基于匹配傅里叶变换的相位解污染算法

电离层的不稳定性会造成天波雷达回波信号频谱扩展,进行相干积累之前需要进行电离层相位解污染处理,抑制回波频谱展宽。传统的 HRR（Hankel Rank Reduction）算法解污染算法需要已知回波中的信号成分,由于实际信号的复杂性,获得该先验知识比较困难,先验信息不足时估计效果不好。注意到接收回波中杂波噪声比很高,可以直接采用三次相位函数来分段拟合回波信号,然后基于匹配傅里叶变换估计相位污染函数,能获得准确的估计结果。仿真结果表明,相比传统的 HRR 算法,该算法不需要已知回波信号成分,具有更好的电离层相位解污染效果。     

OTHR低信噪比下的机动目标检测算法

在天波超视距雷达(OTHR)中,采用短时间相干积累时,可以提高数据率和检测效能,减小电离层污染。但采用短时间相干积累时,目标信噪比往往较低,检测难度较大,而机动目标的多普勒扩展进一步增加了目标的检测难度。传统的机动目标检测算法利用基于高阶模糊函数(HAF)的多普勒补偿算法来提高机动目标的可检测性,但由于HAF多次用到非线性变换,而每次非线性变换都会损失部分信噪比,因此对输入信噪比要求较高,难以适应于更低信噪比环境下的机动目标检测。将机动目标回波建模为三阶多项式相位信号,采用一种低非线性度的运动参数估计方法并结合多普勒补偿算法对目标回波进行处理,仅需要一次相位降阶操作,减少了信噪比损失,降低了对输入信噪比的要求。经过仿真验证,该算法的输入信噪比门限为-3dB,而HAF算法的输入信噪比门限为3dB。