CN106546965A - 基于雷达幅度和多普勒频率估计的空时自适应处理方法 - Google Patents
基于雷达幅度和多普勒频率估计的空时自适应处理方法 Download PDFInfo
- Publication number
- CN106546965A CN106546965A CN201610964931.2A CN201610964931A CN106546965A CN 106546965 A CN106546965 A CN 106546965A CN 201610964931 A CN201610964931 A CN 201610964931A CN 106546965 A CN106546965 A CN 106546965A
- Authority
- CN
- China
- Prior art keywords
- echo signal
- radar echo
- target
- matrix
- radar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 47
- 238000003672 processing method Methods 0.000 title claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims abstract description 190
- 238000009792 diffusion process Methods 0.000 claims abstract description 145
- 238000001228 spectrum Methods 0.000 claims abstract description 104
- 238000001514 detection method Methods 0.000 claims abstract description 40
- 238000012549 training Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 118
- 238000007906 compression Methods 0.000 claims description 40
- 239000013598 vector Substances 0.000 claims description 40
- 230000006835 compression Effects 0.000 claims description 37
- 230000014509 gene expression Effects 0.000 claims description 33
- 238000000034 method Methods 0.000 claims description 22
- 230000001427 coherent effect Effects 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 102000002274 Matrix Metalloproteinases Human genes 0.000 claims description 4
- 108010000684 Matrix Metalloproteinases Proteins 0.000 claims description 4
- 229940088594 vitamin Drugs 0.000 claims description 4
- 229930003231 vitamin Natural products 0.000 claims description 4
- 235000013343 vitamin Nutrition 0.000 claims description 4
- 239000011782 vitamin Substances 0.000 claims description 4
- 150000003722 vitamin derivatives Chemical class 0.000 claims description 4
- 210000004027 cell Anatomy 0.000 description 31
- 238000009826 distribution Methods 0.000 description 13
- 238000004088 simulation Methods 0.000 description 8
- 230000003595 spectral effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 210000003771 C cell Anatomy 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001268 conjugating effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/411—Identification of targets based on measurements of radar reflectivity
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于雷达幅度和多普勒频率估计的空时自适应处理方法,其思路为:确定机载雷达,所述机载雷达发射脉冲信号并接收检测范围内的雷达回波信号,计算得到N×M×L维雷达回波信号矩阵,并计算N个阵元中L个距离单元对应D个多普勒通道处功率值的D×L维雷达回波信号矩阵P,得到K个目标,进而得到K个目标的功率谱对应的扩散距离单元范围,初始化k,并计算第k个目标的功率谱所在扩散距离单元扩散范围Lk中△lk个扩散距离单元对应的M×△lk×C维雷达回波信号估计矩阵Tk,进而计算第k个目标的功率谱扩散估计矩阵令k加1,直到得到第K个目标的功率谱扩散估计矩阵然后根据得到的第1个目标的功率谱扩散估计矩阵到第K个目标的功率谱扩散估计矩阵计算机载雷达空时自适应处理的训练样本F。
Description
技术领域
本发明属于雷达技术领域,特别涉及一种基于雷达幅度和多普勒频率估计的空时自适应处理方法,适用于机载雷达接收的回波信号中杂波的抑制和目标检测。
背景技术
机载雷达以其独特的作战特点,被各国军方视为能够左右战场事态的战略性武器。机载雷达对于目标的检测性能主要受限于以下因素:机载雷达下视工作时接收到的雷达回波信号中除了待检目标信号分量和噪声分量外,还有地面反射回来的信号,称为地杂波,地杂波会对目标的检测造成较大影响,并且由于机载雷达接收到的地杂波具有显著的空时耦合特性,传统的动目标检测方法难以获得可靠的性能。
为了有效减少地杂波对于机载雷达运动目标检测的影响,在杂波协方差矩阵和目标信号均确知的条件下,Brennan和Reed于1973年在期刊Aerospace and ElectronicSystems(AES)上,提出了全空时二维自适应处理(STAP)的概念和理论,其思想是将阵列信号处理的基本原理推广到由脉冲和阵元采样构成的二维场中。全空时自适应处理在能够取得比较理想的杂波抑制效果,但是,在实际工程应用当中,理想的杂波协方差矩阵和目标信息无法获得,只能通过提取接收回波信号的信息来估计杂波的协方差矩阵,这种估计的不准确性以及全空时自适应处理的大计算量需求使其难以应用于实际工程。
进入90年代后,针对全空时自适应处理的局限性,研究人员提出了多种降维空时自适应处理方法,如局域联合化方法(JDL)、扩展因子化方法(EFA)等,这些方法有效解决了传统空时自适应处理技术难以获得满足要求的训练样本数、计算量大的缺点,一定程度上推动了STAP技术向实际工程中的应用。
进入21世纪以来,STAP技术在各个方面得到完善,例如非平稳、非均匀环境下的STAP技术、减小训练样本中含有目标及其分量的影响的STAP技术、基于先验知识的STAP技术等。其中减小训练样本中目标及其分量的影响的STAP技术是研究课题之一,用于计算STAP权矢量的杂波协方差矩阵中如果包含目标信号,那么STAP技术的性能会由于信号的自相消而下降,为了解决该问题,需要对估计杂波协方差矩阵的训练样本进行处理和挑选。目前的样本选取方法如广义内积法(GIP)、自适应功率剩余法(APR)等不仅无法准确从训练数据中剔除目标信号,而且无法解决因雷达回波信号处理所产生的目标在距离向和多普勒向的功率扩散,从而加重了目标信号对训练样本的污染问题。
发明内容
针对以上现有技术存在的不足,本发明的目的在于提出一种基于雷达幅度和多普勒频率估计的空时自适应处理方法,该种基于雷达幅度和多普勒频率估计的空时自适应处理方法能够减少用于估计空时自适应处理的杂波协方差矩阵中的目标分量,提高空时自适应处理的性能。
为达到上述技术目的,本发明采用如下技术方案予以实现。
一种基于雷达幅度和多普勒频率估计的空时自适应处理方法,包括以下步骤:
步骤1,确定机载雷达,所述机载雷达发射脉冲信号并接收检测范围内的雷达回波信号,雷达回波信号的脉冲宽度为Tp,且机载雷达发射脉冲信号的脉冲重复间隔为PRI,机载雷达的天线阵面的阵元数为N,且机载雷达的天线阵面在一个相干处理间隔内的脉冲数为M,机载雷达的最大不模糊距离单元个数为L,
对机载雷达接收的检测范围内的雷达回波信号依次进行下变频处理、脉冲压缩处理和模数转换处理,得到N×M×L维雷达回波信号矩阵X,其中第(n,m,l)个元素为xm,n,l,xm,n,l表示第n个阵元接收第m个发射脉冲在第l个距离单元处遇到目标或杂波后反射回来的雷达回波信号,n表示空域维序号,m表示发射脉冲维序号,l表示距离维,n=1,2,…,N,m=1,2,…,M,l=1,2,…,L;
步骤2,根据N×M×L维雷达回波信号矩阵X,依次计算N个阵元的M×L维归一化雷达回波信号矩阵和经过脉冲-多普勒PD处理后N个阵元的D×L维雷达回波信号矩阵Y以及N个阵元中L个距离单元对应D个多普勒通道处功率值的D×L维雷达回波信号矩阵P;然后设定目标检测阈值,并根据所述目标检测阈值对N个阵元中L个距离单元对应D个多普勒通道处功率值的D×L维雷达回波信号矩阵P进行目标检测,得到K个目标;
步骤3,根据N个阵元的M×L维归一化雷达回波信号矩阵计算依次经过逆脉冲压缩处理和脉冲-多普勒PD处理后N个阵元中L个距离单元对应D个多普勒通道处的D×L维雷达信号功率值矩阵P0;设定目标功率检测阈值D'0,并根据所述依次经过逆脉冲压缩处理和脉冲-多普勒PD处理后N个阵元中L个距离单元对应D个多普勒通道处的D×L维雷达信号功率值矩阵P0,得到K个目标的功率谱对应的扩散距离单元范围;
步骤4,初始化:令k∈{1,2,…,K},K表示在N个阵元中L个距离单元对应D个多普勒通道处的D×L维雷达回波信号功率值矩阵P中检测到的目标总个数,k的初始值为1,且第k个目标的功率谱的扩散距离单元区间长度为△lk,即第k个目标的功率谱的距离单元扩散范围Lk包含△lk个扩散距离单元;
步骤5,根据K个目标的功率谱对应的扩散距离单元范围,依次计算第k个目标的多普勒频率所在区间中第c个小区间的时域导向矢量v(k,c)和第k个目标的功率谱所在距离单元扩散范围Lk中第r个扩散距离单元Lk(r)在第c个小区间处的幅度估计进而计算第k个目标的功率谱所在扩散距离单元扩散范围Lk中△lk个扩散距离单元对应的M×△lk×C维雷达回波信号估计矩阵Tk,c=1,2,…,C,C表示将第k个目标的多普勒频率所在区间均匀划分后包含的小区间个数,△lk表示第k个目标的功率谱的扩散距离单元范围Lk包含的扩散距离单元个数;
步骤6,根据第k个目标的功率谱所在扩散距离单元扩散范围Lk中△lk个扩散距离单元对应的M×△lk×C维雷达回波信号估计矩阵Tk,计算得到第k个目标的功率谱扩散估计矩阵所述第k个目标的功率谱扩散估计矩阵为M×△lk维;
步骤7,令k加1,依次重复步骤5和步骤6,直到得到第K个目标的功率谱扩散估计矩阵然后根据得到的第1个目标的功率谱扩散估计矩阵到第K个目标的功率谱扩散估计矩阵计算机载雷达空时自适应处理的训练样本F。
本发明的有益效果:在机载雷达的信号处理过程中,目标信号的功率谱在距离单元向和多普勒向会产生泄漏现象,现有的空时自适应处理算法的性能会受到该泄漏现象的影响;而本发明方法计算目标的功率谱在距离向的泄漏范围,并给出了该范围内信号的幅度和多普勒频率的估计值,从雷达回波信号中去掉这些估计值,不仅能够更加准确地去掉了对空时自适应处理性能产生影响的目标信号,还能够避免了目标信号的功率谱泄漏对训练数据的污染,提升了空时自适应处理算法的性能。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1是本发明的一种基于雷达目标参数估计的空时自适应处理方法流程图;
图2a是对原始数据进行PD处理后得到的功率谱分布的距离-多普勒图,其中,横坐标为多普勒通道,纵坐标为距离单元,图中的每个点表示该距离单元和多普勒通道的功率值;
图2b是对逆脉冲压缩处理后的数据进行PD处理后得到的功率谱分布的距离-多普勒图,其中,横坐标为多普勒通道,纵坐标为距离单元,图中的每个点表示该距离单元和多普勒通道的功率值;
图3a是使用传统的空时自适应处理方法得到的功率谱分布的距离-多普勒切面图,其中,横坐标为多普勒通道,纵坐标为距离单元,图中的每个点表示该距离单元和多普勒通道的功率值;
图3b是使用本发明方法得到的功率谱分布的距离-多普勒切面图,其中,横坐标为多普勒通道,纵坐标为距离单元,图中的每个点表示该距离单元和多普勒通道的功率值;
图4a是图3a在第一个目标的多普勒通道处的功率谱随距离单元变化曲线切面图,其中,横坐标为距离单元,纵坐标为输出功率大小,单位为分贝(dB);
图4b是图3b在第一个目标的多普勒通道处的功率谱随距离单元变化曲线切面图,其中,横坐标为距离单元,纵坐标为输出功率大小,单位为分贝(dB)。
具体实施方式
参照图1,为本发明的一种基于雷达目标参数估计的空时自适应处理方法流程图;所述基于雷达目标参数估计的空时自适应处理方法,包括以下步骤:
步骤1,确定机载雷达,所述机载雷达发射脉冲信号并接收检测范围内的雷达回波信号,雷达回波信号的脉冲宽度为Tp,且机载雷达发射脉冲信号的脉冲重复间隔为PRI,机载雷达的天线阵面的阵元数为N,且机载雷达的天线阵面在一个相干处理间隔(CPI)内的脉冲数为M,机载雷达的最大不模糊距离单元个数为L,
对机载雷达接收的检测范围内的雷达回波信号依次进行下变频处理、脉冲压缩处理和模数转换处理,得到N×M×L维雷达回波信号矩阵X,其中第(n,m,l)个元素为xm,n,l,xm,n,l表示第n个阵元接收第m个发射脉冲在第l个距离单元处遇到目标或杂波后反射回来的雷达回波信号,n表示空域维序号,m表示发射脉冲维序号,l表示距离维,n=1,2,…,N,m=1,2,…,M,l=1,2,…,L。
具体地,确定机载雷达,机载雷达的天线阵面的阵元个数为N,并且所述机载雷达的天线阵面分别沿俯仰向均匀排列N1个阵元,沿方位向均匀排列N2个阵元,N=N1×N2;所述机载雷达发射脉冲信号,机载雷达发射脉冲信号的脉冲重复间隔为PRI,所述机载雷达内置脉冲调制器和调频电路,所述脉冲调制器在一个相干处理间隔(CPI)内按照脉冲重复间隔PRI产生M个脉冲,所述M个脉冲分别为相干脉冲信号,然后所述调频电路将所述M个脉冲分别进行Q点采样,得到MQ个脉冲采样点,然后将所述MQ个脉冲采样点调制为高频信号并通过机载雷达的天线阵面发射出去,所述高频信号为机载雷达的天线阵面产生的1×Q维线性调频信号向量w',
exp表示指数函数,Q表示个相干处理间隔(CPI)内M个脉冲各自的采样点数,B表示机载雷达的发射带宽;然后对机载雷达的天线阵面产生的1×Q维线性调频信号向量w'取共轭并作L点快速傅里叶变换FFT,得到机载雷达的天线阵面产生的1×Q维线性调频信号向量w'的1×L维匹配滤波信号向量w,其表达式为:
L表示机载雷达的最大不模糊距离单元个数,L也表示快速傅里叶变换FFT的点数;通常,Q>L。
雷达回波信号的脉冲宽度为Tp;机载雷达的天线阵面的阵元个数为N,且机载雷达的天线阵面在一个相干处理间隔(CPI)内的脉冲数为M,机载雷达的最大不模糊距离单元个数为L,
对机载雷达接收的检测范围内的雷达回波信号依次进行下变频处理、脉冲压缩处理和模数转换处理,得到N×M×L维雷达回波信号矩阵X,其中第(n,m,l)个元素为xm,n,l,xm,n,l表示第n个阵元接收第m个发射脉冲在第l个距离单元处遇到目标或杂波后反射回来的雷达回波信号,n表示空域维序号,m表示发射脉冲维序号,l表示距离维,n=1,2,…,N,m=1,2,…,M,l=1,2,…,L。
步骤2,根据N×M×L维雷达回波信号矩阵X,依次计算N个阵元的M×L维归一化雷达回波信号矩阵和经过脉冲-多普勒PD处理后N个阵元的D×L维雷达回波信号矩阵Y以及N个阵元中L个距离单元对应D个多普勒通道处功率值的D×L维雷达回波信号矩阵P;然后设定目标检测阈值,并根据所述目标检测阈值对N个阵元中L个距离单元对应D个多普勒通道处功率值的D×L维雷达回波信号矩阵P进行目标检测,得到K个目标。
步骤2的子步骤为:
