(MIMO)雷达近场成像中，二维MIMO阵列通过扩展阵列规模可有效提升空间分辨率。该文系统基于时分多址(TDMA)波形体制，利用MIMO阵列进行近场孔径合成成像，通过在波数域对多通道原始回波进行相干累加，实现对近场区域的高分辨率三维覆盖。该体制相较于传统机械扫描，更适用于民航安检等对实时性要求高的场景。然而，毫米波波长较短，为满足奈奎斯特采样准则设计的MIMO雷达阵列会导致收发阵元数量显著增加，造成较大的成本开销。针对以上问题，该文提出一种多约束协同稀疏阵列(CMC-SA) MIMO雷达近场成像算法，该算法在阵列方向图主瓣增益不变、旁瓣电平压低的约束条件下，以权向量\begin{document}$ {\ell}_{\rm P} $\end{document} \begin{document}$ {\ell}_{\rm P} $\end{document}
在多输入多输出(MIMO)雷达近场成像中，二维MIMO阵列通过扩展阵列规模可有效提升空间分辨率。该文系统基于时分多址(TDMA)波形体制，利用MIMO阵列进行近场孔径合成成像，通过在波数域对多通道原始回波进行相干累加，实现对近场区域的高分辨率三维覆盖。该体制相较于传统机械扫描，更适用于民航安检等对实时性要求高的场景。然而，毫米波波长较短，为满足奈奎斯特采样准则设计的MIMO雷达阵列会导致收发阵元数量显著增加，造成较大的成本开销。针对以上问题，该文提出一种多约束协同稀疏阵列(CMC-SA) MIMO雷达近场成像算法，该算法在阵列方向图主瓣增益不变、旁瓣电平压低的约束条件下，以权向量
2026, 15(4): 1322-1339.
摘要:
该文针对分布式多输入多输出雷达系统中存在的时频同步误差问题，提出了一种基于多时刻测量数据的目标参数与系统时频偏差联合估计方法，突破了传统方法基于单时刻观测与依赖直达波数据的局限，实现了无须直达波的多时刻测量数据融合的高精度参数联合估计。该文采用“闭式解”和“迭代优化”两步策略结合方法，首先利用两阶段加权最小二乘框架构建闭式解，仅使用首尾两个时刻的观测数据获得目标位置、速度及辅助变量的初始估计，该方法显式地对误差项中的二阶分量进行了建模并优化了加权矩阵的构建，有效提高了算法在高误差水平条件下的精确性和鲁棒性；其次，以该闭式解作为初始值，基于多时刻测量数据构建最大似然-最大后验概率目标函数，采用信赖域迭代优化方法进一步优化估计结果，并且实现了时频偏差参数的估计校正。仿真实验表明，所提方法在多种实验误差水平和几何配置下均展现了优于对比方法的性能优势，显著提升了目标定位、测速及时频偏差估计的精度与鲁棒性，具有重要的理论价值与实际应用前景。 该文针对分布式多输入多输出雷达系统中存在的时频同步误差问题，提出了一种基于多时刻测量数据的目标参数与系统时频偏差联合估计方法，突破了传统方法基于单时刻观测与依赖直达波数据的局限，实现了无须直达波的多时刻测量数据融合的高精度参数联合估计。该文采用“闭式解”和“迭代优化”两步策略结合方法，首先利用两阶段加权最小二乘框架构建闭式解，仅使用首尾两个时刻的观测数据获得目标位置、速度及辅助变量的初始估计，该方法显式地对误差项中的二阶分量进行了建模并优化了加权矩阵的构建，有效提高了算法在高误差水平条件下的精确性和鲁棒性；其次，以该闭式解作为初始值，基于多时刻测量数据构建最大似然-最大后验概率目标函数，采用信赖域迭代优化方法进一步优化估计结果，并且实现了时频偏差参数的估计校正。仿真实验表明，所提方法在多种实验误差水平和几何配置下均展现了优于对比方法的性能优势，显著提升了目标定位、测速及时频偏差估计的精度与鲁棒性，具有重要的理论价值与实际应用前景。
该文针对分布式多输入多输出雷达系统中存在的时频同步误差问题，提出了一种基于多时刻测量数据的目标参数与系统时频偏差联合估计方法，突破了传统方法基于单时刻观测与依赖直达波数据的局限，实现了无须直达波的多时刻测量数据融合的高精度参数联合估计。该文采用“闭式解”和“迭代优化”两步策略结合方法，首先利用两阶段加权最小二乘框架构建闭式解，仅使用首尾两个时刻的观测数据获得目标位置、速度及辅助变量的初始估计，该方法显式地对误差项中的二阶分量进行了建模并优化了加权矩阵的构建，有效提高了算法在高误差水平条件下的精确性和鲁棒性；其次，以该闭式解作为初始值，基于多时刻测量数据构建最大似然-最大后验概率目标函数，采用信赖域迭代优化方法进一步优化估计结果，并且实现了时频偏差参数的估计校正。仿真实验表明，所提方法在多种实验误差水平和几何配置下均展现了优于对比方法的性能优势，显著提升了目标定位、测速及时频偏差估计的精度与鲁棒性，具有重要的理论价值与实际应用前景。 该文针对分布式多输入多输出雷达系统中存在的时频同步误差问题，提出了一种基于多时刻测量数据的目标参数与系统时频偏差联合估计方法，突破了传统方法基于单时刻观测与依赖直达波数据的局限，实现了无须直达波的多时刻测量数据融合的高精度参数联合估计。该文采用“闭式解”和“迭代优化”两步策略结合方法，首先利用两阶段加权最小二乘框架构建闭式解，仅使用首尾两个时刻的观测数据获得目标位置、速度及辅助变量的初始估计，该方法显式地对误差项中的二阶分量进行了建模并优化了加权矩阵的构建，有效提高了算法在高误差水平条件下的精确性和鲁棒性；其次，以该闭式解作为初始值，基于多时刻测量数据构建最大似然-最大后验概率目标函数，采用信赖域迭代优化方法进一步优化估计结果，并且实现了时频偏差参数的估计校正。仿真实验表明，所提方法在多种实验误差水平和几何配置下均展现了优于对比方法的性能优势，显著提升了目标定位、测速及时频偏差估计的精度与鲁棒性，具有重要的理论价值与实际应用前景。
2026, 15(4): 1340-1359.
