面向參數估計的認知雷達自適應發(fā)射波形優(yōu)化技術研究.pdf

1、現有雷達系統(tǒng)的發(fā)射波形和工作模式一般固定不變，接收系統(tǒng)僅被動地處理雷達信號和數據，使得即使精心設計的雷達系統(tǒng)也難以在復雜的時空多變環(huán)境中獲得理想的處理性能。認知雷達具有接收機到發(fā)射機的閉環(huán)反饋機制，能夠根據先驗和實時的環(huán)境及目標知識自適應動態(tài)調整雷達收發(fā)系統(tǒng)，從根本上改變了傳統(tǒng)雷達單向的信息處理方式，能夠大幅提高雷達系統(tǒng)性能和環(huán)境適應能力，具有重要的理論研究和軍事應用價值，受到國內外很多專家學者和軍方的廣泛關注。自適應發(fā)射波形優(yōu)化技術是

2、認知雷達系統(tǒng)的基礎關鍵技術之一，本文主要研究了面向目標參數估計問題的雷達發(fā)射系統(tǒng)自適應優(yōu)化調整技術。
　　⑴研究了雜波環(huán)境下以提高機動目標跟蹤精度為目的的自適應波形選擇技術。論文首先對雷達接收系統(tǒng)和跟蹤測量數據獲取過程進行了詳細建模，分析了不同信噪比情況下雷達發(fā)射波形對測量數據統(tǒng)計特性的影響及定量計算方法，并設計了與自然界中蝙蝠發(fā)射聲波信號類似的CF-HFM（Constant Frequency-Hyperbolic Freque

3、ncy Modulation）雷達脈沖串波形，提出了雜波環(huán)境下基于雷達任務的機動目標跟蹤自適應波形選擇算法及自適應發(fā)射波形與檢測門限聯合優(yōu)化方法；其次，為了較為精確地估計機動目標混合運動狀態(tài)后驗概率密度函數，提出了一種完全分離連續(xù)基狀態(tài)與離散模型狀態(tài)估計的交互多模型概率數據關聯粒子濾波器（Interacting Multiple Model Probabilistic Data Association Particle Filter，I

4、MMPDAPF），估計循環(huán)僅需要基狀態(tài)粒子，能夠控制每個運動模型對應的粒子數，并引入穩(wěn)健性較好的Amariα-散度表征不同發(fā)射波形對應雷達測量數據包含的信息量，提出了與IMMPDAPF實現過程緊密結合的雜波環(huán)境下基于信息論準則的機動目標跟蹤自適應波形選擇算法。
　　⑵研究了以降低成像處理復雜度為目的的自適應發(fā)射分集技術和基于發(fā)射分集的曲線彈道合成孔徑雷達（Synthetic Aperture Radar，SAR）成像算法。首先，針

5、對以景象匹配制導為目的的曲線彈道SAR成像問題，提出通過自適應調整雷達波束指向使雷達近似工作于等效正側視幾何下，能夠大大減小距離徙動校正難度及回波信號方位向和距離向耦合，并在此基礎上設計了利用部分孔徑數據和高效頻譜分析方法的RD-Dechirp（Range Doppler-Dechirp）快視成像算法；其次，針對以尋的制導為目的大斜視曲線彈道SAR成像問題，通過在雷達發(fā)射信號中引入自適應調整的非線性調頻分量，提出了曲線彈道SAR非線性調

6、頻變標（Nonlinear Chirp Scaling，NCS）成像算法，能夠同時處理大斜視曲線彈道情況下距離徙動校正和二次距離壓縮的方位頻率依賴性和距離空變性，算法計算量與標準CS算法及RD算法相當，提供了成像性能與計算量的完美折中；最后，針對任意航跡和斜視幾何情況下的聚束SAR成像問題，提出了基于PRI（Pulse Repetition Interval）自適應調整的PFA（Polar Format Algorithm）成像算法，能

7、夠避免原始PFA算法的插值操作和利用全部波數域數據進行成像，生成高質量SAR圖像僅需要FFT和復乘運算，能夠兼顧平臺航跡靈活性、成像精度及成像效率。
　?、浅浞掷美走_接收系統(tǒng)到發(fā)射系統(tǒng)的反饋機制和先驗知識，研究了面向目標參數估計問題的雷達發(fā)射系統(tǒng)自適應調整技術和方法，研究成果有助于從根本上改變現有雷達系統(tǒng)的工作方式，提高現有雷達系統(tǒng)的工作性能和復雜環(huán)境適應能力，為推動我國雷達系統(tǒng)的智能化和認知雷達技術的實用化提供基礎理論和關鍵技