高速機動目標長時間相參積累算法研究.pdf

1、通過增加觀測時間并采用長時間相參積累可以有效的提高回波信噪比與雷達對微弱目標的探測能力。然而，在相參積累過程中目標的高速度與機動性會導致距離走動與多普勒走動的產(chǎn)生，使得傳統(tǒng)的相參積累算法失效。
　　本研究主要內(nèi)容包括：⑴提出了RLVD和KTLVD兩種勻加速目標相參積累算法，解決了距離走動校正和多普勒走動補償問題，實現(xiàn)了微弱目標回波能量的相參積累，提高了低信噪比下目標的檢測性能。⑵提出了 KTGDP和KTCPF兩種相參積累算法，解決

2、了變加速運動目標的線性距離走動校正與復雜多普勒走動補償問題，實現(xiàn)了目標運動參數(shù)的估計；提出了基于CLEAN處理的多目標相參積累算法，實現(xiàn)了目標相互干擾下的多目標能量積累與參數(shù)估計。⑶提出了GKTGDP和TRT-SKT-LVD兩種相參積累算法，校正了變加速目標的三階距離走動，實現(xiàn)了目標能量的相參積累，較好的解決了高速目標相參積累中的盲速旁瓣問題。⑷提出了ACCF-LVD和迭代 ACCF兩種相參積累算法，通過互相關(guān)函數(shù)消除了變加速目標的多普