论文部分内容阅读
无人机的发展在给人们日常生活以及国防军事带来便利的同时,也给城市的低空安全带来了巨大威胁,需要采取一定措施对城市低空空域进行监测。无人机目标具有飞行高度低、飞行速度慢以及雷达散射截面积小的特点,被称为“低慢小”目标。外辐射源雷达在这种“低慢小”目标检测方面优势明显。5G通信信号或将成为城市环境中最为丰富的电磁资源,在5G民用通信网规划之初,将其作为外辐射源雷达机会照射源进行研究意义重大。因此,本文研究了基于5G信号外辐射源雷达的“低慢小”目标检测方法。主要研究内容包含以下几个方面:1)本文分析了基于5G信号的外辐射源雷达系统“低慢小”目标检测性能。根据现有的4G信号,分析了5G信号的结构特性及关键技术,结合其各项参数分析了系统的分辨性能,研究了系统受限于噪声、杂波与干扰的“低慢小”目标探测能力,从而得出来自基站的杂波与干扰严重影响雷达系统的探测能力。2)本文给出了三种可以对雷达天线接收信号中各基站杂波与干扰进行抑制的方法,并对三种方法进行了对比。a.基于时域处理的抑制方法:利用多重信号分类方法估计基站信号波达方向,通过波束形成技术获取基站信号样本,使用时域相消的ECA方法抑制该基站相关的干扰与杂波。b.基于空域处理的抑制方法,利用了特征分解与正交投影思想,可以得到较好的杂波及干扰抑制效果,且运行时间较短。c.上述两种方法抑制性能均受限于基站信号间的相关度,且没有利用信号源的先验信息。因此,本文提出一种基于5G信号特性与先验信息的抑制方法,可以利用5G信号的物理小区标识(Physical Cell Identifier,PCI)搜索,获得当前能量最强基站的PCI偏移量,根据基站PCI先验信息可知该基站位置,同样采用波束形成方法获取该基站信号,依次消除接收信号中来自各基站的杂波与干扰。3)本文研究了检测前跟踪(Track Before Detect,TBD)算法,介绍了几种常见的TBD算法。传统的TBD算法在被用于5G信号外辐射源雷达“低慢小”目标检测时具有能量扩散等缺点。因此,本文利用方向加权和两级门限思想对基于动态规划的TBD算法进行了改进,并对该算法进行了仿真实验分析,验证其有效性。