一种基于Stepped-DGRFT的机动微弱目标运动参数估计方法

一种基于stepped-dgrft的机动微弱目标运动参数估计方法
技术领域
1.本发明涉及去斜接收频率步进雷达机动微弱目标探测领域，具体涉及一种基于stepped-dgrft的机动微弱目标运动参数估计及相参积累方法。本发明提出的一种基于stepped-dgrft的机动微弱目标运动参数估计方法，可实现去斜频率步进雷达对机动微弱目标的运动参数精确估计，结合运动参数补偿及目标一维距离像聚焦方法，可提供系统对目标的探测能力。与dgrft方法相比，stepped-dgrft可有效提升去斜接收频率步进雷达对机动微弱目标的目标运动参数估计能力和成像能力。


背景技术：

2.近年来具有隐身能力的飞行器不断涌现，隐身飞行器等小rcs目标给雷达探测带来了严峻的威胁与挑战。如何维持对小rcs机动目标运动参数的高精度测量，是现代雷达亟需解决的难题之一。为了实现对小rcs机动目标的高分辨成像及运动参数精确估计，雷达需要采用宽带甚至超宽带信号，以便于利用宽带回波获取更多、更丰富的目标信息，进行进一步的目标分类、识别。理论上可直接发射接收大带宽lfm信号，并结合去斜处理实现目标的高分辨成像，但是受系统中射频单元设计及前端采样率限制，直接进行超大带宽信号的去斜处理较为困难，且由于较大带宽容易带来幅相失真等问题，直接去斜处理不利于进行幅相及速度补偿等精细化处理，影响目标成像效果。而频率步进信号可以在子脉冲较小带宽的条件下，通过多帧信号的相参处理实现更大带宽的合成成像，且多个子脉冲可分别进行幅相、速度补偿等处理，成像效果可获得进一步改善。有鉴于此，可以将子脉冲宽带去斜与频率步进相结合，实现去斜频率步进大带宽信号(jiang z,wang j,song q,et al.obstacle sensing using dechirp sar[c]//2016ieee 13th international conference on signal processing(icsp).ieee,2016:1456-1460.kelly s i,davies m e.rfi suppression and sparse image formation for uwb sar[c]//2013 14th international radar symposium(irs).ieee,2013,2:655-660.)，即子脉冲内发射宽带线性调频信号并对其回波进行去斜处理，脉冲间进行频率步进跳频。结合频谱拼接和时域拼接及幅相、速度补偿处理等相参处理方法，实现大带宽下目标成像。
[0003]
去斜频率步进雷达体制下，为通过合成宽带处理得到机动微弱目标聚焦性能良好的一维高分辨距离像(high resolution range profile，hrrp)从而实现目标检测及辨识，首先需要对目标的运动参数进行准确估计，并利用参数估计结果对目标回波进行运动补偿和相参积累。但现有去斜机动微弱目标运动参数估计方法难以满足这一要求。dgrft算法(you p,ding z,liu s,et al.dechirp-receiving radar target detection based on generalized radon-fourier transform[j].iet radar,sonar&navigation,2021,15(9):1096-1111.)基于恒定载频雷达系统而提出，虽然去斜频率步进信号在经过合成宽带处理后亦可作为单载频信号处理，但合成宽带处理过程中目标运动补偿需要的运动参数估计却需要通过相参积累算法得到。这显然与理想hrrp的构造步骤是矛盾的。本发明提出修正的dgrft方法(即stepped-dgrft)，在合成宽带处理之前实现机动微弱目标的长时间相参积累
与运动参数精确估计，结合运动补偿及合成宽带处理，有效提高机动微弱目标hrrp聚焦效果。
[0004]
因此，在去斜频率步进雷达系统的基础上，研究一种机动微弱目标运动参数估计方法有着重要的实际意义和应用价值。


技术实现要素：

[0005]
本发明的技术解决问题是：克服现有技术的不足，提出一种基于stepped-dgrft的机动微弱目标运动参数估计方法，该方法首先对目标基带回波进行去斜处理，并对相位项进行补偿，然后在参数空间对目标运动参数进行搜索，最后根据目标运动参数估计结果在时域对机动微弱目标进行运动补偿进而达到一维距离像聚焦的效果。
[0006]
为达到上述目的，本发明的技术方案为：
[0007]
一种基于stepped-dgrft的机动微弱目标运动参数估计方法，包括如下步骤：
[0008]
步骤一，对目标雷达回波进行下变频得到目标基带回波，对得到的目标基带回波进行去斜处理，得到去斜后的回波信号；
[0009]
步骤二，构造相位补偿因子，并使用构造的相位补偿因子对步骤一得到的去斜后的回波信号的相位项进行补偿；
[0010]
步骤三，对步骤二中所构造的相位补偿因子中的目标运动参数进行遍历搜索，得到积累结果矩阵，当且仅当搜索的目标运动参数等于目标实际运动参数时，积累结果矩阵出现峰值，该峰值对应的目标运动参数为目标运动参数的准确估计结果；
[0011]
步骤四，对目标运动参数的估计值的准确度进行评估，方法为：使用步骤三得到的目标运动参数的准确估计结果将步骤一得到的去斜后的回波信号在时域进行运动补偿，进行运动补偿后的时域目标去斜回波通过时域拼接法合成宽带，得到每一帧信号的一维距离像，由于目标是微弱目标，具有低信噪比特性，故对每帧信号的一维距离像在慢时间维进行求和，得到相参积累后的一维距离像，实现了机动微弱目标一维距离像的聚焦，并根据聚焦结果峰值的一维距离与仿真参数设置的目标距离的误差得到目标运动参数估计值的准确度。
[0012]
所述的步骤一中，目标雷达回波为
[0013][0014]
其中，n＝(m-1)n+h为子脉冲序号，m为帧序号，m＝1,2,...,m。n为每帧信号中子脉冲的个数，h为子脉冲在帧中的序号。t
p
表示快时间，t
p
为脉冲宽度，且定义为脉冲宽度，且定义为调频斜率。fh＝f0+hδf为各子脉冲载频，h＝0,1,...,n-1，f0为初始载频，δf为频率步进间隔，脉冲重复周期(puserepetation time，prt)为tr，积累时间t＝mntr。
[0015]
所述的步骤一中，目标基带回波为：
[0016][0017]
其中，kr为目标回波的幅度因子，简单起见，假设其在同一cpi内各脉冲间保持不变，c为光速。α
t
为目标各阶运动参数集合，α
t
＝[α0,α1,α2,
…
,α
k-1
]，α0，α1，α2，
…
分别表示目标初始径向距离，初始速度，初始加速度，依此类推。则目标的瞬时径向距离可以表示为：
[0018][0019]
所述的步骤一中，去斜后的回波信号sr(n,t
p
)为：
[0020][0021]
式中相位的第一项是随目标瞬时径向距离线性变化的，即去斜之后的距离向相位；第二项是随变化的方位向相位，即多普勒相位历程；第三项为残留视频相位(residual video phase，rvp)项。式中s
ref
(t)为去斜参考信号：
[0022][0023]
其中，r
ref
为参考距离。去斜过程为回波信号在时域与参考信号的共轭相乘。去斜频率步进信号的时频关系如图1所示。
[0024]
所述的步骤二中，构造的相位补偿因子为：
[0025][0026]
所述的步骤二中，所构造的相位补偿因子中包括目标运动参数，目标运动参数包括目标初始位置与雷达的距离α0、目标初始速度α1和目标初始加速度α2。
[0027]
所述的步骤三中，积累结果矩阵g为：
[0028][0029]
所述的步骤四中，当假设目标径向匀速运动时，stepped-dgrft退化为stepped-drft，进行运动补偿后的去斜后回波信号s
rm
(n,t
p
)为：
[0030]
[0031]
其中，为步骤三中目标初始距离和初始速度估计结果。
[0032]
有益效果
[0033]
本发明提出的一种基于stepped-dgrft的机动微弱目标运动参数估计及相参积累方法，实现了去斜频率步进雷达对机动微弱目标的运动参数精确估计，结合运动参数补偿及目标一维距离像聚焦方法，可提供系统对目标的探测能力。与dgrft方法相比，stepped-dgrft可有效提升去斜接收频率步进雷达对机动微弱目标的目标运动参数估计能力和成像能力。
附图说明
[0034]
图1为去斜频率步进信号的时频关系；
[0035]
图2为基于stepped-drft算法的目标运动参数估计结果；
[0036]
图3为基于stepped-drft算法的hrrp聚焦结果；
[0037]
图4为基于stepped-drft算法的hrrp聚焦结果(局部放大图)；
[0038]
图5为基于传统drft算法的目标运动参数估计结果；
[0039]
图6为基于传统drft算法的hrrp聚焦结果；
[0040]
图7为基于stepped-drft算法的目标运动参数估计结果(距离-速度平面)；
[0041]
图8为基于stepped-drft算法的目标运动参数估计结果(加速度-距离平面)；
[0042]
图9为基于stepped-drft算法的hrrp聚焦结果；
[0043]
图10为基于stepped-drft算法的hrrp聚焦结果(局部放大图)；
[0044]
图11为基于传统drft算法的目标运动参数估计结果(距离-速度平面)；
[0045]
图12为基于传统drft算法的目标运动参数估计结果(加速度-距离平面)；
[0046]
图13为基于传统drft算法的hrrp聚焦结果。
具体实施方式
[0047]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。
[0048]
一种基于stepped-dgrft的机动微弱目标运动参数估计方法具体步骤如下：
[0049]
步骤一、去斜处理。
[0050]
去斜频率步进雷达发射信号可表示为
[0051][0052]
其中，n＝(m-1)n+h为子脉冲序号，m为帧序号，m＝1,2,...,m。n为每帧信号中子脉冲的个数，h为子脉冲在帧中的序号。t
p
表示快时间，t
p
为脉冲宽度，且定义为调频斜率。fh＝f0+hδf为各子脉冲载频，h＝0,1,...,n-1，f0为初始载频，δf为频率步进间隔，脉冲重复周期为tr，积累时间t＝mntr。
[0053]
考虑单点目标场景，假设目标各阶运动参数以集合α
t
＝[α0,α1,α2,
…
,α
k-1
]表示，
其中α0，α1，α2，
…
分别表示目标初始径向距离，初始速度，初始加速度，依此类推。则目标的瞬时径向距离可以表示为：
[0054][0055]
基于走停模型可以得到下变频到基带后的目标回波为：
[0056][0057]
其中，kr为目标回波的幅度因子，简单起见，假设其在同一cpi内各脉冲间保持不变，c为光速。
[0058]
去斜参考信号为：
[0059][0060]
其中，r
ref
为参考距离。下变频过程为回波信号在时域与参考信号的共轭相乘，则去斜后的回波信号可表示为：
[0061][0062]
式中相位的第一项是随目标瞬时径向距离线性变化的，即去斜之后的距离向相位；第二项是随变化的方位向相位，即多普勒相位历程；第三项为残留视频相位(residual video phase，rvp)项。
[0063]
步骤二、相位补偿。
[0064]
为实现多帧信号有效相参积累，需对去斜后回波信号中相位项进行补偿，对应的滤波器组即相位补偿因子如下：
[0065][0066]
步骤三、参数估计。
[0067]
通过步骤一和步骤二，可以得到针对去斜频率步进信号探测机动微弱目标的相参积累算法
[0068]
[0069]
去斜后的回波信号sr(n,t
p
)经过滤波器组h(n,α)补偿后在时域做fft，即可得到目标的一维距离像。经过滤波器组补偿后，全部去斜子脉冲一维距离像的峰值均出现在参考距离处。通过对目标运动参数进行遍历搜索，便可以得到目标回波的相参积累输出。当且仅当搜索参数集α满足α＝α
t
时，步骤三去斜频率步进信号探测机动微弱目标相参积累算法中mn个一维距离像相参叠加后参考距离对应处输出最大，即实现目标的全相参积累。搜索参数集中每组参数对应着积累后参考距离处的值，通过对结果矩阵进行峰值检测，便可从参数搜索空间中得到目标运动参数的准确估计结果。考虑到去斜频率步进信号脉冲间载频跳变特性，区别于经典dgrft，本发明将步骤三所定义的针对去斜频率步进信号进行修正的dgrft算法称为stepped-dgrft算法。
[0070]
对于多数应用场景而言，积累时间内目标的径向速度可视为恒定的，此时只需考虑对目标初始径向距离r
t
和径向速度v
t
的估计。则stepped-dgrft可简化为stepped-drft，即
[0071][0072]
其中
[0073][0074]
为退化后的滤波器组，r为目标初始径向距离，v为径向速度。
[0075]
步骤四、运动补偿及聚焦。
[0076]
正确的运动补偿是一维距离像聚焦的先决条件，根据stepped-drft的运动参数估计结果，在时域对机动微弱目标进行运动补偿
[0077][0078]
在基于stepped-drft的运动补偿后，通过基于抽取的时域拼接法合成宽带得到每一帧信号的一维距离像。由于目标是微弱目标，具有低信噪比特性，故对m帧信号的一维距离像在慢时间维进行求和，即可得到相参积累后的一维距离像，即实现了机动微弱目标一维距离像的聚焦。
[0079]
本发明给出如下实施例对发明方法进行说明：
[0080]
本发明给出的目标匀速运动情况下实施实例验证条件如表1所示：
[0081]
表1实施实例验证条件
[0082][0083]
对于stepped-drft和传统dgrft，设置统一的速度搜索范围为0m/s～200m/s，并且规定目标远离雷达运动时速度方向为正。图2给出了利用stepped-drft算法得到的目标运动参数估计结果，目标速度估计为50m/s，误差为0m/s。图3和图4给出了经过运动补偿、时域拼接合成宽带处理以及相参积累后得到的目标hrrp。可以看到，利用本发明所提算法可以实现目标参数的精确估计与补偿，相参积累后得到的目标hrrp中，目标的两个散射点位置准确，幅值差异约为0.07db左右，hrrp聚焦性能良好。
[0084]
当使用传统drft时，需要首先在未进行运动补偿的情况下通过合成宽带处理得到目标hrrp，再使用drft对目标hrrp进行长时间相参积累。图5给出了利用drft算法得到的目标运动参数估计结果，目标速度估计为44.32m/s，误差为5.68m/s。图6给出了经过运动补偿、时域拼接合成宽带处理以及相参积累后得到的目标hrrp。可以看到，使用传统drft算法时，目标的两个散射点淹没在噪声中，hrrp两处峰值分别出现在300.061714km及299.983333km处，一维距离像不能正确聚焦。
[0085]
为了将stepped-drft和传统drft算法在目标机动情况下进行详细的性能对比，在进一步仿真中设置目标匀加速运动，模拟目标机动场景。目标由初始径向距离分别为300000.000m及300000.625m的两个等强度散射点构成。在整个积累时间内，目标共跨越12个距离单元，有着较为明显的aru现象。
[0086]
本发明给出的目标匀加速机动运动情况下实施实例验证条件如表2所示：
[0087]
表2实施实例验证条件
[0088][0089]
对于stepped-drft和传统dgrft，设置统一的速度搜索范围为0m/s～200m/s，并且规定目标远离雷达运动时速度方向为正，加速度搜索范围为-10m/s2～10m/s2。图7和图8给出了利用stepped-drft算法得到的目标运动参数估计结果，目标初始速度估计为50m/s，误差为0m/s；目标加速度估计为3.6m/s2，误差为0m/s2。图9和图10给出了经过运动补偿、时域拼接合成宽带处理以及相参积累后得到的目标hrrp。可以看到，利用本章所提算法可以实现目标参数的精确估计与补偿，相参积累后得到的目标hrrp中，目标的两个散射点位置准确，幅值差异约为0.33db左右，hrrp聚焦性能良好。
[0090]
图11和图12给出了利用drft算法得到的目标运动参数估计结果，目标初始速度估计为18.97m/s，误差为31.03m/s；目标加速度估计为9.10m/s2，误差为4.10m/s2。图13给出了经过运动补偿、时域拼接合成宽带处理以及相参积累后得到的目标hrrp。可以看到，使用传统drft算法时，目标的两个散射点淹没在噪声中，hrrp两处峰值分别出现在300.090351km及300.115840km处，一维距离像不能正确聚焦。
[0091]
由以上结果可以看出，采用本发明提出的方法进行参数估计及运动补偿后，实现了去斜频率步进雷达体制下微弱目标机动场景下目标运动参数的精确估计和一维距离像的聚焦，与现有方法drft相比，显示出本发明方法的优越性。综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种基于stepped-dgrft的机动微弱目标运动参数估计方法，其特征在于包括如下步骤：步骤一，对目标雷达回波进行下变频得到目标基带回波，对得到的目标基带回波进行去斜处理，得到去斜后的回波信号；步骤二，构造相位补偿因子，并使用构造的相位补偿因子对步骤一得到的去斜后的回波信号的相位项进行补偿；步骤三，对步骤二中所构造的相位补偿因子中的目标运动参数进行遍历搜索，得到积累结果矩阵，当且仅当搜索的目标运动参数等于目标实际运动参数时，积累结果矩阵出现峰值，该峰值对应的目标运动参数为目标运动参数的准确估计结果；步骤四，对目标运动参数的估计值的准确度进行评估，方法为：使用步骤三得到的目标运动参数的准确估计结果将步骤一得到的去斜后的回波信号在时域进行运动补偿，进行运动补偿后的时域去斜回波通过时域拼接法合成宽带，得到每一帧信号的一维距离像。对每帧信号的一维距离像在慢时间维进行求和，得到相参积累后的一维距离像，并根据聚焦结果峰值的一维距离与仿真参数设置的目标距离的误差得到目标运动参数估计值的准确度。2.根据权利要求1所述的一种基于stepped-dgrft的机动微弱目标运动参数估计方法，其特征在于：所述的步骤一中，目标雷达回波为其中，n＝(m-1)n+h为子脉冲序号，m为帧序号，m＝1,2,...,m。n为每帧信号中子脉冲的个数，h为子脉冲在帧中的序号。t
