CN103885041A - 一种基于认知处理的自适应旁瓣相消方法 - Google Patents

Abstract

本发明属于雷达干扰抑制技术领域，公开了一种基于认知处理的自适应旁瓣相消方法。该基于认知处理的自适应旁瓣相消方法包括以下步骤：S1：利用雷达的主天线和辅助天线在一个脉冲重复周期接收回波信号，得到主天线接收信号和辅助天线接收信号；S2：针对主天线接收信号和辅助天线接收信号，依次进行第一次信号筛选和第二次信号筛选，得到有效学习样本；S3：针对所述有效学习样本，利用直接矩阵求逆算法进行自适应权值计算，得到对应的自适应权W；S4：利用所述自适应权W，对步骤S1中得到的主天线接收信号和辅助天线接收信号进行旁瓣相消处理，得出自适应旁瓣相消结果。

Description

一种基于认知处理的自适应旁瓣相消方法

技术领域

本发明属于雷达干扰抑制技术领域，特别涉及一种基于认知处理的自适应旁瓣相消方法，可用于抑制通过天线旁瓣进入的多种类有源干扰。

背景技术

电子对抗在现代战争中的作用日趋重要，没有抗干扰的雷达完全失去其发现测定敌人目标和控制导引火器的功能。因此，在某种意义上说，抗干扰措施是雷达必备的甚至是首要的正常工作条件。电子干扰类型有多种，但多以雷达天线旁瓣进入接收机，当雷达处于强干扰环境下时，其旁瓣干扰可淹没主波束的目标信号，因而对雷达系统性能影响极大。消除这一严重影响的方法之一是研制超低旁瓣天线，但其代价是相当高的，而旁瓣相消系统则是通过附加的辅助天线处理设备，采用信号处理的手段将旁瓣干扰从主接收通道中消除掉的，从而保证雷达系统的正常工作。随着自适应技术、数字处理技术以及超大规模集成电路技术（VLSI）的飞速发展，自适应天线旁瓣相消系统已成为现代雷达和其他信息系统消除旁瓣干扰的最经济、最有效的措施。

参照图1，为自适应旁瓣相消的原理示意图。自适应旁瓣相消技术采用另外增加辅助天线（辅助天线的个数取决于系统期望对消的干扰个数，通常Q个辅助天线最多可以对消Q个从空间不同方向入射的干扰），在一定的性能准则下，即自适应代价函数，通过对辅助天线输出进行加权，然后和主天线输出进行相减。目的是在干扰作用下，利用其输出调整权值，使输出干扰功率趋于最小，其结果是使空间滤波特性在干扰方向上形成空间零点，从而抑制了旁瓣干扰。

参照图2，为传统自适应旁瓣相消方法的流程示意图；传统自适应旁瓣相消方法工作时，首先需要利用主辅天线接收信号，把一个脉冲重复周期（PRI）内休止期处的采样数据作为学习样本，计算自适应权系数，然后在下一脉冲重复周期的工作期内保持权系数不变，用该自适应权来进行干扰相消。当干扰为连续波干扰或高占空比干扰时，休止期内的采样数据均包含干扰信号，可以利用的学习样本采样数较多，能够保证权值收敛至最佳权值，从而达到最佳对消效果。但是当干扰为间歇式干扰或欺骗性干扰时，休止期内的采样数据可能包含较少的干扰信号，可以利用的学习样本采样数较少，自适应旁瓣相消系统将基本失效。另外，当雷达为脉冲多普勒模式工作时，由于不存在休止期，不能使用自适应旁瓣相消方法抑制干扰。这些问题均是因为传统自适应旁瓣相消方法没有进行样本的分析和选择。

发明内容

本发明的目的在于是克服传统自适应旁瓣相消方法的不足，提出了一种基于认知处理的自适应旁瓣相消方法，以得到良好的旁瓣相消和干扰抑制性能。

本发明的技术方案是：首先雷达的主天线和辅助天线在一个脉冲重复间隔内接收信号；然后对主天线和辅助天线接收的信号进行感知分析，根据主天线和辅助天线接收的信号的幅度和相位信息，在整个脉冲重复间隔的接收信号中筛选有效学习样本；进行自适应权值计算；最后利用自适应权值对消主天线和辅助天线接收的信号。具体实现方法如下：

