CN104777466A - 基于降维恒模盲均衡的无源双基地雷达信号处理方法 - Google Patents

Abstract

本发明公开了一种基于降维恒模盲均衡的无源双基地雷达信号处理方法，包括步骤：S101：采用降维后的恒模盲均衡方法从无源双基地雷达的参考通道接收的信号中恢复直达波信号；S102：根据无源双基地雷达的监测通道接收的信号，采用最小均方误差算法对所述直达波信号进行多径自适应滤波处理；S103：通过估计经多径自适应滤波处理后得到的信号与所述直达波信号距离多普勒时延互相关检测目标。本发明使用权向量的能量和的百分比作为门限，省去过小的权向量系数，可以有效地减少参与迭代的权向量数目，从而降低算法的计算量。

Description

基于降维恒模盲均衡的无源双基地雷达信号处理方法

技术领域

本发明涉及雷达信号处理技术领域，尤其涉及一种基于降维恒模盲均衡的无源双基地雷达信号处理方法。

背景技术

直达波恢复是无源双基地雷达的关键技术。但是，在严重的多径等环境下，直达波恢复困难。现有技术中有的采用数字波束形成技术，该技术对副瓣到达的多径具有一定的抑制效果，但是对于主瓣进入的多径信号无法进行抑制。现有技术也有采用恒模盲均衡算法抑制多径，恢复直达波，但是由于严重的多径造成恒模算法的权向量过长，计算量加大，不利于系统实现。

发明内容

本发明所要解决的技术问题在于，提供一种基于降维恒模盲均衡的无源双基地雷达信号处理方法，该方法使用权向量的能量和的百分比作为门限，省去过小的权向量系数，可以有效地减少参与迭代的权向量数目，从而降低算法的计算量。

为了解决上述技术问题，本发明提供了一种适用于恒模盲均衡算法的权向量降维方法，包括步骤：

S101：采用降维后的恒模盲均衡方法从无源双基地雷达的参考通道接收的信号中恢复直达波信号；

S102：根据无源双基地雷达的监测通道接收的信号，采用最小均方误差算法对所述直达波信号进行多径自适应滤波处理；

S103：通过估计经多径自适应滤波处理后得到的信号与所述直达波信号距离多普勒时延互相关检测目标。

进一步的，所述S101具体包括：

S1011：计算无源双基地雷达的参考通道接收的信号x_R(k)，

其中， $x_R\left(k\right)=C_2\⊗a\left(k\right)+n_2\left(k\right),$ 式中，表示卷积运算，为参考通道的多径杂波响应，L_ξ为多径杂波数量，a(k)为发射站的发射信号，n₂(k)为参考通道的噪声；

S1012：根据所述无源双基地雷达的参考通道接收的信号x_R(k)采用恒模盲均衡迭代公式进行N_x次迭代，

其中，恒模盲均衡迭代公式为f(k+1)＝f(k)+μ·X_R ^*(k)e(k)，式中，μ为步长因子，f(k)为恒模盲均衡器的权向量，具体的 $f={\left[\begin{array}{cccc}{f}_0& f_1& ...& f_{N_f-1}\end{array}\right]}^T,$ X_R(k)为递归向量，X_R(k)＝[x_R(k) x_R(k-1)…x_R(k-N_f+1)]^T，[·]^*为共轭运算，e(k)＝p(k)[ρ-p²(k)]为盲均衡算法误差项，E{·}表示求取数学期望；

S1013：计算所述恒模盲均衡器的权向量的系数的能量和β，

其中， $\mathrm{\β}=\underset{i=1}{\overset{N_f}{\mathrm{\Σ}}}{\left|f_i\right|}^2;$

S1014：取σ＝2％β，若|f_i|>σ，则若则舍弃，并将剩余的权系数构成新的降维权向量并参照所述降维权向量对应的系数时延对递归向量X_R(k)对应取值获得新的降维递归向量

S1015：根据所述降维权向量和降维递归向量所述采用恒模盲均衡迭代公式完成所有数据的迭代，从而恢复直达波信号p(k)，

其中， $p\left(k\right)={\hat{f}}^T\left(k\right){\hat{X}}_R\left(k\right),{\hat{f}}^{^}(k+1)=f\left(k\right)+\mathrm{\μ}\·{{\hat{X}}_R}^{*}\left(k\right)e\left(k\right).$

