CN107748364A - 基于降秩多级维纳滤波器的低空风切变风场速度估计方法 - Google Patents

Abstract

一种基于降秩多级维纳滤波器的低空风切变风场速度估计方法。其包括读取飞机状态参数、雷达参数：对机载气象雷达的接收信号进行相位补偿，剔除飞机运动带来的速度偏移：重构待检测距离单元的风场目标空时导向矢量：构造降秩变换矩阵，在降秩子空间内求解降秩多级维纳滤波器自适应输出权矢量：处理待检测距离单元数据，自适应地抑制地杂波并进行风场速度估计；依次处理机载气象雷达工作范围内所有距离单元雷达回波信号，得到风场速度随距离的变化曲线等步骤。本发明针对无训练样本情况下的低空风切变风场速度估计问题，将降秩多级维纳滤波器应用到低空风切变的风场速度估计中，在不需要估计待检测距离单元的杂波协方差矩阵的前提下实现了地杂波抑制和风场速度的准确估计。

Description

基于降秩多级维纳滤波器的低空风切变风场速度估计方法

技术领域

本发明属于机载气象雷达低空风切变检测技术领域，特别是涉及一种基于降秩多级维纳滤波器的低空风切变风场速度估计方法。

背景技术

低空风切变属于民航运输领域的灾难性天气之一，它具有持续时间短、作用区域小、瞬间强度大、危害性高等特点。当飞机在起飞或者进近阶段遭遇风切变时，由于飞行高度较低，飞行员无法及时调整飞机姿态，将有可能导致空难的发生，因此针对低空风切变的检测和预警就成为当前民航领域的一项重要课题，而风切变速度估计作为整个风切变检测流程的基础，直接影响了风切变检测的准确程度。

机载气象雷达是民航飞机必不可少的重要电子设备，它是民航飞机的“双眼”。当机载气象雷达工作在下视模式时，低空风切变的回波信号往往会被淹没在地杂波背景中，因此地杂波的抑制效果将直接影响低空风切变的风场速度估计精度。传统的杂波抑制方法有杂波图法，此方法的缺点是需要存储的地形数据过多。多扫描方法通过调节雷达下视角减小地面回波信号，但当中远程杂波与风切变信号混淆在一起时，检测效果较差。零陷滤波器法通过在频域设置滤波器过滤地杂波，但此种方法对地杂波谱宽估计要求很高。利用模式分析的扩展Prony方法针对低空风切变信号与地杂波同时存在的情况，建立了双峰谱模型，但在强杂波背景下，此种方法的风场速度估计性能会严重下降。上述方法的本质均在于寻找合适的凹口，在抑制地杂波的同时保留风切变信号，但当杂波剩余时，残余杂波仍会覆盖掉部分风切变信号的多普勒信息，从而严重影响风场速度估计结果的准确性。

机载相控阵雷达采用多个天线接收回波信号，相对于传统的单天线雷达，其接收的回波信号中包含目标空域信息，使得空时联合处理成为可能，因此相控阵雷达在强杂波背景下的目标检测和参数估计性能更加优越。空时自适应处理(Space-time AdaptiveProcessing,STAP)是机载相控阵雷达杂波抑制与目标检测的关键技术，它能够利用雷达回波的空时耦合特性实现杂波抑制和信号匹配。传统的STAP技术多针对点目标进行检测和参数估计，针对低空风切变等分布式目标检测与估计的应用相对较少。吴仁彪等人提出了一种基于全空时域STAP的低空风切变风场速度估计方法，当脉冲数较多时，该方法可在强杂波背景下实现对风切变风场速度的准确估计。李海等人提出了基于压缩感知的低空风切变风场速度估计方法，并构造了适用于风场信号的空时导向矢量模型，该方法可以在脉冲数较少时实现对风场速度的精确估计。但上述方法均需要使用足够的训练样本来估计杂波协方差矩阵，当独立同分布(Independent and Identical Distributed,IID)的训练样本数不足时，上述方法性能下降，无法直接应用。

