CN107991659B - 基于字典学习的米波雷达低仰角目标测高方法 - Google Patents
基于字典学习的米波雷达低仰角目标测高方法 Download PDFInfo
- Publication number
- CN107991659B CN107991659B CN201711143805.1A CN201711143805A CN107991659B CN 107991659 B CN107991659 B CN 107991659B CN 201711143805 A CN201711143805 A CN 201711143805A CN 107991659 B CN107991659 B CN 107991659B
- Authority
- CN
- China
- Prior art keywords
- target
- representing
- vector
- signal
- matrix
- 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.)
- Active
Links
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种基于字典学习的米波雷达低仰角目标测高方法,主要解决现有方法在复杂地形环境下多径信号方向上理想阵列流型受扰动时,无法保证对低仰角目标高度有效估计的问题。其实现过程是:1.估计米波雷达回波数据的协方差矩阵,并对其进行特征值分解,获取降维后的信号矢量;2.在复杂地形情况下,根据构造包含扰动信息的参数化字典和获取的降维后的信号矢量,对地面扰动参数矩阵、目标仰角进行联合估计,得到目标仰角最终估计值;3.利用天线阵列与目标仰角的最终估计值,计算目标高度估计值。本发明能有效实现对低仰角目标高度的测量,提升雷达对复杂多径环境下低仰角目标的跟踪性能,可用于目标定位与跟踪。
Description
技术领域
本发明属于雷达技术领域,涉及米波雷达低仰角目标测高方法,可用于复杂多径环境下米波雷达对低仰角目标仰角及高度的估计。
背景技术
米波雷达具有远距离探测等方面的优势,近些年越来越受到世界各国的重视。但其在复杂地形、多径方向上阵列流型受扰动的情况下对低仰角目标的跟踪仍面临一些技术难题。造成米波雷达对低仰角目标跟踪困难的主要原因是多径效应的存在,即存在与目标直达波信号相干的地面反射的镜像多径信号,从而影响了其对目标仰角的估计性能以及对目标的跟踪性能。
阵列超分辨技术是人们解决上述问题的主要研究方向,现有的米波雷达低仰角目标仰角估计方法可分为基于子空间算法和基于最大似然算法两大类。第一类算法以空间平滑的多重信号分类SS-MUSIC算法最为代表。经典MUSIC算法最为突显的缺陷之一是不能直接处理相干信号,虽然通过空间平滑技术可以获得去相关预处理,从而改善经典MUSIC算法对相关信号的处理能力,但空间平滑会带来有效阵列孔径的损失,进而降低算法的参数估计性能。第二类算法基于最大似然类算法,该类算法可以直接处理相干信号,是米波雷达测角问题中最常用的算法,但是最大似然算法需要进行多维搜索,运算量大,难以满足实时性应用。为此,有学者提出了一种改进的最大似然RML算法,该算法通过利用一些先验信息,如目标距离、天线高度以及直达波信号与反射波信号之间的内在结构信息,简化了信号模型,最终只需一维搜索便可实现对目标仰角的估计,大大减少了运算量。但是在实际应用中,特别是在山区、丘陵等复杂地形情况下,由于直达波信号与多径信号之间的内在结构信息一般会随着目标的机动而改变且很难量测,这将使得上述RML算法中所利用的先验信息失效,导致RML算法无法对复杂地形情况下低仰角目标高度进行有效估计,从而影响了米波雷达在复杂地形情况下对低仰角目标的跟踪性能。
发明内容
本发明的目的在于针对上述已有技术的不足,提出一种复杂地形环境下的米波雷达低仰角目标测高方法,以在地面非均匀、多径方向上阵列流型受扰动的情况下完成对低仰角目标仰角以及高度的估计,改善复杂地形条件下米波雷达对低仰角目标的跟踪性能。
为实现上述目的,本发明的技术方案,包括如下:
(1)利用阵列天线接收目标回波数据X,估计该接收数据的协方差矩阵RX;
(3)在复杂地形情况下,对地面扰动参数矩阵、目标仰角进行联合估计,得到目标仰角最终估计值:
(3a)构建整个观测空间上的完备字典D(Γ):
D(Γ)=[Bd,ΓBs],
