论文部分内容阅读
与地基雷达相比,机载雷达由于平台位置的升高增加了雷达的最大可探测距离,尤其是对低空、超低空突防目标,其最大可探测距离更是大大增加。但是当机载雷达下视时,回波中杂波分量的强度非常大,而且不同方位的杂波还具有不同的多普勒频率。此时,为了抑制回波中的杂波分量,我们需进行空时二维的联合滤波,即空时自适应处理(Space-Time Adaptive Processing,STAP)。此外,随着战场环境日益复杂,人们希望雷达除了具备常规的目标检测与跟踪功能外,还希望雷达能够提供更多关于目标的信息。宽带雷达因其能够获得更多的目标信息、更高的参数辨别能力,从而得到了广泛的应用。传统的空时自适应处理需要通过一定数量的训练样本来估计检测单元的杂噪协方差矩阵。但是在实际应用中,由于环境的非均匀性,如地形地貌的变化,人造建筑物等,产生了非均匀样本,使得空时二维滤波器的响应与实际杂波发生偏差,最终导致STAP性能严重下降。同样地,在设计宽带雷达的动目标检测器(Moving Target Detector,MTD)时,也会遇到非均匀样本的问题,假如直接采用这样的训练样本来估计杂波协方差矩阵,则会导致检测性能严重下降。由此可见,无论是对机载雷达的STAP技术还是宽带雷达的动目标检测技术,为了实现工程化应用,都必须解决非均匀样本的问题。本文在以上背景下围绕非均匀环境中的机载雷达杂波抑制及宽带雷达动目标检测展开深入研究,主要研究内容包括:1.针对现有知识辅助空时自适应处理(Knowledge-Aided STAP,KA-STAP)算法在环境的先验知识与实际环境失配时性能严重损失的问题,本文提出了两种基于环境动态感知的知识辅助STAP算法,通过实时在线感知的方式获取环境信息,从而缓解了环境知识与实际环境失配的问题。方法一利用天线阵发射正交信号时具有全向方向图的特点,在检测前发射一组正交信号探测外界环境,并通过环境的观测数据估计场景内杂波的散射特性,存入环境动态数据库,完成环境的实时在线感知;检测时先利用数据库中的杂波信息结合平台参数及系统参数预测未来一段时间内的杂波协方差矩阵;之后预测的杂波协方差矩阵与样本协方差矩阵以一定的方式组合生成空时滤波器,抑制非均匀杂波。方法二则在方法一的基础上充分利用杂波雷达截面积(Radar Cross Section,RCS)的空间特性,通过多帧观测联合感知的方式,提高了重构算法对场景稀疏度的稳健性,从而进一步改善了雷达在非均匀环境中的杂波抑制性能。2.虽然预白化STAP、色加载(Colored Loading,CL)等KA-STAP算法在理想情况下具有极高的收敛速度,但是在实际处理时,由于阵列误差的存在,其收敛速度往往会变慢。针对这个问题,本文首先对三种工程中比较常见的阵列误差进行了分析建模,并着重研究了三种误差同时存在时的等效模型;之后,详细分析了阵列误差对KA-STAP的影响,指出它的存在,一方面会造成杂波子空间的估计精度降低,另一方面会导致目标信号部分相消;最后,就阵列单独存在通道幅相误差以及同时存在幅相误差,位置误差,互耦效应时,分别提出基于杂波数据的通道幅相误差在线校正方法及基于杂波数据的方位依赖误差在线校正方法。3.研究了非均匀杂波背景中的宽带雷达动目标检测问题。现有的宽带雷达自适应检测器在设计过程中一般假设目标不存在越距离单元走动,并且在估计杂波协方差矩阵时可用的训练样本是足够的。然而考虑到宽带雷达的高距离分辨率以及实际杂波场景的非均匀性,以上假设并不总是成立。对此,本文提出了一种知识辅助的宽带雷达动目标检测方法。该方法先通过将原始的检测问题从距离域转换到距离频域,从而消除了目标越距离单元走动对检测的影响;之后,通过引入环境的先验知识完成检测器设计,进而消除了非均匀样本对目标检测的影响。4.Keystone变换无需目标确切的运动信息便可补偿目标的越距离单元走动,但是其无法同时补偿具有不同模糊次数的多个目标。针对这个问题,本文提出一种基于联合稀疏恢复的宽带雷达动目标检测方法。该方法首先利用杂波协方差矩阵的Cholesky分解对回波数据进行预白化处理,抑制杂波分量;然后在距离频率-慢时间域,利用目标信号的非模糊表示消除目标的多普勒模糊;之后经适当的推导,建立了目标信号的联合行稀疏表示模型,并通过联合稀疏恢复算法得到目标的频域估计;最后通过逆傅里叶变换得到目标的时域估计。