低频波段和多站雷达体制是未来地基运动目标侦察雷达系统的发展趋势:既能够提高战场态势的单向透明度,又具有较高的机动灵活性、隐蔽性和生存能力,从而为战场信息的获取和战场态势的掌握提供强有力的信息支撑。本文创新性地结合“低频波段”与“多站雷达”两者的优势,基于多站低频地基雷达系统重点开展了树林环境下隐蔽微弱运动目标检测技术的研究,提出了一系列切实有效的解决方法,并结合实测与仿真数据验证了方法的可行性和有效性。本文取得的研究成果对提高多站低频地基雷达运动目标检测性能具有重要理论意义和工程应用价值。本文的主要研究工作可概括如下:1、深入分析与研究了低频宽带地基雷达树林环境杂波的统计特性,为多种树林环境杂波的幅度统计分布特性提供较为准确的描述模型及相关估计参数。首先,简要归纳并推导了几种适于描述树林杂波幅度的统计分布模型及对应的k阶矩,探讨了相关的参数估计方法和拟合性能评估准则,为后续实测杂波数据的分析奠定了理论基础。其次,基于视距(Line-of-Sight,LOS)树林环境、非视距(Non Line-of-Sight,NLOS)树林环境、NLOS树丛环境等三种不同树林环境下的实测杂波数据,提出了适合描述不同树林环境杂波的统计分布模型:(1)LOS树林环境中,树干回波是杂波的主要来源,给LOS树林杂波带来了很长的拖尾性,因此适合使用具有较长拖尾的对数逻辑斯蒂分布描述。(2)NLOS树林环境中,树篱回波和树干回波是杂波的主要来源;且树篱回波的比重相对较大,从而造成NLOS树林环境杂波的不均匀性。因此,对数逻辑斯蒂分布和G0分布适合描述兼具“拖尾性”和“不均匀性”的NLOS树林杂波。(3)NLOS树丛环境中,树丛回波是杂波的主要来源,从而使得NLOS树丛环境十分不均匀。因此,G0分布和G分布更适合描述这种极度不均匀区域的杂波。最后,探讨了杂波统计特性对目标检测性能的影响。实测数据和蒙特卡洛分析结果表明,杂波分布模型估计得越准确,则相应的目标检测性能越好。2、从树林杂波分布统计特性和先进的信号处理方法两方面着手,重点开展了树林环境下隐蔽微弱地面目标检测的研究。一方面,提出了一种能适应于杂波类型变化的拟合优度检验(Goodness-of-Fit,GoF)检测器,并在对数逻辑斯蒂分布杂波背景下验证了其恒虚警率(Constant False Alarm Rate,CFAR)特性。相比传统CFAR检测器,GoF检测器在树林环境杂波中具有更加显著的检测性能。另一方面,提出了基于距离对齐的运动目标指示(Range Alignment based Moving Target Indication,RA-MTI)方法和熵权重非相干积累(Entropy Weighted Noncoherent Integration,EWNI)算法对原始回波数据进行预处理,并对杂波和多径分量去除后的时间—距离二维数据进行Hough变换(Hough Transform,HT)检测,从而完成树林环境中人体运动目标的正确检测、轨迹跟踪和参数估计。3、从空间分集增益、几何增益以及融合准则三个角度重点研究比较了多站雷达和单站雷达在均匀高斯杂波中的目标检测性能,突出了多站雷达在微弱慢速目标检测方面的优势。首先建立了均匀高斯杂波背景下的多站雷达信号模型,提出并推导得到了基于融合准则的集中式多站雷达和分布式多站雷达的目标检测器,设计了信杂噪比(Signal Clutter Noise Ratio,SCNR)权重系数并突出融合准则对多站雷达目标检测性能的影响。在此基础上,仿真分析了单/多站雷达的目标检测性能,并得到了一些有意义的结论:(1)多站雷达能克服单站雷达中存在的目标RCS起伏性和“低/盲速区域”问题,空间分集增益和几何增益的引入有效提升了目标检测性能,因此多站雷达在微弱慢速目标检测领域中有广阔的应用前景。(2)集中式多站雷达比分布式多站雷达具有更好的目标检测性能,但这种性能的提升是以系统复杂度和计算复杂度为代价的。(3)在融合中心进行信息融合联合处理时,相比均等权重系数的多站雷达,SCNR权重系数的多站雷达对SCNR较大的双站单元信息赋予更大的权重,从而有利于多站雷达目标检测性能的提升。4、深入研究了多站雷达系统的目标分辨性能和目标参数估计性能的评估和优化。首先,从单/双站模糊函数出发,并综合考虑发射信号的波形、多站雷达的几何配置以及各个雷达接收站数据权重系数的选取对多站雷达系统性能的影响,完善并改进了多站模糊函数。建立统一的直角坐标系并选取目标的位置坐标参数作为自变量,从而完善了多站雷达系统性能的评估。其次,基于克拉美劳下限(Cramér-Rao Lower Bound,CRLB)和模糊函数的关系——目标时延和多普勒频率的CRLB与模糊函数的二阶倒数的逆成正比,提出并推导得到了多站CRLB,为多站雷达系统性能分析提供了强有力的工具。最后,提出了一种基于遗传算法的多站雷达系统布站方式优化方法。即以多站CRLB作为目标适应度函数,并利用遗传算法来确定各个雷达基站的位置,从而完成多站雷达系统性能的优化。