一种无源雷达高速机动目标检测新方法

杨宇翔 同武勤 熊瑾煜



一种无源雷达高速机动目标检测新方法

杨宇翔*同武勤 熊瑾煜

(西南电子电信技术研究所 成都 610041)

针对无源雷达中高速机动目标在积累时间内出现距离和多普勒徙动，导致检测性能恶化的问题。该文建立了目标信号模型，提出一种基于Keystone变换结合傅里叶变换分段计算的高速机动目标检测方法，通过信号重叠分段划分快时间和慢时间，利用Keystone变换校正径向速度差的距离徙动，再对慢时间进行二次分段，并结合傅里叶变换的分段计算完成径向加速度差的距离和多普勒徙动校正，实现信号相参积累和目标检测。仿真和实测数据结果验证了该方法的有效性。

无源雷达；目标检测；相参积累；机动运动；Keystone变换

1 引言

无源雷达具有配置灵活，隐蔽性强等优点，受到广泛关注。当目标距离较远时，信号信噪比较低，可通过延长积累时间增加信号能量，但对于高速机动目标，随着时间增加将出现距离和多普勒徙动，造成能量分散，导致检测性能恶化。

针对此问题，文献[1]分析了目标机动导致的时/频差参数时变问题，但并未深入研究距离和多普勒徙动的快速校正方法；文献[2,3]利用Keystone变换校正径向速度距离徙动，但未考虑目标机动性，仅适用于匀速目标；文献[4-6]虽在信号模型中引入了加速度，并基于Keystone变换和时频变换分别校正了距离和多普勒徙动，但其忽略了加速度引起的距离弯曲及速度距离徙动校正时在加速度指数项新引入的快时间频率和慢时间的耦合关系。

此外，关于机动目标徙动校正技术，在脉冲雷达微弱目标检测与雷达运动目标成像中已存在大量研究。文献[7-9]先完成距离徙动校正，再利用时频变换估计目标加速度，进而完成多普勒徙动补偿，但其同样未考虑加速度在距离徙动校正前后均存在的距离弯曲现象；文献[10,11]利用广义二阶Keystone变换校正加速度距离弯曲，再通过一个单元数据以时间频率变换估计调频率并完成补偿，然后由二阶Keystone变换校正残余距离徙动，但一次Keystone变换后，距离徙动仍然明显，调频率难以估计；文献[12,13]利用线性调频信号的驻相原理，在距离-多普勒2维频率域构造补偿函数，同时消除径向速度和加速度的距离徙动影响，但对于其它信号类型却并不适用；文献[14,15]先基于Keystone变换完成速度距离徙动校正，再构造由快时间频率和加速度组成的二次相位补偿函数，校正加速度的距离和多普勒徙动，但其需在加速度搜索过程中反复计算2维傅里叶变换，复杂度高，应用受限。

对此，本文提出一种基于Keystone变换结合傅里叶变换分段计算的高速机动目标检测方法，通过信号重叠分段划分快时间和慢时间，利用Keystone变换校正速度差引起的距离徙动，然后在慢时间域进行二次分段，结合傅里叶变换的分段计算方法，校正加速度差的距离和多普勒徙动，实现相参积累。仿真和实测数据结果表明了该方法的有效性。

2 机动目标信号模型

图1 目标与接收站几何关系

故两接收站的机动目标基带信号模型为

可见，信号包络和载频将随时间变化产生距离和多普勒徙动，直接积累将出现增益损失，需进行校正。

3 检测方法

3.1 分段原理

图2 分段示意图

3.2 径向速度差的距离徙动校正

沿快时间对式(4)所示两路信号作傅里叶变换，变换至快时间频率-慢时间域，可得各段匹配滤波结果

利用Keystone变换校正速度差的距离徙动，其本质为变量代换，设

3.3 径向加速度差的距离和多普勒徙动校正

对式(10)在多普勒快时间域上作傅里叶变换：

根据式(8)累加式(13)所示各段频谱，得快时间频率-慢时间频率域表达式。

对式(14)在快时间频率域求逆傅里叶变换：

式(16)表明目标信号能量能够有效积累。由于两信号间多普勒频差有限，对式(10)在多普勒快时间域作傅里叶变换时，利用Chirp-Z变换(Chirp-Z Transform, CZT)计算关注范围内频谱即可。

综上，得加速度差目标函数为

3.4 检测方法流程及运算量分析

图3 检测方法流程图

4 仿真分析与实测数据验证

4.1 仿真分析

仿真1 分析比较本文方法与传统互模糊函数[16](CAF, Cross Ambiguity Function)方法和文献[14]的二次相位补偿法的运算量。图4给出了3种方法运算量随信号长度的变化曲线。

