CN102353947B - 一种基于csa-mwf的无源雷达目标回波信号子空间的估计方法 - Google Patents
一种基于csa-mwf的无源雷达目标回波信号子空间的估计方法 Download PDFInfo
- Publication number
- CN102353947B CN102353947B CN 201110190581 CN201110190581A CN102353947B CN 102353947 B CN102353947 B CN 102353947B CN 201110190581 CN201110190581 CN 201110190581 CN 201110190581 A CN201110190581 A CN 201110190581A CN 102353947 B CN102353947 B CN 102353947B
- Authority
- CN
- China
- Prior art keywords
- centerdot
- expression
- matrix
- mwf
- csa
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法,包括:步骤一:在无源雷达接收系统中提取观测数据矢量,并将其赋值给CSA-MWF的初始观测数据,并初始化期望信号;步骤二:推导目标回波子空间的估计方法表达式;步骤三:计算CSA-MWF中本级的前向滤波器;步骤四:计算CSA-MWF中本级的期望信号;步骤五:计算CSA-MWF中更新后的观测数据;步骤六:进行门限判决;步骤七:计算得出目标回波信号子空间。本发明将CSA-MWF这种有效的降维方法应用于无源雷达中,可以避免估计观测数据的协方差矩阵,避免对其进行特征值分解,可以有效降低计算量,非常适合信号多变的复杂环境。
Description
技术领域
本发明属于无源雷达领域,具体涉及一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法。
背景技术
无源雷达是指雷达本身不发射电磁波信号而只用目标辐射电磁波信号(外辐射源)进行目标探测和跟踪的雷达,它具有良好的“四抗性能”,并具有造价低、隐蔽性强、机动性高等优点。目标辐射的电磁信号可能是目标自身发射的信号,或者是第三方电磁波信号经目标反射后的电磁信号。因此,根据目标辐射信号源的类型,无源雷达可分为两类:一是利用目标自身辐射源的无源雷达,包括待观测的目标自身携带的辐射源,如雷达、通信、应答机、有源干扰和导航等电子设备;二是利用第三方发射信号经目标反射的信号的无源雷达,这类发射源包括地面广播电台、电视台、通信台站、直播电视卫星和卫星导航定位系统等。从雷达体制上讲,它的接收机和发出外辐射源的发射机是异地配置,因此它也属于双(多)基雷达。
无源雷达具有很多传统有源雷达没有的优点:(1)无源雷达接收机由于没有大功率的器件,且不受发射机功率泄漏的影响,从而具有较高的灵敏度;(2)多个接收机工作,可以对干扰源进行无源定位;(3)由于收、发分置,接收机是静默的,也可以机动,所以系统具有抗电子侦查、抗干扰和抗反辐射导弹摧毁的能力;(4)在接收机前置时,可利用空中、空间的照射源,可以探测到发射机的视线以下和远区超低空的目标,抗超低空突防能力强;(5)具有反隐身的效果,由于隐身目标只在鼻锥正负三十度范围内有极小的雷达截面积(RCS),而侧向及顶部散射和绕射并没有减小,还很强,使得无源雷达对隐身目标的探测具有很好的效果;(6)由于自身不发射电磁波,无源雷达系统具有隐蔽性和突然性,系统生存能力强。
子空间类算法是一类重要的方法,该算法将观测空间分解为信号子空间和噪声子空间。传统的子空间分解方法是估计阵列协方差矩阵并对其进行特征分解(EVD),大特征值对应的特征向量张成信号子空间,小特征值对应的矢量张成噪声子空间,需要的总运量为O(M2N)+O(M3),其中M、N分别为阵列个数和采样快拍数。若阵元数M较多,则计算量很大,不利于实时处理。无源雷达的核心技术是无源相干定位技术,其基本的思想是以外辐射源发射的直达波信号作为参考,检测分析目标反射辐射源发射的信号能量,估计出目标反射信号的到达方向、到达时间和多普勒频移等参数,从而实现对目标的定位和跟踪。无源雷达系统在进行信号处理的过程中需要进行长时间的相干累积,计算量很大,尤其对其进行空时二维联合处理时,计算量更大。因此要考虑在空时二维联合处理时,对其进行降秩运算以减少计算量。为了降低计算复杂度,众多学者提出了一系列降秩算法,如主分量法、交叉谱法和Lanczos迭代算法等。但是这些算法都需要对观测数据的协方差进行分解,使得计算量仍旧很大。Goldstein等人提出的多级维纳滤波算法(GRS-MWF)是一种新的降秩处理方法,但是其前向分解滤波器相互并不正交,数值稳健性不好,用它进行无源雷达目标子空间估计时效果不好,无法达到无源雷达性能要求。
