论文部分内容阅读
空时自适应处理(Space-time adaptive processing,STAP)是一种有效的机载预警雷达地杂波抑制方法。但是当目标具有很强的机动性时,其回波会发生严重的多普勒走动,导致传统STAP的检测性能大大降低。当机动目标做匀加速运动时,目标回波信号可视为线性调频(Linear Frequency Modulation,LFM)信号。分数阶Fourier变换(Fractional Fourier Transform,FRFT)是一种有效检测和估计LFM信号的方法。在地基雷达和合成孔径雷达(Synthetic Aperture Radar,SAR)上利用FRFT来估计机动目标参数时都需要较多的脉冲点数,否则估计精度难以满足要求。但对于机载预警雷达来说,当雷达脉冲重复频率一定时,较多的脉冲点数意味着相干处理时间(Coherent Processing Interval,CPI)加长,这会引起杂波和目标的距离走动,给后续处理带来更大困难,因此很难直接将FRFT应用到机载雷达中来。基于此,本文利用干涉SAR中相位展开的思想,提出了基于重构时间采样的空中机动目标检测和参数估计方法,该方法利用空间采样来重构时间采样,等效于增加了单个阵元的脉冲采样点数,可以提高参数的估计精度。 论文的主要贡献和创新之处在于以下几个方面: 第一,研究了机载雷达机动目标的回波特征,并给出了机动目标的回波数据模型; 第二,针对机动目标存在的多普勒走动问题,提出了基于重构时间采样的空中机动目标检测方法,该方法能够在脉冲点数有限的情况下准确地估计出目标的参数,增强机载雷达对空中机动目标的检测能力; 第三,针对空中多个机动目标的检测和估计问题,提出了一种基于RELAX算法的空中多机动目标检测和参数估计方法。该方法有效地抑制了检测过程中强信号分量对弱信号分量的影响,提高了算法对弱信号的检测性能及参数估计的精度; 第四,推导了机载雷达空中多个机动目标运动参数估值的Cramer-Rao界限。