摘要:
强化学习是实现认知雷达目标检测的重要手段。现有研究主要面向集中式MIMO雷达设计检测方法，存在观测视角单一的缺陷。针对该问题，该文面向同时具备波形、空间分集的分布式MIMO雷达提出一种基于强化学习的多目标检测方法。该方法在利用空间分集保障目标检测鲁棒性的同时，以波形分集为核心构建了马尔可夫决策过程：首先通过统计信号检测手段感知环境中的目标属性，据此优化发射波形，并利用积累经验更新对环境态势的认知，循环往复，最终稳定获取在目标方向上聚焦的雷达波形，达到优异检测性能。其中，为方便目标定位，该文以形状规则的栅格作为待检测单元推导了多天线相干处理模式下的极大化栅格广义似然比检测器；为实现波形优化，该文设计了常规及强目标限制共两种优化问题，并给出基于连续凸近似的解法。经静态、动态场景的仿真实验表明，所提方法能够实现对环境态势的自主感知，且拥有比对比方法更优的检测性能，尤其在弱目标上表现更佳。 强化学习是实现认知雷达目标检测的重要手段。现有研究主要面向集中式MIMO雷达设计检测方法，存在观测视角单一的缺陷。针对该问题，该文面向同时具备波形、空间分集的分布式MIMO雷达提出一种基于强化学习的多目标检测方法。该方法在利用空间分集保障目标检测鲁棒性的同时，以波形分集为核心构建了马尔可夫决策过程：首先通过统计信号检测手段感知环境中的目标属性，据此优化发射波形，并利用积累经验更新对环境态势的认知，循环往复，最终稳定获取在目标方向上聚焦的雷达波形，达到优异检测性能。其中，为方便目标定位，该文以形状规则的栅格作为待检测单元推导了多天线相干处理模式下的极大化栅格广义似然比检测器；为实现波形优化，该文设计了常规及强目标限制共两种优化问题，并给出基于连续凸近似的解法。经静态、动态场景的仿真实验表明，所提方法能够实现对环境态势的自主感知，且拥有比对比方法更优的检测性能，尤其在弱目标上表现更佳。
强化学习是实现认知雷达目标检测的重要手段。现有研究主要面向集中式MIMO雷达设计检测方法，存在观测视角单一的缺陷。针对该问题，该文面向同时具备波形、空间分集的分布式MIMO雷达提出一种基于强化学习的多目标检测方法。该方法在利用空间分集保障目标检测鲁棒性的同时，以波形分集为核心构建了马尔可夫决策过程：首先通过统计信号检测手段感知环境中的目标属性，据此优化发射波形，并利用积累经验更新对环境态势的认知，循环往复，最终稳定获取在目标方向上聚焦的雷达波形，达到优异检测性能。其中，为方便目标定位，该文以形状规则的栅格作为待检测单元推导了多天线相干处理模式下的极大化栅格广义似然比检测器；为实现波形优化，该文设计了常规及强目标限制共两种优化问题，并给出基于连续凸近似的解法。经静态、动态场景的仿真实验表明，所提方法能够实现对环境态势的自主感知，且拥有比对比方法更优的检测性能，尤其在弱目标上表现更佳。 强化学习是实现认知雷达目标检测的重要手段。现有研究主要面向集中式MIMO雷达设计检测方法，存在观测视角单一的缺陷。针对该问题，该文面向同时具备波形、空间分集的分布式MIMO雷达提出一种基于强化学习的多目标检测方法。该方法在利用空间分集保障目标检测鲁棒性的同时，以波形分集为核心构建了马尔可夫决策过程：首先通过统计信号检测手段感知环境中的目标属性，据此优化发射波形，并利用积累经验更新对环境态势的认知，循环往复，最终稳定获取在目标方向上聚焦的雷达波形，达到优异检测性能。其中，为方便目标定位，该文以形状规则的栅格作为待检测单元推导了多天线相干处理模式下的极大化栅格广义似然比检测器；为实现波形优化，该文设计了常规及强目标限制共两种优化问题，并给出基于连续凸近似的解法。经静态、动态场景的仿真实验表明，所提方法能够实现对环境态势的自主感知，且拥有比对比方法更优的检测性能，尤其在弱目标上表现更佳。
2026, 15(4): 1360-1377.