发明内容

为了解决上述问题，本发明的目的在于提供一种无训练样本时，仍然可以精确估计风场速度的基于降秩多级维纳滤波器的低空风切变风场速度估计方法。

为了达到上述目的，本发明提供的基于降秩多级维纳滤波器的低空风切变风场速度估计方法包括按顺序进行的下列步骤：

1)从机载设备中读取飞机状态参数、雷达参数作为先验信息；

2)利用上述先验信息对机载气象雷达的接收信号进行相位补偿，剔除飞机运动带来的速度偏移；

3)在步骤2)的基础上重构待检测距离单元的风场目标空时导向矢量；

4)构造降秩变换矩阵，在降秩子空间内求解降秩多级维纳滤波器自适应输出权矢量；

5)利用上述获得的降秩多级维纳滤波器自适应输出权矢量处理待检测距离单元数据，自适应地抑制地杂波并进行风场速度估计；

6)重复步骤2)-5)，依次处理机载气象雷达工作范围内所有距离单元的雷达回波信号，得到风场速度随距离的变化曲线。

在步骤1)中，所述的机状态参数、雷达参数包括飞机速度V、飞行高度H、雷达波长λ、天线扫描的主瓣方位角θ₀、俯仰角和脉冲重复频率f_r。

在步骤3)中，所述的在步骤2)的基础上重构待检测距离单元的风场目标空时导向矢量的方法是：假设风场目标的方位角和俯仰角已知，并根据低空风切变信号的参数化模型，通过设置待测距离单元风场目标的归一化多普勒中心频率或者待测距离单元风切变信号的风场速度构造待检测距离单元的风场目标空时导向矢量。

在步骤4)中，所述的构造降秩变换矩阵，在降秩子空间内求解降秩多级维纳滤波自适应输出权矢量是：根据降秩多级维纳滤波器的原理将降秩多级维纳滤波器简化为降秩广义旁瓣相消器框架下的变换域形式，然后根据降秩多级维纳滤波器的递推流程逐级推导得到降秩变换矩阵，并结合步骤3)中重构的待检测检测单元的风场目标空时导向矢量求解降秩多级维纳滤波自适应输出权矢量。

在步骤5)中，所述的利用上述获得的降秩多级维纳滤波器自适应输出权矢量处理待检测距离单元数据，自适应地抑制地杂波并进行风场速度估计的方法是：利用求解得到的降秩多级维纳滤波器自适应输出权矢量对雷达回波信号进行多级投影正交变换和降秩多级维纳滤波；循环更新用于重构风场目标空时导向矢量的归一化多普勒中心频率或者风场速度，得到不同的风场速度匹配结果，最大输出信号功率对应的速度值即为待检测距离单元内的低空风切变信号风场速度的估计值。

本发明提供的基于降秩多级维纳滤波器的低空风切变风场速度估计方法是立足于新一代相控阵体制的机载气象雷达，将降秩多级维纳滤波器应用到低空风切变的风场速度估计中。在不需要估计待检测距离单元的杂波协方差矩阵的情况下，直接对待测距离单元数据进行降维处理，因而大大降低了对训练样本的需求。并且，本方法通过构造适用于低空风切变的自适应输出权矢量实现了地杂波抑制和风场速度的有效估计。

