基于DPCA-FrFT算法的SAR运动目标参数估计

吉林大学学报(工学版)

基于DPCA-FrFT算法的SAR运动目标参数估计

孙华东,宿富林,高建军,张晔

哈尔滨工业大学电子与信息技术研究院，哈尔滨 150001

收稿日期:2007-01-05 修回日期:1900-01-01 出版日期:2008-03-01 发布日期:2008-03-01
通讯作者: 宿富林

Parameter estimation of SAR moving target
based on DPCAFrFT algorithm

Sun Hua-dong,Su Fu-lin,Gao Jian-jun,Zhang Ye

School of Electronics and Information Technology,Harbin Institute of Technology,Harbin 150001,China

Received:2007-01-05 Revised:1900-01-01 Online:2008-03-01 Published:2008-03-01
Contact: Su Fu-lin

摘要/Abstract

摘要： 在双通道的工作模式下，结合DPCA技术和分数阶傅立叶变换实现了对SAR运动目标的定位和两个方向（方位向和地面距离向）上速度的估计。首先建立了双通道SAR系统对运动目标的回波信号模型，阐述了动目标DPCA信号为线性调频信号这个特点，并且根据这个特点采用了分数阶傅立叶变换对其进行检测和参数估计。由于DPCA技术具有良好的杂波对消功能以及FrFT对chirp信号的良好检测效果，在不同信噪比情况下，DPCAFrFT算法都能有效地抑制静止背景、获得良好的测速和定位效果。仿真结果证明了该算法的正确性和有效性。

关键词: 信息处理技术, 雷达工程, SAR运动目标检测, DPCA技术, 分数阶傅立叶变换

Abstract: The localization and velocity estimation in both ground range direction and azimuth direction was realized by approach of combining DPCA technique with fractional Fourier transform (FrFT) in two aperture radar system.A moving point target echo model of two aperture SAR system was established and linear frequency modulated characteristics of the moving target DPCA signal was elaborated.On the basis of this property,FrFT was adopted to detect moving target and estimate parameters.Because of good capability of DPCA technique for clutter cancellation and nice effect of FrFT for chirp signal detection,simulation results show that the proposed DPCAFrFT algorithm can suppress clutter and achieve localization and velocity estimation in different SNR conditions effectively.

Key words: information processing, radar engineering, SAR moving target detection, DPCA technique, fractional Fourier transform

中图分类号:

TN957.51

孙华东,宿富林,高建军,张晔 . 基于DPCA-FrFT算法的SAR运动目标参数估计[J]. 吉林大学学报(工学版), 2008, 38(02): 476-0482.

Sun Hua-dong,Su Fu-lin,Gao Jian-jun,Zhang Ye . Parameter estimation of SAR moving target
based on DPCAFrFT algorithm[J]. 吉林大学学报(工学版), 2008, 38(02): 476-0482.

参考文献

相关文章 15

[1]	苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4]	李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5]	应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6]	陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8]	单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9]	姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10]	全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11]	陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12]	陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13]	孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14]	林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[15]	王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed