超声速弱目标二维频域检测与参数估计算法

超声速弱目标在长积累时间内会发生严重的距离走动,导致常规雷达检测性能急剧下降,针对该问题,本文提出了一种超声速弱目标二维频域检测与参数估计算法。首先给出了超声速弱目标回波信号模型,并分析了距离走动特性。在此基础上,推导了超声速弱目标回波二维频域表达式,得出了距离频域和方位频域存在线性关系的结论,并根据二维频域中的斜线进行积累,以此提高目标的检测性能,同时完成目标的参数估计。最后,通过仿真实验分析了该算法的检测和参数估计性能,理论推导和仿真结果表明该算法的信噪比积累增益为脉压比和相参积累脉冲数的乘积。      

基于相参Radon变换的米波相控阵雷达弱目标检测

米波相控阵雷达具有反隐身和抗反辐射导弹的天然优势,且波束灵活可控,为四代机目标的检测提供了一种新的技术途径.但四代机目标在长积累时间内会发生严重的距离走动,导致检测性能急剧下降,针对该问题,文中提出了一种基于相参Radon变换的米波相控阵雷达弱目标检测与参数估计算法.首先给出了超声速弱目标回波信号模型,并分析了距离走动特性.同时,提出了沿距离走动斜线进行长时间相参积累的相参Radon变换法,并给出了算法实现流程图.最后,通过仿真实验验证了该算法的有效性,并分析了其检测和参数估计性能,仿真结果表明该算法具有比Hough变换法和MTD法更优的低SNR背景下的目标检测性能.     

天空双基地预警雷达长时间相参积累算法研究

天空双基地预警雷达体制中,信号传播距离远,回波信噪比低,且目标高速运动常导致回波越距离单元走动,从而影响目标检测性能。针对这一问题,将Keystone变换用于天空双基地预警雷达体制中,在建立空间几何模型的基础上,分析了回波越距离单元走动特性,应用Keystone变换校正距离单元走动,并进行解多普勒模糊处理和基于单元选大准则的数据处理。该方法可以用于多个不同距离和速度的目标距离走动校正和相参积累检测。仿真结果验证了该方法具有良好的多目标检测性能。     

基于分段运动特性的空间目标检测算法

为提高空间目标检测性能,需要分析目标回波模型,研究高速运动目标距离走动补偿方法。针对双基地雷达对空检测过程中可能出现的距离走动问题,建立双基地雷达-目标三维模型和回波模型,分析了全过程中目标运动对距离走动的影响,提出了基于分段运动特性的目标检测方法。通过引入两级速度补偿算法,保证参数估计精度的同时提高计算速度。并以空间目标ISS(International Space Station)为例进行仿真实验,验证算法的有效性和对噪声的鲁棒性。     

分布式相参雷达多脉冲积累相参参数估计方法

分布式相参雷达(DCAR)是目前国内外雷达领域的重要研究方向,精确的参数估计是实现其良好相参性能的前提和核心。基于动目标模型,提出一种基于多脉冲积累的相参参数估计方法。该方法通过对多脉冲信号进行快、慢时间匹配滤波处理,实现多脉冲相参积累;再利用互相关法进行相参参数估计。仿真分析对比了不同脉冲个数和不同输入信噪比下的参数估计性能和相参性能,仿真结果表明,该方法具有可行性,且可以有效提高低信噪比情况下的参数估计性能和相参性能。     

基于逆滤波的宽带线性调频雷达MTD技术

影响宽带线性调频雷达运动目标检测的两个核心问题是多周期脉冲间散射中心的越距离单元走动（MTRC）以及扩展目标在高分辨距离单元间的能量分散。在分析宽带线性调频脉冲串回波信号多普勒效应的基础上,将每个子脉冲回波经过逆滤波转化为窄带信号,通过窄带匹配滤波降低距离分辨率对多散射中心的能量进行相参积累,同时避免了越距离单元走动问题。然后利用脉冲多普勒思想对低分辨的脉冲串信号进行二次相参积累,实现运动目标检测（MTD）。最后通过仿真实验验证了算法的有效性,结果表明该算法对存在多个强散射中心和速度较大的目标能够有效提高相参积累信噪比和测速精度。     

