扶 明， 郑 霖， 杨 超， 黄凤青， 邓小芳， 刘争红

(1.桂林电子科技大学广西无线宽带通信与信号处理重点实验室，广西 桂林 541004；2.通信网信息传输与分发技术重点实验室，石家庄 050081)

0 引言

慢速运动目标的有效检测是短距雷达的重要目标之一，实际检测环境中，目标雷达截面积(Radar Cross Section，RCS)小，回波能量微弱，同时接收到的回波信号中包含大量的背景噪声和杂波，其能量往往大于目标信号的能量，导致待检测目标被淹没在这些噪声和杂波中[1]，这些因素都使得短距雷达的慢速目标检测变得困难。传统方法中有基于运动目标指示(Moving Target Indication，MTI)和相参积累，以及子空间投影等目标检测方法被应用于雷达系统。MTI是依据杂波与目标回波多普勒的差异来滤除零频附近的杂波，保留远离零频的运动目标[2-3]。但对慢动目标来说，当运动目标靠近零频时，MTI滤波器对其多普勒成分有极大衰减，使得检测性能并不理想[4]。基于子空间投影的目标检测方法主要是对回波信号特征分解，依据特征值谱的性质分离杂波特征分量并突显目标信号。然而，子空间方法一般要假定杂波子空间的维数[5]以及目标信号子空间与杂波子空间的独立性[3,6]，但在实际情况中杂波子空间具有多维度特性，并且特征空间会出现交叠，导致目标检测性能下降。另外，基于时频分析的目标检测方法，存在时频聚集程度低等缺点[7]，当运动目标的多普勒频移与杂波接近时，这些方法不能有效地检测出目标[8]。

近年来，随着深度学习的迅猛发展，其在雷达信号处理领域也被广泛应用[9-12]。……