雷达鸟类目标微多普勒贝叶斯增强算法

针对传统恒虚警率(constant false-alarm rate, CFAR)方法难以探测鸟类目标的问题，提出一种基于时频(time-frequency, TF)域鸟类目标微多普勒贝叶斯增强算法。首先，以鸟类目标扑翼模型为基础，建立雷达回波信号及微多普勒模型。其次，考虑短时傅里叶变换(short-time Fourier transform, STFT),对回波信号进行时频分析。针对STFT加窗操作影响分辨率及其对杂波敏感的问题，引入广义高斯分布对先验自适应建模，在贝叶斯推理方式下实现时频域微多普勒特征增强。考虑到目标非多普勒特征非平滑，后验分布计算困难，提出用近端未调整朗之万算法(proximal unadjusted Langevin algorithm, P-ULA)进行高效求解。仿真及实测实验数据表明，所提算法不仅能够有效抑制背景噪声，而且可以在一定程度上保留微多普勒特征的连续性。