[發明專利]一種高速彈載雷達目標相參積累方法

在審

• 申請號: 201710170567.7
• 申請日: 2017-03-21
• 公開（公告）號: CN107064927A
• 公開（公告）日: 2017-08-18
• 發明（設計）人: 文才;閆青;彭進業
• 申請（專利權）人: 西北大學
• 主分類號: G01S13/88
• 分類號: G01S13/88
• 代理公司: 北京國坤專利代理事務所(普通合伙)11491
• 代理人: 郭偉紅

技術領域

本發明屬于雷達技術領域，涉及基于慣導數據的運動補償的方法，具體地說是通過補償徑向速度以及徑向加速度消減距離走動以及多普勒擴展現象，提高目標回波的積累能量。

背景技術

在經濟持續增長的今天，國防發展在科技發展中占據了重要的地位，強有力的國防力量是國家繁榮昌盛的重要保證。在對海打擊中，超音速導彈憑借其突防能力強的特點占據了重要的地位，有著廣闊的應用前景，但是超高的飛行速度會給雷達導引頭的目標檢測帶來一系列問題。

在雷達制導系統中，Chirp信號是一種常用的發射脈沖信號，其工作原理是通過發射的寬脈沖信號和目標回波信號進行匹配壓縮得到窄Sinc包絡。目標檢測中，由于單個脈沖的回波能量有限，還需對壓縮所得的Sinc包絡進行相參積累來進一步提高信噪比。相參積累過程中，導彈高速運動會引起回波包絡在不同脈沖重復周期之間發生走動，使得回波能量難以聚焦。當存在加速度或其他高次運動項時，回波信號的相位不再一致，能量會擴散到不同多普勒通道中，積累性能也會受到影響。為了提高目標回波的積累性能，需要對彈目之間的相對運動進行補償。

目前，對于運動補償方面的研究主要集中在包絡對齊和相位補償兩個方面。對于包絡對齊方法來說，刑盂道等人在2000年提出了基于范數1距離最小準則以及最小熵的方法，在減小計算量的同時能夠對游動部件回波能達到比較好的對齊效果；王婷婷等人在2006年提出了包絡插值移位法，來解決包絡走動帶來的相積累性能的下降問題，證實了該方法能夠在低信噪比的條件下較長時間的實現有效積累，但是與此同時插值算法帶來了巨大的計算量，雖然在包絡對齊精度方面做的很出色，在一定程度上也降低了算法的效率；李春林等人在2013年使用Keystone變換來補償距離走動帶來的影響，但是Keystone也同樣存在低信噪比下估計精度不佳的問題。

對于相位補償方法，Xiang-Xia在2000年提出了Chirp-Fourier方法對離散的二次調頻信號進行離散的Chirp-Fourier變換(DCFT，Discrete Chirp-Fourier Transform)能夠使得結果最優；Guan J等人在2012年提出了自適應分數階傅里葉變換方法來解決移動目標檢測的問題；崔剛等人針對LFM信號解調算法耗時長，以及在低信噪比的情況下出現誤判的問題，提出了一種基于二分法的LFM調頻斜率估計方法，實驗證明該方法能夠有效的提高算法的可實施性，大大降低了算法的運算時間。

針對相參積累中存在的運動補償問題，需要兼顧補償精度和運算量。目前基于回波信息的補償算法在簡單的運動模型中有著較高的補償精度，但在實際應用中，由于彈體與目標之間運動關系相對復雜，這些算法的性能會受到很大影響，同時高補償精度帶來的大運算量也會成為制約因素。因此在實際應用中，基于回波信息的補償算法多用于實時性要求不高的系統當中。

發明內容

本發明的目的在于針對上述已有技術的基礎上進一步研究相參積累中存在的運動補償問題，提出一種高精度、高數據率的基于慣導數據的運動補償方法。通過運動補償能夠解決徑向速度帶來的距離走動以及徑向加速度帶來的多普勒擴展。

實現本發明目的的技術方案是：首先將原始的快時間數據變換到頻域當中進行處理，通過慣導數據計算出速度補償相位，對速度進行運動補償，再變回時域中用慣導數據中得到的加速度補償相位對加速度進行補償。其具體過程包括：計算第m個原始快時間數據，并對所述第m個原始快時間數據進行傅里葉變換，得到所述第m個原始快時間數據的頻譜；根據慣導速度信息計算出速度補償相位，并對所述第m個原始快時間數據的頻譜進行速度補償；將速度補償后的第m個原始快時間數據的頻譜進行逆傅里葉變換，得到第m個快時間數據；根據慣導加速度信息計算出加速度補償相位，并對所述第m個快時間數據進行加速度補償；將補償后的各個快時間數據進行多脈沖積累得到積累信號。

本發明與現有技術相比具有以下優點：

1.本發明以勻加速運動為例，通過對回波包絡項分析，發現其中v為徑向速度，C為光速，B為信號帶寬，N為累計脈沖數，T_r為脈沖重復周期，若當徑向速度超出了上述約束，回波包絡會出現較為嚴重的越距離走動現象，影響相參積累效果；對回波相位項分析發現多普勒擴展主要取決于徑向速度和徑向加速，因此只需要對徑向速度和徑向加速度進行運動補償，就能很好的提高目標回波的積累性能，提高了系統的可實施性，與已有的方法相比較能夠更有效的減少算法所消耗的時間。