论文部分内容阅读
小型无人机等飞行器的出现和迅猛发展,给空域监测和管控带来困难。雷达能在远距离大范围搜索目标,是无人机探测的重要手段之一。由于无人机目标运动速度低、雷达散射截面积较小且释放灵活,对雷达在低空严重干扰环境下的弱小目标探测能力提出了挑战。本文以无人机探测为背景,根据雷达信号和目标运动状态的不同,重点研究基于线性调频连续波(LFMCW)与正交频分复用(OFDM)信号的弱目标探测和参数估计方法。对于锯齿线性调频连续波雷达,提出了基于近似最大似然估计的运动目标回波相位校正、能量积累与参数估计方法。针对匀速运动的多个目标,依次利用Keystone变换将目标回波信号校正到同一距离单元,并用盲速匹配法解决校正中可能出现的多普勒速度模糊现象,结合最大似然(ML)模型,提出了一种近似最大似然估计量,估计性能在接近克拉美-罗下界的同时大幅减小了计算量;针对匀加速运动目标,提出了一种基于相位差分和CZT相结合的运动参数估计方法,仿真实验验证了方法的有效性;针对机械扫描雷达的工作特点,提出了一种基于相位补偿的多帧相参积累方法,讨论了目标加速度对回波能量的积累性能,仿真和实测数据处理结果表明,K帧信号的积累能量约为单帧信号的K倍。对于对称三角线性调频连续波雷达,提出了基于相位补偿和二维频域SK-CFAR检测器相结合的目标检测和运动参数估计方法。借助Zoom-FFT处理技术,采取仅对上调频段目标谱附近的频域进行分析的局部补偿方法,解决目标运动带来的距离走动和多普勒扩散问题,有效降低了搜索过程中的运算量;为了避免邻近目标对待检目标的干扰,构造了二维频域SK-CFAR检测器,借助偏斜度为常数这一特点消除了邻近干扰目标的影响,提升了目标检测能力;针对匀(加)速信号的特点,提出了基于相位补偿与局部模板匹配相结合的目标检测与参数估计方法,仿真结果表明,与局部补偿方法相比,该方法的所需输入信噪比改善了3dB左右,提升了弱目标检测性能。针对OFDM信号的多载波正交结构,提出了一种基于通道分离与Keystone变换相结合的参数估计方法,并结合ML模型和CLEAN技术获得多目标运动参数的近似最大似然估计量,估计性能在接近克拉美-罗界的同时大大减少了计算复杂度。