论文部分内容阅读
雷达目标自适应检测技术具有良好的杂波抑制和目标检测能力,已成为现代雷达信号处理中的重要研究方向。经典的自适应检测方法通常假设目标信号在同一距离单元内,杂波为均匀高斯色噪声且满足独立同分布特性。然而,为提高雷达对微弱目标的探测能力,往往需要通过增加积累时间来提高目标积累增益,但会造成目标产生跨距离走动;同时,由于地理环境的复杂性和雷达分辨率的提高等,杂波统计特性呈现出明显的非均匀、非高斯特征。此时,经典自适应检测方法的性能将显著下降。本文围绕均匀、非均匀杂波下微弱目标的自适应长时间积累算法以及空时相关复合高斯杂波下目标的自适应检测算法展开研究。主要内容概括如下:1.针对均匀强杂波环境下跨距离走动目标的自适应检测问题,提出了一种自适应Radon-Fourier变换(ARFT)算法,将自适应处理引入到目标参数化模型匹配搜索中,同时实现跨距离走动目标能量的积累和杂波的自适应抑制,突破了传统自适应检测方法假设目标在同一距离单元内的限制条件;通过仿真实验分析,ARFT算法相对于经典的长时间积累方法和自适应处理方法具有更高的信杂噪比(SCNR)改善性能,可显著提高强杂波环境下微弱目标的探测能力。2.针对ARFT算法在非均匀强杂波环境下训练样本有限以及长时间处理中运算量大的问题,提出了一种子孔径ARFT(SA-ARFT)算法,依据杂波自由度将相参脉冲进行子孔径划分,降低自适应处理维度,随后在子孔径间进行参数化模型匹配搜索,显著降低其对训练样本数和系统运算量的需求,且相对于ARFT算法其SCNR改善性能基本不损失;通过仿真实验分析验证了算法的有效性。3.针对空时相关复合高斯杂波环境下的目标自适应检测问题,建立了一种多维逆高斯纹理复合高斯(MIG-CG)杂波模型,独立描述杂波的空间和时间相关特性;基于MIG-CG模型,提出了基于时间维最大后验概率(MAP)估计的自适应匹配滤波(TMAP-AMF)检测算法,以消除杂波功率尺度差异对经典自适应检测方法性能的影响;针对TMAP-AMF算法在目标导向矢量失配时性能急剧下降的问题,进一步提出了基于空间维MAP估计的自适应匹配滤波(SMAP-AMF)检测算法;通过仿真实验分析,在导向矢量精确已知时,TMAP-AMF算法相对于现有AMF类算法具有更高的目标检测性能,而在导向矢量失配时,SMAP-AMF算法相对于其它算法具有更好的失配信号检测能力。