本文關(guān)鍵詞： 電子偵察 星載SAR 輻射源信號 LFM信號 信號檢測 參數(shù)估計 STFT 圖像增強 Hough變換 自適應(yīng)檢測 一維短時譜非鄰近差分 分?jǐn)?shù)階Fourier變換(FrFT) 分?jǐn)?shù)階譜積分 分段FrFT 時域自相關(guān)主瓣 傅里葉級數(shù)擬合 SNR估計 直方圖　出處：《國防科學(xué)技術(shù)大學(xué)》2016年博士論文　論文類型：學(xué)位論文

【摘要】：在星載合成孔徑雷達(SAR)衛(wèi)星偵察中,為了獲得地形、地物、大型人工建筑以及軍事目標(biāo)等高分辨的成像,通常采用峰值功率低、抗干擾性強的大時寬-帶寬積的線性頻率調(diào)制(LFM)信號,有效避免被地面?zhèn)刹煜到y(tǒng)截獲。為了保護己方地面目標(biāo)免受SAR衛(wèi)星輻射源信號照射并干擾SAR衛(wèi)星的偵察,地面系統(tǒng)必須有效截獲、分析和處理SAR衛(wèi)星輻射源信號,適當(dāng)返回一些虛假回波,欺騙敵方衛(wèi)星的偵察。由于SAR衛(wèi)星距離地面遠,電磁環(huán)境復(fù)雜,發(fā)射信號經(jīng)過電離層、大氣、云層等一系列介質(zhì)到達地面,信號傳播過程中受到諸多干擾的影響,出現(xiàn)嚴(yán)重的衰減,地面?zhèn)墒障到y(tǒng)截獲到的信號信噪比(SNR)非常低,如何對截獲的星載SAR信號進行分析處理,已經(jīng)成為目前電子偵察領(lǐng)域的重要研究課題。本文依托“十二五”863項目“基于XXXX分析的衛(wèi)星輻射源信號偵察、處理技術(shù)”,對復(fù)雜電磁環(huán)境下截獲的星載SAR信號進行了深入細致的研究。論文主要內(nèi)容概括如下:第二章研究高斯短時窗函數(shù)下的LFM信號的STFT,研究表明,LFM信號的STFT短時譜在時頻域呈背鰭狀分布。實際偵收到的星載SAR寬帶LFM信號通過DPX技術(shù)可以很容易確定其頻率變化的大概范圍,而不同信噪比的噪聲作STFT得到的頻率在0~2sF內(nèi)是隨機分布的。本文聯(lián)合線性調(diào)頻信號在高斯窗函數(shù)下的STFT特點和通過DPX得到星載SAR寬帶線性調(diào)頻信號的頻譜分布范圍信息,產(chǎn)生了星載SAR寬帶線性調(diào)頻信號的檢測及參數(shù)估計算法。第三章針對低信噪比下混有雜散、干擾的星載SAR雷達脈沖LFM信號在時域或頻域檢測難的問題,提出一種基于STFT時頻圖像增強和Hough變換的低信噪比LFM脈沖信號檢測與參數(shù)估計方法。其基本思路是,把星載SAR雷達輻射源信號的時頻分布轉(zhuǎn)換為圖像,然后運用數(shù)字圖像的處理方法和理論對時頻分布圖像展開精細分析研究,為星載SAR輻射源信號的處理提供一種新途徑。第四章針對LFM脈沖信號不能自適應(yīng)檢測和參數(shù)估計的問題,提出基于一維短時譜非鄰近差分的LFM脈沖信號自適應(yīng)檢測與參數(shù)估計算法。首先,采用具有最小時寬-帶寬積的高斯窗函數(shù)對LFM信號進行STFT,提取每個時間窗內(nèi)的FT最大值,與時間窗中心對應(yīng),形成一維短時譜。其次,對一維短時譜進行中值濾波平滑預(yù)處理,使其在LFM脈沖時間段內(nèi)呈現(xiàn)出受噪聲影響較小的一維短時譜脈沖。接著,對平滑后的一維短時譜進行非鄰近差分,去除差分后的偽峰值保留真實的峰值,根據(jù)差分峰值位置搜索一維短時譜脈沖的上升沿、下降沿代表點位置。最后,根據(jù)一維短時譜差分峰值位置與差分間隔的關(guān)系確定LFM脈沖信號的起始時間、結(jié)束時間的估計值,進而提取LFM脈沖的調(diào)頻直線并估計其參數(shù)。