CN108181614A - 基于ar模型重构的天波超视距雷达脉冲压缩方法 - Google Patents
基于ar模型重构的天波超视距雷达脉冲压缩方法 Download PDFInfo
- Publication number
- CN108181614A CN108181614A CN201611149028.7A CN201611149028A CN108181614A CN 108181614 A CN108181614 A CN 108181614A CN 201611149028 A CN201611149028 A CN 201611149028A CN 108181614 A CN108181614 A CN 108181614A
- Authority
- CN
- China
- Prior art keywords
- data
- sky
- model
- doppler
- frequency
- 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.)
- Pending
Links
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
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/288—Coherent receivers
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/288—Coherent receivers
- G01S7/2883—Coherent receivers using FFT processing
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
本发明公开了基于AR模型重构的天波超视距雷达脉冲压缩方法。该方法利用AR模型对经空时域处理后的频域数据进行重构:对带宽内的窄带干扰,挖除后内插;对带宽两边数据,进行外推扩展;当干扰过多超过了干净频段单元数目,直接用AR谱估计替代常规脉压结果。由此大大扩展了天波雷达可用信号带宽,使之不受只能利用连续干净频段的限制,同时避免了波形断续带来的脉压结果畸变。具体步骤见附图。技术并不局限于天波超视距雷达系统,可广泛应用于多种类型的大型相控阵雷达,具有推广应用价值。
Description
技术领域
本发明涉及雷达信号处理领域中的脉冲压缩方法,适用于天波超视距雷达的信号处理系统,可以用于存在高频干扰、带宽受限情况下的目标探测。同时,核心理论和方法还可应用于其他多种存在脉冲压缩需求的信号处理系统中。
背景技术
天波超视距雷达利用电离层对电磁波的反射实现对视距外目标的检测,覆盖范围大,能够提供远程预警情报信息,但由于工作在拥挤的高频频段,可用带宽通常只有十至数十千赫,限制了系统性能的进一步发挥。
和常规雷达不同,天波雷达面临的环境十分复杂。在其宽阔的覆盖范围内,既有密集的工业信号,又有雷电、流星余迹等自然瞬态干扰,还有下视模式带来的强大地海杂波。这些干扰信号均对天波雷达的运行带来负面影响,如不加以处理,系统将无法正常工作。针对这一关键问题,大量针对性极强的抗干扰技术不断面世。如选择相对干净频段进行工作的频率监测管理技术;时域挖除后再补偿的瞬态干扰抑制方法;抑制各种方向性干扰的自适应波束形成技术;区分杂波和目标的多普勒技术等。在这些方法和技术中,频率监测管理技术是系统正常工作的基础和前提,其他方法则多在信号处理阶段进行补充干扰抑制,其作用对象和效果均具有一定局限性:瞬态干扰抑制方法不能应对非瞬态干扰;自适应波束形成技术无法消除主瓣进入干扰;多普勒技术只能抑制静态杂波。而作为确保系统正常运行必不可少的频率监测管理系统,实质上只是一种消极的躲避措施,在用户密集时可能面临无干净频段可选的局面。即便有干净频段可用,可用带宽的宽度也往往受到时间与空间的限制,系统性能因此受限。
为了扩展天波雷达的工作带宽,文献[1]Van Khanh Nguyen,”BandwidthExtrapolation of LFM Signals for Narrowband Radar Systems”提出对信号带宽进行AR模型外推的方法,通过对信号带宽的双边外推,可将信号带宽扩展一倍。然而该方法只能对干净的有效带宽进行外推,在信号带宽较窄的情况下,其对带宽的扩展有限。
