低信噪比下微弱多目標信號檢測技術.pdf

1、近年來，隨著對隱身技術不斷深入的研究，目標的隱身性能大大增強，使得雷達探測系統(tǒng)對其的檢測能力急劇降低，給雷達帶來了嚴峻的考驗。雖然檢測前跟蹤(TrackBefore Detect，TBD)技術能夠對微弱目標進行檢測跟蹤，但是現(xiàn)有的TBD算法只利用了目標的幅度信息，沒有利用目標的相位信息，導致檢測效率不高，所以必須在現(xiàn)有的TBD技術上充分利用相位信息來提高對目標的檢測能力。
　　本文是在某航空科學基金項目的支持下，以強噪聲條件下微弱

2、目標為研究主體，主要研究了相參檢測前跟蹤算法，主要的工作與創(chuàng)新內容如下：
　　介紹了近年來國內外在微弱目標檢測技術方面的研究動態(tài)、檢測后跟蹤技術（Detect Before Track，DBT）以及TBD技術；接著介紹了經(jīng)典的非相參TBD算法并針對其沒有充分利用目標的相位信息而導致在信噪比較低的情況下檢測概率低的不足引入了相參TBD算法；然后介紹了用于提高算法實時性的基于CUDA編程的并行化計算技術；最后針對目標的稀疏特性介紹了壓

3、縮傳感技術。其中，重點研究了基于KEYSTONE變換（KT）的相參TBD算法，建立了多目標運動模型與雷達回波模型并在此基礎上分析了傳統(tǒng)KT的原理，給出了距離向與方位向的函數(shù)表達式以及距離向與方位向的分辨率公式，然后介紹了基于傳統(tǒng)KT的相參TBD算法（TKTA-TBD）并通過仿真驗證了其優(yōu)良的檢測性能。
　　提出了一種快速KEYSTONE變換（FKT）并應用到TBD算法中：首先針對傳統(tǒng)KT在時域利用sinc插值進行尺度變化而導致運算

4、速度慢的問題，F(xiàn)KT從KT公式入手，對信號的任一周期求離散逆傅里葉變換，利用尺度變換公式、快速傅里葉變換與快速逆傅里葉變換來提高運算效率，從而大大提高了算法的實時性；并可以通過選擇適當?shù)淖儞Q周期來獲得感興趣的檢測區(qū)域，從而提升對目標檢測效率；然后提出了基于FKT的相參TBD算法（FKTA-TBD），該算法在保證了與TKTA-TBD具有相同的檢測性能的同時，針對具體的目標設置更合適的檢測范圍，提高算法效率與檢測性能；最后利用基于 CUDA

5、編程的 GPU并行化計算技術對FKTA-TBD進行并行優(yōu)化，顯著地提高了算法的實時性。
　　提出了基于壓縮傳感與 KT相結合的相參 TBD算法（ CSKTA-TBD）：CSKTA-TBD首先利用FKTA-TBD在一定程度上提高信噪比，再利用目標的稀疏性以及目標信號和噪聲信號的不相關性，通過壓縮傳感技術對目標信號進行重構得到結果。首先，針對FKTA-TBD處理后仍然存在大量由噪聲積累形成的虛假目標的問題，該算法能夠進一步消除虛假目標

6、，大大地提高了信噪比；其次，針對方位向上回波不連續(xù)而導致較高旁瓣，從而形成虛假目標的問題，該算法能夠消除旁瓣，提高目標的分辨率，從而大大提高了對多目標的檢測能力。
　　提出了一種時域相參TBD算法——基于改進動態(tài)規(guī)劃與后向投影的相參TBD算法：該算法首先提出了一種改進動態(tài)規(guī)劃算法，該算法利用目標的先驗信息以及已經(jīng)規(guī)劃的前幾幀信息來對目標的運動軌跡進行估計；然后將利用后向投影算法對目標可能的運動航跡進行相參積累來完成對微弱目標的檢測