CN102819012A - 一种基于非负ica的相控阵风廓线雷达信号处理方法 - Google Patents

Abstract

本发明涉及一种基于非负ICA的相控阵风廓线雷达信号处理方法，包括如下步骤：1)采集相控阵风廓线雷达回波信号，形成观测信号；2)对观测信号进行信号预处理操作，得到信噪比较高的信号；3)利用非负ICA方法对预处理的信号进行分离，得到分离后的源信号；4)对分离后的源信号进行后续处理。其有益效果为：所述方法能够提取相控阵风廓线雷达接收信号的各成分，尤其对组网的雷达信号的同频干扰、噪声调频干扰、工频干扰及杂波等有较好的抑制，在消杂去噪过程中不妨碍有用信号。

Description

一种基于非负ICA的相控阵风廓线雷达信号处理方法

技术领域

本发明涉及信息技术领域，尤其涉及一种基于非负ICA的相控阵风廓线雷达信号处理方法。

背景技术

相控阵风廓线雷达是利用大气湍流对电磁波的散射作用对大气进行探测的一种遥感设备，诞生于20世纪80年代，多年来的运行结果表明，由于雷达探测的目标大气风场中的湍流对电磁波的散射非常微弱，其易受噪声、地物杂波和间歇性杂波干扰等影响。目前国内研制的宽-限-窄电路对抑制干扰效果不明显。当相控阵风廓线雷达部署雷达型号相同或频率相同和相近或频带重叠时，会产生同频干扰问题，影响雷达系统的正常探测，严重时造成接收机前端硬件损坏、接收机高频前端前置放大器饱和等严重后果。对于同频干扰现象，由于信号形式相同，频谱严重重叠，传统的信号处理方法显得力不从心。目前的处理方法在电路上采用旁瓣天线技术、空间滤波和消隐技术等，电路结构简单，缺点只能对低工作比的脉冲干扰有效，对于杂波干扰和高工作比的脉冲干扰不适用。

独立分量分析(ICA)是20世纪90年代发展起来的一种新的信号处理技术，它是从多维统计数据中找出隐含因子或分量的方法。ICA处理的对象是一组相互统计独立的源信号经线性组合而产生的混合信号，源信号之间相对独立，最终从混合信号中提取各个信号分量。在信噪比满足一定要求前提下实现良好的信噪分离，对噪声调频干扰和同频干扰有很好的抑制，但在源信号相互独立的情况下处理效果欠佳。相控阵风廓线雷达在测量时，各个干扰源及杂波之间不存在影响，可认为被测信号为独立信源，且信号的概率密度函数不服从高斯分布。杂波的很多特性和热噪声相似，导致信噪比较小，而ICA分离信号对信噪比有一定的要求，须在ICA处理之前进行预处理，提高信噪比。部署的相控阵风廓线雷达的源信号有较大相关性，使用基本ICA无法进行信号分离，采用非负ICA方法。

发明内容

本发明的目的在于克服现有技术的不足，提供实现有用信号和噪声分离，提取目标信号的基于非负ICA的相控阵风廓线雷达信号处理方法，其具体技术方案如下：

所述基于非负ICA的相控阵风廓线雷达信号处理方法，包括如下步骤：1)采集相控阵风廓线雷达回波信号，形成观测信号；2)对观测信号进行信号预处理操作，得到信噪比较高的信号；3)利用非负ICA方法对预处理的信号进行分离，得到分离后的源信号；4)对分离后的源信号进行后续杂波抑制和去噪等处理。

所述方法的进一步设计在于，所述步骤1）中所涉及的观测信号主要通过ADC数模转换器来实现信号的采集，所述信号的矩阵表达式为X＝A×S，其中S为源信号矢量组成的矩阵，A为一个未知混合矩阵，X为观测信号矢量组成的矩阵如式(1)；

x_i(t)＝f(s₁(t),...,s_n(t))＝f(s(t))                        (1)

所述方法的进一步设计在于，所述步骤2）中的信号预处理操作主要由中心化预处理、白化预处理组成，所述中心化预处理是将观测信号矢量减去所述矢量的均值，变成零均值，再对经过均值处理的所述矢量估计独立变量y，最后将y的均值A^-1m与零均值相加；所述白化处理，通过协方差矩阵特征值分解如式（2），减少估计参数的个数，

$\tilde{x}=E{D}^{-\frac{1}{2}}{E}^{T}x---\left(2\right)$

其中，存在正交阵E使E{xx^T}＝EDE^T，E是E{xx^T}的特征值的正交矩阵，D是E{xx^T}的特征值构成的对角阵，

对D中每一个元素开

次方，

为白化阵，白化把混合矩阵

A变成一个新矩阵，如式(3)

$\tilde{x}=E{D}^{-\frac{1}{2}}{E}^T\mathrm{AS}=\tilde{A}S---\left(3\right)$

所述方法的进一步设计在于，所述非负ICA方法包括如下步骤：

i.设X由n个源信号组成，按照独立变量分析(ICA)算法计算白化信号Z；所述ICA算法通过设置一个N×N维反混合阵W＝(w_ij)，使得X(t)经过W变换后得到N维输出列向量Y(t)，有

Y＝WX＝WAS                                (4)

令S＝R×S₀，其中S₀为正交阵，其分量间没有相关性，则

Y＝WZ＝WVAX＝WVARS₀                       (5)

其中，Z和VAR为正交阵，Z是由S₀经过白化旋转得到的矩阵，通过S到Z的正交变换矩阵，得到关键变换矩阵P。

Z'＝PZ＝PVAS                              (6)

通过Y＝WZ'计算正交阵W，从S变换到Y的矩阵WPVA也是一个正交阵。求得W后使得变换阵U=WPVA，从而分离出源信号S，由源信号S提取得到相控阵风廓线雷达的径向速度、速度谱宽、等数据有关的信号成分；

ii.由于源信号非负，Z值分布在900±100范围内，但不等于900，Z满足超平面方程

其中t为预设常数，t的大小应使该超平面与Z中的数据点所形成的多面体的截面为n多边形，计算所述多面体中各数据点与该截面的距离，设定一阈值0.9，确保至少九成的数据点在该截面上，使得数据点到该截面的距离小于阈值所对应最大距离，最后构成交平面的点集Q；

iii.根据式（7）计算Q的重心q，其中m为数据点的个数；

$q=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{q}^i}{m}---\left(7\right)$

iv.计算Q中各点到q的距离,选出距离最大的点l₁。然后计算得到Q中到l₁距离最大的点l₂，再计算得到Q中到l₁距离和到l₂距离之和最大的点l₃……依此类推得到Q中到点l₁,l₂,....l_n-11距离之和最大的点l_n，构成函数L。

v.将L中各点作为坐标轴上的截距，运算得到关键转换矩阵P。

vi.根据Y=WPZ′等式分离出源信号。

本发明提供的基于非负ICA的相控阵风廓线雷达信号处理方法优点如下：

本发明采用非负ICA分析方法实现相控阵风廓线雷达的信号处理，能够提取相控阵风廓线雷达接收信号的各成分，尤其对组网的雷达信号的同频干扰、噪声调频干扰、工频干扰及杂波等有较好的抑制。随着我国新一代相控阵风廓线雷达测控网络的部署，抑制干扰对测量精度至关重要，本发明在消杂去噪过程中不妨碍有用信号，应用灵活，发明具有一定的理论研究和实际应用价值。

附图说明

图1是本发明的基于非负ICA的相控阵风廓线雷达信号处理方法的原理流程图。

图2是本发明的线性独立变量模型。

图3是本发明的非负ICA改进前后的源信号分离后和源信号相关系数比较。

图4是本发明的信号处理装置方框图。

具体实施方式

下面结合附图对本发明做进一步详细说明：

步骤一所涉及的观测信号，受环境和干扰影响较大，相控阵风廓线雷达的回波接收子阵的输出向量由n个目标信号、干扰源以及杂波的混合响应而成，可以采用ADC数模转换器器件来实现采集.信号的矩阵表达式为X＝A×S，其中S为源信号矢量组成的矩阵，A为一个未知混合矩阵，X为观测信号矢量组成的矩阵如式(1):

x_i(t)＝f(s₁(t),...,s_n(t))＝f(s(t))                                (1)

X，A，S可正可负，特定情况下，S为负，故一般ICA无法满足要求。

步骤二预处理包括中心化、白化和其他预处理等。预处理目的是提高信噪比，使ICA估计更加简单，使其符合ICA的分解原则，整个处理可以采用基于FPGA芯片的滤波器来实现。

（1）中心化预处理

最基本的也是必须的预处理是给x定中心，即将观测信号矢量减去其均值，变成零均值，再对经过均值处理的矢量估计独立变量y，最后将y的均值A^-1m与零均值相加。

（2）白化预处理

白化指通过线性变换将样本转换成线性无关的方法。最普通的白化方法是用协方差矩阵特征值分解。

根据矩阵分析理论可知，存在一个正交阵E使E{xx^T}＝EDE^T，E是E{xx^T}的特征值的正交矩阵，D是E{xx^T}的特征值构成的对角阵。用公式(2)实现：

$\tilde{x}=E{D}^{-\frac{1}{2}}{E}^{T}x$       (2)

对D中每一个元素开次方，

为白化阵，白化把混合矩阵A变成了一个新矩阵，如式(3)

$\tilde{x}=E{D}^{-\frac{1}{2}}{E}^T\mathrm{AS}=\tilde{A}S---\left(3\right)$

白化减少了估计参数的个数，解决了ICA问题的一半，降低了ICA的估计难度。

(3)进一步预处理

根据目标的环境和干扰情况可以采取小波变换、FrFT、HHT或者其他时频分析完成进一步预处理。

步骤三采用独立变量分析方法实现源信号分离，其线性模型图如图2所示。基本ICA的主要思路设置一个N×N维反混合阵W＝(w_ij)，X(t)经过W变换后得到N维输出列向量Y(t)，有

Y＝WX＝WAS                                (4)

考虑到相控阵风廓线雷达回波信号的相关性较大，非负ICA算法适用于源信号相互独立的情况，本发明采用非负ICA方法，当源信号间存在相关性时，Z为正交矩阵，S却为非正交矩阵。白化过程在转换过程基础上还包含一个仿射变换过程，非负ICA算法的核心是计算变换矩阵P，利用它抵消白化过程中的仿射变换部分。

假设S＝R×S₀，其中S₀为正交阵，其分量间没有相关性，则

Y＝WZ＝WVAX＝WVARS₀                       (5)

其中Z和VAR为正交阵，Z是由S₀经过白化旋转得到的矩阵。通过S到Z的正交变换矩阵，得到关键变换矩阵P。

Z'＝PZ＝PVAS                              (6)

另外计算正交阵W，使Y＝WZ'，S变换到Y的矩阵(WPVA)也是一个正交阵，W能满足变换阵U=WPVA，从而分离出源信号S，由源信号S提取得到相控阵风廓线雷达的径向速度、速度谱宽、

等数据有关的信号成分。

在步骤三中关键变换矩阵P的求取方法步骤如下：

i．设X由n个源信号组成，按照基本ICA算法计算白化信号Z。

ii．Z值分布在900±100范围内，但不等于900，Z满足超平面方程

其中t为预设常数，t的大小应使该超平面与Z中的数据点所形成的多面体的截面为n多边形，计算所述多面体中各数据点与该截面的距离，设定一阈值0.9，确保至少九成的数据点在该截面上，使得数据点到该截面的距离小于阈值所对应最大距离，最后构成交平面的点集Q。

iii．计算Q的重心q，m为数据点的个数。

$q=\frac{\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{q}^i}{m}---\left(7\right)$

iv．计算Q中各点到q的距离,选出距离最大的点l₁，然后计算得到Q中到l₁距离最大的点l₂，再计算得到Q中到l₁距离和到l₂距离之和最大的点l₃……依此类推得到Q中到点l₁,l₂,.....l_n-11距离之和最大的点l_n，构成函数L。

v．将L中各点作为坐标轴上的截距，运算得到关键转换矩阵P。

图3是不同源信号在采用非负ICA算法前后的分离后信号与源信号的相关系数。相关程度加大情况下，改进前的非负ICA性能下降，改进后的分解结果良好。噪声较大时，关键转换矩阵求解受影响，导致结果不准确，可以通过多个超平面求平均的转换矩阵得以改善。

步骤四在上述步骤基础上，根据环境和干扰情况，结合步骤三，完成基于DSP芯片的非负ICA算法处理和后续处理，构成信号处理装置，如图4所示，可装置在风廓线雷达的接收机前端。

Claims (3)

1.一种基于非负ICA的相控阵风廓线雷达信号处理方法，其特征在于，包括如下步骤：

1)采集相控阵风廓线雷达回波信号，形成观测信号；

2)对观测信号进行信号预处理操作；

3)利用非负ICA方法对预处理的信号进行分离，得到分离后的源信号；

4)对分离后的源信号进行后续杂波抑制和去噪处理。

所述非负ICA方法具体为：

i.设X信号源由n个源信号组成，按照ICA算法计算白化信号Z；所述ICA算法通过设置一个N×N维反混合阵W＝(w_ij)，使得X(t)经过W变换后得到N维输出列向量Y(t)，有

Y＝WX＝WAS                 (4)

令S＝R×S₀，其中S₀为正交阵，其分量间没有相关性，则

Y＝WZ＝WVAX＝WVARS₀        (5)

其中，Z和VAR为正交阵，Z是由S₀经过白化旋转得到的矩阵，通过S到Z的正交变换矩阵，得到关键变换矩阵P。

Z'＝PZ＝PVAS               (6)

通过Y＝WZ'计算正交阵W，从S变换到Y的矩阵WPVA也是一个正交阵,求得W后使得变换阵U=WPVA，从而分离出源信号S，由源信号S提取得到相控阵风廓线雷达的径向速度、速度谱宽、 

数据有关的信号成分；

ii.由于源信号非负，Z值分布在900±100范围内，但不等于900，Z满足超平面方程 其中t为预设常数，t的大小应使该超平面与Z中的数据点所形成的多面体的截面为n多边形，计算所述多面体中各数据点与该截面的距离，设定一阈值0.9，使得数据点到该截面的距离小于阈值所对应最大距离，最后构成交平面的点集Q；

iii.根据式（7）计算Q的重心q，其中m为数据点的个数； 

iv.计算Q中各点到q的距离,选出距离最大的点l₁,然后计算得到Q中到l₁距离最大的点l₂，再计算得到Q中到l₁距离和到l₂距离之和最大的点l₃……依此类推得到Q中到点l₁,l₂,....l_n-11距离之和最大的点l，构成函数L。

v.函数L中各点对应新坐标轴上的坐标，结合式(6)Z＇＝PZ＝PVAS，由正交变换阵Z'运算得到关键转换矩阵P。.

vi.根据Y=WPZ′等式分离出源信号。

2.根据权利要求1所述的方法，其特征在于，所述步骤1）中所涉及的观测信号主要通过ADC数模转换器来实现信号的采集，所述信号的矩阵表达式为X＝A×S，其中S为源信号矢量组成的矩阵，A为一个未知混合矩阵，X为观测信号矢量组成的矩阵如式(1)；

x_i(t)＝f(s₁(t),...,s_n(t))＝f(s(t))                (1)。

3.根据权利要求1所述的方法，其特征在于，所述步骤2）中的信号预处理操作主要由中心化预处理、白化预处理组成，所述中心化预处理是将观测信号矢量减去所述矢量的均值，变成零均值，再对经过均值处理的所述矢量估计独立变量y，最后将y的均值A^-1m与零均值相加；所述白化处理，通过协方差矩阵特征值分解如式（2）；

其中，存在正交阵E使E{xx^T}＝EDE^T，E是E{xx^T}的特征值的正交矩阵，D是E{xx^T}的特征值构成的对角阵， 

对D中每一个元素开 

次方， 

为白化阵，白化把混合矩阵A变成一个新矩阵，如式(3)

Images