文献[1]Zhongtao Luo,”Wideband signal design for over-the-horizonradar in cochannel interference”提出在对环境频谱进行监测的基础上,通过设计对于扰频谱产生零陷的波形来将系统带宽扩展至有干扰频段的方法。该方法能够利用有干扰存在频段,从而使系统的可用带宽不再受“无干扰存在”这一条件的限制,实现了可天波雷达工作带宽的扩展。然而,由于波形非连续,其脉冲压缩结果出现主瓣展宽、副瓣升高等非理想畸变,影响目标探测性能。
发明内容
本发明的目的在于解决天波雷达工作频段干扰众多、带宽受限的问题,克服已有技术的不足。在不改变系统硬件结构的前提下,以尽可能小的代价,实现多种目标的正常探测与跟踪。
为了实现上述发明目的,本发明提供了一种基于AR模型重构的天波超视距雷达脉冲压缩方法,包括如下步骤:
(1)利用雷达固有的s个通道,将雷达接收数据X送入信号处理系统,对X进行空域波束形成与脉冲积累,形成M×N×P维方位-快时间-多普勒数据矩阵Y,M为形成的方位波束数,N为快时间采样数目,P为多普勒通道数目;
(2)对数据Y的快时间维进行傅里叶变换,得到M×N×P维方位-频率-多普勒数据矩阵YF,对YF的频率维数据进行频域匹配滤波,得到数据矩阵Z;
(3)取出Z中第m个方位波束,第p个多普勒单元的N维脉冲数据矢量zmp=Z(m,:,p):
zmp=[zmp(1) zmp(2) … zmp(n) … zmp(N)]T,n=1,2,…,N,1≤m≤M,1≤p≤P
对该数据进行干扰检测,得到被干扰污染的频率单元数据,其位置形成集合I,其补集记为据此将数据zmp分成有干扰存在的数据和没有干扰存在的数据
(4)设AR模型阶数为K,利用数据估计矢量K阶AR模型参数矢量a:
a=[a1 a2 … aK]T
(5)若集合I中元素数目超过N的一半,则直接利用参数a进行AR谱估计,得到第m个方位波束,第p个多普勒单元的距离伪谱ymp,转至步骤(10),否则,进行步骤(6);
(6)若为空集,令z′mp=zmp,转至步骤(8),若对I中的元素从小到大进行排序,并将连续元素分成子集:
I={I1,I2,…,Id,…,ID}
若1∈I1,将其从集合I中去掉,并令istart=I1(end)+1,其中I1(end)为I1最后一个元素,否则令istart=1,若N∈ID,将其从集合中I去掉,令iend=ID(end)-1,其中ID(1)为ID第一个元素,否则令iend=N,最后得到只包含中间连续段的集合令z′mp=zmp(istart:iend);
(7)若利用AR模型参数a对I′中的频率单元进行前后双向内插,令:
后向内插:
前向内插:
式中,若i-k<I′(start)时i+k>I′(end)时得到内插后的N维数据矢量z′mp:
若则直接进行步骤(7);
(8)设单边外推长度为L,数据zmp′长度为N′,利用AR模型参数a,对数据zmp′进行双边外推:
后向外推:
前向外推:
式中,若l-i<1时zmp(l-i)=0,l+i>N′时得到外推后的N′+2L维数据矢量
(9)对数据z″mn进行加权逆傅里叶变换,得到第m个方位波束,第p个多普勒单元的距离谱ymp;
(10)重复步骤(3)-(9),得到全部通道的方位-距离-多普勒频谱数据矩阵Xout,送后续处理。
其中,步骤(4)中AR模型阶数K的确定根据不同的工作方式有所不同,探测飞机目标时,K值5;探测舰船目标时,K值取20,于事先确定存储,工作时直接使用。
步骤(4)中AR模型参数矢量a的估计方法采用Burg法。
步骤(8)中外推长度L根据计算量与实时实现需求综合确定。
本发明的优点在于:
(1)本发明采用的基于AR模型内插的频域干扰抑制方法,突破了天波雷达只能工作于无其他用户存在干净频段的限制,系统所能利用的带宽大大增加,同时工作频段选择的灵活性也明显增强,系统的工作性能由此得到有效提升。
(2)本发明采用的基于AR模型外推的频域扩展方法,能在系统实际利用的信号带宽基础上将带宽扩展1倍以上,更进一步改善了天波雷达的目标检测与跟踪性能。
(3)本发明采用的先相干积累后脉冲压缩的处理流程,避开了强地海杂波的影响,使用于重构的AR模型阶数较低,确保了重构数据的稳定性。
(4)本发明方法只需要将程序下载到通用信号处理板上即可实现,因此易于推广,且只需要在通用可编程信号处理板上进行编程,无需改变系统结构,升级方便。
附图说明
附图图1是本发明的实施例的结构框图。
参照附图图1,本发明的实施例由空时处理单元1、频域变换与匹配滤波单元2、干扰检测与分类单元3、模型参数估计单元4、AR谱估计单元5、干扰分类单元6、双向内插单元7、双向外推单元8、时域变换单元9与后续处理单元10组成。上述的匹配滤波、模型参数估计、AR谱估计、内插与外推、加权傅里叶变换与逆变换均可在通用可编程信号处理系统上编程实现。
具体实施方式
