CN105223560B - 基于杂波俯仰方位谱稀疏恢复的机载雷达目标检测方法 - Google Patents

Abstract

本发明公开了一种基于杂波俯仰方位谱稀疏恢复的机载雷达目标检测方法，利用雷达俯仰、方位和速度等飞行配置参数以及杂波空时关系等先验信息，构造基于杂波俯仰方位信息的空时导向矢量矩阵；在此基础上，利用典型稀疏恢复算法估计原始杂波AE谱，并根据不同距离单元杂波俯仰角的差异，构造俯仰角滤波器消除距离模糊杂波，同时减少伪值，得到准确杂波AE谱；最后，根据杂波AE谱与杂波CCM之间的关系精确估计CCM，设计机载雷达的自适应滤波器，实现动目标检测与定位。本发明使得构造的空时导向矢量矩阵可以在一定程度上克服基失配的影响，使得构造的空时导向矢量矩阵与实际杂波更加匹配，估计的杂波协方差矩阵更加准确。

Description

基于杂波俯仰方位谱稀疏恢复的机载雷达目标检测方法

技术领域

本发明涉及低空动目标检测技术领域，具体涉及一种基于杂波俯仰方位谱稀疏恢复的机载雷达目标检测方法。

背景技术

空时自适应处理(STAP：Space-Time Adaptive Processing)是机载雷达抑制杂波、检测低空/地面慢速动目标的关键技术，其杂波抑制性能由杂波特性估计的准确性决定。在机载非正侧雷达系统中，由于地杂波空时分布具有距离依赖性，同时实际杂波环境具有一定的非均匀性，不同距离单元的训练样本不满足独立同分布条件(IID：Independentand Identically Distributed)，因此，传统统计类STAP方法无法获得足够的IID训练样本，难以准确估计杂波特性，杂波抑制和目标检测性能下降。

稀疏恢复(SR：Sparse Recovery)利用信号的稀疏性进行欠定方程的求解，可以获得比传统参数估计方法更高的参数估计精度，是信号处理领域的一个新的研究热点。由于机载雷达天线具有方向性，杂波在空时二维上的分布是稀疏的，文献[1]以此提出了空时谱估计-滤波器结构的稀疏恢复空时自适应处理方法(SR-STAP：Sparse Recovery basedSTAP technique)。SR-STAP方法在少量样本(甚至单个样本)的情况下，首先利用SR算法(如FOCUSS算法、贪婪算法和凸优化算法等)估计杂波空时谱；然后，通过杂波协方差矩阵(CCM：Clutter Covariance Matrix)和杂波空时谱之间的关系计算CCM；最后，根据CCM构造空时自适应滤波器抑制杂波，检测目标。

SR-STAP方法只需少量训练样本即可实现高分辨杂波空时谱和杂波协方差矩阵的估计，可以较好地减少杂波非均匀性的影响，是一种具有较大潜力的杂波抑制方法，因此吸引了国内外学者们的广泛研究。

但是，尽管学者们提出了不同的改进方法，现有SR-STAP方法存在的基失配和伪值较多等问题仍需进一步研究解决。此外，当机载非正侧雷达的回波存在距离模糊时，近程杂波和远程模糊杂波相互叠加，现有SR-STAP方法并不能发挥其在杂波空时谱高分辨估计上的优势，设计的空时滤波器无法在待测距离单元形成深的凹口，无法对距离模糊杂波进行有效抑制，慢速目标检测能力下降。

发明内容

为了克服现有机载相控阵雷达SR-STAP方法的不足，本发明提供了一种基于杂波俯仰方位谱稀疏恢复的机载雷达目标检测方法。

为实现上述目的，本发明采取的技术方案为：

一种基于杂波俯仰方位谱稀疏恢复的机载雷达目标检测方法，包括如下步骤：

S1、根据雷达配置信息确定俯仰角和方位角范围，并离散为高分辨俯仰和方位分辨单元，根据杂波空时分布与俯仰方位角之间的关系，构造杂波空时导向矢量矩阵；

S11、设俯仰角范围为[0，π/2]，方位角范围为[θ_min，θ_max]，其中θ_min和θ_max分别为由雷达发射和接收波束确定的最小和最大方位角；将俯仰角范围和方位角范围分别离散为和N_θ个分辨单元得：

