动目标检测器(MTD).ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,动目标检测器（,MTD,）,1.MTD,的原理,1),有色噪声中最佳接收理论,其中，,白化滤波器,与信号匹配滤波器,2),白化滤波器的实现,白化滤波器频率特性应为有色杂波加噪声谱的倒数，在实现上有几种近似方法：,A)MTI,对地杂波近似白化,B),速度自适应,MTI,，,对运动杂波近似白化,C)MTI+,速度自适应,MTI,，,对地杂波和运动杂波同时实现近似白化,D),最大熵谱估计,AMTI,，,理想白化,3),匹配滤波器,目标,f,d,从,0,f,r,均匀分布，所以设置多普勒滤波器组来近似实现匹配滤波；可用,FIR,或,FFT,来实现。,4),频域,CFAR,和选大,在每一多普勒滤波器通道输出设置,CFAR,电路；各通道过,CFAR,门限的信号相互比大，取最大值作为,MTD,输出值,2.,成组处理,MTDBMTD,一,.CPI,：,天线扫过一个点目标时在方位上的相继回波数，称为击中数,H,。,CPI,相参处理间隔是,BMTD,中组的大小。若一个,CPI,内的回波数为,m,，,应保证：,这里,（整数）,所以,BMTD,的定义为：将一个,CPI,中的回波结合为一组，来进行,MTD,处理。,波束中的回波应分为,2,个,CPI,，,才能保证至少一个,CPI,中包含了全部目标信息，否则会导致,S/N,下降，降低检测性能。,例：击中数,H,32,时，,m,16(,个,),，,这是最大值,二,.,乒乓存储器：,为了实时进行成组处理，必须首先将一个,CPI,中的全部回波数据存储起来，当该,CPI,数据全部存完后（乒存储器存满后），则取出来沿距离间隔顺序处理，与此同时，对下一个,CPI,的回波数据进行存储（存入乓存储器）,乒乓存储器容量：,设：,CPI=m,距离间隔,=n,A/D,字长,b bits,则：,Z=2 m n b 2=4mnb,|,乒乓,|,I,Q,例：,CPI=64=m,n=1024,b=12 bits,则：,Z=464102412=384 Kbytes,三,.,多普勒滤波器组,：,(1),阶数：,多普勒滤波器组阶数为,M,，,则,M,m,（,预白化,MTI,阶数,1,）,例：当,m,18,，,MTI,为,3,脉冲（,3,阶）时，,则,M,18,2,16,（,阶）,2,）多普勒滤波器组的实现方法,1.FFT,算法：,当,M=2,T,（,T,整数）时，可用基,2FFT,，,并采用加权来减小旁瓣，降低杂波通过旁瓣的泄漏，提高改善因子。,一般采用：,Hamming,或,Chebyshev,加权效果较好。,加权,FFT,滤波器组的,FFT,实现,x,i,优点：运算量少，设备简单；,运算量为：,次蝶形运算。,采用四周蝶形算法，故乘法次数为,例：,M=16,，,乘法次数为,次乘加。,缺点：每个滤波器形状完全一致，不灵活。,2.FIR,算法,a),权系数设计：窗函数法,任意窗函数,Remez,多重变换算法,旁瓣约束等波纹设计法,权系数,h,i,(n),(i=1,2,M),(n=1,2,M),b),具体算法：,i=1,2,M,这里 和 为复数，,于是有：,i,1,2,M,c)FIR,滤波器组运算量,4,M,2,例：,M=16,，,则,4(16),2,=1024(,复乘,),优点：灵活，性能好,缺点：运算量大，复杂,3.MTD,系统的改善因子,一,.,最佳多普勒滤波器组构成的,MTD,系统的改善因子,所谓最佳多普勒滤波器组，即每个滤波器的权函数,Wi,都是最优权函数。这里最优是相对于一定的杂波模型和信号假设而言的。,1.CPI,中,M,个信号回波可用一复矢量表示：,Ps,为每个信号回波的功率，这里假设天线波瓣形状为矩形，所以每个,Ps,相等。,为信号的随机相位。,，,是脉冲,脉冲间的相移,2.,杂波回波是：,这里：是杂波功率,3.,热噪声：,这里：为噪声功率,4.,总输入为：,（这里假设,s,c,n,为统计独立的）,5.,改善因子：,输入信干比为：,令多普勒滤波器组有复加权,，,w,i,为每一个滤波器通道的权值,则滤波器的输出为：,相应的输出功率为：,其中，代表输入回波的协方差矩阵，用 表示,（因,S,，,C,，,n,相互统计独立）,这里，归一化信号协方差阵,归一化杂波协方差阵,中的第,i,，,j,位置的元素可由杂波相关函数 决定,(,单位阵,),，归一化噪声协方差阵,具有复加权 的多普勒滤波器的噪声增益为,当信号的,从 均匀分布时，信号平均增益,输出信干比为：,则改善因子：,信号功率增益,输入,(,杂波噪声,),功率,输出,(,杂波噪声,),功率,为信号功率增益对噪声功率增益之比，即为相干积累增益,为归一化的干扰抑制比，即干扰抑制比乘噪声增益。这相当于前面讲过的平均改善因子。,可见,MTD,可以看成白化滤波器（具有平均改善因子,I,MTI,）,和相干积累器（多普勒滤波器组）的级联。,白化滤波,I,MTI,多普勒滤波器组,G,C,由文献知，最佳 应为：,干扰协方差阵的逆,信号的复共轭,具有最佳加权的,MTD,就是有色噪声中的最佳检测器。,由于 和 都是 的函数，当 在 中均匀分布时，该最佳处理器的平均改善因子为：,例：杂波谱为高斯形,可用数值计算出不同 和,N,时的,2346916,7.514182532.540,当：时,二,.,理想白化滤波器级联滤波器组的改善因子,白化滤波器,Hw(f),滤波器组,令杂波功率谱为,Sc(f),，,则理想,Hw(f),应为,Sc(f),的倒谱,或：,这里：,Sc(f),是杂波功率谱,(,采样前，,f,是从 内扩展的,),相当于把杂波功率折叠到 内,，,j,取整数,白化滤波器平均归一化对消比：,（,杂波抑制比）,（噪声增益）,又：,令,则：,后接滤波器组在理想情况下为一相干积累器（即矩形窗加权，且目标,f,d,正好处于某滤波器通代中央），相干积累增益为：,所以系统改善因子：,例：杂波功率谱,计算列表如下：,c,T0.070.080.100.120.140.20,C,AV,(dB)85.261.033.519.411.62.8,而,这是系统改善因子上界；当非矩形窗加权时会有,S/N,损失，当,fd,不处于滤波器中央时，应算平均相参积累增益，也会有损失。,三,.,实际,MTD,系统的改善因子,非理想白化,非矩形窗加权,实际系统为一个,2,脉冲或,3,脉冲,MTI,级联加权滤波器组。,令：对消器传递函数和第,i,个滤波器传递函数的合成为：,对而言，归一化对消比为：,实际,I,SIR,理想,I,SIR,（杂波抑制比）,（噪声增益）,则：,由：,如已知 和 ，则可求得,相干积累增益为,因此，,则：，,N,为滤波器数,例：,3,脉冲对消,8,脉冲滤波器组，杂波为高斯谱,1.,矩形窗加权时,0.0060.050.070.080.1,86.442.638.936.230.1,2.25dB,旁瓣,Chebyshev,加权,0.0060.050.070.080.1,9351.343.84032.8,可见，比理想性能相差较大，,Chebyshev,加权副瓣越低，则越高,4.MTD,的精度和分辨率,在,BMTD,中，方位精度由于受到,CPI,宽度限制，因而较低，可用以下几种方法加以改善。,因波束内至少有两个,CPI,，,设第一个,CPI,报告的方位为 ，第二个,CPI,报告的方位为,一,.,内插法提高方位精度,估计方位,这里为内插函数，它取决于与 和 相对应的目标报告的对数幅度,1.,波束内为单,CPI,：,此时，,F=0,，,2.,波束分裂法（波束内为,2,个,CPI,时）：,假设两个,CPI,为等同看待（即信号回波在两个,CPI,中均充满时），可令,F=1/2,，,所以，,二,.,质量中心法,可见质量中心法相当于内插法中的,A,1,和,A,2,为相应于 和 的线性幅度,三,.,天线波束形状相关法：,K,是常数，与天线波瓣形状有关。,四,.,波束匹配法：,当波束内的报告数较多时，采用波束形状对每个报告实施加权求中值法。,其中，为波束相应于 的形状因子。,各种方法比较：,BMTD,分辨率取决于波束宽度。,5.,滑动,MTD SMTD,为了提高,MTD,处理的方位精度，可采用滑动,MTD,。,一,.,原理：,在方位上每滑过一个脉冲，做一次,M,点的,MTD,，,新进入一个信号，丢掉一个老信号，又进行一次,M,点,MTD,。,因此每次,MTD,处理中均只有一个新信息，,M,1,个老信息。,SMTD,处理中，可获得与天线波束内的击中数相等的报告数，从而可采用质心法等方法来提高,MTD,的方位精度。,SMTD,最大的难点是运算量相对于,BMTD,增加了,M,倍。所以必须寻求减少运算量的新方法。,传统单滑动处理的,MTD,结构,图中，,N,为窗长（也是滤波器组的个数），每滑进、滑出一个脉冲要完成,N,个滤波器运算，,N,次恒虚警处理，和,N,个通道的门限比较以及选大输出，运算量庞大。,这种处理有两个冗余度：,1),每一步处理,N,个滤波器中有,N,1,个滤波器结果并不输出，即只有目标通道输出。但目标多普勒频率在一次扫描波束范围内是不会发生太大变化的。可认为所处理的滤波器通道不变。由此可得出在整个波束范围内只作一次目标通道判决。每判一次后，可作多次滑动处理，且每次滑动处理只处理目标所在的多普勒滤波通道即可。从而可以大大节省运算量。,2),相邻两次处理的,N,个数据中，有,N,1,个数据完全相同。所以相邻两次,FFT,处理之间可导出一种滑动递推算法，提高滑动,FFT,处理的效率。,二,.,成组判断和滑动处理相结合的,SMTD,1),成组判断：在波束范围内仅做一次目标通道判决,2),滑动处理：仅对有目标的通道进行单滤波器的滑动处理,因此，新的结构如下图所示：,在波束范围内，由于仅做一次目标通道判决，所以只做一次,FFT,（,或滤波器组），一次,N,通道恒虚警，和一次,N,选,1,判断即可。,如成组判断后，判目标通道为,K,0,；,则在整个波束范围内的滑动处理时，每次滑动后仅作,K,0,通道的滤波、恒虚警即可，从而大大节省了运算量。此外各相邻两次单滑动处理间有极强的相关性（因有,N,1,个数据相同），所以前次滤波的某些结果可直接送入下次滤波处理中，进一步减少了单滤波器处理的运算量。,成组判断和滑动处理相结合的实现方框图,:,三,.,滑动处理的快速递推算法,令用,N,点,DFT,完成窄带滤波器，目标处于,K,通道，连续,N,个输出可表示为：,(1),(2),(3),(4),N,为相干点数，；,由,(2),式乘以 再减去,(1),式得：,同样，由,(3),式乘以 再减去,(2),式得：,依此类推，有：,上式可写成一般表达式：,m=1,2,N-1(5),由于后续均值估计和恒虚警处理只关心信号模值，可丢弃信号相位分量。,令：,故有：,可见，仅对模值而言，得到 和 是等效的（相同）。由,(5),，,(6),两式可得到单滑动,DFT,的快速递推算法的一般表达式（仅求 即可）,(6),(7),由,(7),式知，其滤波运算，每滑动一次只需一次复乘，两次复加即可。,所以其流程应为：,Step 1,：,初始化,（因求 和求 等效）,Step 2,：,循环，,for m=1 to N-1,流程图：,M,为成组判断组长（可等于波束内击中数）,运算量：,初始化：,N,次复乘，,N,次复加，,滑动,(M-1),次：,(M-1),次复乘，,2(M-1),次复加,共有：复乘,(N+M-1),次，复加,N+2(M-1),次,如,M=N,，,则计算量为：,(2N-1),次复乘，和,(3N-2),次复加,而标准,FFT,，,每输出一个结果要 次复乘，和,次复加。,可见当,N,16,时，滑动处理输出,N,个结果的运算量，比传统方法输出一个结果的运算量还少，效率提高,N,倍以上。,再加上恒虚警和判大等运算量的大量减少，所以使,“,成组判断，滑动处理,”,的总运算量急剧下降。,实现成为可能。,