2a)根据N×M×L维雷达回波信号矩阵X,计算得到N个阵元的M×L维雷达回波信号矩阵,即将N×M×L维雷达回波信号矩阵X的空域维的所有元素相加并作归一化处理,得到N个阵元的M×L维雷达回波信号矩阵所述N个阵元的M×L维雷达回波信号矩阵为发射脉冲维-距离维,其表达式为:
其中,上标T表示转置,n∈{1,2,…,N},xn表示第n个阵元接收M个发射脉冲在L个距离单元处遇到目标或杂波后反射回来的雷达回波信号矩阵,其表达式为:
所述第n个阵元接收M个发射脉冲在L个距离单元处遇到目标或杂波后反射回来的雷达回波信号矩阵xn为M×L维,并将第n个阵元接收第m个发射脉冲在第l个距离单元处遇到目标或杂波后反射回来的雷达回波信号记为xn,m,l,m=1,2,…,M,l=1,2,…,L。
令第n个阵元接收M个发射脉冲在L个距离单元处遇到目标或杂波后反射回来的雷达回波信号矩阵xn中每一个元素的n分别取1至N后并进行相加和归一化,得到N个阵元的M×L维归一化雷达回波信号矩阵其中第(m,l)个元素为 表示第m个发射脉冲、第l个距离单元处的归一化雷达回波信号,所述N个阵元的M×L维归一化雷达回波信号矩阵其表达式为:
2b)对N个阵元的M×L维归一化雷达回波信号矩阵在发射脉冲维进行脉冲-多普勒(PD)处理,即对N个阵元的M×L维归一化雷达回波信号矩阵中的每一行作D点离散傅里叶变换,将N个阵元的M×L维归一化雷达回波信号矩阵中所有发射脉冲维雷达回波信号分别转换到多普勒域中,进而得到脉冲-多普勒(PD)处理后N个阵元的D×L维雷达回波信号矩阵Y,其表达式为:
其中,D表示离散傅里叶变换的点数,多普勒通道总个数和离散傅里叶变换的点数相同;脉冲-多普勒(PD)处理后N个阵元的D×L维雷达回波信号矩阵Y的第d'行第l列元素为yd',l,yd',l表示脉冲-多普勒(PD)处理后N个阵元的第d'个多普勒通道、第l个距离单元处的雷达回波信号,其表达式为:
表示第m个发射脉冲、第l个距离单元处的归一化雷达回波信号,m=1,2,…,M,l=1,2,…,L。
2c)对脉冲-多普勒(PD)处理后N个阵元的D×L维雷达回波信号矩阵Y中的每一个元素取模值的平方,进而得到N个阵元中L个距离单元对应D个多普勒通道处的D×L维雷达回波信号功率值矩阵P,其中第d'行第l列元素为pd',l,pd',l表示N个阵元中第l个距离单元在第d'个多普勒通道处的雷达回波信号功率值,pd',l=|yd',l|2,yd',l表示脉冲-多普勒(PD)处理后N个阵元的第d'个多普勒通道、第l个距离单元处的雷达回波信号,d'=1,2,…,D,l=1,2,…,L;所述N个阵元中L个距离单元对应D个多普勒通道处的D×L维雷达回波信号功率值矩阵P,其表达式为:
2d)确定目标检测门限D0,并根据所述目标检测门限D0对N个阵元中L个距离单元对应D个多普勒通道处的D×L维雷达回波信号功率值矩阵P进行目标检测,得到K个目标,具体为:
任意选取N个阵元中L个距离单元对应D个多普勒通道处的D×L维雷达回波信号功率值矩阵P中任意一个元素pd',l,如果元素pd',l的功率值大于目标检测门限D0,并且元素pd',l的功率值分别大于p(d'-1),l的功率值、pd',(l-1)的功率值、p(d'+1),l的功率值、pd',(l+1)的功率值时,则将元素pd',l作为一个目标,并将元素pd',l对应的第d'个多普勒通道和第l个距离单元,分别作为该目标的距离单元和该目标的多普勒通道,d'=1,2,…,D,l=1,2,…,L;进而得到K个目标,其中将第k个目标的检测时刻记为tk,将第k个目标的多普勒频率记为fdk,k=1,2,…,K,K表示在N个阵元中L个距离单元对应D个多普勒通道处的D×L维雷达回波信号功率值矩阵P中检测到的目标总个数。
步骤3,根据N个阵元的M×L维归一化雷达回波信号矩阵计算依次经过逆脉冲压缩处理和脉冲-多普勒PD处理后N个阵元中L个距离单元对应D个多普勒通道处的D×L维雷达信号功率值矩阵P0;设定目标功率检测阈值D'0,并根据所述依次经过逆脉冲压缩处理和脉冲-多普勒PD处理后N个阵元中L个距离单元对应D个多普勒通道处的D×L维雷达信号功率值矩阵P0,得到K个目标的功率谱对应的扩散距离单元范围。
步骤3的子步骤为:
3a)对N个阵元的M×L维归一化雷达回波信号矩阵进行逆脉冲压缩处理,首先对N个阵元的M×L维归一化雷达回波信号矩阵的每一列进行L点快速傅里叶变换到频域,得到快速傅里叶变换后N个阵元的M×L维雷达回波信号矩阵其中第m行第l'列元素为 表示快速傅里叶变换后N个阵元的第m个发射脉冲、第l'点快速傅里叶变换处的雷达回波信号,其表达式为:
其中,表示第m个发射脉冲、第l个距离单元处的归一化雷达回波信号,m=1,2,…,M,l=1,2,…,L。
3b)将快速傅里叶变换后N个阵元的M×L维雷达回波信号矩阵除以机载雷达的天线阵面产生的1×Q维线性调频信号向量w'的1×L维匹配滤波信号向量w,得到经过1×L维匹配滤波信号向量1×L后得到的M×L维雷达回波信号矩阵其中第m行第l'列元素为 表示经过1×L维匹配滤波信号向量后得到的第m个发射脉冲、第l'点快速傅里叶变换处的雷达回波信号,其表达式为:
其中,wl'表示机载雷达的天线阵面产生的1×Q维线性调频信号向量w'的1×L维匹配滤波信号向量w中第l'点快速傅里叶变换处的匹配滤波信号,l'=0,1,…,L-1。
3c)对经过1×L维线性调频信号的匹配滤波信号矩阵后得到的M×L维雷达回波信号矩阵的每一列进行L点逆离散傅里叶变换转回时域,进而得到逆脉冲压缩处理后的M×L维雷达回波信号矩阵其中第m行第l'列元素为 表示逆脉冲压缩处理后的第m个发射脉冲、第l'点逆快速傅里叶变换处的雷达回波信号,其表达式为:
所述逆脉冲压缩处理后的M×L维雷达回波信号矩阵其表达式为:
3d)对逆脉冲压缩处理后的M×L维雷达回波信号进行PD处理,即对逆脉冲压缩处理后的M×L维雷达回波信号矩阵中的每一行作D点离散傅里叶变换,将逆脉冲压缩处理后的M×L维雷达回波信号矩阵中所有发射脉冲维雷达回波信号分别转换到多普勒域中,再对经过D点离散傅里叶变换的每一个元素取模值的平方,进而得到依次经过逆脉冲压缩处理和脉冲-多普勒(PD)处理后L个距离单元对应D个多普勒通道处功率值的D×L维雷达回波信号功率矩阵P0,其中第d行第l列元素,即依次经过逆脉冲压缩处理和脉冲-多普勒(PD)处理后第d个多普勒通道、第l个距离单元处的雷达回波功率信号为p0(d,l),所述依次经过逆脉冲压缩处理和脉冲-多普勒(PD)处理后L个距离单元对应D个多普勒通道处功率值的D×L维雷达回波信号功率矩阵P0,其表达式为:
3e)设定目标功率检测阈值D'0,并将在设定的检测功率门限下,将依次经过逆脉冲压缩处理和脉冲-多普勒(PD)处理后L个距离单元对应D个多普勒通道处功率值的D×L维雷达回波信号功率矩阵P0中的元素对应功率值高于所述目标功率检测阈值D'0的元素集合,作为K个目标的功率谱对应的扩散距离单元范围,并将第k个目标的功率谱的扩散距离单元范围记为Lk,Lk=[lbegin(k),lbegin(k)+1,…,lend(k)],所述第k个目标所在距离单元在所述第k个目标的功率谱的扩散距离单元范围Lk内,且第k个目标的功率谱的扩散距离单元区间长度为△lk,即第k个目标的功率谱的距离单元扩散范围Lk包含△lk个扩散距离单元,
△lk=lend(k)-lbegin(k),第k个目标的功率谱的扩散距离单元区间对应的雷达回波信号功率为其中,lbegin(k)表示经过逆脉冲压缩处理后第k个目标所在的初始扩散距离单元,lend(k)表示经过逆脉冲压缩处理后第k个目标所在的末尾扩散距离单元。
步骤4,初始化:令k∈{1,2,…,K},K表示在N个阵元中L个距离单元对应D个多普勒通道处的D×L维雷达回波信号功率值矩阵P中检测到的目标总个数,k的初始值为1,且第k个目标的功率谱的扩散距离单元区间长度为△lk,即第k个目标的功率谱的距离单元扩散范围Lk包含△lk个扩散距离单元。
步骤5,根据K个目标的功率谱对应的扩散距离单元范围,依次计算第k个目标的多普勒频率所在区间中第c个小区间的时域导向矢量v(k,c)和第k个目标的功率谱所在距离单元扩散范围Lk中第r个扩散距离单元Lk(r)在第c个小区间处的幅度估计进而计算第k个目标的功率谱所在扩散距离单元扩散范围Lk中△lk个扩散距离单元对应的M×△lk×C维雷达回波信号估计矩阵Tk,c=1,2,…,C,C表示将第k个目标的多普勒频率所在区间均匀划分后包含的小区间个数,△lk表示第k个目标的功率谱的扩散距离单元范围Lk包含的扩散距离单元个数。
所述步骤5可以包括以下具体子步骤:
