CN106507958B - 外辐射源雷达信号实时相干积累的方法 - Google Patents

Abstract

本发明公开了一种外辐射源雷达实时相干积累的方法，包括：将回波信号和参考信号分别按照所需慢时间采样间隔及快时间长度进行分时处理，构成二维的回波信号矩阵与参考信号矩阵；将两信号矩阵沿快时间进行傅里叶变换，变换至距离频域-慢时间域；再将其沿快时间方向进行匹配滤波，获得距离向压缩后的信号矩阵；将上述距离向压缩后的信号矩阵，沿慢时间方向做keystone变换，通过徙动校正提高积累增益；将信号矩阵的每一行进行逆傅里叶变换，将其变换回距离-慢时间域，获得徙动校正操作后的信号矩阵；及沿慢时间方向对其进行傅里叶变换，实现外辐射源雷达信号的实时相干积累。本发明较传统方法更易实现实时处理。

Description

外辐射源雷达信号实时相干积累的方法

技术领域

本发明涉及电子行业雷达信号处理技术领域，尤其涉及一种外辐射源雷达信号实时相干积累的方法。

背景技术

在雷达信号处理，尤其是外辐射源雷达信号处理中，对回波信号进行相干积累，即时延-频移二维互相关处理(互模糊函数，简称CAF)，具有至关重要的作用。相干积累是提高信噪比，增强有用信号，分离目标信号与直达波、杂波的主要处理方法。在外辐射源雷达中，由于发射源非合作的特点，通过二维相关处理可以获得重要的积累增益。此外需通过谱峰位置来估计目标回波延时、多普勒频率等信息。

现有技术中，在外辐射源雷达信号处理中，需要通过参考信号与回波信号二维相关处理检测目标。时延-频移二维相关处理方法主要从模糊函数定义出发：

其中u(t)为参考信号，v(t)为回波信号，τ为时延，f_d为多普勒频移，T_F为积分时间间隔。离散化形式为：

从定义出发，可以推导模糊函数计算方法(参见文献[1]：BassemR.Mahafza，Atef Z.Elsherbeni，MATLAB Simulations for Radar SystemsDesign，2009)。但是该模糊函数的计算方法通常需要计算数百万个点的模糊函数，具有计算量大，计算复杂，难以实时处理的特点。

现存多种模糊函数快速计算方法：主要为基于FFT的二维相关快速实现方法及其改进算法，如分级抽取FFT法和预加权分级抽取FFT法(参见文献[2]：高志文，陶然，单涛，“外辐射源雷达互模糊函数的两种快速算法”，电子学报，2009年3月，第三期)，基于多级滤波的预加权ZFFT(zoom fast Fourier Transform)方法(参考文献[3]：ZHUO Zhihai，SHANTao，TAO Ran，Fast Computation of Cross-Ambiguity Function，Journal ofBeijing Institute of Technology，2008，Vol.17，No.4)。上述模糊函数快速计算方法一定程度上降低了计算复杂度，但是实现过程复杂，会存在较大存储量问题(预加权分级抽取法)。对于外辐射源雷达，实时实现模糊函数的计算，仍有很大负担。

在外辐射源雷达信号处理中，为了达到高的积累增益，提高检测弱目标的能力，通常采用较长的积累时间，对于高径向速度目标，在积累时间内会产生严重的距离徙动现象，引起信噪比严重降低，降低了对目标的检测能力。目前，对于徙动校正方法，多在上述模糊函数计算方法的基础上，在时域或距离-多普勒域进行目标距离徙动校正(参考文献[4]：杨金禄单涛陶然，数字电视辐射源雷达的相参积累徙动补偿方法)，或修正模糊函数图以提高积累增益(参考文献[5]：Mateusz Malanowski，Krzysztof Kulpa，Karl Erik Olsen，Extending the integration time in DVB-T-based passive radar，Proceedings of the 8th European Radar Conference)，解决方法较为复杂，需要在计算大运算量的模糊函数的基础上，进行补偿处理。而本发明可在基于二位分时滤波的相干积累过程中，加入距离徙动校正，补偿徙动引起的信噪比损失。