其中，m＝1，２，…，N_θ，

S12、构造空时导向矢量矩阵为：

其中，为对应第m个方位角单元和第n个俯仰角单元的空时导向矢量，表示为：

其中，表示Kronecker积，和分别为对应第m个方位角单元和第n个俯仰角单元的时域导向矢量和空域导向矢量：

和分别为对应第m个方位角单元和第n个俯仰角单元杂波块的多普勒频率和空间频率，表示为：

其中，f_prf为脉冲重复频率，λ为雷达波长，d为阵元间隔，v₀是载机速度，θ_p为天线与雷达飞行方向的央角。

S2、构建稀疏恢复模型，利用典型的SR算法估计原始杂波AE谱；

S21、建立的稀疏恢复模型为：

其中，α_l定义为第l个训练单元的杂波AE谱；

S22、根据稀疏恢复理论，通过以下公式计算α_l：

其中，||·||₀代表向量的0-范数，||·||₂代表矩阵的2-范数，ε为由噪声决定的常数。

上式可以由典型的稀疏恢复算法进行求解，如凸优化算法、FOCUSS算法和贪婪算法等。

S3、利用俯仰滤波器消除距离模糊杂波和稀疏恢复过程中产生的伪值，得到高分辨准确杂波AE谱；

S31、利用L个训练单元的平均杂波AE谱近似待测单元的杂波AE谱，即：

S32、设R₀为待测单元的距离，对应的俯仰角为其中H为载机高度，则待测单元的俯仰滤波器可以表示为的矢量F₀，其中，F₀的第个元素为：

其中，是由第l个训练单元的俯仰角和俯仰角误差决定的范围，表示为：

其中，γ为设置的适当常数；

因此，待测单元的准确杂波AE谱为：

其中，表示Hadamard积。

S4、利用所得的杂波AE谱与CCM之间的数学关系，计算CCM，设计机载非正侧雷达的自适应处理器，进行目标检测；

待测单元的CCM可以表示为：

其中，为的第(m-1)N_θ+n个元素，σ²为噪声功率，I为NK×NK的单位矩阵。

自适应滤波器的权值w₀和输出y可分别表示为：

y＝w^Hx₀；

其中，μ为归一化常数参量，为R₀的逆矩阵，为目标空时导向矢量，和表示目标的多普勒频率和空间频率。

本发明具有以下有益效果：

(1)本发明设计的俯仰滤波器可以有效滤除现有SR-STAP方法无法处理的距离模糊杂波和稀疏恢复过程中出现的伪值，从而使得估计的杂波协方差矩阵更加准确；

(2)雷达俯仰、方位、速度和高度等信息的利用，使得构造的空时导向矢量矩阵可以在一定程度上克服基失配的影响，使得构造的空时导向矢量矩阵与实际杂波更加匹配。

(3)本发明可以在利用少量训练单元(2至6个)的前提下，显著提高机载雷达的非均匀杂波抑制性能，从而增强低空/地面慢速目标的检测性能。

附图说明

图1为本发明实施例与现有方法的杂波抑制性能对比示意图。

图2本发明实施例与现有方法的目标检测性能对比示意图。

具体实施方式

为了使本发明的目的及优点更加清楚明白，以下结合实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供了一种基于杂波俯仰方位谱稀疏恢复的机载雷达目标检测方法，包括如下步骤：

S1、根据雷达配置信息确定俯仰角和方位角范围，并离散为高分辨俯仰和方位分辨单元，根据杂波空时分布与俯仰方位角之间的关系，构造杂波空时导向矢量矩阵；

S2、构建稀疏恢复模型，利用典型的SR算法估计原始杂波AE谱；

S3、利用俯仰滤波器消除距离模糊杂波和稀疏恢复过程中产生的伪值，得到高分辨准确杂波AE谱；

S4、利用所得的杂波AE谱与CCM之间的数学关系，计算CCM，设计机载非正侧雷达的自适应处理器，进行目标检测。

实施例

选取非正侧均匀线阵机载相控阵雷达进行实验，其中实验条件为：发射接收阵元数均为8；相干脉冲间隔内的脉冲数为8；阵元间隔0.115m；载机高度6km，载机速度140m/s，波长0.23m，脉冲重复频率2 000HZ，杂噪比60dB，雷达最大作用距离800km，雷达主波束方位角为90°，方位角范围为[π/3，2π/3]，俯仰角误差γ＝4，俯仰角离散程度方位角离散程度N_θ＝64，第147个距离单元包含一个归一化多普勒频率为0.3、空间频率0.1的目标。传统统计类方法的训练样本数为128，SR-STAP方法的空间频率和多普勒频率的离散化程度均为64，SR-STAP方法和本发明方法的训练样本数均为6。

从图1可以看出，本发明AESR-STAP方法可以有效消除距离模糊杂波，与统计类方法和文献[1]SR-STAP方法相比，具有更好的性能；从图2可以看出，统计类方法和文献[1]SR-STAP方法均未能检测出目标所在的距离单元，处在第147个距离单元的目标被其他距离单元杂波所淹没；而本发明方法可以有效检测出目标，使得目标所在距离单元的输出高出无目标距离单元最大的输出约13dB。

其中，文献[1]为Sun K，Zhang H，Li G，Meng H D，Wang X Q.A novel STAPalgorithm using sparse recovery technique.IEEE Geoscience and Remote SensingSymposium，2009，5，336-339。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (5)

