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。
简介:研究了高分辨极化雷达目标识别问题,给出了瞬态极化Wigner-Ville分布(WVD)的定义,提出了基于瞬态极化WVD相关的目标识别方法,以充分利用目标回波的极化信息,并且揭示了该方法的性能改善与目标回波极化散度之间的关系.最后利用五种飞机缩比模型外场测量数据进行了目标识别实验.实验结果表明,该方法是一种有效的高分辨极化雷达目标识别方法.
简介:针对传统基于微波手段的空间对地观测主要方法——星载合成孔径雷达(SAR)体制受限于目标与雷达的相对运动问题,结合由量子关联成像发展而来的微波关联成像技术,提出了一种新的通过多颗分布式卫星实现凝视成像方法。首先,在微波关联成像的基础之上,建立一维微波关联成像的信号模型。然后,在极坐标系下,通过一维微波关联成像实现对回波半径向的“聚焦”,得到单部雷达对目标的距离环图像。其次,通过N颗分布式星载雷达得到距离环方程组,联立方程组解算目标位置信息,实现二维分辨能力;确定位置信息之后,进一步通过距离环幅度方程组解算目标幅度信息。最后,通过对稀疏场景进行仿真、成像处理,验证了该方法的有效性。
简介:用多个分布式小卫星构成星座,可以完成多项雷达探测任务,如地面动目标检测(GMTI)、地面高程测量等,其探测性能可比单个卫星明显提高.分布式小卫星也可用来提高SAR的横向分辨率,主要是解决高横向分辨率与宽测绘带的矛盾.小卫星用横向孔径小的天线(为提高横向分辨率)和较低的重复频率(为加宽测绘带),其回波信号会产生多普勒模糊,但多个小卫星的空间自由度可用来解模糊,从而可以实现宽域(宽观测条带)和高方位分辨率SAR成像.本文对分布式卫星解多普勒模糊的方法进行了讨论,并提出了对卫星星座构形的要求.如果星座构形已定,则应微调脉冲重复频率以满足解多普勒模糊的要求.