一、雷达杂波抑制方法及DSP实现技术（论文文献综述）
钱炳锋[1]（2020）在《足球机器人阵列天线的自适应信号处理算法研究》文中研究说明大场地足球机器人比赛是人工智能、视觉与传感、通讯、控制科学等交叉学科应用的典型,需要同时监测空中和地面的足球运动轨迹,解决传统机器人存在对环境适应能力不强或者受光线影响大等问题,还需要面对复杂的电磁干扰、噪音和杂波环境。阵列天线具有波束控制灵活的独特优点,能满足多目标跟踪与识别、强自适应抗干扰能力和高可靠性等功能的要求,本文主要对阵列天线足球机器人自适应信号处理算法开展研究。自适应波束形成（ADBF）技术可以在电磁工作环境恶化和大量射频干扰存在的情况下,通过对权值的自适应控制达到增强目标信号、抑制干扰信号的目标,从而实现空域滤波。研究并提升自适应处理算法的实时与稳健性就有着极为重要的理论意义与工程价值。本文紧密围绕阵列天线抗干扰和杂波抑制的解决方法,分别对足球机器人阵列天线信号模型、快速自适应波束形成与空时自适应处理、基于敏感函数信源估计的特征干扰相消波束形成算法和基于对称多处理器（SMP）的超大点数FFT算法四个方面开展研究,具体研究了以下内容。首先,本文详细从数学模型对足球机器人阵列天线的信号模型和自适应处理准则进行了分析。研究了在一定条件下的三种准则,发现这些不同优化准则是等价的,为不同自适应结构和ADBF方法的相互转化提供了理论条件。提出了足球机器人阵列天线杂波分布特性、空时自适应处理原则与杂波抑制性能的评价体系。天线平台运动导致杂波回波信号具有颇为严重的空时耦合属性,通过采样矩阵来进行求逆运算可解决该问题。同时研究杂波抑制性能评价体系,主要是通过输出信干噪比（SINR）以及系统改善因子来实现。第二,研究了基于敏感函数信源估计的特征干扰相消波束形成算法。传统的自适应波束形成算法运算量较大,对硬件设备要求较高;而且对系统误差的稳健性较差。针对传统特征干扰相消波束形成（EC）算法在无法估计信源数目等场合的自适应波束所形成的问题,提出了使用敏感函数信源估计的稳健特征干扰相消波束形成（REC）算法。该算法能利用敏感函数对信号干扰子空间的信源数目进行有效的估计,而且可以利用空间谱搜索的方式,判断并剔除主瓣内目标信号对自适应权矢量计算的影响。因此,无论目标信号是否包含在训练样本中,该算法的抗干扰性能都得到了良好体现。第三,研究了快速自适应波束形成和空时自适应处理。本文对采样协方差矩阵进行Gram-Schmidt（GS）正交化的RGS算法进行了提高抑制干扰性能的研究,发现RGS算法可以充分利用快拍数据信息,在较少的快拍数时就能有效抑制干扰,达到理想的性能输出。此外,针对空时自适应处理（STAP）技术在实际系统中的应用存在杂波子空间泄露现象,研究了在杂波子空间泄露情况下的基于两级降维的稳健部分自适应STAP算法,该算法能有效改善STAP算法在杂波子空间泄露情况下的性能。第四,研究了使用对称多处理器的超大点数快速傅里叶变换算法。快速傅里叶变换（FFT）算法有处理器资源有限和执行效率降低两大问题。在空时自适应处理（STAP）系统中,为了最大限度提升FFT算法实现效率,FFT的实现过程要结合处理器的特性,针对特有平台来编写实现。本文通过分析对称多处理器（SMP）并行处理系统架构特点,给出一种适用于SMP的超大点数FFT算法,并解决了改进超大点数FFT算法带来的三个问题。本文在足球机器人阵列天线信号模型的基础上,提出干扰和杂波信号模型、最优波束形成准则和杂波抑制性能评价体系等;提出基于敏感函数信源估计的特征干扰相消波束形成算法,不管训练样本中是否有目标信号均能取得良好的抗干扰性能;提出快速自适应波束形成算法和空时自适应处理技术,更准确地估计干扰子空间和提高杂波子空间泄露下的性能;提出基于SMP的超大点数FFT算法,能节省近1/2的存储资源,提升大点数FFT处理速度的同时,提高了信号处理的实时性。本研究用的足球机器人阵列天线可以提升竞赛监控以及目标探测能力,还能对多目标跟踪与辨识给予很好的满足,同时满足高可靠性与自适应性、实时性等性能方面的要求。
彭宇[2]（2020）在《基于FPGA和DSP架构的空时自适应雷达信号处理设计与实现》文中研究说明空时自适应处理（Space-Time Adaptive Processing,STAP）技术诞生于1973年,该技术能够在空时二维有效的抑制地（海）强杂波和强干扰,大幅度提升机载雷达微弱低速运动目标的检测性能。经过近半个世纪的发展,STAP理论趋于成熟,STAP技术的工程实现成为该领域的主要研究方向。随着高性能FPGA和DSP处理器技术的发展,赋予了FPGA强大的并行处理能力、DSP强大的浮点运算能力,基于FPGA和DSP架构的STAP实时处理系统成为当今主流。基于以上背景,本文围绕基于FPGA和DSP架构的空时自适应处理实现技术展开了研究。首先对STAP理论算法进行了研究,给出了一套工程化STAP算法方案,该方案适用于非均匀杂波环境,有较好的杂波抑制性能。采用目标导向约束和广义内积（GIP）算法联合对训练样本进行挑选,为估计杂波协方差矩阵提供了相对均匀的训练样本,然后利用m DT降维算法和子空间投影算法分别对均匀样本和非均匀样本进行杂波抑制,最后利用二维CA-CFAR和二维OS-CFAR联合进行恒虚警检测。然后针对STAP算法方案搭建了基于Open VPX标准的雷达信号处理平台,标准化的设计通用性强,兼容不同厂家的VPX板卡,有利于多厂家协同开发。该平台的信号处理核心是4块基于FPGA和DSP架构的信号处理板卡,其结构灵活,适合模块化设计,运算性能强大。同时,设计了基于串行Rapid IO的高速互连网络,使得该平台上的任何Rapid IO设备都可以实现互相通信。每一条链路都采用4通道,单链路理论数据带宽达到18Gbps,数据吞吐量大。接着在雷达信号处理平台上实现了工程化STAP算法方案,这也是本文的研究重点。本文对空时自适应处理的实现过程进行了详细的论述,包括STAP算法模块的划分与分配、FPGA逻辑设计、DSP程序设计、FPGA和DSP的通信传输设计,尤其是为了提高实时性所做的流水设计、内存规划和程序优化,以及为了提高精度所做的定点位宽扩展、归一化及定点转浮点设计。最后,搭建STAP系统测试平台,利用多组仿真雷达回波数据对STAP系统进行测试和分析,包括实时性、精度误差和资源消耗。测试结果表明,平均每个相参处理间隔的处理时间为23.522ms,系统延迟为62.578ms,满足实时性需求。相对于MATLAB双精度浮点运算,STAP系统的目标检测相对误差精度为10-3量级。FPGA和DSP处理器的运算、存储资源消耗占比低于70%,有一定的系统扩展空间。
张艺坤[3]（2020）在《基于多核DSP的SAR成像与GMTI算法设计》文中研究指明机载合成孔径雷达（Synthetic Aperture Radar,SAR）不仅具备对地面静止物体的远距离、高分辨率成像,同时还可以实现对地面动目标的检测,在军事和民用领域都有极大的应用价值。针对SAR信号处理具有回波数据量大、算法计算复杂、实时性要求高等特点,结合无人机载平台特性,设计便于无人机搭载的高性能SAR实时信号处理系统是当今SAR研究热点之一。本文设计的SAR实时信号处理系统采用基于3U尺寸的VPX总线设计,该系统集信号采集功能、信号处理功能、数据存储功能和数据回放功能于一体,由多个功能模块组成。其核心为信号处理模块,该模块基于多核DSP芯片TMS320C6678设计而成,负责完成大部分信号处理任务。TMS320C6678芯片内部集成了8个工作主频可达1.25GHz的C66x系列内核,此外还具有三级存储结构和丰富的接口资源。这些特性使其可以满足SAR实时信号处理所需的高传输带宽、大数据量和大计算量等要求。本文的主要工作是设计基于多核DSP芯片TMS320C6678的嵌入式实时信号处理软件,实现条带SAR成像、聚束SAR成像、GMTI处理与DBS成像结合等功能。针对SAR处理过程具有大数据量、可并行处理等特点,本文提出一种数据分段存储方法,将数据按照距离向分为八段存储,便于多核DSP并行协同处理数据。此外,本文还提出了一种基于C6678的大数据量非方阵矩阵原址转置方法,将非方阵矩阵划分为若干小方阵,然后针对小方阵进行矩阵转置,从而实现大方阵的矩阵原址转置,节省存储空间占用;同时,转置后的数据在后续的DMA时效率更高,可以提升程序执行效率。本文结合这两种方法进行软件设计,具体设计内容包括软件整体框架设计和算法设计。算法设计时根据模式不同可分为条带SAR成像模式、聚束SAR成像模式和GMTI模式。SAR模式下本文结合机载平台特性与实测数据,在距离-多普勒算法（Range-Doppler,RD）和极坐标格式算法（Polar Format Algorithm,PFA）基础上增加相应算法模块进行算法改进,主要包括运动补偿模块、PGA估计模块、方位调频率估计模块和图像校正模块等。此外在GMTI模式下本文将GMTI处理与DBS成像相结合进行工程实现。在不同模式下进行算法设计时,本文首先依据所改进的算法处理特点及项目需求进行DSP间任务分配及数据交互方案设计。然后给出各个模式下的算法处理流程和各算法模块的具体设计与实现方法。最后结合雷达实测数据在每种模式下进行功能测试,可以得到清晰的地面场景图像和动目标点迹,对图像分辨率等指标分析过后均符合要求,验证了本文设计的可行性。
岳亮[4]（2020）在《机载外辐射源雷达杂波抑制及GPU实现》文中提出机载外辐射源雷达系统以非合作照射源为发射站,通过放置在载机平台上的接收系统获取回波以实现目标探测等功能,具有静默探测、可视范围广、抗干扰能力强等优点,存在巨大的应用潜力和极高的研究价值。然而,该雷达采用的发射信号通常为波束下视的连续波信号,其杂波功率远高于目标回波,且具有较高旁瓣;同时由于载机平台的运动,杂波多普勒发生扩展,此时传统的杂波对消算法不再适用,需要针对其杂波特性研究有效的杂波抑制方法。本文通过对机载外辐射源雷达杂波的建模仿真及特性分析,研究其杂波抑制技术和并行实现方法。具体研究内容如下:1、针对机载外辐射源雷达系统的杂波抑制问题,首先建立杂波模型,并进行杂波特性分析,结果表明杂波具有较高旁瓣且分布于一定的多普勒带宽内。针对强杂波旁瓣导致空时自适应处理性能下降的问题,本文首先通过拓展至多普勒维的时域自适应对消方法抑制回波信号中的近距离强杂波,然后进行空时自适应处理抑制剩余杂波,从而实现机载外辐射源雷达杂波的有效抑制。针对全空时自适应处理算法计算量大、难以工程实现的问题,本文分析比较了几种降维方法,并选取阵元-多普勒域的降维算法实现空时自适应处理,在保证较优性能的同时降低了运算量和所需样本数。2、针对机载外辐射源雷达杂波抑制方法运算量大的问题,本文以GPU为处理平台,研究了杂波抑制过程中拓展最小二乘法、脉冲压缩和降维空时自适应处理模块的并行实现方法。针对杂波抑制算法中矩阵求逆计算复杂度较大的问题,本文根据并行度较高的高斯消元法编写内核函数,对矩阵逐列进行元素的并行归一和整体的消元操作,显着提高了高维矩阵的运算效率。最后,通过对比分析CPU和GPU平台的实验结果及算法运行时间,验证了所给并行方法的有效性。
张一培[5]（2020）在《毫米波导引头信号处理系统的设计与实现》文中进行了进一步梳理W波段是毫米波中重要的窗口频率,该波段的雷达信号处理系统的研究是毫米波应用中的热门课题,基于FPGA的毫米波雷达信号处理系统可以实现小型化、低功耗、高速数据处理等要求,本文的工作主要围绕雷达信号处理系统的设计展开。本文根据课题功能要求提出了基于扩展处理的模拟脉冲压缩方案,实现了对回波信号的模拟去斜、中频带通采样、正交变换多相滤波、多倍抽取以及FFT运算等处理。在回波信号的杂波抑制中,针对二次对消器抑制凹口较窄的问题,提出了一种改进的脉冲对消器结构并对其进行MATLAB仿真对比分析,验证了改进的脉冲对消器具有更深的槽口和更平的通带响应,设计了流水线结构的动目标检测方案,实现了动目标检测数据的实时处理,采用邻近单元取平均的快门限检测方案实现恒虚警概率检测。为了实现FPGA和DSP之间的数据高速传输,设计了EMIF高速传输接口,使数据传输速率达到40MB/s。在DSP中将处理完的数据通过点迹凝聚、4个周期解模糊、距离与速度跟踪算法以及和差脉冲角度跟踪算法实现对目标距离、速度与角度的跟踪。最后在ISE 14.7平台完成系统搭建并进行硬件实现,给出了系统实物图、电路设计图、chipscope工具抓取的实时信号图以及信号频谱图。验证了系统能够完成不同模式下雷达信号处理的功能,实现对目标的搜索和跟踪。
张昳[6]（2020）在《基于TMS320C6678的低慢小雷达数据处理算法的设计与实现》文中研究说明随着低空空域的开放,低空交通状况日益复杂,如何实现对无人机等低空慢速小型（以下简称“低慢小”）目标的有效管控已成为亟待解决的安全问题。低慢小目标具有飞行高度低、飞行速度慢、反射截面积小的特性,传统雷达对低慢小目标的检测效果差,低慢小目标探测雷达的研制具有重大意义。雷达数据处理是雷达系统的重要组成部分。通过对信号处理后得到的原始点迹进行点迹凝聚、数据互联、跟踪滤波等处理,可在减少虚警的同时,实现对目标的准确探测并建立稳定航迹。本文以脉冲多普勒体制“低慢小”雷达为项目背景,针对低慢小目标的特性,设计并实现了一种基于TMS320C6678多核DSP的低慢小雷达数据处理系统。首先,本文介绍了低慢小雷达的研究背景、研究现状以及雷达数据处理的相关理论基础,并对Kalman滤波算法进行了仿真和分析;然后,介绍了雷达系统的总体方案,对雷达数据处理系统进行了需求分析,基于需求设计了数据处理系统的各功能模块,给出了雷达数据处理系统方案,并对数据处理硬件平台的多个模块进行了研究,包括SRIO接口、千兆以太网接口以及EDMA等模块;之后,完成了基于TMS320C6678多核DSP平台数据流模式的雷达数据处理系统的设计与实现,包括通信模块和数据处理模块的设计与实现,在数据处理模块中,针对低慢小目标的特性,综合使用杂波图检测、保护通道滤波、增加速度维信息的点迹凝聚和航迹互联以及基于严格逻辑法的航迹起始等方式来改善对低慢小目标的检测性能;最后,对雷达数据处理系统进行了整体测试,将系统联调时输出的目标航迹信息与无人机真实的轨迹信息进行比对,验证系统的正确性,通过多次及长时间测试,分析和统计各个模块及整个系统的耗时,验证系统的稳定性和实时性。实验结果表明,本雷达数据处理系统能够有效地实现对低慢小目标的探测和跟踪,形成准确且稳定的航迹,符合设计要求,具有较强的实用价值。
孙珊珊[7]（2019）在《基于杂波图的目标检测算法研究与实现》文中研究指明雷达需要在具有起伏特性的杂波、噪声以及干扰的影响下进行目标的自动检测,恒虚警处理是雷达目标检测技术的核心。杂波图恒虚警处理适用于空域强度变化剧烈的杂波环境,是雷达恒虚警处理的重要研究方向,且其作为零多普勒处理的重要组成部分,在低速目标检测中发挥着不可替代的作用。本文的研究重点是杂波图恒虚警处理及其在低速目标检测中的应用。基于某脉冲压缩体制雷达信号处理系统,本文结合Kalmus滤波器和改进的选大杂波图恒虚警处理,给出一种基于杂波图的目标检测算法,其在杂波边缘环境下具有更优的低速目标检测性能。本文首先研究了雷达恒虚警处理的基本理论。分析了常规雷达杂波特性、Neyman-Pearson准则及其作为雷达通用检测准则的原因;研究了确知恒定高斯白噪声条件下的单脉冲最优检测;对于恒虚警处理算法,重点研究了CA-CFAR、GO-CFAR、SO-CFAR三种ML类CFAR算法,仿真分析了每种算法的检测过程及适用条件,研究了参考单元数目对ML类CFAR算法检测性能的影响,并对比分析了三种ML类算法的检测性能。针对随时间变化缓慢,而空域变化剧烈的杂波环境,本文着重研究了杂波图恒虚警处理。研究了杂波图的基本原理,包括建立方法、杂波图分类及各类杂波图的作用等。重点研究了Nitzberg杂波图检测技术、CACM-CFAR、混合CM/L-CFAR、选大杂波图CFAR四种杂波图CFAR算法,仿真分析了每种算法的检测过程并说明了算法的适用条件,研究了遗忘因子、迭代次数、阈值因子、参考单元数目等对算法检测性能的影响,并讨论了杂波图CFAR算法的最优遗忘因子取值问题。针对低速目标检测问题,研究了零多普勒处理中的零速滤波器和杂波图CFAR算法,仿真分析了采用零多普勒处理的原因。着重研究了Kalmus滤波器,并对选大杂波图进行了改进,使之更适用于杂波边缘环境下的低速目标检测;接着基于Kalmus滤波器和改进的选大杂波图,给出一种基于杂波图的低速目标检测算法,完成强地物杂波背景下的低速目标的检测。在算法实现时,基于某脉冲压缩体制雷达信号处理系统,给出系统实现方案。结合对消支路和零多普勒处理进行目标检测算法整体设计,在TS201 DSP上进行算法实现。在机场附近进行了数据采集,处理实测数据并分析检测结果,证明了本文所述算法的有效性。
丁施健[8]（2019）在《“低小慢”目标探测雷达信号处理机的设计》文中研究指明随着无人机行业的快速发展,城市空域面临着越来越严峻的安全威胁。无人机干扰航班、航拍敏感地区、向监狱投递违禁物品等案例,说明无人机已经成为了新的空域威胁,为此向雷达提出了探测“低高度、小体积、慢速度”目标的要求。由于目标“低小慢”的特性,必须考虑对杂波的抑制以及“低小慢”目标的检测问题。目标高度低导致背景杂波较强;目标体积小导致目标RCS（雷达有效反射截面积）比较小、检测到目标的回波更加微弱;目标速度慢导致目标与强地杂波的多普勒频移存在严重的混叠,在频域上更难分别出目标和杂波。这些因素导致了“低小慢”目标更加难以被雷达检测出来。本文针对“低小慢”目标难检测的特点,基于相控阵雷达平台设计了一款信号处理机。识别运动杂波后通过设计低副瓣滤波器来压低强杂波;通过研究多通道静态/动态杂波图与恒虚警融合技术能在复杂杂波背景下控制虚警上升、提高目标检测能力;通过俯仰维相位和差测角提高测高精度,便于雷达从高度上区分无人机与地面目标;同时分析了长时间积累下的距离高分辨处理,能带来杂波的细化与信噪比的提升;最后设计了基于FPGA的相控阵雷达信号处理机,该设计采用FPGA+DSP的硬件结构,能较好的承担复杂时序的设计以及信号处理算法任务。本文介绍了信号处理机的硬件配置方法与算法设计,同时给出了相控阵平台下信号处理机的测试内容与测试方法,最终通过整机雷达的实测结果验证信号处理机的性能。大量的测试证明该雷达对无人机具有较好的检测性能。在无人机各种飞行姿态下、复杂的城市环境中能有效探测到无人机,验证了信号处理方案的性能,说明本文研究的内容具有良好的应用前景与实用性。
薛彤晖[9]（2018）在《强杂波环境下低慢小目标检测方法研究》文中认为随着以消费级无人机为代表的低慢小目标的快速发展和应用,各类黑飞事件层出不穷,严重影响了社会稳定和国防安全。由于低慢小目标具有飞行高度低、飞行速度慢、雷达反射截面积小、受环境杂波影响强等特点,传统雷达难以对这类低慢小目标进行有效探测,因此,研究强杂波环境下低慢小目标的检测有非常重要的意义。本文从分析杂波特性出发,研究针对低慢小目标的杂波抑制方法和恒虚警检测方法,并结合工程实践进行了验证实现。首先,本文从幅度统计模型、功率谱模型、所处环境三方面对杂波特性展开研究,结合城市、海面、云雨等强杂波环境下的实测数据进行了分析,为杂波抑制与恒虚警检测方法研究提供依据。其次,针对传统杂波抑制方法不能有效保护低慢小目标能量的问题,本文提出了适用于地杂波抑制的加权均值滤波方法和适用于运动杂波抑制的噪声子空间方法,能有效区分杂波与目标,在抑制杂波的同时,保护低慢小目标能量。通过各类情况下的仿真验证了算法的有效性与鲁棒性,与传统抑制方法比有更高的信杂噪比改善,并通过实测数据对算法性能进行了验证分析。针对多杂波同时存在的情况,结合上述两种方法建立了新型双模杂波滤波器进行抑制,结合实测数据进行了验证。然后,本文对适用于低慢小目标的恒虚警检测方法进行了研究,对各类恒虚警处理方式在多种杂波环境下的检测性能进行比较分析,验证了修正后剔除平均（MTM）恒虚警检测器在不同杂波环境下对低慢小目标的检测均具有较好的检测性能,并结合实测数据进行了验证。最后,本文与工程实践相结合,介绍了某波段低慢小目标探测雷达系统结构和基于DSP的信号处理软件构架,将本文提出的杂波抑制方法进行了DSP实现与验证,分析并解决了雷达调试过程中遇到的问题。
卢昭[10]（2018）在《地面低速目标信号处理检测技术》文中认为地杂波中地面低速目标的信号处理检测技术是雷达信号处理的重要方向之一,如何有效的抑制环境中复杂的地杂波是提高地面监视雷达检测性能的关键。本文以地面监视雷达为背景,首先对雷达基本的发射信号和回波信号进行介绍,主要介绍了线性调频信号的模型以及单个脉冲和周期脉冲的回波信号模型,并对不同环境下的目标特性和杂波的分布特性进行总结。接着研究了MTI、MTD、自适应杂波对消以及杂波重构消除等杂波抑制相关算法,通过对理想条件下的回波仿真数据以及不同测量条件下实际数据的处理结果比较了不同算法的杂波抑制性能,并对各种算法的运算量进行分析。然后研究了杂波条件下的空域恒虚警检测及杂波图恒虚警检测,分析了不同类别的空域恒虚警检测以及时域恒虚警的虚警概率与门限因子之间的关系以及一定虚警概率下的检测性能,并对不同检测方法的检测性能进行比较。最后根据雷达信号处理的要求进行DSP多核分配,并提出了杂波条件下地面低速目标的信号处理检测相关算法的实现方案,分别设计了“CLEAN”杂波抑制、杂波图恒虚警检测以及系统校准的实现流程图,并对各个信号处理模块进行了编程实现。
二、雷达杂波抑制方法及DSP实现技术（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、雷达杂波抑制方法及DSP实现技术（论文提纲范文）
（1）足球机器人阵列天线的自适应信号处理算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究情况 |
| 1.2.1 稳健自适应波束形成算法 |
| 1.2.2 部分自适应STAP算法 |
| 1.2.3 稳健空时自适应处理算法 |
| 1.2.4 快速傅里叶变换 |
| 1.3 本文结构及主要内容 |
| 第2章 足球机器人阵列天线信号模型及处理原理 |
| 2.1 引言 |
| 2.2 竞赛足球机器人平台介绍 |
| 2.2.1 足球机器人机械结构 |
| 2.2.2 足球机器人电控系统 |
| 2.2.3 足球机器人阵列天线场景 |
| 2.3 自适应波束形成信号模型及处理原理 |
| 2.3.1 自适应波束形成信号模型 |
| 2.3.2 自适应波束形成处理原理 |
| 2.4 空时自适应处理信号模型及处理原理 |
| 2.4.1 空时自适应处理信号模型 |
| 2.4.2 空时自适应信号处理 |
| 2.5 本章小结 |
| 第3章 基于敏感函数信源估计的特征干扰相消波束形成算法 |
| 3.1 引言 |
| 3.2 经典的稳健自适应波束形成算法 |
| 3.2.1 对角加载算法 |
| 3.2.2 特征子空间算法 |
| 3.2.3 权矢量模约束算法 |
| 3.2.4 导向矢量不确定集约束算法 |
| 3.3 基于敏感函数的稳健特征干扰相消波束算法 |
| 3.3.1 波束形成器的敏感性 |
| 3.3.2 基于敏感函数信源估计的REC算法 |
| 3.4 计算机仿真验证 |
| 3.5 本章小结 |
| 第4章 快速自适应波束形成与空时自适应处理 |
| 4.1 引言 |
| 4.2 GS正交化的快速自适应波束形成 |
| 4.2.1 常规GS正交化算法 |
| 4.2.2 基于数据预处理的协方差矩阵GS正交化算法 |
| 4.3 稳健部分自适应STAP算法 |
| 4.3.1 杂波子空间泄露 |
| 4.3.2 杂波子空间稳健处理算法 |
| 4.3.3 基于两级降维的稳健部分自适应STAP算法 |
| 4.4 计算机仿真验证 |
| 4.5 本章小结 |
| 第5章 使用SMP的超大点数FFT算法 |
| 5.1 引言 |
| 5.2 SMP并行处理系统 |
| 5.3 改进型超大点数FFT算法 |
| 5.3.1 序列划分规则优化 |
| 5.3.2 铰链因子计算优化 |
| 5.3.3 数据分布和存储访问优化 |
| 5.4 实验验证 |
| 5.5 本章小结 |
| 第6章 总结和展望 |
| 6.1 总结 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 作者攻读博士学位期间的研究成果 |
| 致谢 |
（2）基于FPGA和DSP架构的空时自适应雷达信号处理设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 降维STAP算法研究现状 |
| 1.2.2 STAP实时系统研究现状 |
| 1.3 论文主要工作和结构安排 |
| 第二章 STAP基本原理和工程化STAP算法方案 |
| 2.1 引言 |
| 2.2 全自由度STAP算法原理 |
| 2.2.1 最优STAP处理器 |
| 2.2.2 杂波协方差矩阵估计 |
| 2.3 工程化STAP算法方案 |
| 2.4 m DT降维STAP算法 |
| 2.5 非均匀检测器 |
| 2.5.1 目标导向约束样本挑选 |
| 2.5.2 GIP非均匀检测器 |
| 2.6 子空间投影算法 |
| 2.7 二维CFAR |
| 2.8 本章小结 |
| 第三章 基于Open VPX标准的雷达信号处理平台设计 |
| 3.1 引言 |
| 3.2 Open VPX标准 |
| 3.3 雷达信号处理平台组成 |
| 3.4 基于FPGA和DSP架构的信号处理板卡 |
| 3.4.1 XC7VX690T FPGA性能简介 |
| 3.4.2 TMS320C6678 DSP性能简介 |
| 3.5 串行Rapid IO高速互连网络设计 |
| 3.5.1 串行Rapid IO简介 |
| 3.5.2 串行Rapid交换芯片CPS1848简介 |
| 3.5.3 VPX背板串行Rapid IO互连网络 |
| 3.5.4 高速交换板串行Rapid IO互连网络 |
| 3.5.5 信号处理板串行Rapid IO互连网络 |
| 3.6 本章小结 |
| 第四章 基于FPGA和DSP架构STAP系统实现 |
| 4.1 引言 |
| 4.2 总体方案 |
| 4.2.1 预处理实现流程 |
| 4.2.2 自适应实现流程 |
| 4.3 接收存储 |
| 4.3.1 SRIO接收距离多普勒图 |
| 4.3.2 DDR3存储距离多普勒图 |
| 4.4 样本挑选 |
| 4.4.1 目标导向约束样本挑选实现 |
| 4.4.2 GIP样本挑选实现 |
| 4.5 杂波抑制 |
| 4.5.1 m DT降维STAP算法实现 |
| 4.5.2 子空间投影SVD分解算法实现 |
| 4.5.3 二维CFAR检测及目标上传 |
| 4.6 本章小结 |
| 第五章 STAP系统测试与分析 |
| 5.1 引言 |
| 5.2 系统测试平台 |
| 5.3 系统测试流程 |
| 5.3.1 仿真雷达回波数据 |
| 5.3.2 雷达回波模拟发送 |
| 5.3.3 目标结果实时显示 |
| 5.4 实时性分析 |
| 5.4.1 样本挑选运算时间统计 |
| 5.4.2 杂波抑制处理时间统计 |
| 5.5 精度误差分析 |
| 5.5.2 目标导向约束误差分析 |
| 5.5.3 GIP样本挑选误差分析 |
| 5.5.4 杂波抑制结果误差分析 |
| 5.5.5 CFAR检测结果误差分析 |
| 5.6 资源消耗统计与分析 |
| 5.6.1 FPGA资源统计与分析 |
| 5.6.2 DSP资源统计与分析 |
| 5.7 本章小结 |
| 第六章 工作总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（3）基于多核DSP的SAR成像与GMTI算法设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究历史及现状 |
| 1.2.1 SAR成像技术发展历史及现状 |
| 1.2.2 GMTI技术发展历史及现状 |
| 1.3 DSP在雷达信号处理中的应用 |
| 1.4 本文研究内容及安排 |
| 第二章 硬件平台介绍及信号处理软件框架设计 |
| 2.1 雷达系统整体介绍 |
| 2.2 雷达信号处理机 |
| 2.3 信号处理模块及DSP介绍 |
| 2.4 信号处理软件框架设计 |
| 2.4.1 概述 |
| 2.4.2 芯片初始化 |
| 2.4.3 内存分配 |
| 2.4.4 数据接收与存储 |
| 2.4.5 多核同步方法 |
| 2.5 本章小结 |
| 第三章 基于多核DSP的条带SAR成像算法设计 |
| 3.1 距离-多普勒算法 |
| 3.2 条带SAR成像算法实现流程设计 |
| 3.2.1 概述 |
| 3.2.2 DSP间任务分配及数据交互 |
| 3.2.3 成像处理流程 |
| 3.3 实测数据处理结果及分析 |
| 3.4 本章小结 |
| 第四章 基于多核DSP的聚束SAR成像算法设计 |
| 4.1 极坐标格式算法介绍 |
| 4.2 聚束SAR成像算法实现流程设计 |
| 4.2.1 概述 |
| 4.2.2 DSP间任务分配及数据交互 |
| 4.2.3 成像处理流程 |
| 4.3 实测数据处理结果及分析 |
| 4.4 本章小结 |
| 第五章 基于多核DSP的 GMTI处理与DBS成像算法设计 |
| 5.1 GMTI算法原理介绍 |
| 5.1.1 1DT杂波对消 |
| 5.1.2 CFAR检测 |
| 5.2 DBS成像原理 |
| 5.3 GMTI处理与DBS成像算法实现流程设计 |
| 5.3.1 概述 |
| 5.3.2 数据接收与存储 |
| 5.3.3 算法处理流程 |
| 5.4 实测数据处理结果 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（4）机载外辐射源雷达杂波抑制及GPU实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的主要内容及工作安排 |
| 第二章 GPU通用架构 |
| 2.1 GPU简介 |
| 2.2 GPU架构 |
| 2.3 CUDA模型 |
| 2.3.1 CUDA的编程与执行模型 |
| 2.3.2 CUDA存储模型 |
| 2.3.3 CUDA语法介绍 |
| 2.4 小结 |
| 第三章 机载外辐射源雷达杂波抑制技术 |
| 3.1 引言 |
| 3.2 机载外辐射源雷达系统 |
| 3.2.1 杂波信号模型 |
| 3.2.2 空时快拍模型 |
| 3.3 强杂波对消 |
| 3.3.1 RDLMS算法 |
| 3.3.2 拓展的LS算法 |
| 3.3.3 ECA-B算法 |
| 3.3.4 算法运算量分析 |
| 3.3.5 算法性能比较 |
| 3.4 空时自适应处理 |
| 3.4.1 STAP算法 |
| 3.4.2 降维STAP |
| 3.4.3 算法运算量分析 |
| 3.4.4 算法性能比较 |
| 3.5 小结 |
| 第四章 机载外辐射源雷达杂波抑制方法的GPU实现 |
| 4.1 引言 |
| 4.2 基本运算 |
| 4.2.1 矩阵相乘 |
| 4.2.2 FFT变换 |
| 4.2.3 矩阵求逆 |
| 4.3 强杂波对消的GPU实现 |
| 4.3.1 并行方法 |
| 4.3.2 仿真实现及结果分析 |
| 4.4 脉冲压缩的GPU实现 |
| 4.4.1 并行方法 |
| 4.4.2 仿真实现及结果分析 |
| 4.5 空时自适应处理的GPU实现 |
| 4.5.1 并行方法 |
| 4.5.2 仿真实现及结果分析 |
| 4.6 小结 |
| 第五章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（5）毫米波导引头信号处理系统的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 雷达信号处理的发展概况 |
| 1.2.1 雷达信号处理的发展过程 |
| 1.2.2 雷达信号处理的发展趋势 |
| 1.3 本文主要研究内容及章节安排 |
| 2 雷达信号处理的相关技术 |
| 2.1 脉冲压缩技术 |
| 2.1.1 脉冲压缩基本原理 |
| 2.1.2 脉冲压缩实现方式 |
| 2.1.3 线性调频信号的脉冲压缩 |
| 2.2 杂波抑制技术 |
| 2.2.1 动目标显示MTI |
| 2.2.2 动目标检测MTD |
| 2.3 恒虚警概率检测技术 |
| 2.4 本章小结 |
| 3 毫米波雷达信号处理的FPGA实现 |
| 3.1 系统方案设计 |
| 3.2 线性调频信号的实现 |
| 3.3 和差三通道回波信号的脉冲压缩 |
| 3.3.1 模拟去斜 |
| 3.3.2 数字正交变换 |
| 3.3.3 FFT运算处理 |
| 3.4 杂波抑制与目标检测 |
| 3.4.1 一种改进的脉冲对消器 |
| 3.4.2 基于FFT的频域动目标检测 |
| 3.5 CFAR检测 |
| 3.6 本章小结 |
| 4 毫米波雷达数据处理的FPGA实现 |
| 4.1 雷达目标测角 |
| 4.1.1 雷达测角基本原理 |
| 4.1.2 雷达目标和差测角 |
| 4.2 雷达系统多模式控制 |
| 4.3 雷达数据后期处理 |
| 4.3.1 雷达数据预处理 |
| 4.3.2 雷达数据传输 |
| 4.4 本章小结 |
| 5 硬件验证及结果分析 |
| 5.1 硬件介绍 |
| 5.2 硬件验证结果 |
| 5.3 本章小结 |
| 总结 |
| 致谢 |
| 参考文献 |
| 附录 |
（6）基于TMS320C6678的低慢小雷达数据处理算法的设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 雷达数据处理国内外研究现状 |
| 1.2.2 低慢小目标探测技术国内外研究现状 |
| 1.2.3 DSP国内外研究现状 |
| 1.3 论文主要内容及结构安排 |
| 2 雷达数据处理算法 |
| 2.1 雷达数据处理概述 |
| 2.2 目标运动模型 |
| 2.3 量测数据预处理 |
| 2.3.1 杂波图检测 |
| 2.3.2 保护通道滤波 |
| 2.3.3 和差比幅测角 |
| 2.3.4 坐标变换 |
| 2.3.5 点迹凝聚 |
| 2.4 航迹起始 |
| 2.5 航迹滤波预测 |
| 2.5.1 系统模型 |
| 2.5.2 滤波模型 |
| 2.5.3 仿真分析 |
| 2.6 航迹互联 |
| 2.7 航迹终止 |
| 2.8 本章小结 |
| 3 雷达系统方案 |
| 3.1 雷达系统总体方案 |
| 3.2 雷达数据处理系统方案 |
| 3.2.1 数据处理功能需求 |
| 3.2.2 芯片选型及芯片简介 |
| 3.2.3 雷达数据处理系统软硬件方案 |
| 3.3 系统硬件平台概述 |
| 3.3.1 SRIO接口 |
| 3.3.2 以太网接口 |
| 3.3.3 EDMA3 模块 |
| 3.3.4 SYS/BIOS实时操作系统 |
| 3.4 本章小结 |
| 4 雷达数据处理系统的设计与实现 |
| 4.1 数据处理系统设计 |
| 4.1.1 波位数据结构 |
| 4.1.2 数据流模式的多核算法设计 |
| 4.2 通用模块设计与实现 |
| 4.2.1 EDMA模块设计与实现 |
| 4.2.2 IPC模块设计与实现 |
| 4.2.3 解决缓存一致性问题 |
| 4.2.4 时间戳模块 |
| 4.3 基于核0 的通信接口的设计与实现 |
| 4.3.1 SRIO接口的设计与实现 |
| 4.3.2 以太网接口设计与实现 |
| 4.4 基于核1 的解析及杂波抑制设计与实现 |
| 4.5 基于核2 的点迹凝聚设计与实现 |
| 4.6 基于核3 的目标跟踪算法设计与实现 |
| 4.6.1 目标跟踪流程设计 |
| 4.6.2 航迹更新设计 |
| 4.6.3 航迹跨波位设计 |
| 4.6.4 航迹上报 |
| 4.7 本章小结 |
| 5 系统测试 |
| 5.1 系统调试环境 |
| 5.2 DSP工程配置 |
| 5.3 系统调试及验证 |
| 5.4 系统实时性分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 致谢 |
| 参考文献 |
| 附录 攻读硕士学位期间参加的科学研究情况 |
（7）基于杂波图的目标检测算法研究与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 雷达目标检测算法发展概述 |
| 1.2.1 目标检测及恒虚警处理 |
| 1.2.2 杂波图恒虚警处理 |
| 1.3 论文主要内容 |
| 第二章 雷达恒虚警处理 |
| 2.1 常规雷达杂波特性 |
| 2.1.1 杂波散射特性 |
| 2.1.2 杂波统计特性 |
| 2.2 假设检验理论 |
| 2.2.1 Bayes准则 |
| 2.2.2 Neyman-Pearson准则 |
| 2.3 固定门限检测 |
| 2.4 均值类恒虚警处理 |
| 2.4.1 未知干扰对虚警概率的影响 |
| 2.4.2 CA-CFAR |
| 2.4.3 CA-CFAR的局限性 |
| 2.4.4 GO-CFAR和SO-CFAR |
| 2.5 恒虚警损失及均值类CFAR算法对比 |
| 2.6 本章小结 |
| 第三章 杂波图恒虚警处理 |
| 3.1 杂波图基本原理 |
| 3.2 杂波图恒虚警处理 |
| 3.2.1 Nitzberg杂波图检测技术 |
| 3.2.2 单元平均杂波图CFAR平面检测技术 |
| 3.2.3 混合CM/L-CFAR检测技术 |
| 3.3 低速目标检测问题及解决思路 |
| 3.4 基于杂波图的低速目标检测算法 |
| 3.4.1 Kalmus滤波器 |
| 3.4.2 改进的选大杂波图CFAR处理 |
| 3.4.3 基于杂波图的低速目标检测算法 |
| 3.5 杂波图CFAR算法对比 |
| 3.6 本章小结 |
| 第四章 基于杂波图的目标检测算法实现 |
| 4.1 信号处理系统实现方案 |
| 4.2 目标检测算法设计 |
| 4.3 DSP实现及算法复杂度分析 |
| 4.4 实测数据处理及分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（8）“低小慢”目标探测雷达信号处理机的设计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 相控阵雷达研究背景 |
| 1.2 无人机探测雷达的意义与关键技术研究 |
| 1.2.1 无人机探测雷达的意义 |
| 1.2.2 小目标检测技术研究动态 |
| 1.3 本文的主要工作和内容安排 |
| 2 相控阵雷达的研究 |
| 2.1 相控阵雷达的组成 |
| 2.1.1 波束控制机 |
| 2.1.2 天线与TR组件 |
| 2.1.3 频综与发射机 |
| 2.1.4 接收机 |
| 2.1.5 信号处理机 |
| 2.1.6 数据处理与终端 |
| 2.2 本章小结 |
| 3 “低小慢”目标的信号处理 |
| 3.1 杂波抑制方法 |
| 3.1.1 动目标处理 |
| 3.1.2 运动杂波抑制 |
| 3.2 目标检测方法 |
| 3.2.1 空域多恒虚警融合技术 |
| 3.2.2 杂波图检测技术 |
| 3.3 相位和差测角技术 |
| 3.4 长时间积累下的高分辨处理 |
| 3.4.1 距离高分辨处理 |
| 3.4.2 目标长时间积累 |
| 3.5 本章小结 |
| 4 基于FPGA的相控阵雷达信号处理机的实现 |
| 4.1 信号处理机硬件平台介绍 |
| 4.1.1 FPGA芯片选型 |
| 4.1.2 时钟芯片的调试 |
| 4.1.3 AD9653 的调试 |
| 4.1.4 AD9739 的调试 |
| 4.1.5 88E1111 的调试 |
| 4.2 信号处理关键技术在FPGA上的实现 |
| 4.2.1 数字信号下变频 |
| 4.2.2 脉冲压缩 |
| 4.2.3 动目标检测滤波器 |
| 4.2.4 单元平均CFAR |
| 4.3 雷达波形设计与指标验证 |
| 4.4 整机时序设计 |
| 4.5 系统实验 |
| 4.5.1 信号处理机的测试 |
| 4.5.2 雷达整机实验 |
| 4.6 本章小结 |
| 5 总结与展望 |
| 5.1 全文总结 |
| 5.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）强杂波环境下低慢小目标检测方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 论文研究的背景和意义 |
| 1.2 研究现状与发展方向 |
| 1.2.1 低慢小目标检测研究现状 |
| 1.2.2 低慢小目标检测的发展方向 |
| 1.3 本文的研究内容及安排 |
| 第2章 强杂波环境下杂波特性分析 |
| 2.1 杂波幅度统计模型 |
| 2.1.1 瑞利分布 |
| 2.1.2 对数正态分布 |
| 2.1.3 韦布尔分布 |
| 2.2 杂波功率谱模型 |
| 2.3 强杂波环境下杂波构成与分析 |
| 2.3.1 地杂波 |
| 2.3.2 海杂波 |
| 2.3.3 气象杂波 |
| 2.4 实测数据验证与分析 |
| 2.4.1 城市环境回波数据分析 |
| 2.4.2 海边环境回波数据分析 |
| 2.4.3 云雨环境回波数据分析 |
| 2.5 本章小结 |
| 第3章 杂波抑制方法研究 |
| 3.1 加权均值滤波的地杂波抑制方法 |
| 3.1.1 传统地杂波抑制方法 |
| 3.1.2 方法原理及介绍 |
| 3.1.3 算法仿真与分析 |
| 3.1.4 实测数据验证 |
| 3.2 基于噪声子空间的运动杂波抑制方法 |
| 3.2.1 MUSIC算法及噪声子空间 |
| 3.2.2 基于噪声子空间的杂波抑制 |
| 3.2.3 算法仿真与分析 |
| 3.2.4 实测数据验证 |
| 3.3 新型双模杂波抑制方法研究 |
| 3.3.1 双模滤波器设计 |
| 3.3.2 双模滤波器应用 |
| 3.3.3 实测数据验证 |
| 3.4 本章小结 |
| 第4章 CFAR检测方法研究 |
| 4.1 MTM-CFAR检测器 |
| 4.1.1 ML类与OS类 CFAR检测器 |
| 4.1.2 MTM-CFAR检测器 |
| 4.2 各类CFAR检测器性能分析与选取 |
| 4.2.1 参考样本选取 |
| 4.2.2 均匀杂波环境中的性能 |
| 4.2.3 多目标环境中的性能 |
| 4.2.4 检测性能分析与选取 |
| 4.3 实测数据验证 |
| 4.4 本章小结 |
| 第5章 低慢小目标探测雷达的算法实现验证 |
| 5.1 低慢小目标探测雷达系统结构 |
| 5.2 雷达系统DSP实现架构 |
| 5.2.1 DSP软件实现框架 |
| 5.2.2 EDMA3控制器配置 |
| 5.3 DSP的算法实现与验证 |
| 5.3.1 算法可行性分析 |
| 5.3.2 算法实现流程图 |
| 5.3.3 算法实现验证 |
| 5.4 雷达系统调试 |
| 5.4.1 雷达系统整体校正 |
| 5.4.2 雷达系统通道内校正 |
| 5.4.3 雷达系统调试后效果 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表论文与研究成果清单 |
| 致谢 |
（10）地面低速目标信号处理检测技术（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 地面监视雷达及目标检测技术发展概述 |
| 1.2.1 国外地面监视雷达研究现状 |
| 1.2.2 国内地面监视雷达研究现状 |
| 1.2.3 地面杂波抑制和低速目标检测技术发展现状 |
| 1.3 本文主要工作及章节安排 |
| 第2章 雷达收发信号特性及杂波特性分析 |
| 2.1 雷达信号模型 |
| 2.1.1 雷达发射信号 |
| 2.1.2 雷达回波信号 |
| 2.2 杂波特性 |
| 2.2.1 不同环境下的杂波 |
| 2.2.2 杂波统计特性分析 |
| 2.3 本章小结 |
| 第3章 雷达地杂波抑制方法 |
| 3.1 动目标显示(MTI)及动目标检测(MTD)技术 |
| 3.2 基于“CLEAN”谱估计的杂波抑制技术 |
| 3.3 基于最小均方自适应滤波器的杂波对消技术 |
| 3.3.1 算法原理 |
| 3.3.2 算法收敛条件 |
| 3.3.3 基于FFT的快速LMS算法 |
| 3.4 算法比较 |
| 3.5 本章小结 |
| 第4章 杂波条件下的目标检测方法 |
| 4.1 奈曼-皮尔逊(Neyman-Pearson)准则 |
| 4.2 空域恒虚警检测 |
| 4.3 杂波图检测 |
| 4.3.1 概述 |
| 4.3.2 点杂波图检测 |
| 4.3.3 面杂波图检测 |
| 4.3.4 频域杂波图检测 |
| 4.4 检测性能比较 |
| 4.5 本章小结 |
| 第5章 基于DSP的杂波环境下信号处理方法实现 |
| 5.1 系统概述及DSP软件总体设计 |
| 5.2 DSP软件详细设计 |
| 5.2.1 通道校准 |
| 5.2.2 “CLEAN”地杂波抑制 |
| 5.2.3 频域杂波图检测 |
| 5.2.4 基于频域杂波图的自适应STC衰减控制 |
| 5.3 本章小结 |
| 第6章 总结 |
| 6.1 本文工作总结 |
| 6.2 未来展望 |
| 参考文献 |
| 攻读学位期间发表论文与研究成果清单 |
四、雷达杂波抑制方法及DSP实现技术（论文参考文献）
- [1]足球机器人阵列天线的自适应信号处理算法研究[D]. 钱炳锋. 东华大学, 2020(01)
- [2]基于FPGA和DSP架构的空时自适应雷达信号处理设计与实现[D]. 彭宇. 西安电子科技大学, 2020(05)
- [3]基于多核DSP的SAR成像与GMTI算法设计[D]. 张艺坤. 西安电子科技大学, 2020(05)
- [4]机载外辐射源雷达杂波抑制及GPU实现[D]. 岳亮. 西安电子科技大学, 2020(05)
- [5]毫米波导引头信号处理系统的设计与实现[D]. 张一培. 南京理工大学, 2020(01)
- [6]基于TMS320C6678的低慢小雷达数据处理算法的设计与实现[D]. 张昳. 南京理工大学, 2020(01)
- [7]基于杂波图的目标检测算法研究与实现[D]. 孙珊珊. 西安电子科技大学, 2019(02)
- [8]“低小慢”目标探测雷达信号处理机的设计[D]. 丁施健. 南京理工大学, 2019(06)
- [9]强杂波环境下低慢小目标检测方法研究[D]. 薛彤晖. 北京理工大学, 2018(07)
- [10]地面低速目标信号处理检测技术[D]. 卢昭. 北京理工大学, 2018(07)