高速机动目标长时间相参积累和参数估计算法研究

长时间相参积累是提高雷达探测性能的重要技术之一。在高速高机动目标的长时间积累过程中引起的距离走动、距离弯曲、多普勒频率走动与多普勒频率弯曲效应会带来严重的积累信噪比(signal-to-noise ratio,SNR)损失,进而使得噪声背景下雷达难以有效发现探测目标的存在。针对上述问题,提出了一种针对高速机动目标的参数化长时间积累算法。首先,使用keystone变换(keystone transform,KT)校正了线性距离走动。然后,使用相参积累型修正三阶相位函数(coherently integrated modified cubic phase function,CIMCPF)与相参积累型修正高阶模糊函数(coherently integrated modified high-order ambiguous function,CIMHAF)算法分别完成了对一阶和二阶加速度的参数估计。得益于CIMCPF与CIMHAF对信号相参特性的利用,该算法在低信噪比下依然有效。同时,由于没有对参数网格搜索的过程,算法的计算复杂度也较低。仿真实验与分析证实了所提算法的优异性能。