摘要:
该文基于互质差分共性阵列研究运动单站的多目标直接定位问题。针对现有基于矩阵范数最小化的运动单站直接定位方法存在虚拟阵元冗余数据利用不充分和运算复杂度高的问题，该文提出了一种融合虚拟阵元冗余数据平均和协方差矩阵缺失元素快速补全的多目标直接定位方法。该方法引入虚拟阵元冗余数据平均技术构建差分共性阵列，并结合孔洞零值填充和Toeplitz矩阵重构恢复协方差矩阵的秩，然后基于核范数与Frobenius范数比值最小化原则，设计基于自适应阈值策略和Toeplitz约束的交替投影迭代算法，以实现虚拟阵列协方差矩阵缺失元素的高效补全，最后应用数据融合算法进行定位。数值仿真表明，所提方法能够在降低运算复杂度的同时提升定位精度，尤其在低信噪比和少观测数据场景中表现优异，有效平衡了定位精度与实时性的需求。 该文基于互质差分共性阵列研究运动单站的多目标直接定位问题。针对现有基于矩阵范数最小化的运动单站直接定位方法存在虚拟阵元冗余数据利用不充分和运算复杂度高的问题，该文提出了一种融合虚拟阵元冗余数据平均和协方差矩阵缺失元素快速补全的多目标直接定位方法。该方法引入虚拟阵元冗余数据平均技术构建差分共性阵列，并结合孔洞零值填充和Toeplitz矩阵重构恢复协方差矩阵的秩，然后基于核范数与Frobenius范数比值最小化原则，设计基于自适应阈值策略和Toeplitz约束的交替投影迭代算法，以实现虚拟阵列协方差矩阵缺失元素的高效补全，最后应用数据融合算法进行定位。数值仿真表明，所提方法能够在降低运算复杂度的同时提升定位精度，尤其在低信噪比和少观测数据场景中表现优异，有效平衡了定位精度与实时性的需求。
该文基于互质差分共性阵列研究运动单站的多目标直接定位问题。针对现有基于矩阵范数最小化的运动单站直接定位方法存在虚拟阵元冗余数据利用不充分和运算复杂度高的问题，该文提出了一种融合虚拟阵元冗余数据平均和协方差矩阵缺失元素快速补全的多目标直接定位方法。该方法引入虚拟阵元冗余数据平均技术构建差分共性阵列，并结合孔洞零值填充和Toeplitz矩阵重构恢复协方差矩阵的秩，然后基于核范数与Frobenius范数比值最小化原则，设计基于自适应阈值策略和Toeplitz约束的交替投影迭代算法，以实现虚拟阵列协方差矩阵缺失元素的高效补全，最后应用数据融合算法进行定位。数值仿真表明，所提方法能够在降低运算复杂度的同时提升定位精度，尤其在低信噪比和少观测数据场景中表现优异，有效平衡了定位精度与实时性的需求。 该文基于互质差分共性阵列研究运动单站的多目标直接定位问题。针对现有基于矩阵范数最小化的运动单站直接定位方法存在虚拟阵元冗余数据利用不充分和运算复杂度高的问题，该文提出了一种融合虚拟阵元冗余数据平均和协方差矩阵缺失元素快速补全的多目标直接定位方法。该方法引入虚拟阵元冗余数据平均技术构建差分共性阵列，并结合孔洞零值填充和Toeplitz矩阵重构恢复协方差矩阵的秩，然后基于核范数与Frobenius范数比值最小化原则，设计基于自适应阈值策略和Toeplitz约束的交替投影迭代算法，以实现虚拟阵列协方差矩阵缺失元素的高效补全，最后应用数据融合算法进行定位。数值仿真表明，所提方法能够在降低运算复杂度的同时提升定位精度，尤其在低信噪比和少观测数据场景中表现优异，有效平衡了定位精度与实时性的需求。
2026, 15(4): 1378-1402.
