CN101738606B - 基于广义多普勒滤波器组的雷达目标相参积累检测方法 - Google Patents

Abstract

本发明涉及雷达技术领域的一种雷达目标的相参积累检测方法，包括：根据雷达目标的运动特性和检测指标，确定相参积累脉冲数；确定搜索速度通道间隔和多普勒滤波器个数，搜索距离间隔并搜索距离单元数；确定多普勒滤波器矢量；沿所述搜索速度和搜索距离确定的直线，得到相参积累结果；遍历所有搜索速度和搜索距离，获得参数变换数据矩阵；对所述参数变换数据矩阵进行恒虚警检测，得到雷达目标的点迹信息。通过应用本发明，克服了相参积累时间内匀速目标跨距离单元走动效应；沿直线进行数据选取，无需移位和插值操作；无需重频参差获取目标无模糊速度估计，适合低重频的远程雷达应用；测速分辨率和精度高。

Description

基于广义多普勒滤波器组的雷达目标相参积累检测方法

技术领域

本发明涉及雷达技术领域，更具体地，本发明涉及一种基于广义多普勒滤波器组的雷达目标相参积累检测的方法。

背景技术

现代雷达探测环境日益复杂，除了强地物杂波、电子干扰、低空突防等外部因素外，探测复杂性也来自于探测对象自身的变化。对于现代警戒雷达而言，大量隐身、高空、高速目标对目标的高性能探测提出严峻挑战。一方面，飞机、舰船等目标通过隐身设计，雷达反射截面积(RCS)急剧减少；另一方面，由于飞行器技术的改进，高空、高速目标大量涌现，先进战斗机的最高速度可达到3倍马赫以上，而空间目标的速度甚至达到数十倍马赫；第三方面，为及早发现高空、高速目标，雷达需要在数百公里、甚至数千公里实现目标的远程探测，此时目标回波能量有限，信噪比在噪声电平以下数十分贝；第四方面，现代雷达需要通过宽带高分辨率成像，获取目标更多的结构信息，但是，宽带雷达目标在距离上延展，在脉冲间起伏剧烈，显著增加了高性能目标检测的难度。

综上所述，现代雷达面临探测目标特性的挑战可归结为：兼顾宽带、高分辨等需求的同时，如何有效地探测低信噪比、高速运动的目标。为此，在传统雷达的解决方法中，通过雷达增大发射峰值功率、增加功率孔径积和天线尺寸等手段提高检测性能。但此类手段也带来了高成本、隐蔽性差、杂噪比大等问题。因此，增加目标的照射时间，通过信号处理实现目标在长时间照射下的回波能量的有效积累并有效提高目标检测性能，成为雷达领域的共识和研究热点和前沿之一。

现代相参体制雷达广泛采用脉冲多普勒处理实现脉冲间的积累检测。在不改变雷达参数的前提下，有效检测低信噪比目标所需的信号积累时间远大于常规积累时间。但是，在长的积累时间中，即使是慢速目标相对雷达的距离走动也会跨越多个距离分辨单元，且跨距离单元效应随目标速度的增加而愈发明显。然而，传统相参雷达的多普勒处理，如动目标检测(MTD)方法(M.I.Skolnik，Introduction to Radar system，Third Edition，McGraw-Hill Companies，Inc，USA，Jun.2002)，是针对同一个距离单元脉冲序列通过多普勒滤波器组实现的，其受限于目标在一个距离单元中的驻留时间。因此，克服运动目标在长时间积累中跨距离单元现象，实现目标能量的有效积累成为现代雷达急需解决的关键技术。至于脉冲积累方式，根据是否利用采样信号的相位信息，脉冲积累方法式可分为相参积累和非相参积累两种。通常，有效利用相位信息的相参积累方法获取信噪比(SNR)增益将大于非相参积累方法。

相参积累需利用未知的目标运动特性和多普勒信息，现有的长时间相参积累积累方法的复杂度过高，而非相参积累和混合积累方法在诸如SNR增益等方面的性能又不如相参积累方法。目前，存在基于Keystone变换的微弱目标检测方法和基于目标距离走动补偿的方法，虽然在一定程度上可实现相参积累，但其普遍存在盲速处理复杂、运算量大、难以工程实现等缺点。

