简介:针对天地波高频超视距雷达系统,研究了阵列幅相误差的校准方法。利用方位已知的直达波信号得到的幅相误差值,可以用来对天线阵列进行校准。而在实际雷达工作中,信号会受到杂波和环境影响从而导致校准值的稳定性变差。因此,采用对应时刻的校准值直接补偿会带来较大的误差。针对传统直接补偿存在的缺陷,提出了一种改进方法。该方法采用高斯函数累加模型对每个时刻校准值进行优选,从而达到校准值优化的目的。试验结果表明,该方法能够提高海流结果的准确性。
简介:针对合成孔径雷达(SAR)图像感兴趣区域(ROI)的分割问题,提出了一种基于Mellin变换的正则化参数的自适应选取方法。首先将SAR图像乘性相干斑噪声转化为加性相干斑噪声,在此基础上应用正则化模型建立SAR图像特征增强目标函数。然后推导出正则化参数与相应范数项的关系式,应用共轭梯度法对模型进行求解,最终达到图形特征增强与相应ROI分割的目的。所提算法不仅有效抑制了背景杂波,降低了相干斑的影响,而且还克服了传统方法对参数经验值选取的弊端。基于真实SAR图像数据的实验结果验证了该方法的简便性和有效性。
简介:通过数学推导发现了时间无限长线性调频(LFM)信号的分数阶Fourier变换(FRFT)模函数具有对称性,且单边单调。之后经过分析,得出时限LFM信号的FRFT模函数也具有较好的这种特性。根据此结论提出了基于FRFT的时限LFM信号检测与参数估计的新方法,此方法采用两级搜索,克服了FRFT算法误差对线性调频信号的FRFT模函数对称性和单调性的影响,在减少了运算量的同时提高了参数估计精度。仿真分析证实了此方法的有效性。
简介:对于极化敏感L型阵列的多参数联合估计问题,采用传统的多重信号分类(MUSIC)算法所需计算量大,采用旋转不变子空间(ESPRIT)算法需要考虑参数配对问题。提出了模值约束下的求根多重信号分类(root-MUSIC)算法,首先利用L型阵列中两个相互垂直的线阵构造两子阵接收数据的自相关函数,采用root—MUSIC算法进行波达方向角(DOA)估计,然后根据模值约束条件构造代价函数,通过闭合式解得到极化参数估计。该算法与传统MUSIC算法相比,大大减少了计算量,同时能够实现参数自动配对,避免了ESPRIT算法的不足。计算机仿真结果表明,该算法的角度估计性能与传统MUSIC算法接近,优于ESPRIT算法,且算法收敛速度快。