摘要:
合成孔径雷达(SAR)利用合成孔径原理实现高分辨微波成像的遥感技术，而SAR图像彩色化是遥感领域一项基础且关键的任务。与光学成像不同，SAR不受云雾干扰，可以实现对地全天候观测。然而，由于其成像原理，SAR图像属于灰度图像，严重缺乏光谱信息，视觉清晰度明显降低。因此，已有大量研究通过赋予SAR图像颜色信息来提高其可解释性。该文将综述现有的SAR图像彩色化技术，并归纳为3类：传统的SAR图像彩色化技术、基于深度学习的SAR-to-Optical图像彩色化技术和基于辐射特性保持的SAR图像彩色化技术。最后总结了其应用场景和未来的发展方向。 合成孔径雷达(SAR)利用合成孔径原理实现高分辨微波成像的遥感技术，而SAR图像彩色化是遥感领域一项基础且关键的任务。与光学成像不同，SAR不受云雾干扰，可以实现对地全天候观测。然而，由于其成像原理，SAR图像属于灰度图像，严重缺乏光谱信息，视觉清晰度明显降低。因此，已有大量研究通过赋予SAR图像颜色信息来提高其可解释性。该文将综述现有的SAR图像彩色化技术，并归纳为3类：传统的SAR图像彩色化技术、基于深度学习的SAR-to-Optical图像彩色化技术和基于辐射特性保持的SAR图像彩色化技术。最后总结了其应用场景和未来的发展方向。
合成孔径雷达(SAR)利用合成孔径原理实现高分辨微波成像的遥感技术，而SAR图像彩色化是遥感领域一项基础且关键的任务。与光学成像不同，SAR不受云雾干扰，可以实现对地全天候观测。然而，由于其成像原理，SAR图像属于灰度图像，严重缺乏光谱信息，视觉清晰度明显降低。因此，已有大量研究通过赋予SAR图像颜色信息来提高其可解释性。该文将综述现有的SAR图像彩色化技术，并归纳为3类：传统的SAR图像彩色化技术、基于深度学习的SAR-to-Optical图像彩色化技术和基于辐射特性保持的SAR图像彩色化技术。最后总结了其应用场景和未来的发展方向。 合成孔径雷达(SAR)利用合成孔径原理实现高分辨微波成像的遥感技术，而SAR图像彩色化是遥感领域一项基础且关键的任务。与光学成像不同，SAR不受云雾干扰，可以实现对地全天候观测。然而，由于其成像原理，SAR图像属于灰度图像，严重缺乏光谱信息，视觉清晰度明显降低。因此，已有大量研究通过赋予SAR图像颜色信息来提高其可解释性。该文将综述现有的SAR图像彩色化技术，并归纳为3类：传统的SAR图像彩色化技术、基于深度学习的SAR-to-Optical图像彩色化技术和基于辐射特性保持的SAR图像彩色化技术。最后总结了其应用场景和未来的发展方向。
2026, 15(4): 1403-1416.
摘要:
多子带融合技术是突破雷达硬件带宽限制、提升图像分辨率的重要途径。相较于非参数化方法，基于散射模型的参数化方法在抑制噪声与实现超分辨成像方面优势显著；然而，现有基于几何绕射理论的模型由于缺乏对目标结构特性的描述，难以准确表征稀疏场景中的人造金属目标的频率响应特性。为此，该文提出一种面向稀疏场景中的人造金属目标的多子带融合方法。首先，构建了简化属性散射中心(SASC)模型，通过引入散射体长度等结构参数对频谱的影响，增强了对复杂结构散射特性的刻画能力。其次，针对该模型的阶数估计问题，提出一种改进的最大奇异值差分准则，以实现模型阶数的稳健判定。在此基础上，进一步设计了一种广义松弛算法，能够对SASC模型进行高精度参数估计，从而完成多子带信号的有效融合。实验结果表明，所提算法在保持目标结构的清晰与完整的基础上，完成了相对于单子带分辨率的6.7倍提升。 多子带融合技术是突破雷达硬件带宽限制、提升图像分辨率的重要途径。相较于非参数化方法，基于散射模型的参数化方法在抑制噪声与实现超分辨成像方面优势显著；然而，现有基于几何绕射理论的模型由于缺乏对目标结构特性的描述，难以准确表征稀疏场景中的人造金属目标的频率响应特性。为此，该文提出一种面向稀疏场景中的人造金属目标的多子带融合方法。首先，构建了简化属性散射中心(SASC)模型，通过引入散射体长度等结构参数对频谱的影响，增强了对复杂结构散射特性的刻画能力。其次，针对该模型的阶数估计问题，提出一种改进的最大奇异值差分准则，以实现模型阶数的稳健判定。在此基础上，进一步设计了一种广义松弛算法，能够对SASC模型进行高精度参数估计，从而完成多子带信号的有效融合。实验结果表明，所提算法在保持目标结构的清晰与完整的基础上，完成了相对于单子带分辨率的6.7倍提升。
多子带融合技术是突破雷达硬件带宽限制、提升图像分辨率的重要途径。相较于非参数化方法，基于散射模型的参数化方法在抑制噪声与实现超分辨成像方面优势显著；然而，现有基于几何绕射理论的模型由于缺乏对目标结构特性的描述，难以准确表征稀疏场景中的人造金属目标的频率响应特性。为此，该文提出一种面向稀疏场景中的人造金属目标的多子带融合方法。首先，构建了简化属性散射中心(SASC)模型，通过引入散射体长度等结构参数对频谱的影响，增强了对复杂结构散射特性的刻画能力。其次，针对该模型的阶数估计问题，提出一种改进的最大奇异值差分准则，以实现模型阶数的稳健判定。在此基础上，进一步设计了一种广义松弛算法，能够对SASC模型进行高精度参数估计，从而完成多子带信号的有效融合。实验结果表明，所提算法在保持目标结构的清晰与完整的基础上，完成了相对于单子带分辨率的6.7倍提升。 多子带融合技术是突破雷达硬件带宽限制、提升图像分辨率的重要途径。相较于非参数化方法，基于散射模型的参数化方法在抑制噪声与实现超分辨成像方面优势显著；然而，现有基于几何绕射理论的模型由于缺乏对目标结构特性的描述，难以准确表征稀疏场景中的人造金属目标的频率响应特性。为此，该文提出一种面向稀疏场景中的人造金属目标的多子带融合方法。首先，构建了简化属性散射中心(SASC)模型，通过引入散射体长度等结构参数对频谱的影响，增强了对复杂结构散射特性的刻画能力。其次，针对该模型的阶数估计问题，提出一种改进的最大奇异值差分准则，以实现模型阶数的稳健判定。在此基础上，进一步设计了一种广义松弛算法，能够对SASC模型进行高精度参数估计，从而完成多子带信号的有效融合。实验结果表明，所提算法在保持目标结构的清晰与完整的基础上，完成了相对于单子带分辨率的6.7倍提升。
2026, 15(4): 1417-1433.
