论文部分内容阅读
随着隐身技术的快速发展，典型目标的雷达反射截面积（RCS）缩减了一到两个数量级，目标的检测概率大大降低，给雷达带来了严峻挑战。面对强杂波环境下的微弱目标，关于杂波抑制及微弱目标检测方面的研究工作迫切的需要进行展开。本文在某科学基金项目的支持下，以强杂波环境下的微弱目标为研究对象，在深入分析雷达目标检测原理、杂波模型及杂波抑制理论的基础上，在对空时自适应处理（STAP）技术和对弱目标的多帧相参检测前跟踪（Multi-Frame CoherentIntegration TBD,MFCI-TBD）算法做了创新性和探索性的研究。本文主要内容有：1．研究了雷达目标模型和雷达信号检测的基本原理；分析了用于雷达目标检测的先检测再跟踪算法（DBT）和检测前跟踪算法（TBD）；接着针对以往TBD算法均为帧间非相参积累的不足而研究了MFCI-TBD算法；最后介绍了用于算法并行化处理的基于GPU的CUDA编程技术。2．研究了杂波抑制技术。首先介绍了几种经典的杂波统计模型和典型的杂波抑制技术：最优STAP技术。然后对经降维后的杂波矩阵进行了特征谱分析，研究了一种基于特征谱分析的局域联合处理STAP方法：该方法在保证杂波抑制性能损失较小的前提下降低数据处理量。最后仿真验证了这种算法的有效性。3．在分析了多帧相参积累可行性的基础上给出三种MFCI-TBD算法。1）研究了一种结合相位补偿的基于KEYSTONE变换的MFCI-TBD算法：该算法将KEYSTONE变换与一种相位补偿方法（先粗估，后精估）结合后完成对目标的多帧相参积累。2）提出了一种基于快速KEYSTONE变换的MFCI-TBD算法：在分析了快速KEYSTONE变换对单帧连续回波处理的基础上，将其与相位补偿方法相结合来完成对多帧回波中目标回波不连续的微弱目标的检测。3）提出了一种基于动态规划的MFCI-TBD算法：该算法将动态规划的思想引入相参TBD模型中，通过对目标的可能航迹进行相参积累来检测微弱目标。详细介绍了三种方法的原理、算法处理流程和优缺点；通过仿真验证三种算法的有效性并通过基于GPU的CUDA编程技术对算法进行优化，减少算法运行时间，提高了算法的实时性。