发明内容
本发明提出一种OFDM单脉冲雷达自适应发射波束形成方法,该方法主要包括两个部分。一、对点目标的向后散射系数进行估计。二、利用估计的向后散射系数对OFDM单脉冲雷达的子载波系数进行优化,达到和理想模糊函数最大程度地接近同时根据散射系数的不同重新进行发射信号的能量分布。在下面的陈述中首先对OFDM单脉冲雷达信号的模糊函数进行改进;其次根据点目标对频率的反射系数的敏感性对向后散射系数进行估计;然后用理想模糊函数对OFDM单脉冲雷达的子载波加权系数进行优化;最后用MATLAB对固定参数的OFDM单脉冲雷达和自适应参数的OFDM单脉冲雷达进行仿真,验证本发明的可行性和正确性。
1、含有反射系数的OFDM单脉冲雷达模糊函数
我们选择发射频率为fc,那么OFDM单脉冲雷达发射的信号可以用下面的式子表示:
其中fn=fc+nΔf,表示第n个子载波的频率。N是子载波数量,信号的总带宽是B,脉冲宽度是T,wn是子载波的加权系数,并满足也是说我们在使用窗函数时要对窗函数进行归一化处理。相邻子载波频率间隔Δf=B/L=1/T。
根据宽带模糊函数的定义,假设在远处有一个点目标,它到雷达的距离是r且该点目标相对于雷达的运动速度是为了建模简单我们假设接收到的信号中没有噪声的干扰,那么接收到的信号我们可以下面的式子表示:
根据宽带模糊函数的定义知道γ表示反射信号在时间上的压缩或者扩展因子,满足γ=1+β。其中表示多普勒扩展因子,到达方向的单位向量,τ=2r/c表示信号在雷达和目标传播的时延,c是光速,表示和做内积运算。对上述式子进行化简我们可以的到接收到的信号可以表示为:
对上面的式子进行化简可以得到下列式子:
那么接收到信号的复包络可以表示为:
考虑到目标不同散射中心对不同频率信号的散射特性,我们假设目标对不同频率信号的散射系数为x,x是一个向量x=[x0,x1,…xN-1]T,这时我们把散射系数加到接收到的信号中对y1(t)进行改写,实际的接收信号我们用y2(t)表示:
去掉载波频率,其对应的复包络为:
根据模糊函数定义,将所得公式(3)和公式(7)代入可得:
其中积分下线满足Tmin=max(0,τ),积分上线满足Tmax=min(TP,TP/γ+τ)。
和前面的分析思路一样,我们将改进后的宽度模糊函数分成两部分,一部分是n1=n2时的自模糊函数,另一部分n1≠n2的互模糊函数。和前面一样我们主要讨论自模糊函数部分。对自模糊函数χIAuto进行积分可以得到下列式子:
其中Td=Tmax-Tmin,Tm=(Tmax+Tmin)/2。
改进后的模糊和单脉冲模糊函数相比明显的区别是加入了散射系数矩阵x和时间因子γ。这可以说明改进后的模糊函数不仅考虑了目标运动时给回波来到的时间尺度变换同时还考虑了目标在OFDM单脉冲雷达信号不同子载波的不同散射效应。从物理意义上说改进后的模糊函数可以保证在存在不同的散射情况下匹配滤波器依然能够保证最佳匹配输出,改进后的模糊函数考虑到环境的因素明显更优于传统的模糊函数。含有反射系数的OFDM单脉冲雷达模糊函数是本发明的理论基础。
2、自适应雷达波形优化原理
