变速平台STAP的数据域补偿方法

空时自适应处理(space-time adaptive processing,STAP)是抑制因平台运动导致谱展宽的地物杂波的有效技术,近三十年来受到广泛关注,其中平台运动通常假设为匀速。分析了变速平台情况下地物回波多普勒谱特性,相比传统匀速平台情况,杂波回波的多普勒谱展宽更严重,且展宽程度与阵列面向、散射点位置以及脉冲积累均有关;因此,变速平台情况下,直接采用传统的STAP方法,其杂波抑制性能,尤其是在主杂波区的性能变差,严重降低慢速目标检测性能。对此,提出一种基于数据域的补偿方法,通过构造补偿矩阵抑制加速度在相位上产生的增量,从而抑制杂波的多普勒谱展宽。仿真结果表明,所提方法可使杂波多普勒谱变窄、STAP的杂波抑制改善因子提高,尤其慢速目标的检测性能明显提高。     

高超声速目标雷达回波脉内运动模型

针对线性调频脉冲压缩雷达体制下高超声速目标回波信号建模问题,采用目前常用的停走模型,由于忽略了目标在一个脉冲持续时间内（简称脉内）的运动,不能真实反映目标回波特点,高超声速目标回波信号的脉冲压缩输出存在较严重的主瓣偏移并展宽的问题,严重影响目标信号的积累与检测。对此,提出了高超声速目标回波信号的脉内运动模型,理论分析和数值仿真均表明了高超声速目标的回波信号采用脉内运动模型的必要性。在典型参数下,采用脉内运动模型比采用停走模型的脉冲压缩增益提高3 dB以上。