雷達(dá)技術(shù)進(jìn)展專題序言

劉宏偉，水鵬朗，孔令講，位寅生，劉永祥，王 宇，李 剛，陳 渤

(1.西安電子科技大學(xué) 雷達(dá)信號處理國家重點(diǎn)實(shí)驗(yàn)室，陜西 西安 710071；2.電子科技大學(xué) 信息與通信工程學(xué)院，四川 成都 611731；3.哈爾濱工業(yè)大學(xué) 電子與信息工程學(xué)院，黑龍江 哈爾濱 150001；4.國防科技大學(xué) 電子科學(xué)學(xué)院，湖南 長沙 410073；5.中國科學(xué)院 空天信息創(chuàng)新研究院，北京 100864；6.清華大學(xué) 電子工程系，北京 100084)

雷達(dá)歷經(jīng)了80多年的發(fā)展，如今已成為重要的信息傳感器之一，在國防領(lǐng)域具有戰(zhàn)略性地位，在民用領(lǐng)域也得到越來越廣泛的應(yīng)用。隨著軟硬件相關(guān)技術(shù)的快速發(fā)展，現(xiàn)代雷達(dá)已經(jīng)不僅僅局限于高功率、高分辨、多波段等傳統(tǒng)的性能提升和功能擴(kuò)展，且更多聚焦于信號處理的精細(xì)化、信息處理的智能化、單一平臺功能的多樣化和集成化、多平臺的網(wǎng)絡(luò)化與協(xié)同化、器件發(fā)展的小型化和片上化、服務(wù)界面的便利化和人性化等，使其應(yīng)用日益廣泛。為此，《西安電子科技大學(xué)學(xué)報》組織了“雷達(dá)技術(shù)進(jìn)展”專題，共錄用23篇論文，包括目標(biāo)識別、目標(biāo)檢測與跟蹤、雷達(dá)成像、電子對抗、協(xié)同組網(wǎng)等方向，分別介紹如下。

論文《采用CNN-SSD的雷達(dá)HRRP小樣本目標(biāo)識別方法》對于非合作目標(biāo)識別拋開數(shù)據(jù)集完備假設(shè)，提出了一種采用卷積神經(jīng)網(wǎng)絡(luò)模型連續(xù)自蒸餾的雷達(dá)高分辨距離像小樣本目標(biāo)識別方法。該方法首先利用包含45類合作目標(biāo)的完備的訓(xùn)練數(shù)據(jù)集訓(xùn)練得到一個初始的類別無關(guān)的特征提取器；基于此，進(jìn)一步采用模型連續(xù)自蒸餾機(jī)制得到更具泛化能力的特征提取器；最后，在非合作目標(biāo)上對所提取特征的泛化能力進(jìn)行了測試。實(shí)驗(yàn)結(jié)果表明，對于5類非合作目標(biāo)，所提方法在僅有1個、5個和10個訓(xùn)練樣本的情況下，平均識別率分別達(dá)到61.26%，84.69%和92.52%，實(shí)現(xiàn)了對庫外樣本的快速有效識別。

論文《海雜波背景下雷達(dá)目標(biāo)貝葉斯檢測算法》針對非高斯海雜波背景下參考單元數(shù)目較少時自適應(yīng)檢測器性能損失嚴(yán)重的問題，提出了兩種基于協(xié)方差矩陣先驗(yàn)分布信息的自適應(yīng)檢測算法，將海雜波建模為復(fù)合高斯模型，紋理分量建模為一個服從廣義逆高斯分布的隨機(jī)變量。首先將散斑的協(xié)方差矩陣建模為一個服從復(fù)逆威沙特分布的隨機(jī)矩陣，然后根據(jù)廣義似然比準(zhǔn)則設(shè)計了一種不依賴于參考單元數(shù)據(jù)的自適應(yīng)檢測器。由于在參考單元數(shù)目增多時，不依賴于輔助數(shù)據(jù)的檢測器性能會差于傳統(tǒng)的自適應(yīng)檢測器，所以根據(jù)最大后驗(yàn)檢驗(yàn)準(zhǔn)則并使用參考單元數(shù)據(jù)，又設(shè)計了一種依賴于參考單元數(shù)據(jù)和先驗(yàn)知識的自適應(yīng)檢測器。實(shí)驗(yàn)結(jié)果表明，在參考單元數(shù)目較少時，所提出的兩種檢測器具有較好的檢測性能；在不同的參考單元數(shù)目下，所提出的依賴于參考單元數(shù)據(jù)和先驗(yàn)知識的自適應(yīng)檢測器都具有最優(yōu)的檢測性能。