一种基于认知处理的自适应旁瓣相消方法包括以下步骤：

S1：利用雷达的主天线和辅助天线在一个脉冲重复周期接收回波信号，得到主天线接收信号和辅助天线接收信号；

S2：分别计算主天线接收信号和辅助天线接收信号的幅度，进行第一次信号筛选，将第一设定辅助天线接收信号、与第一设定辅助天线接收信号处于同一时刻的主天线接收信号、第二设定辅助天线接收信号、以及与第二设定辅助天线接收信号处于同一时刻的主天线接收信号排除，得到剩余信号；所述第一设定辅助天线接收信号为：幅度小于设定幅度的辅助天线接收信号；所述第二设定辅助天线接收信号为：幅度小于对应时刻主天线接收信号的辅助天线接收信号；

在所述剩余信号中，分别计算主天线接收信号的幅度比和相位差，分别计算辅助天线接收信号的幅度比和相位差；设定幅度比有效范围和相位差有效范围；将同时处于幅度比有效范围和相位差有效范围之内的主天线接收信号、以及同时处于幅度比有效范围和相位差有效范围之内的辅助天线接收信号作为有效学习样本，完成第二次信号筛选，得到有效学习样本；

S3：针对所述有效学习样本，利用直接矩阵求逆算法进行自适应权值计算，得到对应的自适应权W；

S4：利用所述自适应权W，对步骤S1中得到的主天线接收信号和辅助天线接收信号进行旁瓣相消处理，得出自适应旁瓣相消结果。

本发明的有益效果为：传统自适应旁瓣相消方法只能完成对连续波干扰和高占空比干扰的相消，而本发明在传统的自适应旁瓣相消方法的基础上对间歇式干扰和欺骗性干扰同样具有很好的相消性能。另外，本发明还可以将自适应旁瓣相消方法拓展到雷达的脉冲多普勒工作模式上。

附图说明

图1为自适应旁瓣相消的原理示意图；

图2为传统自适应旁瓣相消方法的流程示意图；

图3为本发明的一种基于认知处理的自适应旁瓣相消方法的流程示意图；

图4为本发明中仿真实验的结构框图；

图5a为仿真实验中主辅天线接收信号S₁的数据仿真图；

图5b为仿真实验中剩余信号S₂的数据仿真图；

图5c为仿真实验中有效学习样本S₃的数据仿真图；

图6a为本发明中自适应旁瓣相消前后的天线方向的对比示意图；

图6b为图6a的局部放大示意图；

图7a为传统自适应旁瓣相消前后的天线方向的对比示意图；

图7b为图7a的局部放大示意图。

具体实施方式

下面结合附图对本发明作进一步说明：

首先结合图1对自适应旁瓣相消技术作出说明，在图1中，主天线接收信号的第n次采样信号为d(n)，辅助接收信号的第n次采样信号为X(n)，W为对应时刻的自适应权系数，y(n)为对应时刻自适应旁瓣相消系统的输出，

y(n)=d(n)-y_a(n)，y_a(n)=W^TX(n)，

其中，在主天线响应、辅助天线响应和综合系统响应中，θ_d为期望信号的波达方向，θ_I为干扰信号的波达方向。

传统自适应旁瓣相消方法只能完成对连续波干扰和高占空比干扰的相消，而本发明在传统的自适应旁瓣相消方法的基础上对间歇式干扰和欺骗性干扰同样具有很好的相消性能。

参照图3，为本发明的一种基于认知处理的自适应旁瓣相消方法的流程图。该基于认知处理的自适应旁瓣相消方法包括以下步骤：

S1：在一个脉冲重复周期内采集主辅天线接收信号S₁。

利用雷达的主天线和辅助天线在一个脉冲重复周期接收信号，得到主辅天线接收信号；主辅天线接收信号指：主天线接收信号和辅助天线接收信号。为了方便说明问题，我们假定S₁为被脉冲雷达接收并经过脉冲压缩处理和相参处理之后的信号。通常情况下，S₁包含四个部分，其中，第一部分表示为仅含噪声的接收信号，第二部分表示为目标信号和噪声共存的接收信号，第三部分表示为干扰信号和噪声共存的接收信号，第四部分表示为干扰信号、目标信号和噪声共存的接收信号。

