论文部分内容阅读
雷达传感器网络(Radar Sensor Network,RSN)是由多个雷达传感器(Radar Sensor,RS)组合而成,其模式可分为分布式RSN和集中式RSN系统,由于相对集中式,分布式具有工程简单、系统灵敏度高以及遮蔽效果较小等诸多优点,使其在军事以及交通等众多领域,引起了足够的重视,其未来应用前景也是非常值得期待的。多目标分辨检测能力是RSN的综合体现之一,直接关系到RSN系统灵敏度、准确度等多个重要工作指标,然而现有RSN系统中少有从RSN实际分布情况及发射波分辨角度来考虑RSN的多目标分辨问题。因此,针对RSN的多目标分辨,本文工作主要包括:1.本文首先介绍了雷达信号处理系统中所需要的基础知识,包括脉冲压缩、匹配滤波、不同波形的介绍及分析等;为了研究RSN中波形的多目标分辨,对每种信号的模糊函数进行分析和研究;分析RSN的信道特性,考虑信道衰落与噪声影响,建立RSN信道模型;介绍RSN信息融合的方法及理论,选择合适的融合方式。2.为研究RSN的多目标分辨问题,建立RSN分析模型,研究其多目标分辨情况。该模型考虑到雷达的发射波束(Beam),根据分布式RSN的工作特点,结合协同工作状态的RSs,给出RSN的多目标分辨条件,结果证明对于相同目标的情况,RSN具有更多的观测方位和角度,其系统的多目标分辨状态不单单是相对独立的RSs的集合,其分辨行性能要比单个RS优越很多。此外给定三种不同形式的雷达发射信号,分别对它们的多目标分辨能力进行了研究。3.建立RSN的多目标分辨仿真模型,在Path-loss及高斯白噪声的环境下,RSN融合中心利用最大似然比(LR)的判决准则,对RSN模型的系统检测和分辨性能做了综合仿真和对比,并对三种波形的多目标检测分辨能力进行了对比,并给出仿真结果;结果中显示雷达检测性能分别与信噪比SNR、RS个数以及目标个数的影响关系,LFM信号的检测分辨能力最好。4.建立一种多目标高距离分辨的RSN模型,分析RSN和目标角度与位置的几何关系,使用LFM信号,通过对信号模糊函数的推导,给出该模型下的多目标时域(即距离)分辨条件,仿真结果展示该模型的多目标分辨情况,并且对比了不同雷达和目标情况下该模型多目标分辨的结果。