陈 昆，汪文英，桂佑林

(南京电子技术研究所,南京 210039)



基于K-邻相关与RFT的长时间积累算法

陈 昆，汪文英，桂佑林

(南京电子技术研究所,南京 210039)

随着隐身技术的发展，飞机导弹等高速运动目标的RCS越来越小，需要采用长时间积累的方法实现目标检测。文中提出了一种基于K-邻相关和Radon-Fourier 变换(RFT)的小目标长时间积累算法。首先，利用K-邻相关算法实现目标运动参数的粗略估计；然后，利用RFT实现信号的高效积累。仿真和实录数据验证表明：该方法能有效实现高速高机动小目标检测，信噪比损失0.5 dB以内。

K-邻相关法; Radon-Fourier 变换；长时间积累

0 引 言

随着隐身技术的发展，飞机导弹等高速运动目标的雷达散射截面积(RCS)越来越小，对这类目标检测需要采用长时间积累的方法来提取目标信息。基于Radon、Hough和动态规划等变换的检测前跟踪(TBD)非相参积累方法往往信噪比得益不够[1-8]。然而小目标高速高机动运动产生的跨距离和跨多普勒单元的双跨问题增加了长时间相参积累的难度。首先，由于目标高速运动造成的回波在距离单元上走动；其次，回波信号的非线性相位使得目标的多普勒频谱展宽，出现跨越多普勒单元甚至跨多普勒模糊度的问题。

基于Keystone变换的相参积累方法通过慢时间与快时间频谱的解耦合有效矫正跨距离单元走动。然而在低重频条件下，目标速度模糊度高，Keystone变换需要对速度模糊度进行搜索[2]，从而显著提高算法的计算量。

本文提出了一种基于K-邻相关和Radon-Fourier 变换(RFT)[9-10]的长时间相参积累方法，首先通过K-邻相关积累获得目标的速度和加速度信息。……