机载雷达高速空中微弱动目标检测新方法

该文分析了机载雷达高速微弱空中动目标检测问题,指出直接对总回波数据进行Keystone变换校正存在多普勒模糊的动目标的距离走动时,会导致杂波脊展宽、杂波自由度增加从而降低STAP性能。为了解决这一问题,该文提出了一种新方法,该方法首先进行杂波抑制,然后利用Keystone变换校正目标距离走动,最后对目标距离走动校正后的数据进行常规空时2维波束形成实现目标积累,从而避免目标与杂波模糊数不同时,直接对回波数据进行Keystone变换校正动目标距离走动的同时影响杂波分布特性进而降低STAP性能的问题。仿真结果证明了该方法的有效性。     

Keystone变换对空时自适应处理性能的影响分析

机载/星载等高速平台进行高速空中动目标检测时,平台的高速运动会引起杂波走动,目标与平台的高速运动还会导致目标产生严重的距离走动,一般常用keystone变换(keystone formatting)来校正。但由于目标存在严重的速度模糊,keystone变换无法同时校正目标和杂波的距离走动。本文首先研究雷达处于高速平台时keystone变换校正空中动目标距离走动的同时对杂波特性的影响,进而分析其对空时自适应处理(Space-time adaptive processing , STAP)的影响。通过研究指出:当目标不存在多普勒模糊时,keystone变换可同时校正目标和杂波的距离走动,从而为取得良好的STAP性能提供了前提;当目标存在多普勒模糊时,keystone变换校正目标距离走动的同时会使杂波部分产生新的走动分量,最终降低STAP性能。分析结果为如何更好地实现高速平台高速空中动目标检测问题提供了理论参考。      

基于STAP的高速空中微弱多目标检测

空时自适应处理（Space-time adaptive processing, STAP）是一种有效的机载雷达动目标检测方法。为了对高速微弱空中动目标进行检测,常常要求相干累积时间较长。在此情况下,目标会发生严重的距离走动,一般常用Keystone变换来校正。但由于目标存在严重的速度模糊,此时Keystone变换会对STAP性能产生影响,而且Keystone变换无法对模糊数不同的各目标的线性距离走动进行统一校正。针对这些问题,本文提出了一种基于STAP、Keystone变换及Clean技术的高速微弱空中多目标检测方法。该方法首先进行杂波抑制,从而避免了Keystone变换降低STAP性能的问题,同时借助于Clean技术逐个检测出各目标并将其从总的数据中消除,因此对于模糊数不同的多个目标也是有效的。仿真结果证明了该方法能够有效的实现高速空中微弱多目标检测。      

基于高超声速平台前斜视多通道SAR-GMTI杂波抑制方法

针对高超声速(HSV)平台雷达系统,该文提出一种基于高超声速平台前斜视多通道合成孔径雷达地面动目标检测(SAR-GMTI)杂波抑制方法。该方法先进行时域距离走动校正和距离压缩,并补偿距离向通道相位误差实现距离向包络对齐;然后再对方位多普勒扩展的信号进行3阶线调频傅里叶变换(CFT)压缩,并补偿方位向通道相位误差实现方位向包络对齐;接着在距离时域-方位CFT域利用数字波束形成(DBF)技术对杂波及其模糊分量置零进行空时自适应处理(STAP),从而可以有效抑制静止杂波及其模糊分量并提取出无模糊的运动目标回波信号。     

一种基于TRT-SKT-HAF的变加速目标快速相参积累算法

在雷达高速机动目标的检测中,目标的运动特性会带来距离走动和多普勒徙动现象,不利于后续进行相参积累。传统算法为解决目标运动造成的影响,需要对目标的运动参数进行搜索,加大了计算量。针对上述问题,文中提出了一种基于慢时间序列反转变换(TRT)-二阶keystone变换(SKT)-高阶模糊函数(HAF)的变加速目标快速相参积累算法。该算法通过TRT和SKT校正距离走动,利用HAF估计目标加速度并构建相位补偿函数以校正多普勒徙动。与广义Radon-Fourier变换相比,所提方法无需进行任何参数搜索,计算复杂度减少了3个数量级。仿真结果表明,所提方法在检测门限上相比于Radon分数阶模糊函数算法降低了5 dB,在低信噪比下有更好的检测性能。     

高速高机动弱小目标检测方法研究

本文针对高速高机动弱小目标检测中的距离走动和多普勒走动问题,提出一种多普勒频率补偿加尺度变换的目标检测方法.首先通过多普勒频率估计构建多普勒频率补偿函数,消除速度引起距离走动的影响,其次采用尺度变换方法消除多普勒调频率的影响,从而使积累时间不再受目标运动的限制.该方法无需多普勒调频率估计,解决了传统弱小目标检测方法中多普勒调频率估计准确性问题.在进行多普勒频率估计时,提出一种无模糊多普勒频率估计方法,该方法避免了模糊因子估计,大大减小了计算量,同时降低了对输入信噪比的要求,且有利于多目标情况.仿真结果验证了所提方法大大提高了高速高机动弱小目标的检测性能.     

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.     

