直升机机载毫米波电力线检测是现在雷达防撞领域主要研究的方向之一。由于直升机飞机低空作业的特殊性,电力线网会带来较大的威胁。本文围绕电力线检测问题,分析了电力线本身的电磁散射特性,研究了跟踪滤波算法,单脉冲测角技术及分类算法在电力线检测算法中的应用。本文包括以下几个部分:1、分析毫米波频段下电力线的电磁散射特性。从电力线的实际物理结构出发,分别对比了无限长导体圆柱体模型和螺旋状绕核捆绑形成的周期性结构两者之间RCS的区别,分析了后者的布拉格散射特性。对地面杂波统计特性进行了分析,并仿真了在高信杂比情况下淹没在地杂波背景下的电力线回波信号。2、对实测数据进行了预处理,包括脉冲压缩和相参积累,使得信号的信噪比得到了提高。在CFAR(Constant False Alarm Rate恒虚警检测)中,分别采取高低两种门限进行检测。先使用高门限检测出较强的散射点,保证电力线架不出现漏检,再使用低门限检测出较弱的散射点,使电力线信号不出现漏检。在CFAR检测的基础上,使用??滤波和kalman滤波分别进行跟踪滤波处理,得到电力线大致的轨迹。先是仿真了两种滤波算法在电力线目标距离及外推斜率的滤波过程,得到了两种算法下滤波距离,外推斜率与真实距离,外推斜率之间的均方根误差,对比了两种算法的性能。仿真结果表明,kalman滤波的性能要优于??滤波,并利用两种滤波算法对实测数据进行了处理,得到了较好的效果。3、利用电力线架和地面杂波的高度差引起的角度之间的差异,采用单脉冲测角技术进行区分,降低CFAR检测引起的虚警率。分析了在和差单脉冲比相技术中信杂比和信噪比对测角精度带来的影响,并在实测数据中对高门限检测出来的强散射点在单脉冲测角下的误差电压进行CFAR检测,从而降低了虚警率。4、对实测数据地杂波参数进行了估计,分别使用几何算术平均估计,最大似然估计,最小二乘估计以及矩估计,前三种算法拟合实测数据效果较好,矩估计算法拟合效果较差。分析了常见的监督式学习分类算法,包括支持向量机算法和神经网络算法,分别仿真在不同信杂比背景下的电力线回波信号,使用两种分类算法进行分类处理。仿真结果表明在低信杂比情况下,支持向量机的分类效果要比神经网络分类效果要更好。由于监督式学习分类需要大量的样本,无法较好的适用于实测数据本身环境的复杂性,因此建议采取非监督式学习的k均值聚类算法利用两者回波信号的差异对电力线直线和杂波直线进行分类。