发明内容

为克服现有雷达目标检测中高成本、高复杂度、盲速处理复杂和测速精度低等缺陷，本发明提出一种基于广义多普勒滤波器组的雷达目标相参积累检测的方法。

根据本发明的一个方面，提供了一种雷达目标的相参积累检测方法，包括：

步骤10)、根据雷达目标的运动特性、散射特性和检测指标，确定相参积累脉冲数；

步骤20)、确定搜索速度通道间隔和多普勒滤波器个数，搜索距离间隔和搜索距离单元数；

步骤30)、根据所述相参积累脉冲数与搜索速度，确定多普勒滤波器矢量；沿所述搜索速度和搜索距离间隔确定的直线，抽取回波数据并形成数据矢量，得到相参积累结果；

步骤40)、根据所述搜索速度通道间隔和多普勒滤波器个数，重复步骤30)的操作，遍历所有搜索速度和搜索距离间隔，获得参数变换数据矩阵；

步骤50)、对所述参数变换数据矩阵进行恒虚警检测，得到雷达检测目标的点迹信息。

其中，步骤10)中，所述运动特性和散射特性包括探测目标的最小雷达后向反射散射截面积σ_min、最大探测距离R_max和最大速度v_max，所述检测指标包括虚警率和检测概率。

其中，步骤10)还包括：

步骤110)、根据所述σ_min和R_max，运用雷达方程获取对应σ_min目标的信噪比I_i；根据所述检测指标，确定恒虚警检测所需的信噪比I_d；

步骤120)、根据方程G_C＝I_d-I_i-G_PC确定所需的相参积累增益，其中，G_PC为距离向匹配处理的信噪比增益；

步骤130)、确定相参积累间隔 $T=\left({10}^{G_c/10}\right)/f_r,$ 并确定相参积累脉冲数N_P＝Tf_r，其中，f_r为***的脉冲重复频率。

其中，步骤20)还包括：

步骤210)、确定搜索速度通道间隔Δv≤λ/(2T)，其中，λ为雷达波长；

步骤220)、确定多普勒滤波器个数N_v＝2v_max/Δ_v；

步骤230)、确定距离间隔Δr与***的距离向采集频率相同；

步骤240)、通过感兴趣目标的距离范围除以距离间隔Δr来获取距离单元数N_r。

其中，步骤20)还包括：获取脉冲回波数据，实现距离向匹配处理。

其中，所述实现距离向匹配处理还可与步骤30)和步骤40)结合，形成如下统一步骤：

确定一个搜索速度；确定一个脉冲及对应其脉冲采样时间的距离走动，并结合脉冲距离向匹配处理，补偿该距离走动；遍历所有脉冲，得到对应该搜索速度，且补偿其距离走动的二维数据；对不同距离单元的脉冲采样，进行多普勒滤波，实现不同搜索距离单元的相参处理；重复上述过程，直至遍历所有的搜索速度，完成所有搜索速度、搜索距离单元的相参积累。

其中，步骤30)还包括：

根据所述搜索速度确定相位补偿矢量，对于搜索速度v_i，相位补偿矢量为 $H\left(v_i\right)=W\⊗C\left(v_i\right),$ 其中，W为1×N_p维用于旁瓣抑制的幅度加权矢量，

为Hardmard积， $C\left(v_i\right)=\exp \left(j\frac{4\mathrm{\π}{v}_i}{\mathrm{\λ}}n{T}_r\right)\×(1,\exp \left(j\frac{4\mathrm{\π}{v}_i}{\mathrm{\λ}}{T}_r\right),\·\·\·,\exp \left(j\frac{4\mathrm{\π}{v}_i}{\mathrm{\λ}}(N_p-1)T_r\right))$ 为可旋转多普勒滤波器矢量，T_r为脉冲重复间隔，n为任意整数。

其中，步骤30)还包括：

步骤310)、根据搜索速度v_i和搜索距离r_j确定直线轨迹r(m)＝r_i+v(-T/2+mT_r)，m＝1，…，N_p；

步骤320)、对数据矩阵D沿直线轨迹r(k)抽取N_p×1维数据矢量E(v_i)，其中， ${\left[E\left(v_i\right)\right]}_m={\left[D\right]}_{m,|2f_s(r\left(m\right)-R_{\min })/c|},$ f_s为***采集频率，c为光速，R_min为数据获取波门对应的最小距离，||为取整操作；

步骤330)、计算搜索速度和搜索距离间隔的相参积累输出G(v_i，r_j)＝H(v_i)×D(v_i)。

其中，步骤40)中，所述参数数据矩阵可以是(v，r)组合得到的多普勒滤波器组的输出，也可以是诸如(v，ρ)、(θ，r)和(θ，ρ)的等效组合所对应多普勒滤波器组的二维参数数据矩阵，其中ρ和θ分别为目标距离走动直线对应的截距和极角。

其中，步骤50)还包括：对参数变换数据矩阵进行恒虚警检测，根据检测点迹的搜索参数获得目标速度、距离的真实估计，并报告最终点迹信息。

本发明通过雷达目标长时间积累的信号建模，深入分析了匀速运动目标信号模型中结合速度、距离走动和多普勒频率三者间的耦合关系，提出基于速度搜索实现跨距离单元长时间相参积累的新方法，即“广义多普勒滤波器组”。广义多普勒滤波器组通过搜索目标距离和速度，在目标脉压数据中抽取脉间回波序列，完成目标运动的时空解耦，继而进行后续的多普勒滤波。

本发明将数据抽取的不同序列分别通过不同多普勒滤波器实现相参积累，而传统方法将同一个距离单元序列通过不同多普勒滤波器实现相参积累。本发明具有以下显著优点：克服了相参积累时间内匀速目标跨距离单元走动效应，获得理想的相参积累增益，改善了高速、微弱目标的检测性能；沿直线进行数据选取，无需数据移位和插值操作，适于工程实现；无需重频参差技术，在目标检测同时获取无模糊的速度估计，尤其适合低重复频率的远程警戒雷达应用；相参积累时间长于现有方法，显著改善了目标的速度测量分辨率和精度。

附图说明

图1示出根据本发明的雷达目标相参积累检测方法流程图；

图2示出R_T＝100Km目标原始数据；

图3示出R_T＝100Km目标脉压结果；

图4示出R_T＝100Km目标广义多普勒滤波器组输出；

图5示出R_T＝200Km目标原始数据；

图6示出R_T＝200Km目标脉压结果；

图7示出R_T＝200Km目标广义多普勒滤波器组输出；

图8示出R_T＝300Km目标原始数据；

图9示出R_T＝300Km目标脉压结果；

图10示出R_T＝300Km目标广义多普勒滤波器组输出；

图11示出基于不同方法的可检测目标最小RCS比较。

具体实施方式

下面根据附图和具体实施例，对本发明提供的一种基于广义多普勒滤波器组的雷达目标相参积累检测的方法进行详细描述。

现有技术中，在使用长时间相参积累进行检测的方法中，Perry等首先将Keys tone变换引入到雷达领域，针对时域脉冲采样和频域回波序列构成的合成孔径雷达(SAR)运动目标信号，通过引入新的时间变量和插值处理实现回波距离走动和速度解耦(R.P.Perry，R.C.Dipietro，R.L.Fante，“SAR Imaging ofMoving Targets”，IEEE Transaction on Aerospace and Electronic System，Vol.35，No.1，Jan.1999，PP.188-200)。根据Keystone的性质，张顺生等将其引入目标长时间积累检测领域，提出了基于Keystone变换的微弱目标检测方法(S.S.Zhang，T.Zeng，et al，“Dim Target Detection Based on Keystone Transform”，Proceedings of IEEE International Radar Conference，May 2005，pp.889-894)。该方法利用Keystone变换补偿目标的跨距离单元走动，但与雷达成像应用不同，搜索雷达通常采用低脉冲重复频率(PRF)，大量目标的多普勒是模糊的，而多普勒模糊条件下的Keystone变换并不能有效校正运动目标距离走动。因此，多普勒模糊问题成为限制该方法在实际应用中的关键问题。为此，曾涛等提出多普勒模糊数搜索达到对多个速度模糊区间的目标检测与模糊数估计，但其需要反复执行Keystone变换，显著增加运算量和实现复杂度(张顺生，曾涛.“基于keystone变换的微弱目标检测”，电子学报，2005，33(9)：1675-1678)。

