宽脉冲LFM宽带雷达高速目标检测方法研究

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:haoxiaoye
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
弹道导弹和高速飞行器的快速发展,使得高速目标的检测成为雷达的重要任务之一。由于宽带雷达的距离分辨率更高,可以获取的目标特征信息更多,在运动参数估计和目标识别等方面有着更多的优势。因此,研究基于宽带雷达的高速运动目标检测具有重要的应用价值以及明朗的应用前景。为了提高雷达对高速目标的探测和分辨能力,通常要求雷达的发射信号具有大的时宽带宽积,从而导致需要处理的回波数据量增多和现有检测算法的计算复杂度增大。为了更好的运用宽带雷达对高速运动目标进行实时检测,其大带宽给目标检测性能带来的影响需要解决。本文主要研究了大时宽带宽积雷达体制下的高速运动目标检测。建立了基于单个宽带脉冲的高速运动目标回波模型,对比了不同分析域中的参数估计方法对高速目标检测性能的影响,最后采用二维迭代自适应(IAA)谱估计算法对回波进行相参积累,进一步提高目标的检测性能。本文主要研究内容及成果如下:1.研究了宽带条件下的高速目标检测问题。首先对单脉冲的宽带雷达高速目标回波进行建模,并通过接收回波与发射信号的混频处理将高速目标距离和速度的检测问题转化为线性调频信号中心频率和调频斜率的估计问题。其次介绍了线性调频信号在不同分析域中进行参数估计的方法,说明了时频域分析方法中Wigner-Hough变换(WHT)的参数估计原理和实现方法。最后仿真验证了WHT算法对高速目标检测的可行性以及存在运算量较大的问题。2.考虑到基于时频域的检测方法需要进行二次转换以及未知参数的搜索,针对由此引起的数据运算量大和交叉项干扰的问题,研究了基于中心频率—调频率(CFCR)域的高速目标检测方法。首先,介绍了吕分布(LVD)算法的目标检测原理和三种实现方式,通过仿真验证了LVD算法在低信噪比条件下检测多个高速目标的可行性和准确性。接着,将相干积分三次相位函数(CICPF)和非均匀快速傅里叶变换(NUFFT)应用于宽带雷达高速目标检测,详述了CICPF算法和NUFFT算法的原理及其实现方法,通过仿真验证了CICPF算法在低信噪比条件下进行高速目标检测的有效性以及NUFFT算法对提高运算效率的可行性。最后,结合LVD算法的固定时延与CICPF算法,提出基于参数化中心频率—调频斜率分布(PCFCRD)的高速运动目标检测方法,通过对比仿真实验验证了PCFCRD算法在目标检测以及交叉项和噪声抑制等方面均优于LVD算法和CICPF算法,并且计算复杂度低。3.针对PCFCRD算法的高速目标检测结果存在主瓣较宽旁瓣较高的问题,研究了基于PCFCRD算法和二维IAA谱估计的高速目标检测方法。通过仿真验证PCFCRD和二维IAA结合的算法能够很好的抑制旁瓣、缩小主瓣宽度,提高检测精度。由于目标具有较高的运行速度,从而使得信号采样率和回波数据量增大。为了提高目标的检测速度与精度,在基于GS分解的二维IAA快速算法的基础上推导了二维IAA超快速算法,并提出一种基于二维IAA超快速算法的高速目标检测方法。通过仿真实验验证了该方法不仅使目标频谱主瓣宽度变窄、旁瓣降低,还使得运算量按数量级程度减少,极大的提高了运算效率。
其他文献
在偏远地区与“一带一路”沿线国家的边境地带,一直存在着通信基础设施匮乏、地域广阔而人口分布不集中的现象。随着“一带一路”的推进,更多的通信研究者注意到那些发生在跨境地质复杂区的自然或人为灾害,特别是那些对通信基础设施具有严重破坏性的不可控灾害,往往会加剧人民生命、财产的损失。监测设备集群能够持续更新、上传观测到的灾害信息,但这些地区并不适合部署监测设备集群。重大灾害发生后,如果处于这些区域的通信基