摘要:
毫米波雷达因其体积小、分辨率高、穿透能力强等优势，在安全检查、无损检测与穿墙成像等领域得到了广泛应用。高分辨率的毫米波雷达成像需要模拟合成孔径，即利用机械平台的结构化扫描实现二维空间密集采样，该过程在实际应用中耗时较长，因此已有许多研究在稀疏采样条件下对回波数据进行重建并用于成像。然而，现有稀疏恢复方法多依赖均匀随机采样假设，或计算复杂度较高，难以在合成孔径雷达(SAR)成像系统中实际应用。为解决此问题，该文提出一种基于低秩平滑矩阵补全的快速结构化稀疏毫米波三维SAR成像方法。首先，基于近场毫米波SAR成像原理，分析了回波数据所具有的全局低秩性质与局部平滑先验，论证了实际扫描采样中整行或整列缺失导致的结构化稀疏SAR数据具备可恢复性。在此基础上，构建了一种融合低秩与平滑约束的矩阵补全模型，该模型通过核范数与全变差正则化进行联合建模，并在交替方向乘子法(ADMM)框架下实现快速求解。最后，通过多组仿真与实测实验对所提出方法的性能进行验证，实验结果表明，在仅使用20%～30%随机稀疏采样的行或列回波数据下，该文方法即可在数十秒内实现快速数据恢复与高分辨率三维成像。 毫米波雷达因其体积小、分辨率高、穿透能力强等优势，在安全检查、无损检测与穿墙成像等领域得到了广泛应用。高分辨率的毫米波雷达成像需要模拟合成孔径，即利用机械平台的结构化扫描实现二维空间密集采样，该过程在实际应用中耗时较长，因此已有许多研究在稀疏采样条件下对回波数据进行重建并用于成像。然而，现有稀疏恢复方法多依赖均匀随机采样假设，或计算复杂度较高，难以在合成孔径雷达(SAR)成像系统中实际应用。为解决此问题，该文提出一种基于低秩平滑矩阵补全的快速结构化稀疏毫米波三维SAR成像方法。首先，基于近场毫米波SAR成像原理，分析了回波数据所具有的全局低秩性质与局部平滑先验，论证了实际扫描采样中整行或整列缺失导致的结构化稀疏SAR数据具备可恢复性。在此基础上，构建了一种融合低秩与平滑约束的矩阵补全模型，该模型通过核范数与全变差正则化进行联合建模，并在交替方向乘子法(ADMM)框架下实现快速求解。最后，通过多组仿真与实测实验对所提出方法的性能进行验证，实验结果表明，在仅使用20%～30%随机稀疏采样的行或列回波数据下，该文方法即可在数十秒内实现快速数据恢复与高分辨率三维成像。
毫米波雷达因其体积小、分辨率高、穿透能力强等优势，在安全检查、无损检测与穿墙成像等领域得到了广泛应用。高分辨率的毫米波雷达成像需要模拟合成孔径，即利用机械平台的结构化扫描实现二维空间密集采样，该过程在实际应用中耗时较长，因此已有许多研究在稀疏采样条件下对回波数据进行重建并用于成像。然而，现有稀疏恢复方法多依赖均匀随机采样假设，或计算复杂度较高，难以在合成孔径雷达(SAR)成像系统中实际应用。为解决此问题，该文提出一种基于低秩平滑矩阵补全的快速结构化稀疏毫米波三维SAR成像方法。首先，基于近场毫米波SAR成像原理，分析了回波数据所具有的全局低秩性质与局部平滑先验，论证了实际扫描采样中整行或整列缺失导致的结构化稀疏SAR数据具备可恢复性。在此基础上，构建了一种融合低秩与平滑约束的矩阵补全模型，该模型通过核范数与全变差正则化进行联合建模，并在交替方向乘子法(ADMM)框架下实现快速求解。最后，通过多组仿真与实测实验对所提出方法的性能进行验证，实验结果表明，在仅使用20%～30%随机稀疏采样的行或列回波数据下，该文方法即可在数十秒内实现快速数据恢复与高分辨率三维成像。 毫米波雷达因其体积小、分辨率高、穿透能力强等优势，在安全检查、无损检测与穿墙成像等领域得到了广泛应用。高分辨率的毫米波雷达成像需要模拟合成孔径，即利用机械平台的结构化扫描实现二维空间密集采样，该过程在实际应用中耗时较长，因此已有许多研究在稀疏采样条件下对回波数据进行重建并用于成像。然而，现有稀疏恢复方法多依赖均匀随机采样假设，或计算复杂度较高，难以在合成孔径雷达(SAR)成像系统中实际应用。为解决此问题，该文提出一种基于低秩平滑矩阵补全的快速结构化稀疏毫米波三维SAR成像方法。首先，基于近场毫米波SAR成像原理，分析了回波数据所具有的全局低秩性质与局部平滑先验，论证了实际扫描采样中整行或整列缺失导致的结构化稀疏SAR数据具备可恢复性。在此基础上，构建了一种融合低秩与平滑约束的矩阵补全模型，该模型通过核范数与全变差正则化进行联合建模，并在交替方向乘子法(ADMM)框架下实现快速求解。最后，通过多组仿真与实测实验对所提出方法的性能进行验证，实验结果表明，在仅使用20%～30%随机稀疏采样的行或列回波数据下，该文方法即可在数十秒内实现快速数据恢复与高分辨率三维成像。
2026, 15(4): 1434-1450.