一种Chirp雷达包络对齐新方法

长时间相参积累是提高Chirp雷达对微弱目标检测能力的主要方法之一。但是,目标的径向运动会引起目标回波在脉冲间发生包络走动从而影响积累性能。首先分析了Chirp雷达中包络走动对长时间相参积累性能的影响,然后提出了一种基于频域校正的Chirp雷达包络对齐新方法。分析了其原理、步骤并通过仿真表明该算法能大大地改善积累性能。最后在运算量上与目前几种包络对齐方法进行了对比,通过分析对比表明其运算量大大低于目前的几种积累方法。     

米波双基地雷达长时间相参积累算法

四代机目标具有隐身、高速、高机动等特点,传统雷达对其检测失效。针对这一问题,本文结合米波雷达和双基地雷达的优势,研究了米波双基地雷达的四代机目标检测特性。首先给出了米波双基地雷达目标回波信号模型,并对距离徙动和多普勒徙动特性进行了分析;在此基础上,提出了基于Keystone变换的米波双基地雷达长时间相参积累算法。该算法在距离频域-方位时域利用Keystone变换补偿距离徙动,并利用FFT实现长时间相参积累。最后,Monte Carlo仿真实验验证了所提算法的有效性。本文所提算法为四代机目标检测提供了新的技术途径。      

双基地雷达Radon-Fourier变换弱目标积累检测

增加信号相参积累时间能够提高弱目标检测能力。双基地雷达长时间相参积累的关键是解决非线性相位回波的目标运动补偿问题。在波束影响可忽略的情况下,该文提出了双基地雷达距离-速度域Radon-Fourier变换（RFT）处理方法。该方法通过频域联合搜索双基地距离和速度参数空间,完成距离走动校正与脉冲积累。理论分析和仿真实验证明了其有效性。      

基于非合作捷变频雷达的微弱目标检测算法

目前,频率捷变技术广泛应用在雷达系统设计上,用来提高抗干扰能力和检测概率,这使得回波信号的相参性难以保证。同时,增加积累时间的方法通常用于提高雷达对微弱目标的检测能力,但是长时间积累容易引起距离走动。以上因素导致了回波信号的能量无法得到有效积累。提出的一种基于非合作捷变频雷达的微弱目标检测算法,能够有效解决捷变频回波信号长时间积累时出现的相位抖动问题,从而实现相参积累。仿真实验证明了该方法对于微弱目标检测的有效性。     

一种新的高速多目标快速参数化检测算法

针对线性调频脉冲压缩雷达参数化检测高速多目标时受到距离徙动、多普勒扩散和速度模糊的影响,该文首先采用联合频域变标脉冲压缩处理与吕方法(2011)实现目标信号的相参积累,然后在其基础上采用基于多普勒频率模糊数搜索的方法完成高速多目标的参数化检测.算法所提出的频域变标脉冲压缩处理可同步完成距离维的徙动补偿与多普勒维的模糊数补偿,降低了实现目标参数化检测的计算复杂度,且由于算法采用相参积累方式,在低信噪比下可以进行精确的目标检测和运动参数估计.相参积累算法运算量分析、计算机仿真以及实测数据处理结果验证了该文所提算法的有效性.     