其中,表示包含所有目标信号基向量的字典矩阵,表示第p个观测方向上的目标信号基向量,表示第p个观测方向角度,p=1,2,…G,G表示离散化的目标信号观测方向的个数,表示包含所有多径信号基向量的字典矩阵,表示第q个观测方向上的多径信号基向量,表示第q个观测方向角度,q=1,2,…Q,Q表示离散化的多径信号观测方向的个数,Γ=diag[δ1,…,δm,…,δM]表示由于不规则地面反射而引起的扰动参数矩阵,δm表示不规则地面反射对第m个阵元所引起的扰动参数,m=1,2,…M,M表示阵列天线的个数;
(3b)设定最大迭代次数I=30,令初始迭代序列k=1,通过(3a)中构造的完备字典D(Γ)与(2)中得到的降维后信号矢量y构造如下代价函数:
(3c)在复杂地形、反射面信息未知的情况下,将(3b)中代价函数转化为如下数学模型估计权重系数矢量:
本发明具有以下优点:
1)本发明在多径信号方向上阵列流型受复杂地形反射扰动的情况下,通过对地面扰动参数矩阵、目标仰角进行联合估计,进而补偿掉复杂地形反射所带来的扰动,不需要利用目标信号与多径信号之间的结构先验信息,无需进行多维搜索,便可完成对低仰角目标仰角及高度的估计;
2)本发明通过引入地形扰动参数矩阵,采用构稀疏重构算法、字典学习与交替迭代逐层逼近估计目标仰角相结合的方法,可以在地面非均匀、多径反射波方向上阵列流型受扰动的复杂地形环境下完成对低仰角目标仰角及高度的估计,提升了雷达对复杂多径环境下低仰角目标仰角及高度的估计性能。
附图说明
图1是本发明使用的复杂地形环境下的多径信号模型示意图;
图2是本发明的实现流程图;
图3是实测的目标航迹随观测时间变化示意图;
图4是实测的目标仰角随观测时间变化示意图;
图5是实测的目标高度随观测时间变化示意图;
图6是在复杂地形情况下,分别用本发明与现有SSMUSIC算法以及现有RML算法得到的目标仰角估计与目标真实仰角对比结果图;
图7是在复杂地形情况下,分别用本发明与现有SSMUSIC算法以及现有RML算法得到的目标高度估计与目标真实高度对比结果图。
具体实施方式
参照图1,本发明使用的复杂地形情况下的多径模型,包含雷达阵列天线A,目标以及目标镜像,多径反射点位置为B,天线中心距离地面高度为ha,雷达与目标之间的距离为Rd,雷达与目标镜像之间的距离为Rs,目标直达波方向为θd,目标多径信号方向为θs,目标距离地面高度为ht,目标距离反射面的垂直距离为ht′,反射面与水平面之间的夹角α。
参照图2,本发明的实现步骤如下:
步骤1,获取雷达目标回波数据X,估计该接收数据的协方差矩阵RX。
<1a>获取雷达目标回波数据X:
假设雷达阵列天线为一垂直水平面放置的均匀线性阵列,阵列天线的个数为M,阵元间距为半波长,令第m个接收天线在第l时刻接收信号为xml,则阵列接收信号矩阵可以表示为:
X=[x1,…xl,…,xL],
其中,xl=[x1l,…xml,…,xMl]T表示在第l次快拍时刻阵列接收信号矢量,L表示快拍数,l=1,2,…,L,(·)T表示转置运算;
由于米波雷达在对低仰角目标跟踪中存在多径效应,故阵列天线接收到的目标回波信号既包含直达波信号又包含反射波信号,其信号模型可以表示为下式:
X=βexp(-j2πf0τ0)(a(θd)+ρΓa(θs))s+N
其中,s=[s1,…sl,…,sL]为目标回波信号复包络向量,sl为第l次快拍时刻目标回波信号复包络,为噪声信号矩阵,表示复数域,β为目标复散射系数,f0为载波频率,τ0为参考阵元到目标距离所产生的时延,ρ=ρ0exp(-j2πΔR/λ)表示衰减系数,ρ0表示地面复散射系数,ΔR表示多径信号与直达波信号之间的波程差,λ表示载波波长,Γ=diag[δ1,…,δm,…,δM]表示由于不规则地面反射而引起的扰动参数矩阵,δm表示不规则地面反射对第m个阵元所引起的扰动参数,m=1,2,…M,θd为目标直达波方向,θs为多径信号方向,a(θd)为目标直达波方向的导向矢量,a(θs)为多径信号方向的导向矢量;
a(θd)和a(θs)的具体形式分别为:
a(θd)=[1,exp(j2πdsin(θd)/λ,…,exp(j2π(M-1)dsin(θd)/λ]T
a(θs)=[1,exp(j2πdsin(θs)/λ,…,exp(j2π(M-1)dsin(θs)/λ]T,
其中,d表示阵元间距;
<1b>根据雷达目标回波数据X,估计接收数据的协方差矩阵:RX=XXH/L,其中(·)H表示共轭转置运算。
步骤2,对协方差矩阵RX进行特征值分解,得到降维后的信号矢量y。
<2a>通过下式对协方差矩阵RX进行特征值分解:
RX=UΛUH,
其中,Λ为特征值矩阵,其表达式为:
步骤3,复杂地形情况下,对地面扰动参数矩阵、目标仰角进行联合估计,得到目标仰角最终估计值。
