CN102621536B - 基于relax的空中多机动目标检测与参数估计方法 - Google Patents

Abstract

一种基于RELAX的空中多机动目标检测与参数估计方法。该方法包括：1)对机载预警雷达接收到的总回波数据进行杂波抑制；2)估计强目标信号的参数；3)估计弱目标信号的参数；4)进一步修正强目标信号参数等步骤。本发明提供的基于RELAX的空中多机动目标检测与参数估计方法是将重构时间采样技术与RELAX算法相结合，有效地抑制了检测过程中强目标信号分量对弱目标信号分量的影响，因此在待测单元内存在多个目标时，能够获得很好的参数估计结果，并且在脉冲点数有限的情况下，本发明得到的参数估计精度依然很高。

Description

基于RELAX的空中多机动目标检测与参数估计方法

技术领域

本发明属于雷达信号处理技术领域，特别是涉及一种基于RELAX的空中多机动目标检测与参数估计方法。

背景技术

以高空运动平台为载体的机载预警雷达处于下视的工作状态，面临着比地基雷达更复杂的地(海)杂波问题，使得对目标的检测和参数估计变得十分困难。空时自适应处理(Space-Time Adaptive Processing，STAP)是一种有效的机载雷达地杂波抑制手段，传统的STAP方法都是假设在相干处理时间(Coherent Processing Interval，CPI)内目标回波多普勒频率恒定(即目标做匀速运动)，但是当目标进行变速、转弯等机动飞行时，其在一个CPI内目标回波多普勒频率会随时间发生变化，即发生多普勒走动，使得传统的STAP方法相参积累性能大大下降，从而导致目标检测能力下降。

当机动目标做匀加速运动时，目标回波信号为线性调频(Linear FrequencyModulation，LFM)信号。分数阶Fourier变换(Fractional Fourier Transform，FRFT)是一种检测和估计LFM信号最有效的方法。但是，在地基雷达和合成孔径雷达(SyntheticAperture Radar，SAR)上利用FRFT来估计机动目标参数时都需要较多的脉冲点数，否则估计精度难以满足要求。由于这个原因，上述方法难以直接应用到机载预警雷达中，因为当雷达脉冲重复频率一定时，较多的脉冲点数就意味着CPI加长，这会引起杂波和目标的距离走动，给后续处理带来更大困难。基于重构时间采样的空中机动目标检测方法将STAP和FRFT结合起来，能够在脉冲点数有限的情况下提高目标参数的估计精度。但是，上述方法直接推广到多目标情况时，待检测单元内的弱目标信号会受到强目标信号的影响，结果导致该方法只能检测到强目标信号，而不能对其它弱目标信号进行很好地检测。因此，有必要对多个空中机动目标信号的检测和参数估计做进一步研究。

发明内容

为了解决上述问题，本发明的目的在于提供一种能够检测空中多个机动目标的基于RELAX的空中多机动目标检测与参数估计方法。

为了达到上述目的，本发明提供的基于RELAX的空中多机动目标检测与参数估计方法包括按顺序进行的下列步骤：

1)对机载预警雷达接收到的总回波数据进行杂波抑制；

2)估计强目标信号参数；

3)估计弱目标信号参数；

4)进一步修正强目标信号参数；

重复上述步骤3)至步骤4)，直到两次迭代过程的估计结果之差低于某一预定的阈值。

所述的对机载预警雷达接收到的总回波数据进行杂波抑制的方法是利用子空间投影技术进行，即将待检测单元数据投影到杂波子空间的正交子空间中，得到投影后的无杂波数据。

所述的估计强目标信号参数的方法是利用重构时间采样的方法估计出目标的初始速度和加速度，然后利用估计得到的参数对杂波抑制后的多阵元数据进行相位补偿，再进行分数阶Fourier变换，估计出强目标信号的幅度。

