The Soil Moisture Active Passive (SMAP) mission is one of the first Earth observation satellites being developed by

Abstract The Cyclone Global Navigation Satellite System (CYGNSS) is a new NASA earth science mission scheduled to be launched in 2016 that focuses on tropical cyclones (TCs) and tropical convection. The mission’s two primary objectives are the measurement of ocean surface wind speed with sufficient temporal resolution to resolve short-time-scale processes such as the rapid intensification phase of TC development and the ability of the surface measurements to penetrate through the extremely high precipitation rates typically encountered in the TC inner core. The mission’s goal is to support significant improvements in our ability to forecast TC track, intensity, and storm surge through better observations and, ultimately, better understanding of inner-core processes. CYGNSS meets its temporal sampling objective by deploying a constellation of eight satellites. Its ability to see through heavy precipitation is enabled by its operation as a bistatic radar using low-frequency GPS signals. The mission will deploy an eight-spacecraft constellation in a low-inclination (35°) circular orbit to maximize coverage and sampling in the tropics. Each CYGNSS spacecraft carries a four-channel radar receiver that measures GPS navigation signals scattered by the ocean surface. The mission will measure inner-core surface winds with high temporal resolution and spatial coverage, under all precipitating conditions, and over the full dynamic range of TC wind speeds.

Most radar systems employ a feed-forward processing chain in which they first perform some low-level processing of received sensor data to obtain target detections and then pass the processed data on to some higher-level processor such as a tracker, which extracts information to achieve a system objective. System performance can be improved using adaptation between the information extracted from the sensor/processor and the design and transmission of subsequent illuminating waveforms. As such, cognitive radar systems offer much promise. In this paper, we develop a general cognitive radar framework for a radar system engaged in target tracking. The model includes the higher-level tracking processor and specifies the feedback mechanism and optimization criterion used to obtain the next set of sensor data. Both target detection (track initiation/termination) and tracking (state estimation) are addressed. By separating the general principles from the specific application and implementation details, our formulation provides a flexible framework applicable to the general tracking problem. We demonstrate how the general framework may be specialized for a particular problem using a distributed sensor model in which system resources (observation time on each sensor) are allocated to optimize tracking performance. The cognitive radar system is shown to offer significant performance gains over a standard feed-forward system.

Interference from one radar system to another may compromise radar performance. For simple low-duty cycle pulsed sinusoidal interference, the interfering power is highly concentrated in the time domain (simplifying its detection) and occupies only a small fraction of a coherent integration period, making mitigation more feasible. While a flag-and-exclude approach can be applied to reduce the impact of this interference, such methods may impact downstream radar processing operations due to the absence of flagged data. If possible, it is more desirable to estimate and coherently subtract interference to reduce the impact on downstream operations. A case study of a coherent subtraction approach with data from NOAA's Advanced Technology Demonstrator (ATD) weather radar is presented in this paper that demonstrates reasonable performance and suggests avenues for continued advancement of the method.