目前，对于雷达回波信号长时间积累的问题，国内外的学者们已经提出了许多有效的解决方案。根据是否利用回波的相位信息，可将长时间积累方式分为非相参积累和相参积累。
非相参积累是一种在包络检波后对采样数据进行积累的方法，这种方法不需要雷达系统的严格相参，避免了相位补偿，简单并且易于实现。在此方向上，具有代表性的工作是B.D.Carlson等人提出的Hough变换[1-3]（Hough Transform，HT），该方法用于整合超过第一低阈值的目标位置，这可以显著抑制误报和提高最终的检测性能。此外，Mo等人[4]也提出了一种基于HT的长时间积累方法，它将雷达的原始数据变换成距离-多普勒-时间的三文数据，实现了对恒速或加速目标的高性能检测。然而，如果没有相位波动补偿，非相参积累的累计损耗大于相参积累，积累效率不高，抗干扰能力差，因此不适用于信噪比极低的情况。28504
而相参积累技术通过补偿不同取样脉冲间的相位波动可以得到比非相参积累更好的性能。通过利用目标运动产生的多普勒信息，即使在复杂环境下，长时间相参积累技术也可以获得较高的积累增益，但该方法也将产生如下问题：第一，由于目标的高速运动和距离分辨力的提高，目标回波在不同脉冲周期之间走动，将跨越多个距离单元，即跨距离单元（Across Range Unit，ARU）现象；第二，对于加速运动目标和高阶运动目标，目标的多普勒频率将不再是常数而是随时间变化，它们的回波信号表出高阶相位现象，使多普勒频率随着积累时间的增加而跨越多个多普勒单元，即多普勒频率扩展（Doppler Frequency Migration，DFM）现象。传统的动目标检测（Moving Target Detection，MTD），利用多普勒滤波器组处理，通过快速傅立叶变换（Fast Fourier Transform，FFT）来实现，但却很难解决跨距离单元和多普勒频率扩展的问题。论文网
目前，解决这两大问题的方法主要分为以Keystone 变换（Keystone Transform，KT）为典型代表的补偿矫正类方法和以广义Radon-Fourier变换（Generalized Radon-Fourier Transform，GRFT）为典型代表的搜索积分类方法。为了解决长时间积累中的距离走动问题，Perry 等人[5-6]提出了 Keystone 变换方法，通过长时间相参积分来实现地面运动目标成像和雷达弱目标检测，KT可以不断补偿ARU效应，而不破坏脉冲相位调制，因此，可以在KT之后运用MTD进行后续的相参积累处理。但是，现有的雷达，特别是搜索雷达，通常采用低脉冲重复频率（Pulse Repetition Frequency，PRF）对远距离目标进行检测，因此，大部分空中目标将产生多普勒模糊，而无模糊校正，Keystone 变换将变得无效。针对径向速度、距离走动和运动目标回波多普勒频率之间的耦合关系，许稼等人[7]提出了一种新的方法——Radon-Fourier变换（Radon-Fourier Transform，RFT），用以实现对雷达目标检测的长时间相参积累。通过联合搜索速度文和距离文，对目标轨迹上的采样点进行离散傅里叶变换（Discrete Fourier Transform，DFT），RFT可以实现回波在空间与时间上的去耦，解决距离走动问题。
以上方法只适用于匀速运动目标，对于加速运动目标，其加速度产生的距离弯曲和多普勒频率扩展现象，将使相参积累的效果和目标参数的精度受到严重影响。针对多普勒频率扩展问题，目前主要提出了De-Chirp法[8]、Chirp-Fourier 变换法[9]和分数阶傅立叶变换法（Fractional Fourier Transform，FRFT）[10]等。这些基于相位匹配的解决方案，虽然补偿了多普勒徙动，但其补偿性能受到信号长度的影响。
    综上所述，提高雷达动目标检测性能的方法有很多，但都存在不足和缺陷，如何在复杂背景下有效地解决雷达目标距离走动和多普勒频率扩展是长时间相参积累的重中之重，较为完善的解决方案仍有待提出。 雷达动目标检测性能国内外研究现状:http://www.youerw.com/yanjiu/lunwen_23370.html