论文部分内容阅读
现代战争中的雷达目标具有高速度,高机动性,低可探测性的特点,给雷达探测技术带来挑战。众所周知,延长雷达目标积累时间可以提高雷达对微弱目标的检测能力。然而,对于高速机动目标而言,在相对较长的积累时间内,目标回波的多普勒谱会被展宽,脉压后的峰值会产生高阶距离徙动;目标的高速度和高机动性导致传统信号积累算法无法得到聚焦良好的积累结果,影响后续的目标检测与参数估计的性能。本文结合理论基础与实际问题展开研究。在基础理论方面,本文针对机动目标回波模型-多项式相位信号,提出了一种基于高阶相位降阶的参数估计方法;在实际问题方面,本文研究了基于多线性函数核的机动目标积累问题,并着眼于算法积累性能,检测与参数估计性能,计算复杂度,抗噪声能力,交叉项抑制能力等指标,提出了多种机动目标能量积累方法。主要内容如下。1.第一部分针对机动目标回波信号模型-多项式相位信号,提出了一种基于迭代降阶技术的高阶多项式相位信号参数估计方法。该方法改善了传统基于多线性函数核的估计算法非线性度高,抗噪性能差的问题。本部分的主要工作包括:基于非均匀采样技术定义了一种新的降阶算子;结合新定义的算子和相位差分算子提出了针对不同阶数多项式相位信号的降阶多线性函数核,以及基于降阶函数核的参数估计方法;推导得出所提参数估计算法的均方误差理论值;基于估计值的最小均方误差对所提方法中参量进行了优化;分析了降阶多线性函数核的非线性度和运算复杂度;用数值实验验证了所提方法的有效性。分析和实验结果表明:所提算法能有效估计高阶多项式相位信号参数,并可以通过快速傅里叶变换实现。与传统的基于多线性函数核的算法相比,所提算法有更低的非线性度,以及更好的抗噪性能。2.第二部分针对传统基于参数搜索的机动目标积累算法运算复杂度高的问题,结合第三章中定义的非均匀采样降阶算子和keystone变换,提出了一种三阶机动目标积累和参数估计快速算法。本部分主要工作包括:结合非均匀采样降阶算子和keystone变换定义了一种新的多线性函数核,用于去除高阶距离徙动和多普勒徙动;基于新定义的多线性函数核与二维傅里叶变换提出一种三阶机动目标积累和参数估计方法;推导得出所提参数估计算法的均方误差理论值;基于估计值的最小均方误差对所提算法中参量进行优化;分析了所定义的多线性函数核的信噪比损失;分析了所提方法的交叉项,并提出了辨别积累结果中交项伪峰和自项尖峰的方法;分析了所提参数估计方法的运算复杂度;通过单目标、多目标仿真实验和实测数据处理验证了所提方法的有效性。本部分的实验和分析结果表明:所提方法能有效去除目标的三阶运动带来的高阶距离徙动和多普勒徙动;适用于高速目标,以及多目标场景;其积累过程可用二维快速傅里叶变换实现,运算复杂度远低于基于运动参数搜索的传统算法,与基于邻近互相关函数(Adjacent Cross Correlation Function,ACCF)算法的复杂度相当;由于拥有较低的非线性度,所提方法与基于ACCF的算法相比,有更低的信噪比门限和估计值均方误差。3.第三部分针对传统基于多线性函数核积累算法抗噪性能低、可能存在交叉项伪峰的问题,提出了一种高抗噪性能的三阶机动目标积累算法。该方法用新定义的多线性函数核去除由目标速度和加速度带来的距离徙动和多普勒徙动,用匹配滤波函数对三阶运动带来的相位变差进行补偿,最后通过距离向累加和二维快速傅里叶变换实现目标的能量积累。本部分的主要工作包括:基于相位差分算子和keystone变换,定义了新的多线性函数核,用于去除二阶距离徙动和多普勒徙动;在新定义的多线性函数核的基础上提出了一种三阶机动目标积累算法;对所提方法的运算复杂度分析和交叉项进行理论分析;运用所提方法对单目标和多目标场景进行仿真;对所提方法的估计和检测性能进行仿真分析;运用所提方法对实测数据进行处理。分析和实验结果表明:所提方法可以有效去除三阶距离徙动,并实现三阶机动目标的能量积累。由于采用多积分变量的函数核,所提算法有良好的抑制交叉项和噪声的能力,适用于低信噪比环境以及多目标场景。4.第四部分针对机动目标相参积累算法中多线性函数核设计的问题,提出了一种可参数化灵活设计的多线性函数核。所提出的多线性函数核可将多项式相位信号变换为多维复单频信号,有效去除机动目标回波中的高阶距离徙动和多普勒徙动。本部分的主要工作包括:提出可参数化设计的多线性函数核,并给出了设计参数的选取准则和具体设计方法;结合所提多线性函数核和keystone变换,得出分别针对二阶和三阶机动目标的两种相参积累方法;对两种相参积累方法分别进行运算复杂度分析,交叉项分析和高速目标分析;单目标、多目标仿真实验以及实测数据处理。分析和实验结果表明:所提二阶机动目标相参积累方法有良好的抗噪性能,适用于低信噪比的环境;可对交叉项进行有效的抑制,适用于多目标的场景。所提三阶机动目标积累方法完全避免了参数搜索和速度模糊的问题,达到了抗噪性能和运算复杂度间的平衡;该方法可以有效抑制交叉项,适用于多目标场景。