发明内容
针对现有技术中存在的不足,本发明提供一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法,在无源雷达接收系统中,在避免计算量过大的同时对接收信号进行有效地快速地目标回波子空间分解,从而检测到目标回波的方法。
本发明提出的一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法,具体包括以下几个步骤:
步骤一:在无源雷达接收系统中提取观测数据矢量,并将其赋值给相关相减结构的多级维纳滤波器(CSA-MWF)的初始观测数据,初始化期望信号d0。
无源雷达的接收阵元是阵元数为M的等距线阵(LUA),则该接收阵元在k时刻接收的M维观测数据矢量x(k)为:
x(k)=[a(θ1),a(θ2),…,a(θP)]s(k)+n(k) (1)
=A(θ)s(k)+n(k)
其中,s(k)表示目标回波信号复振幅矢量,为P×1阶矩阵,n(k)表示空时白噪声复矢量,n(k)为M×1阶矩阵,A(θ)表示目标回波的方向矩阵,为M×P阶矩阵,k为采样时刻k=0,1,…,N-,N是快拍数,P是目标回波信号的个数,θ1,…,θP分别为目标回波信号1至P的入射角,a(θ1),a(θ2),…,a(θP)分别为目标回波信号1至P的导向矢量。
设定第一个接收阵元为基准阵元,则任一目标i的导向矢量a(θi)具有如下的结构:
设定雷达接收阵元数大于目标回波信号个数,即M>P。加性噪声为独立同分布的满足(0,σ2)的空时高斯白噪声矢量,即:
E[n(k)nH(l)]=σ2IM (3)
E[n(k)nT(l)]=0 (4)
其中,(·)H表示共轭转置,E[·]表示求取数学期望。σ2表示空时高斯白噪声的方差,n(k)表示空时高斯白噪声,nH(l)表示空时高斯白噪声的共轭转置,nT(l)表示空时高斯白噪声的转置,IM表示M维的单位矩阵。
步骤二:推导目标回波子空间的估计方法的表达式。
设定目标回波信号和加性噪声是不相关的,则观测数据的协方差矩阵Rx为:
Rx=E[x(k)xH(k)]=A(θ)RsAH(θ)+σ2IM (5)
其中,Rs为目标回波信号的协方差矩阵;A(θ)表示目标回波信号的方向矩阵,AH(θ)表示A(θ)的共轭转置,x(k)表示观测数据矢量,xH(k)表示观测数据矢量的共轭转置,σ2表示空时高斯白噪声的方差,E[·]表示求取数学期望,IM表示M维的单位矩阵。
对观测数据的协方差矩阵做特征值分解:
其中,特征值λ1>λ2>…>λP>λP+1=…=λM=σ2,其中较大的特征值λ1,…,λp对应目标回波信号,较小的特征值λP+1,…,λM对应噪声信号,即Vs=[v1,v2,…,vP],Vn=[vP+1,vP+2,…,vM]。M为阵元个数,同时也是特征值的个数。Vs的列数等于目标回波信号协方差矩阵Rs的秩P,从而张成A(θ)的P维子空间。vi表示观测数据协方差矩阵的特征向量,表示观测数据协方差矩阵的特征向量的共轭转置,Vs表示目标回波信号子空间的特征向量组成的矩阵,表示Vs的共轭转置,Λs表示目标回波信号子空间的特征值组成的对角矩阵,Vn表示噪声子空间的特征向量组成的矩阵,表示Vn的共轭转置。
由公式(5)和公式(6)得到:
Vs=A(θ)Q (7)
其中,Q=RsAH(θ)Vs(Λs-σ2IM)-1,Q为P维满秩矩阵。
CSA-MWF相当于在最小均方意义下得到Wiener-Hopf方程Rxw=rxd的渐进最优解(其中w表示滤波器权值,rxd表示观测数据x与期望信号d的互相关函数),CSA-MWF的各级前向滤波器hi,i={1,2,…,P}是相互正交的(i表示第i级前向滤波器,P表示前向滤波器的级数),所以级数为P的CSA-MWF相当于Wiener-Hopf方程在Krylov子空间 的解,其中x0表示输入的观测向量,d0表示期望向量,表示x0与d0的互相关函数,表示x0的自相关函数,表示的(P-1)次方,κ(P)表示P级的Krylov子空间,span{·}表示将括号中的向量张成空间。目标回波信号子空间按照如下进行估计:
因此,存在一个P阶满秩矩阵K,使得公式(9)成立:
其中,Rx (i)表示Rx的i次方。i=1,2,…,P-1。由CSA-MWF性质可知,落在目标回波信号子空间中,从而有把公式(10)带入公式(9)中,同时和Vs=A(θ)Q,即可得到公式(11),其中K表示一个P阶满秩矩阵,表示目标子空间的特征值组成的对角矩阵Λs的(P-1)次方,Γ表示表示一个P阶矩阵具体如公式(12)所示,H表示一个P阶矩阵具体如公式(13)所示,Q=RsAH(θ)Vs(Λs-σ2I)-1。
其中:
H=QΓK (13)
Γ是满秩矩阵,又因为Q和K均是非奇异矩阵,因而H也是非奇异矩阵,所以由式(11)可得P阶的目标回波信号子空间的表达式:
由CSA-MWF的M个相互正交的匹配滤波器构成的预滤波矩阵为TM=[h1,h2,…hP,hP+1,…,hM],由于其所有列矢量hj,j=1,2,…,M均相互正交,则hk⊥col{A(θ)},k=P+1,P+2,…,M,所以hk位于由A(θ)的各列向量张成的列空间col{A(θ)}的正交补子空间,即(M-P)维的噪声子空间的表达式:
步骤三:按照下式计算CSA-MWF中前向分解的第j级前向滤波器hj,i={1,2,…,P,…,M}:
步骤四:按照下式计算CSA-MWF中前向分解的第j级期望信号dj(k):
步骤五:按照下式计算CSA-MWF中前向分解的各级前向滤波器更新后的观测数据:
xj(k)=xj-1(k)-hjdj(k) (18)
其中xj(k)表示第j级前向滤波器的观测数据;dj(k)表示第j级前向滤波器的期望信号。
步骤六:进行门限判决,若|xj(k)|2≤2MNσ2即j=P,则进行步骤七,其中M为阵元数,N为快拍数;否则令j=j+1,返回步骤三计算下一级前向滤波器。
步骤七:将计算得出的CSA-MWF中的各级前向滤波器h1,h2,…,hP带入公式(14)中,计算得出目标回波信号子空间
本发明在完成步骤七之后还优选的包含由计算噪声子空间的步骤具体为:
步骤八:(1)令j=P+1,返回执行步骤三,计算CSA-MWF的第j级前向滤波器,计算得出前向滤波器hP+1;
(2)计算CSA-MWF中前向分解的第j级期望信号
(3)计算CSA-MWF中前向分解的第j级前向滤波器更新后的观测数据:
xj(k)=xj-1(k)-hjdj(k)
其中xj(k)表示第j级前向滤波器的观测数据;dj(k)表示第j级前向滤波器的期望信号。
本发明的优点在于:
(1)本发明提供一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法,将CSA-MWF这种有效的降维方法应用于无源雷达中,可以避免估计观测数据的协方差矩阵,避免对其进行特征值分解,可以有效降低计算量,非常适合信号多变的复杂环境;
(2)本发明提供一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法,CSA-MWF的维数可以小于目标子空间的实际维数时,收敛速度快,收敛需要的快拍低;
(3)本发明提供一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法,可以有效准确地完成无源雷达目标子空间的快速估计,保持优良的抗干扰性能;
(4)本发明提供一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法,其中各级前向滤波器均正交,具有很好的数值稳健性。
附图说明
图1:本发明提供一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法的流程图;
图2:本发明提供一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法中基于外辐射源无源雷达系统结构示意图。
具体实施方式
下面将结合附图对本发明作进一步的详细说明。
本发明提出的一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法,如图1所示,具体包括以下几个步骤:
步骤一:在无源雷达接收系统中提取观测数据矢量,并将其赋值给相关相减结构的多级维纳滤波器(CSA-MWF)的初始观测数据,初始化期望信号d0。
