文中為機動目標(biāo)提出了一種寬帶和窄帶脈沖相結(jié)合的雷達運動參數(shù)估計方法。該方法采用相鄰脈沖互相關(guān)法（CCAE）作為寬帶估計方法,采用基于牛頓迭代的最大似然估計方法（MN）作為窄帶估計方法。文中提出的融合方法具有兩個優(yōu)點。首先,融合方法利用CCAE的速度估計值作為MN方法的初始速度。由于CCAE的速度無模糊范圍較大,能有效解決MN方法的速度模糊問題。其次,由于MN方法的距離和速度的估計精度對于初始加速度不敏感,該融合方法將CCAE的加速度估計值作為MN方法的最終加速度,把MN方法的三維搜索簡化成二維搜索。分析了CCAE和MN方法的估計性能,并且比較了CCAE、MN方法和融合算法的計算復(fù)雜度。仿真結(jié)果表明:提出的寬窄帶融合估計方法在距離和速度上擁有與MN方法相近的估計性能,并且擁有更低的計算量。 

【文章來源】：現(xiàn)代雷達. 2019,41(02)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

融合估計方法的流程圖2)速度模糊問題分析

利用表1的雷達參數(shù)，可以得到明確的速度范圍:vn=2．83m/s和vw=25482m/s�？梢钥闯觯琈N方法的速度無模糊范圍很小，所以速度的搜索范圍也很小，很容易發(fā)生速度模糊。另一方面，CCAE方法的速度無模糊范圍遠大于MN方法，所以CCAE方法的速度估計值一般不存在模糊。表1雷達參數(shù)雷達參數(shù)參數(shù)值載頻/GHz9脈寬/μs100寬帶帶寬/MHz1000窄帶帶寬/MHz5采樣率/MHz10脈沖重復(fù)頻率/Hz170未脈壓回波信噪比/dB－30～2窄帶的積累脈沖數(shù)/個10速度模糊問題如圖3所示。通過前一周期的運動參數(shù)估計值來獲得窄帶預(yù)測速度。例如，利用t0時刻的窄帶速度估計值和加速度估計值來計算t1時刻的窄帶預(yù)測速度。以t1時刻為例，當(dāng)加速度變化較小時，真實速度在窄帶預(yù)測速度的搜索范圍內(nèi)。然而，當(dāng)加速度變化較大時，例如t2時刻，真實速度落在窄帶預(yù)測速度的搜索范圍之外，導(dǎo)致速度模糊發(fā)生。另一方面，由于CCAE估計的是當(dāng)前周期的目標(biāo)速度，所以真實速度仍落在t2時刻的寬帶預(yù)測速度的搜索范圍之內(nèi)。因此，利用寬帶CCAE的速度估計值作為MN方法的初始速度，可有效解決速度模糊問題。但是，當(dāng)目標(biāo)加速度太大時，最終得到的仍然是模糊速度。例如當(dāng)m為奇數(shù)時，MN方法估計的是第m個脈沖時刻的運動參數(shù)，而CCAE估計的是第m－1個脈沖時刻的運動參數(shù)。當(dāng)這兩個時刻的速度變化量大于窄帶的速度無模糊范圍時，得到的速度仍然模糊。利用式(3)可以推導(dǎo)出速度不發(fā)生模糊時，加速度的邊界條件:a≤vnfr。以表1的雷達參數(shù)的參數(shù)為例，當(dāng)a≤481．67m/s2時，不會發(fā)生速度?

5所示�？梢钥闯�，初始加速度越精確，距離和速度的估計性能越好。此外還可看出，MN方法的估計性能對初始加速度并不敏感。本實驗中，當(dāng)初始加速度和真實加速度之間的差值小于40m/s2時，即使初始加速度不同，MN方法仍擁有相似的ＲMSE性能。盡管CCAE的速度和加速度估計精度要低于MN方法，但它可以快速估計目標(biāo)的速度和加速度。因此，若將CCAE方法得到的加速度估計值作為2DMN方法的初始加速度，則2DMN方法將擁有和3DMN方法相似的距離和速度估計性能。圖42DMN方法中加速度對距離的影響圖52DMN方法中加速度對速度的影響—71—·信號處理·許華偉，等:基于寬窄帶脈沖結(jié)合的運動估計方法2019，41(2)

【參考文獻】：
期刊論文
[1]一種低信噪比下穩(wěn)健的ISAR平動補償方法[J]. 李東,趙婷,宋偉,劉慶華,曾浩,張成祥.  電子學(xué)報. 2018(09)
[2]相控陣?yán)走_寬窄帶測速匹配技術(shù)研究[J]. 陳大慶,李長亮,張?zhí)毂?  現(xiàn)代雷達. 2018(06)
[3]一種ISAR目標(biāo)轉(zhuǎn)動補償及圖像尺寸標(biāo)定方法[J]. 葉春茂,魯耀兵,宋建社,曹哲.  電子學(xué)報. 2014(03)
[4]一種多目標(biāo)ISAR成像方法[J]. 孔令坤,張偉,張順生,周寶亮.  現(xiàn)代雷達. 2011(01)
[5]一種新的ISAR運動補償方法[J]. 王國林,許榮慶.  現(xiàn)代雷達. 1993(06)



本文編號：3287611