[發明專利]基于非線性最小二乘的空中機動目標檢測方法

無效

• 申請號: 201210057145.6
• 申請日: 2012-03-07
• 公開（公告）號: CN102608587A
• 公開（公告）日: 2012-07-25
• 發明（設計）人: 李海;王小寒;吳仁彪
• 申請（專利權）人: 中國民航大學
• 主分類號: G01S7/41
• 分類號: G01S7/41
• 代理公司: 天津才智專利商標代理有限公司 12108
• 代理人: 龐學欣

技術領域

本發明屬于雷達信號處理技術領域，特別是涉及一種基于非線性最小二乘(NLS)的空中機動目標檢測方法。

背景技術

以高空運動平臺為載體的機載預警雷達的可視范圍比地基雷達要大得多，是現代戰場上最重要的軍事傳感器之一。但是，由于其處于下視工作狀態，因此面臨著比地基雷達更復雜的地(海)雜波問題，使得對目標的檢測和參數估計變得十分困難。空時自適應處理(Space-Time?Adaptive?Processing，STAP)是一種有效的機載雷達地雜波抑制手段，傳統的STAP方法都是假設在相干處理時間(Coherent?Processing?Interval，CPI)內目標回波多普勒頻率恒定(即目標做勻速運動)，但是當目標進行變速、轉彎等機動飛行時，其在一個CPI內目標回波多普勒頻率會隨時間發生變化，即發生多普勒走動，使得傳統的STAP方法相參積累性能大大下降，從而導致目標檢測能力下降。

當機動目標做勻加速運動時目標回波信號為線性調頻(Linear?Frequency?Modulation，LFM)信號。對LFM信號的檢測與參數估計有最大似然估計(Maximum?Likelihood，ML)和時頻分析等經典算法。其中ML方法是一種最有效的估計方法，其估計精度很高，對參數的估計方差接近于Cramer-Rao下界，但其缺點是運算量很大，并且該方法的參數估計模型是在高斯白噪聲環境下進行的，而在實際情況中，噪聲往往是色噪聲，因此ML方法不利于在實際情況中進行實時處理和工程實現。利用時頻分析方法來估計機動目標參數時需要較多的采樣點數，因此該方法在地基雷達和合成孔徑雷達(Synthetic?Aperture?Radar，SAR)中應用比較廣泛(因為地基雷達和SAR發射脈沖數較多)。而當機載預警雷達的脈沖重復頻率一定時，較多的采樣點數意味著CPI加長，這會引起雜波和目標的距離走動，從而給后續處理帶來更大困難，因此直接利用時頻分析方法來檢測空中機動目標會出現估計精度較差的問題。

發明內容

為了解決上述問題，本發明的目的在于提供一種能夠提高參數估計精度的基于非線性最小二乘的空中機動目標檢測方法。

為了達到上述目的，本發明提供的基于非線性最小二乘的空中機動目標檢測方法包括按順序進行的下列步驟：

1)對雷達接收到的總回波數據進行雜波抑制的S1階段；

2)確定目標參數二維搜索范圍的S2階段；

3)構造目標信號模型的S3階段；

4)構造代價函數，估計參數結果的S4階段。

在步驟1)中，所述的對雷達接收到的總回波數據進行雜波抑制的方法是利用子空間投影技術對雷達接收到的回波數據進行雜波抑制，即將待檢測單元數據投影到雜波子空間的正交子空間中，得到投影后的無雜波數據。

在步驟2)中，所述的確定目標參數二維搜索范圍的方法是利用快速解線調法粗略地估計出目標信號的初始速度和加速度，確定一個目標參數的二維搜索范圍，為下一步構造目標信號模型做準備。

在步驟3)中，所述的構造目標信號模型方法是利用S2階段中確定的參數搜索范圍內的參數重新構造相控陣雷達的目標信號模型。

在步驟4)中，所述的構造代價函數，估計目標參數結果的方法是根據非線性最小二乘算法將S3階段中重構的目標信號模型與雜波抑制后的數據相匹配，構造代價函數，使其和雜波抑制后的數據具有最小的“平方和”距離，搜索代價函數最小值對應的參數作為估計結果。

本發明提供的基于非線性最小二乘的空中機動目標檢測方法是利用非線性最小二乘算法的思想，在一個參數搜索范圍內重構目標信號，然后采用非線性最小二乘算法將其與雜波抑制后的數據進行匹配，進而得到目標的參數估計結果。本發明方法具有目標檢測能力及參數估計結果精度高、估計性能較好等優點，尤其是在脈沖點數有限的情況下，依然能夠獲得很好的參數估計結果。

附圖說明

圖1為本發明提供的基于非線性最小二乘的空中機動目標檢測方法流程圖。

圖2為雜波抑制前總回波的功率譜。

圖3為雜波抑制后常規方法的功率譜。

圖4為本發明方法處理后的功率譜。

圖5為對加速度補償前后功率譜。

圖6(a)為初始速度均方根誤差隨信噪比變化曲線圖。

圖6(b)為加速度均方根誤差隨信噪比變化曲線圖。

具體實施方式

下面結合附圖和具體實施例對本發明提供的基于非線性最小二乘的空中機動目標檢測方法進行詳細說明。