如图2所示,基于外辐射源的无源雷达系统属于多基地无源雷达探测系统,由M个接收阵元的等间距d=λ/2的均匀线阵组成无源雷达接收系统。本发明采用相关相减结构的多级维纳滤波器CSA-MWF的前向分解特性,相关相减结构可有效的降低多级维纳滤波器前向分解的计算量,并且CSA-MWF为酉多级维纳滤波器,具有良好的降秩性能。
无源雷达的接收阵元是阵元数为M的等距线阵(LUA),则该接收阵元在k时刻接收的M维观测数据矢量x(k)为:
x(k)=[a(θ1),a(θ1),…,a(θP)]s(k)+n(k) (1)
=A(θ)s(k)+n(k)
其中,s(k)表示目标回波信号复振幅矢量,为P×1阶矩阵,n(k)表示空时白噪声复矢量,n(k)为M×1阶矩阵,A(θ)表示目标回波的方向矩阵,为M×P阶矩阵,k为采样时刻k=0,1,…,N-,N是快拍数,P是目标回波信号的个数,θ1,…,θP分别为目标回波信号1至P的入射角,a(θ1),a(θ2),…,a(θP)分别为目标回波信号1至P的导向矢量。
设定第一个接收阵元为基准阵元,则任一目标i的导向矢量a(θi)具有如下的结构:
设定雷达接收阵元数大于目标回波信号个数,即M>P。加性噪声为独立同分布的满足(0,σ2)的空时高斯白噪声矢量,即:
E[n(k)nH(l)]=σ2IM (3)
E[n(k)nT(l)]=0 (4)
其中,(·)H表示共轭转置,E[·]表示求取数学期望。σ2表示空时高斯白噪声的方差,n(k)表示空时高斯白噪声,nH(l)表示空时高斯白噪声的共轭转置,nT(l)表示空时高斯白噪声的转置,IM表示M维的单位矩阵。
步骤二:推导目标回波子空间的估计方法的表达式。
设定目标回波信号和加性噪声是不相关的,则观测数据的协方差矩阵Rx为:
Rx=E[x(k)xH(k)]=A(θ)RsAH(θ)+σ2IM (5)
其中,Rs为目标回波信号的协方差矩阵;A(θ)表示目标回波信号的方向矩阵,AH(θ)表示A(θ)的共轭转置,x(k)表示观测数据矢量,xH(k)表示观测数据矢量的共轭转置,σ2表示空时高斯白噪声的方差,E[·]表示求取数学期望,IM表示M维的单位矩阵。
对观测数据的协方差矩阵做特征值分解:
其中,特征值λ1>λ2>…>λP>λP+1=…=λM=σ2,其中较大的特征值λ1,…,λp对应目标回波信号,较小的特征值λP+1,…,λM对应噪声信号,即Vs=[v1,v2,…,vP],Vn=[vP+1,vP+2,…,vM]。M为阵元个数,同时也是特征值的个数。Vs的列数等于目标回波信号协方差矩阵Rs的秩P,从而张成A(θ)的P维子空间。vi表示观测数据协方差矩阵的特征向量,表示观测数据协方差矩阵的特征向量的共轭转置,Vs表示目标回波信号子空间的特征向量组成的矩阵,表示Vs的共轭转置,Λs表示目标回波信号子空间的特征值组成的对角矩阵,Vn表示噪声子空间的特征向量组成的矩阵,表示Vn的共轭转置。
由公式(5)和公式(6)得到:
Vs=A(θ)Q (7)
其中,Q=RsAH(θ)Vs(Λs-σ2IM)-1,Q为P维满秩矩阵。
CSA-MWF相当于在最小均方意义下得到Wiener-Hopf方程Rxw=rxd的渐进最优解(其中w表示滤波器权值,rxd表示观测数据x与期望信号d的互相关函数),CSA-MWF的各级前向滤波器hi,i={1,2,…,P}是相互正交的(i表示第i级前向滤波器,P表示前向滤波器的级数),所以级数为P的CSA-MWF相当于Wiener-Hopf方程在Krylov子空间 的解,其中x0表示输入的观测向量,d0表示期望向量,表示x0与d0的互相关函数,表示x0的自相关函数,表示的(P-1)次方,κ(P)表示P级的Krylov子空间,span{·}表示将括号中的向量张成空间。目标回波信号子空间按照如下进行估计:
因此,存在一个P阶满秩矩阵K,使得公式(9)成立:
其中,Rx (i)表示Rx的i次方。i=1,2,…,P-1。由CSA-MWF性质可知,落在目标回波信号子空间中,从而有把公式(10)带入公式(9)中,同时和Vs=A(θ)Q,即可得到公式(11),其中K表示一个P阶满秩矩阵,表示目标子空间的特征值组成的对角矩阵Λs的(P-1)次方,Γ表示表示一个P阶矩阵具体如公式(12)所示,H表示一个P阶矩阵具体如公式(13)所示,Q=RsAH(θ)Vs(Λs-σ2I)-1。
其中:
H=QΓK (13)
Γ是满秩矩阵,又因为Q和K均是非奇异矩阵,因而H也是非奇异矩阵,所以由式(11)可得P阶的目标回波信号子空间的表达式:
由CSA-MWF的M个相互正交的匹配滤波器构成的预滤波矩阵为TM=[h1,h2,…hP,hP+1,…,hM],由于其所有列矢量hj,j=1,2,…,M均相互正交,则hk⊥col{A(θ)},k=P+1,P+2,…,M,所以hk位于由A(θ)的各列向量张成的列空间col{A(θ)}的正交补子空间,即(M-P)维的噪声子空间的表达式:
步骤三:按照下式计算CSA-MWF中前向分解的第j级前向滤波器hj,i={1,2,…,P,…,M}:
步骤四:按照下式计算CSA-MWF中前向分解的第j级期望信号dj(k):
步骤五:按照下式计算CSA-MWF中前向分解的各级前向滤波器更新后的观测数据:
xj(k)=xj-1(k)-hjdj(k) (18)
其中xj(k)表示第j级前向滤波器的观测数据;dj(k)表示第j级前向滤波器的期望信号。
步骤六:进行门限判决,若|xj(k)|2≤2MNσ2即j=P,则进行步骤七,其中M为阵元数,N为快拍数;否则令j=j+1,返回步骤三计算下一级前向滤波器。
步骤七:将计算得出的CSA-MWF中的各级前向滤波器h1,h2,…,hP带入公式(14)中,计算得出目标回波信号子空间
本发明在完成步骤七之后还优选的包含由计算噪声子空间的步骤具体为:
步骤八:(1)令j=P+1,返回执行步骤三,计算CSA-MWF的第j级前向滤波器,计算得出前向滤波器hP+1;
(3)计算CSA-MWF中前向分解的第j级前向滤波器更新后的观测数据:
xj(k)=xj-1(k)-hjdj(k)
其中xj(k)表示第j级前向滤波器的观测数据;dj(k)表示第j级前向滤波器的期望信号。
本发明提出的一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法,在给定某一期望信号的训练信号的条件下,无源雷达目标回波子空间和噪声子空间可以分别估计如公式(14)和公式(15)所示,因此只需要得出CSA-MWF的前向分解前向滤波器就可以估计出无源雷达的目标回波信号子空间。采用该方法应用于无源雷达空时联合处理过程中,可以有效达到降秩减少计算量的作用。
Claims (2)
1.一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法,其特征在于:具体包括以下几个步骤:
步骤一:在无源雷达接收系统中提取观测数据矢量,并将其赋值给相关相减结构的多级维纳滤波器CSA-MWF的初始观测数据,初始化期望信号d0:
无源雷达的接收阵元是阵元数为M的等距线阵,则该接收阵元在k时刻接收的M维观测数据矢量x(k)为:
x(k)=[a(θ1),a(θ2),…,a(θP)]s(k)+n(k) (1)
=A(θ)s(k)+n(k)
其中,s(k)表示目标回波信号复振幅矢量,为P×1阶矩阵,n(k)表示空时白噪声复矢量,n(k)为M×1阶矩阵,A(θ)表示目标回波的方向矩阵,为M×P阶矩阵,k为采样时刻k=0,1,…,N-1,N为快拍数,P为目标回波信号的个数,θ1,…,θP分别为目标回波信号1至P的入射角,a(θ1),a(θ2),…,a(θP)分别为目标回波信号1至P的导向矢量;
设定第一个接收阵元为基准阵元,则任一目标i的导向矢量a(θi)具有如下的结构:
设定雷达接收阵元数大于目标回波信号个数,M>P;加性噪声为独立同分布的满足(0,σ2)的空时高斯白噪声矢量:
E[n(k)nH(l)]=σ2IM (3)
E[n(k)nT(l)]=0 (4)
其中,(·)H表示共轭转置,E[·]表示求取数学期望,σ2表示空时高斯白噪声的方差,n(k)表示空时高斯白噪声,nH(l)表示空时高斯白噪声的共轭转置,nT(l)表示空时高斯白噪声的转置,IM表示M维的单位矩阵;
步骤二:推导目标回波子空间的估计方法的表达式:
目标回波信号和加性噪声不相关,观测数据的协方差矩阵Rx为:
Rx=E[x(k)xH(k)]=A(θ)RsAH(θ)+σ2IM (5)
其中,Rs为目标回波信号的协方差矩阵;A(θ)表示目标回波信号的方向矩阵,AH(θ)表示A(θ)的共轭转置,x(k)表示观测数据矢量,xH(k)表示观测数据矢量的共轭转置,σ2表示空时高斯白噪声的方差,E[·]表示求取数学期望,IM表示M维的单位矩阵;
对观测数据的协方差矩阵做特征值分解:
其中,特征值λ1>λ2>…>λP>λP+1=…=λM=σ2,Vs=[v1,v2,…,vP],
Vn=[vP+1,vP+2,…,vM];Vs的列数等于目标回波信号协方差矩阵Rs的秩P,张成A(θ)的P维子空间;vi表示观测数据协方差矩阵的特征向量,表示观测数据协方差矩阵的特征向量的共轭转置,Vs表示目标回波信号子空间的特征向量组成的矩阵,表示Vs的共轭转置,Λs表示目标回波信号子空间的特征值组成的对角矩阵,Vn表示噪声子空间的特征向量组成的矩阵,表示Vn的共轭转置;
由公式(5)和公式(6)得到:
Vs=A(θ)Q (7)
其中,Q=RsAH(θ)Vs(Λs-σ2IM)-1,Q为P维满秩矩阵;
CSA-MWF的各级前向滤波器hi,i={1,2,…,P}是相互正交的,i表示第i级前向滤波器,P表示前向滤波器的级数,所以级数为P的相关相减结构的多级维纳滤波器CSA-MWF为Wiener-Hopf方程在Krylov子空间 的解,其中x0表示输入的观测向量,d0表示期望向量,表示x0与d0的互相关函数,表示x0的自相关函数,表示的(P-1)次方,κ(P)表示P级的Krylov子空间,span{·}表示将括号中的向量张成空间,目标回波信号子空间按照公式(8)进行估计:
存在一个P阶满秩矩阵K,使得公式(9)成立:
H表示一个P阶矩阵,Q=RsAH(θ)Vs(Λs-σ2I)-1:
H=QΓK (13)
其中,col{}表示列空间,为其列矢量所有线性组合集合成的空间;
由CSA-MWF的M个相互正交的匹配滤波器构成的预滤波矩阵为
TM=[h1,h2,…hP,hP+1,…,hM],由于其所有列矢量hj,j=1,2,…,M均相互正交,则hk⊥col{A(θ)},k=P+1,P+2,…,M,所以hk位于由A(θ)的各列向量张成的列空间col{A(θ)}的正交补子空间,为(M-P)维的噪声子空间的表达式
其中null{·}表示括号中空间的正交补子空间;
步骤三:按照下式计算CSA-MWF中前向分解的第j级前向滤波器hj,i={1,2,…,P,…,M}:
步骤四:按照下式计算CSA-MWF中前向分解的第j级期望信号dj(k):
步骤五:按照下式计算CSA-MWF中前向分解的各级前向滤波器更新后的观测数据:
xj(k)=xj-1(k)-hjdj(k) (18)
其中xj(k)表示第j级前向滤波器的观测数据;dj(k)表示第j级前向滤波器的期望信号;
步骤六:进行门限判决,若|xj(k)|2≤2MNσ2,则进行步骤七,其中M为阵元数,N为快拍数;否则令j=j+1,返回步骤三计算下一级前向滤波器;
步骤七:将计算得出的CSA-MWF中的各级前向滤波器h1,h2,…,hP带入公式 中,计算得出目标回波信号子空间
2.根据权利要求1所述的一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法,其特征在于:还包含步骤八,具体为:
(1)令j=P+1,返回执行步骤三,计算CSA-MWF的第j级前向滤波器,计算得出前向滤波器hP+1;
(3)计算CSA-MWF中前向分解的第j级前向滤波器更新后的观测数据:
xj(k)=xj-1(k)-hjdj(k)
其中xj(k)表示第j级前向滤波器的观测数据;dj(k)表示第j级前向滤波器的期望信号;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110190581 CN102353947B (zh) | 2011-07-08 | 2011-07-08 | 一种基于csa-mwf的无源雷达目标回波信号子空间的估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110190581 CN102353947B (zh) | 2011-07-08 | 2011-07-08 | 一种基于csa-mwf的无源雷达目标回波信号子空间的估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102353947A CN102353947A (zh) | 2012-02-15 |
CN102353947B true CN102353947B (zh) | 2013-07-31 |
Family
ID=45577542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110190581 Expired - Fee Related CN102353947B (zh) | 2011-07-08 | 2011-07-08 | 一种基于csa-mwf的无源雷达目标回波信号子空间的估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102353947B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103197325B (zh) * | 2013-03-25 | 2016-05-04 | 哈尔滨工程大学 | 一种基于变对角加载量的空时抗干扰方法 |
CN103760546B (zh) * | 2014-01-23 | 2015-11-18 | 西安电子科技大学 | 一种雷达用低空目标波达方向估计方法 |
CN104076342B (zh) * | 2014-06-25 | 2016-05-18 | 西安电子科技大学 | 一种雷达跟踪状态下预测目标rcs的方法 |
CN104614711A (zh) * | 2014-12-08 | 2015-05-13 | 广西大学 | 一种基于联合距离维的杂波抑制方法和装置 |
CN108896963B (zh) * | 2018-05-14 | 2022-03-04 | 西安电子科技大学 | 机载雷达空时自适应降维处理方法 |
CN109100749B (zh) * | 2018-07-09 | 2020-07-17 | 中国人民解放军国防科技大学 | 基于mwf中运用滑窗判定的噪声子空间估计方法 |
CN113221059B (zh) * | 2020-07-24 | 2023-01-17 | 哈尔滨工业大学(威海) | 无需构造协方差矩阵的快速共轭梯度测向算法 |
CN112731283B (zh) * | 2020-12-24 | 2023-07-11 | 中国人民解放军91550部队 | 基于多级维纳滤波器的高亚音速飞行目标声学测向方法 |
CN113064161B (zh) * | 2021-03-30 | 2023-05-30 | 南京信息工程大学 | 一种基于双子脉冲重构的海浪波谱仪交叉谱计算方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102087354A (zh) * | 2010-12-15 | 2011-06-08 | 哈尔滨工程大学 | 无源雷达分组ls-clean微弱目标检测方法 |
CN102096067A (zh) * | 2010-11-30 | 2011-06-15 | 哈尔滨工程大学 | 基于北斗作为外辐射源的无源雷达直达波干扰抑制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7937229B2 (en) * | 2007-05-29 | 2011-05-03 | Massachusetts Institute Of Technology | System and method for detecting damage, defect, and reinforcement in fiber reinforced polymer bonded concrete systems using far-field radar |
-
2011
- 2011-07-08 CN CN 201110190581 patent/CN102353947B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096067A (zh) * | 2010-11-30 | 2011-06-15 | 哈尔滨工程大学 | 基于北斗作为外辐射源的无源雷达直达波干扰抑制方法 |
CN102087354A (zh) * | 2010-12-15 | 2011-06-08 | 哈尔滨工程大学 | 无源雷达分组ls-clean微弱目标检测方法 |
Non-Patent Citations (4)
Title |
---|
CSA-MWF Based Nonlinear Equalization for Data Relay Satellite Channel;JIANG Bo et al.;《ICSP2010 Proceedings》;20101231;第417-421页 * |
