《雷达信号处理PPT电子教案第七讲动目标检测》由会员分享，可在线阅读，更多相关《雷达信号处理PPT电子教案第七讲动目标检测（61页珍藏版）》请在金锄头文库上搜索。
1、第七讲 动目标检测器（MTD）MTD滤波器组示意图白噪声中的匹配滤波器示意图色噪声中的最佳接收机结构示意图第七讲 动目标检测器（MTD）1. MTD的原理1) 有色噪声中最佳接收理论其中，白化滤波器信号匹配滤波器2) 白化滤波器的实现 白化滤波器频率特性应为有色杂波加噪声谱的倒数，在实现上有几种近似方法：A) MTI对地杂波近似白化；B) 速度自适应MTI，对运动杂波近似白化；C) MTI + 速度自适应 MTI，对地杂波和运动杂波同时实现近似白化；D) 最大熵谱估计最大熵谱估计 AMTIAMTI，理想白化理想白化。3) 匹配滤波器 目标 fd 从 0fr 均匀分布，所以设置多普勒滤波器组来近
2、似实现匹配滤波；可用 FIR 或 FFT 来实现。4) 频域CFAR和选大 在每一多普勒滤波器通道输出设置CFAR电路；各通道过 CFAR 门限的信号相互比大，取最大值作为 MTD 输出值。2. 成组处理MTDBMTD一. CPI： 天线扫过一个点目标时在方位上的相继回波数，称为击中数 H。CPI 相参处理间隔是BMTD中组的大小。若一个CPI内的回波数为 m，应保证：这里（整数）所以 BMTD 的定义为：将一个将一个 CPI CPI 中的回波结合为一组，来进中的回波结合为一组，来进行行 MTD MTD 处理处理。*波束中的回波应分为至少 2 个CPI，才能保证至少一个CPI中包含了全部目标信
3、息，否则会导致 S/N 下降，降低检测性能。例：击中数 H32 时， m16 (个)。 这是最大值 CPI内脉冲数目的选择问题二. 乒乓存储器： 为了实时进行成组处理，必须首先将一个 CPI 中的全部回波数据存储起来，当该 CPI 数据全部存完后（乒存储器存满后），则取出来沿距离间隔顺序处理，与此同时，对下一个 CPI 的回波数据进行存储（存入乓存储器）CPI数据的乒乓存储乒乓存储器容量：设：CPI = m 距离间隔 = n A/D字长 b bits则：Z = 2 m n b 2 = 4mnb bits |乒乓 |I, Q例：CPI = 64 = m,n = 1024,b = 12 bits,
4、则：Z = 464102412 = 384 Kbytes三. 多普勒滤波器组： (1) 阶数： 多普勒滤波器组阶数为M，则Mm（预白化 MTI 阶数1） 例： 当 m18，MTI 为3脉冲（3阶）时，则 M18216（阶） (2）多普勒滤波器组的实现方法1. FFT算法：当 M=2T（T整数）时，可用基 2FFT，并采用加权来减小旁瓣，降低杂波通过旁瓣的泄漏，提高改善因子。一般采用：Hamming 或 Chebyshev 加权效果较好。 加权 FFT 滤波器组的FFT实现xi实际雷达CPI中数据的处理流程FFT运算得到的滤波器组fr/N优点：运算量少，设备简单； 运算量为： 次蝶形运算。 实数
5、乘法次数为例：M=16，实数乘法次数为:缺点：每个滤波器形状完全一致，不灵活。缺点：每个滤波器形状完全一致，不灵活。2. FIR算法a)权系数设计：窗函数法 任意窗函数 Remez多重变换算法旁瓣约束等波纹设计法 权系数 hi(n), ( i=1,2,M), (n=1,2,M)b) 具体算法： ,i=1,2,M 这里 和 为复数， i1,2,M于是有：c) FIR 滤波器组运算量，实数乘法次数为： 4 M2例：M = 16，则 4(16)2 = 1024 (实数乘法)优点：灵活，性能好缺点：运算量大，复杂。3. MTD 系统的改善因子一. 最佳多普勒滤波器组构成的最佳多普勒滤波器组构成的 MT
