一种基于压缩感知的天波超视距雷达短时海杂波抑制方法

强地物杂波严重影响雷达系统对慢速目标的探测性能，对此设计了基于零频抑制与杂波图的地面慢速目标检测方法。采用Kalmus滤波器提高零频抑制能力，并针对慢速目标检测的实际需求，对其滤波性能和设计方法进行了分析。采用空间邻域插值方式完成目标区域的杂波背景积累，解决慢速目标检测不连续问题。最后对改进的慢速目标检测方法进行了仿真分析。实验结果表明，该方法对地面慢速目标的检测概率优于其他方法。

针对海上微动目标回波信号具有稀疏性的特点,该文研究了稀疏域微动特征提取和检测方法,提出一种基于形态成分分析(MCA)的海杂波抑制与微动目标检测方法.该方法充分利用海杂波和微多普勒信号组成成分的形态差异性,对不同源信号采用不同的字典进行稀疏表示,区分海杂波与微动目标.此外,提出的稀疏域海杂波抑制方法,能够在抑制海杂波的同时积累更多的信号能量,改善信杂比.仿真和实测数据验证了算法的正确性.

通过奇异值分解，实现对海杂波的抑制，进而实现弱小目标的检测

空时自适应处理是阵列天线杂波抑制的一种有效方法，该代码是空时级联自适应处理的一种实现方式，供大家参考

摘要： 序列星图中弱小目标的检测与定位是可见光天基监视中的关键技术之一，星图预处理的结果直接影响检测灵敏度及虚警率。文中引入一种在轨检测轨迹提取算法，该算法适用于高斯噪声的星图，由高斯最小二乘拟合、小区域滤波及星象边缘阈值分割三步组成。可抑制噪声背景减少虚假目标的同时，较好地保持星象边缘。通过算法性能分析可知，同美国天基可见关相机（SBV）在轨检测（Moving Target Indicator， MTI）及传统阈值分割算法相比，虚假目标数量减少80%，弱小目标信噪比提高3 dB。由于对星斑边缘保持较好，使得恒星及卫星的定位精度优于MTI算法1个角秒。算法实时性强，有利于工程应用。

针对不同分布海杂波的抑制及目标检测问题，首次将自适应噪声对消器应用在海杂波的处理中，并且将此对消器与小波分解理论相结合来抑制海杂波，提取出目标。首先，对含有目标的海杂波信号进行小波分解。然后，类比自适应噪声对消器模型，设计一种自适应杂波对消器。将经小波分解后的信号作为自适应杂波对消器的输入信号，经过自适应杂波对消器输出的信号即为杂波抑制的结果。最后，通过MATLAB仿真，分析采用不同的小波基函数和不同的分解层数的杂波抑制效果，验证此种算法对于海杂波抑制的有效性。

雷达系统用于通过在自由空间中传输电磁波来检测物体。 它们在期望的回波信号极有可能干扰其他来源的信号的环境中运行。 这些信号包括杂波和干扰信号。 干扰器是一种在雷达环境中连续发射宽带无线电信号，从而使接收器充满噪声或虚假信息的设备。 因此，总的接收信号具有三个分量，即来自目标，杂波和干扰的回波相结合，即它是三维信号。 常规信号处理技术的使用是不可取的，因为它们无法将所需的回声信号与其他分量分开，因为不知道接收信号中存在的这些分量的统计信息。 在机载监视雷达中，必须解决此问题，因为它们必须在多个干扰环境中识别和定位目标。 空时自适应技术（STAP）是空间和时间滤波的组合，可以消除干扰信号并识别慢速移动的目标。 这些技术在角域和多普勒域中对信号进行滤波，以抑制不需要的信号。 本文对时空自适应编码技术进行了理论研究，并介绍了STAP算法的MATLAB实现。 SMI，DPCA和ADPCA，以抑制接收脉冲中的杂波和干扰干扰。

提出一种机载雷达杂波抑制的级联降维空时自适应算法,即,先对全空时两维接收数据进行预滤波处理,将杂波局域化,降低杂波自由度;然后对预处理输出的信号的相关矩阵进行子阵划分,求解低维权向量,进一步降低运算量和采样要求。理论分析和实验仿真结果表明,所提算法具有良好的收敛性能和杂波抑制能力,并且对于阵元随机幅相误差和杂波起伏具有很好的容差能力。基于实测数据的实验验证了算法的有效性和稳健性。

　　目前,岸基高频地波雷达(High Frequency Surface Wave Radar,HFSWR)的研究及应用已经比较成熟。随着经济全球化和国家利益的扩展,远海护航、海外撤侨、海军走向深蓝等任务的需要,岸基HFSWR有其局限性,作为岸基HFSWR技术的深入与发展,船载HFSWR的提出和深入研究顺理成章。船载HFSWR除具有岸基雷达的优点外,其主要特点为船载平台具有的灵活机动性。利用此特点,船载HFSWR可灵活部署到感兴趣海域开展目标探测任务。因此,船载HFSWR有着广泛的发展前景和应用价值。