CN104035074B - 基于空间谱估计算法的雷达与诱饵信号识别方法 - Google Patents

Abstract

本发明属于空间谱估计领域，具体涉及一种基于空间谱估计算法的雷达与诱饵信号识别方法。本发明包括：得到窄主瓣的雷达方向图以及宽主瓣的诱饵方向图；在方位角范围内，使雷达方向图取副瓣部分，诱饵方向图取主瓣部分；估计出信号的波达方向并得到谱峰值；提取每次MUSIC算法得到的信号的谱峰值进行对比，根据谱峰值的波动程度对信号进行识别。根据雷达的主副瓣特性，利用方向图主副瓣对信号的影响以及信号在空间谱估计中的谱峰变化，能够在多个同时到达信号中识别出雷达信号，不仅得到了各个信号的波达方向，而且起到了信号识别的作用。

Description

基于空间谱估计算法的雷达与诱饵信号识别方法

技术领域

本发明属于空间谱估计领域，具体涉及一种基于空间谱估计算法的雷达与诱饵信号识别方法。

背景技术

近年来，空间谱估计得到了快速的发展，已成为阵列信号处理学科发展的主要方面。空间谱估计的主要目的是估计信号的空域参数或信源位置，这也是雷达、通信、声呐等许多领域的重要任务之一。理论上，该技术可以大大改善在系统处理带宽内的空间信号的角度估计精度、角度分辨力及其他相关参数精度，因而在雷达、通信、声呐等众多领域有极为广阔的应用前景。

本发明主要为基于空间谱估计算法的雷达与诱饵信号识别方法。诱饵是模仿雷达副瓣特性保护雷达的，可以利用雷达的主副瓣特性识别出雷达与诱饵。诱饵的辐射信号与雷达所辐射的信号一致，但功率要低得多，且雷达的主瓣相对较窄。基于这样的电磁环境，本发明提出了基于空间谱估计算法的雷达与诱饵信号识别方法，即作主瓣较窄的方向图表示雷达的主副瓣特性，取其副瓣部分作为雷达信号的增益，作诱饵信号的方向图作为诱饵信号的增益，然后利用多次空间谱估计算法提取谱峰值，不仅能估计出雷达与诱饵信号的波达方向，同时能从多个同时到达信号中识别出雷达信号。

本发明应用于雷达与诱饵信号识别，可以从多个同时到达信号中准确识别出雷达信号。

发明内容

本发明的目的在于提供一种实时性更强、精度更高的的基于空间谱估计算法的雷达与诱饵信号识别方法。

本发明的目的是这样实现的：

(1)采用均匀线阵，根据接收信号的指向对方向图进行加权，得到窄主瓣的雷达方向图以及宽主瓣的诱饵方向图，阵列的方向图为F(θ)＝W^Ha(θ)；

(2)在方位角范围内，使雷达方向图取副瓣部分，诱饵方向图取主瓣部分，采样100次，并将每个方向图的值作为信号的乘性增益作用在信号上；

(3)将处理后的信号利用MUSIC算法进行100次谱估计，估计出信号的波达方向并得到谱峰值；

(4)提取每次MUSIC算法得到的信号的谱峰值进行对比，根据谱峰值的波动程度对信号进行识别。

本发明的有益效果在于：根据雷达的主副瓣特性，利用方向图主副瓣对信号的影响以及信号在空间谱估计中的谱峰变化，能够在多个同时到达信号中识别出雷达信号，不仅得到了各个信号的波达方向，而且起到了信号识别的作用。

