低信噪比下微弱多目標(biāo)信號(hào)檢測(cè)技術(shù).pdf

1、近年來(lái)，隨著對(duì)隱身技術(shù)不斷深入的研究，目標(biāo)的隱身性能大大增強(qiáng)，使得雷達(dá)探測(cè)系統(tǒng)對(duì)其的檢測(cè)能力急劇降低，給雷達(dá)帶來(lái)了嚴(yán)峻的考驗(yàn)。雖然檢測(cè)前跟蹤(TrackBefore Detect，TBD)技術(shù)能夠?qū)ξ⑷跄繕?biāo)進(jìn)行檢測(cè)跟蹤，但是現(xiàn)有的TBD算法只利用了目標(biāo)的幅度信息，沒(méi)有利用目標(biāo)的相位信息，導(dǎo)致檢測(cè)效率不高，所以必須在現(xiàn)有的TBD技術(shù)上充分利用相位信息來(lái)提高對(duì)目標(biāo)的檢測(cè)能力。
　　本文是在某航空科學(xué)基金項(xiàng)目的支持下，以強(qiáng)噪聲條件下微弱

2、目標(biāo)為研究主體，主要研究了相參檢測(cè)前跟蹤算法，主要的工作與創(chuàng)新內(nèi)容如下：
　　介紹了近年來(lái)國(guó)內(nèi)外在微弱目標(biāo)檢測(cè)技術(shù)方面的研究動(dòng)態(tài)、檢測(cè)后跟蹤技術(shù)（Detect Before Track，DBT）以及TBD技術(shù)；接著介紹了經(jīng)典的非相參TBD算法并針對(duì)其沒(méi)有充分利用目標(biāo)的相位信息而導(dǎo)致在信噪比較低的情況下檢測(cè)概率低的不足引入了相參TBD算法；然后介紹了用于提高算法實(shí)時(shí)性的基于CUDA編程的并行化計(jì)算技術(shù)；最后針對(duì)目標(biāo)的稀疏特性介紹了壓

3、縮傳感技術(shù)。其中，重點(diǎn)研究了基于KEYSTONE變換（KT）的相參TBD算法，建立了多目標(biāo)運(yùn)動(dòng)模型與雷達(dá)回波模型并在此基礎(chǔ)上分析了傳統(tǒng)KT的原理，給出了距離向與方位向的函數(shù)表達(dá)式以及距離向與方位向的分辨率公式，然后介紹了基于傳統(tǒng)KT的相參TBD算法（TKTA-TBD）并通過(guò)仿真驗(yàn)證了其優(yōu)良的檢測(cè)性能。
　　提出了一種快速KEYSTONE變換（FKT）并應(yīng)用到TBD算法中：首先針對(duì)傳統(tǒng)KT在時(shí)域利用sinc插值進(jìn)行尺度變化而導(dǎo)致運(yùn)算

4、速度慢的問(wèn)題，F(xiàn)KT從KT公式入手，對(duì)信號(hào)的任一周期求離散逆傅里葉變換，利用尺度變換公式、快速傅里葉變換與快速逆傅里葉變換來(lái)提高運(yùn)算效率，從而大大提高了算法的實(shí)時(shí)性；并可以通過(guò)選擇適當(dāng)?shù)淖儞Q周期來(lái)獲得感興趣的檢測(cè)區(qū)域，從而提升對(duì)目標(biāo)檢測(cè)效率；然后提出了基于FKT的相參TBD算法（FKTA-TBD），該算法在保證了與TKTA-TBD具有相同的檢測(cè)性能的同時(shí)，針對(duì)具體的目標(biāo)設(shè)置更合適的檢測(cè)范圍，提高算法效率與檢測(cè)性能；最后利用基于 CUDA

5、編程的 GPU并行化計(jì)算技術(shù)對(duì)FKTA-TBD進(jìn)行并行優(yōu)化，顯著地提高了算法的實(shí)時(shí)性。
　　提出了基于壓縮傳感與 KT相結(jié)合的相參 TBD算法（ CSKTA-TBD）：CSKTA-TBD首先利用FKTA-TBD在一定程度上提高信噪比，再利用目標(biāo)的稀疏性以及目標(biāo)信號(hào)和噪聲信號(hào)的不相關(guān)性，通過(guò)壓縮傳感技術(shù)對(duì)目標(biāo)信號(hào)進(jìn)行重構(gòu)得到結(jié)果。首先，針對(duì)FKTA-TBD處理后仍然存在大量由噪聲積累形成的虛假目標(biāo)的問(wèn)題，該算法能夠進(jìn)一步消除虛假目標(biāo)

6、，大大地提高了信噪比；其次，針對(duì)方位向上回波不連續(xù)而導(dǎo)致較高旁瓣，從而形成虛假目標(biāo)的問(wèn)題，該算法能夠消除旁瓣，提高目標(biāo)的分辨率，從而大大提高了對(duì)多目標(biāo)的檢測(cè)能力。
　　提出了一種時(shí)域相參TBD算法——基于改進(jìn)動(dòng)態(tài)規(guī)劃與后向投影的相參TBD算法：該算法首先提出了一種改進(jìn)動(dòng)態(tài)規(guī)劃算法，該算法利用目標(biāo)的先驗(yàn)信息以及已經(jīng)規(guī)劃的前幾幀信息來(lái)對(duì)目標(biāo)的運(yùn)動(dòng)軌跡進(jìn)行估計(jì)；然后將利用后向投影算法對(duì)目標(biāo)可能的運(yùn)動(dòng)航跡進(jìn)行相參積累來(lái)完成對(duì)微弱目標(biāo)的檢測(cè)