星載SAR衛(wèi)星輻射源信號(hào)處理關(guān)鍵技術(shù)研究.pdf

1、在星載合成孔徑雷達(dá)(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(qiáng)的大時(shí)寬-帶寬積的線性頻率調(diào)制(LFM)信號(hào)，有效避免被地面?zhèn)刹煜到y(tǒng)截獲。為了保護(hù)己方地面目標(biāo)免受SAR衛(wèi)星輻射源信號(hào)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(hào)，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(yuǎn)，電磁環(huán)境復(fù)雜，發(fā)射信號(hào)經(jīng)過電離層、大氣、云

2、層等一系列介質(zhì)到達(dá)地面，信號(hào)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(hào)信噪比(SNR)非常低，如何對(duì)截獲的星載 SAR信號(hào)進(jìn)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(xiàng)目“基于XXXX分析的衛(wèi)星輻射源信號(hào)偵察、處理技術(shù)”，對(duì)復(fù)雜電磁環(huán)境下截獲的星載SAR信號(hào)進(jìn)行了深入細(xì)致的研究。論文主要內(nèi)容概括如下：
　　第二章研究高斯短時(shí)窗函數(shù)下的LFM信號(hào)的STFT，研究表明，LF

3、M信號(hào)的STFT短時(shí)譜在時(shí)頻域呈背鰭狀分布。實(shí)際偵收到的星載SAR寬帶LFM信號(hào)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~Fs2內(nèi)是隨機(jī)分布的。本文聯(lián)合線性調(diào)頻信號(hào)在高斯窗函數(shù)下的STFT特點(diǎn)和通過DPX得到星載SAR寬帶線性調(diào)頻信號(hào)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(hào)的檢測(cè)及參數(shù)估計(jì)算法。
　　第三章針對(duì)低信噪比下混有雜散、干擾的星載 SAR雷達(dá)脈沖 LFM信

4、號(hào)在時(shí)域或頻域檢測(cè)難的問題，提出一種基于STFT時(shí)頻圖像增強(qiáng)和Hough變換的低信噪比 LFM脈沖信號(hào)檢測(cè)與參數(shù)估計(jì)方法。其基本思路是，把星載 SAR雷達(dá)輻射源信號(hào)的時(shí)頻分布轉(zhuǎn)換為圖像，然后運(yùn)用數(shù)字圖像的處理方法和理論對(duì)時(shí)頻分布圖像展開精細(xì)分析研究，為星載SAR輻射源信號(hào)的處理提供一種新途徑。
　　第四章針對(duì)LFM脈沖信號(hào)不能自適應(yīng)檢測(cè)和參數(shù)估計(jì)的問題，提出基于一維短時(shí)譜非鄰近差分的LFM脈沖信號(hào)自適應(yīng)檢測(cè)與參數(shù)估計(jì)算法。首先，采

5、用具有最小時(shí)寬-帶寬積的高斯窗函數(shù)對(duì) LFM信號(hào)進(jìn)行 STFT，提取每個(gè)時(shí)間窗內(nèi)的 FT最大值，與時(shí)間窗中心對(duì)應(yīng)，形成一維短時(shí)譜。其次，對(duì)一維短時(shí)譜進(jìn)行中值濾波平滑預(yù)處理，使其在LFM脈沖時(shí)間段內(nèi)呈現(xiàn)出受噪聲影響較小的一維短時(shí)譜脈沖。接著，對(duì)平滑后的一維短時(shí)譜進(jìn)行非鄰近差分，去除差分后的偽峰值保留真實(shí)的峰值，根據(jù)差分峰值位置搜索一維短時(shí)譜脈沖的上升沿、下降沿代表點(diǎn)位置。最后，根據(jù)一維短時(shí)譜差分峰值位置與差分間隔的關(guān)系確定LFM脈沖信號(hào)的

6、起始時(shí)間、結(jié)束時(shí)間的估計(jì)值，進(jìn)而提取LFM脈沖的調(diào)頻直線并估計(jì)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(duì)LFM信號(hào)的分?jǐn)?shù)階傅里葉域的譜進(jìn)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(diǎn)，從而拓展了FrFT在LFM信號(hào)處理中的性質(zhì)；其次，針對(duì)在分?jǐn)?shù)階傅里葉域的大采樣點(diǎn)數(shù)的LFM信號(hào)的處理問題，采用分段FrFT對(duì)LFM信號(hào)進(jìn)行處理，即將大采樣點(diǎn)數(shù)的LFM信號(hào)分成點(diǎn)數(shù)相同的信號(hào)段，然后對(duì)每段LFM信號(hào)分別

7、進(jìn)行FrFT，每段FrFT二維譜當(dāng)作一幀圖像，將所有幀的圖像進(jìn)行累積平均，累積平均后的圖像灰度值進(jìn)行垂直累加的結(jié)果相當(dāng)于每段LFM信號(hào)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(qiáng)了譜積分特征，同時(shí)抑制了噪聲的影響。通過提取增強(qiáng)后的譜積分特征，可以有效估計(jì)出大采樣點(diǎn)數(shù)的LFM信號(hào)的參數(shù)，包括起始頻率、調(diào)頻斜率等，同時(shí)有效降低了計(jì)算耗時(shí)和搜索峰值的時(shí)間。
　　第六章提出一種基于時(shí)域自相關(guān)主瓣傅里葉級(jí)數(shù)擬合的未知參數(shù) L

8、FM信號(hào)SNR估計(jì)算法。該算法首先根據(jù)加性高斯白噪聲（AWGN）背景下LFM信號(hào)自相關(guān)與功率譜的關(guān)系推導(dǎo)出 SNR與 LFM信號(hào)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(hào)自相關(guān)主瓣的大致邊界點(diǎn)并篩選出該邊界點(diǎn)之間的主瓣部分；最后通過傅里葉級(jí)數(shù)擬合該主瓣部分，分離出主瓣部分中心處的LFM信號(hào)自相關(guān)和噪聲自相關(guān)，從而估計(jì)出SNR。仿真實(shí)驗(yàn)表明，LFM信號(hào)時(shí)寬越大、帶寬越大，該算法估計(jì)SNR越準(zhǔn)確；信噪比為-10dB~5d