论文部分内容阅读
为了提高对微弱目标的探测能力,雷达常采用长时间积累算法来提高回波信噪比。但对于高速机动目标,回波信号在长时间积累过程中会发生距离走动和多普勒走动,从而使传统的积累算法失效。因此,如何校正运动目标回波信号在长时间积累过程中发生的距离走动和多普勒走动,实现其相干积累以发现微弱目标就显得尤为重要。针对以上问题,本文研究了三类机动目标的回波模型,并对不同回波模型提出了相应的长时间积累算法。本论文具体工作如下:(1)针对匀速运动目标在高速运动过程中回波信号会产生严重的距离走动问题,本文提出了KTP(Keystone and Parameter estimation)和KTR(Keystone and Radon)两种方法,分别在信号频域和时域实现对目标回波解模糊。仿真实验表明,两种算法都能有效校正目标回波的距离走动,实现目标回波的能量积累,与GKT算法相比,KTP算法在低信噪比环境下检测性能更好,KTR算法的运算复杂度明显降低。(2)匀加速运动目标在高速运动过程中回波也会发生距离走动,此外,目标的径向加速度还会造成多普勒走动。当距离分辨率不高时,径向加速度带来的距离弯曲(二阶距离走动)可以忽略,针对此种情况,提出了基于Keystone变换和SPF(Square Phase Function)的长时间积累算法,与二阶RFT算法相比,该算法在运算复杂度降低的情况下能达到比较精确的估计值。针对距离弯曲不能忽略的情况,提出了基于SKT和STR的长时间积累算法,该算法在不同的加速度条件下,都能实现目标回波能量的有效积累,与SKTRFT算法相比,不会产生盲速旁瓣。(3)针对变加速运动目标,存在着加速度和加加速度的特点,提出了一种基于KTR和PCPF的信号长时间积累算法。首先通过Keystone变换和Radon变换校正目标回波的线性距离走动,然后通过构造乘积型三阶相位函数(Product Cubic Phase Function)估计目标的径向加速度和径向加加速度并补偿回波的高阶相位,进而消除多普勒走动的影响,最后通过方位向的傅里叶变换进行能量积累。经过仿真实验证明,该算法能有效积累目标能量,与现有的KTCPF算法和GKTGDP算法相比,运算复杂度明显降低。