论文部分内容阅读
近年来,随着雷达领域和现代技术的发展,探测高速目标甚至是超高速目标成为探测系统的主要任务之一,这也导致需要实时处理的数据越来越多。显然,传统的离散傅里叶变换(DFT)已无法满足快速处理的要求,当前应用最广的快速傅里叶变换(FFT),虽然大大减少了计算量,然而,雷达领域的迅速发展需要更快速的信号处理技术。稀疏傅里叶变换算法,是利用信号频域的稀疏性特点提出的一种快速傅里叶变换算法,它对于在频域稀疏的信号可以仅对其频域中的大值点进行处理,由此大大提高了频域稀疏信号的处理速度、节省了信号计算的时间。对于频域稀疏的信号,稀疏傅里叶变换算法可以有效地获得较低的信号计算复杂度和相同的多普勒谱估计正确率。高频目标雷达中,高速目标雷达回波的多普勒谱通常具有稀疏的特性,利用稀疏傅里叶变换算法进行频域稀疏信号的处理,可以有效降低运算的成本、提高运算的效率。本文首先建立了高速目标回波模型,研究了高速目标回波的影响因素,仿真说明了高速目标回波存在的距离走动和多普勒谱扩散现象。针对高速目标的距离走动现象,介绍了距离走动补偿算法Keystone变换。关于稀疏傅里叶变换算法的研究,本文仿真分析了混叠稀疏傅里叶变换、硬件易实现的Big Band算法以及基于频率位置多项式的稀疏傅里叶变换。上述稀疏傅里叶变换算法都采用了降采样的基本思想,时域降采样将导致频谱发生混叠,所以稀疏傅里叶变换算法的基本思想就是降采样和解混叠。本文仿真了不同稀疏傅里叶变换的频谱估计结果,并研究了三种稀疏傅里叶变换的性能,给出了各种稀疏傅里叶变换的约束条件。仿真结果表明,在一定条件下,稀疏傅里叶变换可以取得优于快速傅里叶变换的计算效率。上述研究结果是基于匀高速目标得到的,对于目标具有加速度的情况,本文仿真了在单目标和多目标情况下,三种稀疏傅里叶变换的谱估计结果,结果表明,在加速度较小时,三种稀疏傅里叶变换均能取得良好的谱估计结果,在大加速度条件下,FLP-SFT依旧能取得较好估计结果。最后,本文提出了基于稀疏傅里叶变换的高速目标信号检测算法,首先采用上述表现较好的FLP-SFT,在稀疏傅里叶变换之后,针对高速目标检测中的距离走动现象进行速度补偿,再进行MTD动目标检测估计目标速度、距离信息。上述所提方法能够正确有效进行目标检测,且在信号具有稀疏特性时可以获得低于FFT的运算时间。采用混叠稀疏傅里叶变换进行动目标检测,也可以获得同样的结果。