CN105572631A - 基于多波位联合处理的最大似然目标doa估计方法 - Google Patents

Abstract

本发明公开了一种基于多波位联合处理的最大似然目标DOA估计方法，包括以下步骤：(1)获取M个波位的雷达回波数据，并分别进行脉冲多普勒处理，得到M个波位的目标所在多普勒通道的数据；(2)分别估计M个波位的协方差矩阵；(3)将第个波位的主波束对应的角度范围均匀划分为K-1份，得到K个目标方位角；计算第i个目标方位角θ_i的空域导向矢量S(θ_i)；(4)计算第m个波位关于第i个目标方位角的权矢量W_i ^m；将所有M个波位关于第i个目标方位角的权矢量进行组合，得到第i个目标方位角的权矢量矩阵W_i，W_i＝diag{W_i ¹，…，W_i ^m，…，W_i ^M}；(5)计算第i个目标方位角的滤波输出功率；比较所有K个目标方位角的滤波输出功率，将其中最大的滤波输出功率值所对应的目标方位角作为最终的目标方位角。

Description

基于多波位联合处理的最大似然目标DOA估计方法

技术领域

本发明属于雷达技术领域，具体说是一种基于多波位联合处理的最大似然目标DOA估计方法，用于解决机载雷达在低信噪比、低阵元数下DOA估计精度较差的问题，并提高目标的DOA估计精度。

背景技术

机载雷达的核心任务就是在复杂的背景环境中发现目标并进行跟踪，因此对目标信号到达方向的估计十分重要。波达方向(DirectionOfArrival，DOA)估计技术的关键在于利用空间不同位置的天线阵列，接收来自不同方向的多个信号源发出的信号，运用现代信号处理技术估计出信号源的方向。最早的波达方向估计算法是基于傅里叶变换的线性谱估计的方法，但该方法由于受到瑞利限的限制，因而无法获得超高分辨的波达方向估计性能，且抗噪声能力差。

1967年，Burg提出了最大谱估计方法，主要包括最大熵法、AR模型参量法、MA模型参量法、ARMA模型参量法和正弦组合模型法等，这些方法都具有高分辨率的优点，但是这些方法的运算量大，且鲁棒性较差。Capon提出的高精度的最大似然算法理论上可以达到克拉美-罗界，但该方法的运算量过大，在系统自由度较大时不利于实现。1979年Schmidt提出了多重信号分类法(MUSIC算法)，该方法需要进行特征值分解运算，可以得到较高精度的参数估计，但是计算量太大。1985年Roy和Kailath提出了旋转不变技术的参数估计算法(ESPRIT算法)，但该算法忽略了信号的时间特性。

对于机载雷达，其接收数据包含了目标、杂波、干扰以及噪声，因此为了精确估计目标的波达方向，需要抑制杂波和干扰，即将目标波达方向的估计与空时自适应处理(space-timeadaptiveprocessing，STAP)相结合，这使得信号处理过程变得十分复杂。而大多数DOA估计算法都是在单波位背景下实现的，DOA估计精度受到阵列孔径和信噪比的影响，在低信噪比、低阵元数下DOA估计精度较差。

发明内容

针对上述现有技术的不足，本发明的目的在于提出一种基于多波位联合处理的最大似然目标DOA估计方法，该方法采用多波位联合处理来提高目标的DOA估计精度，能够在改善目标的DOA估计精度的同时，降低运算量。

为了实现上述技术目的，本发明采用如下技术方案予以实现。

一种基于多波位联合处理的最大似然目标DOA估计方法，其特征在于，包括以下步骤：

步骤1，获取M个波位的雷达回波数据，所述M个波位依次相邻；对M个波位的雷达回波数据分别进行脉冲多普勒处理，得到M个波位的目标所在多普勒通道的数据；

步骤2，根据M个波位的目标所在多普勒通道的数据，分别估计M个波位的协方差矩阵R¹，...，R^m，...，R^M；

步骤3，第个波位的主波束对应的角度范围为[θ₁，θ_K]，将第个波位的主波束对应的角度范围均匀划分为K-1份，得到K个目标方位角θ₁，...，θ_i，...，θ_K；计算第i个目标方位角θ_i的空域导向矢量S(θ_i)；其中，i＝1，2，...，K，表示向上取整；

步骤4，根据第m个波位的协方差矩阵R^m，以及第i个目标方位角θ_i的空域导向矢量S(θ_i)，计算第m个波位关于第i个目标方位角θ_i的权矢量进而得到所有M个波位关于第i个目标方位角θ_i的权矢量将所有M个波位关于第i个目标方位角θ_i的权矢量进行组合，得到第i个目标方位角θ_i的权矢量矩阵W_i，其中，i＝1，2，...，K，diag{·}表示对角矩阵；

步骤5，根据第i个目标方位角θ_i的权矢量矩阵W_i，计算第i个目标方位角θ_i的滤波输出功率y_i，i＝1，2，...，K；比较所有K个目标方位角的滤波输出功率，将其中最大的滤波输出功率值所对应的目标方位角作为最终的目标方位角θ′。