可见，由于本文方法在加速度差搜索过程中，仅需在第1次搜索时计算2维傅里叶变换，其余时刻则只计算快时间域的逆傅里叶变换，相比直接利用全部数据进行时频2维相关的CAF方法和需反复计算2维傅里叶变换的二次相位补偿法，其运算复杂度最低。仿真条件下，本文方法运算量约为CAF方法的25%，比二次相位补偿法低50%。

图4 运算量对比图

图5(a)是利用CAF方法直接处理的时频2维结果，距离和多普勒均存在严重的徙动；图5(b)是经Keystone变换(KT)方法校正了速度差距离徙动后的时频2维图，可见跨越的距离单元个数明显降低，但加速度差引起的距离弯曲和多普勒徙动仍然十分明显，并且Keystone变换改变了加速度差的距离曲方向；图5(c)则是经文献[7]的基于Keystone变换后，再利用Wigner-Ville变换实现调频率估计与补偿(KT+WV)方法的处理结果，可以看出多普勒徙动现象得到显著改善，但加速度差的距离徙动仍然存在；图5(d)是经本文方法处理后的结果，可见距离和多普勒徙动均得到了有效校正，实现了信号能量的相参积累。而经过校正后，图5(c)，图5(d)中仍存在的多普勒徙动现象，则是由于径向距离差随时间变化并非严格的匀加速运动所致。

4.2 实测数据验证

利用小型宽波束天线组阵，形成宽空域覆盖的接收天线阵。多个这样的天线阵组网，可对过境低轨卫星无源定位，实现监测。下面主要就两个天线阵组成无源雷达，对过境低轨卫星检测的实测数据进行分析。

由于低轨卫星距离较远，小型天线增益较低，接收信号功率远低于噪声功率，需通过长时积累实现目标检测。同时，低轨卫星高速机动的特性，导致了距离和多普勒徙动的产生。下面给出UTC时间2013-11-21 13:23:52，针对编号28254的低轨卫星的一组实测数据结果，如图6所示。其信号调制类型为BPSK, L波段，码速率1599.61 kbps，采样率2 MHz，积累时间4 s，低轨卫星在两天线接收阵间产生的径向速度差约4244.53 m/s，径向加速度差约36.88 m/s2。

若不作徙动校正，增益损失十分严重，无法检测到峰值；图6(a)为利用KT+WV方法的处理结果，可见加速度差引起的距离徙动造成了峰值的展宽，增益出现了损失；图6(b)为本文方法的处理结果，距离和多普勒徙动均得以校正，其峰值更加尖锐，相比KT+WV方法的信噪比提高了约2.78 dB，表明了算法的有效性。

图5 几种方法的时频2维能量积累效果图

图6 实测数据处理结果

5 结束语

高速机动目标辐射源信号在长时间积累时将发生距离和多普勒徙动，影响相参积累效果，严重制约无源雷达对此类目标的检测能力。本文提出的基于Keystone变换结合傅里叶变换分段计算的高速机动目标检测方法，通过Keystone变换校正径向速度差距离徙动，结合傅里叶变换的分段计算方法构造了加速度差的搜索目标函数，并通过相位补偿和反向频移方式补偿加速度差引起的距离和多普勒徙动。该方法复杂度低，具有明显的并行计算特征，能够有效提高无源雷达探测中高速机动目标的检测性能。

[1] Yang Yu-xiang, Xiong Jin-yu, and Tong Wu-qin. Joint estimation of the time-varying location parameters of a moving target in tri-satellites Geo-location[C]. International Congress on Image and Signal Processing, Chongqing, China, 2012: 2301-2305.

[2] 关欣, 胡东辉, 仲利华, 等. 一种高效的外辐射源雷达高径向速度目标实时检测方法[J]. 电子信息学报, 2013, 35(3): 581-588.

Guan Xin, Hu Dong-hui, Zhong Li-hua,. An effective real-time target detection algorithm for high radial speed targets in passive radar[J].&, 2013, 35(3): 581-588.

[3] 赵耀东, 吕晓德, 李纪传, 等. 无源雷达多普勒谱分析实现动目标检测的方法[J]. 雷达学报, 2013, 2(2): 247-256.

Zhao Yao-dong, Lü Xiao-de, Li Ji-chuan,.. Detection of moving targets based on Doppler spectrum analysis technique for passive coherent radar[J]., 2013, 2(2): 247-256.

[4] 杨金禄, 单涛, 陶然. 数字电视辐射源雷达的相参积累徙动补偿方法[J]. 电子与信息学报, 2011, 33(2): 401-411.

[5] 关欣, 仲利华, 胡东辉, 等. 一种基于RSPWVD-Hough 变换的无源雷达多普勒展宽补偿方法[J]. 雷达学报, 2013, 2(4): 430-438.

