基于MMSE估计的自适应脉冲压缩(3)

菜单

综上所述，从基础的匹配滤波，到失配滤波，再到自适应的脉冲压缩，脉冲压缩技术在不断的发展。本文主要做的工作就是介绍了各种旁瓣抑制算法的基本原理，建立离散信号模型，研究了迭代的最小均方误差（RMMSE）估计，讨论了RMMSE算法的计算效率、鲁棒性等问题，通过MATLAB仿真比较各种算法在不同目标运动特性下的旁瓣抑制性能，评价各种算法的优劣性。

接下来的文章结构如下。第2章介绍了本文进行仿真的基础——离散信号建模，匹配滤波器和LS信号模型的离散域表现。第3章介绍了RMMSE算法，讨论了匹配接收信号与解除小散射体的遮蔽时RMMSE算法的运算。第4章讨论了算法的计算效率和鲁棒性问题。第5章是三种旁瓣抑制方法在不同目标运动特性情况中仿真的结果以及对结果的分析，采用的波形为P3码相位编码信号，第6章对噪声调频脉冲信号进行了简单的介绍，并分析了RMMSE算法对该波形的旁瓣抑制性能，最后是对RMMSE算法研究结果的总结。

2 回波信号分析与仿真

2.1 引言

假设目标位置固定、速度为零，发射信号照射到目标上只产生延迟和衰减，利用匹配滤波器处理接收信号，匹配滤波器能够输出最大的信噪比，从而检测到散射体的存在。

当反射信号到达接收器时，匹配滤波器将包含延迟信息的接收信号和发射波形相关从而得到了散射体的位置信息。事实上，匹配滤波器和发射波形的相关结果就是发射波形的自相关函数（或者说发射波形的模糊函数）。通过波形的模糊函数我们可以确定该波形对临近目标的分辨能力，对相近的一个大目标一个小目标进行探测，滤波器的输出结果既包含大目标的主瓣和距离旁瓣，也包含小目标的主瓣和距离旁瓣，两者相叠加，若小目标的主瓣超过检测门限，则可识别出目标，若没有，则说明大目标的存在提高了检测门限电平，从而掩盖了与自相关尖峰对准的小散射体的存在