雷达微弱目标检测算法的研究与应用

“大数据-算法-雷达微弱目标检测算法研究.pdf”主要探讨了在雷达微弱目标检测领域中面临的一些关键挑战以及相应的解决方案。这篇由张云龙在2012年提交给杭州电子科技大学的硕士论文，由薛安科教授和郭云飞副教授指导，研究内容包括线性调频信号的旁瓣抑制、长时间脉冲积累中的距离走动与多普勒扩散问题，以及恒虚警检测器（CFAR）的改进。 首先，针对雷达微弱目标检测中的一个重要问题——线性调频信号直接脉冲压缩后产生的大旁瓣，论文详细分析了几种常见的直接加权加窗旁瓣抑制方法。这些方法包括海明窗、汉宁窗、凯塞窗、布莱克曼窗和巴特利特窗等加权函数。通过比较不同窗口函数在脉冲压缩旁瓣抑制性能上的表现，论文深入探讨了它们对脉冲压缩性能的影响，旨在找到最佳的旁瓣抑制策略。 其次，为了解决微弱目标检测过程中长时间脉冲积累可能导致的距离走动和多普勒扩散，论文提出了一种基于短时滑窗的长时间相参积累改进算法。这种方法通过建立先进先出的数据队列并采用滑窗形式进行相参积累，有效防止了距离走动和多普勒扩散对积累性能的负面影响，同时保持了较低的计算量和较高的算法效率。 最后，针对恒虚警检测器在处理微弱目标检测时检测性能下降和运算量大的问题，论文提出了一种分段有序统计恒虚警检测器（Areal Ordered Statistic Constant False Alarm Rate, AOS-CFAR）。该检测器利用前后沿滑窗同时进行有序统计，并结合第i个前沿样本和第7个后沿样本进行多普勒功率估计，以提高检测性能。仿真结果表明，AOS-CFAR在均匀背景或多个干扰目标存在的情况下，相比传统的CFAR有更优的检测性能，并且减少了样本排序时间，更适合实际工程应用。 关键词：微弱目标检测，旁瓣抑制，长时间积累，短时滑窗，恒虚警检测器。