另外，在现有技术中，实现长时间相参积累更为自然的方法是基于目标距离走动补偿，进而对长时间序列实现多普勒匹配。为此，在光学运动目标检测领域，Reed等采用匹配搜索的思想实现跨距离补偿与积累。该类方法针对特定速度目标的回波采用相应的三维匹配滤波器进行匹配实现有效的相参积累，但对未知速度的目标须采用三维滤波器组进行匹配搜索，运算量过大(I.Reed，R.Gagliardi，L.Stotts，Optical Moving target Detection With 3-D Matched Filtering，IEEE Transaction onAES，vol.24，No.4，July 1998，pp.327-335)。针对长时间观测内的距离、多普勒走动问题，王俊等提出了一种基于距离拉伸和时频分析的包络移动补偿方法，该方法通过对多距离单元的综合处理和时频分析技术来进行运动补偿和匹配积累，适用于存在多普勒时变的情况，但实现复杂度同样过大(王俊，张守宏.“微弱目标积累检测的包络移动补偿方法”，电子学报，2000，28(12)：56-59)。另外，陈远征等提出通过搜索目标速度实现目标包络移位，并基于DFT实现相参积累的“基于包络补偿的相参积累”，但是包络移位的插值处理、对任意搜索速度序列的DFT处理带来的大运算量也限制了方法的实际应用(陈远征，朱永锋，赵宏钟，付强.“基于包络插值移位补偿的高速运动目标的积累检测算法研究”，信号处理，2004，20(4)：387-390)。

鉴于长时间相参积累方法复杂度过高，有学者提出采用非相参积累、以及相参和非相参积累混合的方式提高微弱目标的检测性能。这方面的工作以90年代初MIT林肯实验室学者Carlson等的工作最为典型，提出利用图像处理中常用的Hough变换(HT)来检测匀速目标运动航迹，HT将通过第一门限的信号点迹通过非相参积累(B.D.Carlson，E.D.Evans and S.L.Wilson，“Search radardetection and track with the Hough transform Part I：system concept”，IEEE trans.onAES，Vol.30，No.1，PP.102-108，Jan.1994.)。进而，莫力等在此基础上，也提出了一种基于HT的长时间积累方法，基本原理是把回波数据变换到距离-多普勒-时间空间，利用HT实现该空间中匀速或匀加速目标的有效检测。但该方法没有利用回波相位关系实现相参积累，积累效率低，且在信噪比过低时性能急剧下降(Mo Li，Wu Siliang，Li Hai.Radar detection of range migrated weaktarget through long-term integration[J].Chinese Journal of Electronics，2003，12(4)：539-544)。

在根据本发明的一个实施例中，一部实验米波中远程警戒雷达***参数如下：脉冲发射功率P_t＝100KW，发射线性调频(LFM)信号时宽T_P＝50us，LFM信号带宽B＝6MHz，天线增益G＝24dB，雷达载频f_c＝150MHz，接收机中频带宽B＝6MHz，噪声系数F_n＝3dB，***总损耗L＝15dB(考虑馈线传输损耗、接收机失配、天线波束非矩形损耗、目标起伏损耗等综合因素)，波束水平宽度θ_β＝9°，脉冲重复频率f_P＝200Hz，距离向采集频率f_s＝8MHz。该雷达***的参数仅用于说明本发明的实现，而不是对本发明进行限制，可以理解，常用具有其它参数的雷达***也可以应用本发明的方法。

