CN103176168A - 一种机载非正侧视阵雷达近程杂波对消方法 - Google Patents

Abstract

本发明公开了一种机载非正侧视阵雷达近程杂波对消方法，该方法先估计出近程模糊距离门对应的俯仰角，然后利用空时两维杂波谱的先验信息来对近程的杂波进行估计，最后对原始的接收数据进行近程杂波对消。该方法能够对近程杂波进行有效抑制，获得比直接处理好的杂波抑制性能。仿真实验结果验证了该方法的有效性。

Description

一种机载非正侧视阵雷达近程杂波对消方法

技术领域

本发明属于电子技术领域，涉及一种机载非正侧视阵雷达近程杂波对消方法。

背景技术

机载非正侧视阵雷达的杂波功率谱在近程随距离变化，在空时平面上会出现扩展现象，通常称为杂波具有距离依赖性。在这种情况下，通过对距离杂波样本进行最大似然估计获得的杂波协方差矩阵不能准确反应待检测距离门杂波的统计信息。导致空时自适应处理(STAP)方法的杂波抑制性能严重下降。针对机载非正侧视阵雷达杂波距离依赖性问题已经研究了很多年，比较典型的方法主要有多普勒补偿法，角度多普勒补偿法，导数更新法，杂波配准方法等。这些方法均能够对杂波的距离依赖性进行一定的补偿，使得STAP能够取得好的杂波抑制性能。但是，当机载雷发射中高脉冲重复频率信号时，会存在距离模糊现象。在这种情况下，上述方法补偿近程杂波距离依赖性的同时，会导致远程的距离平稳杂波出现新的距离非平稳性，导致其无法应用。

针对机载非正侧视阵雷达距离模糊情况下的近程杂波抑制问题最常见的处理方法就是俯仰三维天线自适应处理，要求接收系统具有俯仰维自由度，从而利用各个模糊距离门的俯仰角差异来实现对近程杂波的抑制。但是这样做会导致系统计算量巨大并且由于系统自由度很大，所需要的独立同分布样本数目也要增大，而这在实际中往往是不能满足的。

发明内容

为了解决上述技术问题，本发明提供一种机载非正侧视阵雷达近程杂波对消方法，对于最常见的均匀线性接收阵列，由于没有俯仰维的自由度，所以不能直接对近程杂波进行抑制。对于不同阵面偏角的机载非正侧视阵雷达，其地杂波的空时两维功率谱结构是已知的。利用这一先验信息，提出了一种机载非正侧视阵雷达近程杂波对消方法，该方法首先估计出近程模糊距离门对应的俯仰角，然后利用杂波空时两维功率谱先验信息来对近程杂波进行估计，再对原始各个接收天线的数据进行自适应近程杂波对消，最后对剩余的远程杂波采用降维STAP方法进行抑制。该方法能够获得比进行直接处理更为优良的杂波抑制性能，提高地面动目标检测性能。仿真实验结果验证了该方法的有效性。

其技术方案如下：

一种机载非正侧视阵雷达近程杂波对消方法，包括以下步骤：

1)估计出近程模糊距离门对应的俯仰角

对应近程距离门俯仰角为

进而可以获得近程的模糊距离门杂波散射点对应的多普勒频率与空间角频率分别为

写出该距离门近程杂波对应的空时导向矢量

和

可以表示为

2)利用杂波空时两维功率谱先验信息来对近程杂波进行估计

根据杂波的先验信息，可以将近程杂波表示为：

$x_{l,1}=\underset{i=1}{\overset{N_c}{\mathrm{\Σ}}}\mathrm{\α}\left(i\right)s_{s(1,{\mathrm{\θ}}_i)}\⊗s_{t(1,{\mathrm{\θ}}_i)}$

3)对原始各个接收天线的数据进行自适应近程杂波对消

近似重构出近程距离门杂波数据为：

$c_a=\underset{i=1}{\overset{N_c}{\mathrm{\Σ}}}a\left(i\right)(s_{s(1,{\mathrm{\θ}}_i)}\⊗s_{s(1,{\mathrm{\θ}}_i)})$

将c_a写成数据矩阵X_a(N×K)，若第n根接收天线接收的数据矢量为X(n，：)，则对该接收通道数据进行近程杂波对消后的输出Y(n，：)可以表示为

$Y(n,:)=X(n,:)-w_{N\×1}^H{X}_a$

其中w为近程杂波对消自适应权矢量，通过下式求出

$w=[w_1,w_2,w_3,\·\·\·,w_N]{R_{X_a{X}_a}}^{-1}{R}_{{\mathrm{XX}}_a}$

其中

为X_a的自相关矩阵，为X_a与X(n，：)之间的互相关矩阵，分别通过以下式可得

$R_{X_a{X}_a}=\frac{1}{K}\underset{t=1}{\overset{K}{\mathrm{\Σ}}}{X}_a(1:N,t)X_a{(1:N,t)}^H$

$R_{{\mathrm{XX}}_a}=\frac{1}{K}\underset{t=1}{\overset{K}{\mathrm{\Σ}}}X(n,t)X_a(1:N,t)$

重复上述步骤对所有的近程距离门进行处理，获得近程杂波抑制之后的数据Y_l，l＝1，2，...，η、这里η是近程距离范围内对应的最大距离门数目；

4)对剩余的远程杂波采用降维STAP方法进行抑制

由于剩下的远程杂波可以近似的看成是距离均匀杂波，已有的空时自适应处理算法便能够有效的对远程杂波进行抑制，将剩余杂波数据Y重新写成一NK×1维的数据矢量y_l，假设动目标位于第k个多普勒通道，对应降维之后的样本为

$y_{\mathrm{rl}}=(T\⊗I_N)y_l$

T为时域降维矩阵，对于EFA降维方法下T＝[t_k-1，t_k，t_k+1]，其中t_i(i＝k-1，k，k+1)是对应第i个多普勒通道，对于该多普勒通道的自适应权通过下式求出

$w_k=\frac{{\hat{R}}^{-1}{s}_E}{s_E^H{\hat{R}}^{-1}{s}_E}$

上式中s_s和s_t为空域与时域导向矢量.

是估计的杂波协方差矩阵，由独立同分布样本来进行估计

$\hat{R}=\frac{1}{\mathrm{\η}-1}\underset{i=1i\≠l}{\overset{\mathrm{\η}}{\mathrm{\Σ}}}{y}_{\mathrm{ri}}{y}_{\mathrm{ri}}^H$

对于第l距离门在第k个多普勒通道的杂波抑制输出为

$y_{\mathrm{out}\left(k\right)}=w_k^H(T\⊗I_N)y_l.$

步骤2)中估计a(i)的关键步骤为：

A.将某一距离门接收的数据矢量x写成N行K列的数据矩阵X_N×K

B.由于通常情况下K＞＞N，因此可估计出该距离门杂波对应的空域协方差矩阵

$R_S=\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{X}_{N\×K}(:,i)X_{N\×K}{(:,i)}^H/K$

C.a(i)通过下式求出

$a\left(i\right)=\frac{1}{s_{s(1,{\mathrm{\θ}}_i)}^H{R}_S^{-1}{s}_{s\left({1,\mathrm{\θ}}_i\right)}},i=\mathrm{1,2,3},\·\·\·,N_c.$

本发明的有益效果：本发明所述方法能够获得比直接处理好的杂波抑制性能，仿真实验结果验证了该方法的有效性。

附图说明

图1为机载非正侧视阵雷达阵面与杂波几何关系图；

图2为阵面夹角为60度第5接收通道杂波距离多普勒图像；

图3为阵面夹角为90度第5接收通道杂波距离多普勒图像；

图4为阵面夹角为60度近程杂波对消后第5接收通道杂波距离多普勒图像；

图5为阵面夹角为90度近程杂波对消后第5接收通道杂波距离多普勒图像；

图6为阵面夹角为60度EFA-STAP杂波抑制后的改善因子；

图7为阵面夹角为90度EFA-STAP杂波抑制后的改善因子。

具体实施方式

下面结合附图和具体实施方式对本发明的技术方案作进一步详细地说明。

机载非正侧视阵雷达信号模型

机载非正侧视阵雷达的一般天线阵面结构如图1所示，载机的速度V平行于地平面，雷达发射波长为λ，天线阵面与载机速度之间的夹角为α，杂波散射点相对与天线阵面的俯仰角与方位角分别为

和θ，Ψ是其对应的空间锥角，满足

该杂波散射点的多普勒频率为

其中f_dm是最大多普勒频率，满足f_dm＝2V/λ，式(1)可以变换为

其中f_r是脉冲重复频率，对于机载非正侧视阵雷达，上式为一斜椭圆方程，并且其长短焦距与俯仰角余弦

有关。由于余弦函数在近程变化剧烈，因此杂波的距离依赖性主要体现在近程杂波。当雷达发射中高脉冲重复频率信号时，距离模糊就会存在。不同模糊距离门之间的斜距间隔为R_ll，称为最大不模糊距离，可以表示为

$R_u=\frac{c}{{2f}_r}---\left(2\right)$

对于机载雷达，最大检测距离通常由载机高度决定，若载机高度为H，考虑到地球为近似球体，则对应的最大可检测距离为

$R_{\max }=\sqrt{{(R_e+H)}^2-R_e^2}---\left(3\right)$

对应的模糊距离数目为：

$G=\mathrm{int}\left(\frac{R_{\max }}{R_u}\right)+1---\left(4\right)$

int(·)表示向0方向取整操作，R_e为地球半径.式(4)是针对当R_u＞H的情况。H是载机平台高度.对于距离采样的第l个距离门，其对应的第m个模糊距离门对应的斜距可以表示为

$R_{(l,m)}=\frac{c}{{2f}_s}l+\frac{c}{{2f}_r}(m-1),l\∈[1,\frac{f_s}{f_r}],m\∈[1,G]---\left(5\right)$

其中f_s是距离采样频率。与其相应的距离门对应俯仰角可以通过下式求得

某一距离门对应的杂波样本是由许多个杂波散射点迭加而成的，若N_c为杂波的散射点数目，则N_c＞＞2NK。对于方位角θ_i的散射点，当存在距离模糊时第l距离门的杂波可以表示为

$x\left(l\right)=\underset{m=1}{\overset{G}{\mathrm{\Σ}}}(\underset{i=1}{\overset{N_c}{\mathrm{\Σ}}}\mathrm{\β}(m,i)s_{s\left(i\right)}\⊗s_{T\left(i\right)})---\left(7\right)$

其中β(m，i)是该散射点对应的复幅度，

是Kronecker积。s_s(m,i)和s_t(m,i)分别是该杂波散射点对应的方位和时间导向矢量，分别满足：

近程杂波对消方法

机载非正侧视阵雷达存在距离模糊情况下，进行地面动目标检测的重点是如何抑制近程模糊杂波。通过式(5)可以计算出对于距离采样数目为l时对应不同模糊距离门的雷达斜距。对于机载非正侧视阵雷达，近程通常是认为在5-6倍的载机高度值范围以内，因此将第一个不模糊距离段作为近程是合适的。根据式(6)可以获得对应近程距离门俯仰角为

进而可以获得近程的模糊距离门杂波散射点对应的多普勒频率与空间角频率分别为

写出该距离门近程杂波对应的空时导向矢量和

可以表示为

根据杂波的先验信息，可以将近程杂波表示为

$x_{l,1}=\underset{i=1}{\overset{N_c}{\mathrm{\Σ}}}\mathrm{\α}\left(i\right)s_{s(1,{\mathrm{\θ}}_i)}{\⊗s}_{i(1,{\mathrm{\θ}}_i)}---\left(14\right)$

可以发现，式(14)中只有a(i)是未知的，假若能够求出a(i)，便能够实现对近程杂波的重构。下面来给出估计a(i)的关键步骤：

A：将某一距离门接收的数据矢量x写成N行K列的数据矩阵X_N×K

B：由于通常情况下K＞＞N，因此可估计出该距离门杂波对应的空域协方差矩阵

$R_S=\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{X}_{N\×K}(:,i)X_{N\×K}{(:,i)}^H/K---\left(15\right)$

C：a(i)通过下式求出

$a\left(i\right)=\frac{1}{s_{s(1,{\mathrm{\θ}}_i)}^H{R}_S^{-1}{s}_{s\left({1,\mathrm{\θ}}_i\right)}},\mathrm{1,2,3},\·\·\·,N_c---\left(16\right)$

然后通过式(10)近似重构出近程距离门杂波数据为

$c_a=\underset{i=1}{\overset{N_c}{\mathrm{\Σ}}}a\left(i\right)\left(s_{s(1,{\mathrm{\θ}}_i)}{\⊗s}_{s(1,{\mathrm{\θ}}_i)}\right)---\left(17\right)$

将c_a写成数据矩阵X_a(N×K)，若第n根接收天线接收的数据矢量为X(n，：)，则对该接收通道数据进行近程杂波对消后的输出Y(n，：)可以表示为

$Y(n,:)=X(n,:)-w_{N\×1}^H{X}_a---\left(18\right)$

其中w为近程杂波对消自适应权矢量，通过下式求出

$w=[w_1,w_2,w_3,\·\·\·,w_N]={R_{X_a{X}_a}}^{-1}{R}_{{\mathrm{XX}}_a}---\left(19\right)$

其中

为X_a的自相关矩阵，为X_a与X(n，：)之间的互相关矩阵，分别通过式(20)，(21)可得

$R_{X_a{X}_a}=\frac{1}{K}\underset{t=1}{\overset{K}{\mathrm{\Σ}}}{X}_a(1:N,t)X_a{(1:N,t)}^H---\left(20\right)$

$R_{{\mathrm{XX}}_a}=\frac{1}{K}\underset{t=1}{\overset{K}{\mathrm{\Σ}}}X(n,t)X_a(1:N,t)---\left(21\right)$

重复上述步骤对所有的近程距离门进行处理。利用式(18)获得近程杂波抑制之后的数据Y₁，l＝1，2，...，η、这里η是近程距离范围内对应的最大距离门数目。由于剩下的远程杂波可以近似的看成是距离均匀杂波，已有的空时自适应处理算法便能够有效的对远程杂波进行抑制。由于全维的STAP计算量巨大，并且对独立同分布样本数目需求量大，实际中多采用降维的STAP方法。这里采用常见的3DT，国外称为EFA来进行远程的杂波抑制。将剩余杂波数据Y重新写成一NK×1维的数据矢量y_l。假设动目标位于第k个多普勒通道，对应降维之后的样本为

$y_{\mathrm{rl}}=(T\⊗I_N)y_l---\left(22\right)$

T为时域降维矩阵，对于EFA降维方法下T＝[t_k-1，t_k，t_k+1]。其中t_i(i＝k-1，k，k+1)是对应第i个多普勒通道。对于该多普勒通道的自适应权通过下式求出

$w_k=\frac{{\hat{R}}^{-1}{s}_E}{s_E^H{\hat{R}}^{\text{-1}}{s}_E}---\left(23\right)$

上式中

s_s和s_t为空域与时域导向矢量.

是估计的杂波协方差矩阵。通常是由独立同分布样本来进行估计

$\hat{R}=\frac{1}{\mathrm{\η}-1}\underset{i=1,i\≠1}{\overset{\mathrm{\η}}{\mathrm{\Σ}}}{y}_{\mathrm{ri}}{y}_{\mathrm{ri}}^H---\left(24\right)$

对于第l距离门在第k个多普勒通道的杂波抑制输出为

$y_{\mathrm{out}\left(k\right)}=w_k^H(T\⊗I_N)y_l---\left(25\right)$

仿真实验结果

以机载相控阵雷达作为仿真平台，雷达发射波长λ为0.2m，脉冲重复频率为2500Hz，距离采样率为2.5M Hz。载机平台高度为6000m，速度为140m/s。接收天线为均匀线性阵列，阵元数目为12，接收脉冲数目为64，天线主瓣指向为阵面法线方向。选取两组机载非正侧视阵来进行仿真验证，天线阵面与载机飞行方向夹角分别为60度和90度。对接收的第5个通道直接进行时域多普勒滤波，结果见图2。

从图2和图3中能够看出，由于近程距离非均匀杂波与远程的距离均匀杂波在时域耦合在一起，导致在图2、图3的距离多普勒图像中分别存在一弯曲的多普勒条带杂波。由于均匀线阵没有俯仰自由度，因此无法直接从俯仰维对近程杂波进行抑制，直接STAP处理不能有效的实现杂波抑制。经过本发明方法近程杂波对消后的结果见图4和图5。

从结果中能够明显的看出，经过近程杂波对消后，原来的距离非均匀近程杂波能够有效地被抑制。对于STAP而言，其杂波抑制性能的优劣是由杂波样本协方差矩阵估计的准确程度决定的。由于近程杂波被消除后，即原来的距离非均匀杂波的影响已经在回波样本中减弱，因此再利用统计方法进行杂波协方差矩阵估计的STAP方法能够获得好杂波抑制性能。因为实际中通常采用降维STAP方法来对杂波进行抑制，本发明中采用EFA-STAP来进行杂波抑制。对两种阵面摆放结构的改善因子结果见图6、图7。

从图6和图7中能够发现，经过本发明近程杂波对消之后的改善因子要明显的优于直接处理，特别是在旁瓣区的改善有比原来提高10-30dB，从而能够大大提高均匀线阵条件下STAP的近程杂波抑制性能。

以上所述，仅为本发明最佳实施方式，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。

Claims (2)

1.一种机载非正侧视阵雷达近程杂波对消方法，其特征在于，包括以下步骤：

1)估计出近程模糊距离门对应的俯仰角

对应近程距离门俯仰角为

进而可以获得近程的模糊距离门杂波散射点对应的多普勒频率与空间角频率分别为

写出该距离门近程杂波对应的空时导向矢量

和可以表示为

2)利用杂波空时两维功率谱先验信息来对近程杂波进行估计

根据杂波的先验信息，可以将近程杂波表示为

$x_{l,1}=\underset{i=1}{\overset{N_c}{\mathrm{\Σ}}}\mathrm{\α}\left(i\right)s_{s(1,{\mathrm{\θ}}_i)}\⊗s_{t(1,{\mathrm{\θ}}_i)}$

3)对原始各个接收天线的数据进行自适应近程杂波对消

近似重构出近程距离门杂波数据为

$c_a=\underset{i=1}{\overset{N_c}{\mathrm{\Σ}}}a\left(i\right)(s_{s(1,{\mathrm{\θ}}_i)}\⊗s_{s(1,{\mathrm{\θ}}_i)})$

将c_a写成数据矩阵X_a(N×K)，若第n根接收天线接收的数据矢量为X(n，：)，则对该接收通道数据进行近程杂波对消后的输出Y(n，：)可以表示为

$Y(n,:)=X(n,:)-w_{N\×1}^H{X}_a$

其中w为近程杂波对消自适应权矢量，通过下式求出

$w=[w_1,w_2,w_3,\·\·\·,w_N]={R_{X_a{X}_a}}^{-1}{R}_{{\mathrm{XX}}_a}$

其中

为X_a的自相关矩阵，

为X_a与X(n，：)之间的互相关矩阵，分别通过以下式可得

$R_{X_a{X}_a}=\frac{1}{K}\underset{t=1}{\overset{K}{\mathrm{\Σ}}}{X}_a(1:N,t)X_a{(1:N,t)}^H$

$R_{{\mathrm{XX}}_a}=\frac{1}{K}\underset{t=1}{\overset{K}{\mathrm{\Σ}}}X(n,t)X_a(1:N,t)$

重复上述步骤对所有的近程距离门进行处理，获得近程杂波抑制之后的数据Y_l，l＝1，2，...，η、这里η是近程距离范围内对应的最大距离门数目；

4)对剩余的远程杂波采用降维STAP方法进行抑制

由于剩下的远程杂波可以近似的看成是距离均匀杂波，已有的空时自适应处理算法便能够有效的对远程杂波进行抑制，将剩余杂波数据Y重新写成一NK×1维的数据矢量y_l，假设动目标位于第k个多普勒通道，对应降维之后的样本为

$y_{\mathrm{rl}}=(T\⊗I_N)y_l$

T为时域降维矩阵，对于EFA降维方法下T＝[t_k-1，t_k，t_k+1]，其中t_i(i＝k-1，k，k+1)是对应第i个多普勒通道，对于该多普勒通道的自适应权通过下式求出

$w_k=\frac{{\hat{R}}^{-1}{s}_E}{s_E^H{\hat{R}}^{-1}{s}_E}$

上式中

s_s和s_t为空域与时域导向矢量.

是估计的杂波协方差矩阵，由独立同分布样本来进行估计

$\hat{R}=\frac{1}{\mathrm{\η}-1}\underset{i=1i\≠l}{\overset{\mathrm{\η}}{\mathrm{\Σ}}}{y}_{\mathrm{ri}}{y}_{\mathrm{ri}}^H$

对于第l距离门在第k个多普勒通道的杂波抑制输出为

$y_{\mathrm{out}\left(k\right)}=w_k^H(T\⊗I_N)y_l.$

2.根据权利要求1所述的机载非正侧视阵雷达近程杂波对消方法，其特征在于，步骤2)中估计a(i)的关键步骤为：

A.将某一距离门接收的数据矢量x写成N行K列的数据矩阵X_N×K

B.由于通常情况下K＞＞N，因此可估计出该距离门杂波对应的空域协方差矩阵

$R_S=\underset{i=1}{\overset{K}{\mathrm{\Σ}}}{X}_{N\×K}(:,i)X_{N\×K}{(:,i)}^H/K$

C.a(i)通过下式求出

$a\left(i\right)=\frac{1}{s_{s\left({1,\mathrm{\θ}}_i\right)}^H{R}_S^{-1}{s}_{s\left(1{,\mathrm{\θ}}_i\right)}},i=\mathrm{1,2,3},\·\·\·,N_c.$

Images