[发明专利]一种多机动目标径向初速度和径向加速度的估计方法

说明书

技术领域

本发明涉及雷达技术领域和雷达运动目标检测技术，具体说是公开了一种高分辨的多机动目标参数估计的方法，可用于多机动目标的检测和跟踪。

背景技术

在雷达系统中，对于距离相近的多机动目标的雷达信号检测和分辨能力的研究是一个重要难题。雷达在信号处理阶段获取机动目标的径向初速度和加速度信息对改善机动目标检测和跟踪性能具有重要影响。机动目标的雷达回波不仅含有目标速度引起的多普勒调制项，而且目标加速度引起的二次相位项也对回波信号产生时变调制，加速度的调制会使雷达回波多普勒频谱展宽，导致傅里叶谱分析方法信噪比下降，分辨率降低。对多机动目标的径向初速度和径向加速度的估计即可转化为对多线性调频(Linear frequency modulation，LFM)信号的初始频率和调频斜率的提取问题。

目前已有的对LFM信号的参数估计方法，本质上都可归结为一个多变量的最优化问题。其中基于最大似然思想的解线性调频法(Dechirping)计算量稍小，工程实现简单，但是在处理多分量信号时存在虚假交叉项的干扰、强弱信号难以分离和抗噪能力比较弱的问题。近年来，基于时频分析工具的多分量LFM信号的参数估计技术主要有：拉冬-魏格纳变换(Radon Winger Transform，RWT)，拉冬-模糊变换(Radon Ambiguity Transform，RAT)和分数阶傅里叶变换(Fractional Fourier Transform，FRFT)扫描法。以上方法各有优劣，RWT法和RAT法是基于图像的直线积分检测，先将信号转换到时频图或模糊图上，再进行直线搜索。RWT法是时频面上的二维搜索，在单分量条件下能达到很好的效果，但计算量较大，RAT法将RWT法的二维搜索简化为一维搜索降低了计算量，但是它以抛弃初始频率信息为代价。由于WVD分布和Ambiguity函数的双线性特性，在多分量条件下各分量之间的交叉项将严重影响信号的检测和参数估计性能,机动目标相距较远时，虽然信号各分量之间的交叉项和噪声引起的干扰项也存在,但由其引起的振荡幅度远小于由单个信号能量聚集所产生的尖峰,且易求出这些尖峰出现的坐标。但当两机动目标相距很近时，弱分量很容易被强分量的交叉项所掩盖，发生漏警。分数阶傅里叶变换FRFT法是信号到旋转频率空间的线性投影，是一种广义Fourier变换，属于一维线性时频变换，在多分量LFM信号的处理时不受交叉项的影响，并且可以借助快速傅里叶FFT实现，降低了处理的复杂度，但是对于相距很近的目标，强信号分量很容易淹没弱信号分量，而发生漏警，陶然等人提出了分数阶Fourier域的信号分离技术，采用“CLEAN”思想有效抑制了强信号对弱信号的影响，提高了对弱信号的检测精度，但是这种方法只能解决强度相差较大的多分量LFM信号，对于特殊的距离和方位上都很接近且强度相当的多机动目标，由于受限的时频分辨率，而不能将机动目标分开。所以时频分析中多分量信号交叉项和时频分辨率是一对矛盾体。

发明内容

本发明针对上述现有技术处理多机动目标径向初速度和径向加速度估计存在的不足，公开了一种高分辨的多机动目标径向初速度和径向加速度估计方法，实现多机动目标的超分辨能力，且能以超高的精度精确估计多机动目标的径向初速度和径向加速度信息。

本发明的技术方案是这样实现的：

本发明通过对雷达接收到的多机动目标所在距离单元的回波数据进行相干积累，通过噪声门限检测判断目标所在的最大频域范围，进而得到多机动目标径向初速度和径向加速度的最大范围；然后基于压缩感知(Compressive Sensing，CS)理论，根据机动目标回波模型建立超完备原子库，得到信号在超完备原子库上的分解系数投影，通过l₁范数约束条件下的最优化算法，得到机动目标的个数以及各机动目标径向初速度和径向加速度的一次估计值；最后在每个机动目标附近采用逐次逼近法的频率细化手段确定各个机动目标满足二次估计精度的径向初速度和径向加速度的二次估计值。

本发明的技术方案包括如下步骤：

步骤1，利用雷达向位于同一距离单元的多机动目标发射信号，并利用雷达接收经所述多机动目标反射的原始回波数据；对原始回波数据进行脉冲压缩，得到脉冲压缩后的回波数据矩阵X；X＝[X₁,X₂,...,X_i,...,X_N]，X_i表示第i个距离单元的脉冲压缩后的回波数据，i＝1,2,...,N，N为每个脉冲对应的距离单元数；