基于包络插值移位补偿的高速运动目标的积累检测算法研究

本文针对Chirp雷达在低信噪比下对高速运动目标的有效积累检测问题,首先分析Chirp雷达运动目标的回波特性,指出包络走动是影响高速运动目标积累性能的主要因素,然后提出“基于包络插值补偿的相参积累”检测算法来解决这一问题。Monte Carlo仿真实验表明,在信噪比-8dB的条件下,采用该算法,对高速运动目标的检测性能可以达到在虚警概率为10-6时截获概率大于95%,证明了本算法的有效性。     

基于变脉宽波形的高速目标积累检测研究

针对米波低重频雷达在低信噪比下对高速运动目标的相参积累检测问题,提出了发射变脉宽信号的新方法。首先用宽脉冲回波估计目标运动参数,再对窄脉冲回波进行包络移位和相位补偿,实现相参积累,保证雷达的距离分辨率要求。该方法有效地解决了高速、匀加速径向运动目标跨速度、距离分辨单元的相参积累问题。仿真验证了新方法的有效性。     

MIMO雷达弱目标检测前跟踪算法

相比相控阵雷达,多输入多输出(MIMO)雷达发射功率密度低,在低信噪比条件下空间分集特性优势不明显,检测概率降低。针对此问题,提出了基于逐目标消除-动态规划的多目标检测前跟踪(TBD)算法。该算法先利用统计量筛选航迹点,对信号进行积累,在降低TBD运算量的同时,减小了噪声的积累;再采用逐目标消除的思想,克服了动态规划的航迹分叉和仅能处理单目标的缺陷,实现了多目标的有效检测。文中还推导了目标检测的虚警概率和检测概率,给出了检测门限与虚警概率的关系。复杂度分析和仿真表明,相比传统TBD算法,所提算法的运算量明显降低;相比传统MIMO雷达检测方法,在相同虚警概率和检测概率条件下,所提算法要求的信噪比降低了5 dB,有效提升了检测性能。     

基于HT-MDCFT的高速机动目标运动参数估计

针对低信噪比条件下高速机动目标运动参数估计问题,将Hough变换(HT)和修正离散线性调频傅里叶变换(MDCFT)相结合,提出一种新的雷达信号处理算法(HMDCFT)。该算法首先采用Hough变换,从距离像图像中提取目标运动轨迹特征,校正距离走动并解速度模糊;然后利用MDCFT校正多普勒频率徙动,估计目标运动参数;最后沿估计的目标运动轨迹对回波能量进行相参积累。数值实验表明,该方法具有优越的抗噪声能力和运动参数估计性能。相比于利用距离像间相关性的包络互相关法,其抗噪声能力提升了约17.6 dB;即使雷达回波输入信噪比低至-35 dB,该方法仍可精确估计目标运动参数,充分聚焦目标回波能量。     

空间目标检测与实现方法研究

空间目标由于其高速高机动等特点在观察时间内通常跨越多个距离单元,使得为了目标检测进行能量相参积累变得很困难。通过对大时宽高速运动目标雷达回波信号的建模,分析了拉伸效应、脉冲间距离迁徙等因素对积累的影响。提出了一种基于欠采样下Keystone变换的高速目标检测方法。该方法能有效补偿距离走动,去除多普勒模糊,提高信噪比,改善雷达的检测性能。通过仿真和实际数据分析,验证了该算法的有效性,同时结合硬件平台给出了工程实现方法。     

外辐射源雷达高速加速微弱目标检测研究

针对以模拟电视伴音信号为照射源的外辐射源雷达对高速加速运动微弱目标的探测问题,提出了将长时间相参积累和长时间非相参积累相结合的积累思想,以及一种基于短时分数阶傅里叶变换和动态规划的检测方法.从高速加速运动目标在外辐射源雷达中的回波模型人手,推导出了该算法的原理和实现过程,分析了算法的虚警概率和检测概率,并给出了仿真结果.分析和仿真结果均表明此算法对高速加速运动的微弱目标具有较好的检测性能.     

