-
目标检测及运动参数估计是雷达系统的一个基础任务,其精确性对战争的胜利起到重要的作用。对雷达信号进行长时间积累,以增加实际可利用的信号能量,是提高检测性能和参数估计精确性的有效手段,然而长时间信号积累用于高速、多目标的检测和运动参数估计会受到距离徙动、多普勒扩散以及多普勒模糊的影响[1]。改进Hough变换算法[2]利用非相参积累方式进行目标检测,其检测效果受高速目标距离弯曲程度和信噪比的影响严重。基于长时间的相参积累方式,文献[3-4]提出了Radon-Fourier变换算法,然而距离弯曲及多普勒扩散导致算法很难对高速目标的信号能量进行有效的积累。针对距离徙动及多普勒扩散,文献[5]提出了Keystone变换结合解线频调的算法,然而Keystone变换受制于多普勒模糊。文献[6]利用速度模糊数搜索的算法可以解决多普勒模糊,但未涉及到多普勒扩散问题。针对距离徙动、多普勒扩散及多普勒模糊,文献[7-8]提出了基于循环平稳理论的迭代算法,其计算复杂度低,相比传统循环平稳算法运动参数估计范围有所提高,然而工程应用中算法估计精度低和参数估计范围受限的缺陷限制了其应用。
针对以上问题,该文提出了一种新的高速多目标窄带雷达目标检测及参数估计算法。在多目标及存在距离徙动、多普勒扩散和多普勒模糊的情况下,该算法首先采用基于循环平稳的联合Keystone变换与模糊数搜索方法完成运动参数的粗估计,然后在粗估计基础上利用联合频域距离徙动补偿处理与分数阶傅里叶变换(fraction Fourier transform, FRFT)方法完成高速多目标的参数化检测。本文算法保持了循环平稳复杂度的优点,且克服了已有循环平稳算法工程应用中参数估计精度低和运动参数估计范围有限的缺陷。计算机仿真和实测数据验证了算法的有效性。
HTML
-
为验证所提出方法的有效性,假设雷达仿真参数:Ka波段载频30 GHz雷达,带宽为10 $ {\rm{MHz}} $,脉宽为500 $ {\rm{\mu s}} $,采样频率为10 $ {\rm{MHz}} $,重复频率为200 $ {\rm{Hz}} $,积累脉冲数为200。
目标仿真参数的设定如表 1所示。
参数 目标A 目标B 目标C 目标距离/km 180 181.2 180.6 径向加速度/m·s2 110 121 101 径向速度/m·s-1 567 602 753 在雷达回波信号信噪比-12 dB条件下,噪声为加性高斯白噪声,距离维脉冲压缩的结果如图 1所示。可以看出目标存在距离徙动,并且由于目标的加速度较高,目标距离维脉冲压缩之后产生距离弯曲。对图 1脉冲压缩后信号的方位单元作傅里叶变换进行能量积累,结果如图 2所示。由图 2结果可以得出:由于距离徙动及多普勒扩散的存在,常规检测方法(目标回波做脉压后数据做纵向FFT进行信号能量积累)不适用于高速目标的检测及运动参数估计。
利用文献[2-8]以及本文算法分别对图 1距离维脉冲压缩后对应的目标进行检测。文献[2]的改进Hough变换算法的检测结果如图 3a所示,文献[3-4]的Radon-Fourier变换算法的检测结果如图 3b所示,文献[5]的Keystone变换结合解线频调算法的检测结果如图 3c所示,文献[6]的模糊数搜索算法的检测结果如图 3d所示,文献[7-8]的基于循环平稳理论的迭代算法的检测结果如图 3e所示,本文算法的检测结果如图 3f所示,其中,图 3c~图 3f的检测结果由3次并行处理结果直接相加而成。
文献[2]改进Hough变换算法为基于非相参积累方式的线积分算法,由检测结果图 3a可以看出在低信噪比和目标包络呈现弯曲的情况下,检测结果中出现虚假峰值。文献[3-4]中Radon-Fourier变换算法为基于相参积累方式的线积分算法,然而由于包络弯曲及多普勒扩散的原因,如图 3b所示,其信号能量不能够得到有效的积累。实际战场环境中,多普勒模糊数是未知的,由检测结果图 3c可以看出文献[5]中Keystone变换结合解线频调算法的信号积累效果不理想。文献[6]的算法未考虑多普勒扩散的影响,导致能量发生扩散。文献[7-8]中基于循环平稳理论的迭代算法参数估计精度低,而且在实际中对加速度的取值范围没有任何先验信息,为保证不出现相位模糊,第一步迭代中延时值选择最小的非零延时值,即$ u = {\rm{0}}{\rm{.002 s}} $,但是由于信噪比低,首次迭代的结果易出现模糊的结果,导致后续迭代不能收敛,参数估计错误,由检测结果图 3e可以看出信号积累能量发生扩散。比较图 3f与图 3a~图 3e可以看出,本文算法得到了比较理想的检测效果,原因在于低信噪比下目标距离徙动得到了校正,多普勒扩散得到了补偿。
利用本文提出的算法,在信噪比为-15 dB的情况下进行100次Monte Carlo实验估计目标的运动参数。目标A估计得到的平均初始速度和平均加速度分别为:562.85 $ {\rm{m/s}} $,81 $ {\rm{m/}}{{\rm{s}}^2} $;目标B估计得到的平均初始速度和平均加速度分别为:990.85 $ {\rm{m/s}} $,61 $ {\rm{m/}}{{\rm{s}}^2} $;目标C估计得到的平均初始速度和平均加速度分别为:759.85 $ {\rm{m/s}} $,101 $ {\rm{m/}}{{\rm{s}}^2} $。由估计得到的目标运动参数的精确性可以看出,本文算法在低信噪比下估计出满足相参积累的高速多目标的运动参数。
将本文提出的算法利用某型雷达的实测数据进行验证,雷达积累脉冲数为5 120。对目标进行常规检测,其检测结果如图 4a所示。可得到结论:通过常规检测方法,由于距离徙动及多普勒扩散的存在,目标能量发生明显扩散。通过本文检测算法,其检测结果如图 4b所示。由于本文所提出的算法中,目标的距离徙动及多普勒扩散得到一定的补偿,可以在低信噪比条件下估计出满足相参积累条件的目标的运动参数,从而保证目标能量得到有效的积累。