所述的估计弱目标信号参数的方法是利用步骤2)中估计得到的参数结果重构强目标信号，将其从杂波抑制后的数据中减去，再利用步骤2)中的方法对弱目标信号的参数进行估计，以减小估计过程中强目标信号对弱目标信号的影响。

所述的进一步修正强目标信号参数的方法是利用步骤3)中估计得到的参数结果重构弱目标信号，将其从杂波抑制后的数据中减去后重新估计强目标信号的参数，以减小步骤2)中弱目标信号对强目标信号估计结果的影响。

本发明提供的基于RELAX的空中多机动目标检测与参数估计方法是利用RELAX算法的思想，根据各目标信号的强度，首先估计出强目标信号的参数，并根据参数估计的结果，从杂波抑制后的数据中消去强目标信号，其次对弱目标信号进行检测与估计，再根据弱目标信号参数的估计结果，从杂波抑制后的数据中消去弱目标信号，再次对强目标信号的参数进行重估，依次重复，直到收敛。该方法能够有效地抑制检测与估计过程中强目标信号对弱目标信号的影响，进而得到目标的参数估计结果，尤其是在脉冲点数有限的情况下，依然能够获得很好的参数估计结果。

附图说明

图1为本发明提供的基于RELAX的空中多机动目标检测与参数估计方法流程图。

图2(a)为N个阵元数据单个目标时拼接前时频效果图(N＝4)。

图2(b)为N个阵元数据单个目标时拼接后时频效果图(N＝4)。

图3(a)为杂波抑制前总回波的功率谱。

图3(b)为杂波抑制后常规方法的功率谱。

图3(c)为对强目标信号1补偿加速度后的功率谱。

图3(d)为对弱目标信号2补偿加速度后的功率谱。

图4(a)为对强目标信号1加速度补偿前后功率谱(方位角90°)。

图4(b)为对弱目标信号2加速度补偿前后功率谱(方位角90°)。

图5(a)为强目标信号1的初始速度均方根误差与CRB界的比较结果图。

图5(b)为强目标信号1的加速度均方根误差与CRB界的比较结果图。

图6(a)为弱目标信号2的初始速度均方根误差与CRB界的比较结果图。

图6(b)为弱目标信号2的加速度均方根误差与CRB界的比较结果图。

具体实施方式

下面结合附图和具体实施例对本发明提供的基于RELAX的空中多机动目标检测与参数估计方法进行详细说明。

图1为本发明提供的基于RELAX的空中多机动目标检测与参数估计方法流程图。其中的全部操作都是在以计算机为核心的机载计算机系统中完成的，操作的主体均为机载计算机系统。

如图1所示，本发明提供的基于RELAX的空中多机动目标检测与参数估计方法包括按顺序进行的下列步骤：

1)对机载预警雷达接收到的总回波数据进行杂波抑制：本阶段利用子空间投影技术对机载预警雷达接收到的总回波数据进行杂波抑制；

在此步骤中，所述的利用子空间投影技术对总回波数据进行杂波抑制的具体方法如下：将待检测单元数据投影到杂波子空间的正交子空间中，得到投影后的无杂波数据。杂波加噪声协方差矩阵为：

R＝E{(x_c+x_n)(x_c+x_n)^H}＝R_c+R_n          (1)

式中，R_c表示杂波协方差矩阵，R_n是噪声项协方差矩阵。对R进行特征值分解，可以得到：

$R=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{\mathrm{\λ}}_m{u}_m{u}_m^H\≈\underset{m=1}{\overset{Q}{\mathrm{\Σ}}}{\mathrm{\λ}}_m{u}_m{u}_m^H+{\mathrm{\σ}}_n^2\underset{m=Q+1}{\overset{M}{\mathrm{\Σ}}}{u}_m{u}_m^H---\left(2\right)$