摘要:
合成孔径雷达(SAR)具备全天时全天候高分辨成像的能力，在监视侦察、防空反导、灾害监测等军民领域发挥着重要的作用。然而，伴随着电子对抗技术的发展，雷达干扰机可对SAR成像结果造成虚假目标欺骗干扰，严重威胁到SAR图像的判读和实时决策。针对上述问题，该文结合目标电磁散射机理，提出了基于散射特征增强的SAR虚假目标欺骗干扰判别网络(SF-ViT)，该网络针对干扰机空间位置固定导致的回波方位分布差异和模板构型与信号参数不同导致的散射特征差异，通过一个浅层特征增强模块放大真实目标和虚假目标在图像域上的区别，再通过卷积-ViTs混合轻量化网络完成高维语义特征的提取和分类。经过该文构建的SAR虚假目标欺骗干扰数据集上的对比试验验证，所提网络在不同信噪比条件下可以达到94.97%的平均判别准确率，同时具有参数量低、易于部署到边缘设备的优势，并且通过消融实验验证了所提散射特征增强模块也可以与传统模型相结合，提高对SAR虚假目标欺骗干扰判别准确率。 合成孔径雷达(SAR)具备全天时全天候高分辨成像的能力，在监视侦察、防空反导、灾害监测等军民领域发挥着重要的作用。然而，伴随着电子对抗技术的发展，雷达干扰机可对SAR成像结果造成虚假目标欺骗干扰，严重威胁到SAR图像的判读和实时决策。针对上述问题，该文结合目标电磁散射机理，提出了基于散射特征增强的SAR虚假目标欺骗干扰判别网络(SF-ViT)，该网络针对干扰机空间位置固定导致的回波方位分布差异和模板构型与信号参数不同导致的散射特征差异，通过一个浅层特征增强模块放大真实目标和虚假目标在图像域上的区别，再通过卷积-ViTs混合轻量化网络完成高维语义特征的提取和分类。经过该文构建的SAR虚假目标欺骗干扰数据集上的对比试验验证，所提网络在不同信噪比条件下可以达到94.97%的平均判别准确率，同时具有参数量低、易于部署到边缘设备的优势，并且通过消融实验验证了所提散射特征增强模块也可以与传统模型相结合，提高对SAR虚假目标欺骗干扰判别准确率。
合成孔径雷达(SAR)具备全天时全天候高分辨成像的能力，在监视侦察、防空反导、灾害监测等军民领域发挥着重要的作用。然而，伴随着电子对抗技术的发展，雷达干扰机可对SAR成像结果造成虚假目标欺骗干扰，严重威胁到SAR图像的判读和实时决策。针对上述问题，该文结合目标电磁散射机理，提出了基于散射特征增强的SAR虚假目标欺骗干扰判别网络(SF-ViT)，该网络针对干扰机空间位置固定导致的回波方位分布差异和模板构型与信号参数不同导致的散射特征差异，通过一个浅层特征增强模块放大真实目标和虚假目标在图像域上的区别，再通过卷积-ViTs混合轻量化网络完成高维语义特征的提取和分类。经过该文构建的SAR虚假目标欺骗干扰数据集上的对比试验验证，所提网络在不同信噪比条件下可以达到94.97%的平均判别准确率，同时具有参数量低、易于部署到边缘设备的优势，并且通过消融实验验证了所提散射特征增强模块也可以与传统模型相结合，提高对SAR虚假目标欺骗干扰判别准确率。 合成孔径雷达(SAR)具备全天时全天候高分辨成像的能力，在监视侦察、防空反导、灾害监测等军民领域发挥着重要的作用。然而，伴随着电子对抗技术的发展，雷达干扰机可对SAR成像结果造成虚假目标欺骗干扰，严重威胁到SAR图像的判读和实时决策。针对上述问题，该文结合目标电磁散射机理，提出了基于散射特征增强的SAR虚假目标欺骗干扰判别网络(SF-ViT)，该网络针对干扰机空间位置固定导致的回波方位分布差异和模板构型与信号参数不同导致的散射特征差异，通过一个浅层特征增强模块放大真实目标和虚假目标在图像域上的区别，再通过卷积-ViTs混合轻量化网络完成高维语义特征的提取和分类。经过该文构建的SAR虚假目标欺骗干扰数据集上的对比试验验证，所提网络在不同信噪比条件下可以达到94.97%的平均判别准确率，同时具有参数量低、易于部署到边缘设备的优势，并且通过消融实验验证了所提散射特征增强模块也可以与传统模型相结合，提高对SAR虚假目标欺骗干扰判别准确率。
2026, 15(4): 1451-1466.
摘要:
干扰辨识是提升雷达目标识别系统抗干扰能力的关键环节。相较于单一干扰，复合干扰由于结构复杂、组合形式灵活，其辨识难度显著增加。然而，现有辨识方法大多为数据驱动模型，未引入干扰的先验信息，导致模型在复杂场景下存在性能瓶颈，且可解释性不足；同时，大多方法缺乏噪声抑制机制，在复杂环境下易出现噪声过拟合问题。为此，该文基于不同干扰在时域上的对称性数学先验，提出了一种干扰先验引导的噪声鲁棒雷达复合干扰多标签识别网络。首先，通过由粗到细去噪的策略对复合干扰进行噪声抑制，并优化干扰的先验结构，缓解辨识过程中由噪声引起的过拟合问题；其次，计算自相关对称性得分量化干扰先验强度，并通过对称编码器，将先验强度映射为门控机制，引导干扰特征融合并时序建模；最后，将噪声强度与时序特征联合嵌入到识别网络中，进一步增强模型在不同信噪比条件下的鲁棒性。实验表明，在低信噪比条件下，所提方法对15种间歇采样转发复合干扰和30种复杂复合干扰的平均识别准确率均超过90%，在性能优于最优对比模型的同时，显著降低了模型参数量。 干扰辨识是提升雷达目标识别系统抗干扰能力的关键环节。相较于单一干扰，复合干扰由于结构复杂、组合形式灵活，其辨识难度显著增加。然而，现有辨识方法大多为数据驱动模型，未引入干扰的先验信息，导致模型在复杂场景下存在性能瓶颈，且可解释性不足；同时，大多方法缺乏噪声抑制机制，在复杂环境下易出现噪声过拟合问题。为此，该文基于不同干扰在时域上的对称性数学先验，提出了一种干扰先验引导的噪声鲁棒雷达复合干扰多标签识别网络。首先，通过由粗到细去噪的策略对复合干扰进行噪声抑制，并优化干扰的先验结构，缓解辨识过程中由噪声引起的过拟合问题；其次，计算自相关对称性得分量化干扰先验强度，并通过对称编码器，将先验强度映射为门控机制，引导干扰特征融合并时序建模；最后，将噪声强度与时序特征联合嵌入到识别网络中，进一步增强模型在不同信噪比条件下的鲁棒性。实验表明，在低信噪比条件下，所提方法对15种间歇采样转发复合干扰和30种复杂复合干扰的平均识别准确率均超过90%，在性能优于最优对比模型的同时，显著降低了模型参数量。
干扰辨识是提升雷达目标识别系统抗干扰能力的关键环节。相较于单一干扰，复合干扰由于结构复杂、组合形式灵活，其辨识难度显著增加。然而，现有辨识方法大多为数据驱动模型，未引入干扰的先验信息，导致模型在复杂场景下存在性能瓶颈，且可解释性不足；同时，大多方法缺乏噪声抑制机制，在复杂环境下易出现噪声过拟合问题。为此，该文基于不同干扰在时域上的对称性数学先验，提出了一种干扰先验引导的噪声鲁棒雷达复合干扰多标签识别网络。首先，通过由粗到细去噪的策略对复合干扰进行噪声抑制，并优化干扰的先验结构，缓解辨识过程中由噪声引起的过拟合问题；其次，计算自相关对称性得分量化干扰先验强度，并通过对称编码器，将先验强度映射为门控机制，引导干扰特征融合并时序建模；最后，将噪声强度与时序特征联合嵌入到识别网络中，进一步增强模型在不同信噪比条件下的鲁棒性。实验表明，在低信噪比条件下，所提方法对15种间歇采样转发复合干扰和30种复杂复合干扰的平均识别准确率均超过90%，在性能优于最优对比模型的同时，显著降低了模型参数量。 干扰辨识是提升雷达目标识别系统抗干扰能力的关键环节。相较于单一干扰，复合干扰由于结构复杂、组合形式灵活，其辨识难度显著增加。然而，现有辨识方法大多为数据驱动模型，未引入干扰的先验信息，导致模型在复杂场景下存在性能瓶颈，且可解释性不足；同时，大多方法缺乏噪声抑制机制，在复杂环境下易出现噪声过拟合问题。为此，该文基于不同干扰在时域上的对称性数学先验，提出了一种干扰先验引导的噪声鲁棒雷达复合干扰多标签识别网络。首先，通过由粗到细去噪的策略对复合干扰进行噪声抑制，并优化干扰的先验结构，缓解辨识过程中由噪声引起的过拟合问题；其次，计算自相关对称性得分量化干扰先验强度，并通过对称编码器，将先验强度映射为门控机制，引导干扰特征融合并时序建模；最后，将噪声强度与时序特征联合嵌入到识别网络中，进一步增强模型在不同信噪比条件下的鲁棒性。实验表明，在低信噪比条件下，所提方法对15种间歇采样转发复合干扰和30种复杂复合干扰的平均识别准确率均超过90%，在性能优于最优对比模型的同时，显著降低了模型参数量。
2026, 15(4): 1467-1486.
