一、一种新的雷达信号CFAR处理方法(论文文献综述)
张鹏辉[1](2021)在《阵列信号多帧检测前跟踪算法研究与GPU快速实现》文中进行了进一步梳理阵列雷达通过计算多阵列组成的快拍数据中的目标回波相位差来完成对目标角度的估计,在军用和民用领域具有十分重要的应用价值。阵列信号多帧检测前跟踪算法,基于阵列雷达多天线回波数据构建阵列量测模型,通过引入多帧量测数据和目标运动模型的概念,进行多帧能量积累,完成对微弱目标的发掘,可应用于雷达探测、麦克风阵列声源定位和通信等领域中。本文以车载毫米波阵列雷达为切入点,研究了毫米波阵列雷达参数估计方法、常规毫米波信号处理流程、阵列量测模型构建、阵列量测多帧积累和算法的GPU并行化实现等内容,具体工作内容如下:1.以Texas Instruments公司车载毫米波阵列雷达AWR1642为平台,详细研究了毫米波阵列雷达系统结构,推导了LFMCW体制雷达测距、测速和测角原理,介绍了常规毫米波阵列雷达信号处理流程。2.针对多帧检测前跟踪算法应用于阵列信号处理的问题,从贝叶斯估计理论出发,推导了常规的多帧检测前跟踪算法,分析了阵列信号处理与多帧检测前跟踪算法结合的难点,设计了一种能有效进行能量积累的阵列信号量测模型,提出了一种通过多帧积累方法有效发掘微弱目标的检测定位算法,解决了阵列信号中微弱目标的检测困难的问题,并在仿真实验和实测数据处理中验证了算法的有效性。3.针对阵列信号多帧检测前跟踪算法工程化实现困难的问题,选择GPU作为信号处理平台,深入研究了GPU物理结构和编程模型,结合信号处理需求和GPU并行架构加速实现了雷达信号处理算法,并开发测试了一套离线数据处理软件以加速处理离线数据。以上所提算法与传统阵列信号处理方法在仿真和实测中都进行了对比,实验结果验证了所提算法的有效性和稳定性。经过多次测试,所开发的实测数据离线处理软件能稳定地输出正确检测定位结果,达到了工程化中加速数据处理的目的。
黄志明[2](2021)在《基于GPU的高空机载预警雷达信号处理技术研究》文中认为随着需要处理的雷达回波数据日益复杂,数据量也越来越大,系统的实时性成为雷达信号处理的发展瓶颈之一。近些年随着图形处理器(Graphics Processing Unit,GPU)计算性能的不断提高,而且具有可移植性强、可扩展性高、重构性好、软硬件解耦等优点,使得GPU在雷达领域得到了越来越广泛的应用,雷达信号处理中的很多算法都具有良好的并行性,非常适合GPU进行加速处理。本文以高空机载预警雷达信号处理的GPU实现为研究背景,具体的工作内容如下:(1)研究了异构架构和统一计算设备架构(Compute Unified Device Architecture,CUDA)编程,分析了GPU的硬件架构和软件架构,对CUDA编程中的一些有效的优化方向进行了总结和分析。(2)研究了机载预警雷达信号处理流程,主要包括数字波束形成、脉冲压缩、动目标显示和动目标检测、主瓣杂波抑制方法、恒虚警检测。介绍了处理流程中各个算法的基本原理,完成了各个算法的CPU仿真实现,并且提出了一种基于积分图算法加速恒虚警检测的方法。(3)详细分析了机载预警雷达信号处理中的并行性,并且设计了信号处理各个算法的GPU实现,结合动目标显示和动目标检测GPU实现的特点,提出了一种基于GPU的联合优化方法,并且进一步从数据传输、线程组织结构和共享内存的使用等方面对雷达信号处理的GPU程序进行了优化加速。(4)研究了嵌入式GPU平台的特性,从数据传输、算法改良、数据量的增加和指令访存等方面结合Jetson AGX Xavier平台的特性对GPU程序进行进一步的优化加速,测试结果表明该GPU程序能够满足系统需求。
赵文静[3](2020)在《海杂波背景下的雷达目标检测方法研究》文中研究指明海杂波背景下的运动目标检测在军事领域和民用领域具有重要意义,同时面临很大的困难和挑战。由于高分辨海杂波的统计特性呈现出非高斯、非线性以及非平稳特性,给运动目标检测带来极大的挑战;对于慢速移动、雷达截面积较小的隐身目标或漂浮目标,其回波信杂比较低,使得检测难度增加;此外,在有效检测样本数较少的情况下,检测信杂比难以提高,检测性能受到较大制约。因此高分辨海杂波背景下的短脉冲目标检测问题成为国内外学者关注的热点问题。针对这些检测难点,本文旨在研究短脉冲情况下高分辨海杂波背景中的运动目标检测的新理论与新方法,基于接收数据的相关性、信息几何理论及杂波抑制方法,探索了几种雷达运动目标检测方法,主要工作如下:(1)充分挖掘和利用数据样本间的信息,提高短脉冲条件下的检测性能是雷达目标检测需要解决的一个难点问题。对于海杂波的时间相关性和空间相关性特性,利用协方差矩阵的特征值捕捉相关性并提取信号特征,进而用于区分目标和杂波。从特征值域的似然比检测角度和广义似然比角度分析了检测统计量与特征值的关系,设计了一种基于最大特征值的矩阵检测器。仿真实验表明,该算法取得较优的检测性能。此外,利用不变理论分析表明所提算法对杂波协方差矩阵具有恒虚警率特性。(2)以信息几何理论为基础,深入探究矩阵信息几何理论并设计雷达目标检测方法。针对矩阵流形上的几何测度和均值矩阵估计问题,利用矩阵谱范数,给出了矩阵流形上一种新的几何测度,并分析了几何测度的各向异性,指出了所提出的几何测度与现有几何测度的区别。基于不依赖于数据统计特性的几何模式,将基于新几何测度的均值矩阵估计问题转化为矩阵流形上的凸优化问题,提出了两种有效的求解方法。利用提出的几何测度和均值矩阵估计器,设计了两种雷达目标矩阵检测器。理论分析及仿真实验表明,所提出的矩阵检测器具有有界恒虚警率特性,且获得较好的检测性能。(3)针对一些现有的矩阵检测器的检测性能不理想以及计算复杂度高的问题,提出2类新的检测算法:其一,利用Root-Euclidean距离、Power-Euclidean距离、Cholesky-Euclidean距离和新Riemannian距离衡量矩阵流形上两个点的差异性,研究了相应度量的均值和中值矩阵计算问题,并设计了基于均值和中值的矩阵检测算法;其二,为保持原算法的优势,保留现有矩阵检测算法中的中值矩阵的求解方法,但是采用最大特征值作为检测统计量,进而设计了6种不同的中值矩阵检测方法。基于多个仿真场景的实验分析表明所提算法具有较优的检测性能和鲁棒性,特别是最大特征值与Hellinger中值矩阵相结合的新算法表现出较优的性能。此外,计算复杂度分析表明,所提的两类算法比现有的几何方法具有更低的计算复杂度。(4)针对短脉冲条件下的相干积累难以提高检测信杂比的问题,研究杂波抑制手段,提出了 2种基于滤波处理的最大特征值矩阵检测器:其一,通过对接收数据执行快速傅里叶变换实现预处理过程,将频域相干积累与最大特征值方法相结合,提出基于预处理的最大特征值矩阵恒虚警率检测器。该算法利用目标导向矢量的先验信息减弱杂波的影响,进一步提高检测性能;其二,研究了子带分解的思想,利用子带分解将接收信号在多普勒域维分解为多个子带信号,有效地抑制杂波且增加相干积累时间,提出子带分解与特征值检测级联的两阶段检测算法。基于仿真数据和实测数据的实验表明,所提的两种算法均取得较好的检测性能。上述工作在检测算法方面做了有益的探索,在一定程度上丰富了高分辨率海杂波背景下的雷达运动目标检测算法的理论,提高了在实际系统中的可行性,具有很好的理论意义和实用价值。
