8.6 分数域长时间相参积累及其应用在线视频

同学们好

前面我们介绍了

FRFT在雷达杂波抑制

以及动目标检测中的应用

今天我们继续讲解

分数域处理的另一个应用

分数域长时间相参积累

首先我们简要回顾一下

FRFT杂波抑制

和动目标检测的主要流程和思路

我们知道

为了能够将微弱目标从杂波背景中

检测出来

必须要进行一定的信号处理

也就是图中红色框的部分

首先在脉内距离维进行脉冲压缩

得到目标距离信息

然后在划分好的距离单元内

进行脉内相参积累处理

常见的方法是傅里叶变换也就是MTD

而我们可以用FRFT来替换MTD

得到多普勒维的高分辨处理

这样信号信杂比就得到了改善

再根据门限

就可以把动目标检测出来了

这里有一个问题

就是前面介绍的方法

都是在同一个距离单元内进行处理

积累时间有限

这样回波脉冲数也有限

积累增益就无法进一步提升

也限制了FRFT

对于高速高机动目标的检测

随着雷达新体制的发展

相控阵雷达 MIMO雷达 外辐射源雷达

数字阵全息雷达等快速发展

其凝视探测模式

能够获得更多数量的脉冲

例如宽发窄收的体制

能够获得全空域多目标信息

脉冲数的增加改善了多普勒的分辨力

进而提高

杂波背景中弱小目标检测能力

获得目标更精细的运动特征

提高目标识别性能

那么请同学们思考一下

FRFT具有优秀的机动目标处理能力

如何利用目跨单元的脉冲数据

提高积累增益呢

这里是一个典型的海上快艇

它在一段时间内机动

跨越了多个距离单元

同时多普勒时变特性明显

因此对于这样的目标

就需要同时补偿

跨距离和多普勒单元信号

实现长时间相参积累

长时相参积累理论和方法有很多种

本节主要讲授分数域长时相参积累

分以下三个内容

首先介绍一下

长时观测运动目标的回波模型

然后介绍两种长时间相参积累方法

也就是Radon-FRFT和Radon-FRAF

分别利用目标的加速度

和加速度变化信息

为了让大家体会到性能优越性

我们也列举了很多雷达实例

首先介绍

雷达目标长时间观测信号模型

先请大家观察左边这个图

图中横坐标代表距离

纵坐标代表慢时间也就是脉冲

雷达位于中心

图中有两种运动目标

一是黑色实线

代表匀速运动

也就是距离是时间的线性函数

红色虚线代表加速减速运动

是一条曲线

也就是说

距离是时间的二次项函数

我们分别对这两种目标进行处理

大家请看

灰色区域和红色虚线区域

有什么区别

灰色区域仅占据了一个距离单元

也就是传统距离单元内的积累

代表性的方法是匀速目标的

MTD和加速目标的FRFT

而红色虚线区域跨越了多个距离单元

其纵坐标积累的时间大大延长

这个区域就是我们今天要学习的

长时相参积累的区域

这时我们再来看看信号模型

就很好理解了

雷达发射信号经过脉压后

得到关于快时间和慢时间的两维函数

中间的sinc函数表示距离

相位项代表多普勒信息

可以看出这两者是关于距离的函数

对于机动目标

其距离是关于慢时间的多项式函数

通常为二次项和三次项

分别是加速和变加速运动

会导致目标距离和多普勒走动

因此长时间处理目的是

实现距离和多普勒走动条件下

目标回波的相参积累

为了方便大家理解Radon FRFT的原理

我们也列举了

MTD和Radon FT方法

大家首先在左图

找到它们的积累区域

然后对比一下数学表达式

会发现什么区别呢

区别就在于被积累的信号不同

积累方法也不同

MTD是对单一距离单元内的积累

用到的是傅里叶变换

多普勒滤波器组的方法

Radon FT是沿目标距离走动的斜线

通过傅里叶变换将目标能量积累起来

