基于非线性最小二乘的空中机动目标检测方法技术

一种基于非线性最小二乘的空中机动目标检测方法。其包括：1)对雷达接收到的总回波数据进行杂波抑制；2)确定目标参数二维搜索范围；3)构造目标信号模型；4)构造代价函数，估计参数结果等阶段。本发明专利技术提供的基于非线性最小二乘的空中机动目标检测方法是利用非线性最小二乘算法的思想，在一个参数搜索范围内重构目标信号，然后采用非线性最小二乘算法将其与杂波抑制后的数据进行匹配，进而得到目标的参数估计结果。本发明专利技术方法具有目标检测能力及参数估计结果精度高、估计性能较好等优点，尤其是在脉冲点数有限的情况下，依然能够获得很好的参数估计结果。

【技术实现步骤摘要】

本专利技术属于雷达信号处理
，特别是涉及一种基于非线性最小二乘(NLS) 的空中机动目标检测方法。
技术介绍
以高空运动平台为载体的机载预警雷达的可视范围比地基雷达要大得多，是现代战场上最重要的军事传感器之一。但是，由于其处于下视工作状态，因此面临着比地基雷达更复杂的地(海)杂波问题，使得对目标的检测和参数估计变得十分困难。空时自适应处理(Space-Time Adaptive Processing, STAP)是一种有效的机载雷达地杂波抑制手段,传统的STAP方法都是假设在相干处理时间(Coherent Processing Interval, CPI)内目标回波多普勒频率恒定(即目标做匀速运动)，但是当目标进行变速、转弯等机动飞行时，其在一个CPI内目标回波多普勒频率会随时间发生变化，即发生多普勒走动，使得传统的STAP 方法相参积累性能大大下降，从而导致目标检测能力下降。当机动目标做勻加速运动时目标回波信号为线性调频(Linear Frequency Modulation, LFM)信号。对LFM信号的检测与参数估计有最大似然估计(Maximum Likelihood, ML)和时频分析等经典算法。其中ML方法是一种最有效的估计方法，其估计精度很高，对参数的估计方差接近于Cramer-Rao下界，但其缺点是运算量很大，并且该方法的参数估计模型是在高斯白噪声环境下进行的，而在实际情况中，噪声往往是色噪声，因此ML方法不利于在实际情况中进行实时处理和工程实现。利用时频分析方法来估计机动目标参数时需要较多的采样点数，因此该方法在地基雷达和合成孔径雷达(Synthetic Aperture Radar, SAR)中应用比较广泛(因为地基雷达和SAR发射脉冲数较多)。而当机载预警雷达的脉冲重复频率一定时，较多的采样点数意味着CPI加长，这会引起杂波和目标的距离走动，从而给后续处理带来更大困难，因此直接利用时频分析方法来检测空中机动目标会出现估计精度较差的问题。
技术实现思路
为了解决上述问题，本专利技术的目的在于提供一种能够提高参数估计精度的。为了达到上述目的，本专利技术提供的包括按顺序进行的下列步骤I)对雷达接收到的总回波数据进行杂波抑制的SI阶段；2)确定目标参数二维搜索范围的S2阶段；3)构造目标信号模型的S3阶段；4)构造代价函数，估计参数结果的S4阶段。在步骤I)中，所述的对雷达接收到的总回波数据进行杂波抑制的方法是利用子空间投影技术对雷达接收到的回波数据进行杂波抑制，即将待检测单元数据投影到杂波子空间的正交子空间中，得到投影后的无杂波数据。在步骤2)中，所述的确定目标参数二维搜索范围的方法是利用快速解线调法粗略地估计出目标信号的初始速度和加速度，确定一个目标参数的二维搜索范围，为下一步构造目标信号模型做准备。在步骤3)中，所述的构造目标信号模型方法是利用S2阶段中确定的参数搜索范围内的参数重新构造相控阵雷达的目标信号模型。在步骤4)中，所述的构造代价函数，估计目标参数结果的方法是根据非线性最小二乘算法将S3阶段中重构的目标信号模型与杂波抑制后的数据相匹配，构造代价函数，使其和杂波抑制后的数据具有最小的“平方和”距离，搜索代价函数最小值对应的参数作为估计结果。