进一步的，所述S102具体包括：

S1021：计算无源双基地雷达的监测通道接收的信号x_S(k)，

其中， $x_S\left(k\right)=C_1\⊗a\left(k\right)+n_1\left(k\right),$ 式中， $C_1={[{\mathrm{\λ}}_0{,\mathrm{\λ}}_1,...,{\mathrm{\λ}}_{L_{\mathrm{\λ}}-1}]}^T$ 为监测通道的多径杂波响应，L_λ为多径杂波数量，n₁(k)为监测通道的噪声，x_T(k)为目标信号，τ_m为双基地时延，f_dm为双基地多普勒，M为目标数量，a(k)是发射站发射的信号；

S1022：根据所述无源双基地雷达的监测通道接收的信号x_S(k)和所述直达波信号p(k)采用最小均方误差算法对所述直达波信号进行多径自适应滤波处理，多径自适应滤波处理后得到的信号为y(k)，

其中，y(k)＝x_S(k)-P^H(k)F(k)，式中，F(k+1)＝F(k)+μP(k)y(k)F(k)为N_f×1滤波器系数，具体的 $F={\left[\begin{array}{cccccc}{F}_0& F_1& ...& F_i& ...& F_{N_f-1}\end{array}\right]}^T,$ μ为步长因子，P(k)＝[p(k) …p(k-i) …p(k-N_f+1)]^T为N_f×1滤波器向量输入。

进一步的，所述S103具体包括：

通过估计经多径自适应滤波处理后得到的信号y(k)与所述直达波信号p(k)距离多普勒时延互相关检测目标，互相关函数为

式中κ为离散时延，l为离散多普勒频率，Q为互相关长度。

实施本发明，具有如下有益效果：本发明使用权向量的能量和的百分比作为门限，省去过小的权向量系数，可以有效地减少参与迭代的权向量数目，从而降低算法的计算量。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的基于降维恒模盲均衡的无源双基地雷达信号处理方法的一个实施例的步骤流程示意图；

图2是本发明提供的基于降维恒模盲均衡的无源双基地雷达信号处理方法的一个实施例的信号处理流程图；

图3是恒模盲均衡算法收敛后的权向量；

图4是图2中降维恒模盲均衡算法的权向量；

图5是恒模盲均衡算法恢复的直达波信号模值；

图6是采用图2中降维恒模盲均衡算法恢复的直达波恢复信号；

图7是采用恒模盲均衡算法的雷达信号处理算法的目标检测平面；

图8是采用图2的本发明处理的目标检测平面。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1是本发明提供的基于降维恒模盲均衡的无源双基地雷达信号处理方法的一个实施例的步骤流程示意图，图2是本发明提供的基于降维恒模盲均衡的无源双基地雷达信号处理方法的一个实施例的信号处理流程图，如图1和图2所示，本发明包括步骤：

S101：采用降维后的恒模盲均衡方法从无源双基地雷达的参考通道接收的信号中恢复直达波信号。

具体的，步骤S101具体包括：

S1011：计算无源双基地雷达的参考通道接收的信号x_R(k)，

其中， $x_R\left(k\right)=C_2\⊗a\left(k\right)+n_2\left(k\right),$ 式中，表示卷积运算，为参考通道的多径杂波响应，L_ξ为多径杂波数量，a(k)为发射站的发射信号，n₂(k)为参考通道的噪声；

S1012：根据所述无源双基地雷达的参考通道接收的信号x_R(k)采用恒模盲均衡迭代公式进行N_x次迭代，

其中，恒模盲均衡迭代公式为f(k+1)＝f(k)+μ·X_R ^*(k)e(k)，式中，μ为步长因子，f(k)为恒模盲均衡器的权向量，具体的 $f={\left[\begin{array}{cccc}{f}_0& f_1& ...& f_{N_f-1}\end{array}\right]}^T,$ X_R(k)为递归向量，X_R(k)＝[x_R(k) x_R(k-1)…x_R(k-N_f+1)]^T，[·]^*为共轭运算，e(k)＝p(k)[ρ-p²(k)]为盲均衡算法误差项，E{·}表示求取数学期望；

