CN108646238A - 一种基于副瓣对消系数映射的干扰源跟踪方法 - Google Patents

Abstract

本发明涉及一种基于副瓣对消系数映射的干扰源跟踪方法，该跟踪方法通过利用基于副瓣对消的干扰源测向系数与干扰源运动状态的映射关系，在系数空间进行非线性变换，采用多个采样点估计干扰源状态在高斯假设下的概率密度分布函数，在对每个采样点利用卡尔曼滤波跟踪后，将多个采样点的状态估计通过映射函数映射到干扰源状态空间，最终通过映射结果和对应的权值，得到干扰源运动状态的估计，达到对干扰源跟踪的目的。

Description

一种基于副瓣对消系数映射的干扰源跟踪方法

技术领域

本专利属于雷达数据处理无源被动测向定位跟踪技术。

背景技术

无源被动测向定位技术是通过测向设备接收信号源发射的电磁波信息，对该信号干扰源所在位置进行定位的定位技术，是结合计算机技术、通信原理、雷达信号处理、数字信号处理等的综合性学科。在民用领域，测向定位技术在无线电频谱管理、交通管制等方面具有重要的作用；在军事领域对军事装备的无线电设备(机场、港口、导弹和军舰发射阵地)进行定位侦察，在防范军事打击等方面发挥着重要的作用。现代战场中电子对抗技术普遍的运用, 使得雷达抗干扰技术对雷达性能的影响越来越大。对干扰源的跟踪对提高武器系统在电子战环境下的生存能力和作战能力具有重要的作用。相比于依靠主动发射电磁波进行侦察探测的有源跟踪技术，无源跟踪因自身不主动发射信号，而是完全被动地接收辐射源目标的信号，因而具有不易受干扰和隐蔽探测等优点。但是，由于被动无源系统的量测缺少距离维信息，导致干扰源的运动增加了非线性和激动性，因此线性假设下的滤波技术容易造成跟丢而不能正常使用，所以对干扰源目标的跟踪需要有针对性算法。

副瓣对消，即在雷达正常的接收通道以外增加几个副天线和副接收通道，对副接收通道信号的幅度和相位进行加权控制，与正常接收通道接收信号叠加，由此可在干扰信号的方向上形成一个或几个接收波瓣的凹点，使所接收的干扰信号的强度降低。随着“自适应天线”这一术语的提出，Widrow的最陡下降法以及最小均方算法的出现，旁瓣对消技术也开始出现，并随着自适应滤波算法的发展而逐渐发展起来。90年代以来，由于微电子技术的发展而推动数字技术和各种电子器件性能的进一步发展和提高，超大规模集成电路的长足发展和高速专用数字信号处理器的出现，以及数字器件成本的不断降低，使得雷达信号处理的实现成为可能。我国以现代高性能的信号处理器为基础，研制出了单辅助天线和相控阵天线数字式自适应旁瓣对消器f7l。特别是近几年来，新的辅助技术的应用更提高了对消性能，以往的算法由于通道失配的影响，对消性能很难超过25dB，采用自适应通道均衡可以大大改善通道间幅频特性和相频特性的不一致性，从而使对消比得到提高。

高效率的递归滤波器能够从一系列的不完全包含噪声的测量中，估计动态系统的状态。对物体位置的，包含噪声的观察序列预测出物体的坐标位置及速度。在很多工程应用中都可以找到它的身影。跟踪滤波器是雷达数据处理系统的核心装置，为了做到数据精确获取，测控雷达系统必须采用高效率的滤波器。跟踪滤波器根据雷达的测量值时时估计干扰源速度、方位等运动参数信息并运用迭代关系式推算出目标的下一时刻的位置和方位。这个预算值可以作为和实测值进行比较的依据，以便对目标物体运动状态突变作出相应。

发明内容

本发明的目的在于提供一种雷达干扰源跟踪方法。

实现本发明目的的技术解决方案为：通过雷达被动接收干扰源自身辐射的电磁波，利用基于副瓣对消测向技术建立干扰源测向系数空间，在干扰源测向系数空间对干扰源状态系数进行非线性变换，对干扰源状态进行多点采样，然后利用多个采样点信息估计干扰源在高斯假设下的概率密度分布，在对每个采样点利用卡尔曼滤波跟踪后，将多个采样点的状态估计通过映射函数映射到干扰源状态空间，最终通过映射结果和对应的权值，得到干扰源运动状态的实际估计，实现对干扰源的跟踪。

附图说明

图1干扰源跟踪框架示意图。

具体实施方式

1、干扰源测向函数及测向系数计算方法

自适应副瓣对消系统中，主通道天线为高增益天线，辅助通道的增益天线为低增益天线，并且满足辅助通道的天线的增益与主通道天线第一副瓣的增益大约相等。主天线为强方向性天线，辅助天线为无方向性天线，干扰信号同时进入主天线和辅助天线。干扰信号通过主天线信道和辅助天线信道，进入自适应旁瓣对消系统进行处理，通过一定的算法得到最优化的辅助通道权值，该权值与对应的辅助通道加权合成后输出，再与主通道进行对消处理，主通道对消后的残差信号即为目标信号。

