星载SAR卫星辐射源信号处理关键技术研究

发布时间：2018-01-20 02:10

  本文关键词： 电子侦察 星载SAR 辐射源信号 LFM信号 信号检测 参数估计 STFT 图像增强 Hough变换 自适应检测 一维短时谱非邻近差分 分数阶Fourier变换(FrFT) 分数阶谱积分 分段FrFT 时域自相关主瓣 傅里叶级数拟合 SNR估计 直方图　出处：《国防科学技术大学》2016年博士论文　论文类型：学位论文

【摘要】：在星载合成孔径雷达(SAR)卫星侦察中,为了获得地形、地物、大型人工建筑以及军事目标等高分辨的成像,通常采用峰值功率低、抗干扰性强的大时宽-带宽积的线性频率调制(LFM)信号,有效避免被地面侦察系统截获。为了保护己方地面目标免受SAR卫星辐射源信号照射并干扰SAR卫星的侦察,地面系统必须有效截获、分析和处理SAR卫星辐射源信号,适当返回一些虚假回波,欺骗敌方卫星的侦察。由于SAR卫星距离地面远,电磁环境复杂,发射信号经过电离层、大气、云层等一系列介质到达地面,信号传播过程中受到诸多干扰的影响,出现严重的衰减,地面侦收系统截获到的信号信噪比(SNR)非常低,如何对截获的星载SAR信号进行分析处理,已经成为目前电子侦察领域的重要研究课题。本文依托“十二五”863项目“基于XXXX分析的卫星辐射源信号侦察、处理技术”,对复杂电磁环境下截获的星载SAR信号进行了深入细致的研究。论文主要内容概括如下:第二章研究高斯短时窗函数下的LFM信号的STFT,研究表明,LFM信号的STFT短时谱在时频域呈背鳍状分布。实际侦收到的星载SAR宽带LFM信号通过DPX技术可以很容易确定其频率变化的大概范围,而不同信噪比的噪声作STFT得到的频率在0~2sF内是随机分布的。本文联合线性调频信号在高斯窗函数下的STFT特点和通过DPX得到星载SAR宽带线性调频信号的频谱分布范围信息,产生了星载SAR宽带线性调频信号的检测及参数估计算法。第三章针对低信噪比下混有杂散、干扰的星载SAR雷达脉冲LFM信号在时域或频域检测难的问题,提出一种基于STFT时频图像增强和Hough变换的低信噪比LFM脉冲信号检测与参数估计方法。其基本思路是,把星载SAR雷达辐射源信号的时频分布转换为图像,然后运用数字图像的处理方法和理论对时频分布图像展开精细分析研究,为星载SAR辐射源信号的处理提供一种新途径。第四章针对LFM脉冲信号不能自适应检测和参数估计的问题,提出基于一维短时谱非邻近差分的LFM脉冲信号自适应检测与参数估计算法。首先,采用具有最小时宽-带宽积的高斯窗函数对LFM信号进行STFT,提取每个时间窗内的FT最大值,与时间窗中心对应,形成一维短时谱。其次,对一维短时谱进行中值滤波平滑预处理,使其在LFM脉冲时间段内呈现出受噪声影响较小的一维短时谱脉冲。接着,对平滑后的一维短时谱进行非邻近差分,去除差分后的伪峰值保留真实的峰值,根据差分峰值位置搜索一维短时谱脉冲的上升沿、下降沿代表点位置。最后,根据一维短时谱差分峰值位置与差分间隔的关系确定LFM脉冲信号的起始时间、结束时间的估计值,进而提取LFM脉冲的调频直线并估计其参数。第五章首先在分数阶傅里叶变换(FrFT)的基本理论基础上,对LFM信号的分数阶傅里叶域的谱进行积分,发现谱积分在最佳旋转角处具有最小值的特点,从而拓展了FrFT在LFM信号处理中的性质;其次,针对在分数阶傅里叶域的大采样点数的LFM信号的处理问题,采用分段FrFT对LFM信号进行处理,即将大采样点数的LFM信号分成点数相同的信号段,然后对每段LFM信号分别进行FrFT,每段FrFT二维谱当作一帧图像,将所有帧的图像进行累积平均,累积平均后的图像灰度值进行垂直累加的结果相当于每段LFM信号分数阶域谱积分的线性叠加再做平均,该方法通过累加平均有效增强了谱积分特征,同时抑制了噪声的影响。通过提取增强后的谱积分特征,可以有效估计出大采样点数的LFM信号的参数,包括起始频率、调频斜率等,同时有效降低了计算耗时和搜索峰值的时间。第六章提出一种基于时域自相关主瓣傅里叶级数拟合的未知参数LFM信号SNR估计算法。该算法首先根据加性高斯白噪声(AWGN)背景下LFM信号自相关与功率谱的关系推导出SNR与LFM信号自相关和噪声自相关的关系;然后通过直方图分集方法确定LFM信号自相关主瓣的大致边界点并筛选出该边界点之间的主瓣部分;最后通过傅里叶级数拟合该主瓣部分,分离出主瓣部分中心处的LFM信号自相关和噪声自相关,从而估计出SNR。仿真实验表明,LFM信号时宽越大、带宽越大,该算法估计SNR越准确;信噪比为-10dB~5dB时,SNR估计性能最佳;信噪比为-18dB~10dB时,SNR估计性能优于中心邻域二值均值法、恒包络法,估计误差不超过0.3dB。
[Abstract]:In order to protect the ground target from SAR satellite , the signal - to - noise ratio ( SNR ) is very low , the signal - to - noise ratio ( SNR ) is very low , the signal - to - noise ratio ( SNR ) intercepted by the ground detection system is very low . In chapter 2 , the STFT is used to estimate the frequency variation of the carrier SAR . In chapter 3 , we use the Gaussian window function with the minimum width - bandwidth product to determine the approximate range of the frequency variation . The fourth chapter is based on the STFT feature of the Gaussian window function and the time window center . The fourth chapter is based on the basic theory of the fractional Fourier transform ( FrFT ) . The SNR estimation performance is best when the signal - to - noise ratio is -10dB ~ 5dB . SNR estimation performance is better than the center - neighborhood binary mean method and constant - envelope method when the signal - to - noise ratio is -18dB ~ 10dB . The estimation error is not more than 0.3 dB .

【学位授予单位】：国防科学技术大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TN957.51
，

本文编号：1446421