基于CPT和RPF的空中高机动目标检测与参数估计

提出了一种基于三次相位变换(cubic phase transform,CPT)和重构相位函数(reconstructing phase function,RPF)的空中高机动目标参数估计方法。为了实现目标高阶参数的估计,该方法首先通过双线性变换求得接收信号的相位函数,实现信号降阶和待估参数的分离;然后利用多阵元采样重构参考阵元的相位函数,等效增加了参考阵元相位函数的时间采样,实现了参考相位函数的相干积累;最后进行参数估计。仿真结果表明,在输入信噪比较低、采样脉冲较少的情况下,该算法能够以较高的精度实现对高机动目标的参数估计。

一种低信噪比下稳健的ISAR平动补偿方法

远距离小目标/隐身目标逆合成孔径雷达成像在目标检测系统中具有重要作用,然而由于回波信号存在信噪比(Signal-to-Noise Ratio,SNR)低等问题,使得传统基于距离包络对齐的平动补偿方法失效;导致后续初相校正和方位聚焦处理性能急剧下降.针对该问题,本文提出一种低信噪比下参数化平动补偿方法.首先,将回波信号建模为多成分的多项式相位信号,并通过挖掘运动目标上所有散射体具有相同的平动历程这一先验信息,利用相位差分(Phase Differencing,PD)和Keystone变换将目标上所有散射体能量聚集到同一距离单元.然后,通过相干积累三次相位函数将该距离单元内的所有散射体能量集中到一个强点,进而估计出目标平动参数实现低SNR下平动补偿.最后,理论分析和实测数据实验验证了该方法的有效性.

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。