图1示出根据本发明的实施例的雷达目标相参积累方法的流程图，如图1所示，以下详细描述该方法的实现步骤。

根据***检测目标的运动特性、散射特性和检测指标，确定脉冲相参积累所需的信噪比增益、相参积累时间和相参积累脉冲数。

首先确定***检测目标的运动特性、散射特性和检测指标，包括需探测目标的最小雷达后向反射散射截面积σ_min、最大探测距离R_max和最大速度v_max。最小雷达后向散射截面积σ_min可针对隐身目标等特定的微弱目标选取，最大速度v_max覆盖雷达探测目标速度范围(包括高空、高速的飞机、弹头和卫星等)。根据给定雷达参数以及σ_min和R_max，运用雷达方程计算对应σ_min目标的信噪比I_i。进而，根据***检测性能指标(虚警率和检测概率)，确定恒虚警(CFAR)检测所需的信噪比I_d；如果雷达采用脉冲压缩体制，计算对应发射波形带来的信噪比增益G_PC＝10log　10(TBP)，其中TBP为发射信号的时宽带宽积。如果***采用简单发射波形，则G_PC＝0。第四，根据G_C＝I_d-I_i-G_PC确定所需的相参积累增益。第五，确定相参积累间隔 $T=\left({10}^{G_c/10}\right)/f_r,$ 并确定相参积累脉冲数N_P＝Tf_r，其中f_r为***的脉冲重复频率

确定搜索速度通道间隔和多普勒滤波器个数，搜索距离间隔并搜索距离单元数。

确定搜索速度通道间隔Δv≤λ/(2T)，其中λ为雷达波长，确定多普勒滤波器个数N_v＝2v_max/Δ_v。距离间隔Δv与***的距离向采集频率相同，距离间隔即为搜索的距离通道间隔，但与速度通道间隔不同，量纲不同；而距离单元数N_r覆盖感兴趣目标的距离区域，用感兴趣目标的距离范围除以距离间隔Δv来获取。

获取脉冲回波数据，实现距离向处理。

其中，相参雷达获取基带数字信号，并对脉冲采样数据做距离向处理。通常，采集的距离向回波长度大于N_r，保证在相参积累时间T中高速目标的回波能够被完整采集。对于脉冲压缩体制雷达，距离向处理可采用匹配滤波处理，也可通过Dechirp处理等方法实现脉冲压缩，然后将脉冲压缩后数据进行排列构成二维数据矩阵D。距离压缩处理并不是必须的，可结合下述的数据抽取过程一并完成，包括：确定一个搜索速度；确定一个脉冲及对应其脉冲采样时间的距离走动，并结合脉冲距离向匹配处理，补偿该距离走动；遍历所有脉冲，得到一个对应该搜索速度不存在距离走动的二维数据；沿不同距离单元的脉冲采样，进行多普勒滤波，完成不同搜索距离单元的相参处理；重复上述步骤，直至遍历所有的搜索速度，完成所有搜索速度、搜索距离单元的相参积累。对于非脉冲压缩体制雷达，可直接将数据排列构成数据矩阵D。

根据搜索速度确定多普勒滤波器矢量。

根据搜索速度确定相位补偿矢量。对于搜索速度v_i，相位补偿矢量为 $H\left(v_i\right)=W\⊗C\left(v_i\right),$ 其中，W为1×N_p维用于旁瓣抑制的的幅度加权矢量，为Hardmard积， $C\left(v_i\right)=\exp \left(j\frac{4\mathrm{\π}{v}_i}{\mathrm{\λ}}n{T}_r\right)\×(1,\exp \left(j\frac{4\mathrm{\π}{v}_i}{\mathrm{\λ}}{T}_r\right),\·\·\·,\exp \left(j\frac{4\mathrm{\π}{v}_i}{\mathrm{\λ}}(N_p-1)T_r\right))$ 为可旋转多普勒滤波器矢量，T_r为脉冲重复间隔，n为任意整数。

数据抽取过程

沿搜索速度和搜索距离确定的直线，抽取回波数据并形成数据矢量，通过数据矢量与滤波器矢量乘积得到相参积累结果。根据搜索速度v_i和搜索距离r_j确定的直线轨迹r(m)＝r_i+v(-T/2+mT_r)，m＝1，…，N_p；对数据矩阵D沿直线轨迹r(k)抽取N_p×1维数据矢量E(v_i)，其中 ${\left[E\left(v_i\right)\right]}_m={\left[D\right]}_{m,|2f_s(r\left(m\right)-R_{\min })/c|},$ f_s为***采集频率，c为光速，R_min为数据获取波门对应的最小距离，||为取整操作；计算搜索速度和搜索截距的相参积累输出G(v_i，r_j)＝H(v_i)×D(v_i)。