一种有效降低寄生频谱的包络移动补偿方法

长时间积累或高速目标跟踪场合常用移位或插值方法避免目标运动导致的积累损失,但移位或插值操作引入的寄生频谱干扰了小目标的检测和跟踪。结合数字脉压过程,本文提出一种新的补偿方法,利用chirp信号的多谱勒-距离耦合特性控制包络走动。新算法有效控制了幅度调制和由此带来的寄生频谱。仿真结果表明,新算法能进一步改善低信噪比条件下的检测性能。      

MIMO雷达多目标检测前跟踪算法研究

 本文基于检测前跟踪技术研究了MIMO雷达系统中多个运动目标的早期预警问题,在推导已知目标数量时的二元广义似然比检验的基础上,提出了一种次优的基于“逐目标消除和极坐标Hough变换（STC-PHT）”的多目标检测前跟踪算法,并推导了该算法的虚警概率和检测概率表达式。与以往的多目标检测前跟踪算法相比,新算法具有较低的计算量,且本质上无需目标数量的先验信息,避免了目标数量未知时需执行多元假设检验的问题。仿真分析表明,新算法能有效地改善MIMO雷达在低信噪比条件下的检测性能。     

基于恒虚警的高频雷达起伏目标检测算法研究

针对高频雷达目标检测过程中由于信噪比波动导致检测概率降低、跟踪丢失的问题,提出了基于高低双门限的关联检测算法。基于高频雷达相邻次扫描过程中目标运动信息的相关性,根据目标的速度、距离、方位等运动信息为目标建立关联区域,后续检测时在此关联区域内自动降低判决门限以提高检测概率。理论分析及实测数据表明,与常规恒虚警检测比较,关联检测算法在保持相同虚警概率的同时可获得更高的检测概率,从而有效提高高频雷达的检测和跟踪性能。     

一种新的超声速弱目标长时间相参积累算法

由于超声速弱目标的高速、小雷达散射截面特性,常规雷达难以对其进行有效检测与跟踪。针对该问题,文中提出了一种新的超声速弱目标长时间相参积累检测与估计算法。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,同时通过构造线性频率相位因子,补偿了距离走动的影响;然后,进行匹配滤波和相参积累,来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。     

基于辐射累积和空间反演的空中弱目标检测算法

背景辐射噪声是弱信号检测面临的难点问题。提出了一种显著提升信噪比实现匀速运动弱目标的有效检测算法。建立目标坐标空间和速度空间,以不同速度矢量控制图像叠加,形成提升了信噪比的新的图像序列并构成图像空间;利用恒虚警判决法在图像空间中检测候选目标点;根据候选目标点所对应的坐标向量和速度向量分别映射到坐标空间和速度空间,由两个空间中出现的峰值判定目标点。实际红外成像系统实拍实验表明,算法能将信噪比提升至接近原图的N倍,目标检测概率和虚警概率都明显优于所对比的弱目标检测算法。     

基于非参量CUSUM的认知超宽带频谱感知算法

提出了一种基于非参量CUSUM的超宽带信号快速检测算法,该算法针对认知超宽带频谱感知中超宽带信号检测问题,根据超宽带信号占空比低的特点,选择短时能量作为非参量CUSUM算法的观测统计量,将块检测思想和序列检测思想进行有机结合,克服了块检测算法的信噪比门限效应,并采用加滑动预处理窗的方式降低噪声对观测统计量的影响。本文通过自适应改变非参量CUSUM算法中Reference Value取值的方法,提出改进算法以进一步缩短检测延迟。仿真证明,占空比为1/10、信噪比为-25dB时, 所提算法可在用户发送50个脉冲的时间内以90%的概率检测出主用户信号的存在,而能量检测算法在8dB时才能达到相同检测概率,且所提算法检测延迟小于能量检测算法。改进算法在-10dB≤SNR≤5dB条件下可明显缩短检测延迟。      

High Accuracy Velo city Measurement Based on Keystone Transform Using Entropy Minimization

Velocity measurement is a basic task of radars. The target velocity is usually estimated according to the Doppler frequency shift. While traditional Doppler methods are unsuitable for high-speed targets, since the serious range migration between adjacent echoes causes phase wrapping. The serious range migration also inter-feres the coherent integration to improve the accuracy of the velocity estimation. A velocity measurement method based on Keystone transform using entropy minimization is studied to solve this problem. This method applies Key-stone transform to the echo to calculate the ambiguity de-gree with the help of entropy minimization. The proposed algorithm estimates the ambiguity degree with no error at a wider range of SNR than the traditional method. The ambiguous Doppler frequency is obtained according to the slow time. Theoretical analyses and simulations show that this method has very high precision.     