陈超[4](2020)在《FMCW毫米波雷达目标特征提取及分类研究》文中指出毫米波雷达发射的调频连续波信号,与雷达接收到的信号进行混频处理后,对目标进行信息提取与分类。本文研究FMCW毫米波雷达的目标特征提取与分类方法,具体内容包括如下几个部分:1、介绍了毫米波雷达的系统构成,主要理解了三角波信号波形与研究了调频连续波的信号分析理论,推导了毫米波雷达的测距测速、测角原理。2、研究了一种波达方向(DOA)估计的高精度测角算法,分析均匀线阵的阵列接收模型、DOA估计算法、目标横向特征以及高精度角度提取方法。仿真验证了高精度测角方法具有很高的角度分辨率,实验证实高精度的测角信息可以作为一种分类目标的方法。3、研究了一种基于多普勒扩展目标的毫米波雷达检测算法,分析Chirp波形信号与多普勒扩展特性,分析多普勒扩展目标检测程序与检测过程。对多普勒扩展目标检测方法进行仿真验证,证明积累多普勒频段的方法具备优越的检测性能。4、研究了三种微多普勒特征提取算法,建立行人运动的模型,研究短时傅里叶变换、小波变换与维格纳-威尔分布的原理,并针对行人运动模型使用三种方法进行仿真分析,对比三种方法的时频分析结果,证明三种方法都具备时频分析能力。5、对实测数据进行微多普勒特征的分类测试,介绍了实测数据采集的平台与参数配置以及外场测试环境,对实测数据进行微多普勒处理后进行微多普勒特征提取和分类,分析实验结果,验证了微多普勒特征能够高准确率的分辨行人车辆树木,微多普勒特征提取与分类方法是一种较好的目标分类方法。
程远[5](2020)在《弹载MIMO雷达目标检测算法实现研究》文中研究指明精确制导技术在现代战争中有着举足轻重的作用,弹载MIMO雷达凭借其灵活性、低截获性、高探测能力等优异特点,较传统弹载相控阵雷达更具竞争力。国内外研究机构也越来越多开展MIMO雷达导引头的研制工作。本文以弹载MIMO雷达信号处理系统研制为出发点,研究了若干目标检测算法的硬件实现方案,重点分析了弹载MIMO雷达角度搜索方案和雷达下视状态时的目标检测方案。针对基于RTL开发时算法实现复杂度大、空时自适应滤波计算量大等问题,提出采用高层次设计平台进行算法实现,以及采用空-时两级降维的3DT-STAP算法来降低空时自适应滤波的计算量。并在已有的FPGA+DSP架构的硬件平台上实现相关算法模块。完成的主要工作如下:1、分析弹载MIMO雷达基本工作原理,针对导引头不同状态下的目标检测需求,研究了弹载MIMO雷达测速测距测角中常用的几种信号处理算法。针对目标角度搜索,分析比较了3种经典的DOA估计算法,并出于分辨率和计算量的考量,选择基于Capon算法的DOA估计方案。当导引头处于斜下俯冲状态时,建立地杂波模型,并采用空-时域两级降维处理的3DT-STAP方法来生成空时二维滤波器,抑制地杂波对目标检测造成的干扰,同时大大降低算法实现的计算量。2、针对弹载MIMO雷达采样通道多、计算密集等特点,在高性能FPGA+DSP架构的信号处理机平台上实现了弹载MIMO雷达信号处理系统的板卡之间、芯片之间的数据流控制,合理分配大量的计算数据。包括12路ADC数据采集通路、板卡间FPGA高速数据互联和FPGA与DSP之间基于Serial Rapid IO(SRIO)的高速数据传输等。3、针对FPGA传统RTL设计模式下搭建复杂算法模块时设计流程繁复、开发周期长的情况,提出了借助Xilinx高层次综合设计平台High Level Synthesis(HLS)、System Generator for DSP(System Generator)来加速FPGA实现弹载MIMO雷达信号处理算法的方案。并基于以上平台在FPGA中搭建了数字正交下变频、脉冲压缩、基于Capon算法的DOA估计、3DT-STAP算法处理模块等功能模块。在DSP中实现了恒虚警检测和目标凝聚算法。
徐杰[6](2020)在《基于GPU的圆柱阵雷达信号处理系统设计与实现》文中指出数字阵列雷达是阵列雷达中一种重要的新体制雷达,能够形成多个波束实现全方位扫描。圆柱阵雷达作为数字阵列雷达的一种形式,具有全方位多波束、高数据率的特点,这对信号处理提出了很高的要求。目前主要以FPGA和DSP作为常用的雷达信号处理平台,但由于其开发成本高、调试周期长、程序可移植性差,造成其更新换代困难。分析圆柱阵雷达信号处理流程发现,其信号处理过程中存在大量并行计算,而GPU在通用并行计算领域优势明显。因此,本文在GPU并行计算平台上,对圆柱阵雷达信号处理相关算法进行了深入研究,利用CUDA软件编程技术实现了算法从FPGA+DSP平台到GPU平台的移植,本文的主要工作分为以下三个方面。1、圆柱阵雷达任务分析和信号处理方案设计及验证。本文的雷达系统是针对低空低速小目标的探测和跟踪,为了兼顾对远、近目标的探测能力,采用线性调频宽窄脉冲复合信号作为发射信号。结合系统指标要求,设计了圆柱阵雷达36通道信号处理方案,每12通道为一组,形成左、右两波束后进行脉冲压缩、MTD和CFAR处理。在Matlab环境下进行了信号处理算法的系统级仿真,为后续工作提供理论支持。2、基于GPU平台的总体方案设计和信号处理算法的并行设计。在深入研究了GPU硬件架构和CUDA编程模型,并分析了各算法模块运算量及可并行性的基础上,设计了基于GPU的信号处理总体方案。采用CPU+GPU协同异构的工作模式,CPU负责任务调度,GPU负责高度并行的数据运算。在GPU程序中,将信号处理算法分模块设计,采用模块间串行、模块内并行的方式,分别设计了相应的核函数。在设计的核函数中,充分考虑到最大化利用GPU的多线程并行计算能力,对各算法模块如何分配线程块和线程数进行了详细设计。最后,完成了信号处理算法的GPU平台移植工作。3、圆柱阵雷达系统的GPU算法测试和性能分析。首先分析研究了圆柱阵雷达的系统总体架构,给出了数据传输、信号处理和显控终端的设计方法。将回波模拟器产生的36路回波数据通过PCIe 3.0总线传输到服务器,在服务器上对信号处理算法进行了联调。分模块将GPU运算结果和Matlab仿真结果对比,结果基本一致,且一个CPI的信号处理时间满足系统的实时性要求,验证了方案的可行性。本文最终完成了圆柱阵雷达信号处理算法的GPU实现工作,给出了系统联调的测试结果。通过改变一个CPI内的脉冲个数验证了算法的并行性能,通过对比CPU平台和GPU平台的处理时间发现GPU平台具有良好的加速性能,结果表明基于GPU的雷达信号处理能够满足工程需求。
