一、机载前视风切变气象雷达信号处理技术研究（论文文献综述）
李海,宋迪,程伟杰,王杰[1]（2021）在《回波功率筛选与数字地表分类数据辅助的低空风切变风速估计方法》文中研究指明针对非均匀杂波环境下,低空风切变风速估计不准的问题,该文提出一种回波功率筛选与数字地表分类数据（DLCD）辅助的低空风切变风速估计方法。该方法首先利用样本回波功率对训练样本进行初选,然后利用DLCD计算各样本间的相似度,并从功率较大的训练样本中选取样本相似度较高的训练样本估计待测距离单元的杂波协方差矩阵,最后利用广义相邻多波束（GMB）-局域联合处理（JDL）的方法实现低空风切变风速的有效估计。
刘志鑫[2]（2020）在《海杂波背景下的低空风切变检测方法研究》文中指出随着世界科技与经济的发展,各国都在发展建造海上/滨海机场,例如英国伦敦第三机场、纽约拉瓜迪亚机场以及澳门机场等。然而由于海上/滨海机场附近气象条件复杂,民航客机在海上/滨海机场起飞降落将面临着许多恶劣的气象状况,会对飞机飞行安全造成重大威胁,而低空风切变则是众多恶劣气象状况中威胁飞机飞行安全的“头号杀手”。机载气象雷达作为飞机航电设备的重要组成部分可以在海面背景下进行低空风切变检测,但是却面临着许多困难,首当其冲的是机载气象雷达接收的海杂波信号会埋没低空风切变信号,使风速无法准确估计,导致低空风切变无法准确检测。目前的低空风切变检测方法多针对于地杂波背景,然而地杂波与海杂波之间存在着许多不同,海面波浪的运动会造成海杂波空时谱展宽,导致杂波抑制难度增加,影响低空风切变检测的准确性。因此专门研究海杂波背景下的低空风切变检测方法具有十分重要的意义。本论文以机载相控阵气象雷达为基础,针对海杂波背景下的低空风切变检测方法展开研究。主要内容如下:提出一种海杂波背景下基于空间多波束-时域滑窗的低空风切变检测方法。此方法首先对雷达回波数据进行预处理,然后构建空间多波束-时域滑窗的空时自适应处理（Space-Time Adaptive Processing,STAP）结构,对同频多普勒通道的输出进行自适应处理,构造代价函数实现低空风切变场的风速估计,最后计算平均F因子与告警阈值进行比较,实现低空风切变检测。针对独立同分布（Independent Identical Distribution,IID）训练样本数量极少的情况,提出一种基于稀疏重构的低空风切变检测方法,可仅利用几个少量的样本就能实现准确的低空风切变检测。此方法首先利用前视阵海杂波在角度-多普勒域的稀疏特性,通过构造超完备字典对空时快拍信号进行稀疏表示,采用稀疏贝叶斯学习算法进行信号重构,估计待检测距离单元的杂波协方差矩阵,然后通过构建空时自适应滤波器进行海杂波抑制与信号匹配,构造代价函数实现低空风切变风速估计,最后计算平均F因子进行低空风切变危险性判决,实现低空风切变检测。
雍从建[3]（2020）在《幅相误差情况下低空风切变检测》文中指出低空风切变通常出现在高度六百米以下,利用机载气象雷达对低空风切变进行检测时,此时航空器距离地面较近,因此气象雷达接收的回波信号中包含大量的地杂波信号,导致低空风切变无法被直接检测,为了在杂波背景下完成低空风切变检测,首先要对地杂波进行抑制。机载气象雷达在实际应用中,当存在阵元幅相误差时,导致杂波自由度增大,杂波在空时二维平面上散开,占据更大的二维空间,使得杂波谱变得更加复杂,以至于影响杂波抑制效果,进而导致低空风切变检测结果不准确。基于此,本论文以幅相误差为背景,对低空风切变检测方法进行了研究。首先,论文研究了幅相误差下机载气象雷达地杂波和低空风切变的回波数据模型,根据回波数据模型,对存在幅相误差的机载气象雷达回波信号进行了仿真,并对机载气象雷达地杂波的距离依赖性进行了推导,最后仿真了无误差和存在不同误差情况下的低空风切变和地杂波的空时二维谱,并进行了分析,为接下来的低空风切变检测奠定了基础。其次,针对存在幅相误差时,导致低空风切变检测不准确的问题,提出了一种基于组合空时主通道-局域联合空时自适应处理的低空风切检测方法。该方法首先依据雷达回波数据,对杂波存在的距离依赖性进行矫正;然后根据算法原理构造降维变换自适应处理器;最后利用求得的最优权矢量对雷达回波数据进行自适应滤波,完成幅相误差情况下低空风切变风速估计,从而实现低空风切变检测。仿真结果表明,该方法能够在幅相误差的情况下,很好的实现低空风切变检测。最后,针对CMCAP-JDL方法复杂度高计算量大的问题,提出一种计算量较小的改进辅助通道低空风切变检测方法。该方法首先采用幅相误差下基于修正导向矢量的杂波距离依赖性矫正方法;然后对待测距离单元杂波能量在波束-多普勒域的分布进行分析,根据杂波能量的分布特征选取辅助通道,来构建自适应降维处理器;最后利用求解的自适应降维处理器的最优权矢量实现对雷达回波数据的自适应滤波,完成幅相误差情况下低空风切变风速的准确估计,从而实现风切变检测。仿真结果表明,该方法在存在幅相误差时,能较好的实现低空风切变检测,同时进一步降低了运算量和算法复杂度。