附图说明

图1是本发明的原理框图；

图2是信号1的方向图；

图3是信号2的方向图；

图4是信号3的方向图；

图5是MUSIC估计图；

图6是各信号的谱峰对比图。

具体实施方式

下面结合附图对本发明做进一步描述。

本发明的目的在于基于空间谱估计算法实现雷达与诱饵信号识别，不仅能估计出雷达与诱饵信号的波达方向，同时能从多个同时到达信号中识别出雷达信号。即根据方向图主副瓣对信号的影响，利用信号的来波方向分别对方向图进行加权并将方向图作为各信号的乘性增益，然后用MUSIC算法进行谱峰搜索并估计信号的波达方向。根据雷达的主副瓣特性，其主瓣相对较窄，所以它的谱峰值和它的信号增益一样变化剧烈。反之，诱饵信号的主瓣相对较宽，功率要低得多，其谱峰值则变化相对缓慢。由此根据各个信号的谱峰值的变化情况不同，从而达到了识别信号的目的。本发明具有估计信号波达方向和信号识别的能力。它是这样实现的：利用信号指向加权分别形成主瓣较窄的雷达方向图和主瓣较宽的诱饵方向图。在同一方位角范围内，使雷达方向图取副瓣部分，诱饵方向图取主瓣部分，采样100次，将每个方向函数的值作为信号的乘性增益作用在信号上，做100次MUSIC算法进行谱峰搜索并估计信号的波达方向，提取每次MUSIC算法得到的各信号的谱峰值进行对比，根据各信号的谱峰变化程度不同达到信号识别的目的。

首先利用信号的来波方向分别对方向图进行加权并将方向图作为各信号的乘性增益，然后利用空间谱估计算法进行谱峰搜索，并通过多次采样的谱峰对比进行信号识别。根据雷达的主副瓣特性，其主瓣相对较窄，即利用雷达信号指向作主瓣较窄的雷达方向图。诱饵信号模仿雷达的副瓣，其主瓣相对较宽，即利用诱饵信号指向作主瓣较宽的诱饵方向图。在同一方位角范围内，使雷达方向图取副瓣部分，诱饵方向图取主瓣部分，采样100次，将每个方向图的值作为信号的乘性增益作用在信号上，做100次MUSIC算法进行谱峰搜索并估计信号的波达方向，提取每次MUSIC算法得到的各信号的谱峰值进行对比。由于各个信号的增益不同，其中雷达的主瓣相对较窄，故雷达信号的谱峰值和它的信号增益一样波动很大。反之，诱饵信号的谱峰值则波动相对较小。由此根据各个信号的谱峰值的波动情况不同，从而达到了识别信号的目的。

本发明是利用方向图主副瓣对信号的影响，将方向图的值作为信号的乘性增益，通过空间谱估计，进而对信号进行识别。

基于本发明的实现方法为：根据主副瓣对信号的影响，用各信号的方向图作为信号的乘性增益，采用均匀线阵对信号进行100次DOA估计，提取每次估计得到的各信号的谱峰值进行对比。由于各信号增益不同，对谱峰产生了影响，由此通过谱峰值的波动情况可识别出信号。

本发明的特点主要为：

1、本发明利用了方向图主副瓣对信号的影响。

方向图表征了波束形成后，天线对各个方向来的信号的增益。本发明根据各信号的来波方向分别对方向图进行加权，并根据雷达和诱饵的主副瓣特性，形成主瓣较窄的雷达方向图以及主瓣较宽的诱饵方向图，则阵列的方向图可以表示为

F(θ)＝W^Ha(θ)

式中，a(θ)为θ方向的导向矢量，W＝[w₁,w₂,…,w_M]^T为权矢量，(·)^H表示矩阵的共轭转置，(·)^T表示矩阵的转置。

然后将方向图作为相对应信号的乘性增益作用在各个信号上。

2、本发明整体主要采用MUSIC算法，对信号进行DOA估计。

有N个远场窄带信号入射到M元阵列上，则阵列输出的信号矢量形式为

X(t)＝AS(t)+N(t)

式中，X(t)为M×1维快拍数据矢量，A为M×N维流型矩阵，S(t)为N×1维的入射信号矢量，N(t)为M×1维的噪声矢量。

阵列接收数据的协方差矩阵为

R＝E[XX^H]

＝AE[SS^H]A^H+σ²I

＝AR_SA^H+σ²I

其中R_S是信号的协方差矩阵，AR_SA^H是信号部分。

对R进行特征分解有

$R=U_S{S}_S{U}_S^H+U_N{S}_N{U}_N^H$

式中，U_S是由大特征值对应的特征矢量张成的子空间也即信号子空间，而U_N是由小特征值对应的特征矢量张成的子空间也即噪声子空间。

理想条件下信号子空间与噪声子空间相互正交，即信号子空间中的导向矢量也与噪声子空间正交

a^H(θ)U_N＝0

所以，MUSIC算法的空间谱函数可以构造为

$P_{\mathrm{MUSIC}}=\frac{1}{a^H\left(\mathrm{\θ}\right){\stackrel{\mathrm{\Λ}}{U}}_N\stackrel{\mathrm{\Λ}}{U_N^H}a\left(\mathrm{\θ}\right)}$