因此，需要一种可实时实现的时延-频域二维相干积累的方法，同时通过校正徙动解决积累引起的信噪比损失问题，提高对微弱目标的检测能力。

发明内容

(一)要解决的技术问题

为解决上述的一个或多个问题，本发明提供了一种外辐射源雷达信号实时相干积累的方法，以解决积累引起的信噪比损失问题，提高对微弱目标的检测能力。

(二)技术方案

根据本发明的一个方面，提供了一种外辐射源雷达信号实时相干积累的方法，包括：将外辐射源雷达主天线接收的一维回波信号和参考天线接收的一维参考信号分别按照慢时间采样间隔及快时间长度进行分时处理，构成二维的回波信号矩阵与参考信号矩阵，该二维信号矩阵的行方向为快时间方向，列方向为慢时间方向；将上述回波信号矩阵与参考信号矩阵沿快时间进行傅里叶变换，将回波信号矩阵与参考信号矩阵变换至距离频域-慢时间域；将变换至距离频域-慢时间域的回波信号矩阵和参考信号矩阵沿快时间方向进行匹配滤波，获得距离向压缩后的信号矩阵；将上述距离向压缩后的信号矩阵，沿慢时间方向做keystone变换，获得徙动校正后的信号矩阵；将徙动校正后信号矩阵的每一行进行逆傅里叶变换，将其变换回距离-慢时间域，获得距离-慢时间域的徙动校正操作后的信号矩阵；及对徙动校正操作后的信号矩阵，沿慢时间方向进行傅里叶变换，实现外辐射源雷达信号的实时相干积累。

(三)有益效果

从上述技术方案可以看出，本发明为一种外辐射源雷达实时相干积累方法，具有以下有益效果：

(1)本发明采用分时处理方法，将一维信号转化为二维信号，对二维信号通过匹配滤波及多普勒滤波方法实现相干积累。由于在分时处理后进行滤波处理，每次匹配滤波或多普勒滤波均针对分时后的一小段信号进行，避免了传统模糊函数计算中对积累时间内整个信号进行复乘及FFT运算，从而降低了相干积累的运算量，且各段信号滤波处理间不相关，易于采用并行处理方式，因此，较传统方法更易实现实时处理；

(2)进一步，本发明在上述实时处理过程中，采用keystone变换校正高径向速度目标的距离徙动现象。由于目标运动造成跨距离单元的徙动现象，在距离频域-慢时间域表现为目标的多普勒频移随频率发生变化，采用keystone校正，可对变化进行补偿，从而校正目标的徙动现象，提高相干积累的信噪比，解决了积累引起的信噪比损失问题，提高了对微弱目标的检测能力。

附图说明

图1为本发明实施例外辐射源雷达信号实时相干积累方法的流程图；

图2a为本发明实施例外辐射源雷达信号实时相干积累方法中采用等长无重叠方式对一维回波信号进行处理的示意图；

图2b为本发明实施例外辐射源雷达信号实时相干积累方法中采用不等长方式对一维回波信号进行处理的示意图；

图2c为本发明实施例外辐射源雷达信号实时相干积累方法中采用重叠分段方式对一维回波信号进行处理的示意图；

图3为本发明实施例外辐射源雷达信号实时相干积累方法中对信号矩阵进行二维滤波及keystone校正过程的示意图。

图4采用本发明方法未经距离校正情况下的时延-多普勒频移二维相关图；

图5为采用本发明方法完成时延-多普勒频率二维压缩后的时延-多普勒频移二维相关图。

图6a为未经校正距离徙动时二维相干积累的信号归一化幅度随多普勒频移变化的三维图；

图6b为经过本发明keystone校正后二维相干积累的信号归一化幅度随多普勒频移变化的三维图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号。且在附图中，以简化或是方便标示。再者，附图中未绘示或描述的实现方式，为所属技术领域中普通技术人员所知的形式。另外，虽然本文可提供包含特定值的参数的示范，但应了解，参数无需确切等于相应的值，而是可在可接受的误差容限或设计约束内近似于相应的值。

