关键词:
目标参数估计
捷变频
稀疏重构
稀疏度自适应和迭代加权
摘要:
捷变频雷达具有低截获概率、抗干扰能力强等优点,然而其载频在脉间跳变导致信号相位非均匀变化,使得传统动目标检测不再适用。针对捷变频雷达目标距离-速度参数估计以及参数估计中存在虚假目标检测和真实目标幅度损失的问题,本文建立了距离-多普勒的稀疏信号处理模型,将参数估计问题转化为稀疏重构问题,并提出了稀疏度自适应和迭代加权重构(Sparse Adaptive and Iterative Weighted Reconstruction,SAIWR)算法。首先,该算法根据字典矩阵与信号的相关性挑选原子并通过正则化条件对原子进行二次筛选。随后,每次迭代中扩展步长自适应地匹配信号稀疏度,继续寻找最佳原子集。最后,在迭代中根据原子与字典矩阵的相关性调整权矩阵,增强目标原子在信号重构过程中的作用,实现了目标个数未知情况下雷达目标场景重构和虚假目标抑制。自适应对角加载矩阵求逆时,算法利用了矩阵求逆引理,减少了所需的计算量。计算机仿真实验表明,本文所提算法在邻近目标场景与小目标场景下均实现捷变频雷达目标参数的准确估计,与现有的正则化自适应匹配追踪算法(Regularized Adaptive Matching Pursuit,RAMP)与稀疏贝叶斯算法(Sparse Bayesian Learning,SBL)相比,SAIWR算法重构精度更高,误检率更低。