脉冲压缩是现代体制雷达中常见的一种技术手段,其实质在于通过匹配滤波,实现回波信号信噪比的最大化。天波超视距雷达虽然采用的是调频连续波信号,但仍可看做是一种占空比为1的特殊脉冲信号,也采用了脉冲压缩技术。不过和常规雷达不同,天波超视距雷达工作的高频频段存在着大量的其他用户,这些用户的信号带宽较窄却数量繁多,出现的方位、时间也并不固定。为了避开这些干扰,天波雷达采取实时电磁环境监测的措施,以从中选出无用户信号存在的干净可用频段。
在常规脉冲压缩技术中,调频信号的频段应当是连续的。在用户拥挤的情况下,连续干净频段作为一种稀缺的资源往往难以获得,这大大限制了天波雷达的可用信号频段。在这种背景下,许多专家提出利用已有用户信号频段之间的较窄间断干净频段,以获得更大的可用带宽。然而,采用这种间断波形存在着脉冲压缩副瓣较高、对现有系统改动较大的问题,同时还有发射效率受限的隐患,现实中难以实用。对此,本专利另辟蹊径,在不改变发射信号线性调频连续波形式的前提下,通过在接收端对受到其他用户污染的频段进行挖除和重构的方法来消除其影响,其原理类似于现有系统中用以抑制瞬态干扰的时域挖除方法,避免了前述间断波形的问题。此外,本专利还利用AR模型,对带宽进行双向外推,进一步扩展了天波雷达的可用带宽。值得注意的是,这种外推思想并不局限于天波雷达中,可用于所有采用线性调频信号脉冲压缩技术的系统中。
下面结合附图和实施例详细描述本发明的具体实施方式。
天波超视距雷达系统的通道数目为s。实施例中s=100。
(1)利用雷达固有的s个通道,将雷达接收数据X送入信号处理系统,对X进行空域波束形成与脉冲积累,形成M×N×P维方位-快时间-多普勒数据矩阵Y,M为形成的方位波束数,N为快时间采样数目,P为多普勒通道数目,实施例中M=10,N=400,P=128。
(2)对数据Y的快时间维进行傅里叶变换,得到M×N×P维方位-频率-多普勒数据矩阵YF,对YF的频率维数据进行频域匹配滤波,得到数据矩阵Z;
(3)取出Z中第m个方位波束,第p个多普勒单元的N维脉冲数据矢量zmp=Z(m,:,p):
zmp=[zmp(1) zmp(2) … zmp(n) … zmp(N)]T,n=1,2,…,N
对该数据进行干扰检测,得到被干扰污染的频率单元,其位置形成集合I,其补集记为据此将数据zmp分成有干扰存在的数据和没有干扰存在的数据
(4)设AR模型阶数为K,利用数据估计矢量K阶AR模型参数矢量a:
a=[a1 a2 … aK]T
实施例中,K=20,采用Burg法估计模型阶数。
(5)若集合I中元素数目超过N的一半,则直接利用参数a进行AR谱估计,得到第m个方位波束,第p个多普勒单元的距离伪谱ymp,转至步骤(10),否则,进行步骤(6);
(6)若令z′mp=zmp,转至步骤(8),若对I中的元素从小到大进行排序,并将连续元素分成子集:
I={I1,I2,…,Id,…,ID}
若1∈I1,将其从集合I中去掉,并令Istart=I1(end)+1,其中I1(end)为I1最后一个元素,否则令Istart=1,若N∈ID,将其从集合中I去掉,令Iend=ID(end)-1,其中ID(1)为ID第一个元素,否则令Iend=N,最后得到只包含中间连续段的集合令z′mp=zmp(Istart:Iend);
(7)若利用AR模型参数a对I′中的频率单元进行前后双向内插,令:
后向内插:
前向内插:
式中,若i-k<I′(start)时i+k>I′(end)时得到内插后的N维数据矢量z′mp:
若则直接进行步骤(7);
(8)设单边外推长度为L,数据zmp′长度为N′,利用AR模型参数a,对数据zmp′进行双边外推:
后向外推:
前向外推:
式中,若l-i<1时zmp(l-i)=0,l+i>N′时得到外推后的N′+2L维数据矢量
实施例中,L=0.5N=100。
(9)对数据z″mn进行加权逆傅里叶变换,得到第m个方位波束,第p个多普勒单元的距离谱ymp;
(10)重复步骤(3)-(9),得到全部通道的方位-距离-多普勒频谱数据矩阵Xout,送后续处理。
虽然结合附图描述了本发明的实施方式,但是本领域普通技术人员可以在所附权利要求的范围内作出各种变形或修改。
Claims (4)
1.一种基于AR模型重构的天波超视距雷达脉冲压缩方法,包括如下步骤:
(1)利用雷达固有的s个通道,将雷达接收数据X送入信号处理系统,对X进行空域波束形成与脉冲积累,形成M×N×P维方位-快时间-多普勒数据矩阵Y,M为形成的方位波束数,N为快时间采样数目,P为多普勒通道数目;
(2)对数据Y的快时间维进行傅里叶变换,得到M×N×P维方位-频率-多普勒数据矩阵YF,对YF的频率维数据进行频域匹配滤波,得到数据矩阵Z;
(3)取出Z中第m个方位波束,第p个多普勒单元的N维脉冲数据矢量zmp=Z(m,:,p):
zmp=[zmp(1) zmp(2) … zmp(n) … zmp(N)]T,n=1,2,…,N,1≤m≤M,1≤p≤P
对该数据进行干扰检测,得到被干扰污染的频率单元数据,其位置形成集合其补集记为据此将数据zmp分成有干扰存在的数据和没有干扰存在的数据
(4)设AR模型阶数为K,利用数据估计矢量K阶AR模型参数矢量a:
a=[a1 a2 … aK]T
(5)若集合I中元素数目超过N的一半,则直接利用参数a进行AR谱估计,得到第m个方位波束,第p个多普勒单元的距离伪谱ymp,转至步骤(10),否则,进行步骤(6);
(6)若为空集,令z′mp=zmp,转至步骤(8),若对I中的元素从小到大进行排序,并将连续元素分成子集:
I={I1,I2,…,Id,…,ID}
若1∈I1,将其从集合I中去掉,并令istart=I1(end)+1,其中I1(end)为I1最后一个元素,否则令istart=1,若N∈ID,将其从集合中I去掉,令iend=ID(end)-1,其中ID(1)为ID第一个元素,否则令iend=N,最后得到只包含中间连续段的集合令z′mp=zmp(istart:iend);
(7)若利用AR模型参数a对I′中的频率单元进行前后双向内插,令:
后向内插:
前向内插:
式中,若i-k<I′(start)时i+k>I′(end)时得到内插后的N维数据矢量z′mp:
若则直接进行步骤(7);
(8)设单边外推长度为L,数据zmp′长度为N′,利用AR模型参数a,对数据zmp′进行双边外推:
后向外推:
前向外推:
式中,若l-i<1时zmp(l-i)=0,l+i>N′时得到外推后的N′+2L维数据矢量z″mp:
(9)对数据z″mn进行加权逆傅里叶变换,得到第m个方位波束,第p个多普勒单元的距离谱ymp;
(10)重复步骤(3)-(9),得到全部通道的方位-距离-多普勒频谱数据矩阵Xout,送后续处理。
2.根据权利要求1所述的一种基于AR模型重构的天波超视距雷达脉冲压缩方法,其特征在于,步骤(2)中AR模型阶数K的确定根据不同的工作方式有所不同,探测飞机目标时,K值5;探测舰船目标时,K值取20,于事先确定存储,工作时直接使用。
3.根据权利要求1所述的一种基于AR模型重构的天波超视距雷达脉冲压缩方法,其特征在于,步骤(2)中AR模型参数矢量a的估计方法采用Burg法。
4.根据权利要求1所述的一种基于AR模型重构的天波超视距雷达脉冲压缩方法,其特征在于,步骤(3)中外推长度L根据计算量与实时实现需求综合确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611149028.7A CN108181614A (zh) | 2016-12-08 | 2016-12-08 | 基于ar模型重构的天波超视距雷达脉冲压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611149028.7A CN108181614A (zh) | 2016-12-08 | 2016-12-08 | 基于ar模型重构的天波超视距雷达脉冲压缩方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108181614A true CN108181614A (zh) | 2018-06-19 |
Family
ID=62545111
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611149028.7A Pending CN108181614A (zh) | 2016-12-08 | 2016-12-08 | 基于ar模型重构的天波超视距雷达脉冲压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108181614A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111796267A (zh) * | 2020-07-14 | 2020-10-20 | 哈尔滨工业大学 | 一种基于伪谱匹配滤波的机动转弯目标检测前跟踪方法 |
CN114089288A (zh) * | 2022-01-12 | 2022-02-25 | 中国人民解放军空军预警学院 | 一种相控阵雷达抗干扰方法、装置及存储介质 |
-
2016
- 2016-12-08 CN CN201611149028.7A patent/CN108181614A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111796267A (zh) * | 2020-07-14 | 2020-10-20 | 哈尔滨工业大学 | 一种基于伪谱匹配滤波的机动转弯目标检测前跟踪方法 |
CN111796267B (zh) * | 2020-07-14 | 2022-05-06 | 哈尔滨工业大学 | 一种基于伪谱匹配滤波的机动转弯目标检测前跟踪方法 |
CN114089288A (zh) * | 2022-01-12 | 2022-02-25 | 中国人民解放军空军预警学院 | 一种相控阵雷达抗干扰方法、装置及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Fabrizio et al. | Robust adaptive beamforming for HF surface wave over-the-horizon radar | |
CN103176168B (zh) | 一种机载非正侧视阵雷达近程杂波对消方法 | |
CN103018727A (zh) | 一种基于样本训练的机载雷达非平稳杂波抑制方法 | |
CN108037494B (zh) | 一种脉冲噪声环境下的雷达目标参数估计方法 | |
CN101592721A (zh) | 基于特征值重构的相干信号到达角估计方法 | |
CN110045337B (zh) | 基于张量子空间投影的高频地波雷达射频干扰抑制方法 | |
Lv | Simulation study of noise convolution jamming countering to SAR | |
CN110850445A (zh) | 一种基于空时采样协方差求逆的脉冲干扰抑制方法 | |
Li et al. | Parameter estimation based on fractional power spectrum density in bistatic MIMO radar system under impulsive noise environment | |
Li et al. | High speed maneuvering target detection based on joint keystone transform and CP function | |
CN111999714A (zh) | 基于多散射点估计和杂波知识辅助的自适应融合检测方法 | |
CN104155653B (zh) | 一种基于特征距离子空间的sar后向投影成像方法 | |
CN107229040B (zh) | 基于稀疏恢复空时谱估计的高频雷达目标检测方法 | |
CN110940953B (zh) | 地波雷达海杂波中目标的三维检测方法 | |
CN112255608A (zh) | 一种基于正交投影的雷达杂波自适应抑制方法 | |
Xianrong et al. | Adaptive cochannel interference suppression based on subarrays for HFSWR | |
CN108181614A (zh) | 基于ar模型重构的天波超视距雷达脉冲压缩方法 | |
CN108845318B (zh) | 基于Relax算法的星载高分宽幅成像方法 | |
Hua et al. | Target detection in sea clutter via weighted averaging filter on the Riemannian manifold | |
CN116106829B (zh) | 部分均匀杂波加干扰下目标智能检测方法 | |
CN111999715A (zh) | 异质杂波下目标知识辅助自适应融合检测方法 | |
CN111044996A (zh) | 一种基于降维近似消息传递的lfmcw雷达目标检测方法 | |
Wan et al. | A range-Doppler-angle estimation method for passive bistatic radar | |
CN112835006B (zh) | 一种基于帧间积累的跟踪雷达海上小目标检测方法及系统 | |
US20180364346A1 (en) | Method for spectral estimation of the clutter of a haline liquid medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180619 |