CN114488055A - 一种适用于载频重频联合捷变雷达的相参处理方法 - Google Patents

Abstract

本发明提供了一种适用于载频重频联合捷变雷达的相参处理方法，能够以较低运算复杂度实现载频重频联合捷变雷达的相参处理。包括：建立目标的回波模型，根据所述回波模型对接收信号进行匹配滤波，得到载频重频联合捷变雷达接收回波的匹配滤波结果；对所述匹配滤波结果进行频率反转变换，消除跳频相位信息，并对变换后结果进行基于CZT的RFT粗处理，初步获得目标的距离、速度信息；根据所述距离、速度信息，分别在两个距离区间进行差分进化处理，获得准确的目标距离、速度、加速度信息。

Description

一种适用于载频重频联合捷变雷达的相参处理方法

技术领域

本发明属于雷达信号处理领域，具体涉及一种适用于载频重频联合捷变雷达的相参处理方法。

背景技术

波形捷变雷达是指雷达的载频、重频、脉内编码等参数中的一个或者多个同时发生捷变的雷达，只有脉冲载频为捷变量的雷达称为载频捷变(Frequency Agile,FA)雷达，脉冲发射间隔随机改变的雷达则称为随机脉冲重复间隔(RandomPulse RepetitionInterval,RPRI)雷达或重频捷变雷达，载频重频联合捷变雷达是指相邻发射脉冲之间的载波频率和脉冲重复频率同时在一定范围内随机捷变。

在脉间载频捷变雷达相参处理研究方面，2014年，王丁禾等人在文献“Radon-fourier transform for radar target detection,i:generalized doppler filterbank.”的基础上，对脉间载频捷变雷达回波信号相位与载频捷变量和目标运动参数的关系进行分析，改进了补偿因子，使拉顿-傅里叶变换(Radon-Fourier Transform，RFT)适用于FA雷达回波信号的相参积累。2014年，文献“Long time coherent integration methodfor frequency agile radar”使用的匹配滤波器是在低速目标条件下输出最佳的滤波器，但是高速目标会因失配问题造成增益损失。2016年，文献“Long-time coherentintegration method for high-speed target detectionusing frequency agileradar”针对此问题，提出了宽带匹配滤波器的方案。然而，宽带匹配滤波器需要根据目标速度确定尺度伸缩因子，而目标速度正是需要求解的参数之一。由于需要进行速度搜索，其信号处理时间大大增加。2016年，洪永彬等人提出了一种通过在速度加速度平面进行网格搜索估计目标运动参数并对雷达回波信号进行相位补偿的方法。但是该方法需要目标的先验信息，而且网格搜索的复杂度很高。2019年，原浩娟等人提出使用多普勒通道对齐的方法解决因多普勒走动导致的距离维能量分散问题。针对通过变尺度傅氏变换实现多普勒通道对齐存在量化误差的问题，通过分析运动目标耦合时移产生的原因，提出了对量化误差的补偿方法。然而，该补偿方法需要对每一个数据都进行补偿，计算复杂度较高。

