对微弱线状分布目标的雷达检测方法

针对飞机尾流等空间分布式目标所具有的线性特征,提出一种基于Hough变换的微弱线状分布目标检测方法。首先描述了Hough变换直线检测的一般原理,推导建立了线状微弱分布式目标的雷达回波信号模型,给出了利用Hough变换技术对线状目标回波能量进行空域非相参积累的方法。结合某L波段典型雷达系统参数进行仿真实验,仿真结果表明该方法能够有效地实现对噪声图像中线状微弱分布式目标的检测。根据检测结果,利用逆Hough变换可以对目标空间位置进行较为准确的判断。     

高速机动目标长时间相参积累算法

在高速高机动目标的长时间相参积累过程中，跨距离单元和跨多普勒单元现象的出现会导致雷达回波增益急剧降低，进而影响雷达目标检测能力。针对上述问题，提出一种高效的长时间积累算法。该算法首先对脉压回波信号做keystone变换消除目标的距离走动，然后利用改进相参积累型平滑广义三阶相位函数与改进相参积累型平滑三阶相位函数分别完成对目标的二阶与一阶加速度的估计，最后使用De-chirp技术消除目标的高阶多普勒相位项，完成回波在距离-多普勒维度上的聚焦。由于所提算法利用了雷达回波的相参特性并通过恒定延迟引入机制，因此表现出优异的抗噪声性能与参数估计精度。仿真实验和理论分析都证实了所提算法的有效性与抗噪声鲁棒性。     

高机动小RCS目标长时间相参积累检测新方法

相参积累可以提高小雷达散射截面（radar cross section, RCS）目标的信噪比,但由于目标的高速高机动性,长时间相参积累会导致回波的越距离单元走动和越多普勒单元走动问题。首先建立了高机动小RCS目标的回波信号模型,并分析了目标回波信号的二维频域特性,在此基础上,提出了一种长时间相参积累检测新方法。基本思想是在距离频域方位时域利用Keystone变换,校正由一次相位引起的越距离单元走动问题,然后乘以二次相位补偿函数解决越多普勒单元走动问题,通过构造目标函数对补偿函数中的加速度进行搜索,获得的目标函数的最大值即为相参积累值。仿真结果验证了该算法的有效性。     

基于瞬时测频原理的高机动隐身目标检测算法

高速、高机动隐身飞行器严重压缩了防空导弹雷达导引头的探测威力,而通过增加相参积累时间提高导引头灵敏度是解决此问题的有效技术途径之一。提出一种基于瞬时测频原理的长时间相参积累算法,用于脉冲多普勒雷达导引头对隐身目标的检测。该算法将电子对抗领域成熟的瞬时测频技术创新应用于雷达导引头的目标检测过程中,通过对弹目相对加速度的盲估计,补偿回波信号中的二次项,使得因弹目相对加速度产生的频谱展宽问题得以解决。补偿后的回波信号相参积累时间得以增加,这使得导引头检测灵敏度随之提高。仿真条件下,此算法将导引头的截获灵敏度提高了12.5 dB,作用距离提升一倍有余。此算法还可以推广应用到弹目加加速度或者更高次项存在的情况。     

基于回波预处理和相参积累的C&I干扰抑制算法

C&I(chopping and interleaving)干扰是一种针对线性调频(linear frequency modulation, LFM)雷达的典型干扰样式, 干扰子信号调频斜率与雷达发射信号相同, 利用信号处理工具分离真实回波与干扰信号难度较大。针对该问题, 以LFM相参雷达抗自卫式C&I干扰为背景, 提出基于回波预处理和相参积累的干扰抑制算法。根据估计的回波时延, 设置距离窗截取受干扰回波段, 在此基础上, 通过对回波预处理, 改变不同重复周期内假目标的快时间位置分布, 通过相参积累实现干扰抑制。仿真试验表明, 所提算法能够有效抑制强干扰背景下的C&I干扰, 干扰抑制后真实目标检测概率大幅提高, 虚假目标数量明显减少。     

基于动态规划的雷达微弱目标检测

微弱目标检测和跟踪是雷达信号处理领域中一个急需解决的关键问题,提出了一种将相参积累与基于动态规划的检测前跟踪算法相结合的雷达微弱目标处理方法,在该算法中引入方向加权的思想,减小动态规划的能量扩散范围,并采用两级门限检测方法降低运算量。仿真数据和实际测试数据处理结果表明,此算法对雷达微弱目标的检测性能优于传统方法,可以有效实现低信噪比下目标的检测与跟踪,且其处理速度较传统检测前跟踪方法有一定提高,更利于工程应用。     

稀疏字典学习海面微弱动目标检测

针对强海杂波背景下微弱动目标信号提取困难、雷达检测性能差的问题，在稀疏表示理论的基础上，提出利用字典学习算法抑制海杂波、重构目标信号。该算法通过K类奇异值分解（K-singular value decomposition，K-SVD）算法学习海杂波和目标的稀疏域主成分特征，得到相应的学习字典，抑制海杂波并对目标信号稀疏重建，解决了以往固定字典与高海况下雷达回波匹配度低、目标信号提取效果差的问题；并通过算法参数的分析和优化，进一步提高了算法性能和工程实用性。基于实测数据的实验结果表明，相比传统检测方法，所提算法能够有效检测高海况下微弱动目标，显著提升检测性能。     