S1013：计算所述恒模盲均衡器的权向量的系数的能量和β，

其中， $\mathrm{\β}=\underset{i=1}{\overset{N_f}{\mathrm{\Σ}}}{\left|f_i\right|}^2;$

S1014：取σ＝2％β，若|f_i|>σ，则若则舍弃，并将剩余的权系数构成新的降维权向量并参照所述降维权向量对应的系数时延对递归向量X_R(k)对应取值获得新的降维递归向量

S1015：根据所述降维权向量和降维递归向量所述采用恒模盲均衡迭代公式完成所有数据的迭代，从而恢复直达波信号p(k)，

其中， $p\left(k\right)={\hat{f}}^T\left(k\right){\hat{X}}_R\left(k\right),{\hat{f}}^{^}(k+1)=f\left(k\right)+\mathrm{\μ}\·{{\hat{X}}_R}^{*}\left(k\right)e\left(k\right).$

S102：根据无源双基地雷达的监测通道接收的信号，采用最小均方误差算法对所述直达波信号进行多径自适应滤波处理。

具体的，步骤S102具体包括：

S1021：计算无源双基地雷达的监测通道接收的信号x_S(k)，

其中， $x_S\left(k\right)=C_1\⊗a\left(k\right)+n_1\left(k\right),$ 式中， $C_1={[{\mathrm{\λ}}_0{,\mathrm{\λ}}_1,...,{\mathrm{\λ}}_{L_{\mathrm{\λ}}-1}]}^T$ 为监测通道的多径杂波响应，L_λ为多径杂波数量，n₁(k)为监测通道的噪声，x_T(k)为目标信号，τ_m为双基地时延，f_dm为双基地多普勒，M为目标数量，a(k)是发射站发射的信号；

S1022：根据所述无源双基地雷达的监测通道接收的信号x_S(k)和所述直达波信号p(k)采用最小均方误差算法对所述直达波信号进行多径自适应滤波处理，多径自适应滤波处理后得到的信号为y(k)，

其中，y(k)＝x_S(k)-P^H(k)F(k)，式中，F(k+1)＝F(k)+μP(k)y(k)F(k)为N_f×1滤波器系数，具体的 $F={\left[\begin{array}{cccccc}{F}_0& F_1& ...& F_i& ...& F_{N_f-1}\end{array}\right]}^T,$ μ为步长因子，P(k)＝[p(k) …p(k-i) …p(k-N_f+1)]^T为N_f×1滤波器向量输入。

S103：通过估计经多径自适应滤波处理后得到的信号与所述直达波信号距离多普勒时延互相关检测目标。

具体的，步骤S103具体包括：

通过估计经多径自适应滤波处理后得到的信号y(k)与所述直达波信号p(k)距离多普勒时延互相关检测目标，互相关函数为

式中κ为离散时延，l为离散多普勒频率，Q为互相关长度。

现有技术中通常采用基于没有降维的恒模盲均衡的雷达信号处理方法。为了验证本发明的性能，采用基于调频广播的无源双基地雷达为例进行算法性能说明，无源双基地系统选用基于调频广播的照射源，系统带宽设为100kHz,采样率为200kHz。信号积分时间2s。权向量长度均衡器设置为64。假定2个目标分别具有(50点,-150Hz),(150点，-100Hz)的双基地时延与多普勒参数。信杂比(SCNR)设为-50dB,信噪比为0dB脉压前)。从发射到参考通道的杂波信道如下