6、D MTD 系统的改善因子系统的改善因子 所谓最佳多普勒滤波器组，即每个滤波器的权函数 Wi 都是最优权函数。这里最优是相对于一定的杂波模型和信号假设而言的。1. CPI 中M个信号回波可用一复矢量表示：Ps为每个信号回波的功率，这里假设天线波瓣形状为矩形，所以每个Ps相等。为信号的随机相位。 ，是脉冲脉冲间的相移2. 杂波回波是： 这里：是杂波功率3. 热噪声： 这里：为噪声功率4. 总输入为：（这里假设 s,c,n 为统计独立的）5. 改善因子：输入信干比为：令某多普勒滤波器有复加权 , wi 为某一个滤波器通道的第i个权值则滤波器的输出为：相应的输出功率为：其中， 代表输入回波的协方差矩
7、阵，用 表示（因因S S，C C，n n相互统计独立相互统计独立）这里，归一化信号协方差阵归一化杂波协方差阵中的第i，j位置的元素可由杂波相关函数 决定。归一化噪声协方差阵为：因此具有复加权 的多普勒滤波器的噪声增益为输出信干比为：则改善因子为：信号功率增益输入(杂波噪声)功率输出(杂波噪声)功率为信号功率增益对噪声功率增为信号功率增益对噪声功率增益之比，即为相干积累增益益之比，即为相干积累增益为归一化的干扰抑制比，即干为归一化的干扰抑制比，即干扰抑制比乘噪声增益。这相当扰抑制比乘噪声增益。这相当于前面讲过的平均改善因子。于前面讲过的平均改善因子。则有：其中：可见MTD可以看成白化滤波器（具有
8、平均改善因子IMTI）和相干积累器（多普勒滤波器组）的级联。白化滤波IMTI多普勒滤波器组GC由文献知，最佳 应为：干扰协方差阵的逆信号的复共轭具有最佳加权的具有最佳加权的MTDMTD就是有色噪声中的最佳检测器。就是有色噪声中的最佳检测器。由于 和 都是 的函数，当 在 中均匀分布时，该最佳处理器的平均改善因子为：例：杂波谱为高斯形 可用数值计算出不同 和 N 时的 23469167.514182532.532.540当： 时二. 理想白化滤波器级联滤波器组的改善因子白化滤波器Hw(f)滤波器组令杂波功率谱为 Sc(f)，则理想 Hw(f) 应为 Sc(f) 的倒谱或：这里： Sc(f) 是杂
9、波功率谱 (采样前，f 是从 内扩展的)相当于把杂波功率折叠到 内。，j 取整数白化滤波器平均归一化对消比：（杂波抑制比）（噪声增益）又：令则：后接滤波器组在理想情况下为一相干积累器（即矩形窗加权，且目标 fd 正好处于某滤波器通带中央），相干积累增益为：所以系统改善因子：例：杂波功率谱 计算列表如下： c T0.070.070.080.100.120.140.20 CAV(dB)85.285.261.033.519.411.62.8 而这是系统改善因子上界；当非矩形窗加权时会有 S/N 损失，当 fd 不处于滤波器中央时，应算平均相参积累增益，也会有损失。三. 实际 MTD 系统的改善因子非
10、理想白化非矩形窗加权 实际系统为一个 2 脉冲或 3 脉冲 MTI 级联加权滤波器组。令：对消器传递函数和第 i 个滤波器传递函数的合成为：对而言，归一化对消比为：实际 ISIR 理想 ISIR（杂波抑制比）（噪声增益）实际MTI加滤波器组的结构形式则：由：如已知 和 ，则可求得相干积累增益为因此，则： ，N 为滤波器数例：3 脉冲对消 8 脉冲滤波器组，杂波为高斯谱。1. 矩形窗加权时0.006 0.050.070.070.080.186.442.638.938.936.230.12. 25dB 旁瓣 Chebyshev 加权0.006 0.050.070.070.080.19351.343
11、.843.84032.8可见，比理想性能相差较大， Chebyshev 加权副瓣越低，则越高。4. MTD 的精度和分辨率在 BMTD 中，方位精度由于受到 CPI 宽度限制，因而较低，可用以下几种方法加以改善。因波束内至少有两个CPI，设第一个CPI 报告的方位为 ，第二个CPI 报告的方位为一. 内插法提高方位精度 估计方位这里为内插函数，它取决于与 和 相对应的目标报告的对数幅度1. 波束内为单CPI： 此时，F=0，2. 波束分裂法（波束内为 2 个CPI时）：假设两个CPI 为等同看待（即信号回波在两个 CPI 中均充满时），可令 F=1/2，所以，二. 质量中心法可见质量中心法相当
