自旋目标一维距离像运动补偿方法研究

对于自旋稳定目标，由于其运动状态及旋转速度的影响，其目标的一维距离像会产生畸变，本文研究了这种畸变的产生，并采用回波信号相位轨迹拟合方法对其进行补偿，仿真实验结果表明，通过补偿能得到较好的一维距离像。     

分离参数的空中机动目标参数估计方法

本文提出一种基于三次相位变换(Cubic Phase Transform, CPT)和匹配滤波的机载前视阵雷达机动目标参数估计方法。该方法首先补偿目标回波信号的空间相位并进行空域相干积累,以此提高输出信杂噪比;然后采用CPT实现待估参数分离,将二维联合估计分为两个一维估计,降低算法复杂度;最后重构目标信号并通过匹配滤波完成机动目标的参数估计。该方法复杂度低,在低信噪比下的参数估计性能接近克拉美罗下界(Cramér-Rao Lower Bound, CRLB)。数值仿真结果验证了所提方法的有效性。      

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.     

基于Radon-Ambiguity变换的机动目标检测方法

文中提出一种"先粗后精"的高精度测量方法,即对回波信号先经加速度补偿再进行频率细化的多目标运动参数估计方法.首先用基于Radon-Ambiguity变换(RAT)的时频分析方法估计多个目标的加速度并进行运动补偿,通过频域滤波对多目标进行分离并估计粗略的多普勒频率,然后对分离后的单个目标通过CZT变换进行多普勒频率细化,提高估计精度.计算机仿真试验验证了该方法的有效性.     

基于压缩感知和三次相位变换的低复杂度空中机动目标参数估计

该文提出一种基于压缩感知和三次相位变换(Cubic Phase Transform, CPT)的低复杂度空中机动目标参数估计方法。首先利用CPT将机动目标回波信号中的两个参数进行分离,然后采用压缩感知技术完成机动目标参数的估计。在机载雷达发射脉冲数有限的情况下,该方法能够获得准确的参数估计结果;仿真实验验证了该方法有效性。     

基于调幅—线性调频信号参数估计的机动目标成像方法

逆合成孔径雷达（ISAR）机动目标成像受到了研究者的广泛重视。在已有的机动目标成像算法中,通常假设在综合孔径处理期间,各距离单元内各散射回波是等幅线性调频信号。在实际中,以上假设仅是近似成立,基于此假设的机动成像算法难以得到较高质量的目标图像。本文采用更精确的信号模型－多分量调幅－线性调频（AM－LFM）信号表示实际机动目标的各距离单元回波,并提出一种AM－LFM信号参数估计方法以及快速算法,通过估计信号的时变振幅、调频率和初相等参数,得到了更高质量的机动目标的动态ISAR像序列,以利于目标识别,而且运算量比已有算法要小。     

基于WVD的机载相控阵雷达机动目标检测及参数估计方法

该文提出了一种基于魏格纳分布(Wigner-Ville Distributed, WVD)和重构时间采样(Reconstruction timesample, RTS)的空中机动目标检测和参数估计方法。该方法首先利用雷达回波的空域采样来重构时域采样,相当于增加了单个阵元的脉冲采样点数,然后再对重构后的数据进行WVD变换来估计目标的参数。该方法能够在方位信息未知,脉冲数较少的情况下有效地实现对机动目标的检测与参数估计。仿真结果验证了该方法的有效性。      

低信噪比下频率步进雷达动目标参数估计

针对在强噪声环境下小目标的运动参数难以估计的问题,分析了频率步进雷达信号的特点,提出一种基于Radon-Ambiguity变换的目标运动参数估计算法。该方法比常用算法能更好地在低信噪比下估计目标运动参数,通过仿真验证了该算法的有效性。     

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。     

基于修正自适应匹配滤波器的机动目标检测方法

机动目标回波的多普勒走动和训练样本不足导致常规自适应匹配滤波器(Adaptive Matched Filter, AMF)检测机动目标时运算量大且性能不佳。针对此问题, 该文提出一种基于修正AMF的机动目标检测方法。该方法首先通过对角加载减少样本空间自由度, 从而降低对训练样本数的需求;然后以3次相位变换(Cubic Phase Transform, CPT)分离估计加速度, 并以估计值补偿多普勒走动, 降低联合匹配搜索维度, 进而减少运算量;最后进行积累检测。仿真结果表明, 该方法运算量低, 可实现小样本下机动目标的有效检测, 具有恒虚警(Constant False Alarm Rate, CFAR)特性。      

一种基于相干积累CPF和NUFFT的机动目标ISAR成像新方法

机动目标的复杂运动导致散射体回波信号多普勒频率时变,给逆合成孔径雷达（ISAR）成像方位向处理带来困难.而传统的距离-多普勒（RD）成像方法、Wigner-Ville distribution（WVD）瞬时成像方法、Radon-Wigner等成像方法由于成像效果差或运算效率低等因素,不适合复杂运动目标的ISAR实时成像.针对这些问题,本文提出了一种基于相干积累三次相位函数（CPF）的机动目标ISAR成像新方法.首先,把平动补偿后的各距离单元数据,通过CPF变换到时间-调频率平面.然后,利用各散射体自项能量平行于时间轴分布特性,提出一种基于相干积累的交叉项和虚假伪峰抑制方法,进而得到各散射体在频率-调频率平面的高分辨分布特性.最后,通过向频率轴上的投影得到该距离单元目标的方位ISAR图像,并通过引入非均匀快速傅立叶变换（NUFFT）来降低算法计算复杂度.计算机仿真处理结果验证了该方法的有效性.     

机动目标情况下FFT比相测距方法研究

当目标保持匀速运动时，回波信号经过FFT后的输出信噪比正比于信号的有效积累时间长度，采用FFT比相测距算法，经过FFT计算得到的相差与目标中间时刻的距离相对应。但当目标机动时，回波信号的多普勒频率为时变量，基于FFT处理的相参积累输出信噪比下降。该文首先对机动目标情况下基于FFT比相测距方法进行了理论分析，得到了距离与相差的关系式，给出了不同加速度下FFT输出信噪比损失曲线。最后仿真结果验证了理论分析的正确性。     

联合三阶Keystone变换与相关函数的机动目标补偿算法

在机载脉冲多普勒雷达中,针对高机动目标的运动补偿问题,本文提出了一种基于联合三阶Keystone变换、相关函数与尺度变换的距离维和多普勒维走动校正方法。首先对回波信号进行传统的脉冲压缩处理,接着对慢时间维进行三阶Keystone变换处理并构造自相关函数,进行慢时间变量的相参积累,从而补偿掉机动目标引起的所有距离走动现象;之后对自相关函数的慢时间变量进行尺度变换,并对尺度变换后的信号针对时延和慢时间进行二维FFT变换,从而消除掉目标的多普勒散焦现象,得到目标聚焦峰值点,顺利地进行目标检测。仿真实验验证了方法的有效性。     

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。     

高速运动目标斜距三次项补偿及高分辨成像

为提高信号的检测性能,需要保持较长的积累时间,这却造成严重的距离徙动。文中针对高速运动目标提出了一种新的高分辨成像算法,在运动参数未精确已知的情况下,通过对多普勒模糊数进行估计和补偿得到正确的二阶Keystone变化结果,在有效估计目标运动参数后,利用驻相原理得到含有斜距三次项的频域相位,并在二维频域进行补偿和聚焦。仿真结果表明,文中算法可以有效对高速微弱目标进行积累和补偿,实现了高分辨成像。     

采用方差模型概率的机动目标跟踪算法

针对交互式多模型(IMM)算法计算量大、模型切换时性能不佳的特点,提出了一种新的机动目标跟踪算法——方差模型概率(Variance Model Probability,VMP)算法。该算法结合多模型思想,利用当前量测残差在线推导模型方差,自适应调整模型概率。模型概率大小与方差成反比,滤波输出为各模型加权和。为减小量测噪声引起的误差影响,在设定的时间窗内求方差平均值。仿真结果表明,VMP算法不仅性能优于交互式多模型算法,同时也减少了计算量,提高了费效比。     

基于高斯-艾肯特滤波的机动目标跟踪算法

针对交互式多模型(IMM)算法切换滤波模型缓慢、跟踪精度低甚至发散的问题,提出了在机动目标跟踪中使用的高斯-艾肯特滤波算法。首先,该算法确定观测模型和滤波模型集,分别构造量测方程组和滤波方程组,形成总体观测矩阵;然后,针对跟踪目标的非合作机动,提出使用卡方检验来检验滤波效果,并通过滤波控制算法实时调整滤波内存长度,使用高斯-艾肯特滤波对机动目标跟踪具有很强的灵活性,实现自适应跟踪;最后,在目标跟踪仿真中与三种改进模型集的卡尔曼滤波IMM算法进行对比验证,对两类算法进行了复杂度分析。仿真结果证明了高斯-艾肯特滤波算法的有效性,在无先验信息条件下拥有更高的跟踪精度。     

ISAR机动目标的平动补偿和瞬时成像研究

机动目标成像近年来受到广泛注意.本文首先讨论平动补偿,它通常可以分解为两步进行──包络对齐和自聚焦,分析表明,针对平稳目标的包络对齐方法仍然适用于机动目标,而根据相干积累原理,已有的自聚焦方法从理论上和实际上都不是最优的,我们提出适用于机动目标和平稳目标的迭代相干积累自聚焦(ICSA)算法,PGA(相位梯度算法)是ICSA算法的一个特例; 然后,本文讨论机动目标的瞬时成像,它实际上是一个瞬时谱估计问题,已有的一些瞬时成像方法只适用于散射点子回波为线性调频信号(多普勒分布为直线).针对时频分布为非直线的情况,我们提出用自适应窗短时chirplet分解方法估计信号的瞬时频率和瞬时幅度,并结合"洁净"技术,提出了快速自适应窗短时chirplet分解成像(ACDI)算法.实测数据的处理表明本文提出ICSA算法和ACDI算法是有效的.     

基于外场测试数据的机动目标ISAR数据产生方法

机动目标成像识别是ISAR领域研究的热点,通常用散射点模型仿真数据来研究机动目标成像.提出了基于外场测试数据的插值变采样机动目标数据产生方法,以匀加速运动模型为例,给出机动目标慢时间插值信号产生模型和傅里叶变换插值变采样算法,利用该方法可产生不同机动参数要求的机动目标ISAR数据.以仿真信号和外场实验数据插值处理为例对该方法进行了验证,给出了原始数据和插值数据的ISAR成像结果.该方法对研究非合作机动目标ISAR成像有很好的应用前景.