CN103399310B - 基于相位差分Radon-Lv分布的雷达微弱动目标检测方法 - Google Patents

基于相位差分Radon-Lv分布的雷达微弱动目标检测方法 Download PDF

Info

Publication number
CN103399310B
CN103399310B CN201310340166.3A CN201310340166A CN103399310B CN 103399310 B CN103399310 B CN 103399310B CN 201310340166 A CN201310340166 A CN 201310340166A CN 103399310 B CN103399310 B CN 103399310B
Authority
CN
China
Prior art keywords
target
radon
time
tau
signal
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.)
Active
Application number
CN201310340166.3A
Other languages
English (en)
Other versions
CN103399310A (zh
Inventor
陈小龙
董云龙
关键
周伟
丛瑜
刘宁波
王国庆
何友
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Naval Aeronautical University
Original Assignee
Naval Aeronautical Engineering Institute of PLA
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Naval Aeronautical Engineering Institute of PLA filed Critical Naval Aeronautical Engineering Institute of PLA
Priority to CN201310340166.3A priority Critical patent/CN103399310B/zh
Publication of CN103399310A publication Critical patent/CN103399310A/zh
Application granted granted Critical
Publication of CN103399310B publication Critical patent/CN103399310B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及基于相位差分(PD)Radon-Lv分布(RLVD)的雷达微弱动目标检测方法,属于雷达信号处理和检测技术领域。首先对解调和脉压后的雷达回波进行PD运算,将关于慢时间的三次相位信号降阶为二次相位信号;然后进行RLVD运算,完成长时间相参积累,包括Radon-瞬时自相关运算、变标处理和Radon-傅里叶变换;最后构建PD-RLVD域检测单元图,进行恒虚警检测并估计目标运动参数。本发明通过提取距离-慢时间平面中的目标观测值补偿距离徙动,完成长时间相参积累,无需设置额外参数匹配动目标信号,能够积累高次相位信号能量,峰值对应调频率和二次调频率,适于对强杂波背景下匀加速或高阶复杂运动目标的检测。

Description

基于相位差分Radon-Lv分布的雷达微弱动目标检测方法
一、技术领域
本发明属于雷达信号处理和检测技术领域,更具体地,本发明涉及一种基于相位差分Radon-Lv分布的雷达微弱动目标检测方法,可用于强杂波背景下复杂运动目标的雷达检测处理。
二、背景技术
近年来,隐身目标(如隐身飞机、隐身舰艇等)和高速机动目标使得传统雷达难以对其进行有效探测和持续稳定的跟踪。一方面,雷达散射截面积(Radar Cross Section,RCS)变小使得目标回波能量减小,导致预警雷达的目标检测性能大为降低,预警距离大大缩短;另一方面,高速机动已成为目标突防的关键手段之一,尤其是目标机动飞行产生的加速度会使目标的径向距离变化率呈现出线性变化,雷达回波多普勒随时间变化,具有时变特性,从而使传统雷达信号处理算法失效,雷达探测性能下降。提高对隐身飞机、巡航导弹、高超声速飞行器和海面动目标之类的低可观测运动目标的预警能力成为迫切需求。
针对上述目标的检测和预警,信噪(杂)比过低仍是制约检测性能的主要因素,在雷达信号处理中,通常可以延长积累时间以增加目标信号的能量,达到提高信号信噪比之要求。相控阵技术的发展使得现代雷达通过延长信号观测时间,积累检测低可观测目标成为可能,积累时间可达秒级或更长。但随着时间的延长,特别是当目标进行变速、转弯等机动飞行时,在积累时间内目标回波信号有可能发生距离徙动(包括距离走动和距离弯曲)和多普勒徙动。因此,研究高效的长时间信号积累算法,对提高雷达探测性能起到重要作用。此外,目标高速运动以及雷达工作在低重频模式,容易产生速度模糊,也对动目标的参数估计产生了影响。
为了解决距离徙动问题,常用的包络对齐方法适用于回波信噪比较高的场合,在低信噪比情况下由于相邻回波相关性较差而无法获得较好的包络对齐效果;Keystone变换(KT)法能够补偿匀速运动目标的距离走动,但容易产生多普勒模糊导致性能下降;作为一种广义的多普勒滤波器组处理方法,Radon-傅里叶变换法(Radon-Fourier Transform,RFT)通过联合搜索参数空间中目标参数的方式解决了距离徙动与相位调制耦合的问题,对于研究长时间相参积累具有重要指导意义,但算法不适用于检测非匀速运动的目标,未能解决多普勒徙动问题。由于多普勒徙动的本质是频率具有时变特性,可近似建模为调频(Frequency Modulated,FM)信号,研究FM的匹配和检测方法成为有效途径。当目标作匀加速运动时,回波可用线性调频(LFM)信号近似表示,其补偿方法主要有De-chirp法、Wigner-Hough变换(WHT)、分数阶傅里叶变换(FRactional Fourier Transform,FRFT)和chirp-傅里叶变换(CFT)法等,但以上方法均需要设置额外的变换参数匹配动目标回波信号,参数搜索降低了算法的运算效率。相比之下,Lv变换(LVD)法能够将信号能量积聚到中心频率-调频率对应的位置,无需参数搜索操作,参数估计精度高,抗噪声性能与CFT算法及FRFT算法性能相近。高速机动目标的多普勒频率随时间非线性变化,很难用较少参数的LFM信号来建模回波多普勒,此时的目标检测问题变得更加复杂,例如火箭和导弹在飞行过程中的推力变化导致加加速度(急动度),产生了二次以上的高阶相位,又如对高海况下目标探测,目标随海面起伏而颠簸,回波相位具有周期性,此时,目标回波需要用二次调频(Quadratic Frequency Modulation,QFM)信号表示。常用的高次相位匹配方法主要有多项式傅里叶变换(Polynomial Fourier Transform,PFT)以及高阶模糊函数(High-order Ambiguity Function,HAF)等,但算法对输入信号的信噪比要求较高,难以满足雷达对微弱动目标探测性能的需求。
综上,解决动目标探测的距离徙动、多普勒徙动尤其是QFM多普勒走动,以及速度模糊问题是实现长时间相参积累的重要途径,仍需要进一步研究。
三、发明内容
1.要解决的技术问题
本发明的目的在于延长微弱动目标相参积累时间,改善高次相位信号积累增益,提高雷达检测性能,提出一种基于相位差分Radon-Lv分布的雷达微弱动目标检测方法。其中要解决的技术问题包括:
(1)随着雷达距离分辨率的提高以及积累时间的增加,动目标的距离走动将跨越多个距离单元,产生距离徙动效应,导致目标在距离维能量分散;
(2)随着雷达多普勒分辨率的提高以及积累时间的增加,复杂运动(转动或非匀速平动)目标回波频率随时间变化,具有时变特性,表现为调频信号,频谱将跨越多个多普勒单元,产生多普勒徙动效应,导致目标在频域能量分散;
(3)传统的长时间信号积累方法,如RFT和KT法,不能有效积累由于目标复杂运动产生的高次相位信号能量;
(4)现有的多普勒徙动补偿方法,如PFT、FRFT、WHT和LCT等,需要进行额外的参数搜索操作,以确定最佳参数匹配动目标回波信号,算法复杂度高,并且目标运动参数估计精度受搜索精度的制约;
(5)在处理高速目标或雷达工作在低重频时,目标的多普勒调制较大,容易产生速度模糊。
2.技术方案
本发明所述的基于相位差分Radon-Lv分布的雷达微弱动目标检测方法,其特征在于包括以下技术措施:
步骤一、动目标雷达回波距离向解调、脉压:在相参雷达接收端,将接收并经过放大和限幅处理后得到的雷达回波数据进行距离向和方位向采样,通常距离向采样间隔等于雷达距离分辨单元,方位向采样频率等于脉冲重复频率,以保证在距离向和方位向的相参积累时间中运动目标的回波能够被完整采集,对距离向的雷达回波数据进行解调和脉冲压缩处理,完成脉内积累,并存储处理后的距离-慢时间(方位向)二维数据矩阵;
步骤二、探测目标类型预判,长时间脉间相参积累参数初始化:根据观测环境及雷达类型,将待观测目标分为以三轴转动为主要运动方式的类型一目标(如高海况条件下的海面目标)和以非匀速平动为主要运动方式的类型二目标(如飞机、导弹和航天器等高速机动目标),若为类型一目标,则根据海况估计转动周期;根据波束驻留时间和待检测的动目标类型,对长时间脉间相参积累参数进行初始化,包括相参积累时间、相参积累脉冲数、距离搜索范围和间隔、预期补偿的初速度、加速度、加加速度(急动度)搜索范围和间隔;
步骤三、相位差分(Phase Differentiation,PD)运算:沿搜索参数(距离、初速度、加速度和急动度)确定的目标运动点迹,抽取距离-慢时间二维数据矩阵得到长时间相参积累所需的数据矢量,设置固定的时间延迟,对数据矢量其进行PD运算,将关于慢时间的三次相位信号降阶为二次相位信号;
步骤四、Radon-Lv分布(Radon-Lv Distribution,RLVD)运算,完成长时间相参积累,包括Radon-瞬时自相关函数(Radon Instantaneous Auto-correlation Function,RIAF)运算、变标处理和RFT运算:对步骤三处理后的二次相位信号进行RIAF运算,将二次相位信号降阶为一次相位信号;变标处理,对时间坐标轴进行尺度变换,消除慢时间和延迟变量之间的耦合;分别对时间变量和延迟变量作RFT运算,使动目标信号能量积聚到调频率(对应加速度)和二次调频率(对应急动度)位置,形成二者的能量分布;
步骤五、构建PD-RLVD域检测单元图,对其进行恒虚警(Constant FalseAlarm Ratio,CFAR)检测,判决目标的有无:将步骤三和步骤四统称为PD-RLVD处理,则动目标回波信号将在PD-RLVD域形成峰值,峰值位置对应信号的调频率和二次调频率,遍历所有参数的搜索范围,重复步骤三和步骤四,将不同搜索距离下的峰值构建为PD-RLVD域检测单元图,并将其幅值作为检测统计量,与给定虚警概率下的自适应检测门限进行比较,如果检测单元的幅值高于门限值,判决为存在运动目标信号,否则判决为没有运动目标信号,继续处理后续的检测单元;
步骤六、目标运动参数估计:将目标所在的PD-RLVD域检测单元所对应的距离、加速度和急动度作为目标运动参数估计值,初速度的估计值可通过解调频,并搜索傅里叶变换峰值得到。
3.有益效果
对比现有技术,本技术方案所述的基于相位差分Radon-Lv分布的雷达微弱动目标检测方法,有益效果在于:
(1)该方法同时利用目标回波的幅度和相位信息进行长时间相参积累,能够同时补偿雷达长时间观测时,动目标产生的距离和多普勒徙动,实现动目标能量的相参积累;
(2)该方法无需设置额外的参数匹配动目标回波信号,如FRFT的变换角等,能够直接描述信号的调频率和二次调频率,提高了参数估计精度的同时降低了算法的运算量;
(3)该方法根据预先设定的目标运动参数搜索范围,提取位于距离-慢时间二维平面中的目标观测值,在PD-RLVD域能够直接得到目标的加速度和急动度,不受雷达脉冲重频和目标高速度的影响,避免了速度模糊;
(4)随着相参积累时间的增加,该方法对信号本身的自相关项的增强占主要作用,在一定程度上抑制了多分量交叉项的影响,因此,该方法同时适用于多运动目标的检测。
四、附图说明
说明书附图1是基于相位差分Radon-Lv分布的雷达微弱动目标检测方法的实施流程图。
五、具体实施方式
为解释本发明中涉及的运动目标距离徙动和多普勒徙动效应,首先对给出复杂运动目标雷达回波调制模型。
复杂运动目标的雷达回波包括由非匀速平动以及转动产生的调频信号。由Weierstrass近似原理,运动目标的回波信号可由足够阶次的多项式相位信号近似表示。目标的速度变化引起的加速度导致回波出现二次相位,同时目标在机动过程中发动机的推力变化对应于加速度的变化(急动度),使得回波出现三次相位(Cubic Phase,CP),频率随时间非线性变化。因此,采用CP信号可以作为非匀速平动目标回波信号的高阶近似。转动目标,如高海况下的海面目标,由于受非线性策动力和非线性阻尼力的作用,其在海浪的作用下各维度的摆动均呈现多倍周期和随机性的特点,具有类似于钟摆运动的特性,目标的偏航、俯仰和横滚角通常为时间的周期函数,周期与振幅的大小与海况、目标类型、速度和航向有关。由于正弦调频信号在一个周期内仍可由三次多项式很好地近似,因此,复杂运动目标回波可统一建模为CP信号,具有QFM的多普勒频率,即
r s ( t m ) = r 0 + v 0 t m + a s t m 2 + g s t m 3
f d = 2 v λ = 2 λ d r s ( t m ) d t m = f 0 + 2 μ s t m + 3 k t m 2
式中,tm为脉间慢时间,tm=mTl,Tl为脉冲重复周期,λ为发射波长,r0为起始距离,v0为目标运动初速度,as为加速度,gs为急动度,f0=2v0/λ为初始频率,us=2as/λ为调频率,k=2gs/λ为二次调频率。
由于长时间的观测和目标运动,目标包络的峰值位置会随慢时间变化而偏移,当偏移量大于雷达距离单元时,将产生距离徙动效应,目标能量将部分泄露到相邻的距离单元中。动目标回波中的调频分量将会引起回波多普勒展宽,当多普勒频率跨越多个多普勒单元时,便会产生多普勒徙动效应。
以下结合说明书附图1对本发明作进一步详细描述。参照说明书附图1,本发明的处理流程分以下步骤:
(1)动目标雷达回波距离向解调、脉压。
在相参雷达接收端,将接收并经过放大和限幅处理后得到的雷达回波数据进行距离向和方位向采样,通常距离向采样间隔等于雷达距离分辨单元,方位向采样频率等于脉冲重复频率,以保证在距离向和方位向的相参积累时间Tn中运动目标的回波能够被完整采集,对距离向的雷达回波数据进行解调处理,获得零中频信号sIF(t,tm),可采用雷达发射信号作为解调的参考信号
s IF ( t , t m ) = s r ( t , t m ) · s t * ( t )
式中,t为脉内快时间,tm为脉间慢时间,tm=mTl,m=1,2,...,Tl为脉冲重复周期,sr(t,tm)为回波信号,st(t)为雷达发射信号,‘*’表示复共轭运算。将解调后的雷达回波数据进行脉冲压缩处理,得到脉内积累后的雷达回波数据spc(t,tm),对不同时间(方位向)数据进行处理,并存储距离-慢时间(方位向)二维数据矩阵SN×M=spc(i,j),i=1,2,...,N,j=1,2,...,M,N为脉冲数,M为距离单元数。
(2)探测目标类型预判,长时间脉间相参积累参数初始化。
根据观测环境、雷达类型,初步判断待观测的目标类型。对于对海雷达探测海面目标,在高海况条件下(三级及三级以上,海况等级划分标准见表1),海上目标随海面颠簸导致姿态变化,包括俯仰、偏航和横滚等运动,引起雷达回波功率调制效应,相对于平动运动方式,转动引起的多普勒分量占主要成分,该类目标判为类型一目标;而对于飞机、导弹和航天器等高速机动目标在突防或转弯机动过程中,则主要以非匀速平动为主要运动方式,该类目标判为类型二目标。
表1海况等级划分标准
对于类型一目标,由转动产生的多普勒频率为正弦调频信号,在一个转动周期内,回波可很好地近似为CP信号,因此其相参积累时间应不大于波束驻留时间Tdwell和转动周期Tr的最小值,即相参积累脉冲数为其中表示向上取整运算。通常,Tr可按海况等级确定,近似等于表1中的海浪波动周期平均值;对于机械扫描雷达,雷达天线波束驻留时间Tdwell
T dwell = θ α , 0.5 Ω α cos β
式中,θα,0.5为半功率天线方位波束宽度(°),Ωα为天线方位扫描速度(°)/s,β为目标仰角(°),若为相扫雷达,由于波束指向任意控制,此时波束驻留时间仅由预置值决定,而与波束宽度无关。类型二目标的相参积累时间仅受Tdwell的限制,相参积累脉冲数为
距离搜索范围r0∈[r1,r2]需覆盖目标探测区域,搜索间隔Δr与雷达距离分辨单元ρr相同,距离搜索个数为针对待检测的动目标类型大致确定相应的初速度搜索范围v0∈[-vmax,vmax],搜索间隔与雷达多普勒分辨单元ρv得到的速度分辨单元相同,即Δv=λρv/2=λ/2Tn,λ为发射波长,速度搜索个数为加速度搜索范围as∈[-amax,amax],搜索间隔为加速度搜索个数为急动度搜索范围gs∈[-gmax,gmax],搜索间隔为急动度搜索个数为
(3)相位差分(PD)运算。
根据搜索距离、初速度、加速度和急动度确定待搜索的目标运动点迹
r ( t m ) = r i + v j t m + a l t m 2 + g q t m 3
式中,对于类型一目标,tm=nTl对于类型二目标,tm=nTlri∈[r1r2],i=1,2,...,Nr,vj∈[-vmax,vmax],j=1,2,...,Nv,al∈[-amax,amax],l=1,2,...,Na,gq∈[-gmax,gmax],q=1,2,...,Ng,在距离-时间(方位向)二维数据矩阵SN×M中抽取长时间相参积累所需的数据矢量n=1,2,...,Np
假设f(tm,rs)∈C是定义在距离-慢时间平面(tm,rs)的二维复函数,表示此平面内的任意一条曲线,代表匀加速或高阶复杂运动,定义长积累时间下的复确定信号f(tm,rs)的相位差分(PD)运算,
P f ( t m , r s ) = f ( t m + τ 0 2 , r s ) f * ( t m - τ 0 2 , r s )
式中,τ0为常数,代表固定的时间延迟。
由动目标模型,回波信号的相位为因此,动目标回波信号可简化为
f ( t m ) = σ r exp [ jΦ ( t m ) ] = σ r exp [ - j 4 π λ ( r 0 + v 0 t m + a s t m 2 + g s t m 3 ) ] ,
经PD运算后得到
P f ( t m , r s ) = σ r 2 exp [ - j 4 π λ ( v 0 τ 0 + g τ 0 3 4 + 2 a s τ 0 t m + 3 g s τ 0 t m 2 ) ] ,
由上式可知,经过PD运算,关于慢时间的CP信号降阶为二次相位信号。
(4)Radon-Lv分布(RLVD)运算,完成长时间相参积累。
包括Radon-瞬时自相关函数(Radon Instantaneous Auto-correlation Function,RIAF)运算、变标处理和RFT运算。
定义长积累时间下的复确定信号f(tm,rs)的瞬时自相关函数Rf(tm,τ,rs),称为Radon-瞬时自相关函数(RIAF),
P f ( t m , τ , r s ) = f ( t m + τ + b 2 , r s ) f * ( t m - τ + b 2 , r s )
式中,b为常数。上式表示沿曲线rs提取位于(tm,rs)二维平面中的目标观测值f(tm,rs),并对其进行自相关运算。对步骤(3)处理后的二次相位信号进行RIAF运算,得到
P f ( t m , τ , r s ) = σ r 4 exp ( - j 4 π λ [ 2 a s τ 0 ( τ + b ) + 6 g s τ 0 ( τ + b ) t m ] ) .
由上式可知,经过RIAF运算,动目标回波信号为慢时间tm和延迟变量τ的一次函数,为消除两者之间的耦合,对时间坐标轴进行尺度变换,称为变标处理(Scaling),
t m = t n q ( τ + b )
式中,q为尺度变换因子,为保证参数无模糊估计,通常qb=1。则
P f ( t n , τ , r s ) = σ r 4 exp ( - j 4 π λ [ 2 a s τ 0 ( τ + b ) + 6 g s τ 0 t n / q ] )
此时,tm和τ之间的耦合已经被消除。
对时间变量tn作RFT运算,将信号能量聚集到二次调频率处,进而得到调频率估计
式中,表示RFT算子,sinc(z)=sin(πz)/πz,Tn由步骤(2)确定;继续对延迟变量τ作RFT运算,完成动目标信号的长时间相参积累,将能量聚集到调频率和二次调频率处
(5)构建变标PD-RLVD域检测单元图,对其进行CFAR检测,判决目标的有无。
将步骤(3)和步骤(4)中的PD和RLVD运算统称为PD-RLVD,则动目标回波信号将在PD-RLVD域形成峰值,峰值位置直接对应信号的调频率和二次调频率,形成二维分布。因此,距离ri处对应的目标PD-RLVD域峰值坐标为
遍历距离、初速度、加速度和急动度的搜索范围,重复步骤(3)和步骤(4),得到不同距离ri条件下,PD-RLVD域峰值的最大值,形成PD-RLVD域检测单元图i=1,2,...,Nr,将其幅值作为检测统计量,并与给定虚警概率下的自适应检测门限进行比较
式中,η为检测门限,如果检测单元的幅值高于门限值,判决为存在运动目标信号,否则判决为没有运动目标信号,继续处理后续的检测单元。
(6)目标运动参数估计。
根据目标所在的PD-RLVD域检测单元所对应的搜索距离、加速度和急动度作为目标运动参数估计值 假设检测出的运动目标的初始距离为rl,PD-RLVD域幅值的最大值坐标为则目标运动参数的估计方法为 r ^ 0 = r l , a ^ s = - λ a l 0 4 τ 0 , g ^ s = - λq g l 0 12 τ 0 . 目标初速度的估计值可通过解调频,并搜索傅里叶变换峰值得到,即
v ^ 0 = λ / 2 · arg max f | FFT { f ( t m ) · exp [ j 2 π ( μ ^ s t m 2 + k ^ t m 3 ) ] } |
式中, μ ^ s = 2 a ^ s / λ , k ^ = 2 g ^ s / λ ·
本发明方法根据预先设定的目标运动参数搜索范围,提取位于距离-慢时间二维平面中的目标观测值,采用PD-RLVD积累高次相位信号能量,在PD-RLVD域能够直接得到目标的加速度和急动度估计,估计值和精度由步骤(2)的长时间相参积累参数初始化确定,因此不受雷达脉冲重频和目标高速度的影响,从而避免了速度模糊。
当初始搜索距离单元出现多个动目标时,并且多个目标在长时间积累时的运动状态大致相同,其回波均落在同一距离单元内,例如空中编队或水面舰艇编队等群目标,此时,多分量动目标回波信号在进行PD和RIAF运算时会出现交叉项,在一定程度上影响了动目标的检测。但正是由于本发明方法实现了长时间相参积累,随着观测时间的延长,PD-RLVD对自相关项的增强占主要作用,在一定程度上抑制了多分量交叉项的影响。同时,经过步骤(5)处理后,多分量动目标回波信号将在PD-RLVD域形成多个超过门限的峰值,可以借鉴文献“I.S.Choi,H.T.Kim,Two-dimensional evolutionary programming-based CLEAN.IEEE Trans.Aerosp.Electron.Syst.39(1),2003:373-382.”中的CLEAN方法,利用逐次消除对多个目标进行逐一检测,直到没有超过门限的峰值为止。因此,本发明方法也适用于多运动目标的检测。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在在本发明所揭露的技术范围内,可延伸到其它的修改、变化和应用,如二次和三次相位信号的检测和估计等,都应涵盖在本发明的包含范围之内。

Claims (3)

1.基于相位差分Radon-Lv分布的雷达微弱动目标检测方法,其特征在于包括以下技术措施:
步骤一、动目标雷达回波距离向解调、脉压:在相参雷达接收端,将接收并经过放大和限幅处理后得到的雷达回波数据进行距离向和方位向采样,距离向采样间隔等于雷达距离分辨单元,方位向采样频率等于脉冲重复频率,以保证在距离向和方位向的相参积累时间中运动目标的回波能够被完整采集,对距离向的雷达回波数据进行解调和脉冲压缩处理,完成脉内积累,并存储处理后的距离-慢时间二维数据矩阵;
步骤二、探测目标类型预判,长时间脉间相参积累参数初始化:根据观测环境及雷达类型,将待观测目标分为以三轴转动为主要运动方式的类型一目标和以非匀速平动为主要运动方式的类型二目标,若为类型一目标,则根据海况估计转动周期;根据波束驻留时间和待检测的动目标类型,对长时间脉间相参积累参数进行初始化,包括相参积累时间、相参积累脉冲数、距离搜索范围和间隔、预期补偿的初速度、加速度、急动度搜索范围和间隔;
步骤三、相位差分运算:沿距离、初速度、加速度和急动度确定的目标运动点迹,抽取距离-慢时间二维数据矩阵,得到长时间相参积累所需的数据矢量,并设置固定的时间延迟,对数据矢量其进行相位差分运算,将关于慢时间的三次相位信号降阶为二次相位信号,假设f(tm,rs)∈C是定义在距离-慢时间平面(tm,rs)的二维复函数,表示此平面内的任意一条曲线,代表匀加速或高阶复杂运动,r0为初始距离,v0为初速度,as为加速度,gs为急动度,tm为脉间慢时间,定义长积累时间下的复确定信号f(tm,rs)的相位差分运算,
P f ( t m , r s ) = f ( t m + τ 0 2 , r s ) f * ( t m - τ 0 2 , r s )
式中,‘*’表示复共轭运算,τ0为常数,代表固定的时间延迟,经过相位差分运算,关于慢时间的三次相位动目标回波信号
f ( t m ) = σ r exp [ 2 Φ ( t m ) = σ r exp [ - j 4 π λ ( r 0 + v 0 t m + a s t m 2 + g s t m 3 ) ]
降阶为二次相位信号,Φ(tm)为回波信号的相位,
P f ( t m , r s ) = σ r 2 exp [ - j 4 π λ ( v 0 τ 0 + g s τ 0 3 4 + 2 a s τ 0 t m + 3 g s τ 0 t m 2 ) ]
式中,σr是回波幅度,λ为发射波长;
步骤四、Radon-Lv分布运算,完成长时间相参积累,包括Radon-瞬时自相关函数运算、变标处理和Radon-傅里叶变换运算:首先,对步骤三处理后的二次相位信号进行Radon-瞬时自相关函数运算,将二次相位信号降阶为一次相位信号,定义长积累时间下的复确定信号f(tm,rs)的瞬时自相关函数Rf(tm,τ,rs),称为Radon-瞬时自相关函数运算,
R f ( t m , τ , r s ) = f ( t m + τ + b 2 , r s ) f * ( t m - τ + b 2 , r s )
式中,b为常数,上式表示沿曲线rs提取位于(tm,rs)二维平面中的目标观测值f(tm,rs),并对其进行自相关运算,对步骤三处理后的二次相位信号进行Radon-瞬时自相关函数运算,得到慢时间tm和延迟变量τ的一次函数,
R f ( t m , τ , r s ) = ρ r 4 exp ( - j 4 π λ [ 2 a s τ 0 ( τ + b ) + 6 g s τ 0 ( τ + b ) t m ] )
其次,为消除tm和τ之间的耦合,对时间坐标轴进行尺度变换,称为变标处理,
t m = t n q ( τ + b )
式中,q为尺度变换因子,为保证参数无模糊估计,通常qb=1,则
R f ( t n , τ , r s ) = σ r 4 exp ( - j 4 π λ [ 2 a s τ 0 ( τ + b ) + 6 g s τ 0 t n / q ] )
最后,分别对时间变量tn和延迟变量τ进行Radon-傅里叶变换运算,完成动目标信号的长时间相参积累,将能量聚集到调频率和二次调频率处,对应加速度和急动度,形成二维能量分布,
式中,表示Radon-傅里叶变换算子,sinc(z)=sin(πz)/πz,Tn为相参积累时间,由步骤二确定;
步骤五、构建相位差分Radon-Lv分布域检测单元图,对其进行恒虚警检测,判决目标的有无:将步骤三和步骤四统称为相位差分Radon-Lv分布处理,则动目标回波信号将在相位差分Radon-Lv分布域形成峰值,峰值位置对应信号的调频率和二次调频率,遍历所有参数的搜索范围,重复步骤三和步骤四,将不同搜索距离下的峰值构建为相位差分Radon-Lv分布域检测单元图,并将其幅值作为检测统计量,与给定虚警概率下的自适应检测门限进行比较,如果检测单元的幅值高于门限值,判决为存在运动目标信号,否则判决为没有运动目标信号,继续处理后续的检测单元;
步骤六、目标运动参数估计:将目标所在的相位差分Radon-Lv分布域检测单元所对应的距离、加速度和急动度作为目标运动参数估计值,初速度的估计值可通过解调频,并搜索傅里叶变换峰值得到。
2.根据权利要求1所述的基于相位差分Radon-Lv分布的雷达微弱动目标检测方法,其特征在于步骤五所述的相位差分Radon-Lv分布域检测单元图构建方法为
将步骤三和步骤四中的相位差分和Radon-Lv分布运算统称为相位差分Radon-Lv分布,则动目标回波信号将在相位差分Radon-Lv分布域形成峰值,峰值位置直接对应信号的调频率和二次调频率,形成二维能量分布,因此,距离ri处对应的目标相位差分Radon-Lv分布域峰值坐标为
式中,Nr为距离单元搜索个数,遍历距离、初速度和急动度的搜索范围,重复步骤三和步骤四,得到不同距离ri条件下,相位差分Radon-Lv分布域峰值的最大值,形成相位差分Radon-Lv分布域检测单元图
3.根据权利要求2所述的基于相位差分Radon-Lv分布的雷达微弱动目标检测方法,其特征在于步骤六所述的目标运动参数估计方法为
根据目标所在的相位差分Radon-Lv分布域检测单元所对应的搜索距离、加速度和急动度作为目标运动参数估计值假设检测出的运动目标的初始距离为rl,相位差分Radon-Lv分布域幅值的最大值坐标为则目标运动参数的估计方法为 目标初速度的估计值可通过解调频,并搜索傅里叶变换峰值得到,即
v ^ 0 = λ / 2 · arg max f | FFT { f ( t m ) · exp [ j 2 π ( μ ^ s t m 2 + k ^ t m 3 ) ] }
式中, μ ^ s = 2 a ^ s / λ , k ^ = 2 g ^ s / λ .
CN201310340166.3A 2013-08-07 2013-08-07 基于相位差分Radon-Lv分布的雷达微弱动目标检测方法 Active CN103399310B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310340166.3A CN103399310B (zh) 2013-08-07 2013-08-07 基于相位差分Radon-Lv分布的雷达微弱动目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310340166.3A CN103399310B (zh) 2013-08-07 2013-08-07 基于相位差分Radon-Lv分布的雷达微弱动目标检测方法

Publications (2)

Publication Number Publication Date
CN103399310A CN103399310A (zh) 2013-11-20
CN103399310B true CN103399310B (zh) 2015-06-17

Family

ID=49562966

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310340166.3A Active CN103399310B (zh) 2013-08-07 2013-08-07 基于相位差分Radon-Lv分布的雷达微弱动目标检测方法

Country Status (1)

Country Link
CN (1) CN103399310B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111397645A (zh) * 2020-04-06 2020-07-10 华中科技大学 一种相位差分解调方法及系统

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104502898B (zh) * 2014-12-09 2017-08-11 中国民航大学 将修正rft和修正mdcft相结合的机动目标参数估计方法
CN108629254B (zh) * 2017-03-24 2020-11-27 杭州海康威视数字技术股份有限公司 一种运动目标的检测方法及装置
CN108008374B (zh) * 2017-11-06 2021-05-04 西安电子科技大学 基于能量中值的海面大型目标检测方法
CN108344982B (zh) * 2018-02-07 2021-08-17 成都电科智达科技有限公司 基于长时间相参积累的小型无人机目标雷达检测方法
CN108776332B (zh) * 2018-04-24 2021-05-28 国家海洋局第一海洋研究所 利用高频地波雷达检测海上机动目标的方法
US20190339376A1 (en) * 2018-05-04 2019-11-07 GM Global Technology Operations LLC Differential phase-based detector
CN108614261B (zh) * 2018-05-18 2021-10-26 南京航空航天大学 一种组网雷达系统多目标跟踪下的辐射参数控制方法
CN108490417B (zh) * 2018-05-22 2020-09-08 电子科技大学 一种精确的sar动目标参数估计方法
CN108919221A (zh) * 2018-07-17 2018-11-30 武汉大学 一种用于变加速运动目标的相参积累检测方法
CN110109091B (zh) * 2019-05-23 2021-11-09 中国人民解放军战略支援部队信息工程大学 一种针对高速目标的无源雷达参数估计方法及装置
CN110095766B (zh) * 2019-05-24 2023-03-21 西安电子科技大学 基于非均匀重采样技术的机动目标相干积累检测方法
CN110646774B (zh) * 2019-09-30 2021-10-22 中国人民解放军战略支援部队信息工程大学 基于乘积变尺度周期吕分布的机动目标相参检测方法及装置
CN112764020A (zh) * 2020-02-28 2021-05-07 加特兰微电子科技(上海)有限公司 解速度模糊、确定对象移动速度的方法、装置及相关设备
CN112415501A (zh) * 2020-02-28 2021-02-26 加特兰微电子科技(上海)有限公司 获取目标物速度的方法、传感器、计算机设备和存储介质
CN112485783B (zh) * 2020-09-29 2024-05-10 北京清瑞维航技术发展有限公司 目标探测方法、装置、计算机设备和存储介质
CN112748415B (zh) * 2020-12-28 2022-08-12 电子科技大学 一种基于广义rft的长时间能量积累方法
CN115047443A (zh) * 2021-03-09 2022-09-13 深圳市万普拉斯科技有限公司 毫米波雷达的目标检测方法、装置和手持终端
CN113687340B (zh) * 2021-08-24 2024-02-23 重庆交通大学 一种基于毫米波雷达的远距离运动目标检测方法
CN115421134B (zh) * 2022-08-15 2023-12-19 赛恩领动(上海)智能科技有限公司 一种雷达的速度解模糊的方法、装置及毫米波雷达
CN116299490B (zh) * 2023-01-17 2023-12-05 哈尔滨工程大学 一种基于自适应多普勒滤波-Radon Fourier变换的水声多目标检测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103176178A (zh) * 2013-02-04 2013-06-26 中国人民解放军海军航空工程学院 雷达动目标Radon-分数阶傅里叶变换长时间相参积累检测方法
CN103197301A (zh) * 2013-03-19 2013-07-10 中国人民解放军海军航空工程学院 海面微动目标Radon-线性正则变换长时间相参积累检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103176178A (zh) * 2013-02-04 2013-06-26 中国人民解放军海军航空工程学院 雷达动目标Radon-分数阶傅里叶变换长时间相参积累检测方法
CN103197301A (zh) * 2013-03-19 2013-07-10 中国人民解放军海军航空工程学院 海面微动目标Radon-线性正则变换长时间相参积累检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于FRFT的动目标检测模型与参数估计精度分析;陈小龙 等;《现代雷达》;20110531;第33卷(第5期);第39-45页 *
海杂波FRFT域分形特征判别级动目标检测方法;陈小龙 等;《电子与信息学报》;20110430;第33卷(第4期);第823-830页 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111397645A (zh) * 2020-04-06 2020-07-10 华中科技大学 一种相位差分解调方法及系统
CN111397645B (zh) * 2020-04-06 2020-12-18 华中科技大学 一种相位差分解调方法及系统

Also Published As

Publication number Publication date
CN103399310A (zh) 2013-11-20

Similar Documents

Publication Publication Date Title
CN103399310B (zh) 基于相位差分Radon-Lv分布的雷达微弱动目标检测方法
CN103344949B (zh) 基于Radon-线性正则模糊函数的雷达微弱动目标检测方法
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
CN103176178B (zh) 雷达动目标Radon-分数阶傅里叶变换长时间相参积累检测方法
CN104076351B (zh) 一种用于高速高机动目标的相参积累检测方法
CN103412310B (zh) 双基地前视合成孔径雷达地面动目标检测方法与成像方法
CN106970371A (zh) 一种基于Keystone和匹配滤波的目标检测方法
CN106443671A (zh) 基于调频连续波的sar雷达动目标检测与成像方法
CN108549067A (zh) 一种应用于三阶机动目标的相参积累检测方法
CN102288948B (zh) 基于stap的高速平台高速空中动目标检测方法
CN104502898B (zh) 将修正rft和修正mdcft相结合的机动目标参数估计方法
CN105301590A (zh) 一种机动目标调频步进逆合成孔径成像方法
CN103823217A (zh) 基于双频发射的双基地mimo雷达高速运动目标参数估计方法
CN103969629A (zh) 一种基于主瓣杂波配准的机载雷达杂波自适应抑制方法
CN102608587B (zh) 基于非线性最小二乘的空中机动目标检测方法
CN104849708A (zh) 基于频域多项式相位变换的高速机动目标参数估计方法
CN104950295A (zh) 一种基于相关函数与尺度变换的高速机动目标检测方法
CN104375128B (zh) 一种基于互相关函数的高机动目标快速积累检测方法
CN102288950B (zh) 基于stap的高速空中机动目标检测方法
CN111856466A (zh) 一种高效的复杂运动目标isar平动补偿方法
CN110824439A (zh) 一种雷达目标快速长时间相参积累方法
CN103728600A (zh) 机载mimo雷达非自适应空时杂波块滤波方法
CN113885006A (zh) 一种机动转弯目标相参积累检测方法
Chen et al. Sea clutter suppression and micromotion marine target detection via radon‐linear canonical ambiguity function
CN108776332A (zh) 利用高频地波雷达检测海上机动目标的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C53 Correction of patent for invention or patent application
CB03 Change of inventor or designer information

Inventor after: Chen Xiaolong

Inventor after: Dong Yunlong

Inventor after: Guan Jian

Inventor after: Zhou Wei

Inventor after: Cong Yu

Inventor after: Liu Ningbo

Inventor after: Wang Guoqing

Inventor after: He You

Inventor before: Chen Xiaolong

Inventor before: Cai Fuqing

Inventor before: Guan Jian

Inventor before: Zhou Wei

Inventor before: Cong Yu

Inventor before: Yao Libo

Inventor before: Wang Guoqing

Inventor before: He You

COR Change of bibliographic data

Free format text: CORRECT: INVENTOR; FROM: CHEN XIAOLONG CAI FUQING GUAN JIAN ZHOU WEI CONG YU YAO LIBO WANG GUOQING HE YOU TO: CHEN XIAOLONG DONG YUNLONG GUAN JIAN ZHOU WEI CONG YU LIU NINGBO WANG GUOQING HE YOU

C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20180810

Address after: 264001 scientific research office, two Road 188, Zhifu District, Yantai, Shandong

Patentee after: Naval Aviation University of PLA

Address before: 264001 Department of electronic information engineering, two Road 188, Zhifu District, Yantai, Shandong

Patentee before: Naval Aeronautical Engineering Institute PLA

TR01 Transfer of patent right