宋迪[4]（2020）在《基于RD-STAP的线性调频连续波低空风切变检测方法研究》文中研究表明低空风切变属于一种尺度小、强度大、危害性强、不易监测的极端天气,在飞机起降阶段严重影响着飞行安全。机载气象雷达能够沿航路实时探测低空风切变等恶劣自然现象并实时发出告警,可谓是民航飞机的“双眼”。较传统的脉冲雷达,LFMCW（linear frequency modulated continuous wave,LFMCW）雷达体积小、重量轻,当LFMCW体制机载气象雷达下视探测低空风切变时,低空风切变信号会淹没在强杂波背景中,难以检测。空时自适应处理（Space-Time Adaptive Processing,STAP）可用于LFMCW体制机载气象雷达中进行杂波抑制,全维STAP处理性能优越,但其运算量难以接受,同时,当存在杂波起伏时,杂波谱发生扩展,低空风切变检测难度加大。因此,本文以LFMCW体制机载气象雷达为平台,分别针对传统STAP方法运算量大、存在杂波起伏时杂波难以抑制的问题,提出了两种降维STAP的低空风切变检测方法。第一,针对目标信号淹没在强杂波背景中,全维STAP运算量较大的问题,提出了一种基于两维两脉冲对消-局域联合处理（Two Dimensional Pulse-to-pulse Canceller-Joint Domain Localized,TDPC-JDL）的低空风切变检测方法。该方法首先利用载机速度和雷达工作参数设计TDPC预滤波器对回波数据进行预滤波,降低杂波功率,同时降低杂波自由度;然后利用局域联合处理对预滤波后的数据进行空时二维滤波,得出风速估计结果,最后利用风速估计结果计算出平均F因子,并进行低空风切变危险性判决。该方法在能够在显着降低运算量的同时准确检测出低空风切变。第二,当杂波存在内部起伏扰动的问题时,杂波谱展宽,杂波抑制难度加大,提出了一种基于扩展因子化-组合空时主通道自适应处理（Extended Factored ApproachCombined Space-time Main Channel Adaptive Processing,EFA-CMCAP）的低空风切变检测方法。该方法首先构造降维变换矩阵对待测距离单元的雷达回波数据进行降维处理,然后构造降维处理器的最优权矢量对降维处理后的数据进行自适应滤波,得出风速估计结果,最后利用风速估计结果计算出平均F因子,并进行低空风切变危险性判决。较传统方法,该方法能够在杂波起伏情况下,准确地检测出低空风切变,同时降低了STAP的运算量。
赵倢[5]（2020）在《利用矩阵分解的机载气象雷达回波谱矩估计》文中研究说明气象雷达是气象探测的重要手段,机载气象雷达（WXR）用于探测飞机前方航路上的雷暴雨、冰雹、湍流、风切变等恶劣气象区域,其性能直接关系到飞行的舒适性和安全性。在影响飞行安全的众多危险气象中,诸如晴空湍流、干性低空风切变等不伴随可见天气现象,造成雷达回波信噪比很低,常规机载气象雷达尚无法有效检测,因此这些危险气象对飞行安全存在较大的威胁。机载气象雷达目标检测的本质是回波谱矩估计,气象目标类型和雷达回波的谱矩参数（平均多普勒频率和多普勒谱宽）密切相关。机载气象雷达回波谱矩估计方法研究,对于提升探测气象目标的准确性和有效性具有非常重要的意义。论文针对低信噪比情况下常规机载气象雷达回波谱矩估计方法误差大、计算量大和在数据异常时估计不准确等问题,构建雷达回波协方差矩阵的参数化模型,利用矩阵分解,提出了两种适用于不同背景下的机载气象雷达回波谱矩估计方法,并通过仿真实验证明了所提方法在各自适用的条件下可有效估计雷达回波谱矩。主要工作总结如下:1.提出了一种基于DFT的雷达回波谱矩快速估计方法,可用于低信噪比情况。通过对雷达回波的协方差矩阵特性进行分析,并对其进行分解变换得到一种闭合式的协方差矩阵,因为没有采用近似结构,该模型可以在谱宽值较大时仍能保持较好的适用性,并利用其具有范德蒙结构特性得出基于FFT的无需搜索代价函数计算流程,在估计代价函数时不需要进行频率分割,采用全部数据进行计算,在降低运算量的同时提高了估计性能。该方法适用于低信噪比和大谱宽场景下,在降低计算复杂度的同时能准确估计回波谱矩。2.提出了一种基于L1-PCA的雷达回波谱矩估计方法,可用于雷达接收回波数据异常并有较多离群点的情况。通过对数据异常时雷达回波协方差矩阵参数化模型进行分解,利用信号子空间与噪声子空间的正交性和1范数的稳定性构建代价函数,进而估计雷达回波谱矩。该方法在雷达回波数据异常有较多离群点的情况下仍能保持较好的估计性能。
