论文部分内容阅读
现代战场中的雷达所面对的目标具有速度快、机动性高、隐身能力强等特点,给雷达预警系统造成了严重威胁。为了提高现代雷达的机动微弱目标探测能力,检测前跟踪(Track-Before-Detect,TBD)与长时间积累(Long Time Integration,LTI)等能量积累检测方法是目前较为常用的手段,也是当今的研究热点。机动微弱目标在雷达观测过程中产生的距离徙动、多普勒扩散、多普勒模糊等现象是能量积累检测算法急需解决的问题。本文为了提高雷达预警系统的预警能力,延长预警时间,针对机动微弱目标的特点展开了多种能量积累方法的研究,主要内容如下。1.针对海面上的机动微弱目标,提出了一种基于动态规划(Dynamic Programming,DP)的机动目标检测前跟踪算法。传统的DP-TBD算法能够覆盖的目标机动范围受限于预设的有效状态转移范围,该范围设置偏小时无法检测与跟踪机动目标,设置偏大时会导致算法性能下降。针对传统DP-TBD算法的上述缺陷提出了一种新的适用于机动目标的DP-TBD算法。通过状态转移方式优化,提高了对机动目标的状态搜索效率,增大了搜索范围;通过转移速度加权,使新算法能够按照机动目标的运动趋势进行能量积累。所提算法在不改变参数设置的情况下,对强机动与弱机动目标都能够准确检测,对强机动目标的检测能力远高于现有算法。通过仿真实验对所提算法与传统算法进行了对比分析,采用实测数据验证了所提算法的适用性。2.针对空天中的带有雷达截面积(Radar Cross Section,RCS)起伏的高速机动目标,提出了一种基于DP的长时间自适应步长非相参积累算法。机动目标较复杂的运动形式和较高的运动速度,会带来不可避免的距离徙动与RCS起伏,所提算法在能量积累时结合了以下三种思想:能够获取每一时刻的目标位置与速度的优化DP搜索;能够减轻RCS起伏影响的带有衰减因子的多脉冲非相参积累;能够使积累时间随搜索速度而改变的自适应步长。相较于现有算法,所提算法能够有效的完成对机动起伏目标的检测。对比分析实验展示了所提算法的优越性。3.针对空天中的无起伏高速机动目标,提出了一种基于DP的长时间相参积累算法。目前,大多数现有算法都是通过复杂的多维搜索估计机动目标的运动参数,继而对目标的距离徙动与多普勒扩散进行校正与补偿。实际中的机动目标运动过程十分复杂,要获得精确的运动参数就需要不断的提高估计阶数,然而,当观测过程中目标运动参数发生突变,再高的估计阶数也无能为力。所提算法结合了DP状态搜索与改进的多脉冲相参积累,无需进行运动参数估计,能够沿着目标的运动轨迹自适应的全程进行相参积累,对机动目标的距离徙动、多普勒扩散与多普勒模糊完成迭代补偿。最后的对比实验展示了所提算法的估计精度以及相较于传统算法的较大优势。4.针对星载警戒雷达的预警监测任务,首先对空间非协同目标进行了运动轨道建模。其次,在不同频率、不同入射角、不同方位角的情况下对空间目标的RCS起伏进行了仿真。之后结合前两步的成果模拟了空间目标的雷达回波。最后,根据空间目标的特点,提出了两种能量积累检测算法。所提分块霍夫变换算法,通过帧内相参积累以及帧间带有距离补偿的非相参积累,高效积累了空间目标的能量,取得了良好的检测效果。所提相参霍夫变换算法是对快速霍夫变换的相参改进,在移位映射的同时,根据不同搜索速度补偿了相应的多普勒频移,完成了全过程的长时间相参积累,并且先天性对多普勒模糊免疫,具有较高的能量积累效率。