S2：对主辅天线接收信号进行感知分析，筛选有效学习样本。

在步骤S2中，筛选有效学习样本的目的就是把全部或部分“干扰信号和噪声共存的接收信号”从主辅天线接收信号S₁中挑选出来。下面对步骤S2进行具体说明：

分别计算主天线接收信号和辅助天线接收信号的幅度，进行第一次信号筛选，将第一设定辅助天线接收信号、与第一设定辅助天线接收信号处于同一时刻的主天线接收信号、第二设定辅助天线接收信号、以及与第二设定辅助天线接收信号处于同一时刻的主天线接收信号排除，得到剩余信号S₂；上述第一设定辅助天线接收信号为：幅度小于设定幅度的辅助天线接收信号；上述第二设定辅助天线接收信号为：幅度小于对应时刻主天线接收信号的辅助天线接收信号。在进行第一次信号筛选时，排除的信号包括所有“仅含噪声的接收信号”以及所有“目标信号和噪声共存的接收信号”。在进行第一次信号筛选时，可能会丢失部分“干扰信号和噪声共存的接收信号”。

在进行第一次信号筛选时，辅助天线接收信号中噪声的平均功率为σ²，则上述设定幅度为kσ，2＜k＜5。

然后进行第二次信号筛选，第二次信号筛选的具体过程如下：

在上述剩余信号S₂中，分别计算主天线接收信号的幅度比和相位差，分别计算辅助天线接收信号的幅度比和相位差。

设定幅度比有效范围和相位差有效范围。需要说明的是：幅度比有效范围和相位差有效范围的大小是根据具体情况来确定的。当有效范围划分过大时，学习样本中可能含有目标信号，目标信号会被当作干扰信号受到抑制；当有效范围划分过小时，学习样本的快拍数较少，无法满足旁瓣相消系统的收敛要求，导致相消性能会变差甚至消失。

本发明实施例中，在设定幅度比有效范围时，将主天线接收信号的幅度比和辅助天线接收信号的幅度比的均值作为幅度比有效范围的中心；具体地说，上述幅度比有效范围为

其中，为上述剩余信号中主天线接收信号和辅助天线接收信号的幅度比的均值，0.01＜Δ₁＜0.05。

在设定相位差有效范围时，将主天线接收信号和辅助天线接收信号的相位差的均值作为相位差有效范围的中心；具体地说，上述相位差有效范围为

其中，

为剩余信号中主天线接收信号和辅助天线接收信号的相位差的均值，5°＜Δ₂＜10°。

然后将同时处于幅度比有效范围和相位差有效范围之内的主天线接收信号、以及同时处于幅度比有效范围和相位差有效范围之内的辅助天线接收信号作为有效学习样本S₃，完成第二次信号筛选。在第二次筛选信号的过程中，有效学习样本S₃为：同时处于幅度比有效范围和相位差有效范围之内的“干扰信号和噪声共存的接收信号”。

S3：自适应权的求解：由有效学习样本S₃，利用直接矩阵求逆（DMI）算法进行自适应权值计算，得到自适应权W。具体说明如下：

结合图1，对于所述有效学习样本，主天线接收信号中第n次采样信号表示为d(n)，辅助天线接收信号中第n次采样信号表示为X(n)，

X(n)=[x₁(n),...,x_M(n)]^T

其中，n取1至N，N为所述有效学习样本对应的采样次数；M为辅助天线个数，x_i(n)表示第i个辅助天线接收信号中的第n次采样信号，i取1至M。T表示矩阵的转置。自适应权W表示为W=[w₁,w₂,...,w_M]^T，通常采用输出均方误差最小的准则来确定最优权系数W_opt，表示如下：

$W_{\mathrm{opt}}=\underset{W}{\arg \min }\mathrm{\ξ}\left(W\right)=\underset{W}{\arg \min }E\left[{|d\left(n\right)-W^{T}X\left(n\right)|}^2\right]$