张厚元[7](2020)在《77GHz车载雷达高分辨道路环境感知算法研究》文中指出近年来,自动驾驶正逐步从理论研究走向工程现实。汽车雷达和激光雷达、超声波雷达和摄像头等传感器构成了自动驾驶汽车和高级驾驶员辅助系统(ADAS)的感知核心。汽车雷达系统负责探测物体和障碍物相对于车辆的位置和速度。随着毫米波半导体技术的发展,信号处理技术的发展在汽车雷达系统中起着关键的作用。各种各样的信号处理技术日渐发展,以在距离、方位和目标周围车辆的速度等测量维度提供更高的分辨率和估计性能。本文研究内容涵盖了汽车雷达信号处理以及数据处理技术的多个方面,包括波形设计、阵列结构、检测算法、跟踪算法、关联算法和复杂环境下的处理方法,并研究了提高雷达检测性能的双雷达融合检测方法。为实现利用车载毫米波雷达对场景内目标进行稳定的检测与跟踪,需要对获得的原始回波数据进行最基础的信号处理以及后续的数据处理。本文在详细分析了车载毫米波雷达探测技术国内外发展现状的基础上,利用AWR164277GHz近程车载雷达,首先介绍了车载雷达信号处理流程,并针对MIMO体制的虚拟阵列合成技术的方位分辨率提高方法进行理论研究和实验验证,并在此基础上利用阵列相位关系研究提高最大测速范围的速度扩展算法。在目标检测方面,研究了将雷达置于运动平台时RD谱由于方位与多普勒之间的耦合造成的频谱弯曲问题,基于得到的距离-多普勒谱,研究瑞利、指数、韦布尔杂波模型的十字窗CFAR算法。基于目标检测输出结果研究了目标聚类算法,完成了基于密度的聚类的DBSCAN算法的实测应用,对聚类点簇进行行人及车辆目标的位置、速度等信息的提取。在目标跟踪方面,构造了适合大地坐标系下道路车辆状态估计的状态方程,并研究了密集多目标场景下的联合概率数据关联算法,且研究了检测跟踪融合算法,提高了回波能量微弱目标的跟踪航迹的持续性。最后仿真了两部相同的前视雷达,建立了前视点目标几何模型,构造与目标真实速度维度相关的变量对RD谱进行非相干积累,利用两部雷达相对目标的不同视角进行距离-速度-方位谱(RVA谱)融合,提高目标的检测精度。
李杨[8](2020)在《车载毫米波雷达中的参数估计算法设计与系统实现》文中研究说明伴随着新一轮的技术革命和产业革命,高级辅助驾驶系统(Advanced driver assistance system,ADAS)作为一种极为重要的主动安全技术,极大提高了人们出行的安全指数,保障了生命和财产安全,成为近年来汽车产业的研究热点与产业趋势。毫米波雷达凭借其体积小、成本低以及不易受恶劣环境因素影响等特性,被视为ADAS系统感知层的核心传感器之一,并成为车载雷达应用的主流。车载毫米波雷达对于周遭环境感知与目标车辆检测的性能表现很大程度上依赖于雷达信号处理算法的性能,车载毫米波雷达信号处理方案受限于有限的硬件规模和成本考量,面临着两方面的主要问题:一方面,车载毫米波雷达在中远距面临回波信噪比水平严重恶化导致参数估计算法方案失效的情况;另一方面,实现在短距范围的高精度检测与参数估计通常会带来庞大的计算量和内存占用量,对系统的算力提出了很高的要求,同时很难满足实时性的场景需要。为了以更低的复杂度实现更加鲁棒且精确的目标检测与参数估计,本论文对其中的一些关键技术进行了如下的研究:首先,研究了车载毫米波雷达系统中的距离信息测量方案。针对现有的基于峰值频率估计的距离信息测量方案所存在的峰值频率估计不准确的问题,提出了复调制选带频谱分析的方法对差拍信号峰值频率附近的频谱进行局部细化,并利用Jacobsen算法来减少跨骑损失,提高峰值频率估计精度;针对现有的基于峰值频率估计的距离信息测量方案所存在的忽略距离-速度耦合以及快时间-慢时间维耦合的问题,提出了简易频域插值校正方案去除快时间-慢时间维耦合,以及距离-多普勒联合处理方案来去除距离-速度耦合,获得更高精度的距离信息测量。其次,研究了车载毫米波雷达系统中的角度信息测量方案。针对现有的基于多重信号分类(Multiple signal classification,MUSIC)角度测量方案在大阵列情况下,系统内存占用高、计算度复杂度高的缺陷、提出了采用波束域MUSIC作为算法框架并且对波束形成矩阵进行针对性优化设计;针对现有的MUSIC角度测量方案在单快拍、低信噪比等恶劣情况下目标回波相干性增强、接收信号样本协方差矩阵估计不准确的问题,提出了一种全新设计的波束空间MUSIC估计子,其不仅利用了噪声子空间和阵列流型矢量之间的正交性,还充分挖掘了回波信号中包含的目标功率信息,同时在波束域中引入了阵列平滑和Toeplitz结构恢复的联合处理方法,可显着改善车载毫米波雷达系统的角度估计性能表现。最后,研究了基于TI-AWR1243P芯片的77 GHz多片级联车载毫米波雷达系统实现。针对多芯片级联所提供的更可观的天线阵列资源,设计了一个采用虚拟阵列技术的天线排布,很好的平衡了功率负担和系统性能;针对目前车载毫米波雷达系统中帧结构设计结构复杂、层次不清晰、功能指标无明确对应的情况,设计了一个多层次、双模式工作、复杂度较低的帧结构,简洁明晰易于实际系统实施;针对实际情况中存在天线相位误差的问题,提出了一种天线自校正方案;针对远距回波信号信噪比水平下降带来的原有速度解模糊方案失效的问题,提出了多天线同时发送的解速度模糊改进算法,并且对基于TI-AWR1243P的多片级联车载毫米波雷达系统进行了一定的实际测量和数据分析,证明了其可行性。
柳毅[9](2020)在《认知航海雷达关键技术研究》文中进行了进一步梳理认知雷达的突出特点是不仅对工作环境具有感知能力,而且具有工作特性与环境的匹配能力,从而达到高效、节能、低污染、高性能的工作效果。然而,现行航海雷达的工作特性与雷达工作环境不能匹配,从而导致航海雷达的工作效率低、功耗大、对电磁环境的污染大、工作效果不理想。针对现有航海雷达存在的问题,本文将认知雷达的理念应用于航海雷达,根据航海雷达的应用要求和市场竞争特点,对航海雷达认知功能的核心技术进行了深入研究,提出了认知航海雷达的结构模型、信号模型和认知控制方式,并保留了传统航海雷达的边扫描边跟踪的工作模式和结构简单便于工程实现的高性价比等特点。(1)将航海雷达的收发机的收发控制与雷达的显示控制完全分离,形成两个独立部分的总体设计思想,构建了认知航海雷达的结构模型。该模型在保留了常规航海雷达边扫描边跟踪的工作模式和天线、收发机基本结构关系的同时,增加了实现感知-行动循环和记忆功能的雷达环境感知器、感知存储器、雷达环境认知器、工作存储器和控制执行器等,建立了雷达发射信号产生、接收与目标检测等环节间的信息反馈链路。在此基础上提出了一种发射信号模型和信号产生方法。该方法便于实现根据目标的空间分布和水域地理环境的感知信息,自适应控制发射信号的波形参数,匹配雷达的工作环境。该方法可用算法实现数十种甚至上千种不同参数的发射信号波形。(2)研究了基于目标空间分布的波形控制方法和基于目标检测性能的波形控制方法;推导出了满足检测性能要求(一定虚警概率下的发现概率)的目标最小可检测信杂比的计算公式;提出了一种信杂比的感知估计算法和基于信杂比的波形认知控制算法,并设计了感知信息的表示记忆(记录)方法。根据认知航海雷达的感知-控制循环的基本工作特征和航海雷达的工作环境随时间变化较大的特点,提出了认知雷达的工作环境感知和工作性能认知控制的两个工作阶段,并设计了这两个阶段的工作流程。在此基础上,设计构建了实验平台。实验表明,基于该结构模型、信号模型和控制流程,在该实验环境条件下,雷达发射能量可降低15.9dB,仅为正常情况下总能量的2.57%,实现了雷达与工作环境的匹配。该方法便于实现信息的高效感知和波形控制策略。(3)提出了一种简单快速的岸线提取算法和一种改进的不依赖于新生目标强度的分段计分航迹管理GM-PHD多目标跟踪算法,以适应高虚警、高密集分布环境下的目标感知要求。在岸线感知方法中,采用了简单迅速的变尺寸模板平滑和Harr子波变换的岸线提取算法。变尺寸平滑模板的窗口尺寸随距离自动调整,以适应雷达的方位分辨能力随距离而改变的关系,尽可能平滑目标和杂波尖峰以去除其影响。对平滑处理后的雷达视频阵列,采用阈值化处理和Harr小波变换,获取雷达图像的岸线。在高虚警、高密集分布环境下目标感知的方法中,利用高斯混合概率假设密度(Gaussian Mixture-Probability Hypothesis Density,GM-PHD)多目标跟踪算法可同时实现目标状态估计和目标数量估计的特点,将GM-PHD多目标跟踪算法用于实现目标的空间分布特性的感知。本文构建的一种不依赖新生目标强度的分段计分航迹管理GM-PHD多目标跟踪算法,改进了已有的GM-PHD多目标跟踪算法,使其能够适应认知航海雷达对目标感知的要求。该算法采用分段航迹管理和改进的修剪合并,以使滤波器能够适应速度较快的多目标场景,更有效地实现新生目标的检测和有效保护新生航迹,增强对高虚警下的虚假航迹的滤除能力。仿真实验表明,在多目标环境下,该算法对于强度未知的高速运动的新生目标,能够实现有效的检测和新生航迹的有效保护,能够实现良好的目标状态估计效果和较高的目标数量估计精度和估计速度,使目标的数量和状态的稳定估计时间缩短到5个数据更新周期,比航迹管理算法缩短了近10到20多个数据更新周期。(4)本文提出了一种基于感知的综合恒虚警(Constant False Alarm Rate,CFAR)目标检测算法。为了有效抑制杂波尖峰干扰对目标检测性能的影响,本文首先定义了能够体现目标回波和杂波尖峰干扰的相关性差异的峰比系数,构建了受峰比系数控制的自适应双参数对数处理器,抑制杂波分布的拖尾效应;随即提出了以雷达信号波形选择控制参数为控制量的雷达合成视频的矩阵组合算法,该算法可同时实现合成视频信号的生成和非相参积累平均处理,实现杂波的正态逼近;然后利用基于杂波均匀性和目标距离扩展感知能力的窗口结构,构建了基于正态杂波特性的自适应双参数CFAR处理器,实现了综合恒虚警检测处理算法。该综合CFAR算法可实现参考窗和保护窗宽度的自适应调整,使雷达检测性能与杂波环境和目标尺寸相匹配,在均匀和非均匀的杂波下均能获得稳健的检测性能。实验结果表明,相比于NCI-CFAR算法,在80%的检测概率下,该检测算法可得到约0.3dB的信杂比改善。
徐春晓[10](2020)在《运动平台子阵级面阵MIMO雷达信号处理与仿真》文中认为当今科技的发展,电磁环境的日趋复杂,给雷达的信号检测与持续跟踪带来了不小的挑战。相较于相控阵雷达,MIMO雷达的抗干扰能力更强,分辨率也更高,成为了当今一个重要的研究方向。本文以运动平台MIMO雷达为基础建立了子阵级面阵信号模型,对MIMO雷达的信号处理进行了系统的建模与仿真,研究了存在拖曳式诱饵情况下真假目标的识别算法。主要内容如下:1、针对运动平台MIMO雷达,建立了子阵级面阵的收发信号模型,并对MIMO雷达子阵间与子阵内的方向图进行了仿真分析,确定了MIMO雷达信号的可覆盖范围。2、基于MIMO雷达的特性与平台/目标的实时动态性,建立了运动平台MIMO雷达的回波信号模型,其中包括点目标信号、杂波信号以及诸多不理想因素。提出了一种基于旋转矩阵的可避免矩阵求逆运算的坐标转换方法,提高了逆矩阵的计算精度,也减低了算法的计算量。并结合仿真分析了杂波多普勒-距离谱的相关特性,为杂波抑制算法研究奠定了基础。3、研究了MIMO雷达回波信号的非自适应处理、杂波环境下的自适应处理算法与运动平台的跟踪算法,并针对全空时STAP计算量过大的问题,采用降维的STAP算法,实现了对运动平台MIMO雷达子阵级面阵信号处理系统的建模与全流程仿真。4、针对存在拖曳式诱饵的场景,提出了基于目标与诱饵运动关系的识别算法,以及基于MIMO雷达测量信号发射角与接收角差异的诱饵识别算法,仿真分析了两种算法的影响因素与边界条件。提出了结合上述两种算法的拖曳式诱饵识别处理流程,并实现了该算法在综合仿真系统中的应用。
二、一种新的雷达信号CFAR处理方法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种新的雷达信号CFAR处理方法(论文提纲范文)
(1)阵列信号多帧检测前跟踪算法研究与GPU快速实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究动态 |
1.2.1 毫米波阵列雷达研究现状 |
1.2.2 多帧检测前跟踪算法研究现状 |
1.2.3 GPU实现信号处理研究现状 |
1.3 本文主要工作 |
第二章 LFMCW毫米波阵列雷达系统 |
2.1 毫米波阵列雷达系统结构 |
2.2 LFMCW雷达原理 |
2.2.1 LFMCW信号模型 |
2.2.2 LFMCW测距原理 |
2.2.3 LFMCW测速原理 |
2.2.4 阵列信号测角原理 |
2.3 毫米波阵列雷达信号处理 |
2.3.1 信号处理流程 |
2.3.2 实测信号处理 |
2.4 本章小结 |
第三章 阵列信号多帧检测前跟踪算法研究 |
3.1 多帧检测前跟踪算法 |
3.1.1 算法原理介绍 |
3.1.2 算法流程和仿真分析 |
3.2 基于阵列信号的多帧检测前跟踪算法 |
3.2.1 目标运动模型 |
3.2.2 阵列量测模型 |
3.2.3 算法流程设计 |
3.3 算法仿真与性能分析 |
3.3.1 仿真评价指标 |
3.3.2 仿真分析 |
3.4 实测数据处理验证 |
3.4.1 实测信号处理流程 |
