基于时间反转变换的动目标相参积累算法

doi:10.3969/j.issn.1009-086x.2022.02.010

摘要/Abstract

摘要：

高速动目标回波能量的相参积累一直是国内外学者的研究热点。针对时间反转变换-二阶Keystone变换-吕分布（TRT-SKT-LVD）算法在积累过程中丢失速度信息的问题,提出时间反转变换-一阶Keystone变换-Radon变换（TRT-KTR）算法实现动目标速度的分离与相参积累。通过时间反转分离出目标的速度信息，采用低通滤波器和线性平滑法消除噪声引起的突变点的影响。用一阶Keystone变换校正目标速度引起的距离走动。利用Radon变换估计速度模糊数并进行补偿实现相参积累。仿真证明，该算法可以有效分离并积累目标的速度分量，且拥有较低的运算量。结合TRT-SKT-LVD后的联合算法可积累出目标距离、速度、加速度三维信息，实现多目标检测。

关键词: 目标检测, 相参积累, 时间反转变换, Keystone变换, Radon变换

Abstract:

The coherent accumulation of echo signals of high-speed moving targets has always been a research hotspot for domestic and foreign scholars. Aiming at the problem that the time reversing transform， the second-order Keystone transform and LV’s distribution （TRT-SKT-LVD） algorithm loses velocity information in the process of accumulation， a time reversing transform， the first-order Keystone transform and Radon transform （TRT-KTR） algorithm is proposed to achieve velocity separation and phase-coherent accumulation of moving targets. The velocity information of the target is separated by time reversal and the impact of the abrupt point caused by noise is eliminated by low pass filter and linear smoothing method. The first order Keystone transform is used to correct the range migration caused by the target velocity. The Radon transform is used to estimate the fuzzy number of velocity and compensate to realize phase-coherent accumulation. Simulation results show that the algorithm can effectively separate and accumulate the velocity components of the target， and has a low computational cost. Combined with TRT-SKT-LVD， the joint algorithm can accumulate 3D information of target distance， speed and acceleration， and realize multi-target detection.

Key words: target detection, phase-coherent accumulation, time reversing transform, Keystone transform, Radon transform

中图分类号:

TN957.51

刘海涵, 吕卫祥. 基于时间反转变换的动目标相参积累算法[J]. 现代防御技术, 2022, 50(2): 67-75.

Hai-han LIU, LU¨ Wei-xiang. A Phase Coherent Accumulation Algorithm of Moving Target Based on Time Reversal Transformation[J]. Modern Defense Technology, 2022, 50(2): 67-75.

图/表 7

图1 快时间维分段示意图

Fig.1 Fast time dimension segmentation diagram

图2 TRT-SKT-LVD与TRT-KTR联合算法流程图

Fig.2 Flowchart of TRT-SKT-LVD and TRT-KTR joint algorithm

表1 雷达系统参数

Table 1 Radar system parameters

雷达参数	数值	雷达参数	数值
载频/GHz	1	脉冲重复频率/Hz	2 000
带宽/MHz	5	采样频率/MHz	10
脉冲宽度/μs	100	脉冲积累个数	400

