基于GPU的RFT算法并行化

RFT(Radon-Fourier Transform)是一种广义的MTD算法,可沿着目标径向运动轨迹进行相参积累。然而对距离-速度二维搜索产生的巨大计算量使得其难以快速实现和工程化。针对这个问题,根据雷达信号的回波数据结构和RFT算法思路,提出一种基于GPU的RFT并行化算法。通过实验,GPU平台实现的RFT算法与标准RFT和快速RFT相比,获得了巨大的加速比。另外,通过对比在CPU平台执行的MTD算法,得到在GPU平台上的RFT计算结果在不需要传回主机内存的条件下,计算速度快于在CPU平台上MTD算法。     

高超声速目标雷达检测方法综述

随着高超声速飞行器的不断发展,对高超声速目标的探测需求愈加迫切,近年来涌现出了大量针对该类目标的雷达检测方法。文中根据检测方法利用目标回波相位信息的情况,将现有方法分为相参积累、非相参积累、相参与非相参组合三大类进行讨论,对各种方法的处理思路及其优缺点进行了分析和总结,并指出当前方法中存在的问题,对高超声速目标雷达检测的发展趋势进行了展望。     

基于改进的快速RFT算法的高速目标检测

RFT算法是一种广义的MTD,可以沿着目标运动轨迹进行相参积累。通过分析RFT算法中产生的盲速旁瓣(BSSL)及其与主瓣之间的关系,将基于Chirp-Z变换的快速RFT和标准RFT算法结合,提出一种改进的快速RFT算法,在一个速度区间利用快速RFT搜索目标的模糊速度和距离单元,通过构建速度搜索函数利用标准RFT对目标进行精确搜索。与原有快速RFT相比,改进算法运算量明显减少且不会随着模糊因子的增加而急剧增加。通过仿真实验,验证了在理想条件下积累结果接近理论值。     

基于RFT和AMF融合聚焦的雷达弱小目标检测

低小慢目标的有效探测是雷达领域很有挑战性的课题。本文针对典型无人机的雷达探测问题,旨在提供一套完整的脉冲多普勒(PD)雷达弱小目标高精度检测方案,包括信号模型的建立以及检测聚焦。对于检测聚焦,先利用高阶FIR滤波器滤除低频杂波,再使用Chirp-Z Transform(CZT)加速的Radon-Fourier变换(RFT)和自适应匹配滤波器(AMF),实现目标能量的融合聚焦,最后利用单元平均恒虚警率检测器(CA-CFAR)实现目标的检测。RFT和AMF融合聚焦方法可有效实现信号中强目标和弱小目标的聚焦,提高了弱小目标检测前的信噪比,从而极大地提高了CFAR检测器对弱小目标的检测概率。