基于随机共振和非中心F分布的频谱感知算法

为解决频谱感知算法在低信噪比（SNR）时检测概率较低且检测所需采样点数较多的问题,提出了基于随机共振和非中心F分布（SRNF）的频谱感知算法。通过引入直流随机共振噪声,建立了SRNF的系统模型,推导了服从非中心F分布的检验统计量表达式、虚警概率与检测概率以及判决门限表达式,并采用数值法求解最佳的随机共振噪声参数。仿真结果表明,在低信噪比时,所提基于SRNF算法的检测性能优于能量检测（ED）算法和基于F分布的盲频谱感知（BSF）算法,当虚警概率为5%、信噪比为–12 d B、采样点数为200时,所提算法的检测概率是95%,分别比BSF算法和ED算法高34%和67%;当信噪比为–12 dB、检测概率达到95%时,所提算法所需的采样点数是210,比BSF算法节省了340个采样点。此外,噪声不确定度对所提算法的影响小于ED算法。     

基于平均相关和差分相干累积的微弱GPS C/A码信号精密捕获算法

针对弱信号条件下GPS C/A码捕获问题,提出一种基于平均相关和差分相干累积的码捕获算法。首先,引入相干能量最大值与第二大值的比值作为判决变量,仿真了各种捕获算法的虚警概率得到最佳的判决门限;然后,通过设置的判决门限获得不同多普勒频率偏差及信噪比条件下的检测概率;最后,比较了所提差分相干累积算法、相干非相干累积算法以及非相干累积算法的捕获灵敏度。仿真实验表明,在相同接收数据长度的情况下,采用差分相干累积算法比其他2种算法提高捕获灵敏度约2 dB。     

一种新的雷达脉冲信号的非匹配检测算法

在电子侦察领域中，传统的雷达脉冲信号检测是基于包络检波的非匹配检测。为了提高在低信噪比条件下对雷达脉冲信号的检测概率和参数估计精度，文中提出了一种新的雷达脉冲信号的非匹配检测算法——极值序列分析法。该算法可在低信噪比条件下完成雷达脉冲信号的检测，然后对雷达脉冲信号的脉冲幅度、脉宽、到达时问、信噪比和载频等参数进行估计。仿真结果表明：极值序列分析法对雷达脉冲信号的检测概率高、参数测量精度高和处理速度快。     

基于MUSIC法的宽带分布式全相参雷达相参参数估计方法

宽带分布式全相参雷达具有高距离分辨力和高角度分辨力,可在实现对目标探测的同时获得更为精细的信息。其中,准确的相参参数是实现宽带全相参的关键。在远距离探测场景下,目标回波SNR较低,导致单部雷达无法探测到目标。如何在此情况下准确地估计相参参数,完成多部雷达相参合成,是分布式全相参雷达实现远距离探测的核心问题。本文首先建立了针对高速运动复杂目标的宽带Chirp去斜回波模型,并建立了相参参数的数学模型。然后,提出了基于MUSIC法的宽带分布式全相参雷达相参参数估计方法,通过估计观测目标的散射点个数、极点以及复幅度,重建宽带回波信号,并基于该无噪声重建信号估计相参参数。最后,利用仿真分析验证了本文提出方法在低SNR下的有效性。      

基于扩散策略的实时分布式协作频谱检测算法

针对传统分布式协作频谱检测算法认知用户不能实时检测问题,该文提出基于扩散策略的实时分布式协作检测算法。算法利用各个节点的本地代价表示全局代价,通过最小化各个节点的代价使得全局代价最小。采用最速下降法,利用迭代方式计算各个节点检测量的最优估计值,得出估计值的理论稳态均值和方差,得出虚警概率、检测概率以及检测门限的封闭表达式。理论分析和实验结果表明,该算法能够有效解决分布式网络认知节点的实时检测问题,并具备快速学习和适应环境变化的能力。当虚警概率为0.01且检测概率达到0.9时,平均信噪比较平均共识和非实时扩散策略降低了约6 dB,能够实现在极低信噪比条件下的信号检测。