谭鸿刚[6]（2020）在《基于阵列信号处理的机载气象雷达地杂波抑制技术研究》文中研究指明机载气象雷达是飞机上必备的精密电子设备,可实时探测飞机航线上的强对流天气,如暴雨,湍流和风切变等,为飞行员提供气象预警以及安全的飞行路径。机载气象雷达一般安装在飞机前段,处于下视状态时,接收到的气象回波中存在高强度的地杂波,会严重干扰雷达对气象目标的识别,导致气象目标的虚警率以及误检率大幅上升。本文基于俯仰阵列天线接收技术,围绕机载气象雷达地杂波抑制技术展开研究,主要工作及创新点如下:研究了机载气象雷达回波信号建模及仿真技术。研究了气象目标和地杂波的雷达方程及其统计模型,在此基础上,分别提出了单个距离门回波信号的统计模型仿真法,及距离-脉冲二维回波数据仿真方法。对仿真数据进行了多普勒频谱分析,证明了回波数据在时、频域均与设置的参数相符,验证了仿真方法的有效性。研究了基于俯仰阵列信号处理的机载气象雷达杂波抑制技术。研究了机载俯仰阵列雷达气象回波的仿真方法,分析了基于俯仰维空域滤波地杂波抑制方法的可行性。研究了全维最优处理算法,基于子阵降维处理的杂波抑制算法和基于和差波束自适应处理的杂波抑制算法,对杂波抑制性能进行了分析,并通过仿真实验进行了验证。研究了用于机载气象雷达杂波抑制的鲁棒自适应波束形成技术。首先研究了两种针对分布式气象目标的鲁棒波束形成算法,分别是基于二次约束的最小功率无畸变（MPDR）算法,最坏情况下最优算法。提出了基于协方差矩阵重构的最大化输出信杂噪比（MSCNR）算法,进一步提高了自适应波束形成技术的鲁棒性和收敛速度,通过仿真实验及对仿真数据的处理验证了上述算法对机载俯仰阵列气象雷达地杂波抑制的有效性和可行性。
李怡静[7]（2019）在《复杂轨迹下机载气象雷达低空风切变检测研究》文中研究表明机载气象雷达在检测低空风切变时,由于处于下视工作模式而面临着大量杂波,致使风切变信号淹没在杂波环境中,因此为检测低空风切变,首先就要对地杂波进行抑制。在实际的复杂飞行环境下,当飞机受到空气中强气流、机动飞行（如转弯）等影响时,飞机可能会存在偏航、俯冲、滚转以及加速、俯仰等运动状态,从而导致飞机轨迹复杂,这会使得杂波谱更加复杂,从而增加杂波抑制难度,严重影响低空风切变的检测性能。因此,研究复杂轨迹下低空风切变检测具有重要意义。基于此,本文中选取了载机偏航和俯冲两个运动状态特例来研究复杂轨迹下低空风切变检测问题。首先,论文介绍了复杂轨迹下机载前视阵气象雷达的低空风切变、地杂波回波信号模型和雷达回波数据模型,并对复杂轨迹下机载前视阵气象雷达地杂波回特性进行了分析,最后对低空风切变和地杂波回波信号进行了仿真。其次,论文针对当载机偏航角和俯冲角比较小时,载机复杂轨迹导致杂波回波特性变得复杂,从而影响低空风切变检测不准确,提出了一种基于广义相邻多波束（GMB）自适应处理的低空风切变风速估计的方法。该方法首先利用基于回波数据的杂波距离依赖性补偿方法对杂波进行距离依赖性矫正。然后利用该方法构造降维变换矩阵,并对雷达回波数据进行降维处理。最后构造该方法的最优权矢量来实现自适应滤波与低空风切变的风速估计。最后,论文针对载机偏航和俯冲角度变大,导致能够用来估计待测距离单元内杂波协方差矩阵的参考距离单元数减少,提出了一种不需要参考距离单元的基于在直接数据域后级联多普勒三通道联合自适应处理（DDD-3DT）的低空风切变风速估计方法。该方法首先采用直接数据域算法对消掉待测距离单元的风切变信号,并通过滑窗得到多个训练样本。然后求得DDD-3DT方法的联合降维变换矩阵,并对训练样本进行降维处理。最后构造该方法的最优权矢量对待测距离单元的每个多普勒通道进行自适应滤波与风切变信号的匹配,来实现低空风切变的风速估计。
段佳玲[8]（2019）在《基于多通道LFMCW雷达的低空风切变检测技术》文中研究表明低空风切变是自然界中一种看不见、摸不着,但却真实存在的天气现象,通常发生突然且强度极大,同时又不易检测,对飞机航行期间尤其是起降阶段的飞行安全造成了极大威胁,因此,及时地发现、回避低空风切变对于保障飞机飞行安全有着及其重要的现实意义。目前,脉冲体制雷达是最常用的低空风切变探测工具,其检测精度较高,但是该体制雷达存在结构复杂、成本高、体积大的问题。而线性调频连续波（Linear Frequency Modulation Continuous Wave,LFMCW）雷达具备体积小、重量轻、结构简单及分辨率高等诸多优点,使用其进行低空风切变检测不仅可以获得良好的检测效果,同时还可以满足机载雷达系统对小型化、轻量化以及低功耗的需求。因此,论文以机载多通道LFMCW雷达为平台,对低空风切变的检测技术进行了深入研究。第一,论文对LFMCW雷达系统的工作原理进行了简单介绍,并结合其特点建立了机载前视多通道LFMCW雷达下的地杂波回波信号模型。第二,针对机载前视多通道LFMCW雷达,提出了一种基于最优空时自适应处理（Space Time Adaptive Processing,STAP）算法的低空风切变检测方法。该方法首先对杂波距离依赖性进行校正,然后结合低空风切变的复杂空间分布特性构造空-时最优处理器,并利用该处理器的最优权矢量实现杂波抑制和风场速度的估计,最后采用双脉冲重复频率（Dual-Pulse Repetition Frequency,D-PRF）解速度模糊算法修正模糊速度,获得真实的风场风速值。仿真实验表明,该方法可以有效滤除地杂波并保留较为完整的风场目标信号。第三,针对最优STAP算法存在计算量大和复杂度高的问题,提出了一种基于修正局域联合处理（Joint Domain Localized,JDL）算法的多通道LFMCW雷达低空风切变检测方法。该方法首先在传统JDL算法的局域处理区域（Localized Processing Region,LPR）内选择部分空域波束和多普勒通道来设计降维矩阵,并对待检测距离单元内的雷达接收数据进行降维处理;然后构造修正JDL算法降维处理器滤除地杂波并匹配风场信号;最后采用D-PRF解速度模糊算法求出真实的风场风速值。仿真实验表明,该方法能够获得较好的风速估计结果,并进一步降低了算法的复杂度和运算量。