本发明提供了一种基于二维分时滤波的外辐射源雷达信号实时相干积累的方法。该方法的流程图如图1所示。本发明方法的具体步骤如下：

步骤S102，将外辐射源雷达主天线接收的一维回波信号和参考天线接收的一维参考信号分别按照慢时间采样间隔进行分时处理，构成二维的回波信号矩阵S_echo(n，l)与参考信号矩阵和S_ref(n，l)，该两二维信号矩阵的行方向定义为快时间方向，列方向定义为慢时间方向，如图3A所示；

将一维回波信号划分为N段，该N段回波信号中的每一段对应为上述回波信号矩阵的一行。本步骤中，N需结合所需检测目标的多普勒频率的不模糊范围决定，一般情况下，N＝f_dmax/2，f_dmax为所需检测目标的最大不模糊速度。

该N段回波信号中的每一段的长度，即快时间长度，决定了可检测的最大距离，需综合考虑进行合理地选择。一般情况下，快时间长度M依照所需的最大检测距离决定。此处f_s为采样率，R_max为所需最大检测距离，c为光速。

一维回波信号和一维参考信号的分时方法依据慢时间采样间隔和快时间长度可分为以下方法。

根据回波信号与参考信号的慢时间采样间隔选取，分为等长分段及不等长分段方法：

对于等长方式，将回波信号与参考信号采用同样的慢时间采样间隔来实现分时处理，构造二维矩阵，如图2a所示。

对于回波信号与参考信号不等长方法，回波信号可采用比参考信号长的慢时间采样间隔来实现分时处理，但要保证回波信号与参考信号对应段具有相同的起始时刻，可舍弃多余的一维参考信号。本方式可解决距离较远目标，积累增益降低的问题，保证各距离单元处有相近的积累增益，如图2b所示。

根据快时间长度选择，分为无重叠方法及数据重叠选取方法：

对于无重叠方法，沿快时间方向的数据长度与慢时间采样间隔相等，如图2a所示；

对于数据重叠选取的方法，相邻两段间存在一定重叠部分，即慢时间采样间隔小于快时间长度，通过增加了每段的长度，能够更加充分地利用数据，可以在获得更远检测距离的同时，保证所需的分段数N，以获得合适的不模糊多普勒频率范围。同时充分利用数据，可以进一步提高积累增益，提高二维相干积累后的信噪比，从而可以同时获取较大的可检测距离及多普勒频率，如图2c所示。

上述根据慢时间选择和根据快时间选择方法，可任意组合。建议采用回波信号与参考信号不等长与数据重叠相结合的方式，可较自由地选择最大作用距离及最大不模糊多普勒频率，同时获得合理的积累增益。

后续步骤则在上述二维的回波信号矩阵与参考信号矩阵基础上，沿快时间实现距离向匹配滤波，沿慢时间方向进行多普勒滤波。

其中，在进行分时处理之前，优选对一维回波信号进行直达波、杂波对消等干扰抑制，降低直达波、杂波干扰，便于二维积累后对目标进行检测。

步骤S104，将上述二维的回波信号矩阵S_echo(n，l)与参考信号矩阵S_ref(n，l)的每一行进行傅里叶变换，将两二维信号矩阵变换至距离频域-慢时间域；

以回波信号矩阵的第n行为例：

S_{echo_n}(f)＝FFT(S_{echo_n}(l)) (5)

其中S_{echo_n}(l)，为第n段回波信号，S_{echo_n}(f)为其频域结果。

以参考信号矩阵的第n行为例：

S_{ref_n}(f)＝FFT(S_{ref_n}(l)) (6)

其中，S_{ref_n}(l)为第n段参考信号，S_{ref_n}(f)为其频域结果。

步骤S106，将变换至距离频域-慢时间域的二维的回波信号矩阵S_echo(n，f)和参考信号矩阵S_ref(n，f)进行快时间方向的匹配滤波，获得距离向压缩后的信号矩阵S_corr(n，f)；

以回波信号矩阵和参考信号矩阵的第n行为例：

S_{corr_n}(f)＝S_{echo_n}(f)*S_{ref_n} ^*(f) (7)

