论文部分内容阅读
现代化国防建设对微弱机动目标检测及其运动参数估计提出了更高的要求。增加相参积累时间是提高雷达目标检测性能和参数估计精度的有效方法之一。然而,在长的积累时间下,目标的运动引起的距离徙动(RangeMigration,RM)和多普勒频率徙动(Doppler Frequency Migration,DFM)对相参积累的性能产生较大的影响,进而减弱目标检测与参数估计的性能。为了能够有效地检测机动目标并精确估计其运动参数,需要对RM和DFM进行校正。本文对此展开了研究,主要工作概括如下:1、针对匀加速机动目标检测与运动参数估计问题,提出了基于联合二阶Keystone变换和吕分布(Second-order Keystone Transform Lv’s Distribution,SKT-LVD)的算法。SKT-LVD首先利用速度搜索和SKT校正RM。由于匀加速目标方位向回波可建模为线性调频(Linear Frequency Modulated,LFM)信号,因此我们通过LVD估计目标加速度,进而补偿DFM。由于不需要多维参数搜索,相比于Radon分数阶傅里叶变换(Radon Fractional Fourier Transform,RFRFT)算法,计算量大为降低。此外,该算法还能够改善距离采样时,量化引起的能量损失,与RFRFT相比在抗噪声性能上也得到改善。最后,通过仿真实验和实测数据处理对该算法进行了验证。2、提出了基于改进积分三次相位函数(Modified Integrated Cubic Phase Function,MICPF)的二次调频(Quadratic Frequency Modulated,QFM)信号参数估计算法。经MICPF处理后,QFM信号在一个2维空间积累出峰值,根据峰值的位置可以估计QFM 信号的调频率(Chirp Rate,CR)和二次调频率(Quadratic Chirp Rate,QCR)。MICPF是一种双线性算法,具有较好的抗噪声性能和交叉项抑制性能。匀加加速目标方位向回波信号可建模为QFM信号,其中目标的加速度和加加速度分别决定该信号的CR和QCR。基于此,我们将MICPF应用到机动目标检测与运动参数估计中,提出了 SKT-MICPF算法。SKT-MICPF利用速度搜索和SKT校正RM,并通过MICPF估计目标加速度和加加速度,进而补偿DFM。仿真实验和实测数据处理结果验证了SKT-MICPF算法能够实现匀加加速机动目标检测与运动参数高精确估计。3、为了进一步降低匀加速机动目标检测与运动参数估计算法的计算复杂度,我们通过定义一个慢时间相关函数,提出了一种快速算法。首先,通过慢时间相关,将目标能量分布拓展到距离频域-慢时间-时延3维空间中。然后,通过提出的扩展Keystone变换(Extended Keystone Transform,EKT)消除三者之间的耦合,并通过快速傅里叶变换(Fast Fourier Transform,FFT)实现了能量在慢时间维的积累。再利用变尺度逆傅里叶变换(Scaled Inverse Fourier Transform,SIFT)消除距离频域和时延之间的耦合,并实现了能量在距离频域的积累。最后采用FFT实现能量在时延维的积累。在最终得到的3维参数空间中,匀加速目标回波信号被积累出峰值,根据峰值的位置可以同时估计出目标的速度和加速度,通过构造补偿函数可以同时校正RM和DFM。我们对多目标间的交叉项积累情况进行了推导,并通过仿真实验对推导结果进行了验证,证明了该算法适用于多目标场景。计算量与抗噪声性能分析结果表明,与典型算法相比,该算法能够实现计算量和抗噪声性能的平衡。我们用实测数据进行实验,对该算法的有效性进行了验证。4、提出了一种基于距离频域相关的匀加加速机动目标检测与运动参数估计算法。首先,通过SKT消除距离频率与慢时间的二次耦合,再通过距离频域相关得到距离频域-偏移频率-慢时间的3维参数空间。依次沿距离频率轴相加、慢时间轴变尺度傅里叶变换和偏移频率逆傅里叶变换,实现能量的积累。最终,目标能量会在一 2维空间积累出峰值,根据峰值位置可估计目标距离和速度信息。根据估计的参数提取出目标方位向回波信号,并通过MICPF估计目标的加速度和加加速度。DFM补偿后,通过FFT实现相参积累。理论推导和仿真实验证明了多目标间的交叉项不会对自身项的检测产生影响,进而说明了该算法适用于多目标场景。计算量与抗噪声性能分析结果表明,与典型算法相比,该算法在损失一定抗噪声性能的基础上,能够大幅降低计算量。实测数据处理结果验证了该算法的有效性。