王杰[9]（2019）在《地理信息辅助的低空风切变检测方法研究》文中进行了进一步梳理对于民航客机而言,机载气象雷达就好比人的眼睛一样发挥着重要作用。当机载气象雷达运行在下视模式检测低空风切变时,雷达回波信号中同时包含了强度更高的地杂波回波。地杂波环境均匀时,建立在最大似然准则下的空时自适应处理（Space-time Adaptive Processing,STAP）技术可以实现有效的杂波抑制和低空风切变检测,然而在复杂场景中,地杂波的非均匀特性导致估计得到的杂波协方差矩阵失配,无法充分抑制强杂波,进而使低空风切变的检测结果不准确。随着STAP技术的发展及雷达信息交互性能的提高,结合地理信息相关的电子文献数据库（例如地图数据、地表覆盖数据、数字高程数据等）提高雷达整体性能的方法越来越得到人们的关注,这也证明了先验的地理信息在STAP中的价值。本论文针对复杂场景下的非均匀地杂波,开创性的将地理信息辅助的STAP技术应用到低空风切变的检测中,研究了高保真非均匀地杂波的建模,并提出了两种地理信息辅助的非均匀地杂波抑制及低空风切变风速估计方法。首先,论文依据机载气象雷达下低空风切变和地杂波的回波数据特性,分别对低空风切变信号以及高保真的非均匀地杂波回波进行了建模。提出了一种数字高程模型（Digital Elevation Model,DEM）和数字地表分类数据（Digital Land Classification Data,DLCD）辅助的机载气象雷达高保真非均匀地杂波仿真方法,并对杂波特性进行了分析。仿真结果表明该方法提高了非均匀地杂波仿真的准确性和真实性。其次,针对部分非均匀杂波背景下的低空风切变风速估计问题,提出了一种回波功率筛选与DLCD辅助的风场速度估计方法。该方法将回波功率筛选与DLCD辅助相结合,首先根据样本功率对样本进行初选,然后根据DLCD中的地貌分类数据计算样本相似度,并从大功率样本中再次挑选出样本相似度高的样本作为训练样本,以此来估计待测单元的杂波协方差矩阵,从而保证挑选出的训练样本可以和待测距离单元的杂波具有相同的分布,最后利用组合空时主通道自适应处理的方法实现风场速度的有效估计。实验结果表明,所提方法可以实现准确的低空风切变风速估计。最后,针对杂波非均匀情况比较严重的背景,提出了一种直接数据域（Direct Data Domain,DDD）与地理信息辅助的风场速度估计方法。本方法首先根据先验的地理信息挑选出非均匀的距离单元,并利用DDD的方法估计存在距离依赖性以及非均匀距离单元的杂波协方差矩阵,然后利用最大似然的方法估计剩余均匀距离单元的杂波协方差矩阵,最后利用广义相邻多波束的方法实现低空风切变风速的有效估计。实验结果表明,所提方法在非均匀杂波背景下的风速估计性能优异。
张强[10]（2019）在《机载气象雷达气象湍流检测方法研究》文中研究说明机载气象雷达（Airborne weather radar,WXR）作为飞机环境监视系统（Aircraft environment surveillance system,AESS）的核心子系统,是遵循FAA/EASA/CCAR25部民用飞机必须装备的机载设备。其通过探测飞机飞行航路上的恶劣气象条件,并实时向飞行员提供告警信息,可以保障飞机及机上人员在飞行全过程的安全。随着民机研制对机载设备新功能的要求,尤其是在IMA架构下各类机载设备的集成,更加需要开展对机载气象雷达的系统模型、数据处理、地面仿真等理论研究。在此背景下,本文主要围绕机载气象雷达在探测气象湍流方面的信号处理新方法展开研究,提出了基于神经网络和主成分分析的气象湍流检测方法。主要内容包含以下四个方面:1.介绍了典型的机载气象雷达系统,包括机载气象雷达的基本结构和系统功能,气象湍流对飞机飞行的危害性原理以及目前常用的气象湍流检测方法。2.提出了一种基于BP神经网络的气象湍流检测方法。利用了BP神经网络的多类分类功能,对气象目标的雷达回波数据直接进行分类处理,从而达到探测气象湍流的目的。解决了目前经典气象湍流探测的脉冲对法、快速傅里叶变换法和模型拟合法存在的问题,所提出的方法不需要借助经验公式及复杂的参数化模型即可准确的判断出某气象目标是否是气象湍流目标或识别出气象湍流目标的强度大小。仿真结果表明所在对气象湍流目标的强度进行四个等级分类时,该方法有较高的准确率。在判断气象湍流是否存在时,准确率大大提高。且在低信噪比情况下,所提出的方法依然有良好的探测性能。3.提出了一种基于主成分分析的气象湍流检测方法。利用了主成分分析良好的降噪能力,在对气象目标雷达回波信号进行脉冲对谱矩估计之前,利用主成分分析方法对原始数据进行去噪声处理,再结合脉冲对方法进行谱宽估计,从而探测气象湍流的强度。实验结果证明,无论回波数据的长短和信噪比的高低,所提出的方法检测性能均比传统的脉冲方法好,克服了传统脉冲对方法在低信噪比情况下,探测性能较差的问题。4.在实验室条件下建立了机载气象雷达仿真软件,包括气象雷达数据激励模块、气象雷达控制面板和综合显示界面。在气象数据激励下,仿真软件可以检测出普通的气象条件并实时显示,且当出现湍流或风切变时,可以实时给出告警信息。