附图说明

图1为本发明提供的基于降秩多级维纳滤波器的低空风切变风场速度估计方法的实现框图；

图2为机载前视阵回波仿真示意图；

图3为降秩多级维纳滤波器原理图；

图4为降秩多级维纳滤波器变换域形式；

图5为本发明提供的基于降秩多级维纳滤波器的低空风切变风场速度估计方法流程图；

图6为补偿飞机速度后的仿真信号空时二维谱；

图7为降秩多级维纳滤波器频响特性；

图8为本发明方法的全距离单元风场速度估计结果；

图9为本发明方法与传统方法的风场速度估计对比结果。

具体实施方式

下面结合附图和具体实施例对本发明提供的基于降秩多级维纳滤波器的低空风切变风场速度估计方法进行详细说明。

如图1所示，本发明提供的基于降秩多级维纳滤波器的低空风切变风场速度估计方法包括按顺序进行的下列步骤：

1)从机载设备中读取飞机状态参数、雷达参数作为先验信息：

从机载设备中读取飞机速度V、飞行高度H、雷达波长λ、天线扫描的主瓣方位角θ₀、俯仰角和脉冲重复频率f_r在内的参数作为信号处理的先验信息。

2)利用上述先验信息对机载气象雷达的接收信号进行相位补偿，剔除飞机运动带来的速度偏移：

利用上述先验信息对机载气象雷达的回波信号进行相位补偿，剔除飞机运动带来的速度偏移，以消除飞机的运动对参数估计的影响。

3)在步骤2)的基础上重构待检测距离单元的风场目标空时导向矢量：

在飞机上沿与航向垂直方向均匀放置机载气象雷达的N元线阵，阵元间隔d＝0.5λ，如图2所示。假设在相干处理时间(Coherent Processing Interval，CPI)内，相干处理脉冲数为K，脉冲重复频率为f_r，机载气象雷达在其工作范围内有L个距离单元，第l个距离单元的机载气象雷达的回波信号可表示为：

x(l)＝s(l)+c(l)+n (1)

其中，c(l)为第l个距离单元的地杂波，n为高斯白噪声，s(l)为该距离单元的低空风切变信号，可表示为：

其中，Γ为该距离单元的风场回波复幅度，A(s,t)为该距离单元的风场空时导向矢量，A_t(f_l)为该距离单元的风场信号的时域导向矢量，f_l为该距离单元内目标回波的多普勒中心频率，表示Kronecker积，为该距离单元的风场信号的空域导向矢量。风场信号的时域导向矢量A_t(f_l)和风场信号的空域导向矢量可以分别表示为：

A_t(f_l)＝a_t(f_l)⊙g(σ_f) (3)

其中，表示该距离单元，多普勒中心频率为f_l的点目标的时域导向矢量，⊙为Hadamard积，表示频率扩展函数。表示该距离单元风场中心上点目标的空域导向矢量，为风场信号的角度扩展函数，其中，σ_θ表示θ₀方向上的角度扩展，表示方向上的角度扩展。

根据公式(3)和(4)，构造待测距离单元的风场目标空时导向矢量h₀，假设天线主瓣对准风场目标，此时风场目标的方位角为θ₀，俯仰角为与天线主瓣方向一致。并且假设该距离单元风场归一化多普勒中心频率为f_l′∈[-1 1]，风场速度v′＝λf_l′f_r/4，则构造的风场目标空时导向矢量h₀可表示为：

4)构造降秩变换矩阵，在降秩子空间内求解降秩多级维纳滤波器自适应输出权矢量：

降秩多级维纳滤波器的原理如图3所示。在降秩多级维纳滤波之前，首先对机载气象雷达的回波信号x(l)进行预处理，得到初始期望信号d₀和机载气象雷达初级回波分解信号x₀(l)。其中，初始期望信号h₀为步骤3)中构造的待检测距离单元的风场目标空时导向矢量，x₀(l)＝B₀x(l)，B₀为构造的风场目标空时导向矢量h₀的阻塞矩阵，即B₀h₀＝0。对机载气象雷达初级回波分解信号x₀(l)进行逐级分解可以实现对雷达回波信号的降维处理。实线框内T_r可看做由前向分析滤波器构成的降秩变换矩阵，W_d为后向综合滤波器组构成的自适应权矢量，y为输出信号。

不失一般性，将多级维纳滤波器在第r级处进行截断，得到r级降秩维纳滤波器，r为降秩多级维纳滤波器的秩。根据降秩多级维纳滤波器原理，其各级递推计算流程如表1所示：

表1降秩多级维纳滤波器递推流程

表中，为雷达回波信号的第i级分解信号x_i-1(l)与第i-1级期望信号d_i-1的互相关矢量，第i级待检测距离单元的风场目标空时导向矢量h_i是雷达回波信号的第i级分解信号x_i-1(l)与第i-1级期望信号d_i-1的归一化互相关导向矢量，B_i为各级阻塞矩阵，是第i级待检测距离单元的风场目标空时导向矢量h_i的零空间(即B_ih_i＝0)，w_i为各级维纳权矢量。

根据图3可以将降秩多级维纳滤波器简化为降秩广义旁瓣相消器框架下的变换域形式，如图4所示。从图4中可以看出，降秩变换矩阵T_r和自适应权矢量W_d是构造r级降秩维纳滤波器自适应输出权矢量的关键。

根据表1的前向递推公式可以得到r级降秩维纳滤波器的期望信号为：

进而可以定义降秩变换矩阵T_r为：

根据MMSE准则和Wiener-Hopf方程，逐级反推可以得到r级降秩维纳滤波器的自适应权矢量W_d为

其中，w_i为各级维纳权矢量，R_d为待测距离单元内雷达回波信号通过降维处理后的协方差矩阵，为各级期望信号d与初始期望信号d₀的互相关矢量。协方差矩阵R_d和互相关矢量分别如下式所示：

其中，R_x(l)＝x(l)x(l)^H为雷达回波信号的协方差矩阵。由图4及上述推导可得r级降秩维纳滤波器自适应输出权矢量为：

5)利用上述获得的降秩多级维纳滤波器自适应输出权矢量处理待检测距离单元数据，自适应地抑制地杂波并进行风场速度估计；

由公式(11)可得，在构造r级降秩维纳滤波器自适应输出权矢量时，需要能够准确描述风场特性的风场目标空时导向矢量h₀，结合公式(5)可知，当风场目标多普勒频率与重构的风场目标空时导向矢量h₀所用多普勒频率相匹配时(即f_l′＝f_l)，上空间中雷达回波信号被完整输出，此时，重构的风场目标空时导向矢量h₀与雷达回波信号x(l)的互相关所张成的空间d₀可表示为：

而下空间中初始级阻塞矩阵B₀阻塞了风场信号，机载气象雷达初级回波分解信号x₀(l)中只含有杂波和噪声，其表达式为：

将初始期望信号d₀和机载气象雷达初级回波分解信号x₀(l)送入降秩多级维纳滤波器进行自适应滤波，可以得到信号匹配与杂波抑制后的输出信号：

此时，上下两空间的杂波和噪声互相抵消，低空风切变信号有效输出，用于重构风场目标空时导向矢量h₀所假设的多普勒频率所对应的速度即为待测距离单元所估计的风场速度，即：

6)重复步骤2)-5)，依次处理机载气象雷达工作范围内所有距离单元的雷达回波信号，得到风场速度随距离的变化曲线：

利用步骤2)-5)所述方法估计出每个距离单元的风场速度，即完成低空风切变场的风场速度估计过程。

本发明提供的基于降秩多级维纳滤波器的低空风切变风场速度估计方法的效果可以通过以下仿真结果进一步说明。

仿真条件描述：低空风切变场分布于飞机前方约8.5-16.5km处，机载气象雷达的天线阵为阵元数N＝8的均匀线阵，阵元间距d＝λ/2，主瓣波束水平方位角为60°，俯仰角为0°，机载气象雷达工作波长为0.05m，脉冲重复频率为7000Hz，最小可分辨距离150m，相干处理脉冲数K＝64，信噪比5dB，杂噪比30dB，飞机速度为75m/s，飞行高度为600m，归一化多普勒谱宽σ_f＝0.01。

图5为本发明提供的降秩多级维纳滤波器的低空风切变风场速度估计方法的基本流程图。其关键步骤在于：重构待检测距离单元的风场目标空时导向矢量，构造降秩变换矩阵，对待测距离单元的数据进行降维处理；设计适用于风场信号的降秩多级维纳滤波自适应处理器，在抑制地杂波的同时对风切变信号进行匹配，运用动目标检测的思想，搜索得到风切变信号的风场速度。

图6为补偿飞机速度后的仿真信号空时二维谱示意图，其中，图6(a)为总的雷达回波信号空时二维谱，如图所示，当机载气象雷达工作在前视模式时，地杂波的空时二维谱为椭圆形，并且地杂波的回波功率远大于风场的回波功率，导致风场回波的多普勒信息淹没在地杂波的多普勒信息中。图6(b)为仿真的低空风切变的空时二维谱，低空风切变是分布式气象目标，其风向和风场速度不断的变化，因此其回波信号在多普勒域存在一定的展宽，功率谱总体为一条窄带。

图7以100号距离单元为例，显示了多普勒中心频率f_l＝0.6时的最优处理器频响特性。可以看出，本发明提供方法利用降秩多级维纳滤波器自适应地在地杂波方向形成凹口，同时对多普勒中心频率为f_l的宽带信号进行增益匹配。按多普勒中心频率f_l循环，更新降秩多级维纳滤波器的自适应输出权矢量，得到最大输出功率对应的即可计算此距离单元的风场速度。