由空间谱函数公式进行谱峰搜索。

将上述1处理后的信号多次利用MUSIC算法进行谱峰搜索。提取每次MUSIC算法得到的各信号的谱峰值进行对比，根据不同信号的谱峰值的波动程度可以从多个同时到达信号中识别出雷达信号。

下面结合附图和实例对本发明做更详细地描述：假设有3个信号，指向分别为10°、0°、-10°，其中信号1和信号2的主瓣相对较宽，信号3的主瓣相对较窄。以均匀线阵，方向图取方位角3°-5°之间的部分，采样100次为例。

结合图1，本发明根据雷达的主副瓣特性，利用信号指向加权分别形成主瓣较窄的雷达方向图和主瓣较宽的诱饵方向图。再将方向函数作为乘性增益作用于各个信号上。采用MUSIC算法对处理后的信号进行谱峰搜索和DOA估计，提取每次MUSIC算法得到的各信号的谱峰值进行对比，并通过多次采样的谱峰对比结果可以进行信号识别。

图2，给出了信号1的方向图，其主瓣相对较宽，在方位角3°-5°的范围内其方向图对应于主瓣部分，变化比较缓慢，由此作为信号增益的信号1也随之变化缓慢。

图3，给出了信号2的方向图，其主瓣相对较宽，在方位角3°-5°的范围内其方向图对应于主瓣部分，变化相对缓慢，由此作为信号增益的信号2也随之变化缓慢。

图4，给出了信号3的方向图，其主瓣相对较窄，在方位角3°-5°的范围内其方向图对应于副瓣部分，变化剧烈，由此作为信号增益的信号3也随之剧烈的变化。

图5是MUSIC算法估计图，利用MUSIC算法准确地估计了各信号的波达方向。

图6为各信号的谱峰对比图。以采样100次为例，每一次采样对应一个方向图的值作为信号的乘性增益，提取各信号的谱峰值，由图可以看出，信号3的谱峰值的波动非常大，明显区别于信号1和信号2，从而达到了信号识别的目的。

Claims (1)

1.基于空间谱估计算法的雷达与诱饵信号识别方法，其特征在于：

(1)采用均匀线阵，根据接收信号的指向对方向图进行加权，得到窄主瓣的雷达方向图以及宽主瓣的诱饵方向图，阵列的方向图为F(θ)＝W^Ha(θ)，

a(θ)为θ方向的导向矢量，W＝[w₁,w₂,…,w_M]^T为权矢量，(·)^H表示矩阵的共轭转置，(·)^T表示矩阵的转置；

(2)在方位角范围内，使雷达方向图取副瓣部分，诱饵方向图取主瓣部分，采样100次，并将每个方向图的值作为信号的乘性增益作用在信号上；

(3)将处理后的信号利用MUSIC算法进行100次谱估计，估计出信号的波达方向并得到谱峰值；N个远场窄带信号入射到M元阵列上，则阵列输出的信号矢量形式为

X(t)＝AS(t)+N(t)

式中，X(t)为M×1维快拍数据矢量，A为M×N维流型矩阵，S(t)为N×1维的入射信号矢量，N(t)为M×1维的噪声矢量：

阵列接收数据的协方差矩阵为

R＝E[XX^H]

＝AE[SS^H]A^H+σ²I

＝AR_SA^H+σ²I

其中R_S是信号的协方差矩阵，AR_SA^H是信号部分；

对R进行特征分解有

$R=U_S{S}_S{U}_S^H+U_N{S}_N{U}_N^H$

式中，U_S是由大特征值对应的特征矢量张成的子空间也即信号子空间，而U_N是由小特征值对应的特征矢量张成的子空间也即噪声子空间；

信号子空间与噪声子空间相互正交，即信号子空间中的导向矢量也与噪声子空间正交：

a^H(θ)U_N＝0

MUSIC算法的空间谱函数构造为：

$P_{MUSIC}=\frac{1}{a^H\left(\mathrm{\θ}\right){\stackrel{\mathrm{\Λ}}{U}}_N\stackrel{\mathrm{\Λ}}{U_N^H}a\left(\mathrm{\θ}\right)}$

由空间谱函数公式进行谱峰搜索；

(4)提取每次MUSIC算法得到的信号的谱峰值进行对比，根据谱峰值的波动程度对信号进行识别。