[发明专利]基于重构信号和时间采样的空中机动目标检测方法

说明书

技术领域

本发明属于雷达信号处理技术领域，特别是涉及一种基于重构信号和时间采样的空中机动目标检测方法。

背景技术

由于载机平台的运动，机载相控阵雷达的地杂波谱在多普勒上表现出主杂波展宽和旁瓣杂波扩散，并且是空时二维耦合的，因此杂波抑制是机载预警雷达下视工作时的关键问题。空时二维自适应处理(Space-Time Adaptive Processing，STAP)作为一种有效的机载雷达地杂波抑制手段，已受到了越来越多的关注。它是在空间和时间上的二维联合滤波，同时具有空间和时间自由度，可以在二维谱平面上形成凹口，在对地杂波进行有效抑制的同时能够保证目标信号获得足够的增益。但是STAP是基于平稳信号模型的，即假定在相干处理时间内动目标回波多普勒频率恒定(即目标为匀速运动)；而当来袭目标具有很强的机动性时，其在一个相干处理时间(Coherent Processing Interval，CPI)内目标回波多普勒频率随时间发生变化，即发生多普勒走动，使得传统的STAP方法相参积累性能大大下降，从而导致目标检测能力下降。

当机动目标做匀加速运动时目标回波信号为线性调频(Linear Frequency Modulation，LFM)信号。对LFM信号的参数检测与估计可以采用最大似然估计(Maximum Likelihood，ML)和时频分析等经典方法。其中ML方法是一种最有效的估计方法，其估计精度很高，对参数的估计方差接近于Cramer-Rao下界，但其缺点是运算量很大，并且该方法的参数估计模型是在高斯白噪声环境下进行的，而在实际情况中，噪声往往是色噪声，因此ML方法不利于在实际情况中进行实时处理和工程实现。近年来，基于各种时频分析工具的LFM信号的检测与参数估计方法不断出现，包括短时Fourier变换(STFT)，Wigner-Ville分布(WVD)和分数阶Fourier变换(FRactional Fourier Transform，FRFT)等。其中STFT是利用滑动窗函数对Fourier变换进行的简单扩展，即用窗函数对信号在时间上截取一段后再作Fourier变换，但STFT的时频分辨率会受到观察窗的影响，因而分辨率不高。WVD是一种时频分辨率最高的双线性时频分布。但由于WVD是非线性的，因此当信号包含多分量成分时，WVD会存在交叉项干扰，因此严重地干扰着人们对信号时频特性的解释。FRFT是一种一维的线性变换，在检测多个机动目标时它不会像WVD那样产生交叉项，而且其数值计算可借助快速傅立叶变换(FFT)快速实现，计算简单，易于实现，因此受到了广泛重视。但是，利用FRFT来估计机动目标参数时需要较多的采样点数，因此该类方法在地基雷达和合成孔径雷达(Synthetic Aperture Radar，SAR)中应用比较广泛(地基雷达和SAR发射脉冲数较多)。而当机载预警雷达的脉冲重复频率一定时，较多的采样点数意味着CPI加长，这会引起杂波和目标的距离走动，给后续处理带来更大困难，因此直接利用时频分析方法来检测空中机动目标会出现估计精度较差的问题。

发明内容

为了解决上述问题，本发明的目的在于提供一种能够提高参数估计精度的机载雷达机动目标检测新方法。

为了达到上述目的，本发明提供的基于重构信号和时间采样的空中机动目标检测方法包括按顺序进行的下列步骤：

1)对机载预警雷达接收到的总回波数据进行杂波抑制的S1阶段；

2)估计目标回波幅度的S2阶段；

3)确定目标参数二维搜索范围的S3阶段；

4)对多阵元数据重构时间采样，构造代价函数，得到目标参数估计结果的S4阶段。

在步骤1)中，所述的对机载预警雷达接收到的总回波数据进行杂波抑制的方法是利用子空间投影技术对机载预警雷达接收到的总回波数据进行杂波抑制，即将待检测单元数据投影到杂波子空间的正交子空间中，得到投影后的无杂波数据。

在步骤2)中，所述的估计目标回波幅度的方法是利用特征值分解方法进行。

在步骤3)中，所述的确定目标参数二维搜索范围的方法是利用快速解线调法粗略地估计出目标信号的初始速度和加速度，确定一个目标参数的二维搜索范围。