其中，E(·)为求数学期望，其代价函数为：

ξ(W)=E|d(n)|²+W^HRW-2Re(W^TP)

其中，H为矩阵的共轭转置。Re(·)表示取实部。辅助天线接收信号的相关矩阵R和互相关向量P的定义如下：

R=E[X(n)^*X(n)T]

P=E[d(n)^*X(n)]

由ξ(W)对W求梯度，并令其等于零，可得：

$\frac{\∂\mathrm{\ξ}\left(W\right)}{\∂W}=2\mathrm{RW}-{2P}^{*}=0$

则最优权系数可由下式求得：

W_opt=R^-1P^*

实际工程应用中，相关矩阵R和互相关向量的理论值未知，可通过一些观测数据样本来估计得到：

$\hat{R}=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{X}^{*}\left(n\right)X^T\left(n\right)$

$\hat{P}=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{d}^{*}\left(n\right)X\left(n\right)$

其中，N为估计用的学习样本数目。

由W_opt=R^-1P^*可得：

$W={\hat{R}}^{-1}{\hat{P}}^{*}$

其中，*表示矩阵的共轭。

S4：自适应旁瓣相消（SLC）的实现：对主辅天线接收信号S₁应用自适应权W，由此自适应旁瓣相消得以实现。具体说明如下：

利用所述自适应权W，对步骤S1中得到的主天线接收信号和辅助天线接收信号进行旁瓣相消处理，得出自适应旁瓣相消结果，结合图1，y(n)为对应时刻自适应旁瓣相消系统的输出，

y(n)=d(n)-y_a(n)，y_a(n)=W^TX(n)，

其中，在主天线响应、辅助天线响应和综合系统响应中，θ_d为期望信号的波达方向，θ_I为干扰信号的波达方向。

另外，在得出自适应旁瓣相消结果之后，需要对自适应旁瓣相消性能进行评估。本发明实施例中，评估自适应旁瓣相消性能的指标通常采用相消比CR：

本发明的效果可以通过以下仿真实验进一步验证：

实验条件：参照图4，为本发明中仿真实验的结构框图。在该实验中，采用50阵元的均匀线阵作为主天线，阵元间距为半波长，在主天线上放置2阵元作为辅助天线：第1辅助天线和第2辅助天线，两阵元相距1m，且与主天线中心等间距，目标信号和干扰信号均为一远场窄带信号，目标对准主天线的法线方向，干扰信号与天线法线方向成20°夹角，主天线输出的干噪比和信噪比均为20dB。

实验结果：

按照本实验条件产生一个PRI内的主辅天线接收信号S₁，样本数为400，

参照图5a，为仿真实验中主辅天线接收信号S₁的数据仿真图。其中0-10号样本表示干扰信号和噪声共存的接收信号、以及目标信号和噪声共存的接收信号，11-80号样本表示目标信号和噪声共存的接收信号，81-390号样本表示目标信号和噪声共存的接收信号，391-400号样本表示仅含噪声的接收信号，且390-400号样本为休止期内的数据。

利用主天线接收信号的幅度信息以及辅助天线接收信号的幅度信息，完成对S₁的第一次筛选，排除掉“仅含噪声”和“目标信号和噪声共存”的接收信号，得到剩余信号S₂。参照图5b，为仿真实验中剩余信号S₂的数据仿真图。

根据第一次筛选后主天线接收信号的幅度比和相位差、以及第一次筛选后辅助天线接收信号的幅度比和相位差，确定幅度比有效范围和相位差有效范围，并对S₂进行第二次筛选，排除掉“干扰信号、目标信号和噪声共存”的接收信号，选取有效范围以内的“干扰信号和噪声共存”接收信号，即有效学习样本S₃。参照图5c，为仿真实验中有效学习样本S₃的数据仿真图。

