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

1、在星載合成孔徑雷達(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、抗干擾性強的大時寬-帶寬積的線性頻率調(diào)制(LFM)信號，有效避免被地面?zhèn)刹煜到y(tǒng)截獲。為了保護己方地面目標(biāo)免受SAR衛(wèi)星輻射源信號照射并干擾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，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，電磁環(huán)境復(fù)雜，發(fā)射信號經(jīng)過電離層、大氣、云

2、層等一系列介質(zhì)到達地面，信號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)截獲到的信號信噪比(SNR)非常低，如何對截獲的星載 SAR信號進行分析處理，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項目“基于XXXX分析的衛(wèi)星輻射源信號偵察、處理技術(shù)”，對復(fù)雜電磁環(huán)境下截獲的星載SAR信號進行了深入細致的研究。論文主要內(nèi)容概括如下：
　　第二章研究高斯短時窗函數(shù)下的LFM信號的STFT，研究表明，LF

3、M信號的STFT短時譜在時頻域呈背鰭狀分布。實際偵收到的星載SAR寬帶LFM信號通過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)是隨機分布的。本文聯(lián)合線性調(diào)頻信號在高斯窗函數(shù)下的STFT特點和通過DPX得到星載SAR寬帶線性調(diào)頻信號的頻譜分布范圍信息，產(chǎn)生了星載SAR寬帶線性調(diào)頻信號的檢測及參數(shù)估計算法。
　　第三章針對低信噪比下混有雜散、干擾的星載 SAR雷達脈沖 LFM信

4、號在時域或頻域檢測難的問題，提出一種基于STFT時頻圖像增強和Hough變換的低信噪比 LFM脈沖信號檢測與參數(shù)估計方法。其基本思路是，把星載 SAR雷達輻射源信號的時頻分布轉(zhuǎn)換為圖像，然后運用數(shù)字圖像的處理方法和理論對時頻分布圖像展開精細分析研究，為星載SAR輻射源信號的處理提供一種新途徑。
　　第四章針對LFM脈沖信號不能自適應(yīng)檢測和參數(shù)估計的問題，提出基于一維短時譜非鄰近差分的LFM脈沖信號自適應(yīng)檢測與參數(shù)估計算法。首先，采

5、用具有最小時寬-帶寬積的高斯窗函數(shù)對 LFM信號進行 STFT，提取每個時間窗內(nèi)的 FT最大值，與時間窗中心對應(yīng)，形成一維短時譜。其次，對一維短時譜進行中值濾波平滑預(yù)處理，使其在LFM脈沖時間段內(nèi)呈現(xiàn)出受噪聲影響較小的一維短時譜脈沖。接著，對平滑后的一維短時譜進行非鄰近差分，去除差分后的偽峰值保留真實的峰值，根據(jù)差分峰值位置搜索一維短時譜脈沖的上升沿、下降沿代表點位置。最后，根據(jù)一維短時譜差分峰值位置與差分間隔的關(guān)系確定LFM脈沖信號的

6、起始時間、結(jié)束時間的估計值，進而提取LFM脈沖的調(diào)頻直線并估計其參數(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LFM信號的分?jǐn)?shù)階傅里葉域的譜進行積分，發(fā)現(xiàn)譜積分在最佳旋轉(zhuǎn)角處具有最小值的特點，從而拓展了FrFT在LFM信號處理中的性質(zhì)；其次，針對在分?jǐn)?shù)階傅里葉域的大采樣點數(shù)的LFM信號的處理問題，采用分段FrFT對LFM信號進行處理，即將大采樣點數(shù)的LFM信號分成點數(shù)相同的信號段，然后對每段LFM信號分別

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

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