1990年自适应信号处理理论的奠基人之一Simon Haykin教授在国际雷达会议上首次提出了“Radar Vision”的概念,这一概念是针对传统雷达的以下三点不足提出的:(1)雷达工作环境的时空信息未得到充分关注;(2)环境的数学模型知识或先验信息未得到充分利用;(3)缺少从接收机到发射机的物理反馈回路,从而无法将雷达设计成一个可以根据感知到的周围环境变化自适应调整自身状态以提高整体性能的智能遥感系统。在“RadarVision”的基础上,Simon Haykin教授于2003年在相控阵系统与技术国际研讨会上进一步提出了“认知雷达”(Cognitive Radar)的概念。根据对蝙幅回声定位机理的认识,认知雷达被定义为能够感知环境,并利用所感知的信息以及其他先验知识对发射机和接收机进行联合自适应设计,以实现对特定目标进行有效、可靠且稳健遥测的雷达系统。这种雷达思想不仅要实时改变接收处理系统,同时还要根据环境变化实时进行自适应波形设计(AdaptiveWaveform Design),并发射相应的波形根据自适应雷达工作原理我们可得到本发明OFDM单脉冲雷达自适应发射波束形成流程图如图1所示,其实现过程如下所示:
首先OFDM单脉冲雷达发射波形,发射的波形在传播中遇到目标将一部分波形反射回来。然后OFDM单脉冲雷达接收目标反射的波形,接收机根据接收的波形估计出目标的反射系数。根据估计的反射系数可以获得含有反射系数的OFDM单脉冲雷达模糊函数,再与希望的模糊函数进行运算获得优化的子载波加权系数。最后OFDM单脉冲优化的子载波加权系数对发射波形进行调整。这样的过程一直循环,如目标位置改变时,OFDM单脉冲雷达自适应发射波束都用优化的子载波加权系数调整波形系数,并将优化的参数作为下一次波形参数。
2.1散射系数估计
对应图1中的103。从现有的光学研究成果中可知道目标在高频电磁波的散射响应可由用一组相互独立的散射中心对应的散射响应的和来近似代替。一个目标从现有的光学研究成果中可知道目标在高频电磁波的散射响应可由用一组相互独立的散射中心对应的散射响应的和来近似代替。一个目标的散射中心构成能反应目标的物理结构,这就是雷达能够对目标进行识别的主要依据。目标的姿态角决定了散射中心的强度,姿态角在一定的变化范围内可认为散射中心类型不变。目标的向后散射系数主要反应目标对电磁波反射的一种能力,该参数是合成孔径雷达成像的重要物理参数,这是本发明改进算法中需要正确估计的参数。
自适应OFDM单脉冲雷达波形优化的重点是对目标散射系数进行估计,将OFDM单脉冲雷达发射信号的频率fn=fc+nΔf代入公式(5.4)可以得到不同频率子载波的散射系数方程:
在带宽较小的情况下nΔf/f0≈0,那么利用幂级数展开式对上式进行改写成下式:
xl(fn)=Alexp[αlln(1+nΔf/f0)] (11)
≈Alexp[αlnΔf/f0]
向后散射系数估计值得准确值决定了本文优化方法的好坏,为了对向后散射系数做出准确的估计。这里对目标散射系数进行简化,假定目标是点目标那么l=1。这用用贝叶斯估计法对后向散射系数进行估计。该方法利用Beta分布作为先验知识分布模型。标准Beta分布:
其中参数η可以利用固定频率下的观察样本z=[z1,z2,…zN]的均值uz和方差σz 2求出。其具体表达式如下:
定义估计损失函数本文使用的损失函数为最小均方差型,那么对应的损失函数表达式为:
上式中x是实际向后散射系数,是向后散射的估计值,由于我们定义的损失函数是最小均方差型也就是估计结果满足实际散射系数和估计值两者均方差最小。估计值满足:
为了求估计值先要求出x的后验分布P(x|z)。用Gamma分布求出x的条件分布。样本观测值z=[z1,z2,…zN],那么x的条件分布可以记为:
其中Γ是Gamma函数,U是单位阶跃函数,Nprodes是实验次数。
最后利用贝叶斯公式可以写出估计值的表达式为:
这种方法可以估计固定频率下点目标的向后散射系数。要获得点目标对OFDM单脉冲雷达信号的向后散射系数,只需用上述方法对不同的子载波频率的实验数据进行估计。这样我们可以获得点目标对OFDM单脉冲雷达的向后散射系数
2.2目标函数优化求解
对应图1的106。对自适应OFDM单脉冲雷达信号的优化的目的就是要使得OFDM单脉冲雷达的模糊函数和匹配滤波器输出的理想模糊函数最大程度上接近。如何使得实际模糊函数和理想的模糊函数最大程度的接近这一直是个难题,近几年也有很多学者对此进行了研究。Wilcox和Sussman用最小二乘法对两者进行最大程度的接近。这种方法虽然能让模糊函数和理想模糊函数最大程度的接近,但是计算范围太大涉及了整个区间,同时在特定的场景不需要对所有延时和频率进行运算来获得模糊函数。这个小节中首先对模糊函数的区间进行限定,它应该是包含原点的某个选定的区间定义为要求在这个特定的区间内改进的模糊函数和理想模糊函数的误差最小即可。根据前面模糊函数对应的分析,理想的模糊函数满足下列条件:
其中D(τ,fd)表示主瓣所属区间,ε是旁瓣高度满足0≤ε<1且其值越小越好。
用最小均方误差对模糊函数子载波加权系数进行优化:
OFDM单脉冲雷达信号具有正交性满足下列式子:
我们知道所有信号都可以用正交基函数序列{φi(t)}表示,那么OFDM单脉冲雷达信号可以写成:
其中ai表示信号和基函数的内积,可写为ai=(u,φi(t))。基函数φi(t)=exp(j2πiΔft),其内积方程满足(φi(t),φj(t))=∫φi(t)φj *(t)=δij。
那么改进后OFDM单脉冲雷达信号的自相关模糊函数可以写为:
记为引入基函数。它具有正交性,其内积方程满足:
将公式(20)展开,那么模糊函数和OFDM单脉冲雷达信号自相关模糊函数的最小均方误差可写作:
理想模糊函数和引入基函数的内积(F,Kij)记为B,那么(Kij,F)为B*。那么理想模糊函数和OFDM单脉冲雷达信号模糊函数的最小均方误差可表示为:
ε=||F||2+(a*a)2-a*(B+B*)a (26)
ε最小只需(a*a)2-a*(B+B*)a最小即可。求(a*a)2-a*(B+B*)a的极小值,由于a和a*是相互独立的,我们可以根据极值的定义对(a*a)2-a*(B+B*)a进行求导。根据极值的条件,极值处的导数满足条件:
(2a*a)a-(B+B*)a=0 (27)
由于约束条件:
a*a=E (28)
其中E是信号的能量。
将约束条件代入极值方程,那么极值问题转化为特征值问题:
(B+B*)a=2Ea (29)
从上式可以看出2E是矩阵(B+B*)的特征值,a对应的特征向量。由于信号能量是E已知的,我们可以根据方程(28)求解的最优解a。
最后得到理想模糊函数和OFDM单脉冲雷达自模糊函数的最小均方误差为:
ε=||F||-E2 (30)
根据最优解a和目标向后散射系数的估计值的关系:
可以获得子载波加权系数wn的最优解wn opt,这个值和目标的反射系数有关,在实时系统中通过反射波估计目标的散射系数,并通过公式获得最优解wn opt,然后雷达的发射机根据最优解对子载波系数进行调整保证匹配滤波器的输出最优。其收敛速度和选定的区间理想模糊函数的具体形式以及OFDM单脉冲雷达信号选取的子载波个数N有关。很明显当选定的区间很大时最优解的求解运算量会很大,对于一个实时性很强的系统这显然是不合适的;但是如果区间很小又会影响最优解的正确性,一般情况下选定区间设定为:其中TP是脉冲宽度,Tr是脉冲重复间隔。同样的道理,若OFDM单脉冲雷达信号的载波个数N选择得很到有利于估计值的正确性,但是却会耗费大量的时间。