论文部分内容阅读
线性调频连续波(LFMCW)雷达是探测近程无人机(UAV)的常用传感器,具有24小时工作、检测精度高、无探测盲区等特点。但目前用雷达探测“低小慢”无人机仍面临一系列问题:比如地物建筑杂波强度一般远大于无人机本体,导致检测困难;无人机飞行速度慢,其多普勒频谱和杂波频谱难以区分,导致测速困难;无人机飞行轨迹任意,具有急停、急飞、上升、下降、转弯等多种模式,尤其在密集杂波背景下,导致跟踪困难。LFMCW雷达对无人机的测量性能究竟如何?如何实现强杂波对消?如何实现密集杂波条件下多个无人机的有效跟踪?这些都是亟待解决的问题。本文针对LFMCW雷达,系统研究了其对无人机的检测和跟踪技术。首先,基于距离维和速度维的二维傅立叶变换(2D-FFT)技术,通过对LFMCW雷达的差频信号进行时域和频域分析,分析了影响目标测距和测速性能的关键因素。分别在无杂波背景和杂波背景下,对无人机的雷达信号特征和雷达检测机理进行了理论分析和仿真验证。重点关注密集地物杂波条件下其对低小慢无人机的检测性能,以及临近地物杂波对目标测速、测距的影响机理。进行了典型场景蒙特卡罗(Monte-Carlo)仿真,研究了雷达相关参数(调频率、带宽、是否MTI等)、目标相关参数(速度、RCS等)和杂波相关参数(强度、谱宽等)对于检测性能的影响机理,同时分析了以上三种参数之间的相互作用机理。研究表明,对于强杂波背景下低小慢无人机的检测,速度维的检测至关重要,雷达宜采用大带宽、长时间积累技术,才能有效区分杂波和目标,保证目标顺利检测。其次,基于分段时频分析和Hough变换技术,提出了基于时频合成的无人机检测新算法,包括分段时频分析、频谱拼接、频谱叠加和固定目标对消、Hough检测等方法过程。仿真表明时频图拼接和叠加可非常方便实现多目标检测的功效,而时频图相减,可以在时频级实现动目标指示(MTI)的功能,有利于实现固定杂波对消。最后,依托LFMCW雷达实测数据,开展了基于实测数据的LFMCW雷达信号处理和基于多参数综合的LFMCW雷达跟踪数据处理。分析了多目标/强杂波/雷达旁瓣影响/目标机动等实际因素应采取的诸多跟踪应对措施。具体而言,在航迹起始阶段,采用参数控制的三帧直观法起始,大量抑制雷达近距离探测所造成的大量旁瓣和地物杂波;在关联阶段,调节关联波门和连续预测,以适应无人机点迹测量精度不高和丢点情况;在滤波环节,采取交互多模型(IMM)算法以适应无人机的随机机动。