基于IRT的大动态反射系数微动目标检测算法

当雷达回波信号中同时存在强弱差异较大的微动目标时,弱反射目标分量常常会被噪声和强反射目标所掩盖,导致弱反射目标难以被检测。为解决该问题,提出一种大动态反射系数微动目标检测算法。首先该算法利用逆Radon变换(inverse Radon transform, IRT)来获取强微动分量的参数估计值,然后通过逐次消去强分量来增强弱分量,从而使得弱分量更容易被检测。本文算法能够实现反射系数差异较大的多个微动目标的检测,同时能够准确估计出其微动参数。仿真实验证明了本文算法的正确性，同时对本文算法的性能进行了分析。     

基于IRT的大动态反射系数微动目标检测算法

当雷达回波信号中同时存在强弱差异较大的微动目标时,弱反射目标分量常常会被噪声和强反射目标所掩盖,导致弱反射目标难以被检测。为解决该问题,提出一种大动态反射系数微动目标检测算法。首先该算法利用逆Radon变换(inverse Radon transform, IRT)来获取强微动分量的参数估计值,然后通过逐次消去强分量来增强弱分量,从而使得弱分量更容易被检测。本文算法能够实现反射系数差异较大的多个微动目标的检测,同时能够准确估计出其微动参数。仿真实验证明了本文算法的正确性，同时对本文算法的性能进行了分析。     

强海杂波背景下低速雷达目标的数字角跟踪

研究了信噪比对角跟踪的影响,针对相参体制的雷达,给出了在强海杂波背景下有效跟踪海面上低速运动目标的具体方法,并在基于ADSP 21161N的信号处理平台上实现了该算法。它利用多个回波脉冲作相参积累有效地改善了提取角误差的条件,即提高了雷达回波信噪比,大大提高了跟踪的稳定度和精度。仿真结果验证了它的有效性。     

目标回波不连通的慢速小目标探测方法

为了探测因杂波干扰强度大、目标回波微弱等原因,导致雷达操纵员将其误当成杂波点的慢速小目标。把连续多帧雷达图像进行长时间积累,针对多帧雷达图像积累中目标回波不连通的情况,提出了一种目标回波不连通的慢速小目标探测方法。引入最小外接矩形的长宽比Fj3占空比Fj2和像素值Fj1等3个参量,运用图像标记技术提取目标回波上述参量,利用Fj1去除大片连通目标回波对慢速小目标的干扰,通过Fj2和Fj3得到的信息值H(Aj)对目标回波进行分类处理。在每个分类域中,首先去除目标回波中间隔距离大于多帧积累时间内慢速小目标运动距离的目标回波,然后通过“慢速小目标的确定”实现对慢速小目标的有效探测,最后把每个分类域中慢速小目标探测结果进行合成得到最终的慢速小目标探测效果。仿真实验结果验证了该算法的有效性。     

基于Chirp Z变换的海面目标帧间非相参积累技术

为提升雷达对海面微弱目标的探测能力,提出基于Chirp Z变换的多圈扫描帧间非相参积累技术。首先,建立多圈扫描采用不同载频时的雷达回波信号模型。然后,提出基于Chirp Z变换的运动目标帧间多普勒校正和距离走动补偿方法,使得多圈扫描数据经过处理后,目标出现在相同的距离多普勒检测单元内,从而可以直接进行帧间的非相参积累,实现对微弱目标检测性能的提升。最后,结合仿真试验和实测数据,验证了所提方法的有效性。     

基于视觉对比度机制的红外弱小目标检测算法

针对红外图像中空天、海天等复杂背景及像素点噪声容易造成检测虚警的问题,提出一种基于视觉对比度机制的红外弱小目标检测算法。首先，通过新定义的局部对比度算子获取对比度增强的图像,该步骤可抑制背景杂波与像素点噪声对检测的干扰,提高图像的信杂比,增强目标区域的视觉显著性。然后,利用多尺度方法优化图像的显著区域,以增强算法的适用性,从而实现算法对不同尺寸的弱小目标的有效检测。最后,利用自适应阈值分割方法获取待检测的真实目标。实验结果表明,该算法无需图像预处理环节即可实现对不同尺寸的弱小目标的鲁棒性检测,对比常用算法具有快速性、高效性和较强的适用性。     

基于FRFT的天波雷达多机动目标检测

天波超视距雷达（over-the-horizon radar, OTHR）中,机动目标信号存在频谱扩展,导致目标检测性能下降。强的海杂波进一步增加了机动目标的检测难度。针对该问题,考虑到海杂波信号能量主要集中在零频附近,而且可以建模为一个自回归（auto-regressive, AR）过程,用AR滤波器抑制海杂波;考虑到机动目标信号近似为线性调频信号,而分数阶傅里叶变换(fractional Fourier transform, FRFT)能有效积累线性调频信号的能量,因此采用FRFT算法估计目标运动参数,实现机动目标检测;在此基础上用分级迭代的FRFT进一步降低运算量;针对多目标检测问题,用“CLEAN”方法逐个检测机动目标。仿真结果表明,与已有的离散多项式变换（discrete polynomial transform, DPT）算法相比,本文算法可以更好地适用于多目标检测;与Radon Wigner变换算法相比,本文算法可以达到更高的参数估计精度。