论文部分内容阅读
调频连续波(Frequency Modulated Continuous Wave,FMCW)雷达由于具有无距离盲区、测距精度高且结构简单等优势,使其应用领域逐渐从军用走向民用。随着FMCW雷达的广泛应用,对其目标的距离、速度和角度参数估计的精度和实时性均提出了更高的要求。多维参数联合估计算法由于可以结合多种参数的特征从而提高参数估计的精度,使其备受研究者青睐。FMCW雷达所采集的信号一般包含着目标的距离、速度和角度三维参数,而多维参数联合估计是采用一定的算法将三维参数的特征相结合,从而实现对目标多个维度参数的估计。当前多维参数估计存在以下特点:一、采用多维快速傅里叶变换(Fast Fourier Transform,FFT)算法由于受栅栏效应和频谱泄露的影响导致参数估计精度较低;二、在多目标场景下,由于目标个数未知且干扰严重易出现目标参数估计错误的问题;三、采用多维子空间分解类算法可实现高精度的距离、速度和角度估计,但算法复杂度高,实用性较差。基于此,本文开展了基于FMCW雷达的多维参数联合估计算法研究,本论文主要做了如下工作:第一、根据FMCW雷达中频信号的特点,首先采用二维FFT算法得出二维距离-速度频谱;再采用变步长迭代插值的算法改善算法估计中的栅栏效应问题,提高目标的距离和速度估计精度;最后,通过仿真和实验验证了算法的可行性。第二、在目标个数未知的情况下,首先提出了二维组合恒虚警检测(Constant false alarm detection,CFAR)算法实现各种杂波环境下的目标检测;然后,采用强散射点凝聚处理算法对CFAR检测后具有多散射点的点目标归类,从而实现信号中目标数目的估计,并记录下强散射点目标对应的位置信息。第三、根据雷达信号中三维参数之间的相关性,提出了基于距离匹配的低复杂度高精度三参数联合估计方法。首先根据记录的位置信息以及初始距离对二维频谱采用频域插值算法实现距离-速度估计;然后,采用多扫频非相参积累与空间平滑多重信号分类(Multiple Signal Classification,MUSIC)相结合的算法实现初始距离和角度的联合估计;最后,将目标参数信息以初始距离为枢纽,实现了参数之间的匹配。