論文《一種改進(jìn)的泊松點(diǎn)過程概率多假設(shè)跟蹤方法》提出了一種低運(yùn)算復(fù)雜度、高跟蹤精度的多目標(biāo)跟蹤算法和與其配套的航跡管理方法，目標(biāo)和雜波產(chǎn)生的量測點(diǎn)被建模為泊松點(diǎn)過程，以量測的來源為缺失信息，通過EM(Expectation Maximisation)算法迭代求解目標(biāo)狀態(tài)，獨(dú)立的量測關(guān)聯(lián)和目標(biāo)混合概率大大降低了算法的復(fù)雜度。此外，額外的回波多普勒信息作為目標(biāo)特征被引入關(guān)聯(lián)和濾波環(huán)節(jié)輔助跟蹤，提升了算法區(qū)分量測來源的能力，獲得了更高的跟蹤精度。實(shí)驗(yàn)結(jié)果表明，所提方法可以實(shí)現(xiàn)穩(wěn)健的目標(biāo)跟蹤且運(yùn)算時間隨目標(biāo)數(shù)目線性增加。

論文《一種改進(jìn)模糊C均值聚類的電離層雜波分類方法》結(jié)合電離層雜波特性與其鄰域空間信息，提出了一種基于改進(jìn)的模糊C均值距離的電離層雜波分類方法，利用仿真數(shù)據(jù)與高頻地波雷達(dá)實(shí)測數(shù)據(jù)進(jìn)行分析。該方法在不降低聚類性能的情況下，具有更符合實(shí)際物理意義的聚類結(jié)果并具有更高的分類精度。

論文《利用幅度重排的機(jī)載火控雷達(dá)工作模式識別方法》在分析機(jī)載火控雷達(dá)各工作模式信號特點(diǎn)的基礎(chǔ)上，提出了一種利用幅度重排的工作模式識別方法。該方法充分利用信號幅度分布特征識別跟蹤信號，對信號按幅度大小進(jìn)行重排，并進(jìn)行一階差分化處理，通過檢測重排幅度差分的凹口區(qū)間，有效地識別出了包含高威脅跟蹤信號的搜索加跟蹤和單目標(biāo)跟蹤工作模式。仿真試驗(yàn)結(jié)果表明，所提方法對脈沖丟失和干擾不敏感，識別準(zhǔn)確率較高，且計算簡單、運(yùn)算量小，便于工程化實(shí)現(xiàn)。

論文《采用乘性RNN的雷達(dá)HRRP目標(biāo)識別》 針對傳統(tǒng)的高分辨距離像識別方法沒有考慮時序相關(guān)性，且高分辨距離像的方位敏感性導(dǎo)致樣本的時序性發(fā)生變化的問題，提出了一種乘性循環(huán)神經(jīng)網(wǎng)絡(luò)模型。首先，將高分辨距離像樣本轉(zhuǎn)化為序列形式，用于考慮距離單元間的相關(guān)性；其次，為了緩解方位敏感性導(dǎo)致的高分辨距離像時序變化與參數(shù)固定模型不匹配的問題，根據(jù)輸入數(shù)據(jù)自適應(yīng)地選擇對應(yīng)的參數(shù)，并對高分辨距離像序列提取穩(wěn)健的時序信息；最后，采用投票策略將所有時刻的信息進(jìn)行融合，輸出樣本類別。采用實(shí)測數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明，所提模型能夠有效地提取可分性特征并識別目標(biāo)。

論文《改進(jìn)型SVD-FRFT海雜波抑制方法》采用分塊處理、整體判決的思路，提出了一種新的基于時頻信息的SVD-FRFT海雜波抑制方法。首先對較長的回波序列劃分子脈沖塊，分別提取每個子脈沖塊的前Q階信號分量并進(jìn)行塊間信號關(guān)聯(lián)，實(shí)現(xiàn)目標(biāo)信號與雜波的初步分離；接著進(jìn)行自適應(yīng)分段SVD-FRFT處理，實(shí)現(xiàn)各階信號分量的進(jìn)一步提純；最后采用歸一化時頻脊二次擬合誤差對各階分量進(jìn)行判決，保留目標(biāo)信號，濾除雜波信號。在仿真和實(shí)測數(shù)據(jù)上驗(yàn)證了所提方法的有效性及可靠性。相比于現(xiàn)有海雜波抑制方法，所提方法能夠適應(yīng)脈沖回波序列信雜比的變化，并且在信雜比較低及多目標(biāo)環(huán)境中，仍能有效地抑制海雜波，提取目標(biāo)信號。