重复上述的多普勒滤波器矢量确定和数据抽取过程，遍历所有速度和距离，获得变换参数数据矩阵。

对应的变换参数数据矩阵，可以是(v，r)组合得到的多普勒滤波器组的输出，也可以是(v，ρ)、(θ，r)和(θ，ρ)等其它等效组合的对应普勒滤波器组的二维输出数据矩阵。直线轨迹搜索参数可利用其它等效搜索参数组合，不限于(v，r)的组合。例如，由直线截距ρ、极角θ和直线方程ρ＝rcosθ+tsinθ同样可在数据矩阵D中确定目标距离走动曲线。并且，θ与v，ρ与r间又分别存在一一映射的非线性关系。本实施例中，搜索参数就存在(v，r)、(v，ρ)、(θ，r)和(θ，ρ)等四种等效的组合。其中，对于后两种组合的滤波处理中，需要将多普勒滤波器矢量确定步骤中的可旋转多普勒滤波器矢量修改为 $C\left({\mathrm{\θ}}_i\right)=\exp \left(j\frac{4\mathrm{\πctg}\left({\mathrm{\θ}}_i\right)}{\mathrm{\λ}}n{T}_p\right)\×(1,\exp \left(j\frac{4\mathrm{\πctg}\left({\mathrm{\θ}}_i\right)}{\mathrm{\λ}}{T}_r\right),\·\·\·,\exp \left(j\frac{4\mathrm{\πctg}\left({\mathrm{\θ}}_i\right)}{\mathrm{\λ}}(N_p-1)T_r\right)).$ 同理，根据不同的直线参数方程，可以得到更多等效的参数组合。

对参数变换数据矩阵进行恒虚警(CFAR)检测，并得到最终点迹信息。

其中，对参数变换数据矩阵进行CFAR检测，根据检测点迹的搜索参数获得目标速度、距离的真实估计，并报告最终点迹信息给后继雷达数据处理***。其中，具体的CFAR检测方法，根据不同的噪声背景和杂波背景，可采用相应的噪声和杂波背景中的CFAR处理方法。

不同SNR目标基于本发明的检测

为验证基于本发明的方法对微弱目标检测性能的增益，使用具有上述参数的雷达***。探测目标最小反射截面积σ_min＝1m²，最大速度v_max＝2Mach＝680m/s；下面给出目标距离为100Km，200Km和300Km三种情况下对相参积累时间T＝1s中原始数据、脉压数据和本发明变换的数据结果。

R_T＝100Km

根据雷达方程，当前输入目标信噪比 $S/N=\frac{P_t{G}^2{\mathrm{\λ}}^{2}D{f}_P{T}_{\mathrm{MTD}}\mathrm{\σ}}{{\left(4\mathrm{\π}\right)}^3\mathrm{kTBFL}{R_T}^4}=-10.8\mathrm{dB},$ 可知信号强度在脉压前低于噪声，因此图2中回波信号不可见。由于D＝300，可知G_PC＝(S/N)_min，PC＝10log 10(D)＝24dB，所以在图3的脉压结果中，目标在100Km处回波清晰可见。进而使用本发明的方法进行处理，目标在(100Km，0m/s)处的峰值远大于检测的信噪比要求，如图4所示，适合后续的高性能检测。

R_T＝200Km

根据雷达方程，当前输入目标信噪比S/N＝-22.8dB，因此图5中回波信号不可见。由于TBP＝300，可知G_PC＝10log 10(TBP)＝24dB，所以在图6的脉压结果中，目标在200Km处回波隐约可见。进而使用本发明的方法进行处理，目标在(200Km，0m/s)处的峰值远大于检测的信噪比要求，如图7所示，满足后续高性能检测的需要。

R_T＝300Km

根据雷达方程，当前目标的输入目标信噪比S/N＝-29.8dB，因此图8中回波信号不可见。由于G_PC＝24dB，所以在图9的脉压结果中，目标在300Km处回波仍然可见。进而使用本发明的方法进行处理，目标在(300Km，0m/s)处的峰值大于12.8dB的检测性能要求，如图10所示，仍然满足目标的检测要求。

基于本发明的方法改善微弱目标检测性能

为验证基于本发明方法对微弱目标检测性能的增益，使用具有上述参数的雷达***。假设探测目标最大速度为2倍马赫，距离为R_T＝150Km，则可知本发明方法和MTD+Hough变换方法的可积累时间可显著增加，据此得到MTD方法、基于HT混合积累法和本发明方法可探测目标的最小反射截面积。

