亚星游戏官网-www.yaxin868.com

专利名称：基于最优处理器的机动目标检测方法
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最优处理器的机动目标检测方法。
背景技术：
空中目标的发展趋势是机动性能越来越好，加速机动飞行已成为目标突防的主要手段之一。机载相控阵预警雷达对要检测的目标，其可视距离要比地基雷达远得多，大大增加了雷达提供的预警时间；同时相控阵雷达可同时形成能够灵活控制的多波束，使机载雷达的目标探测性能、可靠性大大提高。但是机载相控阵雷达与地基雷达相比，面临着更复杂的地(海)杂波问题。目前应用最广泛的机载相控阵雷达地杂波抑制技术是空时自适应处理 (Space-Time Adaptive Processing, STAP)，它能够形成与杂波匹配的斜凹口，有效地抑制杂波并大大改善系统的检测性能。当目标进行变速、转弯等机动飞行时，在一个相干处理时间(Coherent Processing Interval, CPI)内目标回波多普勒随时间变化，即发生多普勒走动，目标能量扩散到不同多普勒单元内，不能再看作是平稳信号。然而，目前应用最广泛的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(即目标为勻速运动)。机动目标的回波多普勒时变导致STAP难以实现对目标能量的相参积累，从而导致目标检测性能下降。目前，在机动情况下(即存在多普勒走动情况下)的动目标检测方法，大部分是基于超视距雷达和连续波雷达等地基雷达的。相对于机载雷达，地基雷达接收的杂波形式简单许多。地基雷达在检测空中动目标时，杂波主要为建筑物、山、树等固定杂波信号，固定杂波的中心频率位于零频，很容易设计滤波器将其消除，如目前经典的雷达动目标检测(MTD) 技术。然而，这些方法在机载雷达信号数据模型下不再适合。

发明内容
本发明为解决公知技术中存在的技术问题而提供一种基于最优处理器的机动目标检测方法。本发明的目的是提供一种具有方法简单，采用修正的导向矢量对机动目标的初速度和加速度同时匹配实现相干积累，目标能量重新聚集到一个多普勒分辨单元内，具有目标回波信噪比显著提高，目标检测性能增强等特点的基于最优处理器的机动目标检测方法。本发明基于修正最优处理器的机动目标检测方法，充分考虑机动目标多普勒线性时变的特点，对最优处理器中的目标匹配导向矢量进行修正，修正的最优处理器能够实现机载相控阵雷达对机动目标的高效检测。本发明基于最优处理器的机动目标检测方法所采取的技术方案
一种基于最优处理器的机动目标检测方法，其特点是机动目标检测是基于STAP最优处理器的机动目标检测算法，通过修正STAP最优处理器权矢量进行机载雷达机动目标的检测，包括以下步骤
(1)基于机载相控阵雷达杂波特性和机动目标特性，建立机载相控阵雷达接收的机动目标回波数据模型；
(2)利用与被检测距离单元邻近的风个参考单元的数据估计杂波协方差矩阵；
(3)修正STAP最优处理器中的目标匹配导向矢量；
(4)利用修正的目标匹配导向矢量计算修正最优处理器的权矢量；
(5)利用修正的自适应恒虚警检测器检测机动目标。本发明基于最优处理器的机动目标检测方法还可以采取如下技术方案 所述的基于最优处理器的机动目标检测方法，其特点是机载相控阵雷达接收的机动
目标回波数据，包含多普勒走动。所述的基于最优处理器的机动目标检测方法，其特点是参考单元的数据估计杂波协方差矩阵，是通过选取巧个相互独立同分布的参考单元数据，按照统计方法估计得到的。所述的基于最优处理器的机动目标检测方法，其特点是修正STAP最优处理器中的目标匹配导向矢量，是将STAP最优处理器中的目标匹配导向矢量中加入加速度项，对机动目标的初速度和加速度同时匹配实现相干积累。所述的基于最优处理器的机动目标检测方法，其特点是计算修正最优处理器的权矢量，是将估计杂波协方差矩阵的逆矩阵与步骤C3)重构出的目标匹配导向矢量相乘计算得到的。所述的基于最优处理器的机动目标检测方法，其特点是利用修正的自适应恒虚警检测器检测机动目标时，恒虚警检测器检验统计量相当于修正STAP最优处理器输出模的平方对输出剩余杂波和噪声功率归一化。本发明具有的优点和积极效果是
基于最优处理器的机动目标检测方法由于采用了本发明全新的技术方案，是针对常规的STAP最优处理器对机动目标检测性能差而提出的一种目标检测方法；与现有技术相比， 本发明采用修正的导向矢量(在常规导向矢量中加入加速度项)对机动目标的初速度和加速度同时匹配实现相干积累，这样由于加速度引起的多普勒走动就得到补偿，目标能量重新聚集到一个多普勒分辨单元内，目标回波信噪比显著提高，目标检测性能增强。


图1是基于修正最优处理器的机动目标检测方法流程图； 图2是机动目标功率谱图3是修正最优处理器补偿后的机动目标功率谱图4是理想最优处理器(常规最优处理器检测勻速目标)、常规最优处理器(常规最优处理器检测机动目标)和修正最优处理器的改善因子比较；
图5是不同方法(即常规最优处理器和修正最优处理器)目标速度估计性能随加速度变化曲线图；图6是利用AMF检验统计量直接对机动目标进行CFAR检测的结果图； 图7是基于修正最优处理器的AMF检测器对机动目标进行CFAR检测的结果图； 图8是不同方法(即常规最优处理器和修正最优处理器)速度估值均方根误差随信噪比变化曲线图9是修正最优处理器方法估计的加速度均方根误差随信噪比变化曲线与CRB比较结果示意图。
具体实施例方式为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下
实施例1
参照附图1至图9。本发明的基于最优处理器的机动目标检测方法，是基于STAP最优处理器的机动目标检测算法，通过修正STAP最优处理器权矢量来实现机载雷达机动目标的检测，包括有以下步骤
第一步基于机载相控阵雷达杂波特性和机动目标特性，建立机载相控阵雷达接收的机动目标回波数据模型；
本发明中雷达天线为均勻线阵结构，也可以是面阵经微波合成后的等效线阵，天线阵
元数目为Af，阵元间距为d = 0.5... , 表示雷达工作波长，相干处理间隔内有Γ个脉冲，
为第《个阵元在第λ个脉冲上对应的复采样值，则每一距离门上的接收数据可以写做一个
I^xI的矩阵如下式
X
% xU
^21 无22 … Χ2Κ
_xm %2x 」(l)
将(1)式中的数据矩阵X按列排成一个的列向量，可记为X=Mc(X)，就形成了一个空时快拍数据，它包含不需要的杂波、噪声和待检测的机动目标信号，即
x = Wx,(I)
其中，Xjm , Xi和分别表示数据中的目标、杂波和噪声成份。机动目标的空时快拍数
据Xa 可以写成
l^Wt- D =衫哗t)(1)
式中巧=cos&}/A为目标的空间归一化角频率，由目标所处的方位角钱、雷达波长 Λ决定。= 2π/Α/χ为目标的时间归一化角频率，由机动目标多普勒频率和系统脉冲重复频率(Pulse R印etition Frequency, PRF) J；所决定。初速度为、加速度力，的机动目标多普勒频率
权利要求
1.一种基于最优处理器的机动目标检测方法，其特征是机动目标检测是基于STAP最优处理器的机动目标检测算法，通过修正STAP最优处理器权矢量进行机载雷达机动目标的检测，包括以下步骤(1)基于机载相控阵雷达杂波特性和机动目标特性，建立机载相控阵雷达接收的机动目标回波数据模型；(2)禾I—郷_7^ 《个参考单元的数据估计杂波协方差矩阵；(3)修正STAP最优处理器中的目标匹配导向矢量；(4)利用修正的目标匹配导向矢量计算修正最优处理器的权矢量；(5)利用修正的自适应恒虚警检测器检测机动目标。
2.根据权利要求1所述的基于最优处理器的机动目标检测方法，其特征是机载相控阵雷达接收的机动目标回波数据，包含多普勒走动。
3.根据权利要求1所述的基于最优处理器的机动目标检测方法，其特征是参考单元的数据估计杂波协方差矩阵，是通过选取^个相互独立同分布的参考单元数据，按照统计方法估计得到的。
4.根据权利要求1所述的基于最优处理器的机动目标检测方法，其特征是修正STAP 最优处理器中的目标匹配导向矢量，是将STAP最优处理器中的目标匹配导向矢量中加入加速度项，对机动目标的初速度和加速度同时匹配实现相干积累。
5.根据权利要求1所述的基于最优处理器的机动目标检测方法，其特征是计算修正最优处理器的权矢量，是将估计杂波协方差矩阵的逆矩阵与步骤C3)重构出的目标匹配导向矢量相乘计算得到的。
6.根据权利要求1所述的基于最优处理器的机动目标检测方法，其特征是利用修正的自适应恒虚警检测器检测机动目标时，恒虚警检测器检验统计量相当于修正STAP最优处理器输出模的平方对输出剩余杂波和噪声功率归一化。
全文摘要
本发明涉及一种基于最优处理器的机动目标检测方法。本发明属于雷达信号处理技术领域。一种基于最优处理器的机动目标检测方法，基于STAP最优处理器的机动目标检测算法，通过修正STAP最优处理器权矢量进行机载雷达机动目标的检测，包括以下步骤(1)基于机载相控阵雷达杂波特性和机动目标特性，建立机载相控阵雷达接收的机动目标回波数据模型；(2)利用与被检测距离单元邻近的个参考单元的数据估计杂波协方差矩阵；(3)修正STAP最优处理器中的目标匹配导向矢量；(4)利用修正的目标匹配导向矢量计算修正最优处理器的权矢量；(5)利用修正的自适应恒虚警检测器检测机动目标。本发明具有方法简单，目标回波信噪比显著提高，机动目标检测性能增强等优点。
文档编号G01S7/41GK102288949SQ20111012378
公开日2011年12月21日 申请日期2011年5月13日 优先权日2011年5月13日
发明者吴仁彪, 李海, 王冬梅 申请人:中国民航大学