強(qiáng)雜波背景下微弱目標(biāo)檢測(cè)方法的研究.pdf

1、隨著隱身技術(shù)的快速發(fā)展，典型目標(biāo)的雷達(dá)反射截面積（RCS）縮減了一到兩個(gè)數(shù)量級(jí)，目標(biāo)的檢測(cè)概率大大降低，給雷達(dá)帶來(lái)了嚴(yán)峻挑戰(zhàn)。面對(duì)強(qiáng)雜波環(huán)境下的微弱目標(biāo)，關(guān)于雜波抑制及微弱目標(biāo)檢測(cè)方面的研究工作迫切的需要進(jìn)行展開(kāi)。本文在某科學(xué)基金項(xiàng)目的支持下，以強(qiáng)雜波環(huán)境下的微弱目標(biāo)為研究對(duì)象，在深入分析雷達(dá)目標(biāo)檢測(cè)原理、雜波模型及雜波抑制理論的基礎(chǔ)上，在對(duì)空時(shí)自適應(yīng)處理（STAP）技術(shù)和對(duì)弱目標(biāo)的多幀相參檢測(cè)前跟蹤（Multi-Frame Coher

2、ent Integration TBD,MFCI-TBD）算法做了創(chuàng)新性和探索性的研究。本文主要內(nèi)容有：
　　1．研究了雷達(dá)目標(biāo)模型和雷達(dá)信號(hào)檢測(cè)的基本原理；分析了用于雷達(dá)目標(biāo)檢測(cè)的先檢測(cè)再跟蹤算法（DBT）和檢測(cè)前跟蹤算法（TBD）；接著針對(duì)以往 TBD算法均為幀間非相參積累的不足而研究了MFCI-TBD算法；最后介紹了用于算法并行化處理的基于GPU的CUDA編程技術(shù)。
　　2．研究了雜波抑制技術(shù)。首先介紹了幾種經(jīng)典的雜波

3、統(tǒng)計(jì)模型和典型的雜波抑制技術(shù)：最優(yōu)STAP技術(shù)。然后對(duì)經(jīng)降維后的雜波矩陣進(jìn)行了特征譜分析，研究了一種基于特征譜分析的局域聯(lián)合處理STAP方法：該方法在保證雜波抑制性能損失較小的前提下降低數(shù)據(jù)處理量。最后仿真驗(yàn)證了這種算法的有效性。
　　3．在分析了多幀相參積累可行性的基礎(chǔ)上給出三種MFCI-TBD算法。
　　1）研究了一種結(jié)合相位補(bǔ)償?shù)幕贙EYSTONE變換的MFCI-TBD算法：該算法將KEYSTONE變換與一種相位補(bǔ)償

4、方法（先粗估，后精估）結(jié)合后完成對(duì)目標(biāo)的多幀相參積累。
　　2）提出了一種基于快速KEYSTONE變換的MFCI-TBD算法：在分析了快速KEYSTONE變換對(duì)單幀連續(xù)回波處理的基礎(chǔ)上，將其與相位補(bǔ)償方法相結(jié)合來(lái)完成對(duì)多幀回波中目標(biāo)回波不連續(xù)的微弱目標(biāo)的檢測(cè)。
　　3）提出了一種基于動(dòng)態(tài)規(guī)劃的MFCI-TBD算法：該算法將動(dòng)態(tài)規(guī)劃的思想引入相參TBD模型中，通過(guò)對(duì)目標(biāo)的可能航跡進(jìn)行相參積累來(lái)檢測(cè)微弱目標(biāo)。
　　詳細(xì)介紹