论文部分内容阅读
捷变频相参雷达（Frequency Agile Coherent Radar,FACR）具有低截获、抗干扰、电磁兼容性好等优点,已经成为雷达领域的热点之一。捷变频相参雷达每次发射的载频不同导致无法使用传统方法相参处理。本文针对捷变频相参雷达目标旁瓣较高的问题,分别研究速度维、距离维旁瓣抑制,以及稀疏重构旁瓣抑制。主要工作如下:（1）研究捷变频雷达的回波信号模型,研究随机捷变频相参的模糊函数,分析模糊函数对速度维和距离维旁瓣的影响因素。固定捷变带宽,研究不同随机捷变频点数的模糊函数速度-距离维性能。实验表明:速度维旁瓣与捷变频点顺序相关,而距离维旁瓣基本不受捷变频点影响,与基带信号自身的性质有关。上述研究为后续捷变频的相关处理提供基础。（2）研究基于相位补偿的整数倍捷变频相参雷达目标旁瓣抑制方法。建立相位补偿模型,分别研究了速度维旁瓣抑制和距离维旁瓣抑制算法。在频点较多情况下,提出基于模拟退火和改进遗传算法的捷变频点顺序优化,通过优化频点抑制速度维旁瓣。仿真验证,所提方法可使积分旁瓣平均降低7dB左右,峰值旁瓣平均降低2dB左右;在频点较少情况下,引入离散连续化模型降低相邻发射频点重复概率。仿真验证,该方法可使积分旁瓣抑制降低2dB左右。研究捷变频雷达基带信号二相编码和多相编码的自相关函数,建立距离维积分旁瓣最小化模型,使用模拟退火算法优化相位编码。仿真实验验证64位二相码旁瓣抑制平均达到6dB,80位的多相码旁瓣抑制平均达到7dB。（3）提出基于稀疏重构的捷变相参雷达旁瓣抑制方法。建立回波的稀疏模型,研究1l-范数、压缩采样匹配追踪算法（Compressive Sampling Matching Pursuit,CoSaMP）和稀疏贝叶斯学习（Sparse Bayesian Learning,SBL）算法在不同条件下的目标稀疏重构。分析稀疏重构目标的速度-距离维旁瓣抑制性能。实验表明:稀疏贝叶斯学习算法重构获得到旁瓣抑制结果最好,l1-范数重构次之。