仅能处理匀速运动目标

但它扩展了距离单元

而Radon FRFT

则是沿着机动目标的距离走动曲线

采用FRFT将信号能量积累起来

是一种参数化搜索的

长时间相参积累方法

因此图中红色虚线区域

就代表了Radon FT

和Radon FRFT的积累区域

了解了基本原理

下面同学们思考一下

RFRFT与以往的MTD、FRFT

和RFT的联系是什么

通过改变旋转角和限定距离单元

RFRFT是它们的广义形式

那么如何利用

RFRFT实现机动目标检测

让我们来看看这个流程图

首先根据预先设定的参数搜索范围

提取位于距离 慢时间二维平面中的

运动目标观测值

然后在FRFT域

选择一系列的变换角度

对该观测值进行匹配和积累

实际是一种广义的多普勒滤波器组

不同滤波器组由变换阶数确定

能够同时匹配目标的速度和加速度

最后通过检测峰值

来判决目标的有无

下面举个例子

两个飞行目标在8s的飞行过程中

目标1和目标2

分别跨越56和112个距离单元

可以看出运动轨迹是个曲线

目标2具有高机动特性

较高的加速度加重了多普勒走动效应

跨越了多个多普勒单元

第一行是目标1的处理结果

第二行是目标2的处理结果

由于信噪比较低

MTD方法无法完全匹配

信号的高阶相位项

积累性能进一步下降

RFRFT能够同时补偿距离和多普勒走动

提高了对微弱目标的检测能力

在实际中

由于目标本身和复杂环境共同作用

会使得回波产生高次相位

此时的检测问题变得更加复杂

如低空掠海飞行目标快艇

以及高海况下的海面起伏目标等

速度中可能含有加速度变化信息

下面介绍的

Radon FRAF

就是处理这样目标的长时积累方法

主要思路是

通过瞬时自相关函数

将回波三次相位降为二次相位

再利用FRFT的核函数进行积累

也就是图中的曲线积累为一个点

与RFRFT一样

RFRAF也是很多方法的广义形式

比如模糊函数

分数模糊函数和Radon模糊函数等等

请同学们自行推导

由于RFRAF额外引入了一个延迟的参数

所以在具体的实现过程中

可分为两种类型

一种是固定变换角变延迟

另一种是固定延迟变旋转角

这里给出了两种类型

各处理两个机动目标信号的结果

大家从这个图中可以看出

类型2的信号分辨能力优于类型1

类型2的RFRAF谱

几乎不受交叉项的影响

因此更适合分析多分量信号

下面列举一个

雷达海上机动目标的检测实例

由于目标机动和海面本身的起伏

目标运动更为复杂

得益于灵活的多参数多普勒滤波器组

RFRAF的检测结果

明显优于RFT方法

并且可以估计出

目标的加速度和变加速度参数

介绍完这两种典型的方法

大家思考一下

分数域长时相参积累处理有哪些应用

这里列举了部分应用场景

是低慢小目标检测的有效手段

适合多种体制雷达

具有很强的杂波和噪声抑制能力

获得目标运动精细化特征

有助于后续的分类和识别等

当然这种方法也有不足之处

比如说需要多参数搜索

因此运算量比较大

积累的时间不能太长

要保证信号的相参性等等

目前这个方向已经有很多成果

仍然有不少学者在继续研究

同学们如果感兴趣

可以广泛搜集学习

回顾一下我们这节课所讲的内容

讲到了哪些知识点

首先介绍了雷达长时观测目标信号模型

关键技术是

跨距离和多普勒单元补偿问题

然后介绍了两种机动目标

长时相参积累方法

利用目标加速度和加速度变化信息

实现跨单元同时补偿

最后我们利用仿真和实测数据

进行了验证

并给出了可能的应用方向

这是本节课的相关课外资料

大家可以参考学习

雷达分数域海上弱小目标检测专题

我们就先讲到这里

后续将继续补充更新

谢谢大家