堆積多波束LFMCW雷達數(shù)字信號處理關(guān)鍵技術(shù)研究及實現(xiàn).pdf

1、線性調(diào)頻連續(xù)波(Linear Frequency Modulated Continuous Wave，LFMCW)雷達具有發(fā)射峰值功率低、無距離盲區(qū)的特點，適用于汽車防撞/邊掃雷達，智能巡航控制系統(tǒng)，海岸、碼頭、船閘等要地監(jiān)控的應(yīng)用中。在這些應(yīng)用中，雷達架設(shè)的位置通?？拷孛婊蛩?，在檢測目標(biāo)時易受到雜波的干擾?？紤]雷達在低高度探測中的應(yīng)用，本文提出并實現(xiàn)了一種堆積多波束LFMCW雷達系統(tǒng)，首先分析了該系統(tǒng)在實際應(yīng)用中的指標(biāo)參數(shù)，然后對

2、雜波模型的參數(shù)估計方法進行了研究和分析，在雜波分析的基礎(chǔ)上對堆積多波束LFMCW雷達的目標(biāo)參數(shù)估計算法進行了研究，實現(xiàn)了復(fù)雜探測背景下雷達360°范圍內(nèi)的目標(biāo)距離，速度和方位角度參數(shù)估計，并通過SI/PI仿真設(shè)計了可靠的高速數(shù)字信號處理硬件電路，最后對上述算法和硬件進行了基于實測數(shù)據(jù)的驗證。主要內(nèi)容如下:
　　1.提出了一種改進型最大似然估計牛頓拉夫森(Maximum Likelihood EstimationNewton Rap

3、hson，MLE-NR)迭代算法，該算法用于求解Weibull雜波模型參數(shù)估計時的微分最大似然方程組，解決了傳統(tǒng)MLE-NR迭代算法由于收斂域小導(dǎo)致初始迭代值選擇困難的問題;提出了一種MLE粒子群（Particle Swarm Optimization，PSO）優(yōu)化算法，該算法用于求解K分布雜波模型參數(shù)估計時的非線性方程組，通過設(shè)置阻尼邊界減小種族粒子損失，提高搜索效率，比傳統(tǒng)的求解方法具有更好的方差特性。針對上述兩種方法，進行了大樣本

4、數(shù)據(jù)的Monte-Carlo仿真，并采用IPIX雷達實測數(shù)據(jù)和系統(tǒng)雷達實測數(shù)據(jù)進行了雜波模型辨識工作，獲得了擬合優(yōu)度的定量計算結(jié)果。仿真結(jié)果和基于實測數(shù)據(jù)的處理結(jié)果均證明了算法的有效性。
　　2.提出了一種基于模型突變的目標(biāo)檢測算法，該算法通過推導(dǎo)N階AR模型PSD突變時的廣義似然比(Generalized Likelihood Ratio Test，GLRT)判決函數(shù)，來檢測目標(biāo)并計算目標(biāo)在時域中出現(xiàn)的時間點，適用于距離維度上L

5、FMCW雷達目標(biāo)出現(xiàn)時刻的判決，該算法在樣本序列較短時(N=100)同樣有效。仿真結(jié)果和基于系統(tǒng)實測數(shù)據(jù)的處理結(jié)果均證明了算法的有效性。
　　3.在雜波研究的基礎(chǔ)上，對接收機工作曲線(Receiver Operating Curve，ROC)進行了推導(dǎo)，并對距離、速度和方位角度的估算方法進行了分析。提出了一種頻譜校正方法，通過構(gòu)造校正比值函數(shù)對目標(biāo)的距離和速度信息進行校正，提高了測距測速精度;采用復(fù)雜探測背景下的LFMCW雷達二維

6、目標(biāo)檢測算法，解決了大靜止目標(biāo)背景下的動目標(biāo)檢測和復(fù)雜背景下的動目標(biāo)檢測。最后，給出了多波束比幅測角時目標(biāo)虛假定位的解決方法?；贛ento-Carlo的算法仿真結(jié)果說明了上述算法的有效性。
　　4.借助3D電磁仿真軟件對高速信號硬件平臺的電源完整性（Power Integrity，PI）和信號完整性（Signal Integrity，SI）進行了分析。在PI仿真時，通過多層PCB的固有諧振仿真和電源供給網(wǎng)路目標(biāo)阻抗控制，解決了傳

7、統(tǒng)PCB設(shè)計去耦電容和反諧振電容依靠經(jīng)驗公式不能定量確定的問題。在SI仿真時，通過對信號傳輸電路的局部建模完成了關(guān)鍵走線的頻域和時域傳輸特性仿真，解決了電路模型過大導(dǎo)致的仿真時間過長或不能仿真的問題。并在此研究的基礎(chǔ)上，設(shè)計了堆積多波束LFMCW雷達數(shù)字信號處理硬件平臺。
　　5.針對上述提出的算法和硬件設(shè)計，進行了雷達在360°掃描狀態(tài)下的實測數(shù)據(jù)驗證和分析工作。首先針對動目標(biāo)進行了檢測，驗證了算法和系統(tǒng)在復(fù)雜探測背景下的動目標(biāo)