由于实际中地形的复杂多样性,地面并非完全平坦光滑,目标信号与多径信号之间的几何关系通常是未知的且很难测量,并且在复杂地形环境下,多径方向上理想的阵列流型也会受到不同程度的扰动。上述这些因素将使得基于理想对称信号模型的算法无法有效对低仰角目标的仰角以及高度进行有效估计,从而影响米波雷达在复杂地形环境下对低仰角目标的跟踪性能。因此,在复杂地形情况下应该联合估计地面扰动参数矩阵及目标仰角,本实例采用构稀疏重构算法、字典学习与交替迭代逐层逼近的估计方法对地面扰动参数矩阵、目标仰角进行联合估计,其步骤如下:
<3a>构建整个观测空间上的完备字典D(Γ):
D(Γ)=[Bd,ΓBs],
其中,j表示虚数单位,λ表示载波波长,M表示阵列天线的个数,d表示各阵元之间的间隔,(·)T表示转置运算;
Γ=diag[δ1,…,δm,…,δM]表示由于不规则地面反射而引起的扰动参数矩阵,δm表示不规则地面反射对第m个阵元所引起的扰动参数,m=1,2,…M,M表示阵列天线的个数;
<3b>设定最大迭代次数I=30,令初始迭代序列k=1,通过<3a>中构造的完备字典D(Γ)与步骤2中得到的降维后信号矢量y构造如下代价函数:
<3c>在复杂地形、反射面信息未知的情况下,将<3b>中代价函数转化为如下数学模型估计权重系数矢量:
其中,Rd为目标与雷达之间的直线距离,Re=4R0/3为等效地球半径,R0=6370m表示真实地球半径,ha为天线阵列中心点距水平面的高度。
本发明的效果通过以下实测数据对比试验进一步说明:
1.实验场景:实验雷达为一均匀线阵,其阵元数为M=18,阵元间距为半波长,发射信号为线性调频信号,雷达观测时间为612s,天线底端阵元高度为ha=4.6m。
在观测时间内,目标航迹随观测时间变化如图3所示,目标仰角从1.586°到5.193°变化,如图4所示,目标做平稳飞行,飞行高度为9479m,如图5所示;
2.实验内容:
实验1,在上述实验场景下,分别利用本发明方法与现有SSMUSIC算法以及现有RML算法对图4中的数据进行目标仰角估计,结果如图6。
实验2,在上述实验场景下,分别利用本发明方法与现有SSMUSIC算法以及现有RML算法对图5中的数据进行目标高度估计,结果如图7。
3.实验结果分析:
从图6中的结果可以看出,在复杂地形情况下,现有SSMUSIC算法和现有RML算法不能有效估计目标仰角,而本发明方法可以实现对目标仰角的有效估计。
从图7中的结果可以看出,在复杂地形情况下,现有SSMUSIC算法和现有RML算法不能有效估计目标高度,而本发明方法可以实现对目标高度的有效估计。
综上,本发明能在复杂地形环境下实现对低仰角目标仰角和目标高度的有效估计。
Claims (7)
1.基于字典学习的米波雷达低仰角目标测高方法,包括:
(1)利用阵列天线接收目标回波数据X,估计该接收数据的协方差矩阵RX;
(3)在复杂地形情况下,对地面扰动参数矩阵、目标仰角进行联合估计,得到目标仰角最终估计值:
(3a)构建整个观测空间上的完备字典D(Γ):
D(Γ)=[Bd,ΓBs],
其中,表示包含所有目标信号基向量的字典矩阵,表示第p个观测方向上的目标信号基向量,表示第p个观测方向角度,p=1,2,…G,G表示离散化的目标信号观测方向的个数,表示包含所有多径信号基向量的字典矩阵,表示第q个观测方向上的多径信号基向量,表示第q个观测方向角度,q=1,2,…Q,Q表示离散化的多径信号观测方向的个数,Γ=diag[δ1,…,δm,…,δM]表示由于不规则地面反射而引起的扰动参数矩阵,δm表示不规则地面反射对第m个阵元所引起的扰动参数,m=1,2,…M,M表示阵列天线的个数;
(3b)设定最大迭代次数I=30,令初始迭代序列k=1,通过(3a)中构造的完备字典D(Γ)与(2)中得到的降维后信号矢量y构造如下代价函数:
(3c)在复杂地形、反射面信息未知的情况下,将(3b)中代价函数转化为如下数学模型估计权重系数矢量:
2.根据权利要求1所述的方法,其中步骤(1)中的目标回波数据X,表示如下:
X=βexp(-j2πf0τ0)(a(θd)+ρΓa(θs))s+N
其中, 为目标回波信号复包络向量,sl为第l次快拍时刻目标回波信号复包络,M表示阵列天线的个数,l=1,2,…L,L为快拍数,为噪声信号矩阵,表示复数域,β为目标复散射系数,f0为载波频率,τ0为参考阵元到目标距离所产生的时延,ρ=ρ0exp(-j2πΔR/λ)表示衰减系数,ρ0表示地面复散射系数,ΔR表示多径信号与直达波信号之间的波程差,λ表示载波波长,Γ=diag[δ1,…,δm,…,δM]表示由于不规则地面反射而引起的扰动参数矩阵,δm表示不规则地面反射对第m个阵元所引起的扰动参数,m=1,2,…M,θd为目标直达波方向,θs为多径信号方向,a(θd)为目标直达波方向的阵列导向矢量,a(θs)为多径信号方向的阵列导向矢量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711143805.1A