M表示主天线的采样电压，A为辅助通道的采样电压向量，且A＝[A₁,A₂…A_N]^T，式中下标N表示第N个辅助通道，通过自适应算法计算得出的做优化权值矢量 W＝[W₁,W₂…W_N]^T，主通道的采样电压对消掉通过自适应算法计算得出的最优化权值向量与对应辅助通道的加权和，从而得到对消后的输出为

Re＝M-W^HA

副瓣对消辅助通道的权值矢量通过自适应算法计算出来的最优化权值W，应使得主通道和辅助通道对消后，其输出功率最小，即满足最小均方准则。在该准则下，得到的最优权值，即维纳解，即干扰源测向系数：

W_opt＝R^-1r_AM

其中，r_AM＝E[AM^*]，r_AM表示辅助通道采样信号与主通道采样信号之间的互相关矩阵； R为辅助通道中的干扰信号的协方差矩阵R＝E[AA^H]。假定Y表示干扰源的方向，则定义干扰源测向函数为

Y＝f(W_opt)

由于该测向函数是非线性的，因此干扰源的估计不能直接用线性滤波技术。不同的副瓣对消的结果，即最优权值，对应不同的干扰源方向，干扰源的方向可以由最优权值通过该非线性函数映射。

2、干扰源状态的统计特性计算方法

将干扰源测向方程最优解作为状态向量X，并假定为n_x维随机变量，均值为X，协方差为P_x，利用非线性变换对状态向量的概率密度分布进行近似，近似后的概率密度分布仍然是高斯的，近似化方法是利用状态量附近的2n_x+1采样点对概率密度分布近似，其计算步骤如下：

首先，计算2n_x+1个δ采样点w_i和对应的权值v_i

其中，每个采样点对应的权值为：

式中，κ是尺度参数，其取法根据状态的的非线性程度取，且保证使得(n_x+κ)不为0。

2n_x+1个采样点关于X的均值成对称分布，因此通常在高斯分布的状态概率密度分布的随机变量的情况下，这种近似分布方法能够取得较高的精度。

然后，每个δ采样点w_i通过干扰源测向函数传播，得到干扰源的运动状态的2n_x+1个采样点Y_i:

Y_i＝f(w_i), i＝0,…,2n_x

最后，干扰源的运动状态估计均值和方差为:

3、跟踪滤波计算方法

由于利用多个δ采样点近似干扰源的状态，在滤波阶段则需要对2n_x+1个采样点进行滤波，最后通过权值加权得到状态更新方程和状态协方差更新方程。对于每一个采样点，采用线性卡拉曼滤波的方式，其状态一步预测为：

w_i(k+1|k)＝F(k)w_i(k|k)

利用一步预测结果以及权值，可得到状态预测估计和状态预测协方差：

式中：

根据量测方程得到δ采样点预测量测：

那么预测量测和相应的协方差为：

式中，

同样，可以得到量测和状态向量的交互协方差：

则状态更新和状态协方差更新可表示为：

。

Claims (5)

1.一种基于副瓣对消系数映射的干扰源跟踪方法，其特征在于：利用基于副瓣对消的干扰源测向系数与干扰源运动状态的映射关系，在系数空间引入非线性变换，采用2n_x+1个采样点估计干扰源状态在高斯假设下的概率密度分布函数，在对每个采样点利用卡尔曼滤波跟踪后，将多个采样点的状态估计通过映射函数映射到干扰源运动状态空间，由采样点的映射结果加权得到干扰源运动状态的估计。

2.根据权利要求1所述的基于副瓣对消系数映射的干扰源跟踪方法，其特征在于：所述副瓣对消的干扰源测向系数是副瓣对消方程在最小均方误差准则下的最优权值，也即是副瓣对消辅助通道的权值矢量通过自适应算法计算出来的最优化权值W，其使得主通道和辅助通道对消后，其输出功率最小。

3.根据权利要求1所述的基于副瓣对消系数映射的干扰源跟踪方法，其特征在于：所述概率密度分布函数估计通过引入非线性变换，采用干扰源状态附近的多个采样点，对多个采样点进行非线性映射，得到的多个采样点分布结果用来近似状态的分布估计。

4.根据权利要求1所述的基于副瓣对消系数映射的干扰源跟踪方法，其特征在于：所述多个采样点的状态估计，其为由上一时刻测量得到的多个采样点通过滤波模型得到的当前时刻的状态更新和状态更新协方差，并由该当前时刻状态计算多个采样点状态和对应的权值。

5.根据权利要求1所述的基于副瓣对消系数映射的干扰源跟踪方法，其特征在于：所述干扰源运动状态的估计利用当前时刻的多个采样点状态，通过非线性映射函数计算得到干扰源运动状态的多个采样点，最终将这些采样点和对应的权值，计算加权和得到干扰源的运动状态。