第五章首先在分?jǐn)?shù)階傅里葉變換(FrFT)的基本理論基礎(chǔ)上,對LFM信號的分?jǐn)?shù)階傅里葉域的譜進行積分,發(fā)現(xiàn)譜積分在最佳旋轉(zhuǎn)角處具有最小值的特點,從而拓展了FrFT在LFM信號處理中的性質(zhì);其次,針對在分?jǐn)?shù)階傅里葉域的大采樣點數(shù)的LFM信號的處理問題,采用分段FrFT對LFM信號進行處理,即將大采樣點數(shù)的LFM信號分成點數(shù)相同的信號段,然后對每段LFM信號分別進行FrFT,每段FrFT二維譜當(dāng)作一幀圖像,將所有幀的圖像進行累積平均,累積平均后的圖像灰度值進行垂直累加的結(jié)果相當(dāng)于每段LFM信號分?jǐn)?shù)階域譜積分的線性疊加再做平均,該方法通過累加平均有效增強了譜積分特征,同時抑制了噪聲的影響。通過提取增強后的譜積分特征,可以有效估計出大采樣點數(shù)的LFM信號的參數(shù),包括起始頻率、調(diào)頻斜率等,同時有效降低了計算耗時和搜索峰值的時間。第六章提出一種基于時域自相關(guān)主瓣傅里葉級數(shù)擬合的未知參數(shù)LFM信號SNR估計算法。該算法首先根據(jù)加性高斯白噪聲(AWGN)背景下LFM信號自相關(guān)與功率譜的關(guān)系推導(dǎo)出SNR與LFM信號自相關(guān)和噪聲自相關(guān)的關(guān)系;然后通過直方圖分集方法確定LFM信號自相關(guān)主瓣的大致邊界點并篩選出該邊界點之間的主瓣部分;最后通過傅里葉級數(shù)擬合該主瓣部分,分離出主瓣部分中心處的LFM信號自相關(guān)和噪聲自相關(guān),從而估計出SNR。仿真實驗表明,LFM信號時寬越大、帶寬越大,該算法估計SNR越準(zhǔn)確;信噪比為-10dB~5dB時,SNR估計性能最佳;信噪比為-18dB~10dB時,SNR估計性能優(yōu)于中心鄰域二值均值法、恒包絡(luò)法,估計誤差不超過0.3dB。
[Abstract]:In order to protect the ground target from SAR satellite , the signal - to - noise ratio ( SNR ) is very low , the signal - to - noise ratio ( SNR ) is very low , the signal - to - noise ratio ( SNR ) intercepted by the ground detection system is very low . In chapter 2 , the STFT is used to estimate the frequency variation of the carrier SAR . In chapter 3 , we use the Gaussian window function with the minimum width - bandwidth product to determine the approximate range of the frequency variation . The fourth chapter is based on the STFT feature of the Gaussian window function and the time window center . The fourth chapter is based on the basic theory of the fractional Fourier transform ( FrFT ) . The SNR estimation performance is best when the signal - to - noise ratio is -10dB ~ 5dB . SNR estimation performance is better than the center - neighborhood binary mean method and constant - envelope method when the signal - to - noise ratio is -18dB ~ 10dB . The estimation error is not more than 0.3 dB .

【學(xué)位授予單位】：國防科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TN957.51
，

本文編號：1446421