CN113391284A - 一种基于长时间积累的临空高速目标检测方法 - Google Patents
一种基于长时间积累的临空高速目标检测方法 Download PDFInfo
- Publication number
- CN113391284A CN113391284A CN202110568283.XA CN202110568283A CN113391284A CN 113391284 A CN113391284 A CN 113391284A CN 202110568283 A CN202110568283 A CN 202110568283A CN 113391284 A CN113391284 A CN 113391284A
- Authority
- CN
- China
- Prior art keywords
- speed
- target
- echo data
- acceleration
- segment
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000009825 accumulation Methods 0.000 title claims abstract description 92
- 238000001514 detection method Methods 0.000 title claims abstract description 22
- 230000001427 coherent effect Effects 0.000 claims abstract description 76
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000033001 locomotion Effects 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000007906 compression Methods 0.000 claims abstract description 11
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- 230000006835 compression Effects 0.000 claims abstract description 8
- 230000001133 acceleration Effects 0.000 claims description 56
- 238000012937 correction Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000013499 data model Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 4
- 230000035485 pulse pressure Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 239000007983 Tris buffer Substances 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims description 2
- 230000000717 retained effect Effects 0.000 claims description 2
- 239000004576 sand Substances 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007123 defense Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/415—Identification of targets based on measurements of movement associated with the target
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于雷达信号处理技术领域,具体公开了一种基于长时间积累的临空高速目标检测方法,首先对脉冲压缩后的回波信号按脉冲数进行分段,并补偿每一段内的回波信号包络的距离走动和多普勒扩展;再对每一段内补偿后的结果进行段内的相参积累;最后对所有回波信号进行段间的包络移动和非相参积累,使回波信号能量得以有效积累。采用时间分段、段内相参积累、段间非相参积累的长时间积累方法,既解决了长时间相参积累计算量问题,又解决了回波信号相参性变差的问题;提高了检测性能,易于工程实现。
Description
技术领域
本发明涉及雷达信号处理技术领域,尤其涉及一种基于长时间积累的临空高速目标检测方法,可用于提高积累增益,减少计算量,易于工程实现。
背景技术
随着航空航天技术的发展,高超声速飞行器以其极为诱人的军事应用前景而受到各军事大国的关注。它综合了航空航天领域众多学科的新技术,代表了未来航空航天领域的研究发展方向,军事上被认为是继隐身技术之后的又一重点技术领域。高超声速飞行器一般飞行在20km~100km的临近空间,具有作战距离远、飞行速度快、机动性强等特点,能够在极短的时间穿过雷达波束,突破现有空天防御***,对国家空天安全带来巨大威胁。面对临近空间高超声速飞行器的各种突防手段,研究高速高机动目标检测技术具有重要意义。
通常可以增加观测时间并采用长时间积累技术以提高目标的输出信噪比,用时间换取能量,进而提高雷达对该类目标的检测性能。然而在长时间积累过程中,由于临近空间高速目标高速高机动的运动特性,会出现距离徙动和多普勒扩展现象,使得传统的相参积累效果严重变差。考虑到目标在大气层中高速运动与空气摩擦引起空气电离产生等离子鞘套,导致回波信号本身的相参性变差。若这时仍进行长时间相参积累,反而会导致结果变差;同时从硬件可实现的角度考虑,长时间相参积累对设备量需求很大,成本太高。因此,研究有效且易于工程实现的长时间积累算法,实现对临近空间高速目标的检测具有迫切的现实意义。
发明内容
针对现有技术存在的问题,本发明的目的在于提供一种基于长时间积累的临空高速目标检测方法,采用时间分段、段内相参积累、段间非相参积累的长时间积累方法,既解决了长时间相参积累计算量问题,又解决了回波信号相参性变差的问题;提高了检测性能,易于工程实现。
本发明的技术原理:首先对脉冲压缩后的回波信号按脉冲数进行分段,并补偿每一段内的回波信号包络的距离走动和多普勒扩展;再对每一段内补偿后的结果进行段内的相参积累;最后对所有回波信号进行段间的包络移动和非相参积累,使回波信号能量得以有效积累。
为了达到上述目的,本发明采用以下技术方案予以实现。
一种基于长时间积累的临空高速目标检测方法,包括以下步骤:
步骤1,建立高速机动目标运动模型,构造长时间观测条件下的雷达回波数据模型,对原始回波数据依次进行下变频和低通滤波,得到雷达接收的基带回波数据sr(tk,tm);然后,利用匹配滤波器对基带回波数据sr(tk,tm)进行脉冲压缩,得到脉压后频率-慢时间域的回波数据SP(f,tm);
其中,m=0,1,...,N-1,N表示总的积累脉冲数;tk为快时间,tm为慢时间;
其中,每Q个脉冲重复间隔作为一个相参处理时间段,Q为2的整数次幂,mi=(i-1)×Q,(i-1)×Q+1,...,i×Q-1,N=M×Q;
步骤3,构造搜索速度的遍历区间和步长,根据每个搜索速度vs构造对应的相位补偿因子,形成补偿矩阵Hv(vs),并与第一段回波数据相乘,得到补偿后的第一段回波数据,并估计目标运动速度;根据目标运动速度估计值形成最优补偿矩阵,并对所有回波数据段分别进行补偿,得到相位补偿后的M个回波数据段,将相位补偿后的M个回波数据段通过IFFT变换到距离时域,得到相位补偿后的时域信号
步骤4,采用解线调频法对时域信号进行多普勒调频率的估计,即估计目标加速度,根据目标加速度估计值构造多普勒补偿项,对所有相位补偿后的时域信号进行补偿,实现多普勒扩展补偿;
步骤5,对步骤4补偿后的M个回波数据段的每一个距离单元分别做Q点的快速傅里叶变换,将每个回波数据段内的能量分别聚集在一个距离单元和多普勒单元,实现数据段内的相参积累,得到相参积累后的M个回波数据段;
步骤6,确定不同回波数据之间的距离单元差和多普勒通道差,采用段间距离单元差构造距离向补偿因子,对相参积累后的M个回波数据段进行距离向补偿,得到段间包络对齐后的M个回波数据段;
步骤7,对段间包络对齐后的M个回波数据段进行归一化处理,得到归一化后的M个回波数据段;利用步骤6确定的段间多普勒通道差,将归一化后的M个回波数据段中每段数据对应多普勒通道的数据提取出来并取模值后再相加,实现段间非相参积累,得到段间非相参积累后的回波数据;对段间非相参积累后的回波数据进行目标检测即可。
与现有技术相比,本发明的有益效果为:
(1)对于飞机等机动性很强的目标,长时间相参积累技术受到限制。长时间相参积累技术假设目标的运动是平稳的,其径向速度保持不变,但在长时间探测时,目标运动的轨迹和速度通常都是改变的,无法实现相参积累。而本发明通过采用时间分段、段内相参积累、段间非相参积累的长时间积累方法,既解决了长时间相参积累计算量问题,又解决了回波信号相参性变差的问题;同时在进行段内距离走动校正和多普勒扩展补偿时,也可以减少目标速度和加速度的遍历搜索量,从而减少算法计算量,易于工程实现。