图8为本发明方法的全距离单元风场速度估计结果。如图所示，在8.5-16.5km范围内，利用雷达回波信号所估计的风场速度随距离变化而表现正负变化的反“S”形分布，这是低空风切变信号最主要的特征，进一步计算风场速度梯度和告警因子后可完成低空风切变的检测过程。

图9为本发明方法与传统方法的风场速度估计结果对比。由于本发明方法不需要估计杂波协方差矩阵和特征分解，因而大大地降低了对训练样本数的需求。而其他方法对杂波协方差矩阵的要求很高，对于小样本下杂波协方差矩阵不能得到有效估计的情况，传统方法的杂波抑制性能较差。实验结果表明，本发明方法可以在无训练样本的条件下有效地抑制地杂波，并准确地估计出风场速度。在同等杂噪比与信噪比条件下，本发明方法处理效果明显优于自适应频域置零法与固定凹口法等传统方法。

Claims (5)

1.一种基于降秩多级维纳滤波器的低空风切变风场速度估计方法，其特征在于：所述的基于降秩多级维纳滤波器的低空风切变风场速度估计方法包括按顺序进行的下列步骤：

1)从机载设备中读取飞机状态参数、雷达参数作为先验信息；

2)利用上述先验信息对机载气象雷达的接收信号进行相位补偿，剔除飞机运动带来的速度偏移；

3)在步骤2)的基础上重构待检测距离单元的风场目标空时导向矢量；

4)构造降秩变换矩阵，在降秩子空间内求解降秩多级维纳滤波器自适应输出权矢量；

5)利用上述获得的降秩多级维纳滤波器自适应输出权矢量处理待检测距离单元数据，自适应地抑制地杂波并进行风场速度估计；

6)重复步骤2)-5)，依次处理机载气象雷达工作范围内所有距离单元的雷达回波信号，得到风场速度随距离的变化曲线。

2.根据权利要求1所述的基于降秩多级维纳滤波器的低空风切变风场速度估计方法，其特征在于：在步骤1)中，所述的机状态参数、雷达参数包括飞机速度V、飞行高度H、雷达波长λ、天线扫描的主瓣方位角θ₀、俯仰角和脉冲重复频率f_r。

3.根据权利要求1所述的基于降秩多级维纳滤波器的低空风切变风场速度估计方法，其特征在于：在步骤3)中，所述的在步骤2)的基础上重构待检测距离单元的风场目标空时导向矢量的方法是：假设风场目标的方位角和俯仰角已知，并根据低空风切变信号的参数化模型，通过设置待测距离单元风场目标的归一化多普勒中心频率或者待测距离单元风切变信号的风场速度构造待检测距离单元的风场目标空时导向矢量。

4.根据权利要求1所述的基于降秩多级维纳滤波器的低空风切变风场速度估计方法，其特征在于：在步骤4)中，所述的构造降秩变换矩阵，在降秩子空间内求解降秩多级维纳滤波自适应输出权矢量是：根据降秩多级维纳滤波器的原理将降秩多级维纳滤波器简化为降秩广义旁瓣相消器框架下的变换域形式，然后根据降秩多级维纳滤波器的递推流程逐级推导得到降秩变换矩阵，并结合步骤3)中重构的待检测检测单元的风场目标空时导向矢量求解降秩多级维纳滤波自适应输出权矢量。

5.根据权利要求1所述的基于降秩多级维纳滤波器的低空风切变风场速度估计方法，其特征在于：在步骤5)中，所述的利用上述获得的降秩多级维纳滤波器自适应输出权矢量处理待检测距离单元数据，自适应地抑制地杂波并进行风场速度估计的方法是：利用求解得到的降秩多级维纳滤波器自适应输出权矢量对雷达回波信号进行多级投影正交变换和降秩多级维纳滤波；循环更新用于重构风场目标空时导向矢量的归一化多普勒中心频率或者风场速度，得到不同的风场速度匹配结果，最大输出信号功率对应的速度值即为待检测距离单元内的低空风切变信号风场速度的估计值。