在重频捷变雷达相参处理研究方面，2012年，刘振等人将压缩感知理论应用于随机脉冲重复间隔(Random Pulse Repetition Interval,RPRI)雷达的相参处理中，通过分析回波信号与目标运动参数、雷达脉冲参数的关系构建了感知矩阵。并对感知矩阵的约束等距性质(Restricted Isometry Property,RIP)进行分析，给出了将压缩感知理论应用于雷达目标参数估计的条件。网格失配问题是导致压缩感知算法性能下降的重要原因，对此作者提出了一种新的迭代网格优化(Iterative Grid Optimization,IGO)算法，实现了无模糊精确测速。但常见的稀疏恢复算法计算复杂，且对信号输入信噪比要求较高，对弱目标检测能力较差。2014年，李斌等人提出了一种基于滑动时间窗的离散傅里叶变换(Time-Window based DFT,TWDFT)算法，实现了重频捷变信号的相参处理。但是因为RPRI雷达的脉冲发射周期是随机跳变的，因此脉冲回波的相位差也出现随机改变，所以该文算法无法利用快速傅里叶变换实现，这导致算法的计算量无法降低。此外，TWDFT算法没有考虑因长时间积累导致的跨距离单元走动，积累结果仍存在能量分散问题，导致积累增益降低。2015年，陈潜等人通过对RPRI雷达回波信号的相位特点和盲速旁瓣特性分析，修改RFT的补偿因子使之适用于RPRI雷达信号的相参处理，并使盲速旁瓣得到有效抑制。文章分析了重频抖动量与盲速旁瓣幅度、噪声平台功率之间的关系，给出了最佳重频抖动量的定义。2017年，卢雨祥等人提出了一种基于迭代自适应方法的随机PRI雷达MTD处理方法。该算法的迭代公式是与迭代次数以及不同频点计算功率谱相关的变量，不同输入信号、每次迭代均需要重新计算。另外矩阵的求逆操作计算难度大，且运算量随着速度搜索点数目的增大而增大。

在脉间载频重频联合捷变雷达相参处理研究方面，2018年，吴耀君等人将压缩感知理论应用到脉间载频重频捷变信号的相参处理中，并采用相关运算和正交匹配追踪两种信号重构方法对目标的距离和速度参数进行估计。该文通过分析字典矩阵的RIP特性，发现不同捷变序列会影响字典矩阵的正交特性，为提高算法的重构精度需要寻找最优的捷变序列。然而，压缩感知方法在低信噪比条件下效果不佳，且离格失配问题会带来损失。

在相参处理算法的快速实现研究方面，2012年，文献“Radon-fourier transformfor radar target detection(iii):Optimality and fast implementations”对基于拉顿-傅里叶变换(Radon-Fourier Transform，RFT)变换的相参积累算法的快速实现进行了研究，提出了两种固定载频体制下RFT变换的快速实现方法。第一种称为基于FFT的频域RFT(FFT-based frequencybin RFT,FBRFT)，以该文提出的一种与RFT变换有相同形式的似然比测试(Likelihood Ratio Test,LRT)检测器为基础，将通常在时域实现的脉冲积累转到频域实现。利用Chirp-Z变换(Chirp-Z Transform,CZT)将原来高计算复杂度的二维联合搜索和相参累加用一维的FFT计算代替，大大降低了计算量。第二种方法是为了进一步降低FBRFT的存储空间而提出的次优实现方法，称为子带Radon-Fourier变换(Subband RFT,SBRFT)。该方法将信号带宽分为若干个子带，对于相同子带内的频率用子带中心频率近似，从而降低了存储所有频率补偿因子的空间。这是一种采用近似处理的非最优方法，会有一定的性能损失。2018年，段毅等人提出了一种由粗到精(Coarse-To-Fine,CTF)的RFT快速算法。该方法通过粗搜加精搜的方式快速锁定目标所在目标的速度模糊区间的方式进一步降低了RFT算法的计算量。以上文献所提方法仅适用于采用匀速直线运动模型建立的二维RFT算法，不适用于采用更高维度运动参数模型建立的GRFT算法。2012年，钱李昌等人研究了GRFT算法中主瓣高度与盲速旁瓣高度之间的数量关系，并利用这一特定关系，对经典粒子群优化(Particle Swarm Optimization,PSO)算法进行改进后，提出了一种基于改进的粒子群优化算法的GRFT快速实现方法。该方法既实现了GRFT的快速计算，也解决了盲速旁瓣的问题。但是不可忽视的问题是，因为PSO算法对种群初始化位置的严重依赖，该方法的性能相对于GRFT还是有了明显下降。针对此问题，Xia W等人在2016年发表的文章中提出了另一种基于改进的风驱动优化(BSSL learning-based Modified WindDrivenOptimization,BMWDO)的GRFT快速实现算法。该方法同样利用主瓣与盲速旁瓣的关系对原算法进行了改进，此外还通过Levy分布和均匀分布来调整BMWDO中的系数，在噪声环境中得到了比基于改进PSO的GRFT快速算法更优的性能。但是该方法中使用到的Levy分布的随机数，在工程中生成难度较大，很难达到理论效果。

以上文献均是针对传统固定载频体制雷达的相参积累算法提出的快速实现方法，可分为基于CZT变换的方法和基于群智能优化算法的方法两类。目前有关载频重频随机捷变雷达相参处理算法快速实现的研究文献还比较少，但是以上两类方法均有参考意义，如果可以消除捷变频带来的随机参数便可能使用基于CZT变换的方法。基于群智能优化的方法利用了主瓣与盲速旁瓣的关系，然而重频捷变对盲速旁瓣的抑制作用不利于搜索的快速收敛，因此仍需研究防止陷入局部最优和加速收敛速度的方法。

发明内容

有鉴于此，本发明提供了一种适用于载频重频联合捷变雷达的相参处理方法，能够以较低运算复杂度实现载频重频联合捷变雷达的相参处理。

为实现上述目的，本发明的技术方案如下：

一种适用于载频重频联合捷变雷达的相参处理方法，包括：

建立目标的回波模型，根据所述回波模型对接收信号进行匹配滤波，得到载频重频联合捷变雷达接收回波的匹配滤波结果；

对所述匹配滤波结果进行频率反转变换，消除跳频相位信息，并对变换后结果进行基于CZT的RFT粗处理，初步获得目标的距离、速度信息；

根据所述距离、速度信息，分别在两个距离区间进行基于差分进化算法的GRFT精搜索，获得准确的目标距离、速度、加速度信息。

本发明有益效果：

1、本发明通过对载频重频联合捷变雷达回波的匹配滤波结果，进行频率反转变换、基于CZT的RFT粗处理，初步获得目标大概的距离、速度信息；在粗处理锁定的范围内，使用基于差分进化算法的精搜索计算GRFT变换，获得目标更加精确的距离、速度、加速度信息，从而实现由粗到精的GRFT变换，解决计算复杂度过高的问题，在相参处理时间较长时，本发明的运算复杂度将远低于传统算法。

2、本发明通过将匹配滤波结果的频域形式沿中心频率反转后与反转前结果进行共轭相乘，消除了脉冲间载频捷变带来的随机相位。经对消处理后的匹配滤波结果进行基于CZT的RFT处理，可快速得到目标的距离、速度的粗搜索估计值。

3、本发明在GRFT精搜索过程中，利用粗搜索确定的距离估计值，在符合准则的区间内，进行样本选择与GRFT运算的迭代处理，并在满足迭代终止条件后将相参积累结果输出，可减少大部分的计算量，进一步降低算法的运算复杂度。

4、本发明基于差分进化算法进行GRFT精搜索，可以获得目标的距离、速度和加速度信息。

5、本发明在粗搜索过程中，忽略加速度的影响，仅搜索目标的距离、速度信息，所以GRFT简化为RFT算法。在精搜索过程中，同时搜索目标的距离、速度与加速度信息，所以使用GRFT算法。

附图说明

图1是本发明适用于载频重频联合捷变雷达的相参处理方法流程图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

如图1所示，本发明的适用于载频重频联合捷变雷达的相参处理方法，具体包括：

步骤一、建立目标的回波模型，根据所述回波模型对接收信号进行匹配滤波，得到载频重频联合捷变雷达接收回波的匹配滤波结果。具体如下：

1.1基于载频重频联合捷变雷达，其相邻发射脉冲之间的载波频率和脉冲重复频率同时在一定范围内随机捷变，则发射信号模型为：

其中，M为一个相参处理周期内雷达发射的脉冲个数，T_r为脉冲平均重复周期，T_m＝c_mΔt表示第m个发射脉冲的脉冲重复周期随机跳变量，其中c_m是{0，1，...，N_r-1}内的随机整数，N_t＝(T_r-T_w)/Δt，Δt为重频抖动间隔；f_m＝f_c+f_Δm为第m个发射脉冲的载频，f_c为中心载波频率，f_Δm＝d_mΔf为第m个发射脉冲的载频跳变量，d_m是{0，1，...，N_f-1}内的随机整数，N_f＝B_t/Δf为跳频点数，B_t为载频跳变合成带宽，Δf为载频跳变间隔。

其中，

为第m个脉冲的复包络信号，脉内为线性调频信号，T_w为脉冲宽度，γ＝B/T_w为调频斜率，B为脉内调频带宽，

为脉宽为T_w的标准矩形脉冲函数：

根据雷达回波信号产生原理，设点目标在相参积累时间内作匀加速直线运动，以背离雷达的径向方向为速度正方向，目标与雷达的初始距离为r₀，初始径向速度为v₀，加速度为a₀，则t时刻目标与雷达之间的距离为

假设雷达在t_r时刻接收到的回波信号为t_t时刻发射的信号，时间延迟T(t_r)，即T(t_r)＝t_r-t_t，则电磁波与目标相遇的时间为

相遇时目标与雷达径向距离为

所以T(t_r)满足如下表达式：

在一个脉冲往返间内，由于加速度a₀对速度的影响相对于光速c与初始速度v₀而言极小，所以简化为目标在一次脉冲往返间做匀速运动，即a₀(t_r+t_t)²＝a₀(2t_r)²，则式(3)表示为：

则有

信号幅度为A的回波信号作为发射信号的延迟，表示为：

将式(5)代入式(6)，并将变量t_r替换为t，可得

其中，T(t)＝2r(t)/(c+v₀)表示回波延迟时间，

表示第m个脉冲回波的多普勒频率。因为v₀＜＜c，将两个变量分别近似为T(t)≈T(mT_r+T_m)，f_m≈-(2v₀+a₀mT_r)f_m/c。

1.2将M个回波脉冲进行重组预处理；

在具体实施时，由于载频重频联合捷变雷达的脉冲重复频率较高，单个脉冲重复周期较短，针对具体的雷达作用距离，需要将M个回波脉冲进行重组预处理。

所述重组的范围包含第m个脉冲及其相邻脉冲的回波信号，设重组回波中共有L个发射信号的回波脉冲，其中第m个发射脉冲的回波在L个回波脉冲中的顺序是第K个，则第m个重组回波模型表示为：

上式中t表示快时间，m表示慢时间，T(t)＝2r(t)/(c+v₀)表示回波延迟时间，另外其中d_k＝k-K，

当且仅当k＝K时，回波脉冲被下变频信号完全搬移到基带，只保留多普勒频率；

引入变量T_m＝T(mT_r+T_m)，下变频后的第m个重组回波简化为：

s_r(t，m，K)＝Aa(t-T_m)exp(-j2πf_mT_m)exp(j2πf_dmt) (9)

回波重组后的完全下变频的信号，当T_m-T_w＜t＜T_m+T_w时，第m个脉冲回波时域的匹配滤波结果为：

1.4设发射信号复包络经过傅里叶变换后的频域表达式为a(f)，则匹配滤波器的频域表示为H(f)＝a^*(f)。

窄带信号的脉内多普勒走动的影响可以忽略，则第m个重组回波可以近似表示为：

S_r(f，m，K)＝Aa(f)exp[-j2π(f-f_dm)T_m]exp(-j2πf_mT_m) (11)

1.5根据傅里叶变换的卷积特性，则第m个脉冲回波频域的匹配滤波结果为：

S_MF(f，m)＝S_r(f，m，K)H(f)

＝A|a(f)|²exp[-j2π(f-f_dm)T_m]exp(-j2πf_mT_m) (12)

步骤二、对所述匹配滤波结果进行频率反转变换，消除跳频相位信息，并对变换后结果进行基于CZT的RFT粗处理，初步获得目标的距离、速度信息；

本实施例中所述的频率反转变换是根据时域反转变换提出的一种频域变换方式，其基本思想是，基于脉冲回波匹配滤波结果频域的对称关系，将所述匹配滤波结果的频域形式沿中心频率反转后与反转前结果共轭相乘，从而消除跳频相位信息。基于该思想，具体如下：

2.1根据步骤1.5中所述的第m个脉冲回波频域的匹配滤波结果，将式(12)重写为：

根据傅里叶变换的特点，式(13)中f的频率范围满足-f_s/2≤f≤f_s/2，f_s表示信号的采样频率，S_MF(f，m)是关于0频中心对称的，将S_MF(f，m)沿频域对称轴反转得到信号

其表达式为：

2.2将步骤2.1中式(13)与式(14)的两个信号进行共轭相乘得到经频率反转对消后的信号S_MF(f，m)，表达式为：

上式中相位量为exp(-j4πfT_m)，其中

相位exp(-j4πf2r₀/c)是常数。

在具体实施时，各脉冲之间的相位起伏是由与慢时间相关的相位量exp(-j4πf2(v₀mT_r+a₀(mT_r)²/2)/c)造成的，因此该相位可能导致时域跨距离单元走动现象，需要对其进行相位补偿。

2.3为了消除目标运动在相参积累时间内会产生的距离走动，因此对回波脉冲进行补偿，其补偿因子为：

H_f(v，m)＝exp(j8πfvmT_r/c) (16)

这里要说明的一点是：由于对消处理后原始匹配滤波结果中与载频捷变相关的相位项已被完全消除，可以将其看作固定载频信号的匹配滤波结果，所以总带宽只剩线性调频带宽，距离分辨力大大降低。此时目标加速度在距离维上带来的距离走动一般远小于一个粗距离分辨单元，因此可以忽略加速度分量exp(-j4πfa₀(mT_r)²/c)。

2.4将各脉冲回波的频域匹配滤波结果乘上各自的补偿因子后将相同频点的结果累加，表示为：

由于频率反转后，忽略了加速度分量，因此仅搜索目标的距离、速度信息，所以GRFT算法简化为如公式(17)的RFT算法；

通过快时间维的IFFT变换则获得RFT的时域表达式：

2.5对所述时域表达式进行离散化；其中与脉冲数相关的慢时间m已经是离散形式，m＝0，1，...，M-1；设距离搜索步长为Δ_r＝2T_s/c，回波重组后每个脉冲回波有N_r个采样点，所以快时间范围为r∈[⁰，(N_r ^-1)T_s]，相应的距离搜索范围为r∈[0，(N_r-1)Δ_r]，所以可以令r＝n_rΔ_r，n_r＝0，1，...，N_r-1；f为快时间域经傅里叶变换后的频率，序列长度也为N_r，其范围为[-f_s/2，f_s/2]，所以频率采样间隔为Δ_f＝f_s/N_r，则f＝n_fΔ_f，n_f＝-N_r/2，-N_r/2+1，...，N_r/2-1，N_r/2；设速度搜索范围为[-V_max，V_max]，速度搜索步长为Δ_v＝V_max/N_v，则可令v＝n_vΔ_v，

n_v＝-N_v，-N_v+1，...，N_v-1，N_v；则离散化表达式为：

令其中

则式(19)简化为：

在具体实施时，相比于传统二维联合搜索算法，RFT算法基于CZT快速实现可以大幅降低计算量。因此将CZT变换快速实现的方法应用到式(20)，其过程如下：

其中速度搜索的点数为2N_v+1，脉冲个数为M，根据卷积定理，FFT_m和IFFT_m的FFT点数L的选择应该满足如下条件：

以上便是RFT变换通过CZT变换快速实现的方法，可见上述方法将频域RFT变换的复数乘加运算通过复数乘法、L点FFT运算和L点IFFT运算实现，并且其中

均可以事先计算好作为固定系数存储，因此一个频率采样点n_f的RFT计算实际仅需通过M+1次复数乘法、2次L点FFT运算和1次L点IFFT运算便能实现。N_r点IFFT运算的结果即为基于CZT的RFT粗处理相参积累的结果，对该结果进行目标检测可初步获得目标的距离、速度信息。

步骤三、根据步骤二获得的所述距离、速度信息，分别在两个距离区间进行差分进化算法处理，实现GRFT的快速处理，获得准确的目标距离、速度、加速度信息。具体如下：

本实施例中，所述差分处理的关键参数包括：评价函数、个体向量及其约束条件、种群规模与迭代次数、变异尺度因子与交叉概率因子、输出结果形式。

其中，所述评价函数是用来评价种群中某个个体对环境的适应度的函数，对于求最小值的评价函数，目标函数输出值越小，个体的适应度越高；反之对于求最大值的评价函数，函数输出越大，适应度越高。基于GRFT变换的相参处理算法能够有效求解目标的运动参数，其目的是寻找GRFT表达式幅值的最大值。因此，所述评价函数表达式为：

r∈[r_min，r_max]，v∈[-V_max，V_max]，a∈[a_min，a_max]

其中，

s_MF(T(r，v，a，m)，m)＝AT_wsinc(f_dmT_w)exp(jπf_dmT_w)exp[-j2π(f_m-f_dm)T(r，v，a，m)]为第m个脉冲回波的匹配滤波结果，

为当前搜索参数下第m个脉冲回波的时间延迟，r为目标的初始距离，v为初始速度，a为加速度，H(r，v，a，m)＝exp[-jπf_d(v，a，m)T_w]exp[j2π(f_m-f_d(v，a，m))T(r，v，a，m)]为第m个脉冲回波的相位补偿因子，f_d(v，a，m)＝-(2v+amT_r)f_m/c表示在当前搜索参数下第m个脉冲回波的多普勒频移。

由于G(r，v，a)为复数，评价函数对其取模值，即|G(r，v，a)|。其中，所述个体向量及其约束条件：在大多数群智能优化算法中，种群中的个体都是由评价函数的D个自变量组成的D维向量，差分进化算法也不例外。本实施例中将目标运动建模为匀加速直线运动模型，所以目标的运动参数包含距离r、速度v和加速度a，共三个参数，个体向量的维度D＝3。种群中第i个个体记为

第g代全部个体组成种群向量组为

因此，评价函数可写做

距离参数r的搜索范围，经过粗处理后可被缩小到

另外，取r_ange时要防止小目标因增益损失被距离旁瓣淹没。因为距离折叠导致距离模糊，搜索区间共有两块，设回波重组后的总观测距离为r_s，CZT粗处理中检测到目标的距离估计为r_c，则两个距离搜索区间为

和

在基于CZT变换的粗处理的仿真结果中，捷变信息被消除，相参积累结果的速度分辨力大幅下降，小目标极易被大目标的副瓣淹没，为避免漏警，不能根据粗处理结果缩小速度搜索范围，所以速度搜索范围为[-V_max，V_max]，加速度搜索范围为[-a_max，a_max]。

其中，种群规模NP与迭代次数G决定了算法最终的计算复杂度，其中每次迭代执行评价函数

的次数等于种群规模NP，所以在两个距离搜索空间上评价函数被执行的总次数为2G·NP。实验表明NP的数量一般取个体向量维度D的5倍到10倍之间，当评价函数存在多峰严重或峰值稀疏等问题时，可以选择更大的数值。在GRFT变换过程中，目标在参数空间中距离和速度维上非常稀疏，且主峰极窄，峰值下降速度很快，但是GRFT对加速度的分辨力较差。所以在距离速度搜索误差较小时，GRFT积累结果加速度搜索范围内幅度变化很小，且在距离和速度估计有误差时，GRFT积累幅度的起伏规律也不相同，会出现多峰现象。为保证最终结果的准确性，同时兼顾收敛速度，本实施例选择NP＝50D，较大的种群规模有利于增强全局搜索能力，在这样的条件下，算法的计算量远小于网格遍历搜索。将种群规模取为NP＝50D＝150，算法在迭代到1000次之前已经可以收敛，所以可以取G＝1000。

其中，所述变异尺度因子F与交叉概率因子CR在差分进化算法中对算法性能的影响明显。大量实验证明，一般情况下，两个因子效果良好的取值范围都非常有限，F在取为0.5或0.6时能在大多数情况下取得良好的效果，过大或过小的取值只在特殊情况下表现良好；交叉概率因子CR在区间[0.3,0.6]上取值比较合理，且改变CR带来的影响远不如改变F明显。

其中，所述输出结果形式在标准差分进化算法中，算法终止后只会输出算法全过程中适应度最好的一组参数，其他次优解不被输出。但是在雷达信号处理中，搜索空间中的次优值有可能会是另外一个目标，只输出最大的一组参数，容易漏掉其他较小目标。所以本实施例中根据噪声强度设置检测门限，将搜索过程中所有超过该检测门限的参数组合及其GRFT运算结果全部输出，保证次优解也能被输出。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种适用于载频重频联合捷变雷达的相参处理方法，其特征在于，包括：

建立目标的回波模型，根据所述回波模型对接收信号进行匹配滤波，得到载频重频联合捷变雷达接收回波的匹配滤波结果；

对所述匹配滤波结果进行频率反转变换，消除跳频相位信息，并对变换后结果进行基于CZT的RFT粗处理，初步获得目标的距离、速度信息；

根据所述初步获得的距离、速度信息，分别在两个距离区间进行基于差分优化算法的GRFT精搜索，获得准确的目标距离、速度、加速度信息。

2.如权利要求1所述的一种适用于载频重频联合捷变雷达的相参处理方法，其特征在于，所述根据所述回波模型对接收信号进行匹配滤波具体包括以下步骤：

2.1基于载频重频联合捷变雷达，其相邻发射脉冲之间的载波频率和脉冲重复频率同时在一定范围内随机捷变，建立目标的回波模型；

2.2根据作用距离确定第m个发射脉冲的脉冲重组范围包含第m个脉冲及其相邻脉冲共L个发射信号的回波脉冲，用对应第m个发射脉冲的载波频率的本地信号对L个发射信号的回波脉冲作解调，得到第m个发射脉冲的重组回波脉冲基带信号；

2.3对第m个发射脉冲的重组回波脉冲基带信号进行傅里叶变换，发射信号复包络经过傅里叶变换后得到匹配滤波器的频域形式，根据傅里叶变换的卷积特性计算得到第m个脉冲回波的频域匹配滤波结果。

3.如权利要求1所述的一种适用于载频重频联合捷变雷达的相参处理方法，其特征在于，所述初步获得目标的距离、速度信息具体包括以下步骤：

3.1根据所述的第m个脉冲回波信号的频域匹配滤波结果，沿频域对称轴反转得到新的信号；

3.2将频域匹配滤波结果与沿频域对称轴反转得到的新信号进行共轭相乘得到消除了与载频捷变相关相位的频域匹配滤波结果；

3.3对已消除与载频捷变相关相位的频域匹配滤波结果通过基于CZT的GRFT进行相位补偿，消除相参积累时间内由目标运动产生的距离走动，初步获得目标的距离、速度信息。

4.如权利要求1或2或3所述的一种适用于载频重频联合捷变雷达的相参处理方法，其特征在于，差分进化优化处理的关键参数包括：评价函数、个体向量及其约束条件、种群规模与迭代次数、变异尺度因子与交叉概率因子、输出结果形式。

5.如权利要求4所述的一种适用于载频重频联合捷变雷达的相参处理方法，其特征在于，所述评价函数用来评价种群中某个个体对环境的适应度的函数，对于求最小值的评价函数，目标函数输出值越小，个体的适应度越高；反之对于求最大值的评价函数，函数输出越大，适应度越高。

Images