Segmented Model–Data Codriven Method for Detecting Maneuvering Weak Targets With Multiple Motion Stages

doi:10.1109/taes.2026.3725644

Segmented Model–Data Codriven Method for Detecting Maneuvering Weak Targets With Multiple Motion Stages

2026-08-20

0

PRE

AI

DOI：10.1109/taes.2026.3725644

原文链接

原文求助

摘要

En 中文

本文聚焦于多运动阶段机动目标雷达检测中的长时间相干积累（LTCI）问题，涉及距离走迁（RM）、多普勒频率走迁（DFM）和运动阶段不确定性（即目标在积累期间经历多个运动阶段）等挑战。为应对这些挑战，本文提出了一种分段模型-数据协同驱动方法。首先，将距离压缩信号分段处理。随后，每个分段依次经过数据驱动和模型驱动模块。在数据驱动模块中，采用ResU-Net通过从距离压缩信号中推断目标轨迹来校正RM。该模块训练完成后可处理不同尺寸的信号而无需重新训练，且聚焦于短分段内的运动可降低计算和数据资源需求。在模型驱动模块中，采用去啁啾处理消除DFM。该模块首先估计运动参数并标记包含阶段变化点（即目标运动阶段变化时刻）的分段，待所有分段处理完毕后，再精确估计这些点。最后，将所有分段估计的运动参数和阶段变化点整合作为方法的最终输出。实验表明，与当前最先进的模型驱动方法相比，所提方法在保证检测性能的同时显著降低了计算成本，实现了性能-复杂度之间的明确权衡。

Keyword:

Maneuvering weak target detection

model-data codriven method

multiple motion stages

ResU- net

Segmented Model–Data Codriven Method for Detecting Maneuvering Weak Targets With Multiple Motion Stages

摘要

期刊

机构