本发明与现有技术相比所具有的优点：本发明在阵元数有限的情况下，联合相邻多波位的雷达回波信息进行目标能量累积，抑制了杂波和干扰，并改善了信噪比，从而提高了目标的DOA估计精度，同时减少了运算量。

附图说明

图1是本发明的流程图；

图2、图3、图4分别是噪声背景下，单波位、双波位以及三波位情况下目标方位角的均方根误差(RMSE)随波达方向(DOA)、信噪比(SNR)和阵元数N的变化曲线图；

图5、图6、图7分别是干扰背景下，单波位、双波位以及三波位情况下目标方位角的均方根误差(RMSE)随波达方向(DOA)、信噪比(SNR)和阵元数N的变化曲线图。

具体实施方式：

参照图1，本发明的基于多波位联合处理的最大似然目标DOA估计方法，具体实现步骤如下：

步骤1，获取M个波位的雷达回波数据，所述M个波位依次相邻；对M个波位的雷达回波数据分别进行脉冲多普勒处理，得到M个波位的目标所在多普勒通道的数据。

步骤2，根据M个波位的目标所在多普勒通道的数据，分别估计M个波位的协方差矩阵R¹，...，R^m，...，R^M。

步骤2中，第m个波位的协方差矩阵R^m为：

$R^m=\frac{1}{L}\underset{l=1,l\≠l_0}{\overset{L}{\Σ}}{z}_l^m{\left(z_l^m\right)}^H$

其中，为M个波位的目标所在多普勒通道的数据中，第m个波位的目标所在多普勒通道在第l个距离门的数据，的维数为N×1，N为阵元数，m＝1，2，...，M，M为波位的个数，l＝1，2，...，L，L为距离单元个数，l₀为目标所在的距离门，上标H表示共轭转置。

步骤3，第个波位的主波束对应的角度范围为[θ₁，θ_K]，将第个波位的主波束对应的角度范围均匀划分为K-1份，得到K个目标方位角θ₁，...，θ₁，...，θ_K；计算第i个目标方位角θ_i的空域导向矢量S(θ_i)；其中，i＝1，2，...，K，表示向上取整。

所述第i个目标方位角θ_i的空域导向矢量S(θ_i)，其表达式为：

$S\left({\mathrm{\θ}}_i\right)={\left[\begin{array}{cccc}1& e^{j2\mathrm{\π}\frac{d}{\mathrm{\λ}}{\mathrm{cos\θ}}_i}& ...& e^{j2\mathrm{\π}\frac{d}{\mathrm{\λ}}(N-1){\mathrm{cos\θ}}_i}\end{array}\right]}^T$

其中，d为阵元间距，λ为波长，N为阵元数，上标T表示转置。

步骤4，根据第m个波位的协方差矩阵R^m，以及第i个目标方位角θ_i的空域导向矢量S(θ_i)，计算第m个波位关于第i个目标方位角θ_i的权矢量进而得到所有M个波位关于第i个目标方位角θ_i的权矢量将所有M个波位关于第i个目标方位角θ_i的权矢量进行组合，得到第i个目标方位角θ_i的权矢量矩阵W_i，其中，i＝1，2，...，K，diag{·}表示对角矩阵。

所述第m个波位关于第i个目标方位角θ_i的权矢量为：

$W_i^m=\frac{{\left(R^m\right)}^{-1}S\left({\mathrm{\θ}}_i\right)}{{\[S^H\left({\mathrm{\θ}}_i\right){\left(R^m\right)}^{-1}S\left({\mathrm{\θ}}_i\right)\]}^{1/2}}$

其中，上标H表示共轭转置。

步骤5，根据第i个目标方位角θ_i的权矢量矩阵W_i，计算第i个目标方位角θ_i的滤波输出功率y_i，i＝1，2，...，K；比较所有K个目标方位角的滤波输出功率，将其中最大的滤波输出功率值所对应的目标方位角作为最终的目标方位角θ′。

所述第i个目标方位角θ_i的滤波输出功率y_i，其表达式为：

y_i＝||W_i ^HZ_l||²

其中，Z_l为所有M个波位的目标所在多普勒通道在第l个距离门的数据矢量，为第m个波位的目标所在多普勒通道在第l个距离门的数据，上标H表示共轭转置，||·||表示求二范数。

本发明的效果可通多以下仿真实验作进一步说明：

1)仿真条件：

天线阵元按照半波长等间距线性排列，阵元数N＝8，噪声背景下单波位的信噪比SNR＝10dB，干扰背景下单波位的信噪比SNR＝15dB，目标角度θ＝0.9°，相邻波位间隔Δθ＝5.3°；设定波位数M＝3，三个波位的波束中心分别为-Δθ，0，Δθ，波位交叠点双程损失为1dB。

2)仿真内容及结果分析：

1、在噪声背景下，分别比较单波位、双波位以及三波位情况下目标方位角的均方根误差(RMSE)随波达方向(DOA)、信噪比(SNR)和阵元数N的变化曲线图，分别如图2、图3和图4所示。