3.4.2 实测信号处理 |
3.5 本章小结 |
第四章 阵列信号多帧检测前跟踪算法GPU快速实现 |
4.1 GPU程序设计方法 |
4.1.1 GPU底层架构 |
4.1.2 CUDA编程模型 |
4.1.3 CUDA库函数 |
4.2 基于GPU的雷达信号加速处理实现 |
4.2.1 数据整合加速实现 |
4.2.2 均值剔除的GPU加速实现 |
4.2.3 MTI处理的GPU加速实现 |
4.2.4 FFT处理的GPU加速实现 |
4.2.5 AS-MF-TBD算法的GPU加速实现 |
4.3 集成GPU加速功能的信号处理软件开发 |
4.3.1 软件功能设计 |
4.3.2 软件运行测试 |
4.4 本章小结 |
第五章 全文总结与展望 |
5.1 全文总结 |
5.2 后续展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
(2)基于GPU的高空机载预警雷达信号处理技术研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 国内外研究现状与发展趋势 |
1.2.1 GPU高性能计算的研究现状与发展趋势 |
1.2.2 GPU在雷达中应用的研究现状与发展趋势 |
1.3 本文的主要内容和结构安排 |
第二章 异构架构和CUDA编程 |
2.1 GPU的硬件架构及运行机制 |
2.1.1 GPU与 CPU的对比 |
2.1.2 GPU的硬件架构 |
2.2 CUDA的软件架构 |
2.2.1 线程层次结构 |
2.2.2 存储器层次结构 |
2.2.3 软硬件组织结构对比 |
2.3 CUDA的编程模式 |
2.3.1 CUDA程序架构 |
2.3.2 CUDA编程语言 |
2.4 CUDA程序的优化策略 |
2.5 本章小结 |
第三章 预警雷达信号处理系统算法分析与实现 |
3.1 信号处理系统框架 |
3.2 数字波束形成算法的分析与实现 |
3.2.1 数字波束形成的原理 |
3.2.2 系统误差对DBF的影响 |
3.3 脉冲压缩算法的分析与实现 |
3.4 动目标显示和动目标检测算法的分析与实现 |
3.4.1 MTI算法与实现 |
3.4.2 MTD算法与实现 |
3.5 机载预警雷达主瓣杂波抑制方法的分析与实现 |
3.6 恒虚警检测算法的分析与实现 |
3.6.1 一维CFAR算法与实现 |
3.6.2 二维CFAR算法与实现 |
3.7 基于积分图加速CFAR算法的方法 |
3.8 本章小结 |
第四章 预警雷达信号处理算法的GPU实现与优化 |
4.1 数字波束形成的GPU实现方法 |
4.2 脉冲压缩的GPU实现方法 |
4.3 MTI和 MTD的 GPU实现方法 |
4.3.1 MTI的 GPU分析与实现 |
4.3.2 MTD的 GPU分析与实现 |
4.3.3 GPU上 MTI与 MTD联合处理的优化 |
4.4 CFAR检测的GPU实现方法 |
4.4.1 频谱搬移和平方律检波的GPU实现方法 |
4.4.2 一维CFAR的 GPU分析与实现 |
4.4.3 二维CFAR的 GPU分析与实现 |
4.5 积分图实现CFAR算法的GPU实现方法 |
4.6 本章小结 |
第五章 基于AGX Xavier的雷达信号处理算法实现与优化 |
5.1 Jetson AGX Xavier平台上CUDA程序的优化策略 |
5.1.1 Jetson AGX Xavier平台介绍 |
5.1.2 嵌入式GPU上 CUDA程序的优化策略 |
5.2 雷达信号处理系统综合优化的实验结果与分析 |
5.2.1 数据传输优化与结果分析 |
5.2.2 GPU端存储器及指令访存优化 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 研究展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(3)海杂波背景下的雷达目标检测方法研究(论文提纲范文)
摘要 |
Abstract |
主要符号表 |
英文缩略词对照表 |
1 绪论 |
1.1 研究背景与意义 |
1.2 研究现状 |
1.2.1 海杂波研究现状 |
1.2.2 雷达目标检测算法研究现状 |
1.3 研究内容与结构安排 |
1.3.1 研究内容 |
1.3.2 结构安排 |
2 海杂波与雷达目标检测基础知识 |
2.1 引言 |
2.2 雷达目标检测基本模型 |
2.3 海杂波的统计特性 |
2.3.1 海杂波幅度统计特性 |
2.3.2 海杂波相关特性 |
2.3.3 海杂波仿真方法 |
2.3.4 实测数据介绍 |
2.4 经典检测方法 |
2.4.1 单元平均检测算法 |
2.4.2 自适应匹配滤波检测算法 |
2.4.3 基于信息几何的检测算法 |
2.5 本章小结 |
3 基于最大特征值的雷达目标检测方法 |
3.1 引言 |
3.2 基于最大特征值的检测方法 |
3.2.1 算法设计及原理 |
3.2.2 性能分析 |
3.3 仿真结果及分析 |
3.3.1 基于仿真杂波数据的仿真实验 |
3.3.2 基于实测杂波数据的仿真实验 |
3.4 本章小结 |
4 基于谱范数的均值矩阵估计与雷达目标检测 |
4.1 引言 |
4.2 信息几何基础及新的几何测度 |
4.3 均值矩阵估计的几何方法 |
4.3.1 均值矩阵估计问题 |
4.3.2 基于谱范数测度的均值矩阵估计 |
4.3.3 基于谱范数测度的近似均值矩阵估计 |
4.4 基于谱范数测度的矩阵检测器 |
4.4.1 矩阵检测器设计及原理 |
4.4.2 性能分析 |
4.5 仿真结果及分析 |
4.5.1 基于仿真杂波数据的实验 |
4.5.2 基于实测杂波数据的实验 |
4.6 本章小结 |
5 基于不同几何测度和特征值的雷达目标检测方法 |
5.1 引言 |
5.2 基于几何重心的矩阵检测器 |
5.2.1 几何距离及矩阵估计器 |
5.2.2 算法设计及原理 |
5.2.3 仿真结果及分析 |
5.3 基于最大特征值的中值矩阵检测器 |
5.3.1 中值矩阵 |
5.3.2 算法设计及原理 |
5.3.3 仿真结果及分析 |
5.4 本章小结 |
6 基于滤波处理和特征值的雷达目标检测方法 |
6.1 引言 |
6.2 基于预处理的最大特征值矩阵检测器 |
6.2.1 问题描述及FFT-CA检测算法 |
6.2.2 算法设计及原理 |
6.2.3 性能分析 |
6.2.4 仿真结果及分析 |
6.3 子带最大特征值检测算法 |
6.3.1 算法设计及原理 |
6.3.2 仿真结果及分析 |
6.4 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 创新点 |
7.3 展望 |
参考文献 |
攻读博士学位期间科研项目及科研成果 |
致谢 |
作者简介 |
(4)FMCW毫米波雷达目标特征提取及分类研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.3 本文研究内容及章节安排 |
第二章 毫米波雷达原理概述 |
2.1 FMCW毫米波雷达系统 |
2.2 FMCW毫米波雷达信号分析 |
2.3 雷达的测距测速原理 |
2.4 雷达的测角原理 |
2.5 本章小结 |
第三章 基于高精度测角的目标分类方法研究 |
3.1 阵列接收模型与横向目标分析 |
3.1.1 阵列接收模型与DOA估计方法 |
3.1.2 横向目标特征分析 |
3.2 高精度角度特征提取 |
3.2.1 高精度角度特征提取方法 |
3.2.2 仿真试验 |
3.3 基于DOA估计的目标分类实验 |
3.4 本章小结 |
第四章 一种基于多普勒扩展目标的毫米波雷达检测算法 |
4.1 区域监视雷达系统与信号分析 |
4.1.1 CHIRP序列波形和信号处理 |
4.1.2 信号处理步骤 |
4.1.3 多普勒扩展特性 |
4.2 多普勒扩展目标的自适应CFAR检测 |
4.2.1 多普勒扩展目标检测程序 |
4.2.2 多普勒扩展目标OS-CFAR检测过程 |
4.3 检测性能 |
4.4 本章小结 |
第五章 基于微多普勒特征的特征提取与分类方法研究 |
5.1 行人运动模型 |
5.2 短时傅里叶变换 |
5.3 小波变换 |
5.4 维格纳-威尔分布 |
5.5 本章小结 |
第六章 基于实测数据的目标特征提取与分类测试 |
6.1 毫米波雷达信号处理系统 |
6.1.1 毫米波雷达信号处理流程 |
6.1.2 开发平台及参数配置 |
6.1.3 外场测试环境 |
6.2 基于实测数据的目标特征提取 |
6.2.1 实测数据去噪预处理 |
6.2.2 提取微多普勒特征 |
6.3 基于实测数据的目标分类 |
6.3.1 典型目标微多普勒特征 |
6.3.2 基于支持向量机的目标识别 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 论文总结 |
7.2 研究展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(5)弹载MIMO雷达目标检测算法实现研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究动态 |
1.3 本文的论文安排 |
第二章 弹载MIMO雷达目标检测原理 |
2.1 弹载MIMO雷达应用场景 |
2.2 弹载MIMO雷达基本原理 |
2.2.1 MIMO雷达基本收发模型 |
2.2.2 基于OFDM-LFM的MIMO雷达正交波形 |
2.2.3 MIMO雷达匹配滤波 |
2.2.4 基于子阵的数字波束形成技术 |
2.2.5 线性约束最小方差准则和最小方差无畸变响应 |
2.3 弹载MIMO雷达信号处理通用处理方法 |
2.3.1 信号预处理 |
2.3.2 波束形成和脉冲压缩 |
2.3.3 恒虚警检测 |
2.3.4 目标凝聚 |
2.4 弹载MIMO雷达的目标角度搜索方法 |
2.4.1 CBF算法 |
2.4.2 Capon算法 |
2.4.3 MUSIC算法 |
2.4.4 谱峰搜索 |
2.5 弹载MIMO雷达下视状态下的目标检测方法 |
2.5.1 弹载MIMO雷达回波信号模型 |
2.5.2 弹载MIMO雷达空时自适应处理 |
2.5.3 空-时域两级降维的 3DT-STAP处理 |
2.6 本章小结 |
第三章 弹载MIMO雷达目标检测算法实现平台 |
3.1 弹载MIMO雷达信号处理平台概况 |
3.1.1 目标检测算法实现的硬件框架 |
3.1.2 弹载MIMO雷达信号处理机层次结构 |
3.1.3 多路ADC驱动及跨时钟域处理 |
3.1.4 ADC采样波门和脉冲截取 |
3.1.5 基于Aurora协议的FPGA片间高速数据接口 |
3.1.6 基于SRIO的高速互联端口 |
3.2 FPGA高层次开发设计平台介绍 |
3.2.1 System Generator开发平台与设计流程 |
3.2.2 HLS开发平台与设计流程 |
3.3 本章小结 |
第四章 弹载MIMO雷达信号处理算法硬件实现 |
4.1 硬件实现流程 |
4.1.1 信号预处理硬件实现流程 |
4.1.2 目标角度搜索方法硬件实现流程 |
4.1.3 空-时域两级降维的3DT-STAP算法硬件实现流程 |
4.2 数字正交下变频模块 |
4.3 脉冲压缩处理模块 |
4.4 DBF模块 |
4.5 基于Capon算法的DOA估计处理模块 |
4.5.1 协方差矩阵产生和求逆模块 |
4.5.2 Capon谱求解模块 |
4.6 3DT-STAP算法部分处理模块 |
4.6.1 协方差矩阵产生和求逆模块 |
4.6.2 最优权向量生成模块 |
4.7 DSP端的目标检测与搜索实现 |
4.7.1 数据接收与转换 |
4.7.2 CFAR检测 |
4.7.3 目标凝聚 |
4.8 本章小节 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
作者简介 |
(6)基于GPU的圆柱阵雷达信号处理系统设计与实现(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 选题背景与研究意义 |
1.2 国内外研究现状和发展趋势 |
1.3 论文主要工作和安排 |
2 圆柱阵雷达工作原理及信号处理算法分析 |
2.1 引言 |
2.2 圆柱阵雷达工作原理 |
2.2.1 圆柱阵雷达硬件结构 |
2.2.2 圆柱阵雷达系统任务及需求 |
2.2.3 圆柱阵雷达信号处理方案设计 |
2.3 圆柱阵雷达信号处理算法 |
2.3.1 线性调频宽窄脉冲复合信号 |
2.3.2 数字下变频原理 |
2.3.3 圆柱型阵列的数字波束形成 |
2.3.4 脉冲压缩原理 |
2.3.5 动目标检测原理 |
2.3.6 恒虚警检测原理 |
2.4 信号处理算法的Matlab仿真 |
2.5 本章小结 |
3 GPU并行计算和CUDA架构 |
3.1 引言 |
3.2 GPU简介 |
3.3 GPU硬件架构 |
3.4 CUDA编程与执行模型 |
3.4.1 CUDA线程结构 |
3.4.2 CUDA存储结构 |
3.4.3 CUDA软件体系 |
3.4.4 CUDA程序结构 |
3.5 本章小结 |
4 基于GPU的圆柱阵雷达信号处理算法的并行设计 |