基于5G信号的脉压加权相参积累方法

5G信号携带的通信信息导致脉压信号出现大量随机性起伏旁瓣,类似于噪声对脉压信号的干扰,影响了相参积累性能。针对该问题,本文将脉压信号幅度加权的方法应用到基于5G信号的外辐射源雷达系统中,在单发单收的雷达模型基础上,理论分析了5G信号特性及脉压旁瓣起伏性较大原因,推导了脉压幅度加权方法抑制随机性旁瓣的可行性。最后,通过建立距离 多普勒谱,实现对5G信号的相参积累。仿真结果表明该方法能够大幅度降低峰值旁瓣比,可有效实现对脉压旁瓣的抑制。     

提高雷达机动目标检测性能的二维频率域匹配方法

 增加目标信号的积累时间是提高雷达对微弱目标探测能力的主要方法.但是,对于高速运动目标,在长时间相参积累期间,目标回波信号容易产生距离徙动和多普勒走动,若不进行补偿,目标信号能量不能有效积累.传统基于keystone变换的方法仅适用于目标作匀速运动的情形,当目标作机动运动时,距离弯曲不能通过keystone变换进行校正.针对目标作匀加速运动,且高速目标存在多普勒模糊情况,本文提出一种二维匹配滤波新方法,该方法将脉冲压缩后的目标回波转换到距离-多普勒二维频率域,通过构造一补偿函数进行匹配滤波处理.该方法不需要知道目标运动速度参数,由目标径向速度引起的距离走动和径向加速度引起的距离弯曲均能得到很好的消除,另外,所提算法可以有效地利用快速傅里叶变换实现而无需进行插值操作,运算量小.仿真结果表明本文方法具有良好的高速机动目标积累检测性能.     

机载雷达微弱目标帧间非相参积累与检测技术

微弱目标探测一直是机载雷达面临的重要挑战，本文针对这一问题提出一种目标帧间非相参积累和检测方法。首先，建立了机载雷达帧间采用不同载频和脉冲重复周期场景下的回波信号模型。其次，提出了一种运动目标帧间多普勒校正和距离单元走动补偿方法，使得目标在不同帧数据中位于相同待检测单元。然后，进行强目标检测和剔除，利用距离周期扩展方法解距离模糊，并进行帧间非相参积累。经过提出的方法处理后，微弱目标的检测性能得到提升。最后，利用仿真试验进行了提出方法的有效性验证。      

脉冲压缩及相参积累在激光雷达中的应用

将现代微波雷达中的脉冲压缩及相参积累技术应用到激光雷达中,通过搭建激光雷达实验系统,对目标回波数据进行采集分析,数据处理结果表明,激光雷达应用脉冲压缩及相参积累技术后,可以显著提升激光雷达系统的性能。     

距离扩展目标极化检测的比较研究

针对非起伏目标和瑞利起伏目标的单脉冲检测问题,建立了距离扩展目标的极化检测模型,导出了相应的极化检测器及其检测性能的解析表达式。在此基础上研究了雷达带宽、目标回波极化和目标径向尺度估计误差对检测性能的影响,并将本文的检测算法与二进制积累极化检测算法进行了比较研究。主要结论有:在特定的信噪比条件下,存在最佳带宽使得瑞利目标检测概率最大;窄带条件下确定极化和随机极化目标的检测性能差异较为显著,大带宽条件下二者检测性能相差约13dB;相对于过高估计目标径向尺度的情况,瑞利目标检测性能对目标径向尺度的过低估计更为敏感;二进制积累检测性能一般不及径向积累检测,但其性能差异较小。      

基于遗传算法的OTHR机动弱目标检测

天波超视距(OTH)雷达系统中,为了获得较高的多普勒分辨率,通常会采用长的相干积累时间,但对于机动目标,长相干积累时间会导致回波的多普勒展宽,不利于检测。对于弱目标,由于其能量低,容易被强目标掩盖,加大了检测难度,针对这一问题,提出一种基于目标运动参数估计的OTHR机动弱目标检测方法。利用遗传算法优越的参数估计性能这一特点,采用遗传算法估计各目标的运动参数,并引入"clean"算法的思想,在时域上逐个减去强目标,以消除强目标的掩盖效应。又考虑到遗传算法的运算量较大,进一步提出采用时频分析算法估计各参数范围,减小遗传算法的运算量。仿真结果表明,与已有算法相比,文中算法具有更高的参数估计精度和弱目标检测性能。