船载高频地波雷达海杂波抑制方法研究

摘要

目前，岸基高频地波雷达(HFSWR)的研究及应用已经比较成熟。随着经济全球化和国家利益的扩展，远海护航、海外撤侨、海军走向深蓝等任务的需要，岸基HFSWR有其局限性，作为岸基HFSWR技术的深入与发展，船载HFSWR的提出和深入研究顺理成章。船载HFSWR除具有岸基雷达的优点外，其主要特点为船载平台具有的灵活机动性。利用此特点，船载HFSWR可灵活部署到感兴趣海域开展目标探测任务。因此，船载HFSWR有着广泛的发展前景和应用价值。
　　船载HFSWR对水面舰船目标探测时，海杂波是主要的干扰，特别是由于船载平台的运动，导致海杂波在多普勒域展宽明显，检测位于展宽谱之内的船目标相对困难。目前，在船载HFSWR海杂波抑制方面的研究比较有限，相关论文较少，针对目前的情形，本文将对船载HFSWR海杂波抑制方面的研究进行拓展，提出更好的海杂波抑制方法。本文主要研究内容如下：
　　1.介绍了HFSWR海杂波产生机理；同时，为了提出更好的船载HFSWR海杂波抑制方法，分析了船载HFSWR海杂波的特性，包括海杂波空时特性和混沌特性。空时特性和混沌特性的分析是以船载平台作近似匀速直线运动为前提，并且利用船载HFSWR海杂波的空时分布，同时考虑船载平台的三维摆动，提出了一种新的船载HFSWR海杂波建模方法，构造了三维海杂波数据，与实测的船载HFSWR海杂波数据进行比较，建模方法比较有效。另外，介绍了两种线性调频截断连续波的目标信息提取方法。
　　2.目前比较常用的以目标检测为目的的HFSWR信号处理方法是二维快速傅里叶变换(2D FFT)加数字波束形成(DBF)，简称FFT-DBF算法。另外，在海杂波的空时特性和混沌特性分析中得到了海杂波占优的检测背景中任一距离单元和方位的海杂波时域数据具有可预测性的结论，据此提出了一种新的海杂波时域抑制(PC)算法。利用经过距离信息提取后的距离单元数据， PC算法首先对所有距离单元的时域数据进行DBF处理，得到所有距离单元感兴趣方位的数据，然后利用感兴趣距离单元周围单元相应方位的时域数据在距离维上取算术平均，将平均后的时域数据作为预测模型的训练数据，预测模型为径向基函数(RBF)神经网络，最后将感兴趣距离单元和相应方位的时域数据输入已经训练好的预测模型得到预测数据，再将预测数据进行对消处理，对消结果作FFT，进而检测到运动目标产生的多普勒频率。利用仿真数据和加仿真目标的实测海杂波数据对提出的PC算法进行验证，通过与FFT-DBF算法比较，说明了该算法的有效性。
　　3. PC算法能够在时域抑制船载HFSWR海杂波，简化的PC方法在保证杂波抑制性能的情况下能够减小运算量，然而，二者均是一维的杂波抑制方法。为了进一步提高杂波抑制效果，提出了两种新的空时级联的海杂波抑制方法，分别为改进的正交加权(IOW)算法和改进的斜投影(IOP)算法。IOW算法首先在多普勒域进行自适应的海杂波抑制，然后将多普勒域的杂波抑制结果与正交加权算法结合，达到空时级联的二维海杂波抑制的效果，利用仿真和实测数据对方法的有效性进行了验证。虽然IOW算法比较有效，但是当一阶海杂波和目标在同一波束主瓣之内时，存在目标增益损失的问题，为了解决这个问题，本文又提出了一种IOP方法进行抑制海杂波，其原理与IOW算法类似，只是将IOW算法中的正交加权算法替换成斜投影算法，同样利用了仿真和实测数据进行了有效性的验证。
　　4.为了进一步改善海杂波抑制性能，将空时自适应处理(STAP)方法用于抑制船载HFSWR海杂波。然而，传统的STAP方法运算量和样本量需求非常大，故将一种降维的STAP方法(JDL)用于抑制海杂波，利用仿真和实测数据验证了方法的有效性；尽管JDL方法的海杂波抑制性能较好，但仍然有进一步的提升空间，为此，本文又提出了一种改进的JDL(IJDL)方法，IJDL方法首先对感兴趣距离单元内所有阵元数据做FFT处理，然后对感兴趣距离单元中任一多普勒频率单元数据进行MUSIC(Multiple Signal Classification)处理(MUSIC用到的样本来自相邻的数据文件)，得到感兴趣距离单元的多普勒-方位角二维数据，利用以上方式得到的多个距离单元的二维数据，再进行类似JDL算法的自适应处理实现抑制海杂波的目的，IJDL算法的有效性同样利用了仿真和实测数据进行了验证。

目录

第1章 绪论

1.1 课题背景及研究的目的和意义

1.2 HFSWR国内外研究现状

1.3 HFSWR信号处理方法

1.4 HFSWR相关技术综述

1.5 本文的主要研究内容

第2章 船载HFSWR海杂波与目标回波分析

2.1 引言

2.2 HFSWR海杂波产生机理

2.3 船载HFSWR海杂波混沌特性分析

2.4 HFSWR目标信息提取

2.5 本章小结

第3章 船载HFSWR海杂波时域抑制

3.1 引言

3.2 船载HFSWR海杂波仿真

3.3 RBF神经网络预测模型

3.4 船载HFSWR海杂波时域抑制算法

3.5 本章小结

第4章 船载HFSWR海杂波空时级联抑制

4.1 引言

4.2 船载HFSWR海杂波多普勒维相关性分析

4.3 IOW算法

4.4 IOP算法

4.5 本章小结

第5章 船载HFSWR海杂波空时联合抑制

5.1 引言

5.2 最优STAP算法

5.3 JDL算法

5.4 IJDL算法

5.5 本章小结

结论

研究展望与设想

参考文献

攻读博士学位期间发表的论文及其他成果

声明

致谢

个人简历