5a)由于离散快速傅里叶变换分辨力的有限性,步骤2得到的K个目标各自的多普勒频率是不够精确的,为此,根据第k个目标的多普勒频率fdk,设定第k个目标的多普勒频率所在区间并将所述第k个目标的多普勒频率所在区间均匀划分为C个小区间,其中第k个目标的多普勒频率所在区间中第c个小区间的多普勒频率为fdk(c),PRF表示机载雷达的脉冲重复频率。
5b)根据第k个目标的功率谱的距离单元扩散范围Lk中的△lk个扩散距离单元,并按照△lk个扩散距离单元各自序号在M×L维雷达回波信号矩阵取出相应序号扩散距离单元的雷达回波信号,将第k个目标的功率谱所在距离单元扩散范围Lk中的第r个扩散距离单元记为Lk(r),r=1,2,…,△lk,△lk表示第k个目标的功率谱的扩散距离单元范围Lk包含的扩散距离单元个数;则在M×L维雷达回波信号矩阵取出第r个扩散距离单元Lk(r)的雷达回波信号所述第r个扩散距离单元Lk(r)的雷达回波信号为第k个目标距离向功率谱扩散的雷达回波信号。
然后,根据第k个目标的多普勒频率所在区间中第c个小区间的多普勒频率fdk(c),结合机载雷达发射脉冲的脉冲重复频率PRF,得到第k个目标的多普勒频率所在区间中第c个小区间的时域导向矢量v(k,c),其表达式为:
所述第k个目标的多普勒频率所在区间中第c个小区间的时域导向矢量v(k,c)为M×1维,表征接收多普勒频率为fdk(c)的目标在不同脉冲间的相位差矢量,通过线性最小二乘估计,得到第k个目标的功率谱所在距离单元扩散范围Lk中第r个扩散距离单元Lk(r)在第c个小区间处的幅度估计其表达式为:
其中,表示M×L维雷达回波信号矩阵中第r个扩散距离单元Lk(r)的M×1维雷达回波信号矩阵;进而计算第k个目标在M×L维雷达回波信号矩阵中第r个扩散距离单元Lk(r)、第c个小区间处的M×1维雷达回波信号矩阵
v(k,c)表示第k个目标在第c个小区间处的时域导向矢量。
5c)令c分别取1至C,进而分别得到第k个目标在M×L维雷达回波信号矩阵中第r个扩散距离单元Lk(r)、第1个小区间处的雷达回波信号矩阵至第k个目标在M×L维雷达回波信号矩阵中第r个扩散距离单元Lk(r)、第C个小区间处的雷达回波信号矩阵并记为第k个目标在M×L维雷达回波信号矩阵中第r个扩散距离单元Lk(r)处的M×C维雷达回波信号估计矩阵其表达式为:
5d)令r分别取1至△lk,进而计算得到第k个目标在M×L维雷达回波信号矩阵中第1个扩散距离单元Lk(r)处的M×C维雷达回波信号估计矩阵至第k个目标在M×L维雷达回波信号矩阵中第△lk个扩散距离单元Lk(r)处的M×C维雷达回波信号估计矩阵并记为第k个目标的功率谱所在扩散距离单元扩散范围Lk中△lk个扩散距离单元对应的M×△lk×C维雷达回波信号估计矩阵Tk,其中,r=1,2,…,△lk,△lk表示第k个目标的功率谱的扩散距离单元范围Lk包含的扩散距离单元个数,表示第k个目标在M×L维雷达回波信号矩阵中第r个扩散距离单元Lk(r)处的M×C维雷达回波信号估计矩阵。
步骤6,根据第k个目标的功率谱所在扩散距离单元扩散范围Lk中△lk个扩散距离单元对应的M×△lk×C维雷达回波信号估计矩阵Tk,计算得到第k个目标的功率谱扩散估计矩阵所述第k个目标的功率谱扩散估计矩阵为M×△lk维。
步骤6的子步骤为:
6a)根据第k个目标在M×L维雷达回波信号矩阵中第r个扩散距离单元Lk(r)处的M×C维雷达回波信号估计矩阵 将中所有元素值分别与M×L维雷达回波信号矩阵中第r个扩散距离单元Lk(r)处的雷达回波信号作差,并取差值的二范数,然后将C个差值的二范数中的最小值,作为第k个目标在M×L维雷达回波信号矩阵中第r个扩散距离单元Lk(r)处的雷达回波信号向量最终估计其计算表达式为:
6b)令r分别取1至△lk,进而分别得到第k个目标在M×L维雷达回波信号矩阵中第1个扩散距离单元Lk(1)处的雷达回波信号向量最终估计至第k个目标在M×L维雷达回波信号矩阵中第△lk个扩散距离单元Lk(△lk)处的雷达回波信号向量最终估计并记为第k个目标的功率谱扩散估计矩阵所述第k个目标的功率谱扩散估计矩阵为M×△lk维,
步骤7,令k加1,依次重复步骤5和步骤6,直到得到第K个目标的功率谱扩散估计矩阵然后根据得到的第1个目标的功率谱扩散估计矩阵到第K个目标的功率谱扩散估计矩阵计算机载雷达空时自适应处理的训练样本F。
具体地,令k加1,依次重复步骤4和步骤5,直到得到第K个目标的功率谱扩散估计矩阵此时得到的第1个目标的功率谱扩散估计矩阵到第K个目标的功率谱扩散估计矩阵能够更加精确地得出目标的多普勒频率,并且还原主要由逆脉冲压缩处理造成功率谱泄漏。
然后从M×L维雷达回波信号矩阵中剔除第1个目标的功率谱扩散估计矩阵到第K个目标的功率谱扩散估计矩阵得到不含目标及其扩散分量的雷达回波信号矩阵,并将所述不含目标及其扩散分量的雷达回波信号矩阵,作为机载雷达空时自适应处理的训练样本F,其表达式为:
其中,表示M×L维雷达回波信号矩阵,表示第k个目标的功率谱扩散估计矩阵。
所述机载雷达空时自适应处理的训练样本F为M×L维雷达回波信号矩阵,将所述机载雷达空时自适应处理的训练样本F,作为机载雷达空时自适应处理的训练样本,能够在有效抑制杂波的同时减小对目标的影响,很大程度上减少了机载雷达空时自适应处理的训练样本中的目标分量,从而提升了雷达空时自适应处理方法的性能。
本发明的效果可由以下仿真实验作进一步说明:
(一)仿真条件:
1)机载雷达的天线阵面结构采用斜侧阵面阵,各个阵元均匀排列在斜侧阵面阵上,机载雷达的天线阵面分别沿俯仰向均匀排列60个阵元,沿方位向均匀排列115个阵元,阵元间距为d=λ/2,λ为机载雷达的载波波长,仿真实验的一个相干处理间隔(CPI)内按照脉冲重复间隔PRI产生132个脉冲,机载雷达的最大不模糊距离单元个数为4096。
2)仿真实验的回波数据是根据林肯实验室J.Ward提出的杂波模型仿真产生,并添加高斯白噪声,详细的仿真参数参见下表1:
表1
2.仿真内容及结果分析
为了验证本发明对于机载雷达接收的检测范围内的雷达回波信号中的目标及目标幅度、目标多普勒频率估计的有效性,以及本发明方法对于空时自适应处理的性能改善,分别给出了对原始数据进行PD处理后得到的功率谱分布的距离-多普勒图和对逆脉冲压缩处理后的数据进行PD处理后得到的功率谱分布的距离-多普勒图,如图2a和图2b所示,图2a是对原始数据进行PD处理后得到的功率谱分布的距离-多普勒图,其中,横坐标为多普勒通道,纵坐标为距离单元,图中的每个点表示该距离单元和多普勒通道的功率值;图2b是对逆脉冲压缩处理后的数据进行PD处理后得到的功率谱分布的距离-多普勒图,其中,横坐标为多普勒通道,纵坐标为距离单元,图中的每个点表示该距离单元和多普勒通道的功率值。
利用传统空时自适应处理技术处理接收雷达回波信号后功率谱的距离-多普勒分布图及其在第一个目标所在多普勒通道的切面图,分别如图3a和图4a所示;以及使用本发明方法处理接收的雷达回波信号后功率谱的距离-多普勒分布图及其在第一个目标所在多普勒通道的切面图,分别如图3b和图4b所示;为了方便比较仿真结果,此处只估计了检测到的第一个目标及其相关分量的雷达回波信号。
图3a是使用传统的空时自适应处理方法得到的功率谱分布的距离-多普勒图切面,其中,横坐标为多普勒通道,纵坐标为距离单元,图3a中的每个点表示该距离单元和多普勒通道的功率值;图4a是图3a在第一个目标的多普勒通道处的功率谱随距离单元变化曲线切面图,其中,横坐标为距离单元,纵坐标为输出功率大小,单位为分贝(dB)。
图3b是使用本发明方法得到的功率谱分布的距离-多普勒切面图,其中,横坐标为多普勒通道,纵坐标为距离单元,图中的每个点表示该距离单元和多普勒通道的功率值;图4b是图3b在第一个目标的多普勒通道处的功率谱随距离单元变化曲线切面图,其中,横坐标为距离单元,纵坐标为输出功率大小,单位为分贝(dB)。
从图2a和图2b可以发现,相较于机载雷达接收机内部的噪声,目标和杂波信号的功率谱分布在距离-多普勒图像中都拥有各自的特性:目标的功率谱集中于某一点上,由于雷达回波信号处理(脉冲压缩处理和PD处理)不可避免地会使目标功率产生扩散,原本在一个点的目标功率谱在一块区域都有较强分布;而杂波因其固有特性,功率谱分布在固定的一段多普勒区间内,并且存在于所有的距离单元;通过对逆脉冲压缩后进行PD处理的距离-多普勒图进行检测(如图2a),即能够完成对应目标信号的功率在距离单元向扩散的范围。
另外,图3a和图4a可以发现,传统的空时自适应处理方法处理后的数据虽然有效地抑制了杂波信号(中间表示杂波的区域变窄),可能检测出原来检测不到的信号,但是原本的可检测的信号的功率谱在距离向的扩散不仅没有减弱,反而有所加强;而本发明方法在保证杂波抑制效果的同时,对第一个(从左至右第一个)目标信号及其扩散的回波进行了估计,并在空时自适应处理的样本中剔除了它们,可以看到,目标功率的扩散减少,而其他没有估计的几个目标则没有这种改善。
最后,观察比较图3b和图4b可以更加清楚地发现,在取第一个目标的多普勒通道的情况下,传统空时自适应处理技术的处理后数据的代表目标功率的峰值点旁边的功率扩散程度大,范围广(图3b);而本发明方法的处理后的数据的代表目标的峰值点旁边的功率扩散程度显著降低(图4b),说明本发明方法能够有效减轻空时自适应处理对于目标功率谱的集中性的负面影响。
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 (7)
1.一种基于雷达幅度和多普勒频率估计的空时自适应处理方法,其特征在于,包括以下步骤:
步骤1,确定机载雷达,所述机载雷达发射脉冲信号并接收检测范围内的雷达回波信号,雷达回波信号的脉冲宽度为Tp,且机载雷达发射脉冲信号的脉冲重复间隔为PRI,机载雷达的天线阵面的阵元数为N,且机载雷达的天线阵面在一个相干处理间隔内的脉冲数为M,机载雷达的最大不模糊距离单元个数为L,
对机载雷达接收的检测范围内的雷达回波信号依次进行下变频处理、脉冲压缩处理和模数转换处理,得到N×M×L维雷达回波信号矩阵X,其中第(n,m,l)个元素为xm,n,l,xm,n,l表示第n个阵元接收第m个发射脉冲在第l个距离单元处遇到目标或杂波后反射回来的雷达回波信号,n表示空域维序号,m表示发射脉冲维序号,l表示距离维,n=1,2,…,N,m=1,2,…,M,l=1,2,…,L;
步骤2,根据N×M×L维雷达回波信号矩阵X,依次计算N个阵元的M×L维归一化雷达回波信号矩阵和经过脉冲-多普勒PD处理后N个阵元的D×L维雷达回波信号矩阵Y以及N个阵元中L个距离单元对应D个多普勒通道处功率值的D×L维雷达回波信号矩阵P;然后设定目标检测阈值,并根据所述目标检测阈值对N个阵元中L个距离单元对应D个多普勒通道处功率值的D×L维雷达回波信号矩阵P进行目标检测,得到K个目标;
步骤3,根据N个阵元的M×L维归一化雷达回波信号矩阵计算依次经过逆脉冲压缩处理和脉冲-多普勒PD处理后N个阵元中L个距离单元对应D个多普勒通道处的D×L维雷达信号功率值矩阵P0;设定目标功率检测阈值D'0,并根据所述依次经过逆脉冲压缩处理和脉冲-多普勒PD处理后N个阵元中L个距离单元对应D个多普勒通道处的D×L维雷达信号功率值矩阵P0,得到K个目标的功率谱对应的扩散距离单元范围;
步骤4,初始化:令k∈{1,2,…,K},K表示在N个阵元中L个距离单元对应D个多普勒通道处的D×L维雷达回波信号功率值矩阵P中检测到的目标总个数,k的初始值为1,且第k个目标的功率谱的扩散距离单元区间长度为△lk,即第k个目标的功率谱的距离单元扩散范围Lk包含△lk个扩散距离单元;
步骤5,根据K个目标的功率谱对应的扩散距离单元范围,依次计算第k个目标的多普勒频率所在区间中第c个小区间的时域导向矢量v(k,c)和第k个目标的功率谱所在距离单元扩散范围Lk中第r个扩散距离单元Lk(r)在第c个小区间处的幅度估计进而计算第k个目标的功率谱所在扩散距离单元扩散范围Lk中△lk个扩散距离单元对应的M×△lk×C维雷达回波信号估计矩阵Tk,c=1,2,…,C,C表示将第k个目标的多普勒频率所在区间均匀划分后包含的小区间个数,△lk表示第k个目标的功率谱的扩散距离单元范围Lk包含的扩散距离单元个数;
步骤6,根据第k个目标的功率谱所在扩散距离单元扩散范围Lk中△lk个扩散距离单元对应的M×△lk×C维雷达回波信号估计矩阵Tk,计算得到第k个目标的功率谱扩散估计矩阵所述第k个目标的功率谱扩散估计矩阵为M×△lk维;
步骤7,令k加1,依次重复步骤5和步骤6,直到得到第K个目标的功率谱扩散估计矩阵然后根据得到的第1个目标的功率谱扩散估计矩阵到第K个目标的功率谱扩散估计矩阵计算机载雷达空时自适应处理的训练样本F。
2.如权利要求1所述的一种基于雷达幅度和多普勒频率估计的空时自适应处理方法,其特征在于,在步骤1中,所述机载雷达发射脉冲信号,还包括:
所述机载雷达发射脉冲信号,机载雷达发射脉冲信号的脉冲重复间隔为PRI,所述机载雷达内置脉冲调制器和调频电路,所述脉冲调制器在一个相干处理间隔内按照脉冲重复间隔PRI产生M个脉冲,所述M个脉冲分别为相干脉冲信号,然后所述调频电路将所述M个脉冲分别进行Q点采样,得到MQ个脉冲采样点,然后将所述MQ个脉冲采样点调制为高频信号并通过机载雷达的天线阵面发射出去,所述高频信号为机载雷达的天线阵面产生的1×Q维线性调频信号向量w',
exp表示指数函数,Q表示个相干处理间隔内M个脉冲各自的采样点数,B表示机载雷达的发射带宽;
然后对机载雷达的天线阵面产生的1×Q维线性调频信号向量w'取共轭并作L点快速傅里叶变换FFT,得到机载雷达的天线阵面产生的1×Q维线性调频信号向量w'的1×L维匹配滤波信号向量w,其表达式为:
L表示机载雷达的最大不模糊距离单元个数,L也表示快速傅里叶变换FFT的点数;Q>L。
3.如权利要求1所述的一种基于雷达幅度和多普勒频率估计的空时自适应处理方法,其特征在于,步骤2的子步骤为:
2a)根据N×M×L维雷达回波信号矩阵X,计算得到N个阵元的M×L维雷达回波信号矩阵,即将N×M×L维雷达回波信号矩阵X的空域维的所有元素相加并作归一化处理,得到N个阵元的M×L维雷达回波信号矩阵所述N个阵元的M×L维雷达回波信号矩阵为发射脉冲维-距离维,其表达式为:
其中,上标T表示转置,n∈{1,2,…,N},xn表示第n个阵元接收M个发射脉冲在L个距离单元处遇到目标或杂波后反射回来的雷达回波信号矩阵,其表达式为:
所述第n个阵元接收M个发射脉冲在L个距离单元处遇到目标或杂波后反射回来的雷达回波信号矩阵xn为M×L维,并将第n个阵元接收第m个发射脉冲在第l个距离单元处遇到目标或杂波后反射回来的雷达回波信号记为xn,m,l,m=1,2,…,M,l=1,2,…,L;
令第n个阵元接收M个发射脉冲在L个距离单元处遇到目标或杂波后反射回来的雷达回波信号矩阵xn中每一个元素的n分别取1至N后并进行相加和归一化,得到N个阵元的M×L维归一化雷达回波信号矩阵其中第(m,l)个元素为表示第m个发射脉冲、第l个距离单元处的归一化雷达回波信号,所述N个阵元的M×L维归一化雷达回波信号矩阵其表达式为:
2b)对N个阵元的M×L维归一化雷达回波信号矩阵在发射脉冲维进行脉冲-多普勒PD处理,即对N个阵元的M×L维归一化雷达回波信号矩阵中的每一行作D点离散傅里叶变换,将N个阵元的M×L维归一化雷达回波信号矩阵中所有发射脉冲维雷达回波信号分别转换到多普勒域中,进而得到脉冲-多普勒PD处理后N个阵元的D×L维雷达回波信号矩阵Y,其表达式为:
其中,D表示离散傅里叶变换的点数,多普勒通道总个数和离散傅里叶变换的点数相同;脉冲-多普勒PD处理后N个阵元的D×L维雷达回波信号矩阵Y的第d'行第l列元素为yd',l,yd',l表示脉冲-多普勒PD处理后N个阵元的第d'个多普勒通道、第l个距离单元处的雷达回波信号,其表达式为:
表示第m个发射脉冲、第l个距离单元处的归一化雷达回波信号,m=1,2,…,M,l=1,2,…,L;
2c)对脉冲-多普勒PD处理后N个阵元的D×L维雷达回波信号矩阵Y中的每一个元素取模值的平方,进而得到N个阵元中L个距离单元对应D个多普勒通道处的D×L维雷达回波信号功率值矩阵P,其中第d'行第l列元素为pd',l,pd',l表示N个阵元中第l个距离单元在第d'个多普勒通道处的雷达回波信号功率值,pd',l=|yd',l|2,yd',l表示脉冲-多普勒PD处理后N个阵元的第d'个多普勒通道、第l个距离单元处的雷达回波信号,d'=1,2,…,D,l=1,2,…,L;所述N个阵元中L个距离单元对应D个多普勒通道处的D×L维雷达回波信号功率值矩阵P,其表达式为:
2d)确定目标检测门限D0,并根据所述目标检测门限D0对N个阵元中L个距离单元对应D个多普勒通道处的D×L维雷达回波信号功率值矩阵P进行目标检测,得到K个目标,具体为:
任意选取N个阵元中L个距离单元对应D个多普勒通道处的D×L维雷达回波信号功率值矩阵P中任意一个元素pd',l,如果元素pd',l的功率值大于目标检测门限D0,并且元素pd',l的功率值分别大于p(d'-1),l的功率值、pd',(l-1)的功率值、p(d'+1),l的功率值、pd',(l+1)的功率值时,则将元素pd',l作为一个目标,并将元素pd',l对应的第d'个多普勒通道和第l个距离单元,分别作为该目标的距离单元和该目标的多普勒通道,d'=1,2,…,D,l=1,2,…,L;进而得到K个目标,其中将第k个目标的检测时刻记为tk,将第k个目标的多普勒频率记为fdk,k=1,2,…,K,K表示在N个阵元中L个距离单元对应D个多普勒通道处的D×L维雷达回波信号功率值矩阵P中检测到的目标总个数。