摘要:
针对当前光子辅助通感一体(ISAC)系统难以适用于低信噪比、高动态场景的问题，该文提出一种基于多斜率复用的多普勒鲁棒通感一体系统。通过复用多个不同调频斜率的LFM子载波，设计了多斜率复用频移键控线性调频(SDM-FSK-LFM)波形，并结合串行干扰消除技术，在获得高扩频增益的同时倍增通信速率。设计并验证了基于光频梳本振的光子辅助ISAC收发机，实现高频段ISAC信号的产生与光域去斜处理。实验成功产生了Ku频段、带宽1.536 GHz的十载波SDM-FSK-LFM信号。在目标探测方面，实现了分辨率0.05 m的测距，分辨率超过信号带宽限制；在通信方面，实现了95.86 Mbps的背靠背通信速率，7个子载波在0 dB信噪比下误码率(BER)低于10–4，5个子载波在200 kHz多普勒频移下BER低于10–5。该系统具有良好的抗噪能力和多普勒鲁棒性，为高动态场景下的多用户ISAC应用提供了可行解决方案。 针对当前光子辅助通感一体(ISAC)系统难以适用于低信噪比、高动态场景的问题，该文提出一种基于多斜率复用的多普勒鲁棒通感一体系统。通过复用多个不同调频斜率的LFM子载波，设计了多斜率复用频移键控线性调频(SDM-FSK-LFM)波形，并结合串行干扰消除技术，在获得高扩频增益的同时倍增通信速率。设计并验证了基于光频梳本振的光子辅助ISAC收发机，实现高频段ISAC信号的产生与光域去斜处理。实验成功产生了Ku频段、带宽1.536 GHz的十载波SDM-FSK-LFM信号。在目标探测方面，实现了分辨率0.05 m的测距，分辨率超过信号带宽限制；在通信方面，实现了95.86 Mbps的背靠背通信速率，7个子载波在0 dB信噪比下误码率(BER)低于10–4，5个子载波在200 kHz多普勒频移下BER低于10–5。该系统具有良好的抗噪能力和多普勒鲁棒性，为高动态场景下的多用户ISAC应用提供了可行解决方案。
针对当前光子辅助通感一体(ISAC)系统难以适用于低信噪比、高动态场景的问题，该文提出一种基于多斜率复用的多普勒鲁棒通感一体系统。通过复用多个不同调频斜率的LFM子载波，设计了多斜率复用频移键控线性调频(SDM-FSK-LFM)波形，并结合串行干扰消除技术，在获得高扩频增益的同时倍增通信速率。设计并验证了基于光频梳本振的光子辅助ISAC收发机，实现高频段ISAC信号的产生与光域去斜处理。实验成功产生了Ku频段、带宽1.536 GHz的十载波SDM-FSK-LFM信号。在目标探测方面，实现了分辨率0.05 m的测距，分辨率超过信号带宽限制；在通信方面，实现了95.86 Mbps的背靠背通信速率，7个子载波在0 dB信噪比下误码率(BER)低于10–4，5个子载波在200 kHz多普勒频移下BER低于10–5。该系统具有良好的抗噪能力和多普勒鲁棒性，为高动态场景下的多用户ISAC应用提供了可行解决方案。 针对当前光子辅助通感一体(ISAC)系统难以适用于低信噪比、高动态场景的问题，该文提出一种基于多斜率复用的多普勒鲁棒通感一体系统。通过复用多个不同调频斜率的LFM子载波，设计了多斜率复用频移键控线性调频(SDM-FSK-LFM)波形，并结合串行干扰消除技术，在获得高扩频增益的同时倍增通信速率。设计并验证了基于光频梳本振的光子辅助ISAC收发机，实现高频段ISAC信号的产生与光域去斜处理。实验成功产生了Ku频段、带宽1.536 GHz的十载波SDM-FSK-LFM信号。在目标探测方面，实现了分辨率0.05 m的测距，分辨率超过信号带宽限制；在通信方面，实现了95.86 Mbps的背靠背通信速率，7个子载波在0 dB信噪比下误码率(BER)低于10–4，5个子载波在200 kHz多普勒频移下BER低于10–5。该系统具有良好的抗噪能力和多普勒鲁棒性，为高动态场景下的多用户ISAC应用提供了可行解决方案。
微信 | 公众平台 
