论文部分内容阅读
子带综合形成超宽带作为一门新兴的雷达信号处理技术,旨在利用工作在不同频带的多部雷达,经过融合处理形成超宽带信号,从而提高雷达的距离分辨率。其无需改进原始雷达系统的硬件并且能够有效地改善雷达的距离分辨率,因而得到了研究人员的广泛关注。本文主要对高速运动目标的子带对齐技术方法和混合噪声背景下的子带综合问题开展了研究,具体工作如下:1、针对实际应用中广泛存在高速运动雷达目标,首先,按照几何绕射理论(Geometrical Theory of Diffraction,GTD)对动目标回波信号进行建模;然后,分析目标的运动速度对子带对齐算法影响,并采用熵最小准则法对速度进行补偿;再次,对速度补偿后的回波信号进行分析,并给出了非相关因子的定义及内容;最后,为了估计出非相关因子,研究了基于时域相关的子带对齐方法以及基于极点估计值的子带对齐方法。计算机仿真表明,在信噪比(Signal to Noise Ratio,SNR)较高时,这两种方法都能较好地估计出非相关相位因子,从而对子带信号进行相关性恢复。2、针对前两种算法或是受限于带宽外推误差,或是由于模型定阶易受噪声干扰的缺陷,本文提出了一种基于稀疏重构的子带对齐方法。该方法利用雷达回波信号脉压后在频域的稀疏性,采用稀疏贝叶斯学习方法对雷达一维距离像进行重构,然后利用子带间的一维距离像的位置关系估计出子带信号间相位差的线性部分,进而通过求解非线性最小二乘问题获得固定相位估计,最后利用高低子带幅度之比估计出子带信号间的幅度差。计算机仿真结果表明,本文所提出的方法与现有算法相比在低信噪比条件下具有更高的子带相关性恢复精度。3、由于实际环境中的噪声可能不是高斯噪声,因此本文提出了一种混合噪声背景下基于支持向量回归(Support Vector Regression,SVR)的子带综合方法。该方法根据不同噪声的概率密度函数构造相应的罚函数,然后通过迭代求解SVR问题来得到GTD模型参数的最大后验概率估计,最后利用估计的参数重构出全频带信息。基于计算机仿真数据、FEKO仿真数据及暗室测量数据的验证结果表明,本文所提算法在混合噪声环境下的性能优于现有算法。