由于低空環(huán)境復(fù)雜、目標(biāo)雷達(dá)散射截面積(Radar Cross Section,RCS)小以及目標(biāo)運(yùn)動(dòng)特性復(fù)雜,傳統(tǒng)雷達(dá)系統(tǒng)對(duì)于多旋翼無(wú)人機(jī)目標(biāo)的探測(cè)能力極為有限,亟需掌握無(wú)人機(jī)目標(biāo)雷達(dá)探測(cè)新理論與新方法�；诖�,本文開(kāi)展了多旋翼小型無(wú)人機(jī)目標(biāo)雷達(dá)探測(cè)關(guān)鍵技術(shù)研究,本論文的主要工作和貢獻(xiàn)主要包括以下幾個(gè)方面:1.針對(duì)雷達(dá)回波微弱和低空環(huán)境雜波背景強(qiáng)等問(wèn)題,本文引入了基于長(zhǎng)時(shí)間多脈沖相參積累的多旋翼無(wú)人機(jī)目標(biāo)雷達(dá)檢測(cè)方法,并提出了基于參數(shù)對(duì)稱瞬時(shí)自相關(guān)函數(shù)、Keystone變換和變尺度傅里葉變換(Parametric Symmetric Instantaneous Autocorrelation Function-Keystone Transform-Scaled Fourier Transform,PSIAF-KT-SFT)的勻加速運(yùn)動(dòng)目標(biāo)相參積累算法。該方法首先利用PSIAF消除了長(zhǎng)時(shí)間相參積累過(guò)程中由目標(biāo)運(yùn)動(dòng)引入的二階距離單元徙動(dòng)和多普勒頻率單元徙動(dòng),然后利用KT和SFT實(shí)現(xiàn)了剩余線性耦合校正,完成了目標(biāo)回波能量的有效積累,增加了輸出信噪比,提高了雷達(dá)對(duì)多旋翼無(wú)人機(jī)目標(biāo)的檢測(cè)性能,并...

【文章頁(yè)數(shù)】：130 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
abstract
縮略詞表
第一章 緒論
    1.1 研究工作的背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 長(zhǎng)時(shí)間多脈沖積累研究現(xiàn)狀
            1.2.1.1 勻速運(yùn)動(dòng)目標(biāo)相參積累研究現(xiàn)狀
            1.2.1.2 勻加速運(yùn)動(dòng)目標(biāo)相參積累研究現(xiàn)狀
            1.2.1.3 高階運(yùn)動(dòng)相參積累研究現(xiàn)狀
        1.2.2 旋翼葉片微動(dòng)特征提取研究現(xiàn)狀
    1.3 論文的主要內(nèi)容和章節(jié)安排
第二章 勻加速運(yùn)動(dòng)無(wú)人機(jī)目標(biāo)相參積累算法研究
    2.1 引言
    2.2 勻加速運(yùn)動(dòng)無(wú)人機(jī)目標(biāo)回波信號(hào)模型
    2.3 PSIAF-KT-SFT相參積累算法
        2.3.1 算法原理
        2.3.2 算法流程與計(jì)算復(fù)雜度分析
            2.3.2.1 算法流程
            2.3.2.2 計(jì)算復(fù)雜度分析
        2.3.3 實(shí)驗(yàn)結(jié)果與分析
            2.3.3.1 相參積累能力
            2.3.3.2 抗噪聲能力
            2.3.3.3 X-波段雷達(dá)實(shí)測(cè)數(shù)據(jù)
    2.4 本章小結(jié)
第三章 勻加速運(yùn)動(dòng)無(wú)人機(jī)目標(biāo)線性相參積累算法研究
    3.1 引言
    3.2 多目標(biāo)雷達(dá)信號(hào)回波模型
    3.3 KT-MGRFT相參積累算法
        3.3.1 GRFT算法簡(jiǎn)介
        3.3.2 KT-MGRFT算法原理
        3.3.3 計(jì)算復(fù)雜度分析
        3.3.4 實(shí)驗(yàn)結(jié)果與分析
    3.4 TSS-FrFT相參積累算法
        3.4.1 FrFT簡(jiǎn)介
        3.4.2 TSS-FrFT算法原理
        3.4.3 實(shí)驗(yàn)結(jié)果與分析
    3.5 本章小結(jié)
第四章 變加速運(yùn)動(dòng)無(wú)人機(jī)目標(biāo)相參積累算法研究
    4.1 引言
    4.2 高階徙動(dòng)校正相參積累
        4.2.1 高階徙動(dòng)信號(hào)模型
        4.2.2 距離單元徙動(dòng)校正
        4.2.3 多普勒頻率單元徙動(dòng)校正
        4.2.4 運(yùn)動(dòng)參數(shù)估計(jì)
        4.2.5 多目標(biāo)
        4.2.6 性能分析
            4.2.6.1 計(jì)算復(fù)雜度
            4.2.6.2 目標(biāo)運(yùn)動(dòng)參數(shù)分辨率
        4.2.7 實(shí)驗(yàn)結(jié)果與分析
    4.3 多段運(yùn)動(dòng)相參積累
        4.3.1 多段運(yùn)動(dòng)信號(hào)模型
        4.3.2 多段運(yùn)動(dòng)相參積累算法
        4.3.3 計(jì)算復(fù)雜度分析
        4.3.4 實(shí)驗(yàn)結(jié)果與分析
    4.4 本章小結(jié)
第五章 基于微動(dòng)特征的無(wú)人機(jī)目標(biāo)檢測(cè)算法研究
    5.1 引言
    5.2 旋翼葉片回波模型
    5.3 基于微動(dòng)特征的無(wú)人機(jī)目標(biāo)檢測(cè)
        5.3.1 旋翼葉片微動(dòng)特征分析
        5.3.2 無(wú)人機(jī)目標(biāo)檢測(cè)與微動(dòng)特征提取
    5.4 實(shí)驗(yàn)結(jié)果與分析
    5.5 本章小結(jié)
第六章 全文總結(jié)與展望
    6.1 全文工作總結(jié)
    6.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的成果



本文編號(hào)：3874002