起伏目标下的非相参积累研究

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (2): 208-211.

起伏目标下的非相参积累研究

朱振军1，林明1，宋月丽2

1.江苏科技大学电子信息学院，江苏镇江 212003
2.中国船舶重工集团第723研究所，江苏扬州 225001

出版日期:2014-01-15 发布日期:2014-01-26

Research of noncoherent integration under fluctuating targets

ZHU Zhenjun1, LIN Ming1, SONG Yueli2

1.School of Electronic Information, Jiangsu University of Science and Technology, Zhenjiang, Jiangsu 212003, China
2.The 723 Institute of the China Shipbuilding Industry Corporation, Yangzhou, Jiangsu 225001, China

Online:2014-01-15 Published:2014-01-26

摘要/Abstract

摘要： 非相参积累技术是雷达信号处理中提高回波信号信噪比的重要方法。非相参积累是对目标反射回的回波信号进行的积累，目标的状态影响着回波信号的形式，运动目标造成了回波信号的起伏变化，起伏目标下的非相参积累显得尤为重要。对起伏目标下的非相参积累与信噪比的关系进行了详细分析，通过数据对不同起伏目标下非相参积累的检测性能进行了仿真比较，并通过对比的结果得到了一些结论。

关键词: 起伏目标, 非相参积累, 信噪比, 检测

Abstract: The technology of noncoherent integration is an important method in radar signal processing, it could improve the SNR（Signal to Noise Ratio） of the return signal. Noncoherent integration is the integration of the return signal reflected back from the targets, the targets’ state affects the form of the return signal. The moving targets cause the fluctuating of the return signal, so noncoherent integration under the fluctuating targets is particularly important. It analyzes detailedly the relationship between noncoherent integration under the fluctuating targets and the SNR, simulates and compares the detection performance of noncoherent integration under the different fluctuating targets through the data, and gets some conclusions through the result of constrast.

Key words: fluctuating targets, noncoherent integration, Signal to Noise Ratio（SNR）, detection

朱振军1，林明1，宋月丽2. 起伏目标下的非相参积累研究[J]. 计算机工程与应用, 2014, 50(2): 208-211.

ZHU Zhenjun1, LIN Ming1, SONG Yueli2. Research of noncoherent integration under fluctuating targets[J]. Computer Engineering and Applications, 2014, 50(2): 208-211.

[1]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[2]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[3]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[4]	朱鉴，刘培钰，陈炳丰，蔡瑞初. 结合相似块匹配与最小值滤波的图像去雨[J]. 计算机工程与应用, 2021, 57(9): 191-198.
[5]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[6]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[7]	吴文龙，周喜，王轶，王保全. WKAG：一种针对不平衡医保数据的欺诈检测方法[J]. 计算机工程与应用, 2021, 57(9): 247-254.
[8]	王博，宋丹，王洪玉. 无人机自主巡检系统的关键技术研究[J]. 计算机工程与应用, 2021, 57(9): 255-263.
[9]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[10]	王兵，乐红霞，李文璟，张孟涵. 改进YOLO轻量化网络的口罩检测算法[J]. 计算机工程与应用, 2021, 57(8): 62-69.
[11]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[12]	赵圆丽，梁志剑. 基于异核卷积双注意机制的立场检测研究[J]. 计算机工程与应用, 2021, 57(8): 119-125.
[13]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[14]	徐少杰，曹雏清，王永娟. 视觉SLAM在室内动态场景中的应用研究[J]. 计算机工程与应用, 2021, 57(8): 175-179.
[15]	李明山，韩清鹏，张天宇，王道累. 改进SSD的安全帽检测方法[J]. 计算机工程与应用, 2021, 57(8): 192-197.