雷达系统可通过发射稀疏频谱波形(Sparse Frequency Waveform,SFW)克服同频窄带干扰问题,然而SFW通常具有较高的距离旁瓣,降低了弱小目标的检测性能。针对该问题,该文提出一种设计低距离旁瓣SFW的相位编码方法。该方法以联合最小化波形...雷达系统可通过发射稀疏频谱波形(Sparse Frequency Waveform,SFW)克服同频窄带干扰问题,然而SFW通常具有较高的距离旁瓣,降低了弱小目标的检测性能。针对该问题,该文提出一种设计低距离旁瓣SFW的相位编码方法。该方法以联合最小化波形功率谱密度均方差和距离旁瓣为准则建立目标函数,并提出一种基于快速傅里叶变换的循环迭代算法(Cycle Iterative Algorithm,CIA)求解目标函数获得最优相位编码波形。随后将该方法扩展至多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达,设计一组具有良好自/互相关特性SFW的相位编码。该方法沿着使目标函数非递增的方向搜索,且无需求解共轭梯度,计算复杂度低,可快速设计并更新发射波形。仿真结果验证了该方法的有效性与灵活性。展开更多
利用雷达目标在空间的稀疏特性,研究了一种基于压缩感知的伪随机频率步进雷达(compressive sensing based pseudo-random step frequency radar,CS-PRSFR)。首先,在分析CS-PRSFR目标回波的基础上,建立了目标参数提取模型;然后,针对在噪...利用雷达目标在空间的稀疏特性,研究了一种基于压缩感知的伪随机频率步进雷达(compressive sensing based pseudo-random step frequency radar,CS-PRSFR)。首先,在分析CS-PRSFR目标回波的基础上,建立了目标参数提取模型;然后,针对在噪声统计特性未知时,传统稀疏信号重构算法无法适用的问题,提出一种基于交叉验证的稳健SL0(robust SL0based on cross validation,CV-RSL0)目标参数提取算法。CS-PRSFR由于其感知矩阵较强的非相关性,可获得更高的距离-速度联合分辨性能;该算法无需已知噪声统计特性,随着信噪比的提高,其目标参数提取性能能够快速逼近最佳估计的下限。仿真结果表明该方法的正确性和有效性。展开更多
文摘利用雷达目标在空间的稀疏特性,研究了一种基于压缩感知的伪随机频率步进雷达(compressive sensing based pseudo-random step frequency radar,CS-PRSFR)。首先,在分析CS-PRSFR目标回波的基础上,建立了目标参数提取模型;然后,针对在噪声统计特性未知时,传统稀疏信号重构算法无法适用的问题,提出一种基于交叉验证的稳健SL0(robust SL0based on cross validation,CV-RSL0)目标参数提取算法。CS-PRSFR由于其感知矩阵较强的非相关性,可获得更高的距离-速度联合分辨性能;该算法无需已知噪声统计特性,随着信噪比的提高,其目标参数提取性能能够快速逼近最佳估计的下限。仿真结果表明该方法的正确性和有效性。
