孙艳敏，周长林，常青美，高 辉

（解放军信息工程大学 理学院，河南 郑州450001）

在智能交通系统中，汽车防撞雷达通常采用线性调频连续波体制，而多目标检测能力较低、大量的遗漏目标、虚假目标是制约其应用和普及的关键问题。如何获得较低的虚警率和漏警率是汽车防撞雷达研究的重点和难点。

在雷达接收机产生的雷达中频信号中，不但含有目标的中频频率，还含有雷达噪声信号和干扰信号，如邻近车道上的车辆、车道间的护拦、路旁的树木以及空中和远处的建筑物等，这些都会对雷达系统形成干扰，导致雷达做出错误判断。减少防撞雷达的漏报警、虚报警，要求信号处理有较高的分辨率和准确性，并且有较好的目标检测和识别方法[1]。

本文讨论了传统雷达信号处理存在的不足之处，分析了导致防撞雷达漏报警、虚报警的主要原因，提出采用AR参数模型功率谱估计的BURG算法求取雷达数据的频域信息，用粗集理论和神经网络构造相结合的粗神经网络进行防撞雷达目标数据融合，实现防撞雷达目标识别，取得了较好的仿真效果。

1 雷达测量的工作原理

线性调频连续波体制(LFMCW)雷达根据多普勒频移原理，利用发射信号和回波信号之间的差频来确定目标的距离和速度。其测量原理如图1所示。

图1 中， f（t）为发射信号频率， f（t-td）为接收信号频率，IFm1和IFm2分别为中频信号上下扫频频率。中频频率为发射信号与接收信号的频率之差，它包含着前方目标的距离和速度的信息。……