根据以上设定参数，可得最小探测反射截面积随相参积累时间的曲线σ_min～T如图11所示。可见，对于设定的高速、微弱运动目标检测，本发明方法在T＝1s，可检测目标最小RCS可小于0.02m²，这个性能是传统方法难以企及的。例如，MTD方法受距离分辨率的限制，其最小反射截面积需大于0.36m2。而基于HT混合积累法虽然综合利用了相参积累和非相参积累的方式，有效地利用了相参积累时间内所有脉冲的能量，但是，其要求最小反射截面积需大于0.115m²。显然，本发明方法在同样的积累时间内，可显著提高微弱目标的检测性能。

基于本发明实现高速目标的探测增程

为了比较不同方法的性能，假设雷达采用单波束机械扫描，天线圆周扫描速率ω_r＝6r/min，检测性能指标为：对σ＝1m²，v_T＝2Mach≈680m/s高速运动目标的检测概率P_d＝80％，虚警概率P_f＝10^-6。根据以上指标，可知做门限判决前，***所需目标最小检测信噪比(S/N)_min＝12.8dB。下面，给出比较本发明方法、MTD方法和基于HT混合积累法变换方法的最大作用距离的具体方法步骤。

步骤1：计算波束扫掠照射目标时间T_i和时间T_i中可积累脉冲数N_a

T_i＝θ_β/ω_r＝0.25s

N_a＝T_if_P＝50

步骤2：计算高速目标穿越一个距离单元的时间和可积累脉冲数

$T_{\mathrm{MTD}}=\frac{c}{2f_s{v}_{\max }}=0.074s$

N_a，MTD＝round(T_MTDf_P)＝15

步骤3：分别按照如下三式计算MTD、基于HT混合积累法、本发明方法的最大探测距离

$R_{\max ,\mathrm{MTD}}={\left(\frac{P_t{G}^2{\mathrm{\λ}}^2{\mathrm{\σ}}_{\min }{\mathrm{DN}}_{a,\mathrm{MTD}}}{{\left(4\mathrm{\π}\right)}^3\mathrm{kTBFL}{(S/N)}_{\min }}\right)}^{1/4}$

$R_{\max ,\mathrm{Hough}}={\left(\frac{P_t{G}^2{\mathrm{\λ}}^2{\mathrm{\σ}}_{\min }D\sqrt{N_a{N}_{a,\mathrm{MTD}}}}{{\left(4\mathrm{\π}\right)}^3\mathrm{kTBFL}{(S/N)}_{\min }}\right)}^{1/4}$

$R_{\max ,\mathrm{CRT}}={\left(\frac{P_t{G}^2{\mathrm{\λ}}^2{\mathrm{\σ}}_{\min }{\mathrm{DN}}_a}{{\left(4\mathrm{\π}\right)}^3\mathrm{kTBFL}{(S/N)}_{\min }}\right)}^{1/4}$

表1 不同方法对高速目标的最大探测距离(Km)

从表1可见，对于设定速度的高速运动目标的实现在噪声中的检测，本发明方法较传统MTD方法的雷达威力范围可增程120Km以上，较基于HT混合积累法变换的混合积累方法增程约70Km。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非对其限制，并且在应用上可以延伸到其他的修改、变化、应用和实施例，同时认为所有这样的修改、变化、应用、实施例都在本发明的精神和范围内。

Claims (10)

1.一种雷达目标的相参积累检测方法，包括：

步骤10)、根据雷达目标的运动特性、散射特性和检测指标，确定相参积累脉冲数；

步骤20)、确定搜索速度通道间隔和多普勒滤波器个数，搜索距离间隔和搜索距离单元数；

步骤30)、根据所述相参积累脉冲数与搜索速度，确定多普勒滤波器矢量；沿所述搜索速度和搜索距离间隔确定的直线，抽取回波数据并形成数据矢量，得到相参积累结果；

步骤40)、根据所述搜索速度通道间隔和多普勒滤波器个数，重复步骤30)的操作，遍历所有搜索速度和搜索距离间隔，获得参数变换数据矩阵；

步骤50)、对所述参数变换数据矩阵进行恒虚警检测，得到雷达检测目标的点迹信息。

2.权利要求1的方法，其中，步骤10)中，所述运动特性和散射特性包括探测目标的最小雷达后向反射散射截面积σ_min、最大探测距离R_max和最大速度v_max，所述检测指标包括虚警率和检测概率。

3.权利要求2的方法，其中，步骤10)还包括：

步骤110)、根据所述σ_min和R_max，运用雷达方程获取对应σ_min目标的信噪比I_i；根据所述检测指标，确定恒虚警检测所需的信噪比I_d；

步骤120)、根据方程G_C＝I_d-I_i-G_PC确定所需的相参积累增益，其中，G_PC为距离向匹配处理的信噪比增益；

步骤130)、确定相参积累间隔

并确定相参积累脉冲数N_P＝Tf_r，其中，f_r为***的脉冲重复频率。

4.权利要求1的方法，其中，步骤20)还包括：

步骤210)、确定搜索速度通道间隔Δv≤λ/(2T)，其中，λ为雷达波长；

步骤220)、确定多普勒滤波器个数N_v＝2v_max/Δv；

步骤230)、确定距离间隔Δr与***的距离向采集频率相同；

步骤240)、通过感兴趣目标的距离范围除以距离间隔Δr来获取距离单元数N_r。

5.权利要求1的方法，其中，步骤20)还包括：获取脉冲回波数据，实现距离向匹配处理。

6.权利要求5的方法，其中，所述实现距离向匹配处理还可与步骤30)和步骤40)结合，形成如下统一的步骤：

确定一个搜索速度；确定一个脉冲及对应其脉冲采样时间的距离走动，并结合脉冲距离向匹配处理，补偿该距离走动；遍历所有脉冲，得到对应该搜索速度，且补偿其距离走动的二维数据；对不同距离单元的脉冲采样，进行多普勒滤波，实现不同搜索距离单元的相参处理；重复上述过程，直至遍历所有的搜索速度，完成所有搜索速度、搜索距离单元的相参积累。

7.权利要求1的方法，其中，步骤30)还包括：

根据所述搜索速度确定相位补偿矢量，对于搜索速度v_i，相位补偿矢量为

其中，W为1×N_p维用于旁瓣抑制的幅度加权矢量，

为Hardmard积， $C\left(v_i\right)=\exp \left(j\frac{4\mathrm{\π}{v}_i}{\mathrm{\λ}}{\mathrm{nT}}_r\right)\×(1,\exp \left(j\frac{4\mathrm{\π}{v}_i}{\mathrm{\λ}}{T}_r\right),...,\exp \left(j\frac{4\mathrm{\π}{v}_i}{\mathrm{\λ}}(N_p-1)T_r\right))$ 为可旋转多普勒滤波器矢量，T_r为脉冲重复间隔，n为任意整数，λ为雷达波长，N_p为相参积累脉冲数。

8.权利要求1的方法，其中，步骤30)还包括：

步骤310)、根据搜索速度v_i和搜索距离r_j确定直线轨迹r(m)＝r_i+v(-T/2+mT_r)，m＝1，…，N_p，r_i为第i个搜索距离，v为搜索速度，N_p为相参积累脉冲数；

步骤320)、对数据矩阵D沿直线轨迹r(k)抽取N_p×1维数据矢量E(v_i)，其中，

f_s为***采集频率，c为光速，R_min为数据获取波门对应的最小距离，||为取整操作；

步骤330)、计算搜索速度和搜索距离间隔的相参积累输出G(v_i，r_j)＝H(v_i)×D(v_i)，H(v_i)为相位补偿矢量。

9.权利要求1的方法，其中，步骤40)中，所述参数变换数据矩阵可以是(v，r)组合得到的多普勒滤波器组的输出，也可以是诸如(v，ρ)、(θ，r)和(θ，ρ)的等效组合所对应多普勒滤波器组的二维参数数据矩阵，其中ρ和θ分别为目标距离走动直线对应的截距和极角，v为搜索速度，r为搜索距离。

10.权利要求1的方法，其中，步骤50)还包括：对参数变换数据矩阵进行恒虚警检测，根据检测点迹的搜索参数获得目标速度、距离的真实估计，并报告最终点迹信息。

Images