CN107991659B (zh) | 2017-11-17 | 2017-11-17 | 基于字典学习的米波雷达低仰角目标测高方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711143805.1A CN107991659B (zh) | 2017-11-17 | 2017-11-17 | 基于字典学习的米波雷达低仰角目标测高方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107991659A CN107991659A (zh) | 2018-05-04 |
CN107991659B true CN107991659B (zh) | 2021-05-18 |
Family
ID=62031516
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711143805.1A Active CN107991659B (zh) | 2017-11-17 | 2017-11-17 | 基于字典学习的米波雷达低仰角目标测高方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107991659B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109752712B (zh) * | 2019-01-09 | 2021-01-29 | 北京电子工程总体研究所 | 一种利用多路径效应测量目标俯仰角的方法 |
CN110196427A (zh) * | 2019-05-29 | 2019-09-03 | 西北工业大学 | 一种基于距离方位字典的目标定位算法 |
CN111142063B (zh) * | 2020-01-06 | 2023-04-07 | 西安邮电大学 | 一种基于降维优化的快速压缩感知低空目标测角方法 |
CN112882007B (zh) * | 2021-01-12 | 2023-06-23 | 北京交通大学 | 基于稀布阵雷达的单脉冲多目标超分辨测角实现方法 |
CN113009473B (zh) * | 2021-02-03 | 2023-08-01 | 中山大学 | 一种多波束凝视雷达低仰角目标测高方法、装置及介质 |
CN113671485B (zh) * | 2021-07-02 | 2024-01-30 | 西安电子科技大学 | 基于admm的米波面阵雷达二维doa估计方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2013786C1 (ru) * | 1991-12-10 | 1994-05-30 | Порошин Сергей Михайлович | Угломерное устройство маловысотной рлс |
CN103353596A (zh) * | 2013-06-18 | 2013-10-16 | 西安电子科技大学 | 基于压缩感知的波束空间域米波雷达测高方法 |
CN103353595A (zh) * | 2013-06-18 | 2013-10-16 | 西安电子科技大学 | 基于阵列内插压缩感知的米波雷达测高方法 |
CN106646346A (zh) * | 2016-09-12 | 2017-05-10 | 西安电子科技大学 | 米波雷达有多径反射时对高仰角目标的仰角测量方法 |
-
2017
- 2017-11-17 CN CN201711143805.1A patent/CN107991659B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2013786C1 (ru) * | 1991-12-10 | 1994-05-30 | Порошин Сергей Михайлович | Угломерное устройство маловысотной рлс |
CN103353596A (zh) * | 2013-06-18 | 2013-10-16 | 西安电子科技大学 | 基于压缩感知的波束空间域米波雷达测高方法 |
CN103353595A (zh) * | 2013-06-18 | 2013-10-16 | 西安电子科技大学 | 基于阵列内插压缩感知的米波雷达测高方法 |
CN106646346A (zh) * | 2016-09-12 | 2017-05-10 | 西安电子科技大学 | 米波雷达有多径反射时对高仰角目标的仰角测量方法 |