其中，λ_m(m＝1，…Q)为Q个大特征值，Q是杂波特征值数目，其余的M-Q个特征值相等，均为

u_m(m＝1，…Q)，是第m个大特征值对应的特征向量张成的杂波子空间，记为U_C＝span{u₁，…，u_Q}。则其正交补空间的投影矩阵为：

$P_C^{\⊥}=U_C^{\⊥}{\left(U_C^{\⊥}\right)}^H---\left(3\right)$

通过上述推导可知，投影后的无杂波数据为：

$x_{\mathrm{proj}}=P_C^{\⊥}x---\left(4\right)$

由于通常

而确定杂波子空间维数较复杂，所以我们用R^-1代替

抑制杂波，即：

x_proj＝R^-1x        (5)

实际中杂波协方差矩阵由参考距离单元数据估计出

2)估计强目标信号参数：本阶段利用重构时间采样的方法估计出强目标信号的初始速度和加速度，然后利用估计得到的参数对杂波抑制后的多阵元数据进行相位补偿，再进行FRFT变换，估计出强目标信号的幅度；

重构时间采样方法就是对多个阵元的数据补偿一定的相位后进行首尾拼接，使其等效于增加了单个阵元的脉冲采样点数，可以提高参数的估计精度。单个目标时拼接前后效果如图2所示，其中图2(a)为拼接前的时频效果图，图2(b)为拼接后的时频效果图，可以看出，只要对每个阵元补偿其相应的相位，就可以达到增加单个阵元脉冲点数的效果(当待检测单元存在多个目标时，重构时间采样方法只能对强目标信号进行检测和估计，此时对强目标参数进行相位补偿，弱目标信号相对于一个干扰，相位补偿后能量依然聚集不起来，因此不能对其进行很好的检测)。

重构时间采样方法中对拼接后的数据构造代价函数为：

其中，F^p(·)为FRFT的算子符号，

为对N个阵元数据进行重构时间采样(NK×1维列向量)，x_proj n为第n个阵元杂波抑制后数据，

为第n个阵元所需补偿的相位，可表示如下：

n＝0，1，...，N-1

其中，v₁和a₁分别为强目标信号的初始速度和加速度，λ为波长，f_r为脉冲重复频率。

对式(6)的代价函数进行峰值搜索，代价函数取得最大值时所对应的参数即为强目标信号的估计结果。再进行FRFT变换，求得强目标信号的幅度

3)估计弱目标信号参数：本阶段利用步骤2)中估计得到的参数结果重构强目标信号，将其从杂波抑制后的数据中减去，再利用步骤2)中的方法对弱目标信号的参数进行估计，以减小估计过程中强目标信号对弱目标信号的影响；

根据强目标信号参数的估计值

以及信号的数据模型构造强目标信号的数据(假设方位已知)。令：

$x_{\mathrm{proj}}^2=x_{\mathrm{proj}}-{\hat{b}}_{t1}a(u_{t1},{\widehat{\mathrm{\ω}}}_{t1})---\left(8\right)$

为从杂波抑制后的数据中减去强目标信号后的数据，此时再对弱目标信号进行参数估计，即可消除强目标信号对弱目标信号的影响：

其中，

为估计弱目标信号时第n个阵元所需补偿的相位，该相位中包含弱目标信号的参数。

弱目标信号的幅度

可由对多个阵元数据补偿相位后进行FRFT变换得出。

4)进一步修正强目标信号参数：本阶段利用步骤3)中估计得到的参数结果重构弱目标信号，将其从杂波抑制后的数据中减去后重新估计强目标信号的参数，以减小步骤2)中弱目标信号对强目标信号估计结果的影响；

根据弱目标信号参数的估计值可以得出：

$x_{\mathrm{proj}}^1=x_{\mathrm{proj}}-{\hat{b}}_{t2}a(u_{t2},{\widehat{\mathrm{\ω}}}_{t2})---\left(10\right)$

再由式

对

进行修正，进一步提高其估计精度。

重复步骤3)至步骤4)，直到两次迭代过程的估计结果之差低于某一预定的阈值。

本发明提供的基于RELAX的空中多机动目标检测与参数估计方法的效果可以通过以下仿真结果进一步说明。

仿真数据描述：天线阵为阵元数N＝16的正侧视理想均匀线阵，阵元间距d＝0.5λ。载机速度为120m/s，机载预警雷达工作波长为0.32m，平台高度为10km，雷达距离分辨率为20m，脉冲重复频率为1500Hz，相干处理脉冲数K＝64，输入信噪比SNR＝0dB，杂噪比CNR＝50dB。假设两个机动目标均处于同一个检测单元内，方位角均为90°，强目标信号1的初始速度为v₁＝24.01m/s，加速度为a₁＝99.9m/s²，幅度为b_t1＝1，弱目标信号2的初始速度为v₂＝29.99m/s，加速度为a₂＝148.9m/s²，幅度为b_t2＝0.9，实验中假设目标方位已知。

图3(a)为杂波抑制前总回波的功率谱，从图中可以看出，由于信杂比很低，所以信号完全被淹没在杂波中。图3(b)为杂波抑制后常规方法的功率谱，可以看出杂波被抑制掉了，两个目标均能突显出来，由于目标都存在加速度，所以它们在多普勒域均存在一定的展宽。图3(c)为对强目标信号1补偿加速度后的功率谱，图3(d)为对弱目标信号2补偿加速度后的功率谱，可以看出，此时两个目标的能量均能在多普勒域重新聚集起来，提高了目标检测能力和参数估计精度。

图4(a)和图4(b)分别为对两个目标信号加速度补偿前后的功率谱(方位角90°)，可以更加明显地看出本发明方法有效地抑制了检测过程中强目标信号分量对弱目标信号分量的影响，提高了目标的检测能力。

图5和图6为利用三种方法估计得到的参数均方根误差与Cramer-Rao界限(CRB)的比较结果图，其中图5(a)为强目标信号1的初始速度均方根误差与CRB界的比较结果图，图5(b)为强目标信号1的加速度均方根误差与CRB界的比较结果图，图6(a)为弱目标信号2的初始速度均方根误差与CRB界的比较结果图，图6(b)为弱目标信号2的加速度均方根误差与CRB界的比较结果图。可以看出本发明方法在不同的信噪比下都可以有效地估计出两个目标信号的参数，同时本发明方法的估计性能最接近CRB界，因此估计效果最好。

Claims (1)

1.一种基于RELAX的空中多机动目标检测与参数估计方法，其特征在于：所述的基于RELAX的空中多机动目标检测与参数估计方法包括按顺序进行的下列步骤：

1）对机载预警雷达接收到的总回波数据进行杂波抑制；

2）估计强目标信号参数；

3）估计弱目标信号参数；

4）进一步修正强目标信号参数；

重复上述步骤3）至步骤4），直到两次迭代过程的估计结果之差低于某一预定的阈值；

所述的对机载预警雷达接收到的总回波数据进行杂波抑制的方法是利用子空间投影技术进行，即将待检测单元数据投影到杂波子空间的正交子空间中，得到投影后的无杂波数据；

所述的估计强目标信号参数的方法是利用重构时间采样的方法估计出目标的初始速度和加速度，然后利用估计得到的参数对杂波抑制后的多阵元数据进行相位补偿，再进行分数阶Fourier变换，估计出强目标信号的幅度；

所述的估计弱目标信号参数的方法是利用步骤2）中估计得到的参数结果重构强目标信号，将其从杂波抑制后的数据中减去，再利用步骤2）中的方法对弱目标信号的参数进行估计，以减小估计过程中强目标信号对弱目标信号的影响；

所述的进一步修正强目标信号参数的方法是利用步骤3）中估计得到的参数结果重构弱目标信号，将其从杂波抑制后的数据中减去后重新估计强目标信号的参数，以减小步骤2）中弱目标信号对强目标信号估计结果的影响。

Images