JIANG Bo et al..CSA-MWF Based Nonlinear Equalization for Data Relay Satellite Channel.《ICSP2010 Proceedings》.2010,第417-421页. |
基于北斗卫星信号的无源雷达可行性研究;范梅梅等;《信号处理》;20100430;第26卷(第4期);第631-636页 * |
范梅梅等.基于北斗卫星信号的无源雷达可行性研究.《信号处理》.2010,第26卷(第4期),第631-636页. |
Also Published As
Publication number | Publication date |
---|---|
CN102353947A (zh) | 2012-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102353947B (zh) | 一种基于csa-mwf的无源雷达目标回波信号子空间的估计方法 | |
CN104237883B (zh) | 一种采用稀疏表示的机载雷达空时自适应处理方法 | |
Bencheikh et al. | Polynomial root finding technique for joint DOA DOD estimation in bistatic MIMO radar | |
CN102279387B (zh) | Mimo雷达的目标到达角估计方法 | |
CN103901395B (zh) | 一种冲击噪声环境下相干信号波达方向动态跟踪方法 | |
CN106788653A (zh) | 一种基于协方差矩阵重构的自适应波束形成方法 | |
CN107229041A (zh) | 一种mimo雷达波达方向估计方法和装置 | |
CN102033227A (zh) | 以gps导航卫星为外辐射源的无源雷达微弱目标检测方法 | |
JP2011158471A (ja) | 時空間適応処理システムにおいてターゲットを検出するための方法 | |
CN103091661A (zh) | 基于迭代谱重构的宽带信号波达方向估计方法 | |
CN103983958A (zh) | 基于多测量矢量稀疏表示的mimo雷达连续目标角度估计方法 | |
CN103983952A (zh) | 一种非圆信号双基地mimo雷达低复杂度收发角度联合估计方法 | |
CN102087354A (zh) | 无源雷达分组ls-clean微弱目标检测方法 | |
CN103323827B (zh) | 基于快速傅里叶变换的mimo雷达系统角度估计方法 | |
CN102135617A (zh) | 双基地多输入多输出雷达多目标定位方法 | |
CN102279381B (zh) | 一种基于l形阵列二维波达方向估计装置的估计方法 | |
Gao et al. | Impact of frequency increment errors on frequency diverse array MIMO in adaptive beamforming and target localization | |
CN104678386B (zh) | 一种利用gnss海面反射信号相关功率探测目标的方法 | |
CN103728607A (zh) | 机载mimo雷达空时码三维自适应杂波对消方法 | |
CN104635219B (zh) | 基于阵元‑脉冲域补偿的匀加速平台空时自适应处理方法 | |
CN103605108A (zh) | 声矢量阵高精度远程方位估计方法 | |
CN106950553A (zh) | 色噪声背景下相干信源的mimo雷达超分辨测向算法 | |
CN103901416A (zh) | 一种基于稳健主成分分析法的多通道杂波抑制方法 | |
CN113030843B (zh) | 基于改进iaa波束形成的低空目标测向方法 | |
CN104345301A (zh) | 机载mimo雷达非自适应杂波预滤波空时二维对消方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130731 Termination date: 20190708 |