从图2、图3和图4中可以看出，在低信噪比(SNR)、低阵元数情况下，多波位联合处理可以明显改进测角精度，SNR越高，阵元数N越大，目标的DOA估计精度的改进效果越不明显；从图2、图3和图4中还可以看出，三波位联合处理比双波位联合处理在目标的DOA估计精度的改进效果更为明显。

2、在干扰背景下，分别比较单波位、双波位以及三波位情况下目标方位角的均方根误差(RMSE)随波达方向(DOA)、信噪比(SNR)和阵元数N的变化曲线图，分别如图5，图6和图7所示。

从图5，图6和图7中可以看出，在干扰背景下，目标偏离主波束较远或者SNR较低时，目标的DOA估计精度下降；从图5，图6和图7中还可以看出，多波位联合处理在低SNR、低阵元数情况下能有效地改进目标的DOA估计精度。

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 (5)

1.一种基于多波位联合处理的最大似然目标DOA估计方法，其特征在于，包括以下步骤：

步骤1，获取M个波位的雷达回波数据，所述M个波位依次相邻；对M个波位的雷达回波数据分别进行脉冲多普勒处理，得到M个波位的目标所在多普勒通道的数据；

步骤2，根据M个波位的目标所在多普勒通道的数据，分别估计M个波位的协方差矩阵R¹,...,R^m,...,R^M；

步骤3，第个波位的主波束对应的角度范围为[θ₁，θ_K]，将第个波位的主波束对应的角度范围均匀划分为K-1份，得到K个目标方位角θ₁,...,θ_i,...,θ_K；计算第i个目标方位角θ_i的空域导向矢量S(θ_i)；其中，i＝1,2,...,K，表示向上取整；

步骤4，根据第m个波位的协方差矩阵R^m，以及第i个目标方位角θ_i的空域导向矢量S(θ_i)，计算第m个波位关于第i个目标方位角θ_i的权矢量W_i ^m，进而得到所有M个波位关于第i个目标方位角θ_i的权矢量W_i ¹,...,W_i ^m,...,W_i ^M；将所有M个波位关于第i个目标方位角θ_i的权矢量进行组合，得到第i个目标方位角θ_i的权矢量矩阵W_i，W_i＝diag{W_i ¹,...,W_i ^m,...,W_i ^M}；其中，i＝1,2,...,K，diag{i}表示对角矩阵；

步骤5，根据第i个目标方位角θ_i的权矢量矩阵W_i，计算第i个目标方位角θ_i的滤波输出功率y_i，i＝1,2,...,K；比较所有K个目标方位角的滤波输出功率，将其中最大的滤波输出功率值所对应的目标方位角作为最终的目标方位角θ′。

2.如权利要求1所述的基于多波位联合处理的最大似然目标DOA估计方法，其特征在于，步骤2中，第m个波位的协方差矩阵R^m为：

$R^m=\frac{1}{L}\underset{l=1,l\≠l_0}{\overset{L}{\Σ}}{z}_l^m{\left(z_l^m\right)}^H$

其中，为M个波位的目标所在多普勒通道的数据中，第m个波位的目标所在多普勒通道在第l个距离门的数据，的维数为N×1，N为阵元数，m＝1,2,...,M，M为波位的个数，l＝1,2,...,L，L为距离单元个数，l₀为目标所在的距离门，上标H表示共轭转置。

3.如权利要求1所述的基于多波位联合处理的最大似然目标DOA估计方法，其特征在于，步骤3中，所述第i个目标方位角θ_i的空域导向矢量S(θ_i)，其表达式为：

$S\left({\mathrm{\θ}}_i\right)={\left[\begin{array}{cccc}1& e^{j2\mathrm{\π}\frac{d}{\mathrm{\λ}}{\mathrm{cos\θ}}_i}& ...& e^{j2\mathrm{\π}\frac{d}{\mathrm{\λ}}\left(N-1\right){\mathrm{cos\θ}}_i}\end{array}\right]}^T$

其中，d为阵元间距，λ为波长，N为阵元数，上标T表示转置。

4.如权利要求1所述的基于多波位联合处理的最大似然目标DOA估计方法，其特征在于，步骤4中，所述第m个波位关于第i个目标方位角θ_i的权矢量W_i ^m为：

${W_i}^m=\frac{{\left(R^m\right)}^{-1}S\left({\mathrm{\θ}}_i\right)}{{\[S^H\left({\mathrm{\θ}}_i\right){\left(R^m\right)}^{-1}S\left({\mathrm{\θ}}_i\right)\]}^{1/2}}$

其中，m＝1,2,...,M，M为波位的个数，上标H表示共轭转置。

5.如权利要求1所述的基于多波位联合处理的最大似然目标DOA估计方法，其特征在于，步骤5中，所述第i个目标方位角θ_i的滤波输出功率y_i，其表达式为：

$y_i=\left|\right|{W_i}^H{Z}_l|{|}^2$

其中，Z_l为所有M个波位的目标所在多普勒通道在第l个距离门的数据矢量， 为第m个波位的目标所在多普勒通道在第l个距离门的数据，m＝1,2,...,M，M为波位的个数，上标H表示共轭转置，||i||表示求二范数。