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。
随着物联网、5G通信等技术逐渐普及商用,全球高端模拟/射频芯片需求量大增。使用各种先进半导体工艺以及电路带宽化、高频化发展已经成为大势所趋。因此,宽带电磁场仿真对于高性能芯片设计来说是必不可少的。但是,基于频域的电磁计算方法需要对频率点进行逐个仿真。即使使用频率插值,如果频率响应有谐振点,其附近就需要较多的采样点才能计算准确。目前业界主流的芯片电磁仿真引擎多是基于平面分层格林函数(Layered Medium Green’s Function,LMGF)的矩量法技术。该方法省略了引擎对介质部分和金属地平面的计算量。但是,由于矩量法的计算复杂度高,特别当仿真频段较宽,或者频率间隔较密的时候,计算效率较低。所以本文主要研究几种宽带电磁仿真的算法。首先,使用基于Lagrange复矩阵有理插值算法,结合二分选点的方式,进行自适应频率扫描,通过判断前后两轮结果的误差是否达到收敛要求,如果满足可以返回结果,不满足则需要继续选取一组采样点重复上述步骤进行计算,并通过两个算例进行了插值过程的详细介绍。接着,提出了一种新的将基于零极点模型的向量拟合法和有理插值法相结合的算法,先估算出谐振点,就能大大减少采样点数。使用有理函数进行矢量拟合,可以快速得出极点位置,即零极点模型。从极点计算和残基求解两个步骤论述了向量拟合的完整过程,并进一步将矩阵有理插值与零极点模型相结合,使用基于误差的选点方式实现自适应扫频算法。数值算例验证了该方法的准确性。最后,上述两种算法都可以得到较为准确的频率响应,但对于电路中其他参数,例如品质因数(Q值)的计算,尤其在Q的峰值附近时,鲁棒性较差,所以引入了基于模型参数估计(Model Based Parameter Estimation,MBPE)的算法,该方法可以使用系数集合来精确地重建拟合模型范围内任意频率点处的整个辐射图案。将其与基于误差选点的方式进行结合,实现了自适应频率扫描算法,并且通过实验算例进行了验证分析。
宽带雷达相比早期窄带雷达拥有高距离分辨率,且抗干扰能力较强,电磁兼容性好,其电磁回波包含的电磁波谱信息更加丰富。因此,对于弹头类目标可以获取到更加有效、准确的精细化特征,从而可以区别弹头与诱饵、碎片等物体。目前,利用宽带雷达回波提取目标精细化特征的方法主要为超分辨方法和快速傅里叶变换法(Fast Fourier Transformation,FFT)。但前者通常模型阶数估计不准,后者测试结果精度不高。因此,可考虑综合使用两种方法实现互补。目前,对弹头目标研究通常假设其静止或平动,在考虑到其微动带来的影响时也会忽略其高速运动带来的影响。因此,本文综合考虑弹头同时高速运动和微动情况,并对提取运动中的弹头精细化特征方法开展研究,具体工作如下:首先,针对存在微运动的弹头目标,建立目标微动模型,用于描述目标上散射中心相对距离变化。其次,根据几何绕射理论(Geometrical Theory of Diffraction,GTD)建立回波信号模型,并基于目标高分辨一维距离像(High Range Resolution Profile,HRRP)观察目标测试长度的变化,以及目标径向与雷达视线夹角余弦值的变化,研究两者关系。而后,针对实验中从HRRP中提取目标长度方法,提出了一种相比FFT算法和自适应算法,更加高效的基于优先队列的散射中心提取方法。然后,对实际场景中存在高速运动的目标,分析目标速度对获取到的HRRP影响,并对速度带来的影响采取熵最小准则法进行补偿,改善失真现象,从而更精确获取目标径向长度特征。最后,通过实验验证高速运动和微动对目标回波信号影响,姿态角和目标测试长度均会带来变化。由于实际中获取到的目标HRRP存在距离分辨率带来的误差影响,导致测试长度曲线并不平滑。因此,本文提出一种基于最小二乘法的二阶正弦拟合方法。结果表明,该方法可以提高目标长度估计的准确性。之后,提出了一种遍历搜索的方法,寻找目标在一个微动周期内的初始姿态角,用于估计目标真实长度。并验证了考虑弹头目标同时存在高速运动的情况下,相比于仅考虑微运动,获取到的目标长度估计值更接近实际值。最后,利用FEKO仿真三类弹头目标对本文方法进行验证。结果表明本文所提方法,相比之前不考虑考虑弹头目标高速运动或仅使用一种结构特征提取方法会更加精确。
暂无评论