二、机载前视风切变气象雷达信号处理技术研究（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、机载前视风切变气象雷达信号处理技术研究（论文提纲范文）
（2）海杂波背景下的低空风切变检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 机载气象雷达 |
| 1.2.2 低空风切变检测和预警 |
| 1.2.3 海杂波背景下的目标检测技术 |
| 1.3 本文工作内容和结构安排 |
| 第二章 海杂波背景下的机载气象雷达回波仿真 |
| 2.1 引言 |
| 2.2 机载相控阵气象雷达回波数据模型 |
| 2.3 低空风切变回波信号建模与仿真 |
| 2.4 机载相控阵气象雷达海杂波回波仿真 |
| 2.4.1 基于PM海浪谱的物理海平面模拟 |
| 2.4.2 海面后向散射系数与幅度分布 |
| 2.4.3 基于Ward模型的机载相控阵气象雷达海杂波仿真 |
| 2.4.4 机载前视阵雷达海杂波特性分析 |
| 2.5 仿真结果分析 |
| 2.5.1 仿真参数 |
| 2.5.2 机载相控阵气象雷达低空风切变仿真分析 |
| 2.5.3 机载相控阵气象雷达海杂波仿真分析 |
| 2.6 本章小结 |
| 第三章 基于空间多波束-时域滑窗的低空风切变检测方法 |
| 3.1 引言 |
| 3.2 基于空间多波束-时域滑窗的低空风切变检测方法 |
| 3.2.1 回波数据预处理 |
| 3.2.2 构造降维变换矩阵 |
| 3.2.3 低空风切变风速估计 |
| 3.2.4 低空风切变危险判决 |
| 3.3 方法流程 |
| 3.4 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于稀疏重构的低空风切变检测方法 |
| 4.1 引言 |
| 4.2 稀疏重构理论 |
| 4.2.1 稀疏重构问题描述 |
| 4.2.2 信号稀疏重构算法 |
| 4.3 基于稀疏重构的低空风切变检测方法 |
| 4.3.1 空时信号稀疏表示与超完备字典构造 |
| 4.3.2 基于稀疏贝叶斯学习的空时二维谱重构 |
| 4.3.3 低空风切变风速估计 |
| 4.3.4 低空风切变危险判决 |
| 4.4 方法流程 |
| 4.5 实验结果与分析 |
| 4.6 本章小结 |
| 第五章 结束语 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间所发表的论文 |
（3）幅相误差情况下低空风切变检测（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 机载气象雷达 |
| 1.2.2 低空风切变检测 |
| 1.2.3 幅相误差下STAP技术 |
| 1.3 本文内容和结构 |
| 第二章 幅相误差下机载前视阵气象雷达回波仿真 |
| 2.1 引言 |
| 2.2 幅相误差下机载气象雷达回波信号模型 |
| 2.2.1 幅相误差下机载前视阵气象雷达几何模型描述 |
| 2.2.2 幅相误差下机载气象雷达低空风切变回波信号模型 |
| 2.2.3 幅相误差下机载气象雷达地杂波回波信号模型 |
| 2.2.4 幅相误差下机载气象雷达回波信号模型 |
| 2.3 幅相误差下机载气象雷达地杂波特性分析 |
| 2.4 低空风切变空时导向矢量建模 |
| 2.5 实验仿真分析 |
| 2.5.1 仿真参数设置 |
| 2.5.2 低空风切变导向矢量仿真 |
| 2.5.3 低空风切变仿真分析 |
| 2.5.4 幅相误差下地杂波仿真分析 |
| 2.6 本章小结 |
| 第三章 幅相误差下基于CMCAP-JDL的低空风切变检测 |
| 3.1 引言 |
| 3.2 幅相误差下基于RBC的杂波谱补偿方法 |
| 3.3 幅相误差下基于CMCAP-JDL的低空风切检测方法 |
| 3.3.1 幅相误差下基于CMCAP-JDL的低空风切变风速估计 |
| 3.3.2 低空风切变危险评定 |
| 3.4 方法流程 |
| 3.5 实验结果及分析 |
| 3.6 本章小结 |
| 第四章 幅相误差下基于改进辅助通道低空风切变检测 |
| 4.1 引言 |
| 4.2 幅相误差下基于修正导向矢量的杂波距离依赖性矫正 |
| 4.3 幅相误差下基于改进辅助通道低空风切变检测 |
| 4.3.1 幅相误差下基于改进辅助通道低空风切变风速估计 |
| 4.3.2 低空风切变危险评定 |
| 4.4 方法流程 |
| 4.5 实验结果分析 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间所发表的论文 |
（4）基于RD-STAP的线性调频连续波低空风切变检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 LFMCW雷达 |
| 1.2.2 低空风切变检测技术 |
| 1.2.3 RD-STAP技术 |
| 1.3 论文内容与结构 |
| 第二章 机载LFMCW雷达回波信号模型构建 |
| 2.1 引言 |
| 2.2 LFMCW雷达工作原理及信号处理 |
| 2.2.1 LFMCW雷达工作原理 |
| 2.2.2 LFMCW雷达信号处理 |
| 2.3 机载气象雷达回波信号模型 |
| 2.3.1 低空风切变模型 |
| 2.3.2 地杂波模型 |
| 2.4 实验结果及分析 |
| 2.4.1 仿真参数设置 |
| 2.4.2 低空风切变仿真分析 |
| 2.4.3 地杂波仿真分析 |
| 2.5 本章小结 |
| 第三章 基于TDPC-JDL的低空风切变检测方法 |
| 3.1 引言 |
| 3.2 基于TDPC-JDL的低空风切变检测方法 |
| 3.2.1 TDPC预滤波器设计 |
| 3.2.2 构造局域联合处理降维变换矩阵 |
| 3.2.3 低空风切变风速估计 |
| 3.2.4 平均F因子计算 |
| 3.3 基于TDPC-JDL的低空风切变检测方法流程 |
| 3.4 实验结果及分析 |
| 3.4.1 仿真参数设置 |
| 3.4.2 仿真结果分析 |
| 3.5 本章小结 |
| 第四章 基于EFA-CMCAP的低空风切变检测方法 |
| 4.1 引言 |
| 4.2 基于EFA-CMCAP的低空风切变检测方法 |
| 4.2.1 EFA、CMCAP算法原理简介 |
| 4.2.2 构建EFA-CMCAP降维变换矩阵 |
| 4.2.3 低空风切变风速估计 |
| 4.2.4 平均F因子计算 |
| 4.3 基于EFA-CMCAP的低空风切变检测方法流程 |
| 4.4 实验结果及分析 |
| 4.4.1 仿真参数设置 |
| 4.4.2 仿真结果分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间所发表的论文 |
（5）利用矩阵分解的机载气象雷达回波谱矩估计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 机载气象雷达 |
| 1.2.2 气象目标检测技术 |
| 1.2.3 谱矩估计 |
| 1.3 论文的主要研究内容 |
| 第二章 雷达回波参数化模型及现有谱矩估计方法 |
| 2.1 引言 |
| 2.2 多普勒原理 |
| 2.2.1 多普勒效应 |
| 2.2.2 多普勒频谱 |
| 2.3 气象目标特性 |
| 2.4 气象回波特性 |
| 2.4.1 时域特性 |
| 2.4.2 频域特性 |
| 2.5 雷达回波协方差矩阵参数化模型 |
| 2.6 回波谱矩估计方法 |
| 2.6.1 脉冲对法 |
| 2.6.2 快速傅里叶变换法 |
| 2.6.3 传统子空间法 |
| 2.7 本章小结 |
| 第三章 基于DFT的雷达回波谱矩快速估计方法 |
| 3.1 引言 |
| 3.2 谱矩快速估计方法 |
| 3.2.1 构建分解变换后的协方差矩阵 |
| 3.2.2 谱矩估计 |
| 3.3 算法流程 |
| 3.4 性能分析 |
| 3.4.1 算法复杂度分析 |
| 3.4.2 算法性能分析 |
| 3.5 本章小结 |
| 第四章 基于L1-PCA的雷达回波谱矩估计 |
| 4.1 引言 |
| 4.2 数据异常时雷达回波谱矩估计 |
| 4.2.1 数据异常时回波协方差矩阵 |
| 4.2.2 谱矩估计 |
| 4.3 算法估计步骤 |
| 4.4 实验结果及分析 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间所取得的成果 |
（6）基于阵列信号处理的机载气象雷达地杂波抑制技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 机载气象雷达地杂波抑制技术发展概述 |
| 1.3 本文主要内容 |
| 第二章 机载气象雷达回波信号建模仿真 |
| 2.1 引言 |
| 2.2 气象目标特性分析 |
| 2.2.1 气象目标的雷达方程 |
| 2.2.2 气象目标的统计模型 |
| 2.3 地杂波特性分析 |
| 2.3.1 地杂波雷达方程 |
| 2.3.2 地杂波的统计模型 |
| 2.4 建模仿真 |
| 2.4.1 基于统计特性的仿真模型 |
| 2.4.2 机载气象雷达回波信号仿真模型 |
| 2.4.3 机载俯仰维多通道气象雷达回波仿真方法 |
| 2.5 本章小结 |
| 第三章 基于俯仰阵列信号处理的机载气象雷达地杂波抑制技术 |
| 3.1 引言 |
| 3.2 基于俯仰阵列的机载雷达回波信号模型 |
| 3.3 俯仰维自适应波束形成算法 |
| 3.3.1 全维自适应最优处理器 |
| 3.3.2 性能指标 |
| 3.3.3 仿真验证 |
| 3.4 基于子阵合成降维处理的自适应气象雷达地杂波抑制方法 |
| 3.4.1 基于子阵合成的多通道自适应波束形成杂波抑制算法 |
| 3.4.2 仿真验证 |
| 3.5 基于和差波束自适应处理的气象雷达地杂波抑制方法 |
| 3.5.1 基于俯仰维和差波束自适应处理的杂波抑制算法 |
| 3.5.2 仿真验证 |
| 3.5.3 仿真数据和实测数据处理 |
| 3.6 本章小结 |
| 第四章 鲁棒多通道机载气象雷达地杂波抑制方法 |
| 4.1 引言 |
| 4.2 基于二次约束的MPDR算法 |
| 4.2.1 仿真验证 |
| 4.3 最坏情况下最优算法 |
| 4.3.1 仿真验证 |
| 4.4 基于协方差矩阵重构的MSCNR算法 |
| 4.4.1 仿真验证 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（7）复杂轨迹下机载气象雷达低空风切变检测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外的研究现状 |
| 1.2.1 机载气象雷达 |
| 1.2.2 低空风切变检测 |
| 1.3 本文的主要工作及论文结构 |
| 第二章 复杂轨迹下机载前视阵气象雷达回波信号仿真 |
| 2.1 引言 |
| 2.2 复杂轨迹下机载气象雷达回波信号仿真 |
| 2.2.1 复杂轨迹下机载前视阵几何模型描述 |
| 2.2.2 复杂轨迹下机载气象雷达低空风切变回波信号仿真 |
| 2.2.3 复杂轨迹下机载气象雷达地杂波回波信号仿真 |
| 2.2.4 复杂轨迹下机载气象雷达回波信号仿真 |
| 2.3 复杂轨迹下机载前视阵气象雷达地杂波回波特性分析 |
| 2.3.1 飞机正常飞行时地杂波回波特性分析 |
| 2.3.2 载机偏航时地杂波回波特性分析 |
| 2.3.3 载机俯冲时地杂波回波特性分析 |
| 2.4 实验仿真结果及其分析 |
| 2.5 本章小结 |
| 第三章 复杂轨迹下基于GMB自适应处理的低空风切变风速估计方法 |
| 3.1 引言 |
| 3.2 复杂轨迹下基于回波数据的杂波距离依赖性矫正 |
| 3.3 复杂轨迹下基于GMB自适应处理的风速估计方法 |
| 3.3.1 GMB自适应处理器原理分析 |
| 3.3.2 求解GMB自适应处理降维变换矩阵 |
| 3.3.3 低空风切变风速估计 |
| 3.4 方法流程 |
| 3.5 实验结果及分析 |
| 3.6 本章小结 |
| 第四章 复杂轨迹下基于DDD-3DT的低空风切变风速估计方法 |
| 4.1 引言 |
| 4.2 复杂轨迹下基于DDD-3DT的风速估计方法 |
| 4.2.1 直接数据域算法(DDD)描述 |
| 4.2.2 DDD-3DT方法原理分析 |
| 4.2.3 低空风切变风速估计 |
| 4.3 方法流程 |
| 4.4 实验结果及分析 |
| 4.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间所发表的论文 |
（8）基于多通道LFMCW雷达的低空风切变检测技术（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 LFMCW雷达 |
| 1.2.2 低空风切变检测技术 |
| 1.2.3 STAP技术 |
| 1.3 主要工作及论文结构 |
| 第二章 机载多通道LFMCW雷达地杂波建模 |
| 2.1 引言 |
| 2.2 LFMCW雷达系统及信号分析 |
| 2.2.1 LFMCW雷达系统概述 |
| 2.2.2 LFMCW雷达信号分析 |
| 2.3 地杂波模型 |
| 2.4 实验结果及分析 |
| 2.5 本章小结 |
| 第三章 基于最优STAP算法的多通道LFMCW雷达低空风切变检测方法 |
| 3.1 引言 |
| 3.2 机载多通道LFMCW雷达数据模型 |
| 3.2.1 低空风切变信号模型 |
| 3.2.2 噪声模型 |
| 3.3 基于RBC法的杂波谱补偿方法 |
| 3.4 基于最优STAP算法的风速估计方法 |
| 3.5 D-PRF解速度模糊算法 |
| 3.6 算法流程 |
| 3.7 实验结果及分析 |
| 3.8 本章小结 |
| 第四章 基于修正JDL算法的多通道LFMCW雷达低空风切变检测方法 |
| 4.1 引言 |
| 4.2 基于修正JDL算法的风速估计方法 |
| 4.2.1 JDL算法原理简介 |
| 4.2.2 求解修正JDL算法降维矩阵 |
| 4.2.3 低空风切变风速估计 |
| 4.3 算法流程 |
| 4.4 实验结果及分析 |
| 4.5 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间所发表的论文 |
（9）地理信息辅助的低空风切变检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 机载气象雷达 |
| 1.2.2 低空风切变检测和预警 |
