基于动态时频脊线跟踪与IMU辅助测量的车载雷达低空无人机集群杂波抑制方法

《Drones》：A Vehicle-Mounted Radar Clutter Suppression Method on the Move Integrating IMU-Assisted Measurement and Dynamic Time–Frequency Ridge Trackings

　　低空飞行和集群化作业的小型无人飞行器（UAV）日益增多，这使得低空空域安全问题愈发受到关注，也对地面低空雷达监测构成了核心挑战。车载雷达在运动状态下工作时，地形引起的三轴姿态扰动会导致每个相干处理间隔（CPI）内的杂波多普勒谱随时间变化，表现为谱峰漂移和动态谱展宽。此外，慢速低空无人机的径向速度常常与杂波多普勒频带重叠，因此这类目标容易被强地杂波掩盖，严重削弱了传统杂波抑制方法的性能。针对这一问题，提出了一种结合动态时频（TF）脊线跟踪与惯性测量单元（IMU）辅助测量的杂波抑制方法，将杂波抑制问题从距离—多普勒（RD）域的静态滤波转换为TF域的动态脊线跟踪。首先通过运动学反演链从IMU数据预测杂波多普勒质心和谱展宽，得到一个与回波无关的先验信息，该先验在低信杂比条件下依然可靠。在短时傅里叶变换（STFT）之后，该先验约束了维特比跟踪器的搜索空间，实现对杂波脊线的逐帧定位以及陷波参数的帧级自适应调整，从而在保留慢速运动目标能量的同时，准确抑制非平稳杂波。针对近距离、慢速、低空无人机集群场景的仿真结果表明，所提方法能够实现有效的杂波抑制，并在低虚警率下对慢速无人机目标保持较高的检测概率，从而支持运动雷达平台上的低空无人机集群监测。整个处理链在每个相干处理间隔内仅需约[公式]次运算，因此嵌入式平台上的实时运行是可行的。误差预算分析表明，该先验只需经过标定的消费级MEMS惯性传感器即可满足要求，且安装对准是约束性条件，而非传感器稳定性。本文的验证基于仿真杂波和平台运动；针对实测雷达回波的验证留待后续工作。