機載雷達SAR-GMTI及非正側視線陣STAP技術研究.pdf_第1頁
已閱讀1頁,還剩122頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、地面運動目標指示(Ground Moving Target Indication,GMTI)作為戰(zhàn)場偵察的一部分是軍用機載監(jiān)視雷達所必須具備的一項基本功能,也是雷達信號處理領域中的一個重要問題。本文的研究工作主要圍繞多通道SAR/GMTI技術以及非正側視陣列結構下的STAP技術展開,主要內容及創(chuàng)新點如下:
  1.研究了基于樣本協(xié)方差矩陣特征分解的雙通道SAR動目標檢測技術。傳統(tǒng)的基于樣本協(xié)方差矩陣特征分解得到的動目標檢測量如第二

2、特征值、干涉相位及相似度,由于只利用了協(xié)方差矩陣的幅度和相位的單方面信息來實現(xiàn)慢動目標的檢測,因而其檢測效果并不理想。為此,本文在樣本協(xié)方差矩陣特征分解的基礎上,通過對上述三個參量進行有效組合,提出了兩種新的動目標檢測算法——橢圓檢測算法和第二特征值—干涉相位聯(lián)合檢測算法。前者是通過對干涉相位和相似度進行變換得到的動目標檢測量;后者是將雜波第二特征值和干涉相位聯(lián)合統(tǒng)計特性的研究結果用于慢動目標的檢測,與此同時,還結合了第二特征值、干涉相

3、位門限預處理。文中通過仿真及實測數(shù)據實驗對上述幾種動目標算法的性能進行了驗證與對比。
  2.對多通道SAR/GMTI通道盲均衡處理技術進行了研究。首先,建立了多通道SAR/GMTI回波信號模型;接著,對基于回波數(shù)據相關矩陣特征分解的通道盲均衡算法的基本工作原理進行分析,分析結果表明,該算法主要存在兩個缺點:一是收斂速度慢;二是算法的有效性受干擾信號的影響較大。針對算法收斂速度慢的缺點,論文提出了一種快速收斂的通道盲均衡算法。實測

4、數(shù)據的實驗結果表明,該算法可有效減少收斂所需的樣本數(shù)目,但與原通道盲均衡算一樣,該算法的有效性同樣會受干擾信號的影響?;诖?,在隨后的研究中,將中值估計方法引入到該算法中,又提出了一種新的對干擾信號魯棒的通道盲均衡算法,文中實測數(shù)據的實驗結果驗證了新算法的有效性。
  3.研究了多通道SAR動目標檢測技術以及速度估計。針對機載多通道SAR/GMTI系統(tǒng)及實測數(shù)據,提出一種新的地面慢動目標檢測算法。新算法利用多級維納濾波器實現(xiàn)多通道

5、SAR系統(tǒng)雜波抑制,同時結合對角加載技術和改進的自適應功率剩余非均勻檢測器,進一步改善SAR系統(tǒng)在非均勻環(huán)境下的動目標檢測性能,最后通過實測數(shù)據實驗對該算法的有效性和優(yōu)越性進行了驗證。隨后,介紹了兩種動目標徑向速度估計方法,分別是最大似然估計方法和基于稀疏恢復的動目標徑向速度估計方法,后者是新提出的一種動目標徑向速度估計方法,該方法將稀疏恢復理論應用到動目標的徑向速度估計中去,目的是為了提高系統(tǒng)對動目標徑向速度的估計精度。文中給出了上述

6、兩種動目標徑向速度估計方法的實測數(shù)據處理結果。
  4.研究了非正側視陣列結構下的STAP技術。首先,分析了非正側視陣列結構下雜波的分布特性;接著,對STAP技術的基本工作原理進行了研究;隨后,分析了兩種非自適應雜波距離相關性補償算法——多普勒頻移補償算法和角度—多普勒補償算法,并通過仿真實驗對兩種算法的補償性能進行了對比分析;在這之后,介紹了兩種自適應雜波距離相關性補償算法——自適應角度—多普勒補償算法和快速自適應角度—多普勒補

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論