单脉冲PD雷达弱小目标检测算法研究

论文摘要

现代战争中大量使用隐身飞机、反辐射导弹、巡航导弹等飞行器。它们的雷达回波能量比传统飞行器微弱得多，信噪比很低，传统的检测算法难以获得满意的检测性能。通过增大发射功率、提高天线孔径的方法虽然可以改善信噪比，但是具体实现上会受到诸多现实条件的限制，工程实现难度很大，甚至不可行。因此，从频域、时域、空域挖掘目标更多有用信息，并通过先进的信号处理实现弱小信号的检测成为必要的技术途径。本文针对单脉冲PD雷达弱小目标检测问题，充分挖掘了雷达三个通道中的信息，并综合利用有助于区分目标和噪声的信息（如角误差、复角相位、航迹等）进行了检测判决，有效提高了雷达的检测能力。本文的主要内容包括以下几个方面。绪论部分在介绍课题背景及研究意义的基础上，简要介绍了单脉冲和PD雷达的概念及其工作原理，并阐述了国内外研究现状及研究动态。第二章为单脉冲PD雷达信号检测的基本方法。在给出单脉冲PD雷达回波信号接收模型的基础上，介绍了该体制下的信号检测典型流程；分析总结了噪声背景下弱小目标检测技术的特点，提出了解决问题的几种可能方法和思路。第三章为差通道信息辅助的弱小目标检测算法。首先，分析了单脉冲体制下测角误差的分布特性，探讨了增大目标信号和噪声角误差分布差异的可能途径；然后，利用角误差分布差异特征构造了检验统计量，并在非相参积累检测算法的基础上，增加了检验统计量辅助检测支路，仿真结果表明新算法在一定程度上提高了非相参积累检测算法的性能。差通道中除了角误差信息外，还存在复角相位信息，这也是目标有用信息之一。因此，本章还设计了以归一化的信号幅度、角误差和复角相位为输入的神经网络目标检测算法。该算法试图综合利用雷达三通道有用信息，通过概率神经网络强大的分类能力达到更好的区分目标和噪声的目的。仿真结果表明该算法与非相参积累检测算法相比具有更优的性能。第四章为基于DP-TBD的高重频PD雷达检测算法。首先，介绍了目标运动模型和观测模型；然后，阐述了基于动态规划的TBD算法原理及流程，并提出了高重频模式下的DP-TBD算法；最后，结合第三章中的角误差信息，设计了在角误差-多普勒-时间三维空间上的DP-TBD算法，仿真结果表明新算法能进一步提高检测性能。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状及研究动态
• 1.3 本文研究的主要内容
• 第二章 单脉冲 PD雷达信号检测基本理论
• 2.1 引言
• 2.2 雷达信号检测基本理论
• 2.2.1 噪声中的信号检测
• 2.2.2 奈曼皮尔逊准则（N P 准则）
• 2.3 单脉冲 PD 雷达信号检测的典型流程
• 2.3.1 单脉冲 PD 雷达回波信号接收模型
• 2.3.2 非相参积累检测算法
• 2.3.3 二进制积累检测算法
• 2.4 雷达弱小目标检测技术途径分析
• 2.5 本章总结
• 第三章 基于差通道信息辅助的弱小目标检测算法
• 3.1 引言
• 3.2 角误差特征辅助的双门限检测算法
• 3.2.1 角误差分布特征分析
• 3.2.2 检验统计量的构造及门限确定
• 3.2.3 角误差特征辅助的双门限检测算法
• 3.3 复合特征辅助的神经网络目标检测算法
• 3.3.1 神经网络
• 3.3.2 复合特征向量构造
• 3.3.3 复合特征辅助的神经网络的目标检测算法
• 3.4 本章总结
• 第四章 基于 DP-TBD的高重频 PD雷达检测算法
• 4.1 引言
• 4.2 高重频模式下的 DP TBD 算法
• 4.2.1 目标运动模型和观测模型
• 4.2.2 基于动态规划的 TBD 算法
• 4.2.3 高重频模式下的 DP TBD 算法
• 4.3 角误差特征辅助的 DP TBD 检测新算法
• 4.4 本章总结
• 第五章 总结与展望
• 5.1 本文总结
• 5.2 下一步工作展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果