论文部分内容阅读
目标与雷达之间的相对微运动(如振动、旋转、翻滚和进动等)会对回波信号进行调制,产生微多普勒效应。对微动目标的微多普勒进行提取重构并加以测量可获得目标的微动参数和结构参数,基于此的目标检测识别技术被认为是雷达目标精确检测识别领域中有巨大发展前景的研究方向之一。针对弹道目标微多普勒特征提取与重构方法的主要研究成果如下:1.分析了微动目标的微多普勒调制效应。针对窄带和宽带两种信号形式,分别建立了目标进动的雷达回波模型,研究了进动目标微多普勒的调制特性,推导了微多普勒与进动参数和目标结构参数的定量表达式,最后对比分析了微多普勒特征提取常用的时频分析工具,对微动目标特征的提取重构和参数估计具有重要的理论研究意义。2.在窄带信号情况下提出了基于短时迭代自适应-逆Radon变换(Short Time Iterative Adaptive Approach-Inverse Radon Transform,STIAA-IRT)的微多普勒特征提取与参数估计方法。首先针对短观测时间常用时频分析方法分辨力不足,难以区分频率交叠严重且成分接近分量的问题,采用基于短时迭代自适应(Short Time Iterative Adaptive Approach,STIAA)的时频分析方法对目标散射点模型进行微多普勒特性提取。然后针对多分量微多普勒信号难以一一提取瞬时频率以及信噪比较低的问题,利用逆Radon变换(Inverse Radon Transform,IRT)分离重构不同散射点的微多普勒分量。该方法在低信噪比情况下能获得多分量信号的完整微多普勒信息,为低信噪比、邻近时频分布情况下的微动特征分离重构和参数估计提供了有效途径,最后利用仿真实验验证了所提方法具有优于短时傅里叶变换和S方法的分辨能力和重构性能。3.在宽带信号情况下进一步提出了基于逆Radon变换(IRT)的参数域微多普勒聚焦融合估计方法。首先针对宽带信号微动跨越距离单元的问题,采用子带划分的方法,将各子带的窄带信号分别利用STIAA时频分析方法得到微多普勒时频谱。然后针对各子带间存在多普勒色散的问题,研究了对时频图进行IRT后的参数空间实施变换以实现不同子带的微多普勒聚焦融合的方法。该方法在低信噪比情况下能获得宽带目标各散射点的高分辨微多普勒信号,提高了参数的估计精度,最后利用仿真实验验证了所提方法的有效性。