(2)若对长时间内的所有回波进行MTD检测,即使目标不发生距离走动,其速度的变化也会导致其能量分散在多个速度单元上,其原因在于速度(多普勒)单元分得太细。本发明采用时间分段、段内相参积累、段间非相参积累的方法,可以防止目标的速度***。对信号进行分段后,每一段内相参积累脉冲数少,速度单元粗,目标的速度变化不大时,仍落在一个速度单元中;把多个时间段的各批数据的相参积累结果的模值叠加,实现非相参积累,也不会发生速度***。
附图说明
下面结合附图和具体实施例对本发明做进一步详细说明。
图1是本发明的实现流程图;
图2(a)是本发明中第一段回波信号经脉冲压缩后的等高线结果图;
图2(b)是本发明中第一段回波信号经距离走动校正后的等高线结果图;
图3(a)是本发明中第一段回波信号经距离走动校正后进行相参积累的结果图;
图3(b)是本发明中第一段回波信号经多普勒扩展补偿后进行相参积累的结果图;
图4(a)是本发明中回波信号经过段内相参积累后第一、四、八段峰值位置的结果图;
图4(b)是本发明中回波信号经过段间包络移位后第一、四、八段峰值位置的结果图;
图5是本发明中回波信号经过段间非相参积累后的结果图;
图6是本发明所提方法与传统长时间相参积累方法的算法计算量随积累脉冲数变化趋势的对比结果图。
具体实施方式
下面将结合实施例对本发明的实施方案进行详细描述,但是本领域的技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限制本发明的范围。
参照图1,本发明提供的一种基于长时间积累的临空高速目标检测方法,包括以下步骤:
步骤1,建立高速机动目标运动模型,构造长时间观测条件下的雷达回波数据模型,对原始回波数据依次进行下变频和低通滤波,得到雷达接收的基带回波数据sr(tk,tm);然后,利用匹配滤波器对基带回波数据sr(tk,tm)进行脉冲压缩,得到脉压后频率-慢时间域的回波数据SP(f,tm);其中,m=0,1,...,N-1,N表示总的积累脉冲数;tk为快时间,tm为慢时间,f为频率;
具体包括:
1.1,建立高速机动目标运动模型:对于运动目标,目标与雷达之间的距离是随着慢时间tm时变的,可表示为tm的多项式函数,对其做泰勒级数展开可表示为:
其中,P为目标运动阶数,αp为第p阶运动参数。在本发明中,保留泰勒级数的前四项,即取P=3,则上式可简化为:
式中,R(tm)表示在第m个脉冲重复周期内目标与雷达之间的距离,R0表示目标的初始斜距,v为目标径向速度,a为目标径向加速度。
1.2,构造长时间观测条件下的雷达回波数据模型:
在窄带点目标条件下,构建雷达接收到的基带回波信号模型为:
其中,σ0表示目标的反射系数,为矩形窗函数,Tp为矩形脉冲宽度,B为调制带宽,为调频率,fc为载波频率,j为虚数单位,c为电磁波在空气中的传播速度;令tm=mTr(m=0,1,...,N-1)表示慢时间,Tr为脉冲重复间隔,N为总的积累脉冲数。
其中,A0为脉冲压缩后的信号幅度。
步骤2,按慢时间维将脉压后频率-慢时间域的回波数据SP(f,tm)划分为M个回波数据段其中,每Q个脉冲重复间隔作为一个相参处理时间段,Q为2的整数次幂,mi=(i-1)×Q,(i-1)×Q+1,...,i×Q-1,N=M×Q;
对回波数据SP(f,tm)进行分段时,应考虑实际硬件设备的实时处理能力以及步骤3和步骤4中速度和加速度的搜索精度;同时每一段内的脉冲数Q满足2的整数次幂,以便于快速傅里叶变换FFT。
步骤3,构造搜索速度的遍历区间和步长,根据每个搜索速度vs构造对应的相位补偿因子,形成补偿矩阵Hv(vs),并与第一段回波数据相乘,得到补偿后的第一段回波数据,并估计目标运动速度;根据目标运动速度估计值形成最优补偿矩阵,并对所有回波数据段分别进行补偿,得到相位补偿后的M个回波数据段,将相位补偿后的M个回波数据段通过IFFT变换到距离时域,得到相位补偿后的时域信号
首先,根据雷达***参数以及目标的先验信息,设计一种对目标运动速度进行估计的方法:
3.1,根据目标的先验信息(所探测目标的最大可能飞行速度)确定搜索遍历的最大速度vmax;
3.2,根据雷达***参数确定速度的最大搜索遍历间隔Δv,在进行速度搜索时,当搜索速度vs与目标真实速度v相匹配时,有如下关系式:
|v-vs|≤Δvs/2
其中,Δvs为速度搜索间隔。当搜索速度vs与目标的真实速度v相匹配时,使用频域相位补偿法进行距离走动校正后,第一个回波脉冲峰值与最后一个回波脉冲峰值之间的距离不能超过一个距离单元,即满足以下关系:
其中,Q表示分段后每一段中的脉冲个数,c为光速,B为信号带宽,Tr为脉冲重复周期。
因为搜索到的速度与目标的真实速度相差为Δvs/2,经过补偿后,第k段回波信号剩余速度引起的距离走动为:
其中,Rres=c/2B,为距离分辨单元。
进一步为了保证段间的距离定位,则需要将搜索间隔缩小M-1倍,那么速度的最大搜索间隔设置为
Δv=c/(QBTr)/(M-1)
3.3,根据步骤3.1和3.2确定速度的搜索遍历范围为:[-vmax,-Δv]∪[Δv,vmax]
3.4,根据搜索速度vs构造相位补偿因子:
Hv(vs)=exp(j2πf·2vsm1Tr/c)
其中,m1=0,1,...,Q-1;
其中,sin c(x)=sin(πx)/(πx)表示Sa函数,λ=c/fc为雷达波长。
忽略加速度引起的距离走动,则当vs=v时,即搜索速度等于目标真实速度时,第一段回波信号包络的峰值处于同一距离单元,据此得到目标速度估计值根据目标速度估计值构造最优的补偿矩阵对所有回波数据段进行频域补偿,并沿着快时间频率做IFFT,得到相位补偿后的时域信号:
步骤4,采用解线调频法对时域信号进行多普勒调频率的估计,即估计目标加速度,根据目标加速度估计值构造多普勒补偿项,对所有相位补偿后的时域信号进行补偿,实现多普勒扩展补偿;
此过程与步骤3类似,具体为:
4.1,根据目标的先验信息(所探测目标的最大可能飞行加速度)确定搜索遍历的最大加速度amax;
4.2,根据雷达***参数确定加速度的最大搜索遍历间隔Δa,当搜索到的加速度as与目标的真实加速度a相匹配时,有如下关系式
|a-as|≤Δas/2
其中,Δas为加速度搜索间隔。因此当使用搜索到的加速度对回波信号进行补偿后,剩余加速度引起的速度变化不应超过一个多普勒单元,即
即
Δas≤λ/(QTr)2
其中Q表示分段后每一段中的脉冲个数,λ为波长,fr为脉冲重复频率。使用上述搜索方式进行加速度搜索,则搜索到的加速度与目标的真实加速度之间的最大差值为Δas/2。则经过补偿后,目标剩余加速度引起的速度变化如下所示:
其中,k表示分段后的第k个信号,vres表示多普勒分辨单元。
即在使用上述的搜索方式搜索所得加速度补偿后得到的每一段的目标所在的多普勒单元有所不同,为了保证不出现这种情况,将搜索间隔缩小M-1倍,其中M为最终分的段数。则加速度的最大搜索间隔为:
Δas=λ/(QTr)2/(M-1)
4.3,根据步骤4.1和4.2确定加速度的搜索遍历范围为:[-amax,-Δa]∪[Δa,amax];
步骤5,对步骤4补偿后的M个回波数据段的每一个距离单元分别做Q点的快速傅里叶变换,将每个回波数据段内的能量分别聚集在一个距离单元和多普勒单元,实现数据段内的相参积累,得到相参积累后的M个回波数据段;
步骤6,确定不同回波数据之间的距离单元差和多普勒通道差,采用段间距离单元差构造距离向补偿因子,对相参积累后的M个回波数据段进行距离向补偿,得到段间包络对齐后的M个回波数据段;
6.1,从步骤4中的表达式可以看出,第i段回波数据与第一段回波数据之间的峰值位置的距离单元差为(i-1)vQTr;经过段内相参积累后,第i段回波数据与第一段回波数据之间的峰值位置的多普勒通道差为(i-1)aQTr;利用这两个差值来实现后续步骤中段间的包络移动和非相参积累。
6.2,利用步骤3中搜索到的速度估计值构造相位补偿因子exp(j2πft′i),其中表示第i段信号与第一段信号的时延差;将步骤5中相参积累后的回波信号做快时间维的FFT,在距离频域进行补偿,再做快时间维IFFT,得到移位后的信号:
步骤7,对段间包络对齐后的M个回波数据段进行归一化处理,得到归一化后的M个回波数据段;利用步骤6确定的段间多普勒通道差,将归一化后的M个回波数据段中每段数据对应多普勒通道的数据提取出来并取模值后再相加,实现段间非相参积累,得到段间非相参积累后的回波数据;对段间非相参积累后的回波数据进行目标检测即可。
其中di,j=j+(i-1)aQTr表示第i段数据对应的多普勒通道;
7.3,若j<Q,令j=j+1,返回步骤7.2;否则得到段间非相参积累结果yout(tk,tl),其中tl=1,2,...,Q;
7.4,对积累后的结果yout(tk,tl)进行恒虚警检测,获取目标信息。
仿真实验
下面通过仿真实验对本发明的效果做进一步说明。
1.仿真条件
假设雷达发射信号为线性调频信号,信号载频为1GHz,信号带宽为1MHz,采样率为2MHz,发射信号脉冲宽度为2ms,脉冲重复周期为8.4ms,积累脉冲数为256,目标的初速度为6800m/s,加速度为60m/s2,雷达与目标间的初始距离为150Km,信噪比为-20dB。
2.仿真内容