图3 无噪声情况下TRT-KTR算法

Fig.3 TRT-KTR algorithm without noise

图4 有噪声情况下TRT-KTR算法

Fig.4 TRT-KTR algorithm in the presence of noise

图5 TRT-KTR算法积累性能

Fig.5 Intergration performance of single-target TRT-KTR

图6 联合算法多目标分辨

Fig.6 Joint algorithm for multi-target resolution

参考文献 15

1	曹润清. 基于多线性函数核的机动目标长时间相参积累算法研究［D］. 西安：西安电子科技大学， 2019.
	CAO Run-qing. Research on Long-Time Coherent Accum- Ulateion Algorithm of Maneuvering Target Based on Multi-Linear Function Kernel［D］. Xi'an： Xidian University， 2019.
2	孙智. 临近空间高速目标长时间相参处理算法研究［D］. 成都：电子科技大学， 2020.
	SUN Zhi. Research on Long-Term Coherent Processing Algorithm for High-Speed Targets in Adjacent Space［D］. Chengdu： University of Electronic Science and Technology of China， 2020.
3	张作霖. 雷达高速弱目标长时间积累方法研究［D］. 哈尔滨：哈尔滨工业大学， 2014.
	ZHANG Zuo-lin. Research on Long-Term Accumulation Method of Radar High-Speed Weak Target［D］. Harbin ： Harbin Institute of Technology， 2014.
4	饶烜. 空中弱小目标长时间相参积累检测技术研究［D］. 西安：西安电子科技大学， 2015.
	RAO Xuan. Research on Long-Term Coherent Accumulation and Detection Technology for Small and Dim Targets in the Air ［D］. Xi'an： Xidian University， 2015.
5	余吉，许稼，彭应宁. 径向匀加速目标的长时间相参积累方法［J］. 清华大学学报， 2010， 50（ 5）： 793- 796.
	YU Ji， XU Jia， PENG Ying-ning. Long-Term Coherent Accumulation Method for Radial Uniform Acceleration Target［J］. Journal of Tsinghua University， 2010， 50（ 5）： 793- 796.
6	ZHU Dai-yin， LI Yong， ZHU Zhao-da. A Keystone Transform Without Interpolation for SAR Ground Moving-Target Imaging［J］. IEEE Geoscience and Remote Sensing Letters， 2007， 4（ 1）： 18- 22.
7	章建成. 机动目标检测与运动参数估计技术研究［D］. 西安：西安电子科技大学， 2017.
	ZHANG Jian-cheng. Research on Maneuvering Target Detection and Motion Parameter Estimation Technology［D］. Xi’an： Xidian University， 2017.
8	STARCK J， DONOHO D L， CANDèS E J. The Curvelet Transform for Image Denoising［J］. IEEE Transactions on Image Processing a Publication of the IEEE Signal Processing Society， 2002， 11（ 6）： 670- 684.
9	冯伟刚，张顺生. 基于三阶运动模型的GRFT算法的并行化实现［J］. 信号处理， 2021， 37（ 3）： 383- 389.
	FENG Wei-gang， ZHANG Shun-sheng. The Parallel Implementation of GRFT Algorithm Based on the Third-Order Motion Model［J］. Signal Processing， 2021， 37（ 3）： 383- 389.
10	TAO Ran， LI Yan-lei， WANG Yue ． Short- Time Fractional Fourier Transform and Its Applications［J］. IEEE Transactions on Signal Processing， 2010， 58（ 5）： 2568- 2580．
11	CHEN Xiao-long， GUAN Jian， LIU Ning-bo， et al ． Detection of a Low Observable Sea-Surface Target with Micromotion via the Radon Linear Canonical Transform［J］． IEEE Geoscience and Remote Sensing Letters， 2014， 11（ 7）： 1225- 1229．
12	LI Xiao-long， CUI Guo-long， YI Wei， et al. Fast Coherent Integration for Maneuvering Target with High-Order Range Migration via TRT-SKT-LVD［J］. IEEE Transactions on Aerospace and Electronic Systems， 2016， 52（ 6）： 2803- 2814.
13	辛婷婷，王国宏，张亮，等. 变加速运动目标的相参积累算法［J］. 现代防御技术， 2020， 48（ 2）： 60- 68.
	XIN Ting-ting， WANG Guo-hong， ZHANG Liang， et al. Coherent Accumulation Algorithm of Variable Acceleration Target［J］. Modern Defence Technology， 2020， 48（ 2）： 60- 68.
14	李文韬. 雷达信号长时间积累技术算法研究［D］. 成都：电子科技大学， 2018.
	LI Wen-tao. Research on Long-Term Accumulation Technology Algorithm of Radar Signal［D］. Chengdu： University of Electronic Science and Technology of China， 2018.
15	Xiao-lei LÜ， BI Guo-an， WAN Chun-ru， et al. Lv’s Distribution： Principle， Implementation， Properties， and Performance［J］. IEEE Transactions on Signal Processing， 2011， 59（ 8）： 3576- 3591.

[1]	李洋, 梁潇, 贾海萨. 基于知识蒸馏的SAR图像舰船目标检测[J]. 现代防御技术, 2023, 51(4): 78-85.
[2]	何明, 朱梓涵, 翟绪龙, 翟政, 郝程鹏. 基于多分支上下文融合的空对地目标检测算法[J]. 现代防御技术, 2023, 51(3): 91-98.
[3]	岳磊, 袁建虎, 杨柳, 吕婷婷. 一种巡逻执勤目标检测算法研究[J]. 现代防御技术, 2023, 51(1): 67-74.
[4]	代妍, 刘丹, 胡庆荣, 陈成增, 王悦循. 一种针对雷达回波分裂的相位补偿处理方法[J]. 现代防御技术, 2022, 50(3): 84-89.
[5]	刘克, 潘广煜, 郑大国, 顾佼佼, 孟春英. 一种RetinaNet与SE融合的航空取证目标检测算法[J]. 现代防御技术, 2022, 50(1): 25-32.
[6]	李潇飞, 唐意东. 基于先验稀疏模型的光谱图像压缩采样检测[J]. 现代防御技术, 2021, 49(3): 115-122.
[7]	翟心蝶, 杨刚, 廉杰. 基于二阶Keystone的微弱运动目标检测[J]. 现代防御技术, 2021, 49(3): 105-114.
[8]	王文庆, 庞颖, 刘洋, 杨东方, 张萌. 双重注意机制的空对地目标智能检测算法[J]. 现代防御技术, 2020, 48(6): 81-88.
[9]	王志虎, 沈小青, 桂伟龙. 光学成像小目标检测技术综述[J]. 现代防御技术, 2020, 48(5): 67-73.
[10]	陈睿容, 孙武, 贾学振, 徐秋锋. 基于二阶Keystone的空间目标检测方法[J]. 现代防御技术, 2020, 48(4): 93-101.
[11]	辛婷婷, 王国宏, 张亮, 张翔宇. 变加速运动目标的相参积累算法[J]. 现代防御技术, 2020, 48(2): 60-68.
[12]	康红霞, 黄树彩, 黄文龙, 吴建峰. 最小二乘向量机结合光谱维信息检测弱小目标[J]. 现代防御技术, 2018, 46(4): 86-91.
[13]	王万田, 袁俊泉, 王力宝, 陈阿磊. 基于MDCFT的天空双基地雷达机动目标检测方法[J]. 现代防御技术, 2018, 46(3): 191-198.
[14]	张宏伟, 许道明, 马俊涛, 冉宏远. Radon变换的雷达低慢小目标检测方法[J]. 现代防御技术, 2018, 46(3): 105-111.
[15]	许道明, 张宏伟. 雷达低慢小目标检测技术综述[J]. 现代防御技术, 2018, 46(1): 148-155.