CN103207389A - 一种基于信号幅相特性的雷达天线副瓣识别算法 - Google Patents

Abstract

本发明提出了一种基于接收信号幅相特性的雷达天线副瓣识别算法，根据雷达和差信号在雷达天线主瓣和副瓣时的不同幅相特性，采用支持向量机分类方法对和差信号进行分类，识别出主瓣、副瓣，解决雷达测量中的副瓣识别问题。

Description

一种基于信号幅相特性的雷达天线副瓣识别算法

技术领域

本发明用于雷达测量中的天线副瓣识别问题研究。

背景技术

雷达测量时，发射功率最大辐射方向的波瓣为主瓣，其余为副瓣或旁瓣。当天线的主瓣收到信号时，信号增益最大，信噪比最高，作用距离最远。天线对目标的捕获与跟踪是利用主瓣来完成的。但由于天线的副瓣也存在若干收敛跟踪点，当天线电轴未对准目标，信号又较强时，副瓣也有可能捕获目标，形成跟踪，造成假象。由于第一副瓣的增益相对较高，离主瓣又较近，在跟踪目标较近、信号较强、地面设备接收电平较高时，就有可能发生副瓣跟踪，导致测量数据精度较差或缺失。副瓣识别通常指第一副瓣识别。

副瓣识别是雷达测量中的热点和难点问题，目前文献资料中所提到的副瓣识别方法主要是通过观察雷达误差电压、自动增益控制值(Automatic Gain Control，AGC)以及比较理论数据和实测数据来完成，主要靠人工经验或先验知识判断，没有采用一些技术手段，识别时间长、准确率低。2004年，中国西安卫星测控中心杨辉等人提出在主天线旁安装一个引导天线，利用主天线增益高、波束窄和自引导天线增益低、波束宽的特点，对接收信号强度进行比较，通过合理选用门限，在工程应用中利用软件方法实现主、副瓣识别。此方法不能应用在单天线雷达系统中，并且当门限值不合理、目标信号复杂时，跟踪到副瓣的风险仍较大。

本发明提出一种基于雷达天线接收的信号幅相特性在主瓣和副瓣时的差异的副瓣识别算法，该算法适用于测量雷达采用典型三通道(和、方位差、俯仰差)接收机体制。三通道接收机对和、方位差、俯仰差三路信号进行混频放大、中频采样、数字正交采样后，得到同相基带信号数据I(n)和正交基带信号数据Q(n)(如公式1所示，其中x(n)表示经过中频采样后的信号，f₀表示采样频率)，再送交雷达信号处理系统从而得到测量数据。

I(n)＝x(n)cos(2πf₀nT)

Q(n)＝x(n)sin(2πf₀nT)          (公式1)

正交同相基带信号数据I(n)和正交基带信号数据Q(n)的频率为f₀。

发明内容

本发明根据雷达接收的和差信号在雷达天线主瓣和副瓣时的不同幅相特性，采用支持向量机分类方法识别出主瓣、副瓣，解决雷达测量中的副瓣识别问题。

算法步骤为：

1)根据雷达接收的和、方位差、俯仰差三路信号的同相基带信号I(n)和正交基带信号Q(n)数据求取方位支路信号的归一化差模ω_A(n)、方位支路与和支路信号的相位差Δφ_A(n)、俯仰支路信号的归一化差模ε_E(n)、俯仰支路与和支路信号的相位差Δφ_E(n)(如公式2所示，其中I_Σ(n)表示和支路的同相基带信号，Q_Σ(n)表示和支路的正交基带信号，I_A(n)表示方位支路的同相基带信号，Q_A(n)表示方位支路的正交基带信号，I_E(n)表示俯仰支路的同相基带信号，Q_E(n)表示俯仰支路的正交基带信号)；

${\mathrm{\ϵ}}_A\left(n\right)=\frac{(I_A\left(n\right),Q_A\left(n\right))\·(I_{\mathrm{\Σ}}\left(n\right),Q_{\mathrm{\Σ}}\left(n\right))}{\sqrt{I_{\mathrm{\Σ}}^2\left(n\right)+Q_{\mathrm{\Σ}}^2\left(n\right)}}$

${\mathrm{\ϵ}}_E\left(n\right)=\frac{(I_E\left(n\right),Q_E\left(n\right))\·(I_{\mathrm{\Σ}}\left(n\right),Q_{\mathrm{\Σ}}\left(n\right))}{\sqrt{I_{\mathrm{\Σ}}^2\left(n\right)+Q_{\mathrm{\Σ}}^2\left(n\right)}}$                (公式2)