仿真1,将256个脉冲共分为8组,每组32个脉冲,将这32个脉冲进行相参积累,然后将这8组的相参积累结果进行非相参积累。在相参积累时间内,仿真第一组回波信号经脉冲压缩的结果,其等高线图如图2(a);根据上述所提的速度搜索方法与搜索间隔进行速度搜索,利用搜索到的最优速度值对第一组回波信号进行距离走动校正,校正后的等高线图如图2(b);对校正后的第一段回波信号进行相参积累,得到的结果如图3(a);根据上述所提的加速度搜索方法与搜索间隔进行加速度搜索,利用搜索到的最优加速度值对第一段回波信号进行多普勒扩展补偿,对补偿后的结果进行相参积累,积累结果如图3(b);利用搜索到的最优速度和加速度对分段后的所有回波信号进行距离走动校正和多普勒扩展补偿,并进行段内相参积累,第一段、第四段和第八段的峰值位置如图4(a);采用频域包络移位法对段间的距离进行移位补偿,得到的结果如图4(b);最后对信号进行段间非相参处理,为了保证移位后的数据尺度的统一性,在进行非相参积累前需要对数据进行归一化处理,得到的结果如图5;
仿真2,对比本发明所提出的方法和传统长时间相参积累的算法计算量随积累脉冲数增加的变化趋势,结果如图6。
3.仿真结果分析
从图2(a)和图2(b)可以看出,虽然每组的积累脉冲数只有32个,但由于目标的运动速度比较大,回波信号中出现了距离走动;经过速度补偿后,不同脉冲的回波信号被校正至同一距离单元,脉冲间的距离走动得到了校正。
从图3(a)和图3(b)可以看出,由于目标存在加速度,直接对回波进行相参积累时,目标所在距离单元的多普勒扩展严重,回波信号的能量不能得到有效的积累,存在能量损失,从而不利于后续的目标检测,因此需要一定的采用手段对其进行补偿,保证目标检测时的信噪比;经过加速度补偿后再进行相参积累,回波信号的能量有效的积累在一个多普勒单元内,这时就可以继续进行段间处理了。
从图4(a)和图4(b)可以看出,经过对段内信号的一系列处理后,目标的能量能够被有效积累起来,但段间的距离差还有待解决;经过频域包络移位后,每段的峰值位置已处于同一距离单元,有效的补偿了段间的距离差。
从图5可以看出,经过段间非相参积累后,目标能量得到有效积累,有利于后续的目标检测,验证了所提方法的有效性。
从图6可以看出,随着积累脉冲数的增加,传统长时间相参积累方法的搜索量次数迅速增大,意味着算法计算量剧增,而本发明所提的方法增长趋势缓慢,相比之下计算量变化很小,更有利于工程实现和实时处理。
虽然,本说明书中已经用一般性说明及具体实施方案对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (9)
1.一种基于长时间积累的临空高速目标检测方法,其特征在于,包括以下步骤:
步骤1,建立高速机动目标运动模型,构造长时间观测条件下的雷达回波数据模型,对原始回波数据依次进行下变频和低通滤波,得到雷达接收的基带回波数据sr(tk,tm);然后,利用匹配滤波器对基带回波数据sr(tk,tm)进行脉冲压缩,得到脉压后频率-慢时间域的回波数据SP(f,tm);
其中,m=0,1,...,N-1,N表示总的积累脉冲数;tk为快时间,tm为慢时间;
其中,每Q个脉冲重复间隔作为一个相参处理时间段,Q为2的整数次幂,mi=(i-1)×Q,(i-1)×Q+1,...,i×Q-1,N=M×Q;
步骤3,构造搜索速度的遍历区间和步长,根据每个搜索速度vs构造对应的相位补偿因子,形成补偿矩阵Hv(vs),并与第一段回波数据相乘,得到补偿后的第一段回波数据,并估计目标运动速度;根据目标运动速度估计值形成最优补偿矩阵,并对所有回波数据段分别进行补偿,得到相位补偿后的M个回波数据段,将相位补偿后的M个回波数据段通过IFFT变换到距离时域,得到相位补偿后的时域信号
步骤4,采用解线调频法对时域信号进行多普勒调频率的估计,即估计目标加速度,根据目标加速度估计值构造多普勒补偿项,对所有相位补偿后的时域信号进行补偿,实现多普勒扩展补偿;
步骤5,对步骤4补偿后的M个回波数据段的每一个距离单元分别做Q点的快速傅里叶变换,将每个回波数据段内的能量分别聚集在一个距离单元和多普勒单元,实现数据段内的相参积累,得到相参积累后的M个回波数据段;
步骤6,确定不同回波数据之间的距离单元差和多普勒通道差,采用段间距离单元差构造距离向补偿因子,对相参积累后的M个回波数据段进行距离向补偿,得到段间包络对齐后的M个回波数据段;
步骤7,对段间包络对齐后的M个回波数据段进行归一化处理,得到归一化后的M个回波数据段;利用步骤6确定的段间多普勒通道差,将归一化后的M个回波数据段中每段数据对应多普勒通道的数据提取出来并取模值后再相加,实现段间非相参积累,得到段间非相参积累后的回波数据;对段间非相参积累后的回波数据进行目标检测即可。
2.根据权利要求1所述的基于长时间积累的临空高速目标检测方法,其特征在于,步骤1中,所述高速机动目标运动模型为:
对于运动目标,目标与雷达之间的距离是随着慢时间tm时变的,可表示为tm的多项式函数,对其做泰勒级数展开表示为:
其中,P为目标运动阶数,αp为第p阶运动参数;若保留泰勒级数的前四项,即取P=3,则上式可简化为:
式中,R(tm)表示在第m个脉冲重复周期内目标与雷达之间的距离,R0表示目标的初始斜距,v为目标径向速度,a为目标径向加速度;
所述基带回波数据为:
3.根据权利要求1所述的基于长时间积累的临空高速目标检测方法,其特征在于,步骤3中,所述目标运动速度的估计过程为:
3.1,将探测目标的最大可能飞行速度为搜索遍历的最大速度vmax;
3.2,根据雷达***参数确定速度的最大搜索遍历间隔△v,在进行速度搜索时,当搜索速度vs与目标真实速度v相匹配时,有如下关系式:
|v-vs|≤△vs/2
其中,△vs为速度搜索间隔;
当搜索速度vs与目标的真实速度v相匹配时,使用频域相位补偿进行距离走动校正后,第一个回波脉冲峰值与最后一个回波脉冲峰值之间的距离不能超过一个距离单元,即满足以下关系:
其中,Q表示分段后每一段中的脉冲个数,c为光速,B为信号带宽,Tr为脉冲重复周期;
因为搜索到的速度与目标的真实速度相差为△vs/2,经过补偿后,第k段回波信号剩余速度引起的距离走动为:
其中,Rres=c/2B,为距离分辨单元;
进一步为了保证段间的距离定位,则需要将搜索间隔缩小M-1倍,那么速度的最大搜索间隔设置为
△v=c/(QBTr)/(M-1);
3.3,根据步骤3.1和3.2确定速度的搜索遍历范围为:[-vmax,-△v]∪[△v,vmax];
3.4,根据搜索速度vs构造相位补偿因子:
Hv(vs)=exp(j2πf·2vsm1Tr/c)
其中,m1=0,1,...,Q-1;
其中,sinc(x)=sin(πx)/(πx)表示Sa函数,λ=c/fc为雷达波长;
5.根据权利要求1所述的基于长时间积累的临空高速目标检测方法,其特征在于,所述采用解线调频法对时域信号进行多普勒调频率的估计,具体过程为:
4.1,将探测目标的最大可能飞行加速度确定为搜索遍历的最大加速度amax;
4.2,根据雷达***参数确定加速度的最大搜索遍历间隔△a,当搜索到的加速度as与目标的真实加速度a相匹配时,有如下关系式:
|a-as|≤△as/2
其中,△as为加速度搜索间隔;
当使用搜索到的加速度对回波信号进行补偿后,剩余加速度引起的速度变化不应超过一个多普勒单元,即
即
△as≤λ/(QTr)2
其中,Q表示分段后每一段中的脉冲个数,λ为波长,fr为脉冲重复频率;使用上述搜索方式进行加速度搜索,则搜索到的加速度与目标的真实加速度之间的最大差值为△as/2;则经过补偿后,目标剩余加速度引起的速度变化如下:
其中,k表示分段后的第k个信号,vres表示多普勒分辨单元;
为了避免搜索所得加速度补偿后得到的每一段的目标所在的多普勒单元有所不同,将搜索间隔缩小M-1倍,其中M为最终分的段数,则加速度的最大搜索间隔为:
△as=λ/(QTr)2/(M-1)
4.3,根据步骤4.1和4.2确定加速度的搜索遍历范围为:[-amax,-△a]∪[△a,amax];
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110568283.XA CN113391284A (zh) | 2021-05-25 | 2021-05-25 | 一种基于长时间积累的临空高速目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110568283.XA CN113391284A (zh) | 2021-05-25 | 2021-05-25 | 一种基于长时间积累的临空高速目标检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113391284A true CN113391284A (zh) | 2021-09-14 |
Family
ID=77618851
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110568283.XA Pending CN113391284A (zh) | 2021-05-25 | 2021-05-25 | 一种基于长时间积累的临空高速目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113391284A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114371460A (zh) * | 2022-01-24 | 2022-04-19 | 电子科技大学 | 一种机载雷达海面运动目标能量积累与海杂波抑制方法 |
CN114415122A (zh) * | 2022-01-27 | 2022-04-29 | 电子科技大学 | 一种基于频域分段处理的高速目标积累检测方法 |
CN116106852A (zh) * | 2023-04-12 | 2023-05-12 | 中国人民解放军63921部队 | 机载主杂波频道的确定方法、装置及电子设备 |
-
2021
- 2021-05-25 CN CN202110568283.XA patent/CN113391284A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114371460A (zh) * | 2022-01-24 | 2022-04-19 | 电子科技大学 | 一种机载雷达海面运动目标能量积累与海杂波抑制方法 |
CN114415122A (zh) * | 2022-01-27 | 2022-04-29 | 电子科技大学 | 一种基于频域分段处理的高速目标积累检测方法 |
CN116106852A (zh) * | 2023-04-12 | 2023-05-12 | 中国人民解放军63921部队 | 机载主杂波频道的确定方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113391284A (zh) | 一种基于长时间积累的临空高速目标检测方法 | |
CN111736128B (zh) | 基于skt-siaf-mscft的相参积累方法 | |
Li et al. | Range migration compensation and Doppler ambiguity resolution by keystone transform | |
CN108398676B (zh) | 一种外辐射源雷达微弱运动目标探测方法 | |
CN104076351B (zh) | 一种用于高速高机动目标的相参积累检测方法 | |
CN103323829B (zh) | 基于Radon-分数阶模糊函数的雷达动目标长时间相参积累检测方法 | |
CN107450055B (zh) | 基于离散线性调频傅立叶变换的高速机动目标检测方法 | |
CN111123214B (zh) | 多项式旋转-多项式傅里叶变换的高速高机动目标检测方法 | |
CN106443671A (zh) | 基于调频连续波的sar雷达动目标检测与成像方法 | |
CN108344982B (zh) | 基于长时间相参积累的小型无人机目标雷达检测方法 | |
CN110824439B (zh) | 一种雷达目标快速长时间相参积累方法 | |
CN109655802B (zh) | 一种基于clean算法的多目标粒子群长时间积累检测方法 | |
CN105652258B (zh) | 多项式拉东‑多项式傅里叶变换的高超声速目标检测方法 | |
CN109633622B (zh) | 基于时间反转二阶Keystone变换的雷达机动目标跨单元积累方法 | |
CN113504509A (zh) | 一种波束域补偿的匀加速机载雷达杂波抑制方法 | |
CN105445707A (zh) | 一种机载外辐射源雷达的杂波抑制方法 | |
CN108535724A (zh) | 基于楔石变换和积分二次函数的运动目标聚焦方法 | |
CN116449320A (zh) | 频率捷变雷达体制下的长时间积累与参数估计方法 | |
Sun et al. | A fast approach for detection and parameter estimation of maneuvering target with complex motions in coherent radar system | |
Jin et al. | Coherent detection and parameter estimation for radar high-speed maneuvering target based on FAF–LVD | |
CN113534055B (zh) | 一种插值补偿的匀加速机载雷达杂波抑制方法 | |
CN112327285B (zh) | 基于混合广义瑞登傅里叶变换的雷达目标检测方法 | |
CN112327301B (zh) | 基于子孔径grft的低信噪比下参数化平动补偿快速方法 | |
CN114384484B (zh) | 一种基于分段处理的匀加速运动目标快速相参积累方法 | |
CN105548987B (zh) | 一种连续波雷达目标加速度盲估计方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |