基于FRFT與Keystone變換的運(yùn)動(dòng)目標(biāo)參數(shù)估計(jì)算法

田瑞琦 鮑慶龍 王丁禾 陳曾平

(國(guó)防科技大學(xué)自動(dòng)目標(biāo)識(shí)別重點(diǎn)實(shí)驗(yàn)室 長(zhǎng)沙 410073)

基于FRFT與Keystone變換的運(yùn)動(dòng)目標(biāo)參數(shù)估計(jì)算法

田瑞琦*鮑慶龍 王丁禾 陳曾平

(國(guó)防科技大學(xué)自動(dòng)目標(biāo)識(shí)別重點(diǎn)實(shí)驗(yàn)室 長(zhǎng)沙 410073)

目標(biāo)運(yùn)動(dòng)參數(shù)估計(jì)精度是衡量雷達(dá)探測(cè)系統(tǒng)性能的重要指標(biāo)。該文為解決目標(biāo)運(yùn)動(dòng)參數(shù)的估計(jì)問(wèn)題，建立了運(yùn)動(dòng)目標(biāo)回波模型，在利用分?jǐn)?shù)階傅里葉變換(FRFT)估計(jì)加速度的過(guò)程中采用數(shù)據(jù)融合提高估計(jì)精度，在估計(jì)出加速度的基礎(chǔ)上通過(guò)Keystone變換和速度模糊通道解決距離走動(dòng)(RCM)和多普勒模糊問(wèn)題。仿真實(shí)驗(yàn)表明算法在估計(jì)精度和計(jì)算量上具有優(yōu)勢(shì)，并且對(duì)白噪聲具有較好的魯棒性。

分?jǐn)?shù)階傅里葉變換(FRFT)；Keystone變換；參數(shù)估計(jì)；多普勒模糊

1 引言

在雷達(dá)探測(cè)系統(tǒng)中，回波相位特性[1]取決于目標(biāo)相對(duì)雷達(dá)的運(yùn)動(dòng)關(guān)系。恒定的速度產(chǎn)生恒定的頻移，恒定的加速度產(chǎn)生恒定的線性調(diào)頻項(xiàng)。當(dāng)目標(biāo)相對(duì)于雷達(dá)做勻加速直線運(yùn)動(dòng)時(shí)目標(biāo)回波為 LFM (Liner Frequency Modulation)信號(hào)，并且 LFM信號(hào)的參數(shù)與目標(biāo)運(yùn)動(dòng)參數(shù)密切相關(guān)，因此可將目標(biāo)運(yùn)動(dòng)參數(shù)估計(jì)問(wèn)題轉(zhuǎn)化為 LFM 信號(hào)的參數(shù)估計(jì)問(wèn)題。

近些年來(lái)出現(xiàn)了多種利用時(shí)頻分析對(duì)LFM信號(hào)參數(shù)進(jìn)行估計(jì)的算法。例如，Wigner-Vile變換將原本的1維信號(hào)在2維時(shí)頻平面上顯示出來(lái)，文獻(xiàn)[2]中指出LFM信號(hào)的Wigner-Vile分布為沿直線分布的沖激線譜，具有很好的時(shí)頻凝聚性，但在處理多信號(hào)分量時(shí)，會(huì)出現(xiàn)分量間的交叉項(xiàng)問(wèn)題，雖然通過(guò)核函數(shù)能夠?qū)⑵湟种疲獿FM信號(hào)的時(shí)頻凝聚性大大降低，嚴(yán)重影響參數(shù)估計(jì)精度。文獻(xiàn)[3,4]聯(lián)合Wigner-Vile分布和Hough變換對(duì)LFM信號(hào)的Wigner-Vile時(shí)頻分布平面做直線積分，該算法雖然解決了交叉項(xiàng)問(wèn)題，但因?yàn)镠ough變換的引入使得算法的運(yùn)算速度變慢，并且在計(jì)算過(guò)程中丟掉了信號(hào)的初始相位。文獻(xiàn)[5]利用 FRFT (FRactional Fourier Transform)來(lái)估計(jì)目標(biāo)運(yùn)動(dòng)參數(shù)，其實(shí)質(zhì)為信號(hào)的時(shí)頻分布在 FRFT域上的投影，該算法運(yùn)算量遠(yuǎn)小于文獻(xiàn)[3,4]的運(yùn)算量，但FRFT無(wú)法估計(jì)目標(biāo)初始距離，并且對(duì)于高速運(yùn)動(dòng)目標(biāo)還存在著多普勒模糊問(wèn)題。文獻(xiàn)[6]采用Radon變換與 FRFT變換相結(jié)合的方法，避免了多普勒模糊問(wèn)題的出現(xiàn)，并且在低信噪比的條件下能夠很好地實(shí)現(xiàn)多個(gè)運(yùn)動(dòng)目標(biāo)的檢測(cè)與參數(shù)估計(jì)，但算法在實(shí)現(xiàn)過(guò)程中計(jì)算量較大，難以滿足工程實(shí)現(xiàn)的實(shí)時(shí)性的要求。

本文提出一種聯(lián)合FRFT與Keystone變換的方法估計(jì)目標(biāo)運(yùn)動(dòng)參數(shù)。首先對(duì)目標(biāo)回波做FRFT估計(jì)加速度，并在此過(guò)程中利用數(shù)據(jù)融合增強(qiáng)目標(biāo)信號(hào)的能量凝聚性以提高估計(jì)精度。在加速度補(bǔ)償之后的距離多普勒平面內(nèi)分析了距離走動(dòng)和多普勒模糊問(wèn)題，通過(guò) Keystone變換矯正距離走動(dòng)，并對(duì)設(shè)定的多個(gè)模糊通道進(jìn)行搜索解除多普勒模糊，從而估計(jì)出目標(biāo)初始速度和初始距離，最后通過(guò)仿真實(shí)驗(yàn)驗(yàn)證算法的有效性。

2 基本原理

2.1 回波信號(hào)建模

假設(shè)目標(biāo)相對(duì)雷達(dá)做勻加速直線運(yùn)動(dòng)，初始位移為R0，初始速度為v0，加速度為a，則接收到的基帶回波信號(hào)為：

式中t代表快時(shí)間， tm=mTr代表慢時(shí)間，發(fā)射信號(hào)的表達(dá)式為 p(t)=rect(t/Tp),Tr為脈沖重復(fù)間隔，目標(biāo)時(shí)延

可見(jiàn)，當(dāng)雷達(dá)發(fā)射Chirp脈沖信號(hào)時(shí)，慢時(shí)間域目標(biāo)回波為L(zhǎng)FM信號(hào)，并且調(diào)頻率為(2a)/λ，中心頻率為(2v0)/λ。因此對(duì)目標(biāo)運(yùn)動(dòng)參數(shù)的估計(jì)可以轉(zhuǎn)化為對(duì)該LFM信號(hào)參數(shù)的估計(jì)。

2.2 分?jǐn)?shù)階傅里葉變換原理

信號(hào)x(t)的FRFT的定義為：

圖1顯示了LFM信號(hào)時(shí)頻分布與FRFT變換的關(guān)系。在時(shí)頻平面上，時(shí)間軸沿逆時(shí)針?lè)较蛐D(zhuǎn)π/2后便是頻率軸。當(dāng)p等于0時(shí)FRFT就是原信號(hào)，也就是信號(hào)在時(shí)間軸上的表示。p等于 1時(shí)FRFT則是原信號(hào)的傅里葉變換，也是信號(hào)在頻率軸上的表示。當(dāng)p從0變化到1時(shí)，信號(hào)平滑地從原始信號(hào)變化到傅里葉變換，因此信號(hào)的p階FRFT可以認(rèn)為是該信號(hào)在p階分?jǐn)?shù)階傅里葉變換域中的表示，而p階分?jǐn)?shù)階傅里葉變換域正是時(shí)頻平面內(nèi)時(shí)間軸逆時(shí)針?lè)较蛐D(zhuǎn) α= (π/2)p 角度后得到的，見(jiàn)圖1中的u軸。

2.3 Keystone變換原理

Keystone變換[7]能夠較好地解決徑向勻速直線運(yùn)動(dòng)目標(biāo)在長(zhǎng)時(shí)間積累過(guò)程中出現(xiàn)的跨距離單元走動(dòng)問(wèn)題，使得不同回波的能量在同一個(gè)距離單元內(nèi)得到積累。

對(duì)式(1)在快時(shí)間域做傅里葉變換得到

Keystone變換通過(guò)設(shè)定虛擬時(shí)間解快時(shí)間頻域與慢時(shí)間域的耦合關(guān)系，虛擬時(shí)間τm= ((f+fc)/fc)tm，將其代入式(6)后乘以脈沖壓縮函數(shù)得到

其中 fd=(2v0)/λ表示目標(biāo)的多普勒頻率，對(duì)式(7)做快時(shí)間域逆傅里葉變換得到

圖1 LFM信號(hào)時(shí)頻分布與FRFT變換的關(guān)系Fig. 1 Relationship of time frequency distribution and FRFT of LFM signal

由式(8)可見(jiàn)，Keystone變換后脈沖壓縮結(jié)果中不同回波的峰值對(duì)應(yīng)時(shí)刻均為 tpeak=R0/c，這表明不同回波的能量集中在同一個(gè)距離單元內(nèi)，因此距離走動(dòng)得到補(bǔ)償。

3 聯(lián)合FRFT和Keystone變換的雷達(dá)信號(hào)處理方法

3.1 基于FRFT的目標(biāo)加速度估計(jì)算法

LFM信號(hào)在時(shí)頻平面上表現(xiàn)為背鰭形直線，如圖1所示，直線與頻率軸的交點(diǎn)表示初始頻率f0，斜率為L(zhǎng)FM信號(hào)的調(diào)頻率u0。在某一特定的FRFT域上信號(hào)能量凝聚性最佳，又由于噪聲的能量均勻分布于時(shí)頻平面，不會(huì)出現(xiàn)能量凝聚現(xiàn)象。因此以旋轉(zhuǎn)角度α為變量，以某一步長(zhǎng)遍歷一個(gè)角度周期后得到信號(hào)在不同u域上的表示，形成變量為α和u的2維參數(shù)空間，該參數(shù)空間內(nèi)LFM信號(hào)的能量會(huì)在某一點(diǎn)處形成峰值，當(dāng)峰值超過(guò)某一閾值證明回波中存在目標(biāo)，設(shè)峰值點(diǎn)坐標(biāo)為(α0,u0)。由圖1中幾何關(guān)系可知

由式(2)和式(9)可知目標(biāo)的加速度與LFM信號(hào)調(diào)頻率的關(guān)系式為：

利用式(10)求解目標(biāo)加速度時(shí)還應(yīng)考慮信號(hào)處理過(guò)程中數(shù)據(jù)離散化問(wèn)題。離散分?jǐn)?shù)階傅里葉變換的實(shí)現(xiàn)算法有很多，其中Ozaktas提出的分解型快速算法[8]被廣為應(yīng)用，該算法將FRFT分解為卷積的形式，其輸出與連續(xù)FRFT的輸出比較接近。在算法起初需要對(duì)離散數(shù)據(jù)進(jìn)行量綱歸一化處理，歸一化處理分尺度變換方法和數(shù)據(jù)補(bǔ)零/截取法兩種。本文選用尺度變化法來(lái)實(shí)現(xiàn)量綱歸一化，這使得變換前后數(shù)據(jù)發(fā)生了畸變，因此在求得調(diào)頻率和初始頻率之后還需要利用尺度因子進(jìn)行反變換才能得到真實(shí)的LFM信號(hào)參數(shù)。由尺度因子為S=，則目標(biāo)真實(shí)加速度表達(dá)式為：

3.2 基于FRFT的數(shù)據(jù)融合與檢測(cè)

當(dāng)信噪比較低時(shí)即使回波中存在目標(biāo)，單組慢時(shí)間域回波信號(hào)做 FRFT后其能量凝聚效果也達(dá)不到檢測(cè)概率的要求，因此需要利用多組慢時(shí)間域信號(hào)進(jìn)行數(shù)據(jù)融合，增強(qiáng)能量凝聚性，以提高檢測(cè)概率。本文針對(duì)兩種數(shù)據(jù)融合準(zhǔn)則[9]，根據(jù)本文特定的應(yīng)用背景選擇有效的數(shù)據(jù)融合方法。

單元選大準(zhǔn)則是對(duì)多組FRFT 2維參數(shù)空間中每個(gè)單元進(jìn)行選大處理，其表達(dá)式為：

選大操作使得采樣幅度損失小，但對(duì)噪聲也做了選大處理，當(dāng)回波信噪比較低時(shí)參數(shù)空間內(nèi)沒(méi)有明顯的能量積累峰值，因此單元選大準(zhǔn)則不適合本文的應(yīng)用條件。

單元求和準(zhǔn)則是對(duì)多個(gè)參數(shù)空間結(jié)果的疊加，其表達(dá)式為：

單元求和準(zhǔn)則將各組數(shù)據(jù)中目標(biāo)和噪聲都疊加，但目標(biāo)的相關(guān)性遠(yuǎn)大于噪聲的相關(guān)性，噪聲均勻分布于時(shí)頻平面，目標(biāo)則表現(xiàn)出凝聚性，因此疊加后信噪比較大。在本文應(yīng)用背景下，各組數(shù)據(jù)中局部信噪比差異較小，因此選取單元求和準(zhǔn)則來(lái)對(duì)多組慢時(shí)間域信號(hào)做數(shù)據(jù)融合處理。

3.3 基于Keystone變換的目標(biāo)初始速度和初始距離估計(jì)算法

依照前兩小節(jié)算法利用 FRFT估計(jì)目標(biāo)加速度后對(duì)基帶回波做2次相位補(bǔ)償，補(bǔ)償后的回波中只有1次相位，可將其看做勻速直線運(yùn)動(dòng)目標(biāo)的回波。通過(guò) Keystone變換補(bǔ)償距離走動(dòng)后在慢時(shí)間域做多普勒處理，由距離多普勒平面峰值便可求得目標(biāo)初始速度和初始距離。當(dāng)存在多普勒模糊時(shí)，同樣可以實(shí)現(xiàn)距離補(bǔ)償。假設(shè)模糊多普勒頻率為fda，則目標(biāo)真實(shí)的多普勒頻率為：

k表示多普勒模糊數(shù)，最大模糊數(shù)根據(jù)目標(biāo)的速度范圍來(lái)設(shè)定。將式(14)代入式(7)中的多普勒指數(shù)項(xiàng)得

而式(7)中的fd實(shí)際上是模糊后的多普勒頻率fda，因此對(duì)(7)需要乘以補(bǔ)償因子exp(j2πkfrτm)后再分別對(duì)各模糊通道做慢時(shí)間域傅里葉變換，目標(biāo)的多普勒模糊數(shù)與所有通道中最大峰值所在的多普勒通道號(hào)相對(duì)應(yīng)，這樣便可解除欠采樣帶來(lái)的多普勒模糊，并求得目標(biāo)真實(shí)的多普勒頻率。

根據(jù)第3節(jié)的描述可將本文運(yùn)動(dòng)目標(biāo)參數(shù)估計(jì)算法的步驟概括如下：

(1) 提取N組慢時(shí)間域回波信號(hào)做FRFT得到N個(gè)2維參數(shù)空間，利用單元疊加融合準(zhǔn)則對(duì)N個(gè)FRFT的2維參數(shù)空間做數(shù)據(jù)融合，增大目標(biāo)回波的能量凝聚性。

(2) 若數(shù)據(jù)融合后2維參數(shù)空間中的峰值超過(guò)某一經(jīng)驗(yàn)閾值T1便證明回波中存在目標(biāo)，利用峰值處的坐標(biāo)和式(11)便可以估計(jì)出目標(biāo)的加速度a?。

(3) 利用估計(jì)出的加速度a?將原始基帶回波中的2次相位項(xiàng)補(bǔ)償?shù)簦藭r(shí)補(bǔ)償后的回波可以看成是勻速直線運(yùn)動(dòng)目標(biāo)的回波，對(duì)其做匹配濾波同時(shí)利用Keystone變換補(bǔ)償距離走動(dòng)。為解除多普勒模糊，在Keystone變換之前設(shè)定K個(gè)模糊通道，分別對(duì)每個(gè)通道的數(shù)據(jù)平面做匹配濾波和 Keystone變換。

(4) 將K個(gè)多普勒模糊通道分別做上述處理，再對(duì)慢時(shí)間維做FFT得到K個(gè)2次相位補(bǔ)償后不同模糊通道的距離多普勒平面。K個(gè)平面中峰值最大處對(duì)應(yīng)的多普勒通道號(hào)便是目標(biāo)的多普勒模糊數(shù)，再根據(jù)該峰值坐標(biāo)便可估計(jì)出目標(biāo)的初始速度和初始距離。

本文算法信號(hào)處理流程圖如圖2所示。

4 仿真實(shí)驗(yàn)

4.1 數(shù)據(jù)融合與加速度估計(jì)實(shí)驗(yàn)

圖2 本文算法信號(hào)處理流程圖Fig. 2 Flow chart of proposed algorithm

系統(tǒng)參數(shù)設(shè)置如表1所示。數(shù)據(jù)融合前單組慢時(shí)間域回波的FRFT 2維參數(shù)空間如圖3所示，30組回波數(shù)據(jù)融合后的參數(shù)空間如圖 4。對(duì)比兩幅圖可以看出信噪比為-20 dB時(shí)，單組回波做 FRFT后目標(biāo)能量凝聚性還不足以達(dá)到檢測(cè)要求，但從多組回波數(shù)據(jù)融合的結(jié)果來(lái)看目標(biāo)被突顯出來(lái)，證明數(shù)據(jù)融合能增強(qiáng)目標(biāo)回波的能量凝聚性。

表1 系統(tǒng)參數(shù)設(shè)置Tab. 1 Set of system parameters

在不同信噪比條件下，經(jīng)過(guò)1000次 Monte Carlo仿真實(shí)驗(yàn)，目標(biāo)加速度估計(jì)的平均相對(duì)誤差如表2所示。由表中數(shù)據(jù)可知，誤差隨信噪比的增大呈遞減趨勢(shì)，當(dāng)信噪比高于-15 dB時(shí)，平均相對(duì)誤差基本低于0.03，估計(jì)精度已達(dá)到較高水平，當(dāng)信噪比高于5 dB時(shí)，加速度平均相對(duì)誤差在一個(gè)很小的范圍之內(nèi)波動(dòng)。可見(jiàn)FRFT在能量凝聚性方面具有突出優(yōu)勢(shì)，適用于低信噪比條件下的運(yùn)動(dòng)目標(biāo)檢測(cè)與參數(shù)估計(jì)。

4.2 初始速度和初始距離估計(jì)實(shí)驗(yàn)

按照表1中的目標(biāo)參數(shù)設(shè)置，目標(biāo)速度已超過(guò)無(wú)模糊速度v=(λfr)/4=136.3 m/s ，因此存在速度模糊。若在加速度補(bǔ)償后不矯正距離走動(dòng)直接做動(dòng)目標(biāo)檢測(cè)(MTD)處理，其結(jié)果如圖5所示。圖6為加速度補(bǔ)償之后利用 Keystone變換矯正距離走動(dòng)并解除速度模糊后得到的最佳積累結(jié)果。圖5中目標(biāo)能量分散，并且由于速度模糊沒(méi)有解除，無(wú)法根據(jù)多普勒頻率估計(jì)出目標(biāo)運(yùn)動(dòng)速度。圖6中目標(biāo)能量在某一個(gè)距離單元中得到積累，距離單元走動(dòng)得以矯正，并且由于多普勒通道的設(shè)置解除了速度模糊，由此可準(zhǔn)確估計(jì)出目標(biāo)的真實(shí)初始速度。

4.3 不同參數(shù)估計(jì)算法的對(duì)比實(shí)驗(yàn)

文獻(xiàn)[10]根據(jù)先驗(yàn)信息在一定范圍內(nèi)搜索加速度和速度，通過(guò)2次相位和1次相位補(bǔ)償?shù)姆椒ü烙?jì)目標(biāo)參數(shù)。文獻(xiàn)[11,12]利用Hough變換的思想將目標(biāo)的直線航跡與參數(shù)空間中的點(diǎn)對(duì)應(yīng)起來(lái)，從參數(shù)空間中點(diǎn)累加峰值反推目標(biāo)運(yùn)動(dòng)參數(shù)。本節(jié)通過(guò)不同信噪比下的仿真實(shí)驗(yàn)來(lái)比較各算法參數(shù)估計(jì)精度。

圖3 數(shù)據(jù)融合前的FRFT 2維參數(shù)空間Fig. 3 Parameter space of FRFT before data fusion

圖4 數(shù)據(jù)融合后的FRFT 2維參數(shù)空間Fig. 4 Parameter space of FRFT after data fusion

表2 信噪比對(duì)參數(shù)估計(jì)精度的影響Tab. 2 Influence of SNB on parameter estimation

圖5 加速度補(bǔ)償后直接MTD積累結(jié)果Fig. 5 Accumulation result of MTD after acceleration compensation

圖6 本文算法積累結(jié)果Fig. 6 Accumulation result of the proposed method

圖7 加速度誤差曲線Fig. 7 Error curve of acceleration

圖8 速度誤差曲線Fig. 8 Error curve of velocity

圖9 距離誤差曲線Fig. 9 Error curve of range

圖7-圖9為參數(shù)最小分辨單元相同的情況下，信噪比對(duì)參數(shù)估計(jì)精度的影響曲線。從圖7和圖8可見(jiàn)當(dāng)信噪比高于-21 dB時(shí)，本文算法對(duì)加速度、初始速度的估計(jì)結(jié)果都優(yōu)于文獻(xiàn)[10]和文獻(xiàn)[11]算法，并且本文算法和文獻(xiàn)[10]算法的相對(duì)誤差隨信噪比的增大呈下降趨勢(shì)，而文獻(xiàn)[11]算法由于二元化處理使得算法本身對(duì)噪聲不敏感，在信噪比觀察區(qū)間內(nèi)相對(duì)誤差的波動(dòng)很小。從圖9可以看出3種算法對(duì)距離的估計(jì)誤差都維持在一個(gè)相對(duì)較低的水平，信噪比的變化對(duì)距離估計(jì)誤差的影響很小，并且本文算法誤差最小。

從運(yùn)算量上來(lái)分析，文獻(xiàn)[10]算法需要在加速度和速度2維參數(shù)空間中搜索最佳補(bǔ)償參數(shù)，在參數(shù)最小分辨單元相同的條件下，其運(yùn)算量隨搜索范圍的增大而增大。在目標(biāo)運(yùn)動(dòng)信息先驗(yàn)未知的情況下搜索參數(shù)范圍較大，算法的運(yùn)算量較大。同樣，文獻(xiàn)[11]算法在本文勻加速直線運(yùn)動(dòng)情況下搜索空間為3維，加上目標(biāo)運(yùn)動(dòng)信息先驗(yàn)未知，使得算法運(yùn)算復(fù)雜度顯著增加。而本文算法只存在分?jǐn)?shù)階傅里葉變換中階次p的1維搜索以及少數(shù)多普勒模糊通道的搜索，其運(yùn)算量遠(yuǎn)小于上述兩者。

5 結(jié)束語(yǔ)

本文為解決徑向勻加速直線運(yùn)動(dòng)目標(biāo)的參數(shù)估計(jì)問(wèn)題，通過(guò)分?jǐn)?shù)階傅里葉變換估計(jì)目標(biāo)的加速度，然后對(duì) 2次相位補(bǔ)償后的回波數(shù)據(jù)利用 Keystone變換矯正距離走動(dòng)，并設(shè)定多個(gè)模糊通道解除速度模糊，最終估計(jì)目標(biāo)初始速度和距離。通過(guò)仿真實(shí)驗(yàn)，證明了本文算法在估計(jì)精度和運(yùn)算量上的優(yōu)勢(shì)，并且對(duì)噪聲具有較好的魯棒性。

[1]陶然, 齊林, 王躍. 分?jǐn)?shù)階 Fourier的原理與應(yīng)用[M]. 北京:清華大學(xué)出版社, 2004: 60-90.

Tao Ran, Qi Lin, and Wang Yue. Theory and Applications of the Fractional Fourier Transform[M]. Beijing: Tsinghua University Press, 2004: 60-90.

[2] Peleg S and Porat B. Linear FM signal parameter estimation from discrete-time observations[J]. IEEE Transactions on Aerospace and Electronics System, 1991, 27(4): 607-616.

[3]關(guān)欣, 仲利華, 胡東輝, 等. 一種基于RSPWVD-Hough變換的無(wú)源雷達(dá)多普勒展寬補(bǔ)償方法[J]. 雷達(dá)學(xué)報(bào), 2013, 2(4): 430-438.

Guan Xin, Zhong Li-hua, Hu Dong-hui, et al.. A compensation algorithm based on a RSPWVD-Hough Transform for Doppler expansion in passive radar[J]. Journal of Radars, 2013, 2(4): 430-438.

[4] Geroleo F G and Brandt-Pearce M. Detection and estimation of LFMCW radar signals[J]. IEEE Transactions on Aerospace and Electronic Systems, 2012, 48(1): 405-418.

[5] Guan Jian, Chen Xiao-long, Huang Yong, et al.. Adaptive fractional Fourier transform-based detection algorithm for moving target in heavy sea clutter[J]. IET Radar, Sonar & Navigation, 2012, 6(5): 389-401.

[6] Chen Xiao-long, Guan Jian, Liu Ning-bo, et al.. Maneuvering target detection via radon-fractional Fourier transformbased long-time coherent integration[J]. IEEE Transactions on Signal Processing, 2014, 62(4): 939-953.

[7] Kirkland D. Imaging moving targets using the second-order keystone transform[J]. IET Radar, Sonar & Navigation, 2011, 5(8): 902-910.

[8] Ozaktas H M, Arikan O, Kutay M A, et al.. Digital computation of the fractional Fourier transform[J]. IEEE Transactions on Signal Processing, 1996, 44(9): 2141-2150.

[9] Nassar M O, Kanaan G, and Awad H A H. Framework for analysis and improvement of data-fusion algorithms[C]. IEEE International Conference on Management and Engineering, Chengdu, 2010: 379-382.

[10]Liu Xiao-bei, Fan Fang-fang, Cao Bao-long, et al.. Parameter estimation of LFM signal based on CAPON and Onedimensional Dechirp[C]. IEEE Conference on TENCON, Xi’an, 2013: 1-4.

[11]Moqiseh A and Nayebi M M. Combinational Hough transform for surveillance radar target detection in a 3-D data map[C]. IEEE Radar Conference, Rome, 2008: 9-12.

[12]Carlson B, Evans E, and Wilson S L. Search radar detection and track with the Hough transform, Part Ⅲ: detection performance with binary integration[J]. IEEE Transactions on Aerospace and Electronic Systems, 1994, 30(1): 116-125.

田瑞琦(1990-)，女，湖南常德人，現(xiàn)為國(guó)防科學(xué)技術(shù)大學(xué)電子科學(xué)與工程學(xué)院碩士生，主要從事雷達(dá)信號(hào)處理等方面的研究。

E-mail: tianruiqi050804@126.com

鮑慶龍(1981-)，男，吉林梅河口人，國(guó)防科學(xué)技術(shù)大學(xué)電子科學(xué)與工程學(xué)院講師，主要從事雷達(dá)信號(hào)處理方面的研究。

E-mail: cbpest@163.com

王丁禾(1989-)，男，山東棗莊人，國(guó)防科學(xué)技術(shù)大學(xué)電子科學(xué)與工程學(xué)院博士生，主要從事雷達(dá)信號(hào)處理方面的研究。

E-mail: wdhtsh81@163.com

陳曾平(1967-)，男，福建福清人，教授，博士，博士生導(dǎo)師，國(guó)家 863專家組專家，國(guó)防科技大學(xué)電子科學(xué)與工程學(xué)院 ATR國(guó)防科技重點(diǎn)實(shí)驗(yàn)室副主任，主要從事雷達(dá)信號(hào)處理、自動(dòng)目標(biāo)識(shí)別等方面的研究。

E-mail: atrchen@sina.com

An Algorithm for Target Parameter Estimation Based on Fractional Fourier and Keystone Transforms

Tian Rui-qi Bao Qing-long Wang Ding-he Chen Zeng-ping
(ATR Key Laboratory National University of Defense Technology, Changsha 410073, China)

An important standard to measure the effectiveness of radar acquisition systems is the accuracy of target parameter estimation. To solve the estimation problem, the echo model of moving targets is established and the FRactional Fourier Transform (FRFT) is subsequently used to estimate the acceleration; further, data fusion is used to raise estimation accuracy. Finally, Range Cell Migration (RCM) and Doppler ambiguity are solved by using the Keystone transform and the ambiguity channels based on the estimated acceleration. The simulation results show high accuracy, complexity, and noise robustness.

FRactional Fourier Transform (FRFT); Keystone transform; Parameter estimation; Doppler ambiguity

TN957

A

2095-283X(2014)05-0511-07

10.3724/SP.J.1300.2014.14058

2014-03-27收到，2014-07-10改回；2014-09-05網(wǎng)絡(luò)優(yōu)先出版國(guó)家自然科學(xué)基金青年科學(xué)基金項(xiàng)目(81401489)資助課題

*通信作者： 田瑞琦 tianruiqi050804@126.com