其中，n＝1，2，……，N，为S_{ref_n}(f)矩阵取共轭的结果。

S_{corr_n}(f)为快时间方向匹配滤波后，距离压缩在频域的结果。对每一段数据均进行上述处理，实现时各段间无干扰，可以很容易地进行并行计算，工程中采用并行处理，可获得很快的信号处理速度。此时信号矩阵表示为：

步骤S108，将上述距离向压缩后的信号矩阵S_corr(n，f)，沿慢时间方向做keystone变换，获得徙动校正后的信号矩阵S(m，f)，如图3C所示；

简要介绍keystone原理如下：距离向压缩后的信号，在距离频域，不同的频率分量具有不同的多普勒频率，即沿慢时间做keystone变换：

可实现由目标运动引起的多普勒频移随频率的变换，即实现距离徙动的校正。其中，f_c为载频；c为光速，v为目标的速度，t_m为慢时间，f_d为多普勒频率，虚拟时间τ_m为keystone变换后结果，通过对慢时间t_m的伸缩变换，因而补偿由速度引起的积累下包络变化，实现包络对齐。由于keystone变换方法可以适用于多个目标场景，可同时对多目标实现距离徙动校正。

keystone实现方法有多种(参考文献[6]：徐冠杰，雷达信号积累对微弱目标检测的研究，2011年1月，西安电子科技大学硕士学位论文)。

以sinc插值法为例，信号在距离频域-慢时间域上离散化表示为S_corr(n，f)，插值实现keystone变换：

此外，可以采用DFT-IFFT实现keystone变换：

也可采用Chirp-Z变换算法，提高运算速度。

本步骤针对具有高径向速度目标具有距离徙动校正效果，可提高积累增益，若不进行校正，不进行此步骤，执行步骤S102至步骤S106，此时距离压缩后结果如图3B所示，存在迁移曲线。由于目标运动会引起能量损失，导致目标检测能力下降，因此本发明在此处加入采用本步骤校正徙动可提高对高径向速度目标的检测能力。

步骤S110，将进行了徙动校正操作的信号矩阵的每一行进行逆傅里叶变换，变换回距离-慢时间域，获得徙动校正操作后距离压缩结果S(m，l)；

以信号矩阵的第m行为例：

S_m(l)＝IFFT(S_m(f)) (13)

步骤S112，对徙动校正操作后距离压缩结果的信号S(m，l)，沿慢时间方向进行傅里叶变换，实现外辐射源雷达信号的实时相干积累，获得在距离-多普勒域的二维相干积累结果。

对二维相干积累后结果可采用现有技术中已有的检测方法来检测目标，如单元平均恒虚警检测、对数单元平均恒虚警检测等方法。以单元平均恒虚警为例，通过计算检测单元附近单元的均值，按瑞利分布估算杂波、噪声统计特性，动态选择检测门限，保证在一定的的虚警概率情况下使得目标检测的发现概率最大，高于检测门限判定为目标，通过目标在积累后的距离-多普勒域中的位置、幅度值，实现目标的检测。利用获取目标距离、速度、信号幅度等信息，进一步可用于测角、目标航迹跟踪、定位，数据融合等处理。

发明人分别对本发明外辐射源雷达信号实时相干积累的方法进行了性能仿真分析，实际数据验证和处理速度分析，以下分别给出结果。

一、采用点目标仿真验证方法处理效果

仿真DTTB数字电视信号，构造具有距离徙动现象的目标，采用积累时间为1s的仿真数据，采样率为9MHz，处理长度为9000000个采样点的数据。

图4为采用现有技术的方法未经距离校正情况下的时延-多普勒频移二维相关图。由图4可观察到目标存在明显的距离徙动现象。由于目标跨越多个距离、多普勒单元，造成信噪比降低，影响检测效果。对于径向速度60m/s的目标。在无重叠分段方式下，即参考信号与回波信号各段等长条件下，仿真目标的距离压缩结果。可以看到明显的迁移曲线，存在明显的跨距离单元徙动现象。

图5为采用本发明方法完成时延-多普勒频率二维压缩后的时延-多普勒频移二维相关图。如图5所示，对比未经校正的结果，徙动现象获得了很好校正，目标能量集中，提高了积累增益，获得了更高的信噪比，对于上述目标，比较处理前信杂比提高约6dB，获得了很好的校正结果。

上述仿真在采用等长分段处理，且无重叠分段情况下结果。对比无重叠分段与重叠分段结果，重叠分段时，回波峰值提高了4dB。对于所处距离单元更远处的目标更为明显。采用实际数据处理时，信杂噪比也获得提高。同时在保证最大不模糊多普勒频率的同时，增加了可检测距离，充分利用了信号信息。

二、采用实际数据进行验证

为了验证方法在实际应用中的处理能力，采用实测数据进行验证。对实测数据(基于数字电视信号的外辐射源雷达实测信号)进行直达波、杂波抑制之后，采用抑制后回波信号与参考信号进行二维相关检测及距离徙动校正，采用本发明所述方法。其中实际数据的采样率为9MHz，积累时间为1s。

处理徙动校正前，对各段进行一维匹配滤波，获得距离向压缩结果，存在明显的距离徙动现象，不对其进行校正时，获得二维相关检测结果能量在距离、多普勒方向分散，降低了信噪比，降低了对信号的检测能力。采用常规模糊函数计算方法，可观察到实际数据处理中目标的确存在严重的距离徙动现象。

采用本发明方法处理上述数据，采用keystone在距离频域-慢变时间域实时实现距离徙动校正，校正前后信杂噪比提高了约5dB。若采用重叠分段方法，可进一步提高信噪比，增加积累增益。

图6a为未经校正距离徙动时二维相干积累的信号归一化幅度随多普勒频移变化的三维图。图6b为经过本发明keystone校正后二维相干积累的信号归一化幅度随多普勒频移变化的三维图。分析结果：采用模糊函数检测目标输出信噪比28.8dB，采用分段重排方法输出信噪比28.5dB，通过keystone变换对距离徙动校正后信噪比提高至34.06dB。对比校正前后，可见雷达的检测能力明显提高。

三、现有方法和本发明方法的处理速度对比

分析常用模糊函数计算方法计算量与当前算法比较。常用的模糊函数计算方法为：将参考信号时延，对各时延下信号与回波信号相乘，对结果计算FFT，获得对应时延处各多普勒结果。

i)采用FFT法计算模糊函数，需对所求范围内每个距离单元，计算一次复乘，一次FFT，对于计算数据长度为N，检测L个距离延迟单元，每个距离延迟需N次复乘加一次FFT，共L*(N+N/2*log₂N)

ii)采用本发明使用信号重构方法：

距离向压缩：M个脉冲进行匹配滤波，每个脉冲需N/M次复乘加3次长度为N/M的FFT，共M(N/M+3N/2M*log₂N/M)。沿慢时间向压缩：L次长度为M的FFT，共L(M*log₂M)。

故分时处理的总计算量为：

M(N/M+3N/2M*log₂N/M)+L(M*log₂M)

本发明方法与常规模糊函数计算方法，理论计算量及实际运行时间对比如表1所示。

表1 实际运算时间对比(条件同上表)

采用本发明所述方法显著降低了计算量，获得非常高的加速比，加速比在10³～10⁴量级，且使用存储空间较小，适于实时处理。

需要说明的是，上述对各元件的定义并不仅限于实施方式中提到的各种具体结构或形状，本领域的普通技术人员可对其进行简单地熟知地替换，例如：

(1)对于距离向匹配滤波，本发明所述步骤在频域执行，便于在频域进行keystone校准，也可通过时域匹配滤波实现；

(2)对于keystone变换实现方法，也可采用Chirp-Z变换实现，可提高运算速度等等。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种外辐射源雷达信号实时相干积累的方法，包括：

将外辐射源雷达主天线接收的一维回波信号按照慢时间采样间隔及快时间长度进行分时处理，构成二维的回波信号矩阵，该回波信号矩阵的行方向为快时间方向，列方向为慢时间方向；

将参考天线接收的一维参考信号按照慢时间采样间隔及快时间长度进行分时处理，构成二维的参考信号矩阵，该参考信号矩阵的行方向为快时间方向，列方向为慢时间方向；

将上述回波信号矩阵与参考信号矩阵分别沿快时间进行傅里叶变换，将其变换至距离频域-慢时间域；

将变换至距离频域-慢时间域的回波信号矩阵和参考信号矩阵沿快时间方向进行匹配滤波，获得距离向压缩后的信号矩阵；

将距离向压缩后的信号矩阵，沿慢时间方向做keystone变换，获得徙动校正后的信号矩阵；

将徙动校正后信号矩阵的每一行进行逆傅里叶变换，将其变换回距离-慢时间域，获得距离-慢时间域的徙动校正操作后的信号矩阵；及

对距离-慢时间域的徙动校正操作后的信号矩阵，沿慢时间方向进行傅里叶变换，实现外辐射源雷达信号的实时相干积累。

2.根据权利要求1所述的外辐射源雷达信号实时相干积累的方法，其中，所述构成二维的回波信号矩阵与参考信号矩阵的步骤包括：

将一维回波信号和一维参考信号分别依照慢时间采样间隔划分为N段，该N段回波信号和参考信号中的每一段对应为相应信号矩阵的一行；

该N段回波信号和参考信号中的每一段的长度为快时间长度M。

3.根据权利要求2所述的外辐射源雷达信号实时相干积累的方法，其中：

所述N＝f_dmax/2，f_dmax为检测目标的最大不模糊速度；

所述f_s为采样率，R_max为最大检测距离，c为光速。

4.根据权利要求2所述的外辐射源雷达信号实时相干积累的方法，其中，按照以下方式中的一种，将一维回波信号和一维参考信号分别依照慢时间采样间隔及快时间长度划分为N段：

回波信号与参考信号的慢时间采样间隔相同，相邻段无重叠；

回波信号与参考信号的慢时间采样间隔不相同，相邻段无重叠；

回波信号与参考信号的慢时间采样间隔相同，相邻段有重叠，回波信号与参考信号对应段具有相同的起始时刻，舍弃多余的参考信号；或

回波信号与参考信号的慢时间采样间隔不相同，相邻段有重叠，回波信号与参考信号对应段具有相同的起始时刻，舍弃多余的参考信号。

5.根据权利要求2所述的外辐射源雷达信号实时相干积累的方法，其中，按照以下公式，将变换至距离频域-慢时间域的回波信号矩阵和参考信号矩阵进行快时间方向的匹配滤波，获得距离向压缩后的信号矩阵：

S_{corr_n}(f)＝S_{echo_n}(f)*S_{ref_n} ^*(f)

其中，n＝1，2，......，N，S_{echo_n}(f)为变换至距离频域-慢时间域的回波信号矩阵的第n行；S_{ref_n} ^*(f)为变换至距离频域-慢时间域参考信号矩阵第n行中各数据取共轭后结果。

6.根据权利要求1所述的外辐射源雷达信号实时相干积累的方法，其中，采用以下方式其中之一，将上述距离向压缩后的信号矩阵，沿慢时间方向做keystone变换：sinc插值法，DFT-IFFT和Chirp-Z。

7.根据权利要求1至6中任一项所述的外辐射源雷达信号实时相干积累的方法，其中，所述将外辐射源雷达主天线接收的一维回波信号和参考天线接收的一维参考信号分别按照慢时间采样间隔及快时间长度进行分时处理的步骤之前还包括：

对一维回波信号进行干扰抑制，降低直达波、杂波干扰。

8.根据权利要求1至6中任一项所述的外辐射源雷达信号实时相干积累的方法，其中，所述对徙动校正操作后的信号矩阵，沿慢时间方向进行傅里叶变换，实现外辐射源雷达信号的实时相干积累的步骤之后还包括：

对二维相干积累后结果，检测目标峰值在积累后的距离-多普勒域中的位置及幅度，获取目标距离、速度信息。