論文《一種雜波分類輔助的近海岸模糊雜波抑制方法》針對近岸水面區(qū)域出現(xiàn)的強(qiáng)模糊地雜波造成多通道合成孔徑雷達(dá)系統(tǒng)雜波抑制性能下降的問題，提出一種雜波分類輔助的近海岸模糊雜波抑制方法。首先，分別提取每一個距離-多普勒單元的多視干涉幅度/相位特征和多視干涉幅度梯度特征，構(gòu)造多視干涉特征協(xié)方差矩陣；然后，通過多視干涉特征協(xié)方差矩陣間的仿射不變黎曼距離完成自動分類，準(zhǔn)確地獲取近海岸區(qū)域方位模糊位置；最后，在雜波分類結(jié)果的輔助下，選擇獨(dú)立同分布的雜波樣本估計背景雜波協(xié)方差矩陣，進(jìn)一步完成合成孔徑雷達(dá)多通道圖像域雜波抑制。仿真實(shí)驗(yàn)結(jié)果表明，這種方法能夠?qū)０秴^(qū)域雜波進(jìn)行準(zhǔn)確分類，且可以有效地抑制方位模糊雜波。

論文《艦船目標(biāo)三維散射中心建模及SAR快速仿真方法》針對直接合成孔徑雷達(dá)成像仿真方法在實(shí)現(xiàn)大型艦船目標(biāo)回波仿真和合成孔徑雷達(dá)成像時時效偏低，難以滿足對海探測制導(dǎo)閉環(huán)驗(yàn)證過程中對合成孔徑雷達(dá)快速生成需求的問題，提出了基于三維散射中心的艦船目標(biāo)合成孔徑雷達(dá)回波和成像仿真方法。首先通過射線管積分三維快速成像和CLEAN三維散射中心提取得到不同視角下目標(biāo)三維散射中心；然后通過對應(yīng)視角合成孔徑雷達(dá)成像幾何建模，快速計算出目標(biāo)合成孔徑雷達(dá)的回波數(shù)據(jù)，經(jīng)成像聚集處理得到目標(biāo)合成孔徑雷達(dá)的復(fù)圖像。該方法綜合利用了電磁散射中心提取和完整的合成孔徑雷達(dá)處理流程，在保持電磁計算精度的條件下，顯著地提高了目標(biāo)成像仿真的效率和靈活性。以典型艦船目標(biāo)為例，驗(yàn)證了該方法的計算精度、效率和靈活性等優(yōu)勢。

論文《近海船長分布建模與雷達(dá)艦船分類能力評估》通過中國船訊網(wǎng)采集了我國近海四大海域約30 000艘艦船的船舶自動識別系統(tǒng)信息，并提取了艦船長度數(shù)據(jù)。通過對艦船長度的分布擬合，發(fā)現(xiàn)韋布爾分布能夠很好地擬合各海域的船長分布，且分布參數(shù)有明顯差異。基于該先驗(yàn)?zāi)Ｐ?，推?dǎo)出了艦船的大、中、小正確分類概率與徑向尺寸估計誤差之間的關(guān)系。結(jié)果表明，當(dāng)艦船航向角介于±75°之間時，我國近海艦船的大中小正確分類概率達(dá)到90%的條件是艦船徑向尺寸估計誤差落在區(qū)間(-12.67 m，9.41 m)之內(nèi)。

論文《一種歷史特征輔助的模糊數(shù)據(jù)關(guān)聯(lián)算法》針對觀測數(shù)據(jù)存在強(qiáng)模糊性和不確定性問題，提出了一種基于高分辨一維距離像歷史特征輔助的模糊數(shù)據(jù)關(guān)聯(lián)算法。首先，針對高分辨一維距離像的姿態(tài)、幅度以及時移敏感性問題，對其提取得到敏感性低的特征；其次，使用航跡起始的特征構(gòu)建初始特征樣本庫，并使用歷史時刻的特征構(gòu)建歷史特征樣本庫，且實(shí)時更新特征樣本庫；然后，采用區(qū)間熵權(quán)法確定特征權(quán)重，計算量測與目標(biāo)的模糊隸屬度，構(gòu)建模糊矩陣；最后，基于最大模糊隸屬度原則實(shí)現(xiàn)量測與目標(biāo)的關(guān)聯(lián)。實(shí)驗(yàn)結(jié)果表明，在目標(biāo)的機(jī)動和非機(jī)動場景下，這種算法的關(guān)聯(lián)性能均優(yōu)于模糊關(guān)聯(lián)算法，并且隨著雜波密集程度的增大，兩個算法的關(guān)聯(lián)性能均逐漸降低，但所提算法的關(guān)聯(lián)性能更好。