本专利技术提供的是利用非线性最小二乘算法的思想，在一个参数搜索范围内重构目标信号，然后采用非线性最小二乘算法将其与杂波抑制后的数据进行匹配，进而得到目标的参数估计结果。本专利技术方法具有目标检测能力及参数估计结果精度高、估计性能较好等优点，尤其是在脉冲点数有限的情况下，依然能够获得很好的参数估计结果。附图说明图I为本专利技术提供的流程图。图2为杂波抑制前总回波的功率谱。图3为杂波抑制后常规方法的功率谱。图4为本专利技术方法处理后的功率谱。图5为对加速度补偿前后功率谱。图6(a)为初始速度均方根误差随信噪比变化曲线图。图6(b)为加速度均方根误差随信噪比变化曲线图。具体实施例方式下面结合附图和具体实施例对本专利技术提供的进行详细说明。图I为本专利技术提供的流程图。其中的全部操作都是在以计算机为核心的机载计算机系统中完成的，操作的主体均为机载计算机系统。如图I所示，本专利技术提供的包括按顺序进行的下列步骤I)对雷达接收到的总回波数据进行杂波抑制的SI阶段本阶段是利用子空间投影技术对雷达接收到的回波数据进行杂波抑制，然后进入下一步S2阶段；在此阶段中，利用子空间投影技术对回波数据进行杂波抑制的具体方法如下将待检测单元数据投影到杂波子空间的正交子空间中，得到投影后的无杂波数据。杂波加噪声协方差矩阵为R = E {(xc+xn) (xc+xn)H} = Rc+Rn (I)式中，R。表示杂波协方差矩阵，Rn是噪声项协方差矩阵。对R进行特征值分解，可以得到权利要求1.一种，其特征在于所述的包括按顺序进行的下列步骤1)对雷达接收到的总回波数据进行杂波抑制的Si阶段；2)确定目标参数二维搜索范围的S2阶段；3)构造目标信号模型的S3阶段；4)构造代价函数，估计参数结果的S4阶段。2.根据权利要求I所述的，其特征在于在步骤I)中，所述的对雷达接收到的总回波数据进行杂波抑制的方法是利用子空间投影技术对雷达接收到的回波数据进行杂波抑制，即将待检测单元数据投影到杂波子空间的正交子空间中，得到投影后的无杂波数据。3.根据权利要求I所述的，其特征在于在步骤2)中，所述的确定目标参数二维搜索范围的方法是利用快速解线调法粗略地估计出目标信号的初始速度和加速度，确定一个目标参数的二维搜索范围，为下一步构造目标信号模型做准备。4.索范围内的参数重新构造相控阵雷达的目标信号模型。5.根据权利要求I所述的，其特征在于在步骤4)中，所述的构造代价函数，估计目标参数结果的方法是根据非线性最小二乘算法将S3阶段中重构的目标信号模型与杂波抑制后的数据相匹配，构造代价函数，使其和杂波抑制后的数据具有最小的“平方和”距离，搜索代价函数最小值对应的参数作为估计结果O全文摘要一种。其包括1)对雷达接收到的总回波数据进行杂波抑制；2)确定目标参数二维搜索范围；3)构造目标信号模型；4)构造代价函数，估计参数结果等阶段。本专利技术提供的是利用非线性最小二乘算法的思想，在一个参数搜索范围内重构目标信号，然后采用非线性最小二乘算法将其与杂波抑制后的数据进行匹配，进而得到目标的参数估计结果。本专利技术方法具有目标检测能力及参数估计结果精度高、估计性能较好等优点，尤其是在脉冲点数有限的情况下，依然能够获得很好的参数估计结果。文档编号G01S7/41GK102608587SQ20121005714公开日2012年7月25日 申请日期2012年3月7日 优先权日2012年3月7日专利技术者吴仁彪, 李海, 王小寒 申请人:中国民航大学本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：李海，王小寒，吴仁彪，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：