Guan Xin, Zhong Li-hua, Hu Dong-hui,A compensation algorithm based on RSPWVD-Hough transform for Doppler expansion in passive radar[J]., 2013, 2(4): 430-438.

[6] Liu Lei, Tao Ran, and Zhang Nan. The CAF-DFRFT-KT algorithm for high-speed target detection in passive radar[C]. Proceedings of International Conference on Instrumentation, Measurement, Computer, Communication and Control, Beijing, China, 2011: 748-751.

[7] 吴仁彪, 贾琼琼, 李海, 等. 机载雷达高速空中机动目标检测新方法[J]. 电子学报, 2013, 41(1): 86-90.

Wu Ren-biao, Jia Qiong-qiong, Li Hai,. Detection of fast air maneuvering targets via STAP[J]., 2013, 41(1): 86-90.

[8] 贾琼琼, 吴仁彪, 李海. 基于修正STAP的高速空中机动目标检测方法[J]. 数据采集与处理, 2013, 28(2): 220-226.

Jia Qiong-qiong, Wu Ren-biao, and Li Hai. Detection of fast air maneuvering targets via modified STAP[J].&, 2013, 28(2): 220-226.

[9] Wu Ren-biao, Jia Qiong-qiong, and Li Hai. A novel STAP method for detection of fast dim air moving target[C]. Proceedings of IEEE 10th International Conference on Signal Processing, Beijing, China, 2010: 2160-2163.

[10] 苏军海, 邢孟道, 保铮. 宽带机动目标检测[J]. 电子与信息学报, 2009, 31(6): 1283-1287.

[11] Zhang Long and He Xiao-hui. Approach for airborne radar ISAR imaging of ship target based on generalized keystone transform[C]. Proceedings of IEEE 10th International Conference on Signal Processing, Beijing, China, 2010: 2137-2141.

[12] 吴孙勇, 廖桂生, 朱圣棋. 提高雷达机动目标检测性能的二维频率域匹配方法[J]. 电子学报, 2012, 40(12): 2415-2420.

Wu Sun-yong, Liao Gui-sheng, and Zhu Sheng-qi. A new method for radar maneuvering target detection based on matched filtering in two-dimensional frequency domain[J]., 2012, 40(12): 2415-2420.

[13] Sun Guang-cai, Xing Meng-dao, Xia Xiang-gen,.. Robust ground moving-target imaging using deramp- keystone processing[J].2013, 51(2): 966-982.

[14] 战立晓, 汤子跃, 朱振波. 高机动小RCS目标长时间相参积累检测新方法[J]. 系统工程与电子技术, 2013, 35(3): 511-516.

Zhan Li-xiao, Tang Zi-yue, and Zhu Zhen-bo. Novel method of long term coherent integration detection for maneuvering small RCS targets[J]., 2013, 35(3): 511-516.

[15] Kirkland D. Imaging moving targets using the second-order keystone transform[J].,&, 2011, 5(8): 902-910.

[16] 严航, 朱珍珍. 基于积分抽取的时/频差参数估计方法[J].宇航学报, 2013, 34(1): 99-105.

Yan Hang and Zhu Zhen-zhen. Fast algorithm for joint estimation of DTO and DFO based on integrate-and-dump filters[J]., 2013, 34(1): 99-105.

杨宇翔： 男，1984年生，博士，研究方向为信号处理、无源定位.

同武勤： 男，1980年生，博士，研究方向为SAR/ISAR成像.

熊瑾煜： 男，1976年生，博士，研究方向为信号处理、目标检测.

A Novel Algorithm for Detection of a ManeuveringTarget in Passive Radar

Yang Yu-xiang Tong Wu-qin Xiong Jin-yu

(,610041,)

For passive radar, the maneuvering target causes range cell migration and Doppler cell migration, leading to a detection ability loss. The signal model is established and a novel detection algorithm is proposed to solve the problem. Firstly, the fast and slow time domains are divided by the overlapping segment method and the Keystone transform is adopted in order to correct the range cell migration due to differential velocity. Then the signal is divided into segments second time in the slow time domain. Finally range cell migration and Doppler cell migration induced by differential acceleration are corrected by the segmentation implementation method of the Fourier transform to achieve long term coherent integration. Experiments based on simulated and practical signals verify the effectiveness of the proposed algorithm.

Passive radar; Target detection; Coherent integration; Maneuvering; Keystone transform

TN958.97

A

1009-5896(2014)12-3008-06

10.3724/SP.J.1146.2013.01984

杨宇翔 yyxfoever@163.com

2013-12-19收到，2014-05-06改回

国家863计划项目(2013AA7074037B)资助课题