然后采用两种方法进行自适应旁瓣相消：1）应用直接矩阵求逆（DMI）算法进行自适应权值计算，得到自适应权W，然后进行自适应旁瓣相消处理；2）使用传统自适应旁瓣相消方法。参照图6a，为本发明中自适应旁瓣相消前后的天线方向的对比示意图；参照图6b，为图6a的局部放大示意图。参照图7a，为传统自适应旁瓣相消前后的天线方向的对比示意图；参照图7b，为图7a的局部放大示意图。从图7a和图7b中可以看出，与主天线的方向图相比相消后的方向图在干扰信号方向产生很深的零陷，经计算可得此时的相消比约为19.87dB。而通过对图6a和图6b的分析可以看出，采用传统自适应旁瓣相消方法时，对应的相消比约为10.31dB。由此看出，与传统自适应旁瓣相消方法，本发明的自适应旁瓣相消方法提高了相消比。

综上所述，由于本发明提出的方法在有效学习样本筛选的过程中，充分利用接收信号的幅度和相位信息，对整个PRI内的主辅天线接收信号进行感知分析，而传统自适应旁瓣相消方法没有有效学习样本的筛选，所以本发明方法具有更好的干扰抑制能力，同时减少了对雷达工作模式的限制。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (4)

1.一种基于认知处理的自适应旁瓣相消方法，其特征在于，包括以下步骤：

S1：利用雷达的主天线和辅助天线在一个脉冲重复周期接收回波信号，得到主天线接收信号和辅助天线接收信号；

S2：分别计算主天线接收信号和辅助天线接收信号的幅度，进行第一次信号筛选，将第一设定辅助天线接收信号、与第一设定辅助天线接收信号处于同一时刻的主天线接收信号、第二设定辅助天线接收信号、以及与第二设定辅助天线接收信号处于同一时刻的主天线接收信号排除，得到剩余信号；所述第一设定辅助天线接收信号为：幅度小于设定幅度的辅助天线接收信号；所述第二设定辅助天线接收信号为：幅度小于对应时刻主天线接收信号的辅助天线接收信号；

在所述剩余信号中，分别计算主天线接收信号的幅度比和相位差，分别计算辅助天线接收信号的幅度比和相位差；设定幅度比有效范围和相位差有效范围；将同时处于幅度比有效范围和相位差有效范围之内的主天线接收信号、以及同时处于幅度比有效范围和相位差有效范围之内的辅助天线接收信号作为有效学习样本，完成第二次信号筛选，得到有效学习样本；

S3：针对所述有效学习样本，利用直接矩阵求逆算法进行自适应权值计算，得到对应的自适应权W；

S4：利用所述自适应权W，对步骤S1中得到的主天线接收信号和辅助天线接收信号进行旁瓣相消处理，得出自适应旁瓣相消结果。

2.如权利要求1所述的一种基于认知处理的自适应旁瓣相消方法，其特征在于，在步骤S2中，所述辅助天线接收信号中噪声的平均功率为σ²，所述设定幅度为kσ，2＜k＜5。

3.如权利要求1所述的一种基于认知处理的自适应旁瓣相消方法，其特征在于，在步骤S2中，所述幅度比有效范围为

所述相位差有效范围为

其中，

为剩余信号中主天线接收信号和辅助天线接收信号的幅度比的均值，

为剩余信号中主天线接收信号和辅助天线接收信号的相位差的均值，0.01＜D₁＜0.05，5o＜D₂＜10°。

4.如权利要求1所述的一种基于认知处理的自适应旁瓣相消方法，其特征在于，在步骤S3中，对于所述有效学习样本，主天线接收信号中第n次采样信号表示为d(n)，辅助天线接收信号中第n次采样信号表示为X(n)，

X(n)=[x₁(n),...,x_M(n)]^T

其中，n取1至N，N为所述有效学习样本的数目；M为辅助天线个数，x_i(n)表示第i个辅助天线接收信号中的第n次采样信号，i取1至M；T表示矩阵的转置；则根据下式计算自适应权W：

$W={\hat{R}}^{-1}{\hat{P}}^{*}$

其中，

$\hat{R}=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{X}^{*}\left(n\right)X^T\left(n\right)$

$\hat{P}=\frac{1}{N}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{d}^{*}\left(n\right)X\left(n\right)$

其中，*表示矩阵的共轭。

Images