λ₀＝1、λ₇＝0.4e^j0.4、λ₁₃＝0.2e^j1.4

从发射到监测通道的杂波信道如下

恒模均衡器的权向量设置为中心抽头初始化。正常迭代次数取N_x为100000点，之后进行降维处理。设置最小均方误差算法权向量长度为40，设置迭代步长为0.001。图3给出了原恒模盲均衡算法收敛后的权向量。图4给出了降维恒模盲均衡算法的权向量。可以看出，实现降维方法后，算法从64维降维到12维，计算量降低了5倍。图5给出了原恒模盲均衡算法恢复的直达波信号模值。图6给出了采用降维恒模盲均衡算法给出的直达波恢复信号。由图可见，降维恒模盲均衡方法的模值波动稍有增加。图7给出了原恒模盲均衡算法的目标检测平面。图8给出了降维恒模盲均衡算法的目标检测平面。可见，降维恒模盲均衡算法的性能并未出现明显下降。

实施本发明，具有如下有益效果：本发明使用权向量的能量和的百分比作为门限，省去过小的权向量系数，可以有效地减少参与迭代的权向量数目，从而降低算法的计算量。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (4)

1.一种基于降维恒模盲均衡的无源双基地雷达信号处理方法，其特征在于，包括步骤：

S101：采用降维后的恒模盲均衡方法从无源双基地雷达的参考通道接收的信号中恢复直达波信号；

S102：根据无源双基地雷达的监测通道接收的信号，采用最小均方误差算法对所述直达波信号进行多径自适应滤波处理；

S103：通过估计经多径自适应滤波处理后得到的信号与所述直达波信号距离多普勒时延互相关检测目标。

2.如权利要求1所述的基于降维恒模盲均衡的无源双基地雷达信号处理方法，其特征在于，所述S101具体包括：

S1011：计算无源双基地雷达的参考通道接收的信号x_R(k)，

其中，式中，表示卷积运算，为参考通道的多径杂波响应，L_ξ为多径杂波数量，a(k)为发射站的发射信号，n₂(k)为参考通道的噪声；

S1012：根据所述无源双基地雷达的参考通道接收的信号x_R(k)采用恒模盲均衡迭代公式进行N_x次迭代，

其中，恒模盲均衡迭代公式为f(k+1)＝f(k)+μ·X_R ^*(k)e(k)，式中，μ为步长因子，f(k)为恒模盲均衡器的权向量，具体的X_R(k)为递归向量，X_R(k)＝[x_R(k) x_R(k-1) … x_R(k-N_f+1)]^T，[·]^*为共轭运算，e(k)＝p(k)[ρ-p²(k)]为盲均衡算法误差项，E{·}表示求取数学期望；

S1013：计算所述恒模盲均衡器的权向量的系数的能量和β，

其中，

S1014：取σ＝2％β，若|f_i|>σ，则若则舍弃，并将剩余的权系数构成新的降维权向量并参照所述降维权向量对应的系数时延对递归向量X_R(k)对应取值获得新的降维递归向量

S1015：根据所述降维权向量和降维递归向量所述采用恒模盲均衡迭代公式完成所有数据的迭代，从而恢复直达波信号p(k)，

其中，

3.如权利要求1或2所述的基于降维恒模盲均衡的无源双基地雷达信号处理方法，其特征在于，所述S102具体包括：

S1021：计算无源双基地雷达的监测通道接收的信号x_S(k)，

其中，式中，为监测通道的多径杂波响应，L_λ为多径杂波数量，n₁(k)为监测通道的噪声，x_T(k)为目标信号， τ_m为双基地时延，f_dm为双基地多普勒，M为目标数量；

S1022：根据所述无源双基地雷达的监测通道接收的信号x_S(k)和所述直达波信号p(k)采用最小均方误差算法对所述直达波信号进行多径自适应滤波处理，多径自适应滤波处理后得到的信号为y(k)，

其中，y(k)＝x_S(k)-P^H(k)F(k)，式中，F(k+1)＝F(k)+μP(k)y(k)F(k)为N_f×1滤波器系数，具体的μ为步长因子，P(k)＝[p(k) … p(k-i) … p(k-N_f+1)]^T为N_f×1滤波器向量输入。

4.如权利要求3所述的基于降维恒模盲均衡的无源双基地雷达信号处理方法，其特征在于，所述S103具体包括：

通过估计经多径自适应滤波处理后得到的信号y(k)与所述直达波信号p(k)距离多普勒时延互相关检测目标，互相关函数为

式中κ为离散时延，l为离散多普勒频率，Q为互相关长度。