[发明专利]一种基于动态规划与分数阶傅里叶变换的弱目标检测方法

说明书

本发明提供一种基于动态规划与分数阶傅里叶变换的弱目标检测方法，首先利用动态规划算法快速寻找弱目标最有可能，即回波能量最大的运动轨迹；然后分别提取回波能量最大的运动轨迹的雷达回波，对这些轨迹回波进行分数阶傅里叶变换，以实现相位补偿，完成相参积累；最后在分数域中利用CA‑CFAR检测方法设置门限以完成弱目标的检测，由此可见，本发明通过FrFT将信号转换到分数域中，实现了信号的相参积累，积累增益更高；相较于已有的相参积累算法，使用动态规划算法寻找目标的可能轨迹，不需要遍历搜索，运行速度更快；综上，本发明在雷达中的弱目标检测方面，检测效率和正确率更高。

技术领域

本发明属于雷达检测技术领域，尤其涉及一种基于动态规划(DynamicProgramming，DP)与分数阶傅里叶变换(Fractional Fourier Transform，FrFT)的弱目标检测方法。

背景技术

在传统的雷达信息处理中，针对每一帧回波都会进行检测，并在此基础上对检测到的目标进行关联和滤波，从而形成目标航迹。但对于无人机、鸟类等小目标来说，其雷达横截面积(Radar cross-sectional area,RCS)小，目标回波信号弱，单帧回波信噪比(Signal to noise ratio,SNR)低，很难被检测出来。

因此，为了检测小目标，需要对目标信号进行长时间的积累以达到可检测的信噪比。目前，常用的微弱目标回波积累方法可分为非相参积累检测和相参积累检测两类。

非相参积累检测是通过对回波信号幅度、功率、似然比等不含相位信息的观测量进行累加以提高目标积累增益。目前，主流的技术为检测前跟踪技术(Track BeforeDetection,TBD)，其利用未经门限处理的多帧原始数据进行能量积累，以实现同时检测与跟踪。针对其路径筛选问题，常使用动态规划进行快速寻优，即DP-TBD算法。但此类非相参积累算法的积累增益低，并且还存在检测门限难以确定的问题。

相参积累处理理论上可获得比非相参积累更高的积累增益，但由于相位补偿的复杂性，其运算量普遍也更大。在长时间积累过程中，目标往往会发生距离徙动以及多普勒走动，其回波会在距离域与多普勒域都被展宽，导致传统脉冲多普勒方法增益急剧下降。

因此，针对雷达弱目标检测，亟需一种积累增益高、实时性好的检测算法。

发明内容

为解决上述问题，本发明提供一种基于动态规划与分数阶傅里叶变换的弱目标检测方法，首先通过动态规划搜索轨迹，然后利用分数阶傅里叶变换FrFT积累，并将积累后的最大值与检测门限比对以判断目标是否存在，能够有效提高雷达中弱目标的检测效率和正确率。

一种基于动态规划与分数阶傅里叶变换的弱目标检测方法，包括以下步骤：

S1：接收K帧雷达回波信号，采用动态规划法从K帧雷达回波信号中获取回波能量最大的弱目标的轨迹，其中，每帧雷达回波信号对应一帧一维距离像，且一维距离像包括多个距离单元，所述轨迹由各帧一维距离像中弱目标所在的距离单元构成；

S2：提取弱目标所在的各个距离单元对应的回波数据，得到弱目标所对应的轨迹回波信号s(t)；

S3：设定旋转角度范围，然后从所述旋转角度范围中选取至少三个旋转角度α，其中，所述旋转角度均匀分布在旋转角度范围中；

S4：分别在各旋转角度α下对轨迹回波信号s(t)进行分数阶傅里叶变换，得到弱目标对应的分数域信号X_α(u)；

S5：将各旋转角度α对应的分数域信号X_α(u)进行拼接，得到分数域平面(α,u)；