${\mathrm{\Δ\φ}}_A\left(n\right)=\arcsin \frac{\left|Q_A\left(n\right)\right|}{\sqrt{I_A^2\left(n\right)+Q_A^2\left(n\right)}}-\arcsin \frac{\left|Q_{\mathrm{\Σ}}\left(n\right)\right|}{\sqrt{I_{\mathrm{\Σ}}^2\left(n\right)+Q_{\mathrm{\Σ}}^2\left(n\right)}}$

${\mathrm{\Δ\φ}}_E\left(n\right)=\arcsin \frac{\left|Q_E\left(n\right)\right|}{\sqrt{I_E^2\left(n\right)+Q_E^2\left(n\right)}}-\arcsin \frac{\left|Q_{\mathrm{\Σ}}\left(n\right)\right|}{\sqrt{I_{\mathrm{\Σ}}^2\left(n\right)+Q_{\mathrm{\Σ}}^2\left(n\right)}}$

2)构造特征向量v＝(ε_A，Δφ_A，ε_E，Δφ_E)，并对特征向量进行归一化；

3)采用支持向量机对归一化后的特征向量进行分类训练；

4)根据支持向量机的分类置信度ω识别出主副瓣。采用主瓣置信度阈值α、副瓣置信度阈值β来判别具有特定分类置信度ω的向量是主瓣还是副瓣。当分类置信度ω大于主瓣置信度阈值α时，判断该向量为主瓣；当分类置信度ω小于副瓣置信度阈值β时，判断该向量为副瓣。

本发明具有以下优点：

1)本发明提出的副瓣识别算法，综合利用了信号的幅度和相位信息。以往根据信号误差电压、AGC变化、加装引导天线等方法来识别副瓣，仅利用了信号的幅度信息；

2)副瓣识别实时性好，本发明提出的副瓣识别算法依赖于雷达的同相基带信号I(n)和正交基带信号Q(n)，同相基带信号I(n)和正交基带信号Q(n)在雷达系统中信号频率相对较高，对于频率为585Hz的同相基带信号I(n)、正交基带信号Q(n)，识别时间小于50ms；

3)副瓣识别准确率高，合理选择主瓣置信度阈值α、副瓣置信度阈值β，识别准确率超过90％；

4)本发明工程应用简单，不需要改变雷达系统结构，只需要采集雷达系统中的同相基带信号数据I(n)和正交基带信号数据Q(n)，便可进行副瓣识别。

具体实施方式

按照本发明算法步骤1)至4)顺序实施。

本发明算法步骤3)采用支持向量机对归一化后的特征向量进行分类训练，其中训练样本的采集方式优选为按照螺旋曲线的弹道引导方法采集实验样本，采用此样本选择方式可以保证训练样本的全面性、多样性和训练样本分类的正确性，其中支持向量机优选为SVMPerf分类工具，此分类工具训练效率高。

本发明算法步骤4)中主瓣置信度阈值α、副瓣置信度阈值β的取值之间的约束关系为α≥β，-2≤α≤2，-2≤β≤2。当主瓣置信度阈值α取值为-0.13，副瓣置信度阈值β取值为-0.13时，区分主瓣和副瓣的正确率最高，为94.41％。

Claims (3)

1.一种基于信号幅相特性的雷达天线副瓣识别算法，包括：根据回波信号在天线主瓣、副瓣时的幅相特性差异，利用雷达接收的和、方位差、俯仰差三路信号的同相基带信号I(n)和正交基带信号Q(n)数据求取方位支路信号的归一化差模ε_A(n)、方位支路与和支路信号的相位差Δφ_A(n)、俯仰支路信号的归一化差模ε_E(n)、俯仰支路与和支路信号的相位差Δφ_E(n)，构造特征向量v＝(ε_A，Δφ_A，ε_E，Δφ_E)，对特征向量进行归一化，采用支持向量机对归一化后的特征向量进行分类训练，再根据支持向量机的分类置信度ω识别出主副瓣，当向量的分类置信度ω大于主瓣置信度阈值α时，判断该向量为主瓣，当分类置信度ω小于副瓣置信度阈值β时，判断该向量为副瓣。

2.如权利要求1所述的雷达天线副瓣识别算法，还包括支持向量机训练时样本采集方式为按照螺旋曲线的弹道引导方法采集实验样本。

3.如权利要求1所述的雷达天线副瓣识别算法，还包括主瓣置信度阈值α取值范围为[-2，2]、副瓣置信度阈值β取值范围为[-2，2]，主瓣置信度阈值α取值-0.13，副瓣置信度阈值β取值-0.13时，区分主瓣和副瓣的正确率达到94.41％。