不论是军事领域亦或民用领域,导航的地位都在日益提高,人们对导航的依赖日益增强。其中捷联惯性导航系统(Strapdown Inertial Navigation System,SINS)由于其结构简单,设备容易集成,一经提出便迅速发展,已经在很多领域展开应用。SINS工作主要可以分为三步:传感器数据的校准、初始对准以及惯导解算更新。其中,初始对准是非常重要的一环,对准结果的精度直接影响最终的导航结果
作为移动通信不可或缺的重要领域,卫星通信的历史由来已久,应用前景广阔。其中,反射面天线因其高增益、功率容量大与结构稳定等优势一直是卫星通信中应用最为广泛的天线形式之一。常见的单反射面天线有前馈反射面与偏置反射面之分。近年来,系统化、多频段以及小型化需求逐渐成为反射面天线主要的研究趋势。而反射面天线的多频段化实际上就是对馈源系统的多频段工作要求。基于此,本文将馈源系统的多频段设计作为研究目标,以下是
近来,伴随着以Deepfake为代表的人工智能视频合成伪造技术取得的一系列成果,我们正在进入一个难以分辨真假图像的世界。人脸合成、面部身份互换、面部属性伪造和面部表情伪造四种人脸伪造技术正在广泛应用于视频类消费娱乐领域,但同时也在为虚假色情、假新闻、恶作剧和金融欺诈等方向不断提供支撑。伪造技术的各类负面应用引发广泛的社会担忧,检测假脸成为了学术界的热点问题。伪造检测领域中,深度学习已经成为在检测D
随着深度学习的发展,大规模的遥感影像和自然影像数据集让图像分割算法在更多领域得到应用,但是样本的多样性也给分割算法带来了一定的挑战,其中如何解决跨尺度特征融合以及多尺度目标分割一直都是学术研究的热点。考虑到现有基于深度学习的图像分割算法存在的问题,本文针对目标分割的难点,从特征提取网络、高分辨图像恢复、几何特征学习等方面提出了改进方法。主要研究内容如下:1、提出一种基于自适应提升小波融合网络的多尺
聚类算法是指根据数据的关联性,将相似数据划分至相同数据簇,而将相异数据划分至不同数据簇的过程。随着计算机深入到人们日常生活中,互联网上每天都会产出海量的数据,但这些数据大多数是不包含标签的。给这些海量数据做人工标注非常耗时费力,所以目前较为成熟的有监督学习算法面临着训练数据匮乏的问题。因此使用无监督学习中的聚类算法,根据样本之间的相似性对其自动分组具有非常重要的研究意义。传统的聚类算法只能提取数据
正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)作为一种多载波调制技术,凭借高频谱效率与抗多径干扰能力等特点,在线性时不变信道中的性能优异。然而,OFDM在高多普勒扩展的时变信道(如高速铁路移动通信)中的性能会急速下降。正交时频空(Orthogonal Time-Frequency Space,OTFS)在高多普勒扩展信道中,其每个发送
自然语言理解的研究是目前人工智能领域的热点之一,以此为核心的技术突破与相关模型的落地实现也层出不穷。目前,深度学习在工业产品订制中的应用尚未推广开,随着智能制造的兴起与互联网技术的进步,未来借助自然语言理解实现用户产品个性化推荐必将迎来更大的市场空间。为用户提供更好的个性化推荐,关键是要准确了解用户的偏好特征。计算机在理解用户偏好时首先要解决的是自然语言理解中出现的歧义问题。本文通过分析国内外自然
近年来,煤矿托管运营模式逐渐发展成为一种新型煤矿生产组织模式,其特点是把煤矿企业的所有权与经营权剥离,将中小型煤矿委托给生产经验丰富、管理团队专业、技术水平高、社会资源充足的专业化运营公司,解决了煤矿企业传统经营模式下人员素质低、技术力量薄弱及安全风险管控不足的问题。随着国家对托管运营模式的推广应用,出现了一系列风险管理问题,例如委托方与被委托方财务管理纠纷不断、安全事故频发等,反映出煤矿企业对托
认知雷达作为雷达未来发展的方向之一,其最大的特点是构成了从雷达接收端到发射端的闭环信号处理系统,该系统通过实时感知环境和目标信息,基于先验信息和推理调整雷达发射和接收参数,使雷达能在各种环境中处于最优的状态。MIMO雷达由于在发射端具有极高的设计自由度,可以作为实现认知发射的载体,能在阵列结构固定和发射资源有限的前提下,根据不同的任务场景灵活设计发射端各天线的发射信号。在此背景下,本文主要研究基于