论文部分内容阅读
环境和目标的日益复杂化使得现代雷达对微弱(低信噪/杂比)目标的检测面临严峻挑战。相比传统检测后跟踪(DBT)技术,检测前跟踪(TBD)技术通过联合处理多帧雷达回波数据,可以有效提高雷达系统对微弱目标的检测能力。动态规划(DP)算法作为TBD技术的一种有效实现手段,由于实现简单、性能优异,得到国际雷达界的广泛专注。在检测均匀高斯杂波中的非起伏点目标时,DP-TBD算法可以获得良好的检测性能。然而,在非均匀杂波、非高斯杂波、扩展目标等场景下,由于DP-TBD算法依赖测量值幅度的大小,而测量值幅度的大小不能很好的体现目标与杂波在信号上的差异,算法性能严重下降。为了解决这一问题,可以采用知识辅助技术,利用环境和目标的信息更好的体现目标与杂波在信号上的差异,改善多帧联合处理效果,进而提高微弱目标检测性能。因此,本文将知识辅助技术与DP-TBD技术相结合,研究基于知识辅助的DP-TBD算法,旨在提高雷达系统对微弱目标的检测能力,主要工作和主要贡献如下:1.针对非均匀杂波场景,提出了固定门限杂波分区知识辅助DP-TBD算法和自适应门限杂波分区知识辅助DP-TBD算法,有效改善了高功率区杂波测量产生虚警、低功率区运动的微弱目标发生漏检等问题。2.针对雷达系统中常见的两种非高斯杂波模型(K和G0)和三种目标起伏模型(Swerling0、1和3),提出了幅度知识辅助DP-TBD算法,利用幅度信息修正DP积累,降低了非高斯杂波长“拖尾”(即大幅度的杂波测量值)引起的性能损失。3.针对高斯杂波中三种起伏(Swerling 0、1和3)扩展目标的检测问题,提出了基于实测量值的扩展目标特征知识辅助DP-TBD算法,利用扩展目标特征信息修正DP积累,提高了扩展目标的检测性能;提出了基于复测量值的扩展目标特征知识辅助DP-TBD算法,在保留测量值相位信息的基础上,利用扩展目标特征信息修正DP积累,增强了背景杂波抑制能力,改善了信杂比。4.针对复合高斯杂波中扩展目标的检测问题,提出了基于非相干积累的扩展目标特征知识辅助DP-TBD算法,利用扩展目标特征信息在帧内对扩展目标能量进行非相干积累,有效提高了扩展目标能量利用率;提出了基于广义似然比(GLRT)的扩展目标特征知识辅助DP-TBD算法,利用扩展目标特征信息在帧内对测量值幅度的GLRT统计量进行非相干积累,降低了长“拖尾”带来的性能损失。