一种多通道SAR地面快速目标高概率检测方法

研究了合成孔径雷达地面动目标检测(SAR-GMTI)的快速目标检测问题。为提高检测概率,在回波数据的距离压缩-方位时域,对基带多普勒中心偏移对应的速度分量引起的走动采用Keystone变换进行校正,对整数倍脉冲重复频率(PRF)的多普勒中心偏移对应速度引起的走动量则可在时域加以校正,校正后再进行方位匹配滤波得到运动目标SAR图像,同时利用距离走动信息完成速度解模糊。实测数据处理结果验证了该方法的有效性。     

一种多载频MIMO雷达高速运动目标多维参数估计方法

 多载频MIMO雷达中,高速运动目标回波信号经通道分离后各通道的距离和多普勒频率均不在同一分辨单元,无法利用传统的超分辨算法对目标距离、角度等参数进行估计.本文根据目标回波特点提出一种基于级联Keystone变换的高速运动目标参数估计方法.该方法先在快时间维利用Keystone变换校正距离走动,再在慢时间维进行Keystone变换校正多普勒走动,最后用MUSIC算法进行距离、方位和俯仰等参数估计.仿真结果表明了所提方法的可行性和有效性.     

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。     

基于相邻互相关函数-参数化中心频率-调频率分布-Keystone变换的无源雷达机动目标相参积累方法

延长积累时间可以有效提高无源雷达的目标探测能力,但是对于高速机动目标,其速度、加速度、第二加速度等因素导致现有的检测算法在积累过程中发生距离徙动(RM)和多普勒频率徙动(DFM),使得目标检测性能恶化。该文针对无源雷达中变加速运动目标的长时间相参积累问题,提出一种基于相邻互相关函数(ACCF)-参数化中心频率-调频率分布(PCFCRD)-Keystone变换(KT)的相参积累算法(ACCF-PCFCRD-KT)。首先给出无源雷达中变加速运动目标的回波模型,分析了目标速度、加速度和第二加速度对相参积累的影响。针对目标第二加速度引起的多普勒频率弯曲,采用ACCF降低了距离和多普勒频率徙动的阶数,而后利用PCFCRD估计出目标加速度和第二加速度参数,在补偿了目标加速度和第二加速度引起的2次和3次徙动后,利用KT校正目标速度引起的线性徙动,并实现目标回波的积累。仿真结果表明,该算法可有效补偿无源雷达中目标运动导致的RM和DFM,对变加速机动目标的积累效果显著优于现有算法。     

一种径向匀加速目标包络徙动补偿新方法

雷达信号多脉冲长时间积累是提高雷达检测性能的重要手段。当雷达探测高速运动目标时,目标的径向加速度将引起二次距离走动,使雷达检测性能大大降低。针对此问题,提出一种消除距离走动二阶项的新方法。该方法首先对目标回波进行广义二阶Keystone变换,然后在慢时间域通过解线调的思路估计多普勒调频斜率,进而补偿多普勒高阶项,最后对补偿后信号再进行广义二阶Keystone变换,从而完全消除距离走动。仿真结果证明了该方法的有效性。     

基于Keystone变换和扰动重采样的机动平台大斜视SAR成像方法

加速度和下降速度的存在使机动平台大斜视SAR的成像参数存在明显的2维空变性,严重影响场景的聚焦深度。针对这个问题,该文提出了一种基于Keystone变换和扰动重采样的机动SAR成像方法。首先,通过距离走动校正和去加速处理实现距离方位解耦以及方位频谱去混叠,然后采用方位时域的Keystone变换校正空变的距离徙动;在方位压缩过程中,通过引入时域的高阶扰动因子去除多普勒参数的2阶及3阶方位空变性,然后通过方位频域的重采样处理去除多普勒参数的方位1阶空变性。所提方法能够有效校正距离徙动轨迹和方位聚焦参数的2维空变性,实现机动平台大斜SAR的大场景成像,仿真分析验证了所提方法的有效性。     

一种无源雷达高速机动目标检测新方法

针对无源雷达中高速机动目标在积累时间内出现距离和多普勒徙动,导致检测性能恶化的问题。该文建立了目标信号模型,提出一种基于Keystone变换结合傅里叶变换分段计算的高速机动目标检测方法,通过信号重叠分段划分快时间和慢时间,利用Keystone变换校正径向速度差的距离徙动,再对慢时间进行二次分段,并结合傅里叶变换的分段计算完成径向加速度差的距离和多普勒徙动校正,实现信号相参积累和目标检测。仿真和实测数据结果验证了该方法的有效性。     

一种波束域的高速空中动目标检测及参数估计方法

Keystone变换所需的插值运算存在计算量大的问题,尤其是用于空时自适应处理（Space-Time Adaptive Processing,STAP）时需要对每个阵元接收的数据分别进行Keystone变换,给工程实现带来了困难.为了解决这一问题,提出了一种在波束域进行Keystone变换校正目标距离走动的新方法,该方法将传统的对每个阵元数据的Keystone变换转换为在波束域进行Keystone变换,从而将N个阵元对应的N次Keystone变换转换为只在主波束内进行一次Keystone变换,这样做使算法的主要运算量降低为原来的1/N.然后将压缩感知（Compressed Sensing,CS）理论用于空时自适应处理的目标参数估计,取得了良好的估计性能.最后通过仿真实验验证了本文方法的有效性.     

基于频率轴反转的机动目标距离徙动补偿方法

机动目标在长时间积累时间内发生严重的距离徙动与多普勒徙动,影响雷达对目标的检测性能.针对该问题,该文提出一种基于频率轴反转变换与广义自相关变换的机动目标检测与高阶运动参数估计快速算法.首先在距离频域利用频率轴反转变换校正距离徙动,信号变为立方相位信号;然后利用广义自相关变换与广义变尺度傅里叶变换实现信号降阶与参数非搜索估计;最后利用估计参数对原始信号解调频,并完成目标能量的积累.与现有的Keystone,广义Radon-Fourier变换,Radon-吕分布和Radon-分数阶傅里叶变换相比,本文方法可以快速校正距离徙动,实现非搜索的目标参数估计,达到低计算复杂度与检测性能的折中.仿真实验表明,该方法可有效完成机动目标的检测与参数估计.