4.如权利要求1所述的一种基于雷达幅度和多普勒频率估计的空时自适应处理方法,其特征在于,步骤3的子步骤为:
3a)对N个阵元的M×L维归一化雷达回波信号矩阵进行逆脉冲压缩处理,首先对N个阵元的M×L维归一化雷达回波信号矩阵的每一列进行L点快速傅里叶变换到频域,得到快速傅里叶变换后N个阵元的M×L维雷达回波信号矩阵其中第m行第l'列元素为 表示快速傅里叶变换后N个阵元的第m个发射脉冲、第l'点快速傅里叶变换处的雷达回波信号,其表达式为:
其中,表示第m个发射脉冲、第l个距离单元处的归一化雷达回波信号,m=1,2,…,M,l=1,2,…,L;
3b)将快速傅里叶变换后N个阵元的M×L维雷达回波信号矩阵除以机载雷达的天线阵面产生的1×Q维线性调频信号向量w'的1×L维匹配滤波信号向量w,得到经过1×L维匹配滤波信号向量1×L后得到的M×L维雷达回波信号矩阵其中第m行第l'列元素为 表示经过1×L维匹配滤波信号向量后得到的第m个发射脉冲、第l'点快速傅里叶变换处的雷达回波信号,其表达式为:
其中,wl'表示机载雷达的天线阵面产生的1×Q维线性调频信号向量w'的1×L维匹配滤波信号向量w中第l'点快速傅里叶变换处的匹配滤波信号,l'=0,1,…,L-1;
3c)对经过1×L维线性调频信号的匹配滤波信号矩阵后得到的M×L维雷达回波信号矩阵的每一列进行L点逆离散傅里叶变换转回时域,进而得到逆脉冲压缩处理后的M×L维雷达回波信号矩阵其中第m行第l'列元素为 表示逆脉冲压缩处理后的第m个发射脉冲、第l'点逆快速傅里叶变换处的雷达回波信号,其表达式为:
所述逆脉冲压缩处理后的M×L维雷达回波信号矩阵其表达式为:
3d)对逆脉冲压缩处理后的M×L维雷达回波信号进行PD处理,即对逆脉冲压缩处理后的M×L维雷达回波信号矩阵中的每一行作D点离散傅里叶变换,将逆脉冲压缩处理后的M×L维雷达回波信号矩阵中所有发射脉冲维雷达回波信号分别转换到多普勒域中,再对经过D点离散傅里叶变换的每一个元素取模值的平方,进而得到依次经过逆脉冲压缩处理和脉冲-多普勒PD处理后L个距离单元对应D个多普勒通道处功率值的D×L维雷达回波信号功率矩阵P0,其中第d行第l列元素,即依次经过逆脉冲压缩处理和脉冲-多普勒PD处理后第d个多普勒通道、第l个距离单元处的雷达回波功率信号为p0(d,l),所述依次经过逆脉冲压缩处理和脉冲-多普勒PD处理后L个距离单元对应D个多普勒通道处功率值的D×L维雷达回波信号功率矩阵P0,其表达式为:
3e)设定目标功率检测阈值D'0,并将在设定的检测功率门限下,将依次经过逆脉冲压缩处理和脉冲-多普勒PD处理后L个距离单元对应D个多普勒通道处功率值的D×L维雷达回波信号功率矩阵P0中的元素对应功率值高于所述目标功率检测阈值D'0的元素集合,作为K个目标的功率谱对应的扩散距离单元范围,并将第k个目标的功率谱的扩散距离单元范围记为Lk,Lk=[lbegin(k),lbegin(k)+1,…,lend(k)],所述第k个目标所在距离单元在所述第k个目标的功率谱的扩散距离单元范围Lk内,且第k个目标的功率谱的扩散距离单元区间长度为△lk,即第k个目标的功率谱的距离单元扩散范围Lk包含△lk个扩散距离单元,
△lk=lend(k)-lbegin(k),第k个目标的功率谱的扩散距离单元区间对应的雷达回波信号功率为其中,lbegin(k)表示经过逆脉冲压缩处理后第k个目标所在的初始扩散距离单元,lend(k)表示经过逆脉冲压缩处理后第k个目标所在的末尾扩散距离单元。
5.如权利要求1所述的一种基于雷达幅度和多普勒频率估计的空时自适应处理方法,其特征在于,步骤5的子步骤为:
5a)设定第k个目标的多普勒频率所在区间fdk表示第k个目标的多普勒频率,并将所述第k个目标的多普勒频率所在区间均匀划分为C个小区间,其中第k个目标的多普勒频率所在区间中第c个小区间的多普勒频率为fdk(c),
PRF表示机载雷达的脉冲重复频率;
5b)根据第k个目标的功率谱的距离单元扩散范围Lk中的△lk个扩散距离单元,并按照△lk个扩散距离单元各自序号在M×L维雷达回波信号矩阵取出相应序号扩散距离单元的雷达回波信号,将第k个目标的功率谱所在距离单元扩散范围Lk中的第r个扩散距离单元记为Lk(r),r=1,2,…,△lk,△lk表示第k个目标的功率谱的扩散距离单元范围Lk包含的扩散距离单元个数;则在M×L维雷达回波信号矩阵取出第r个扩散距离单元Lk(r)的雷达回波信号所述第r个扩散距离单元Lk(r)的雷达回波信号为第k个目标距离向功率谱扩散的雷达回波信号;
然后,根据第k个目标的多普勒频率所在区间中第c个小区间的多普勒频率fdk(c),结合机载雷达发射脉冲的脉冲重复频率PRF,得到第k个目标的多普勒频率所在区间中第c个小区间的时域导向矢量v(k,c),其表达式为:
所述第k个目标的多普勒频率所在区间中第c个小区间的时域导向矢量v(k,c)为M×1维,表征接收多普勒频率为fdk(c)的目标在不同脉冲间的相位差矢量,通过线性最小二乘估计,得到第k个目标的功率谱所在距离单元扩散范围Lk中第r个扩散距离单元Lk(r)在第c个小区间处的幅度估计其表达式为:
其中,表示M×L维雷达回波信号矩阵中第r个扩散距离单元Lk(r)的M×1维雷达回波信号矩阵;进而计算第k个目标在M×L维雷达回波信号矩阵中第r个扩散距离单元Lk(r)、第c个小区间处的M×1维雷达回波信号矩阵
v(k,c)表示第k个目标在第c个小区间处的时域导向矢量;
5c)令c分别取1至C,进而分别得到第k个目标在M×L维雷达回波信号矩阵中第r个扩散距离单元Lk(r)、第1个小区间处的雷达回波信号矩阵至第k个目标在M×L维雷达回波信号矩阵中第r个扩散距离单元Lk(r)、第C个小区间处的雷达回波信号矩阵并记为第k个目标在M×L维雷达回波信号矩阵中第r个扩散距离单元Lk(r)处的M×C维雷达回波信号估计矩阵其表达式为:
5d)令r分别取1至△lk,进而计算得到第k个目标在M×L维雷达回波信号矩阵中第1个扩散距离单元Lk(r)处的M×C维雷达回波信号估计矩阵至第k个目标在M×L维雷达回波信号矩阵中第△lk个扩散距离单元Lk(r)处的M×C维雷达回波信号估计矩阵并记为第k个目标的功率谱所在扩散距离单元扩散范围Lk中△lk个扩散距离单元对应的M×△lk×C维雷达回波信号估计矩阵Tk,其中,r=1,2,…,△lk,△lk表示第k个目标的功率谱的扩散距离单元范围Lk包含的扩散距离单元个数,表示第k个目标在M×L维雷达回波信号矩阵中第r个扩散距离单元Lk(r)处的M×C维雷达回波信号估计矩阵。
6.如权利要求1所述的一种基于雷达幅度和多普勒频率估计的空时自适应处理方法,其特征在于,步骤6的子步骤为:
6a)根据第k个目标在M×L维雷达回波信号矩阵中第r个扩散距离单元Lk(r)处的M×C维雷达回波信号估计矩阵
将中所有元素值分别与M×L维雷达回波信号矩阵中第r个扩散距离单元Lk(r)处的雷达回波信号作差,并取差值的二范数,然后将C个差值的二范数中的最小值,作为第k个目标在M×L维雷达回波信号矩阵中第r个扩散距离单元Lk(r)处的雷达回波信号向量最终估计其计算表达式为:
6b)令r分别取1至△lk,进而分别得到第k个目标在M×L维雷达回波信号矩阵中第1个扩散距离单元Lk(1)处的雷达回波信号向量最终估计至第k个目标在M×L维雷达回波信号矩阵中第△lk个扩散距离单元Lk(△lk)处的雷达回波信号向量最终估计并记为第k个目标的功率谱扩散估计矩阵所述第k个目标的功率谱扩散估计矩阵为M×△lk维,
7.如权利要求1所述的一种基于雷达幅度和多普勒频率估计的空时自适应处理方法,其特征在于,在步骤6中,所述机载雷达空时自适应处理的训练样本F,其表达式为:
其中,表示M×L维雷达回波信号矩阵,表示第k个目标的功率谱扩散估计矩阵。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610964931.2A CN106546965B (zh) | 2016-10-31 | 2016-10-31 | 基于雷达幅度和多普勒频率估计的空时自适应处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610964931.2A CN106546965B (zh) | 2016-10-31 | 2016-10-31 | 基于雷达幅度和多普勒频率估计的空时自适应处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106546965A true CN106546965A (zh) | 2017-03-29 |
CN106546965B CN106546965B (zh) | 2019-05-21 |
Family
ID=58395405
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610964931.2A Active CN106546965B (zh) | 2016-10-31 | 2016-10-31 | 基于雷达幅度和多普勒频率估计的空时自适应处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106546965B (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107255814A (zh) * | 2017-07-31 | 2017-10-17 | 西安电子科技大学 | 一种基于lfmsk波形的雷达目标检测方法 |
CN108595377A (zh) * | 2018-04-26 | 2018-09-28 | 西安电子科技大学 | 一种信号处理方法及装置 |
CN108957419A (zh) * | 2018-05-31 | 2018-12-07 | 西安电子科技大学 | 基于陷波滤波处理的异步干扰抑制方法 |
CN109814073A (zh) * | 2019-01-21 | 2019-05-28 | 西安电子科技大学 | 一种mtd雷达解模糊测速方法 |
CN110320515A (zh) * | 2018-03-29 | 2019-10-11 | Aptiv技术有限公司 | 用于测试目标物体作为单点散射中心的方法 |
CN111226126A (zh) * | 2017-10-24 | 2020-06-02 | 罗伯特·博世有限公司 | 使用来自雷达传感器的数据用于基于机器学习的感知 |
CN111308436A (zh) * | 2020-02-24 | 2020-06-19 | 清华大学 | 基于体积相关函数的雷达空时自适应处理方法及装置 |
CN111506346A (zh) * | 2020-03-02 | 2020-08-07 | 西安电子科技大学 | 一种机载雷达空时自适应处理器 |
CN111505600A (zh) * | 2020-05-19 | 2020-08-07 | 西北大学 | 基于stpc的fda-mimo雷达信号处理方法、装置及介质 |
CN112363133A (zh) * | 2020-10-12 | 2021-02-12 | 山东省科学院自动化研究所 | 一种基于多普勒雷达的目标检测方法、介质及装置 |
CN112731366A (zh) * | 2020-12-17 | 2021-04-30 | 北京清雷科技有限公司 | 室内人员的定位方法及装置、系统 |
CN113015922A (zh) * | 2019-10-22 | 2021-06-22 | 华为技术有限公司 | 一种检测方法、检测装置以及存储介质 |
CN113325407A (zh) * | 2021-06-01 | 2021-08-31 | 中国人民解放军海军航空大学 | 一种基于自适应脉冲压缩的雷达目标距离超分辨方法 |
CN113376602A (zh) * | 2021-05-12 | 2021-09-10 | 西安电子科技大学 | 宽带机载相控阵雷达的直接空时自适应处理方法 |
CN113504526A (zh) * | 2021-09-03 | 2021-10-15 | 南京隼眼电子科技有限公司 | 基于mimo雷达的目标检测方法、装置、电子设备及存储介质 |
CN113640790A (zh) * | 2021-06-08 | 2021-11-12 | 西安电子科技大学 | 基于二维自适应谱估计的宽带宽脉冲高速目标检测方法 |
WO2022099605A1 (zh) * | 2020-11-13 | 2022-05-19 | 金序能 | 一种船用导航脉冲波雷达的信号处理方法 |
CN114660585A (zh) * | 2022-02-18 | 2022-06-24 | 加特兰微电子科技(上海)有限公司 | 噪底估计值的确定方法、装置、电子设备和存储介质 |
CN118465729A (zh) * | 2024-07-11 | 2024-08-09 | 中国人民解放军海军航空大学 | 一种基于空时图数据傅里叶变换的阵列雷达目标检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819269A (zh) * | 2010-03-19 | 2010-09-01 | 清华大学 | 非均匀杂波环境下空时自适应处理方法 |
US20120249361A1 (en) * | 2011-04-04 | 2012-10-04 | Zafer Sahinoglu | Method for Detecting Targets Using Space-Time Adaptive Processing |
CN102879767A (zh) * | 2012-06-28 | 2013-01-16 | 北京理工大学 | 一种用于空时自适应处理的干扰目标检测方法 |
WO2014020630A1 (en) * | 2012-08-02 | 2014-02-06 | Mbda Italia S.P.A. | Stap filtering method and apparatus of an echo radar signal |
CN105137409A (zh) * | 2015-07-24 | 2015-12-09 | 西安电子科技大学 | 基于幅相约束的目标信号稳健空时自适应处理方法 |
-
2016
- 2016-10-31 CN CN201610964931.2A patent/CN106546965B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819269A (zh) * | 2010-03-19 | 2010-09-01 | 清华大学 | 非均匀杂波环境下空时自适应处理方法 |
US20120249361A1 (en) * | 2011-04-04 | 2012-10-04 | Zafer Sahinoglu | Method for Detecting Targets Using Space-Time Adaptive Processing |
CN102879767A (zh) * | 2012-06-28 | 2013-01-16 | 北京理工大学 | 一种用于空时自适应处理的干扰目标检测方法 |
WO2014020630A1 (en) * | 2012-08-02 | 2014-02-06 | Mbda Italia S.P.A. | Stap filtering method and apparatus of an echo radar signal |
CN105137409A (zh) * | 2015-07-24 | 2015-12-09 | 西安电子科技大学 | 基于幅相约束的目标信号稳健空时自适应处理方法 |
Non-Patent Citations (2)
Title |
---|
TAO FUYU,ET AL: "Improved Accuracy of Estimated Covariance Matrix With A Novel Approach Based on STAP", 《ICSPCC》 * |
YIFENG WU,ET AL: "Training Sample Selection for Space-Time Adaptive Processing in Heterogeneous Environments", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》 * |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107255814A (zh) * | 2017-07-31 | 2017-10-17 | 西安电子科技大学 | 一种基于lfmsk波形的雷达目标检测方法 |
CN111226126A (zh) * | 2017-10-24 | 2020-06-02 | 罗伯特·博世有限公司 | 使用来自雷达传感器的数据用于基于机器学习的感知 |