論文《分布式小衛(wèi)星MIMO-SAR超高分辨成像方法》針對分布式小衛(wèi)星多發(fā)多收合成孔徑雷達(dá)的聚束工作模式，提出了一種超高分辨成像方法，降低了多通道高分辨率模式下衛(wèi)星的存儲壓力以及成像負(fù)荷。該方法首先將各通道的全孔徑信號劃分為子孔徑信號；然后對子孔徑信號進(jìn)行解模糊處理，并利用改進(jìn)的時域帶寬合成方法獲得大帶寬信號；再使用子孔徑圖像相干融合算法獲得超高分辨率圖像。仿真實(shí)驗(yàn)表明，改進(jìn)的時域帶寬合成方法能夠有效地合成帶寬，并且所提方法的成像效果良好。該方法的有效性和可靠性得到驗(yàn)證。

論文《廣角SAR各向異性散射目標(biāo)分離成像》為解決廣角合成孔徑雷達(dá)觀測條件下，許多被照射物體的散射特性會隨著觀測角度的變化而變化，導(dǎo)致重建圖像的分辨率和解析力降低這一問題，提出了一種基于稀疏約束的信源分離成像方法。首先，利用各向同性和各向異性散射目標(biāo)的不同散射特性，構(gòu)造聯(lián)合系統(tǒng)函數(shù)投影算子；然后，基于稀疏約束抑制交叉投影能量，實(shí)現(xiàn)混合接收數(shù)據(jù)的分離成像，使得重建各向異性散射目標(biāo)的圖像的聚焦質(zhì)量和可解譯性能都得到了改善；最后，數(shù)值模擬驗(yàn)證了該方法的有效性，其重建圖像的分辨率和解析力都得到了顯著提高。

論文《用于三維散射中心SBR建模的邊緣繞射修正》綜合考慮目標(biāo)的鏡面反射與邊緣繞射貢獻(xiàn)，提出一種針對基于彈跳射線技術(shù)的三維散射中心建模的邊緣繞射修正方法。利用彈跳射線技術(shù)，結(jié)合圖像域射線管積分和等效邊緣電磁流方法，推導(dǎo)了考慮邊緣繞射修正的三維逆合成孔徑雷達(dá)圖像計算公式。仿真實(shí)驗(yàn)驗(yàn)證了該方法能夠有效地提高三維散射中心的建模精度。

論文《一種多目標(biāo)與多基地雷達(dá)之間的博弈策略》針對多基地多輸入多輸出雷達(dá)與多目標(biāo)之間的對抗博弈，研究了一種多基地雷達(dá)系統(tǒng)的功率分配與波束成形聯(lián)合技術(shù)。在一個確定的信干噪比約束下，多基地雷達(dá)系統(tǒng)的主要目的是極小化自身發(fā)射總功率，并期望通過波束成形算法來抑制互雷達(dá)通道干擾，提升目標(biāo)檢測和跟蹤的準(zhǔn)確性。基于雷達(dá)之間的策略非合作博弈，證明了博弈的納什均衡解的存在性和唯一性。然后，根據(jù)理論分析提出了一種迭代的聯(lián)合波束成形與功率分配博弈算法。該算法利用線性約束最小方差準(zhǔn)則得到了多基地雷達(dá)的接收波束成形器權(quán)矢量，抑制了互雷達(dá)干擾的影響。數(shù)值結(jié)果表明，所提算法較相關(guān)博弈算法有更好的干擾抑制能力和更少的功率損耗。

論文《一種深度神經(jīng)網(wǎng)絡(luò)多站雷達(dá)系統(tǒng)干擾鑒別方法》針對現(xiàn)有多站雷達(dá)系統(tǒng)欺騙式干擾鑒別方法，僅利用目標(biāo)回波空間相關(guān)性單一特征作為度量標(biāo)準(zhǔn)，導(dǎo)致特征提取全面性不夠，鑒別算法有效性和普適性不足的問題，提出一種基于深度神經(jīng)網(wǎng)絡(luò)的多站雷達(dá)系統(tǒng)干擾鑒別方法，將多站雷達(dá)協(xié)同探測技術(shù)在空間、時間和頻率域內(nèi)可用資源多、調(diào)度能力強(qiáng)的特點(diǎn)，與深度神經(jīng)網(wǎng)絡(luò)很強(qiáng)的模型學(xué)習(xí)和特征表示能力相結(jié)合，有效地應(yīng)用于欺騙式干擾對抗領(lǐng)域。充分利用回波數(shù)據(jù)的未知信息，獲取除相關(guān)性之外更多維、更全面、更完善、更深層的特征差異，達(dá)到更優(yōu)的干擾鑒別效果。仿真實(shí)驗(yàn)結(jié)果證明，這種深度神經(jīng)網(wǎng)絡(luò)干擾鑒別方法可以有效地降低噪聲和脈沖數(shù)量對干擾鑒別性能的影響，緩解非理想條件下目標(biāo)回波相關(guān)系數(shù)對干擾對抗技術(shù)的限制，拓寬應(yīng)用過程的邊界條件。

論文《時頻分析聯(lián)合帶通濾波抑制間歇采樣轉(zhuǎn)發(fā)干擾》針對常規(guī)信號處理方法難以有效抑制間歇采樣轉(zhuǎn)發(fā)干擾的問題，首先在時頻域?qū)?shù)個脈沖重復(fù)周期的接收信號進(jìn)行積累，實(shí)現(xiàn)信號時頻信息的增強(qiáng)；然后，結(jié)合圖像處理算法在時頻面上準(zhǔn)確地提取干擾分布區(qū)域，并通過時頻域?yàn)V波粗略地重構(gòu)目標(biāo)回波信號；最后，依據(jù)重構(gòu)的時域信號構(gòu)造帶通濾波器實(shí)現(xiàn)對干擾和噪聲的抑制。仿真結(jié)果表明，該方法可以在低信噪比、多目標(biāo)環(huán)境下有效地抑制多種類型的間歇采樣轉(zhuǎn)發(fā)干擾。相比于其他方法具有更強(qiáng)的穩(wěn)健性，且在抑制假目標(biāo)的同時不會造成明顯的真實(shí)目標(biāo)幅度損失。

論文《多基地雷達(dá)柵欄覆蓋的優(yōu)化布站方法》為解決多基地雷達(dá)的優(yōu)化布站問題，提出了一種利用非等分柵欄覆蓋的優(yōu)化布站方法。該方法首先利用非等分柵欄覆蓋區(qū)域之間的關(guān)系構(gòu)造約束條件，將優(yōu)化問題分解為兩個子問題——單條部署線的優(yōu)化布站問題和非等分柵欄組合的優(yōu)化問題；其次，基于單條部署線上的優(yōu)化布站條件，采用窮舉法求解單條部署線的優(yōu)化布站問題；然后，根據(jù)最小部署成本準(zhǔn)則，利用整數(shù)線性規(guī)劃求解非等分柵欄組合的優(yōu)化問題；最后，確定最優(yōu)布站參數(shù)。仿真結(jié)果表明，相比于現(xiàn)有的同類方法，該優(yōu)化布站方法可以取得更低的部署成本并且需要的發(fā)射站更少。

論文《一種收發(fā)互易的頻帶合成STAP-GMTI系統(tǒng)架構(gòu)》提出了一種基于收發(fā)互易的低瞬時帶寬陣列，通過頻帶合成實(shí)現(xiàn)高分辨率地面運(yùn)動目標(biāo)顯示的系統(tǒng)架構(gòu)及處理方法。陣列的收發(fā)互易實(shí)現(xiàn)了等效相位中心的重合，頻帶合成過程中無須補(bǔ)償目標(biāo)偏離波束中心的相位差，可實(shí)現(xiàn)精確的頻帶合成；寬帶信號合成后，采用空時二維信號處理抑制雜波，實(shí)現(xiàn)對地面運(yùn)動目標(biāo)的檢測。仿真驗(yàn)證了該系統(tǒng)架構(gòu)及處理方法的正確性。

論文《一種改進(jìn)的寬波束線陣?yán)走_(dá)物位測量算法》提出了一種改進(jìn)的寬波束線陣?yán)走_(dá)物位測量算法，用于解決寬波束雷達(dá)物位測量時強(qiáng)雜波干擾導(dǎo)致的物位測量錯誤問題。利用均勻線陣調(diào)頻連續(xù)波雷達(dá)，首先進(jìn)行強(qiáng)散射點(diǎn)檢測及其參數(shù)估計，獲取強(qiáng)散射點(diǎn)的距離、角度和幅值信息；進(jìn)而在分析其產(chǎn)生機(jī)理的基礎(chǔ)上，進(jìn)行多維有效點(diǎn)判別，從強(qiáng)散射點(diǎn)集合中識別物位測量的有效點(diǎn)。糧倉實(shí)地試驗(yàn)采用77 GHz寬波束線陣?yán)走_(dá)對低介電常數(shù)物料進(jìn)行測量，在現(xiàn)實(shí)工業(yè)環(huán)境中實(shí)現(xiàn)了物位的準(zhǔn)確、穩(wěn)定測量。從算法角度突破了雷達(dá)物位測量對天線波束寬度的限制，對小型化、低成本的寬波束雷達(dá)物位計的研發(fā)、應(yīng)用具有重要意義。

論文《二次諧波加權(quán)重構(gòu)的77 GHz FMCW雷達(dá)心率監(jiān)測方法》針對呼吸及其諧波強(qiáng)干擾下的心率估計問題，提出了一種利用心跳2次諧波信號加權(quán)重構(gòu)的心率監(jiān)測方法，并運(yùn)用77 GHz FMCW雷達(dá)實(shí)現(xiàn)了心率的精準(zhǔn)測量。在胸壁位移信號多分辨率分析的基礎(chǔ)上，依據(jù)各層能量分布特性，對心跳2次諧波范圍內(nèi)的子頻帶進(jìn)行加權(quán)處理，以凸顯心跳2次諧波最可能出現(xiàn)的頻率范圍，這不僅避免了呼吸及其諧波的強(qiáng)干擾，而且也能避免譜峰估計中模型階數(shù)選擇難題。實(shí)測數(shù)據(jù)表明，這種方法能在77 GHz FMCW雷達(dá)上實(shí)現(xiàn)高精度的心率監(jiān)測。

論文《利用共軛對稱性的數(shù)字IQ頻域校準(zhǔn)方法》針對雷達(dá)中頻信號解調(diào)過程中的IQ不平衡問題，從IQ不平衡模型及誤差的頻譜特點(diǎn)分析出發(fā)，提出了基于共軛對稱性的數(shù)字IQ頻域校準(zhǔn)方法。首先將存在IQ不平衡的中頻信號進(jìn)行頻域分解，展開為單邊的理想信號和雙邊的誤差信號，其中誤差信號可進(jìn)一步分解為鏡像分量誤差和主頻分量誤差；然后利用兩種誤差信號的原始頻譜和共軛信號頻譜的對應(yīng)關(guān)系，在數(shù)字端通過頻譜運(yùn)算，得到誤差信號的頻域估計；最后對中頻信號頻譜和誤差信號頻譜估計值進(jìn)行相減相消，完成校準(zhǔn)。合成孔徑雷達(dá)成像實(shí)驗(yàn)結(jié)果表明，所提方法可以有效地抑制中頻信號的鏡像分量誤差和主頻分量誤差，從而有效地校準(zhǔn)IQ的幅相不平衡問題。

論文《一種Si CMOS的Ka波段毫米波功率放大器》為了滿足毫米波雷達(dá)或通信系統(tǒng)對更高發(fā)射功率的需求，基于65 nm Bulk Si CMOS工藝制程設(shè)計了一款Ka頻段功率放大器。該功率放大器工作于30～32 GHz，采用了共源共柵差分對結(jié)構(gòu)的兩級放大單元，使用中和電容增強(qiáng)電路的穩(wěn)定性，并以變壓器為基礎(chǔ)設(shè)計實(shí)現(xiàn)了片上無源阻抗匹配網(wǎng)絡(luò)。經(jīng)過測試，該功率放大器在工作頻段內(nèi)的最大輸出功率為16.3 dBm。當(dāng)功率放大器過驅(qū)動時，其最大功率附加效率為16.9 %，-1 dB壓縮點(diǎn)為13.2 dBm，功率增益為23.6 dB。這種功率放大器芯片在功率增益和芯片面積利用率方面具有優(yōu)勢，為硅基毫米波功率放大器提供了一種可行的高功率輸出的設(shè)計實(shí)例。

我們相信讀者可以從以上的學(xué)術(shù)論文中發(fā)現(xiàn)很多有益的思路和解決問題的方法，并借此機(jī)會感謝所有作者的貢獻(xiàn)以及所有評審專家的辛勤付出。是大家的無私奉獻(xiàn)和辛勤努力，使得編委團(tuán)隊(duì)成功組織了這一期專題。