12、于内插法中的 A1和A2 为相应于 和 的线性幅度三. 天线波束形状相关法：K是常数，与天线波瓣形状有关。四. 波束匹配法：当波束内的报告数较多时，采用波束形状对每个报告实施加权求中值法。其中， 为波束相应于 的形状因子。各种方法比较：BMTD BMTD 分辨率取决于波束宽度。分辨率取决于波束宽度。5. 滑动 MTD SMTD为了提高 MTD 处理的方位精度，可采用滑动MTD。一. 原理：在方位上每滑过一个脉冲，做一次 M 点的MTD，新进入一个信号，丢掉一个老信号，又进行一次 M 点 MTD。因此每次 MTD处理中均只有一个新信息，M1 个老信息。SMTD处理中，可获得与天线波束内的击中数相
13、等的报告数，从而可采用质心法等方法来提高 MTD 的方位精度。SMTD最大的难点是运算量相对于BMTD增加了M倍。所以必须寻求减少运算量的新方法。滑动滑动SMTDSMTD的示意图的示意图传统单滑动处理的 MTD 结构图中，N 为窗长（也是滤波器组的个数），每滑进、滑出一个脉冲要完成 N 个滤波器运算，N 次恒虚警处理，和 N 个通道的门限比较以及选大输出，运算量庞大。这种处理有两个冗余度：1) 每一步处理 N 个滤波器中有 N1 个滤波器结果并不输出，即只有目标通道输出。但目标多普勒频率在一次扫描波束范围内是不会发生太大变化的。可认为所处理的滤波器通道不变。由此可得出在整个波束范围内只作一次目
14、标通道判决由此可得出在整个波束范围内只作一次目标通道判决。每判一次后，可作多次滑动处理，且每次滑动处理只处理目标所在的多普勒滤波通道即可。从而可以大大节省运算量。2) 相邻两次处理的 N 个数据中，有 N1 个数据完全相同。所以相邻两次 FFT 处理之间可导出一种滑动递推算法，提高滑动 FFT 处理的效率。二. 成组判断和滑动处理相结合的 SMTD 1) 成组判断：在波束范围内仅做一次目标通道判决 2) 滑动处理：仅对有目标的通道进行单滤波器的滑动处理 因此，新的结构如下图所示： 在波束范围内，由于仅做一次目标通道判决，所以只做一次FFT（或滤波器组），一次 N 通道恒虚警，和一次 N 选 1
15、判断即可。 如成组判断后，判目标通道为 K0 ；则在整个波束范围内的滑动处理时，每次滑动后仅作 K0 通道的滤波、恒虚警即可，从而大大节省了运算量。此外各相邻两次单滑动处理间有极强的相关性（因有 N1 个数据相同），所以前次滤波的某些结果可直接送入下次滤波处理中，进一步减少了单滤波器处理的运算量。成组判断和滑动处理相结合的实现方框图:三. 滑动处理的快速递推算法 令用 N 点 DFT 完成窄带滤波器，目标处于 K 通道，连续 N 个输出可表示为：(1)(2)(3)(4)N 为相干点数， ；由 (2) 式乘以 再减去 (1) 式得：同样，由 (3) 式乘以 再减去 (2) 式得：依此类推，有：上
16、式可写成一般表达式：m=1,2,N-1(5)由于后续均值估计和恒虚警处理只关心信号模值，可丢弃信号相位分量。令：故有：可见，仅对模值而言，得到 和 是等效的（相同）。由(5)，(6) 两式可得到单滑动 DFT 的快速递推算法的一般表达式（仅求 即可）(6)(7)由 (7) 式知，其滤波运算，每滑动一次只需一次复乘，两次复加即可。所以其流程应为： Step 1：初始化 （因求 和求 等效） Step 2：循环， for m=1 to N-1流程图：M为成组判断组长（可等于波束内击中数）运算量： 初始化：N 次复乘，N 次复加，滑动 (M-1) 次：(M-1) 次复乘，2(M-1) 次复加共有：复乘 (N+M-1) 次，复加 N+2(M-1) 次如 M=N，则计算量为 (2N-1) 次复乘和 (3N-2) 次复加。而标准 FFT，每输出一个结果要 次复乘，和次复加。可见当 N16时，滑动处理输出 N 个结果的运算量，比传统方法输出一个结果的运算量还少，效率提高 N 倍以上。再加上恒虚警和判大等运算量的大量减少，所以使“成组判断，滑动处理”的总运算量急剧下降。 SMTDSMTD的实现成为可能！的实现成为可能！