1.一种基于杂波俯仰方位谱稀疏恢复的机载雷达目标检测方法，其特征在于，包括如下步骤：

S1、根据雷达配置信息确定俯仰角和方位角范围，并离散为高分辨俯仰和方位分辨单元，根据杂波空时分布与俯仰方位角之间的关系，构造杂波空时导向矢量矩阵；

S2、构建稀疏恢复模型，利用典型的SR算法估计原始杂波AE谱；

S3、利用俯仰滤波器消除距离模糊杂波和稀疏恢复过程中产生的伪值，得到高分辨准确杂波AE谱；

所述步骤S3的具体步骤为：

S31、利用L个训练单元的平均杂波AE谱近似待测单元的杂波AE谱，即：

<mrow> <msub> <mi>&amp;alpha;</mi> <mn>0</mn> </msub> <mo>=</mo> <mfrac> <mn>1</mn> <mi>L</mi> </mfrac> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>L</mi> </munderover> <msub> <mi>&amp;alpha;</mi> <mi>l</mi> </msub> <mo>;</mo> </mrow>

S32、设R₀为待测单元的距离，对应的俯仰角为其中H为载机高度，则待测单元的俯仰滤波器可以表示为的矢量F₀，其中，和N_θ分别为俯仰角范围和方位角范围离散得到的分辨单元的数量，F₀的第j，个元素为：

其中，是由第1个训练单元的俯仰角和俯仰角误差决定的范围，表示为：

其中，γ为设置的适当常数；

因此，待测单元的准确杂波AE谱为：

其中，⊙表示Hadamard积；

S4、利用所得的杂波AE谱与CCM之间的数学关系，计算CCM，设计机载雷达的自适应处理器，进行目标检测。

2.根据权利要求1所述的基于杂波俯仰方位谱稀疏恢复的机载雷达目标检测方法，其特征在于，所述步骤S1的具体步骤为：

S11、设俯仰角范围为[0，π/2]，方位角范围为[θ_min，θ_max]，其中θ_min和θ_max分别为由雷达发射和接收波束确定的最小和最大方位角；将俯仰角范围和方位角范围分别离散为和N_θ个分辨单元，得：

其中，m＝1，2，...，N_θ，

S12、构造空时导向矢量矩阵为：

其中，为对应第m个方位角单元和第n个俯仰角单元的空时导向矢量，表示为：

其中，表示Kronecker积，和分别为对应第m个方位角单元和第n个俯仰角单元的时域导向矢量和空域导向矢量：

和分别为对应第m个方位角单元和第n个俯仰角单元杂波块的多普勒频率和空间频率，表示为：

其中，f_prf为脉冲重复频率，λ为雷达波长，d为阵元间隔，v₀是载机速度，θ_p为天线与雷达飞行方向的夹角。

3.根据权利要求1所述的基于杂波俯仰方位谱稀疏恢复的机载雷达目标检测方法，其特征在于，所述步骤S2的具体步骤为：

S21、建立的稀疏恢复模型为：

其中，为空时导向矢量矩阵，α_l定义为第l个训练单元的杂波AE谱；

S22、根据稀疏恢复理论，通过以下公式计算α_l：

其中，||·||₀代表向量的0-范数，||·||₂代表矩阵的2-范数，ε为由噪声决定的常数。

4.根据权利要求1所述的基于杂波俯仰方位谱稀疏恢复的机载雷达目标检测方法，其特征在于，所述步骤S4中待测单元的CCM可以表示为：

其中，为的第(m-1)Nθ+n个元素，N_θ为方位角范围离散得到的分辨单元的数量，为待测单元的准确杂波AE谱，σ²为噪声功率，I为NK×NK的单位矩阵。

5.根据权利要求1所述的基于杂波俯仰方位谱稀疏恢复的机载雷达目标检测方法，其特征在于，所述步骤S4中自适应滤波器的权值w₀和输出y可分别表示为：

<mrow> <msub> <mi>w</mi> <mn>0</mn> </msub> <mo>=</mo> <msubsup> <mi>&amp;mu;R</mi> <mn>0</mn> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msubsup> <mi>S</mi> <mrow> <mo>(</mo> <msubsup> <mi>f</mi> <mrow> <mi>t</mi> <mi>a</mi> <mi>r</mi> </mrow> <mi>t</mi> </msubsup> <mo>,</mo> <msubsup> <mi>f</mi> <mrow> <mi>t</mi> <mi>a</mi> <mi>r</mi> </mrow> <mi>s</mi> </msubsup> <mo>)</mo> </mrow> <mo>;</mo> </mrow>

y＝w^Hx₀；

其中，μ为归一化常数参量，为R₀的逆矩阵，R₀为待测单元的距离，为目标空时导向矢量，和表示目标的多普勒频率和空间频率。