p
表示快时间，t
p
为脉冲宽度，且定义为调频斜率。f
h
＝f0+hδf为各子脉冲载频，h＝0,1,...,n-1，f0为初始载频，δf为频率步进间隔，脉冲重复周期(puserepetation time，prt)为t
r
，积累时间t＝mnt
r
。3.根据权利要求2所述的一种基于stepped-dgrft的机动微弱目标运动参数估计方法，其特征在于：所述的步骤一中，目标基带回波为：其中，k
r
为目标回波的幅度因子，简单起见，假设其在同一cpi内各脉冲间保持不变，c为光速。α
t
为目标各阶运动参数集合，α
t
＝[α0,α1,α2,
…
,α
k-1
]，α0，α1，α2，
…
分别表示目标初始径向距离，初始速度，初始加速度，依此类推。则目标的瞬时径向距离可以表示为：4.根据权利要求1-3任一所述的一种基于stepped-dgrft的机动微弱目标运动参数估
计方法，其特征在于：所述的步骤一中，去斜后的回波信号s
r
(n,t
p
)为：式中相位的第一项是随目标瞬时径向距离线性变化的，即去斜之后的距离向相位；第二项是随变化的方位向相位，即多普勒相位历程；第三项为残留视频相位(residual video phase，rvp)项。式中s
ref
(t)为去斜参考信号：其中，r
ref
为参考距离。去斜过程为回波信号在时域与参考信号的共轭相乘。去斜频率步进信号的时频关系如图1所示。5.根据权利要求1所述的一种基于stepped-dgrft的机动微弱目标运动参数估计方法，其特征在于：所述的步骤二中，构造的相位补偿因子为：6.根据权利要求1所述的一种基于stepped-dgrft的机动微弱目标运动参数估计方法，其特征在于：所述的步骤二中，所构造的相位补偿因子中包括目标运动参数，目标运动参数包括目标初始位置与雷达的距离α0、目标初始速度α1和目标初始加速度α2。7.根据权利要求1所述的一种基于stepped-dgrft的机动微弱目标运动参数估计方法，其特征在于：所述的步骤三中，积累结果矩阵g为：8.根据权利要求1所述的一种基于stepped-dgrft的机动微弱目标运动参数估计方法，其特征在于：所述的步骤四中，当假设目标径向匀速运动时，stepped-dgrft退化为stepped-drft，进行运动补偿后的去斜后回波信号s
rm
(n,t
p
)为：
其中，为步骤三中目标初始距离和初始速度估计结果。9.根据权利要求1所述的一种基于stepped-dgrft的机动微弱目标运动参数估计方法，其特征在于：对目标运动参数的估计值的准确度进行评估，方法为：使用步骤三得到的目标运动参数的准确估计结果将步骤一得到的去斜后的回波信号在时域进行运动补偿，进行运动补偿后的时域目标去斜回波通过时域拼接法合成宽带，得到每一帧信号的一维距离像，由于目标是微弱目标，具有低信噪比特性，故对每帧信号的一维距离像在慢时间维进行求和，得到相参积累后的一维距离像，实现了机动微弱目标一维距离像的聚焦，并根据聚焦结果峰值的一维距离与仿真参数设置的目标距离的误差得到目标运动参数估计值的准确度。

技术总结
本发明涉及去斜接收频率步进雷达机动微弱目标探测领域，具体涉及一种基于Stepped-DGRFT的机动微弱目标运动参数估计及相参积累方法。本发明提出的一种基于Stepped-DGRFT的机动微弱目标运动参数估计方法，可实现去斜频率步进雷达对机动微弱目标的运动参数精确估计，结合运动参数补偿及目标一维距离像聚焦方法，可提供系统对目标的探测能力。与DGRFT方法相比，Stepped-DGRFT可有效提升去斜接收频率步进雷达对机动微弱目标的目标运动参数估计能力和成像能力。能力和成像能力。能力和成像能力。


技术研发人员：常少强 孙毓贤 陈新亮 刘泉华
受保护的技术使用者：北京理工大学
技术研发日：2023.03.13
技术公布日：2023/7/26