Non-Patent Citations (2)
Title |
---|
ALTITUDE MEASUREMENT OF LOW-ANGLE TARGET UNDER COMPLEX TERRAIN ENVIRONMENT FOR METER-WAVE RADAR;Liu, Yuan 等;《2018 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP)》;20180420;全文 * |
米波MIMO雷达低空目标波达方向估计新方法;刘源 等;《电子与信息学报》;20160331;第38卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107991659A (zh) | 2018-05-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107991659B (zh) | 基于字典学习的米波雷达低仰角目标测高方法 | |
CN106980106B (zh) | 阵元互耦下的稀疏doa估计方法 | |
CN108549059B (zh) | 一种复杂地形条件下的低空目标仰角估计方法 | |
CN103926572B (zh) | 一种机载非正侧阵雷达用自适应子空间的杂波抑制方法 | |
CN108594228B (zh) | 基于isar图像重聚焦的空间目标姿态估计方法 | |
Sun et al. | Advanced signal processing methods for ground-penetrating radar: Applications to civil engineering | |
CN110058202B (zh) | 一种基于角度和信号到达时间差估计的高性能混合定位方法及其实现装置 | |
CN105785337B (zh) | 复杂地形下的米波雷达低仰角目标测高方法 | |
CN103744076B (zh) | 基于非凸优化的mimo雷达动目标检测方法 | |
CN103954950A (zh) | 一种基于样本协方差矩阵稀疏性的波达方向估计方法 | |
CN112379327A (zh) | 一种基于秩损估计的二维doa估计与互耦校正方法 | |
CN103364772A (zh) | 基于实数域广义多重信号分类算法的目标低仰角估计方法 | |
CN110389327A (zh) | 接收站位置误差下多站多外辐射源雷达双基距定位方法 | |
CN108535698A (zh) | 基于波束空间的米波雷达低仰角估计方法 | |
Tao et al. | A knowledge aided SPICE space time adaptive processing method for airborne radar with conformal array | |
CN107290732A (zh) | 一种量子大爆炸的单基地mimo雷达测向方法 | |
Liu et al. | Target localization in high-coherence multipath environment based on low-rank decomposition and sparse representation | |
CN110413939B (zh) | 一种基于原子范数的到达角估计方法 | |
CN113671485B (zh) | 基于admm的米波面阵雷达二维doa估计方法 | |
Chen et al. | Meter-wave MIMO radar height measurement method based on adaptive beamforming | |
CN108828586B (zh) | 一种基于波束域的双基地mimo雷达测角优化方法 | |
CN104698448A (zh) | 运动平台下基于流形分离的共形阵列稳健估角方法 | |
CN109633635B (zh) | 基于结构化递归最小二乘的米波雷达测高方法 | |
Yili et al. | Short-range clutter suppression method combining oblique projection and interpolation in airborne CFA radar | |
CN116338618A (zh) | 一种面向离网目标的稀疏重构仰角估计方法 |
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 |