4.1 引言 |
4.2 信号处理算法运算量和可并行性分析 |
4.3 信号处理方案设计 |
4.4 GPU关键信号处理算法的设计 |
4.4.1 基本运算单元的CUDA设计 |
4.4.2 FIR滤波器的CUDA设计 |
4.4.3 数字下变频的CUDA设计 |
4.4.4 数字波束形成的CUDA设计 |
4.4.5 脉冲压缩的CUDA设计 |
4.4.6 动目标检测的CUDA设计 |
4.4.7 恒虚警检测的CUDA设计 |
4.5 本章小结 |
5 圆柱阵雷达信号处理软件实现与测试 |
5.1 引言 |
5.2 系统总体架构 |
5.3 系统软件设计实现 |
5.3.1 软件总体结构 |
5.3.2 数据传输实现 |
5.3.3 GPU信号处理实现 |
5.3.4 软件显控功能实现 |
5.4 信号处理算法测试 |
5.4.1 实验平台 |
5.4.2 测试结果 |
5.5 并行设计的性能分析 |
5.6 本章小结 |
6 结束语 |
6.1 本文工作总结 |
6.2 工作展望 |
致谢 |
参考文献 |
附录 |
(7)77GHz车载雷达高分辨道路环境感知算法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题背景及研究的目的和意义 |
1.2 车载毫米波雷达环境感知理论的发展概况 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 本文的主要研究内容 |
第2章 毫米波雷达方位分辨率提高方法 |
2.1 引言 |
2.2 信号处理流程 |
2.3 MIMO虚拟孔径合成方法 |
2.4 速度扩展算法 |
2.5 本章小结 |
第3章 检测及聚类方法 |
3.1 引言 |
3.2 十字窗CFAR算法 |
3.3 基于密度的聚类算法 |
3.4 道路实测实验 |
3.4.1 实测动目标聚类 |
3.4.2 实测静目标聚类 |
3.4.3 基于静止杂波的自车速度估计 |
3.4.4 静止点云速度补偿 |
3.4.5 地面杂波及前上方横杆检测抑制方法 |
3.4.6 前方无目标时检测最终输出点云 |
3.4.7 前方有目标时检测最终输出点云 |
3.5 本章小结 |
第4章 目标跟踪方法 |
4.1 前言 |
4.2 状态方程及量测方程的构造 |
4.3 航迹起始方法 |
4.4 联合概率数据关联(JPDA) |
4.5 检测跟踪融合算法 |
4.6 本章小结 |
第5章 双雷达RVA谱融合算法 |
5.1 引言 |
5.2 BP后向投影成像算法 |
5.3 基于BP投影算法思想的双雷达RVA谱融合算法 |
5.4 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
致谢 |
(8)车载毫米波雷达中的参数估计算法设计与系统实现(论文提纲范文)
摘要 |
Abstract |
缩略词 |
第一章 绪论 |
1.1 论文研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 车载毫米波雷达产品现状 |
1.2.2 车载毫米波雷达信号处理研究 |
1.3 论文主要贡献与结构安排 |
第二章 车载毫米波雷达工作原理及信号处理方案 |
2.1 引言 |
2.2 连续波体制雷达工作原理 |
2.2.1 系统结构 |
2.2.2 雷达距离方程 |
2.2.3 连续波雷达波形设计分析 |
2.3 线性调频连续波雷达信号处理 |
2.3.1 雷达数据块结构 |
2.3.2 雷达信号的能量积累 |
2.3.3 雷达目标检测原理 |
2.3.4 雷达距离/速度测量 |
2.3.5 雷达角度测量 |
2.4 本章小结 |
第三章 基于频率估计的车载毫米波雷达去耦合校正测距算法 |
3.1 引言 |
3.2 基于峰值频率估计的去耦合校正高精度距离测量方案 |
3.2.1 锯齿波回波信号模型及耦合频率项分析 |
3.2.2 锯齿波回波信号耦合频率项校正 |
3.2.3 复调制细化选带频谱分析 |
3.2.4 基于Jacobsen算法的峰值频率校正 |
3.3 算法仿真与结果分析 |
3.4 本章小结 |
第四章 基于波束域MUSIC的车载毫米波雷达单快拍测角算法 |
4.1 引言 |
4.2 波束域MUSIC算法的基本原理 |
4.3 增强的低复杂度波束域MUSIC算法设计 |
4.3.1 先验信息辅助的波束形成矩阵设计 |
4.3.2 基于斜投影矩阵的MUSIC估计子设计 |
4.3.3 无偏样本协方差矩阵修正处理 |
4.4 算法仿真与结果分析 |
4.5 本章小结 |
第五章 基于TI-AWR1243P芯片的车载毫米波雷达系统设计与实现 |
5.1 引言 |
5.2 TI-AWR1243P芯片性能指标 |
5.3 多片级联模式下车载毫米波雷达系统的天线排布 |
5.3.1 虚拟阵列技术 |
5.3.2 天线布阵方式 |
5.4 多片级联模式下车载毫米波雷达系统的帧结构设计 |
5.4.1 目标撒点设置与系统参数 |
5.4.2 共解模糊模块的双模式帧结构 |
5.5 多片级联模式下车载毫米波雷达系统的信号处理方案设计 |
5.6 多天线同时发送解速度模糊方案设计 |
5.6.1 多重频解速度模糊方案原理 |
5.6.2 多天线同时发送解速度模糊方案设计 |
5.6.3 仿真结果分析 |
5.7 天线阵列误差自校正方案设计 |
5.7.1 天线相位误差模型 |
5.7.2 天线相位校正算法 |
5.7.3 天线相位校正算法性能仿真 |
5.8 系统实测分析 |
5.9 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 工作展望 |
致谢 |
参考文献 |
作者简介(包括论文和成果清单) |
(9)认知航海雷达关键技术研究(论文提纲范文)
创新点摘要 |
摘要 |
ABSTRACT |
英文缩略语 |
1 绪论 |
1.1 研究背景和意义 |
1.1.1 课题研究背景 |
1.1.2 课题研究的意义 |
1.2 认知雷达技术领域国内外的研究现状 |
1.2.1 认知雷达的提出和主要热点研究领域 |
1.2.2 雷达海杂波特性认知的研究 |
1.2.3 认知雷达的环境认知研究 |
1.2.4 认知雷达目标检测 |
1.2.5 雷达波形设计 |
1.2.6 认知雷达的技术实现方法研究 |
1.3 本文的主要研究工作 |
1.4 论文的组织结构 |
2 认知航海雷达结构模型研究 |
2.1 传统航海雷达工作特性分析 |
2.1.1 雷达信号参数与雷达目标的探测性能 |
2.1.2 航海雷达目标探测性能的局限性 |
2.2 认知航海雷达的结构模型 |
2.2.1 认知航海雷达基本功能需求分析 |
2.2.2 认知航海雷达的结构模型 |
2.3 认知航海雷达发射信号结构模型 |
2.3.1 雷达波形设计的理论依据 |
2.3.2 脉内线性调频信号和脉冲压缩处理 |
2.3.3 脉内线性调频信号的模糊函数 |
2.3.4 认知航海雷达发射信号模型 |
2.4 基于波形控制参数的匹配滤波器的实现方法研究 |
2.4.1 基带信号恢复 |
2.4.2 匹配滤波器时域波形的产生方法研究 |
2.5 本章小结 |
3 认知航海雷达控制执行方法的研究 |
3.1 基于目标空间分布的波形参数控制方法 |
3.2 基于目标检测性能的波形控制方法 |
3.2.1 基于积累平均的雷达杂波的正态逼近 |
3.2.2 基于信杂比的信号波形选择控制方法 |
3.3 认知航海雷达的感知信息的表示 |
3.3.1 工作存储器感知信息内容和表示方法 |
3.3.2 感知存储器 |
3.4 雷达波形控制流程 |
3.4.1 感知探测阶段的工作流程 |
3.4.2 认知控制阶段的工作流程 |
3.5 模型和认知执行控制流程的有效性实验分析 |
3.5.1 认知航海雷达实验条件 |
3.5.2 实验结果与分析 |
3.6 本章小结 |
4 雷达环境的感知方法研究 |
4.1 认知航海雷达目标感知探测与目标监视区域的关系分析 |
4.1.1 基于探测水域特性和安全航行目的感知探测策略的研究 |
4.1.2 受陆地和岛屿影响的水域 |
4.2 基于雷达图像的岸线感知方法 |
4.2.1 雷达图像的平滑处理 |
4.2.2 岸线提取 |
4.2.3 岸线提取实验 |
4.3 基于GM-PHD的目标空间分布感知算法 |
4.3.1 GM-PHD多目标跟踪算法 |
4.3.2 改进的不依赖于新生目标强度的GM-PHD滤波算法 |
4.3.3 仿真实验分析 |
4.4 本章小结 |
5 基于感知的雷达目标检测方法的研究 |
5.1 避免扩展目标对杂波参数估计产生干扰的方法 |
5.1.1 距离扩展目标对杂波参数估计的影响分析 |
5.1.2 基于AIS信息的保护窗宽度计算方法 |
5.2 杂波尖峰干扰的自适应双参量对数压缩处理算法 |
5.2.1 单常参数对数处理算法 |
5.2.2 常数双参量对数处理算法 |
5.2.3 自适应双参量对数处理算法 |
5.3 基于发射波形参数的雷达回波信号合并处理 |
5.4 综合CFAR处理器 |
5.4.1 综合CFAR处理器的检测统计量 |
5.4.2 综合CFAR处理器的基本结构设计 |
5.4.3 参考窗和保护窗的控制算法 |
5.4.4 杂波均匀性的检验与窗口控制 |
5.4.5 根据虚警概率确定恒虚警处理门限 |
5.4.6 Comp-CFAR处理器的实验分析 |
5.5 本章小结 |
6 结论与展望 |
6.1 论文研究的主要成果总结 |
6.2 研究工作展望 |
参考文献 |
附录A 发射周期与波形参数的关系 |
作者简历及攻读博士学位期间的科研成果 |
致谢 |
(10)运动平台子阵级面阵MIMO雷达信号处理与仿真(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究动态 |
1.3 主要工作及内容安排 |
第二章 运动平台MIMO雷达阵列天线子阵级面阵模型 |
2.1 面阵天线位置与角度定义 |
2.2 运动平台MIMO雷达阵元级信号模型 |
2.3 运动平台MIMO雷达子阵级信号模型 |
2.4 MIMO雷达方向图仿真与分析 |
2.5 本章小结 |
第三章 运动平台子阵级面阵MIMO雷达回波信号模型 |
3.1 点目标子阵级面阵回波信号模型 |
3.1.1 目标及运动平台航迹模型 |
3.1.2 相对运动模型 |
3.1.3 坐标系的转换 |
3.1.4 点目标子阵级回波模型建立 |
3.2 杂波建模 |
3.2.1 杂波的点目标模型 |
3.2.2 杂波重要参数计算 |
3.2.3 单一杂波块回波信号建模 |
3.2.4 杂波信号合成 |
3.2.5 杂波信号RD谱分析 |
3.3 不理想因素建模 |
3.4 本章小结 |
第四章 运动平台子阵级面阵MIMO雷达信号处理与动态仿真 |
4.1 运动平台子阵级面阵MIMO雷达信号非自适应处理 |
4.1.1 子阵级信号匹配滤波 |
4.1.2 联合波束形成 |
4.1.3 MTD处理 |
4.1.4 CFAR检测 |
4.2 运动平台子阵级面阵MIMO雷达信号自适应处理 |
4.2.1 运动平台MIMO雷达空时自适应处理 |
4.2.2 运动平台MIMO雷达降维STAP算法 |
4.3 运动平台跟踪算法 |
4.4 综合场景动态仿真结果 |
4.4.1 算法仿真结果 |
4.4.2 场景仿真结果 |
4.5 本章小结 |
第五章 运动平台MIMO雷达拖曳式诱饵识别 |
5.1 基于运动关系的拖曳式诱饵识别 |
5.1.1 基于运动关系的拖曳式诱饵识别算法 |
5.1.2 采样间隔的边界条件分析 |
5.1.3 识别算法精度影响因素分析与仿真 |
5.2 基于MIMO雷达发射角与接收角差异拖曳式诱饵识别 |
5.2.1 MIMO雷达信号发射角与接收角的测量算法 |
5.2.2 边界条件分析 |
5.3 拖曳式诱饵识别流程及算法综合应用仿真 |
5.4 本章小结 |
第六章 结束语 |
6.1 工作总结 |
6.2 工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
四、一种新的雷达信号CFAR处理方法(论文参考文献)
- [1]阵列信号多帧检测前跟踪算法研究与GPU快速实现[D]. 张鹏辉. 电子科技大学, 2021(01)
- [2]基于GPU的高空机载预警雷达信号处理技术研究[D]. 黄志明. 电子科技大学, 2021(01)
- [3]海杂波背景下的雷达目标检测方法研究[D]. 赵文静. 大连理工大学, 2020(01)
- [4]FMCW毫米波雷达目标特征提取及分类研究[D]. 陈超. 电子科技大学, 2020(01)
- [5]弹载MIMO雷达目标检测算法实现研究[D]. 程远. 西安电子科技大学, 2020(05)
- [6]基于GPU的圆柱阵雷达信号处理系统设计与实现[D]. 徐杰. 南京理工大学, 2020(01)
- [7]77GHz车载雷达高分辨道路环境感知算法研究[D]. 张厚元. 哈尔滨工业大学, 2020(01)
- [8]车载毫米波雷达中的参数估计算法设计与系统实现[D]. 李杨. 东南大学, 2020(01)
- [9]认知航海雷达关键技术研究[D]. 柳毅. 大连海事大学, 2020(01)
- [10]运动平台子阵级面阵MIMO雷达信号处理与仿真[D]. 徐春晓. 电子科技大学, 2020(08)