论文部分内容阅读
由于低空环境复杂、目标雷达散射截面积(Radar Cross Section,RCS)小以及目标运动特性复杂,传统雷达系统对于多旋翼无人机目标的探测能力极为有限,亟需掌握无人机目标雷达探测新理论与新方法。基于此,本文开展了多旋翼小型无人机目标雷达探测关键技术研究,本论文的主要工作和贡献主要包括以下几个方面:1.针对雷达回波微弱和低空环境杂波背景强等问题,本文引入了基于长时间多脉冲相参积累的多旋翼无人机目标雷达检测方法,并提出了基于参数对称瞬时自相关函数、Keystone变换和变尺度傅里叶变换(Parametric Symmetric Instantaneous Autocorrelation Function-Keystone Transform-Scaled Fourier Transform,PSIAF-KT-SFT)的匀加速运动目标相参积累算法。该方法首先利用PSIAF消除了长时间相参积累过程中由目标运动引入的二阶距离单元徙动和多普勒频率单元徙动,然后利用KT和SFT实现了剩余线性耦合校正,完成了目标回波能量的有效积累,增加了输出信噪比,提高了雷达对多旋翼无人机目标的检测性能,并且利用仿真数据和实测数据验证了算法的有效性。2.针对PSIAF-KT-SFT算法交叉干扰项引起的输出信噪比(Signal-to-Noise Ratio,SNR)损失、多目标检测性能差等问题,同时为了消除多普勒频率模糊,本文提出了Keystone变换和改进的广义Radon傅里叶变换(Keystone Transform and Modified Generalized Radon Fourier Transform,KT-MGRFT)与两步尺度变换和分数阶傅里叶变换(Two Steps Scaling and Fractional Fourier Transform,TSS-FrFT)两种线性相参积累算法。KT-MGRFT通过KT校正了线性距离单元徙动,然后利用MGRFT联合搜索距离、多普勒频率模糊系数和加速度,完成了剩余徙动校正和目标能量积累,进一步提高了雷达抗噪声能力,可以实现多目标和低SNR环境下无人机目标检测和运动参数估计。TSS-FrFT利用FrFT校正二阶距离和多普勒频率单元徙动,然后在距离多普勒域实现相参积累。相比于KT-MGRFT,TSS-FrFT还可以消除由于距离和速度联合搜索带来的盲速旁瓣效应,降低了雷达检测系统的虚警概率。3.针对具有复杂运动状态的无人机目标检测问题,一方面引入了高阶运动参数,建立了多项式运动模型和雷达回波信号模型,提出了一种高阶距离和多普勒频率单元徙动快速校正相参积累算法,该算法首先利用自相关函数消除了距离单元徙动,然后利用相位多项式变换(Polynomial-phase Transform,PPT)移除了高阶多普勒频率单元徙动,最后应用吕分布(Lv’s Distribution,LVD)实现了相参积累,理论分析与实验结果表明,该算法具有计算复杂度低、目标运动参数估计精度高等优点。另一方面,针对无人机目标在长时间相参积累过程中可能存在多个不同的运动状态,本文提出了一种多段运动相参积累算法,通过构建参考信号将其它运动状态补偿为初始运动状态,然后利用广义Radon傅里叶变换(Generalized Radon Fourier Transform,GRFT)实现了目标能量的相参积累,提高了雷达对于此类目标的检测性能。同时,本文利用邻近状态的初始距离、初始速度和起始时间状态转移关系式,降低了多段运动相参积累算法的计算复杂度。4.针对无人机目标识别以及悬停状态无人机目标检测问题,提出了一种基于旋翼叶片微动特征的无人机目标检测与微动参数估计方法。首先,本文建立了多旋翼叶片雷达回波模型,得到与旋翼叶片微多普勒特征相关的正弦型调制信号。然后,本文通过理论分析和实验结果指出雷达载波频率越高、叶片长度越长以及不同叶片的旋转初始角差值大小越接近π,不同叶片微多普勒频率差值的期望越大,越容易从时频分布中区分出不同叶片的回波信号。最后,基于旋翼叶片回波信号的微多普勒谱,并结合Hough-Radon变换(Hough-Radon Transform,HRT)和二维恒虚警率(Constant False Alarm Rate,CFAR)检测,实现了在参数域分离不同叶片回波信号,完成了无人机目标检测和微动参数提取。