| 1.2.3 地理信息辅助的STAP技术 |
| 1.3 本文内容和结构 |
| 第二章 非均匀杂波背景下的机载气象雷达回波仿真 |
| 2.1 引言 |
| 2.2 非均匀杂波背景下的机载气象雷达回波数据模型 |
| 2.3 低空风切变建模与仿真 |
| 2.4 地理信息辅助的机载气象雷达高保真非均匀地杂波仿真 |
| 2.4.1 DEM数据信息提取及处理 |
| 2.4.2 基于DLCD的后向散射系数模型匹配及计算 |
| 2.4.3 基于Ward模型的机载气象雷达地杂波仿真 |
| 2.4.4 机载气象雷达地杂波特性分析 |
| 2.5 仿真结果分析 |
| 2.5.1 仿真条件描述 |
| 2.5.2 低空风切变仿真分析 |
| 2.5.3 非均匀地杂波仿真分析 |
| 2.6 本章小结 |
| 第三章 回波功率筛选与DLCD辅助的低空风切变风速估计方法 |
| 3.1 引言 |
| 3.2 最优STAP的基本原理 |
| 3.3 回波功率筛选与DLCD辅助的风速估计方法 |
| 3.3.1 样本挑选及杂波协方差矩阵估计 |
| 3.3.2 基于组合空时主通道自适应处理的低空风切变风速估计 |
| 3.4 方法流程 |
| 3.5 实验结果分析 |
| 3.6 本章小结 |
| 第四章 DDD与地理信息辅助的低空风切变风速估计方法 |
| 4.1 引言 |
| 4.2 地理信息辅助的各距离单元均匀性分析 |
| 4.3 基于DDD的杂波协方差矩阵估计 |
| 4.3.1 低空风切变信号消除 |
| 4.3.2 划窗估计杂波协方差矩阵 |
| 4.4 基于广义相邻多波束的风速估计方法 |
| 4.5 方法流程 |
| 4.6 实验结果分析 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间所发表的论文 |
（10）机载气象雷达气象湍流检测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 机载气象雷达 |
| 1.2.2 气象湍流检测技术 |
| 1.3 论文的主要内容与章节安排 |
| 第二章 典型机载气象雷达系统 |
| 2.1 机载气象雷达 |
| 2.1.1 基本结构 |
| 2.1.2 系统功能 |
| 2.2 气象湍流概述 |
| 2.3 气象湍流检测方法 |
| 2.3.1 脉冲对法 |
| 2.3.2 快速傅里叶变换法 |
| 2.3.3 模型拟合法 |
| 2.4 多普勒效应 |
| 2.5 本章小结 |
| 第三章 基于BP神经网络的气象湍流检测 |
| 3.1 BP神经网络多类分类 |
| 3.1.1 BP神经网络 |
| 3.1.2 多类分类 |
| 3.2 雷达回波幅值序列仿真 |
| 3.3 基于BP神经网络的湍流检测 |
| 3.3.1 算法描述 |
| 3.3.2 仿真结果分析 |
| 3.4 本章小结 |
| 第四章 基于主成分分析的气象湍流检测 |
| 4.1 主成分分析 |
| 4.1.1 方法原理 |
| 4.1.2 降噪效果 |
| 4.2 雷达回波时间序列仿真 |
| 4.3 基于主成分分析的湍流检测 |
| 4.3.1 算法描述 |
| 4.3.2 仿真结果分析 |
| 4.4 本章小结 |
| 第五章 机载气象雷达系统仿真 |
| 5.1 系统组成框图 |
| 5.2 建立WXR数据激励 |
| 5.3 WXR显示界面 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要工作与创新点 |
| 6.2 后续研究工作 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读硕士学位期间已发表或录用的论文 |
四、机载前视风切变气象雷达信号处理技术研究（论文参考文献）
- [1]回波功率筛选与数字地表分类数据辅助的低空风切变风速估计方法[J]. 李海,宋迪,程伟杰,王杰. 电子与信息学报, 2021(08)
- [2]海杂波背景下的低空风切变检测方法研究[D]. 刘志鑫. 中国民航大学, 2020
- [3]幅相误差情况下低空风切变检测[D]. 雍从建. 中国民航大学, 2020
- [4]基于RD-STAP的线性调频连续波低空风切变检测方法研究[D]. 宋迪. 中国民航大学, 2020
- [5]利用矩阵分解的机载气象雷达回波谱矩估计[D]. 赵倢. 中国民航大学, 2020
- [6]基于阵列信号处理的机载气象雷达地杂波抑制技术研究[D]. 谭鸿刚. 南京航空航天大学, 2020(07)
- [7]复杂轨迹下机载气象雷达低空风切变检测研究[D]. 李怡静. 中国民航大学, 2019(02)
- [8]基于多通道LFMCW雷达的低空风切变检测技术[D]. 段佳玲. 中国民航大学, 2019(02)
- [9]地理信息辅助的低空风切变检测方法研究[D]. 王杰. 中国民航大学, 2019(02)
- [10]机载气象雷达气象湍流检测方法研究[D]. 张强. 上海交通大学, 2019(06)