CN111226126B (zh) * | 2017-10-24 | 2023-11-21 | 罗伯特·博世有限公司 | 使用来自雷达传感器的数据用于基于机器学习的感知 |
CN110320515A (zh) * | 2018-03-29 | 2019-10-11 | Aptiv技术有限公司 | 用于测试目标物体作为单点散射中心的方法 |
CN108595377A (zh) * | 2018-04-26 | 2018-09-28 | 西安电子科技大学 | 一种信号处理方法及装置 |
CN108957419B (zh) * | 2018-05-31 | 2022-08-19 | 西安电子科技大学 | 基于陷波滤波处理的异步干扰抑制方法 |
CN108957419A (zh) * | 2018-05-31 | 2018-12-07 | 西安电子科技大学 | 基于陷波滤波处理的异步干扰抑制方法 |
CN109814073B (zh) * | 2019-01-21 | 2022-11-11 | 西安电子科技大学 | 一种mtd雷达解模糊测速方法 |
CN109814073A (zh) * | 2019-01-21 | 2019-05-28 | 西安电子科技大学 | 一种mtd雷达解模糊测速方法 |
CN113015922A (zh) * | 2019-10-22 | 2021-06-22 | 华为技术有限公司 | 一种检测方法、检测装置以及存储介质 |
CN111308436A (zh) * | 2020-02-24 | 2020-06-19 | 清华大学 | 基于体积相关函数的雷达空时自适应处理方法及装置 |
CN111308436B (zh) * | 2020-02-24 | 2022-04-08 | 清华大学 | 基于体积相关函数的雷达空时自适应处理方法及装置 |
CN111506346A (zh) * | 2020-03-02 | 2020-08-07 | 西安电子科技大学 | 一种机载雷达空时自适应处理器 |
CN111505600A (zh) * | 2020-05-19 | 2020-08-07 | 西北大学 | 基于stpc的fda-mimo雷达信号处理方法、装置及介质 |
CN112363133A (zh) * | 2020-10-12 | 2021-02-12 | 山东省科学院自动化研究所 | 一种基于多普勒雷达的目标检测方法、介质及装置 |
WO2022099605A1 (zh) * | 2020-11-13 | 2022-05-19 | 金序能 | 一种船用导航脉冲波雷达的信号处理方法 |
CN112731366A (zh) * | 2020-12-17 | 2021-04-30 | 北京清雷科技有限公司 | 室内人员的定位方法及装置、系统 |
CN112731366B (zh) * | 2020-12-17 | 2024-03-08 | 北京清雷科技有限公司 | 室内人员的定位方法及装置、系统 |
CN113376602B (zh) * | 2021-05-12 | 2023-03-14 | 西安电子科技大学 | 宽带机载相控阵雷达的直接空时自适应处理方法 |
CN113376602A (zh) * | 2021-05-12 | 2021-09-10 | 西安电子科技大学 | 宽带机载相控阵雷达的直接空时自适应处理方法 |
CN113325407B (zh) * | 2021-06-01 | 2022-11-25 | 中国人民解放军海军航空大学 | 一种基于自适应脉冲压缩的雷达目标距离超分辨方法 |
CN113325407A (zh) * | 2021-06-01 | 2021-08-31 | 中国人民解放军海军航空大学 | 一种基于自适应脉冲压缩的雷达目标距离超分辨方法 |
CN113640790A (zh) * | 2021-06-08 | 2021-11-12 | 西安电子科技大学 | 基于二维自适应谱估计的宽带宽脉冲高速目标检测方法 |
CN113504526A (zh) * | 2021-09-03 | 2021-10-15 | 南京隼眼电子科技有限公司 | 基于mimo雷达的目标检测方法、装置、电子设备及存储介质 |
CN113504526B (zh) * | 2021-09-03 | 2024-02-27 | 南京隼眼电子科技有限公司 | 基于mimo雷达的目标检测方法、装置、电子设备及存储介质 |
CN114660585A (zh) * | 2022-02-18 | 2022-06-24 | 加特兰微电子科技(上海)有限公司 | 噪底估计值的确定方法、装置、电子设备和存储介质 |
CN114660585B (zh) * | 2022-02-18 | 2023-08-01 | 加特兰微电子科技(上海)有限公司 | 噪底估计值的确定方法、装置、电子设备和存储介质 |
CN118465729A (zh) * | 2024-07-11 | 2024-08-09 | 中国人民解放军海军航空大学 | 一种基于空时图数据傅里叶变换的阵列雷达目标检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106546965B (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106546965B (zh) | 基于雷达幅度和多普勒频率估计的空时自适应处理方法 | |
CN105929371B (zh) | 一种基于协方差矩阵估计的机载雷达杂波抑制方法 | |
CN105807267B (zh) | 一种mimo雷达扩展目标的检测方法 | |
CN101556328B (zh) | 基于杂波协方差矩阵的机载雷达空时二维滤波器构建方法 | |
Jakabosky et al. | Waveform design and receive processing for nonrecurrent nonlinear FMCW radar | |
CN107450055B (zh) | 基于离散线性调频傅立叶变换的高速机动目标检测方法 | |
CN106249212B (zh) | 主瓣压制干扰背景下有源假目标的极化鉴别方法 | |
CN106772253B (zh) | 一种非均匀杂波环境下的雷达杂波抑制方法 | |
CN111736128A (zh) | 基于skt-siaf-mscft的相参积累方法 | |
CN104765020A (zh) | 有源假目标干扰的极化鉴别方法 | |
CN104793194B (zh) | 基于改进的自适应多脉冲压缩的距离‑多普勒估计方法 | |
CN106483516A (zh) | 基于先验知识的雷达杂波空时自适应处理方法 | |
CN106970369A (zh) | 基于知识辅助的宽带雷达目标检测方法 | |
CN105137410A (zh) | 基于ofdm的高分辨率雷达通信一体化的波形优化方法 | |
CN105527614B (zh) | 基于动目标检测的lfm脉冲雷达抗drfm干扰方法 | |
CN104635219B (zh) | 基于阵元‑脉冲域补偿的匀加速平台空时自适应处理方法 | |
CN113721216B (zh) | 一种捷变相参雷达的目标检测波形优化与处理方法 | |
CN105445703B (zh) | 一种机载雷达空时回波数据的两级空时自适应处理方法 | |
CN106546966B (zh) | 基于多项式拟合的杂波背景下雷达噪声功率估计方法 | |
CN112098956B (zh) | 一种基于成像技术的交叉眼干扰对抗方法 | |
CN109001687A (zh) | 基于广义旁瓣相消结构的机载雷达空时自适应滤波方法 | |
Huang et al. | Robust detection and motion parameter estimation for weak maneuvering target in the alpha-stable noise environment | |
Chen et al. | Suppression method for main-lobe interrupted sampling repeater jamming in distributed radar | |
CN107015214A (zh) | 一种基于稀疏贝叶斯学习的空时自适应处理方法 | |
CN105954729A (zh) | 雷达抗距离-速度联合欺骗干扰的自适应迭代滤波方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |