CN108802705B - 一种基于稀疏的空时自适应处理方法及系统 - Google Patents

一种基于稀疏的空时自适应处理方法及系统 Download PDF

Info

Publication number
CN108802705B
CN108802705B CN201810372280.7A CN201810372280A CN108802705B CN 108802705 B CN108802705 B CN 108802705B CN 201810372280 A CN201810372280 A CN 201810372280A CN 108802705 B CN108802705 B CN 108802705B
Authority
CN
China
Prior art keywords
space
time
matrix
snapshot
representing
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
Application number
CN201810372280.7A
Other languages
English (en)
Other versions
CN108802705A (zh
Inventor
阳召成
汪小叶
程一歌
何凯旋
黄建军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen University
Original Assignee
Shenzhen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen University filed Critical Shenzhen University
Priority to CN201810372280.7A priority Critical patent/CN108802705B/zh
Publication of CN108802705A publication Critical patent/CN108802705A/zh
Application granted granted Critical
Publication of CN108802705B publication Critical patent/CN108802705B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

本发明适用于信号处理技术领域，提供了一种基于稀疏的空时自适应处理方法，包括：根据互质阵列‑互质脉冲的空时快拍协方差矩阵构造的虚拟空时快拍；根据虚拟空时快拍构建基于稀疏的空时自适应处理滤波器；根据空时自适应处理滤波器进行杂波信号估计，得到检测信号。本发明实施例提供了基于稀疏的互质阵列、互质脉冲重复间隔的空时自适应处理方法，由于互质阵列能够提供更大阵列孔径的能力，并且仅使用M+N×1个物理传感器就可以实现O(MN)自由度，利用这些优势，使得到达方向(DOA)估计精度的显着增强，并将这个互质阵列应用于空时自适应处理(STAP)领域，大大的减少了快拍数量，降低了系统成本。

Description

一种基于稀疏的空时自适应处理方法及系统
技术领域
本发明属于信号处理技术领域，尤其涉及一种基于稀疏的空时自适应处理方法及系统。
背景技术
相控阵机载雷达中，空时自适应信号处理STAP(Space-Time AdaptiveProcessor)技术可以有效的抑制杂波，改善机载相控雷达的动目标检测性能。国内外对STAP研究最初主要集中在全空时的最优检测理论和机载雷达杂波特性两方面。
STAP虽然性能优越，但是计算量大，且系统成本较高，而且常规的STAP算法在非均匀环境中性能会急剧下降，所以现在主要把研究的重点集中在如何利用有限快拍在非均匀条件下STAP算法以及如何降低系统成本且提高分辨率的问题上。为解决样本数过少的情况，前人提出了降秩STAP法、降维STAP法和基于模型的STAP算法。为降低系统成本提高分辨率，前人提出了嵌套阵列法、均匀的线性阵列法等。
但是，在现有技术提供的STAP方法中，存在训练样本少的情况下，无法进行杂波抑制，导致检测到的信号精度不准确的问题。
发明内容
本发明所要解决的技术问题在于提供一种基于稀疏的空时自适应处理方法及系统，旨在解决现有技术提供的STAP方法中，存在训练样本少的情况下，无法进行杂波抑制，导致检测到的信号精度不准确的问题。
本发明是这样实现的，一种基于稀疏的空时自适应处理方法，包括：
步骤A，根据互质阵列互质脉冲的空时快拍协方差矩阵构造虚拟空时快拍；
步骤B，根据所述虚拟空时快拍构建基于稀疏的空时自适应处理滤波器；
步骤C，根据所述空时自适应处理滤波器进行杂波信号估计，得到检测信号。
进一步地，所述步骤A包括：
步骤A1，建立互质阵列互质脉冲采样结构下无目标信号出现时的空时快拍x；
Figure GDA0003602437990000021
其中，NC表示在每个等距范围内统计独立的杂波块的数量，αi,c、wi,c和φi,c分别表示第i个杂波块的复幅度、归一化多普勒频率和归一化空域频率，u表示高斯白噪声；
步骤A2，根据所述空时快拍x计算干扰噪声协方差矩阵
Figure GDA0003602437990000022
Figure GDA0003602437990000031
其中，K表示训练快拍的总个数，xk表示第k个训练快拍，k＝1,2…,K，矩阵
Figure GDA0003602437990000032
是协方差矩阵的R的估计，R表示无目标出现时的空时快拍x所对应的协方差矩阵，
Figure GDA0003602437990000033
其中
Figure GDA0003602437990000034
Figure GDA0003602437990000035
表示噪声向量的方差，I表示单位矩阵，E[·]表示期望值，上标H表示矩阵的共轭转置；
步骤A3，对所述干扰噪声协方差矩阵
Figure GDA0003602437990000036
进行列堆叠，去冗余，重排得到虚拟空时接收矩阵Z；
Figure GDA0003602437990000037
步骤A4，把所述虚拟空时接收矩阵Z向量化，得到所述虚拟空时快拍z；
Figure GDA0003602437990000038
其中，
Figure GDA0003602437990000039
表示杂波空时导引矩阵，
Figure GDA00036024379900000310
e′u是中心位置元素为1其它所有元素为0的列向量。
进一步地，所述步骤B包括：
步骤B1，将整个角度多普勒平面分离成Nd＝ρdM和Ns＝ρsM(ρd,ρs>1)的网格，其中Nd和Ns分别为沿着空间频率轴与时间/多普勒频率轴的网格点数，ρd,ρs为比例系数，表示划分网格数是原阵元或脉冲个数的倍数，改写公式(4)，得到：
Figure GDA00036024379900000311
其中，NdNs×1维的向量
Figure GDA0003602437990000041
代表角度多普勒频谱，
Figure GDA0003602437990000042
是空时导向字典，由下式(6)表示：
Figure GDA0003602437990000043
考虑到通过有限样本求得的协方差矩阵估计存在误差，即构造的虚拟空时快拍存在误差，因此，将公式(5)改写成：
Figure GDA0003602437990000044
其中，
Figure GDA0003602437990000045
表示稀疏向量，
Figure GDA0003602437990000046
表示误差，为求解所述稀疏向量
Figure GDA0003602437990000047
建立如下优化问题模型；
Figure GDA0003602437990000048
其中公式(8)中，||·||i(i＝0,2)表示0或2范数运算，ζ表示噪声容限；
步骤B2，确定噪声容限ζ；
Figure GDA0003602437990000049
其中，trace()表示求迹运算
Figure GDA00036024379900000410
是一个第i行全部为零，但在i+kNM-lN2+(l-k)N的位置上为1的矩阵，
Figure GDA00036024379900000411
[·]和(·)分别表示取整和模块运算符，、(J)-1表示矩阵J的Moore-Penrose的逆，Φt∈{0,1}M×(M′+1)是一个第i行全部为零，但在(mi+1)的位置为1的矩阵，
Figure GDA00036024379900000412
由公式(10)给出：
Figure GDA0003602437990000051
Figure GDA0003602437990000052
是一个第i行全为零，但只在
Figure GDA0003602437990000053
处有一个1的矩阵，类似的，Φs∈{0,1}N×(N′+1)，
Figure GDA0003602437990000054
和N′＝N2(2N1-1)，
Figure GDA0003602437990000055
矩阵均可按照前述相同的步骤构造；
步骤B3，采用LASSO方法求解所述优化问题模型
Figure GDA0003602437990000056
然后利用求解出的优化问题模型
Figure GDA0003602437990000057
的值计算虚拟空时快拍z的协方差矩阵估计
Figure GDA0003602437990000058
Figure GDA0003602437990000059
步骤B4，基于输出信号与干扰加噪声比SINR最大化R原则设计所述空时自适应处理滤波器，即利用所述协方差矩阵
Figure GDA00036024379900000510
计算所述空时自适应处理滤波器STAP的权向量w；
Figure GDA00036024379900000511
其中，
Figure GDA00036024379900000512
wt和φt分别表示期望信号归一化多普勒频率和空间频率。
本发明实施例还提供了一种基于稀疏的空时自适应处理系统，包括：
快拍构建单元，用于根据互质阵列互质脉冲的空时快拍协方差矩阵构造虚拟空时快拍；
滤波器构建单元，用于根据所述虚拟空时快拍构建基于稀疏的空时自适应处理滤波器；
信号估计单元，用于根据所述空时自适应处理滤波器进行杂波信号估计，得到检测信号。
进一步地，所述快拍构建单元具体用于：
首先，建立互质阵列互质脉冲采样结构下无目标信号出现时的空时快拍x；
Figure GDA0003602437990000061
其中，NC表示在每个等距范围内统计独立的杂波块的数量，αi,c、wi,c和φi,c分别表示第i个杂波块的复幅度、归一化多普勒频率和归一化空域频率；
其次，根据所述空时快拍x计算干扰噪声协方差矩阵
Figure GDA0003602437990000062
Figure GDA0003602437990000063
其中，K表示训练快拍的总个数，xk表示第k个训练快拍，k＝1,2…,K，矩阵
Figure GDA0003602437990000064
是协方差矩阵的R的估计，R表示无目标出现时的空时快拍x所对应的协方差矩阵，
Figure GDA0003602437990000065
其中
Figure GDA0003602437990000066
Figure GDA0003602437990000067
表示噪声向量的方差，I表示单位矩阵，E[·]表示期望值，上标H表示矩阵的共轭转置；
然后，对所述干扰噪声协方差矩阵
Figure GDA0003602437990000068
进行列堆叠，去冗余，重排得到虚拟空时接收矩阵Z；
Figure GDA0003602437990000071
最后，把所述虚拟空时接收矩阵Z向量化，得到所述虚拟空时快拍z；
Figure GDA0003602437990000072
其中，
Figure GDA0003602437990000073
表示杂波空时导引矩阵，
Figure GDA0003602437990000074
e′u是中心位置元素为1其它所有元素0为的列向量。
进一步地，所述滤波器构建单元具体用于：
首先，将整个角度多普勒平面分离成Nd＝ρdM和Ns＝ρsM(ρd,ρs>1)的网格，其中Nd和Ns分别为沿着空间频率轴与时间/多普勒频率轴的网格点数，ρd,ρs为比例系数，表示划分网格数是原阵元或脉冲个数的倍数，改写公式(16)，得到：
Figure GDA0003602437990000075
其中，NdNs×1维的向量
Figure GDA0003602437990000076
代表角度多普勒频谱，
Figure GDA0003602437990000077
是空时导向字典，由下式(18)表示：
Figure GDA0003602437990000078
考虑到通过有限样本求得的协方差矩阵估计存在误差，即构造的虚拟空时快拍存在误差，因此，将公式(17)改写成：
Figure GDA0003602437990000079
其中，
Figure GDA00036024379900000710
表示稀疏向量，
Figure GDA00036024379900000711
表示误差，为求解所述稀疏向量
Figure GDA00036024379900000712
建立如下优化问题模型；
Figure GDA00036024379900000713
其中公式(20)中，||·||i(i＝0,2)表示0或2范数运算，ζ表示噪声容限；
其次，确定噪声容限ζ；
Figure GDA0003602437990000081
其中，trace()表示求迹运算，
Figure GDA0003602437990000082
是第i行全部为零，但在i+kNM-lN2+(l-k)N的位置上为1的矩阵，
Figure GDA0003602437990000083
[·]和(·)分别表示取整和模块运算符，(J)-1表示矩阵J的Moore-Penrose的逆，Φt∈{0,1}M×(M′+1)是第i行全部为零，但在(mi+1)的位置为1的矩阵，
Figure GDA0003602437990000084
由公式(22)给出：
Figure GDA0003602437990000085
Figure GDA0003602437990000086
是第i行全为零，但只在
Figure GDA0003602437990000087
处有一个1的矩阵，类似的，Φs∈{0,1}N×(N′+1)，
Figure GDA0003602437990000088
和N′＝N2(2N1-1)，
Figure GDA0003602437990000089
矩阵均可按照前述相同的步骤构造；
然后，采用LASSO方法求解所述优化问题模型
Figure GDA00036024379900000810
然后利用求解出的优化问题模型
Figure GDA00036024379900000811
的值计算虚拟空时快拍z的协方差矩阵估计
Figure GDA00036024379900000812
Figure GDA00036024379900000813
最后，基于输出信号与干扰加噪声比SINR最大化原则设计所述空时自适应处理滤波器，即利用所述协方差矩阵
Figure GDA0003602437990000091
计算所述空时自适应处理滤波器STAP的权向量w；
Figure GDA0003602437990000092
其中，
Figure GDA0003602437990000093
wt和φt分别表示期望信号归一化多普勒频率和空间频率。
本发明与现有技术相比，有益效果在于：本发明实施例通过根据互质阵列互质脉冲的空时快拍协方差矩阵构造虚拟空时快拍，根据所述虚拟空时快拍构建基于稀疏的空时自适应处理滤波器，根据所述空时自适应处理滤波器进行杂波信号估计，得到检测信号。本发明实施例提供了基于稀疏的互质阵列、互质脉冲重复间隔的空时自适应处理方法，在本方法中，由于互质阵列能够提供更大阵列孔径的能力，并且仅使用M+N×1个物理传感器就可以实现O(MN)自由度，利用这些优势，使得到达方向(DOA)估计精度的显着增强，并将这个互质阵列应用于空时自适应处理(STAP)领域，大大的减少了快拍数量，降低了系统成本。
附图说明
图1是本发明实施例提供的一种基于稀疏的空时自适应处理方法的流程图；
图2是本发明实施例提供的一种基于稀疏的空时自适应处理系统的结构示意图；
图3是本发明实施例提供的第一仿真实验中SINR与训练快拍数量的关系示意图；
图4是本发明实施例提供的第二仿真实验中SINR与训练快拍数量的关系示意图；
图5是本发明实施例提供的第三仿真实验中SINR与训练快拍数量的关系示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
图1示出了本发明实施例提供的一种基于稀疏的空时自适应处理方法，包括：
S101，根据互质阵列互质脉冲的空时快拍协方差矩阵构造虚拟空时快拍；
S102，根据所述虚拟空时快拍构建基于稀疏的空时自适应处理滤波器；
S103，根据所述空时自适应处理滤波器进行杂波信号估计，得到检测信号。
下面，通过具体的步骤对本发明实施例进行进一步地解释：
步骤一、构建虚拟空时快拍：
(1)建立互质阵列互质脉冲采样结构下无目标信号出现时的空时快拍x：
考虑一正视机载雷达，该正视机载雷达雷达的平台的运动速度为vp，雷达阵列是互质的，由两个间隔均匀的元件N1d和N2d阵列组成，总共有N＝2N1+N2-1个传感器，传感器的位置为{ni1d,i1＝1,…,N-1}。雷达在一个相干处理单元内发射M＝2M1+M2-1个相干脉冲，互质PRI(基群速率接口，Primary Rate Interface)发射时刻为{mi2Tr,i2＝1,…,M-1}，其中Tr是最小PRI，该正视机载雷达的发射机的载波频率是fc，在理想情况下，建立互质阵列互质脉冲采样结构下无目标信号出现时的空时快拍x，表示如下：
Figure GDA0003602437990000111
其中NC是在每个等距范围内统计独立的杂波块的数量，αi,c、wi,c和φi,c分别是第i个杂波块的复幅度、归一化多普勒频率和归一化空域频率。
(2)计算干扰噪声协方差矩阵
Figure GDA0003602437990000112
考虑雷达接收机的热噪声，不含目标的空时快拍可以表示为：
x＝xc+u； (2)
空时快拍x所对应的协方差矩阵由以下公式(3)计算：
Figure GDA0003602437990000113
在公式(3)中，
Figure GDA0003602437990000114
Figure GDA0003602437990000115
是噪声向量的方差，I表示单位矩阵，E[·]表示期望值，上标H表示矩阵的共轭转置。由于R在实际中是未知的，所以利用训练快拍来估计干扰(杂波加噪声)协方差矩阵。假设这些训练快拍记为xk，其中k＝1,2…,K。通过下式(4)来计算干扰协方差矩阵
Figure GDA0003602437990000121
Figure GDA0003602437990000122
公式(4)中，K表示训练快拍的总个数，xk表示第k个训练快拍，并且
Figure GDA0003602437990000123
是R的估计。
(3)构造虚拟空时快拍
对公式(4)进行列堆叠，去冗余，重排得到虚拟空时接收矩阵Z：
Figure GDA0003602437990000124
把虚拟空时接收矩阵Z向量化，得到虚拟空时快拍z：
Figure GDA0003602437990000125
Figure GDA0003602437990000126
表示杂波空时导引矩阵，
Figure GDA0003602437990000127
e′u是中心位置元素为1其它所有元素为0的列向量。
步骤二、基于稀疏的STAP滤波器设计
(1)基于稀疏的STAP滤波器优化问题建模：
在本发明实施例中，将整个角度多普勒平面分离成Nd＝ρdM和Ns＝ρsM(ρd,ρs>1)的网格，其中Nd和Ns分别为沿着空间频率轴与时间/多普勒频率轴的网格点数，ρd,ρs为比例系数，表示划分网格数是原阵元或脉冲个数的倍数，公式(6)可以被重写为：
Figure GDA0003602437990000128
其中NdNs×1维的稀疏向量
Figure GDA0003602437990000129
代表角度多普勒频谱，
Figure GDA00036024379900001210
是空时导向字典，由下式(8)表示：
Figure GDA00036024379900001211
值得注意的是，杂波角度多普勒频谱的元素仅占据整个角度多普勒频谱的一部分，从而存在稀疏性，以前关于基于稀疏性的STAP的研究也已经说明了这一点。在实践中，本发明实施例只能通过有限数量的快拍来估计R，这也将产生估计误差。也就是说，
Figure GDA0003602437990000131
是有误差的，以
Figure GDA0003602437990000132
表示误差，则：
Figure GDA0003602437990000133
这里的稀疏向量
Figure GDA0003602437990000134
可以通过求解下面的公式(10)来进行优化：
Figure GDA0003602437990000135
其中，
Figure GDA0003602437990000136
表示优化问题模型，||·||i(i＝0,2)表示0或2范数运算，ζ是一个噪声容限。
(2)确定噪声容限ζ：
为确定该优化问题模型
Figure GDA0003602437990000137
就必须确定噪声容限ζ，而噪声容限ζ等于
Figure GDA0003602437990000138
方差的平方根，而
Figure GDA0003602437990000139
的方差是协方差矩阵
Figure GDA00036024379900001310
的迹，因此，噪声容限ζ表示为：
Figure GDA00036024379900001311
其中R已由式(3)求解，H可以表示为：
Figure GDA00036024379900001312
Figure GDA00036024379900001313
是一个第i行全部为零，但在i+kNM-lN2+(l-k)N的位置上为1的矩阵，
Figure GDA00036024379900001314
这里的[·]和(·)分别表示取整和模块运算符。(J)-1表示矩阵的Moore-Penrose的逆。Φt∈{0,1}M×(M′+1)是一个第i行全部为零，但在(mi+1)的位置为1的矩阵，
Figure GDA0003602437990000141
由下式(13)给出：
Figure GDA0003602437990000142
另外，
Figure GDA0003602437990000143
也是一个第i行全为零，但只在
Figure GDA0003602437990000144
处有一个1的矩阵。类似的，Φs∈{0,1}N×(N′+1)，
Figure GDA0003602437990000145
和N′＝N2(2N1-1)，
Figure GDA0003602437990000146
矩阵均可按照前述相同的步骤构造。
(4)STAP滤波器设计：
在发明实施例中，采用LASSO的方法来求解优化问题模型
Figure GDA0003602437990000147
一旦求解出优化问题模型
Figure GDA0003602437990000148
后，虚拟空时快拍的协方差矩阵
Figure GDA0003602437990000149
也就可以由下式(14)来估计：
Figure GDA00036024379900001410
最后，通过最大化输出SINR，基于导出的协方差矩阵
Figure GDA00036024379900001411
来设计STAP滤波器，所以STAP滤波器的权向量w为：
Figure GDA00036024379900001412
其中
Figure GDA00036024379900001413
wt和φt分别是期望信号的归一化多普勒频率和空间频率。
在现有技术的基础上，本发明实施例提供了基于稀疏的互质阵列、互质脉冲重复间隔的空时自适应处理方法，此方法中，由于互质阵列能够提供更大阵列孔径的能力，并且仅使用M+N×1个物理传感器就可以实现O(MN)自由度，利用这些优势，使得到达方向(DOA)估计精度的显着增强，并将这个互质阵列应用于空时自适应处理(STAP)领域，大大的减少了快拍数量，降低了系统成本。
本发明实施例适用于雷达信号的处理领域，提供了一种基于稀疏的互质阵列、互质脉冲重复间隔的空时自适应(STAP)处理方法。本发明实施例在传统的STAP滤波器设计的基础上引入互质阵列、互质脉冲的方法，并建立虚拟快拍，使用稀疏信号的模型，利用稀疏恢复方法估计杂波，最后恢复出检测信号。所提出的方法在所需训练样本数上少于PC、SMI等算法，输出的SINR性能优于PC、SMI等算法，最后在同样训练样本数上，所提方法有较好的杂波抑制性能。
以下通过数值仿真来说明本发明实施例在收敛速度，及杂波抑制性能上的有益效果。
考虑正侧视均匀机载雷达平台vp＝125m/s，fc＝2.4GHz；M1＝N1＝2，M2＝N2＝3；和PRF＝4000Hz。假定杂波是作为一个独立的零均值复高斯分布分布的。在基于稀疏度的STAP中，ρd＝ρs＝4，ζ被设置为
Figure GDA0003602437990000151
的方差的平方根。
如图3所示，在第一个仿真中，本发明实施例绘制了SINR与训练快拍数量的关系，在这些例子中，假设目标位于32km的范围内，归一化的多普勒频率为0.3，信号噪声比(SNR)为0dB。在所仿真的STAP方法，所提出的方法收敛速度最快，SINR性能最好。
在第二个仿真中，如图4所示，比较上述算法的稳定输出SINR性能。所提出的算法仅用60次快拍(表示为snps)实现了理论性能。
在第三个仿真中，如图5所示，所有仿真算法都为45的快拍，所提出的STAP算法SINR的稀疏恢复性最好。
在本发明实施例中，提出了一种基于稀疏的互质阵列、互质脉冲重复间隔的空时自适应处理方法。该方法先将其接收到的采样数据重新排列为一个大的虚拟快照，并表示为稀疏信号模型，利用稀疏恢复方法估计杂波谱，并利用恢复的杂波谱设计STAP滤波器。该算法在传统的空时自适应算法上引互质阵列，减少了训练快拍数。本发明实施例可以应用于运动平台雷达杂波抑制领域，以提高雷达系统杂波抑制水平与目标检测能力。
图2示出了本发明实施例提供的一种基于稀疏的空时自适应处理系统，包括：
快拍构建单元201，用于根据互质阵列互质脉冲的空时快拍协方差矩阵构造虚拟空时快拍；
滤波器构建单元202，用于根据所述虚拟空时快拍构建基于稀疏的空时自适应处理滤波器；
信号估计单元203，用于根据所述空时自适应处理滤波器进行杂波信号估计，得到检测信号。
进一步地，快拍构建单元201具体用于：
首先，建立互质阵列互质脉冲采样结构下无目标信号出现时的空时快拍x；
Figure GDA0003602437990000161
其中，NC表示在每个等距范围内统计独立的杂波块的数量，αi,c、wi,c和φi,c分别表示第i个杂波块的复幅度、归一化多普勒频率和归一化空域频率；
其次，根据所述空时快拍x计算干扰噪声协方差矩阵
Figure GDA0003602437990000171
Figure GDA0003602437990000172
其中，K表示训练快拍的总个数，xk表示第k个训练快拍，k＝1,2…,K，矩阵
Figure GDA0003602437990000173
是协方差矩阵的R的估计，R表示无目标出现时的空时快拍x所对应的协方差矩阵，
Figure GDA0003602437990000174
其中
Figure GDA0003602437990000175
Figure GDA0003602437990000176
表示噪声向量的方差，I表示单位矩阵，E[·]表示期望值，上标H表示矩阵的共轭转置；
然后，对所述干扰噪声协方差矩阵
Figure GDA0003602437990000177
进行列堆叠，去冗余，重排得到虚拟空时接收矩阵Z；
Figure GDA0003602437990000178
最后，把所述虚拟空时接收矩阵Z向量化，得到所述虚拟空时快拍z；
Figure GDA0003602437990000179
其中，
Figure GDA00036024379900001710
表示杂波空时导引矩阵，
Figure GDA00036024379900001711
e′u是中心位置元素为1其它所有元素0为的列向量。
进一步地，滤波器构建单元202具体用于：
首先，将整个角度多普勒平面分离成Nd＝ρdM和Ns＝ρsM(ρd,ρs>1)的网格，其中Nd和Ns分别为沿着空间频率轴与时间/多普勒频率轴的网格点数，ρd,ρs为比例系数，表示划分网格数是原阵元或脉冲个数的倍数，改写公式(19)，得到：
Figure GDA0003602437990000181
其中，NdNs×1维的向量
Figure GDA0003602437990000182
代表角度多普勒频谱，
Figure GDA0003602437990000183
是空时导向字典，由下式(21)表示：
Figure GDA0003602437990000184
考虑到通过有限样本求得的协方差矩阵估计存在误差，即构造的虚拟空时快拍存在误差，因此，将公式(20)改写成：
Figure GDA0003602437990000185
其中，
Figure GDA0003602437990000186
表示稀疏向量，
Figure GDA0003602437990000187
表示误差，为求解所述稀疏向量
Figure GDA0003602437990000188
建立如下优化问题模型；
Figure GDA0003602437990000189
其中公式(23)中，||·||i(i＝0,2)表示0或2范数运算，ζ表示噪声容限；
其次，确定噪声容限ζ；
Figure GDA00036024379900001810
其中，trace()表示求迹运算，
Figure GDA00036024379900001811
是第i行全部为零，但在i+kNM-lN2+(l-k)N的位置上为1的矩阵，
Figure GDA00036024379900001812
[·]和(·)分别表示取整和模块运算符，(J)-1表示矩阵J的Moore-Penrose的逆，Φt∈{0,1}M×(M′+1)是第i行全部为零，但在(mi+1)的位置为1的矩阵，
Figure GDA0003602437990000191
由公式(25)给出：
Figure GDA0003602437990000192
Figure GDA0003602437990000193
是第i行全为零，但只在
Figure GDA0003602437990000194
处有一个1的矩阵，类似的，Φs∈{0,1}N×(N′+1)，
Figure GDA0003602437990000195
和N′＝N2(2N1-1)，
Figure GDA0003602437990000196
矩阵均可按照前述相同的步骤构造；
然后，采用LASSO方法求解所述优化问题模型
Figure GDA0003602437990000197
然后利用求解出的优化问题模型
Figure GDA0003602437990000198
的值计算虚拟空时快拍z的协方差矩阵估计
Figure GDA0003602437990000199
Figure GDA00036024379900001910
最后，基于输出信号与干扰加噪声比SINR最大化原则设计所述空时自适应处理滤波器，即利用所述协方差矩阵
Figure GDA00036024379900001911
计算所述空时自适应处理滤波器STAP的权向量w；
Figure GDA00036024379900001912
其中，
Figure GDA00036024379900001913
wt和φt分别表示期望信号归一化多普勒频率和空间频率。
本发明实施例还提供了一种终端，包括存储器、处理器及存储在存储器上且在处理器上运行的计算机程序，其特征在于，处理器执行计算机程序时，实现如图1所示的基于稀疏的空时自适应处理方法的各个步骤。
本发明实施例中还提供一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如图1所示的基于稀疏的空时自适应处理方法的各个步骤。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于稀疏的空时自适应处理方法，其特征在于，包括：
步骤A，根据互质阵列-互质脉冲的空时快拍协方差矩阵构造虚拟空时快拍；
步骤B，根据所述虚拟空时快拍构建基于稀疏的空时自适应处理滤波器；
步骤C，根据所述空时自适应处理滤波器进行杂波信号估计，得到检测信号；
其中，所述步骤A包括：
步骤A1，建立互质阵列-互质脉冲采样结构下无目标信号出现时的空时快拍x；
Figure FDA0003544816960000011
其中，NC表示在每个等距范围内统计独立的杂波块的数量，αi,c、ωi,c和φi,c分别表示第i个杂波块的复幅度、归一化多普勒频率和归一化空域频率，u表示高斯白噪声；
步骤A2，根据所述空时快拍x计算干扰噪声协方差矩阵
Figure FDA0003544816960000014
Figure FDA0003544816960000012
其中，K表示训练快拍的总个数，xk表示第k个训练快拍，k＝1,2…,K，矩阵
Figure FDA0003544816960000013
是协方差矩阵R的估计，R表示无目标出现时的空时快拍x所对应的协方差矩阵，
Figure FDA0003544816960000021
其中
Figure FDA0003544816960000022
Figure FDA0003544816960000023
表示噪声向量的方差，I表示单位矩阵，E[·]表示期望值，上标H表示矩阵的共轭转置；
步骤A3，对所述干扰噪声协方差矩阵
Figure FDA0003544816960000024
进行列堆叠，去冗余，重排得到虚拟空时接收矩阵Z；
Figure FDA0003544816960000025
步骤A4，把所述虚拟空时接收矩阵Z向量化，得到所述虚拟空时快拍z；
Figure FDA0003544816960000026
其中，
Figure FDA0003544816960000027
表示杂波空时导引矩阵，
Figure FDA0003544816960000028
e′u是中心位置元素为1其它所有元素为0的列向量；
所述步骤B包括：
步骤B1，将整个角度多普勒平面分离成Nd＝ρdM和Ns＝ρsM(ρd,ρs>1)的网格，其中Nd和Ns分别为沿着空间频率轴与时间/多普勒频率轴的网格点数，ρd,ρs为比例系数，表示划分网格数是原阵元或脉冲个数的倍数，改写公式(4)，得到：
Figure FDA0003544816960000029
其中，NdNs×1维的向量
Figure FDA00035448169600000210
代表角度多普勒频谱，
Figure FDA00035448169600000211
是空时导向字典，由下式(6)表示：
Figure FDA00035448169600000212
考虑到通过有限样本求得的协方差矩阵估计存在误差，即构造的虚拟空时快拍存在误差，因此，将公式(5)改写成：
Figure FDA0003544816960000031
其中，
Figure FDA0003544816960000032
表示稀疏向量，
Figure FDA0003544816960000033
表示误差，为求解所述稀疏向量
Figure FDA0003544816960000034
建立如下优化问题模型；
Figure FDA0003544816960000035
其中公式(8)中，||·||i(i＝0,2)表示0或2范数运算，ζ表示噪声容限；
步骤B2，确定噪声容限ζ；
Figure FDA0003544816960000036
其中，trace()表示求迹运算，
Figure FDA0003544816960000037
是第i行全部为零，但在i+kNM-lN2+(l-k)N的位置上为1的矩阵，
Figure FDA0003544816960000038
[·]和(·)分别表示取整和模块运算符，(J)-1表示矩阵J的Moore-Penrose的逆，Φt∈{0,1}M×(M′+1)是第i行全部为零，但在(mi+1)的位置为1的矩阵，
Figure FDA0003544816960000039
由公式(10)给出：
Figure FDA00035448169600000310
Figure FDA00035448169600000311
是第i行全为零，但只在
Figure FDA00035448169600000312
处有一个1的矩阵，类似的，Φs∈{0,1}N×(N′+1)，
Figure FDA0003544816960000041
和N′＝N2(2N1-1)，
Figure FDA0003544816960000042
矩阵均可按照前述相同的步骤构造；
步骤B3，采用LASSO方法求解所述优化问题模型
Figure FDA0003544816960000043
然后利用求解出的优化问题模型
Figure FDA0003544816960000044
的值计算虚拟空时快拍z的协方差矩阵估计
Figure FDA0003544816960000045
Figure FDA0003544816960000046
步骤B4，基于输出信号与干扰加噪声比SINR最大化原则设计所述空时自适应处理滤波器，即利用所述协方差矩阵
Figure FDA0003544816960000047
计算所述空时自适应处理滤波器STAP的权向量w；
Figure FDA0003544816960000048
其中，
Figure FDA0003544816960000049
ωt和φt分别表示期望信号归一化多普勒频率和空间频率。
2.一种基于稀疏的空时自适应处理系统，其特征在于，包括：
快拍构建单元，用于根据互质阵列互质脉冲的空时快拍协方差矩阵构造虚拟空时快拍；
滤波器构建单元，用于根据所述虚拟空时快拍构建基于稀疏的空时自适应处理滤波器；
信号估计单元，用于根据所述空时自适应处理滤波器进行杂波信号估计，得到检测信号；
其中，所述快拍构建单元具体用于：
首先，建立互质阵列互质脉冲采样结构下无目标信号出现时的空时快拍x；
Figure FDA0003544816960000051
其中，NC表示在每个等距范围内统计独立的杂波块的数量，αi,c、ωi,c和φi,c分别表示第i个杂波块的复幅度、归一化多普勒频率和归一化空域频率，u表示高斯白噪声；
其次，根据所述空时快拍x计算干扰噪声协方差矩阵
Figure FDA0003544816960000052
Figure FDA0003544816960000053
其中，K表示训练快拍的总个数，xk表示第k个训练快拍，k＝1,2…,K，矩阵
Figure FDA0003544816960000054
是协方差矩阵的R的估计，R表示无目标出现时的空时快拍x所对应的协方差矩阵，
Figure FDA0003544816960000055
其中
Figure FDA0003544816960000056
Figure FDA0003544816960000057
表示噪声向量的方差，I表示单位矩阵，E[·]表示期望值，上标H表示矩阵的共轭转置；
然后，对所述干扰噪声协方差矩阵
Figure FDA0003544816960000058
进行列堆叠，去冗余，重排得到虚拟空时接收矩阵Z；
Figure FDA0003544816960000059
最后，把所述虚拟空时接收矩阵Z向量化，得到所述虚拟空时快拍z；
Figure FDA00035448169600000510
其中，
Figure FDA00035448169600000511
表示杂波空时导引矩阵，
Figure FDA00035448169600000512
e′u是中心位置元素为1其它所有元素0为的列向量；
所述滤波器构建单元具体用于：
首先，将整个角度多普勒平面分离成Nd＝ρdM和Ns＝ρsM(ρd,ρs>1)的网格，其中Nd和Ns分别为沿着空间频率轴与时间/多普勒频率轴的网格点数，ρd,ρs为比例系数，表示划分网格数是原阵元或脉冲个数的倍数，改写公式(16)，得到：
Figure FDA0003544816960000061
其中，NdNs×1维的向量
Figure FDA0003544816960000062
代表角度多普勒频谱，
Figure FDA0003544816960000063
是空时导向字典，由下式(18)表示：
Figure FDA0003544816960000064
考虑到通过有限样本求得的协方差矩阵估计存在误差，即构造的虚拟空时快拍存在误差，因此，将公式(17)改写成：
Figure FDA0003544816960000065
其中，
Figure FDA0003544816960000066
表示稀疏向量，
Figure FDA0003544816960000067
表示误差，为求解所述稀疏向量
Figure FDA0003544816960000068
建立如下优化问题模型；
Figure FDA0003544816960000069
其中公式(20)中，||·||i(i＝0,2)表示0或2范数运算，ζ表示噪声容限；
其次，确定噪声容限ζ；
Figure FDA00035448169600000610
其中，trace()表示求迹运算，
Figure FDA00035448169600000611
是第i行全部为零，但在i+kNM-lN2+(l-k)N的位置上为1的矩阵，
Figure FDA0003544816960000071
[·]和(·)分别表示取整和模块运算符，(J)-1表示矩阵J的Moore-Penrose的逆，Φt∈{0,1}M×(M′+1)是第i行全部为零，但在(mi+1)的位置为1的矩阵，
Figure FDA0003544816960000072
由公式(22)给出：
Figure FDA0003544816960000073
Figure FDA0003544816960000074
是第i行全为零，但只在
Figure FDA0003544816960000075
处有一个1的矩阵，类似的，Φs∈{0,1}N×(N′+1)，
Figure FDA0003544816960000076
和N′＝N2(2N1-1)，
Figure FDA0003544816960000077
矩阵均可按照前述相同的步骤构造；
然后，采用LASSO方法求解所述优化问题模型
Figure FDA0003544816960000078
然后利用求解出的优化问题模型
Figure FDA0003544816960000079
的值计算虚拟空时快拍z的协方差矩阵估计
Figure FDA00035448169600000710
Figure FDA00035448169600000711
最后，基于输出信号与干扰加噪声比SINR最大化原则设计所述空时自适应处理滤波器，即利用所述协方差矩阵
Figure FDA00035448169600000712
计算所述空时自适应处理滤波器STAP的权向量w；
Figure FDA00035448169600000713
其中，
Figure FDA00035448169600000714
ωt和φt分别表示期望信号归一化多普勒频率和空间频率。
CN201810372280.7A 2018-04-24 2018-04-24 一种基于稀疏的空时自适应处理方法及系统 Active CN108802705B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810372280.7A CN108802705B (zh) 2018-04-24 2018-04-24 一种基于稀疏的空时自适应处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810372280.7A CN108802705B (zh) 2018-04-24 2018-04-24 一种基于稀疏的空时自适应处理方法及系统

Publications (2)

Publication Number Publication Date
CN108802705A CN108802705A (zh) 2018-11-13
CN108802705B true CN108802705B (zh) 2022-05-20

Family

ID=64093812

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810372280.7A Active CN108802705B (zh) 2018-04-24 2018-04-24 一种基于稀疏的空时自适应处理方法及系统

Country Status (1)

Country Link
CN (1) CN108802705B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110579737B (zh) * 2019-07-17 2022-10-11 电子科技大学 一种杂波环境中基于稀疏阵列的mimo雷达宽带doa计算方法
CN110632558B (zh) * 2019-07-18 2022-11-08 电子科技大学 一种联合计算mimo雷达稀疏阵列和脉冲串的方法
CN110297247B (zh) * 2019-07-22 2022-06-24 河海大学 基于低秩矩阵稀疏恢复的气象雷达风电场杂波抑制方法
CN111537974A (zh) * 2020-05-20 2020-08-14 成都航空职业技术学院 一种去耦合的空时自适应信号处理方法
CN111537975B (zh) * 2020-05-26 2022-03-08 成都航空职业技术学院 一种高自由度的机载雷达空时自适应信号处理方法
CN111610498B (zh) * 2020-06-22 2023-04-07 成都航空职业技术学院 一种高自由度去耦合的空时自适应信号处理方法
CN111650574B (zh) * 2020-06-24 2022-12-23 中国科学院声学研究所 基于稀疏恢复的水下空时自适应处理方法及系统
CN111983553B (zh) * 2020-08-20 2024-02-20 上海无线电设备研究所 一种基于互质多载频稀疏阵列的无网格doa估计方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105182293A (zh) * 2015-08-25 2015-12-23 西安电子科技大学 基于互质阵列mimo雷达doa与dod估计方法
CN106338723A (zh) * 2016-09-12 2017-01-18 深圳大学 一种基于互质脉冲重复间隔的空时自适应处理方法及装置
CN107315161A (zh) * 2017-06-07 2017-11-03 西安电子科技大学 基于压缩感知的非圆信号波达方向角估计方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105182293A (zh) * 2015-08-25 2015-12-23 西安电子科技大学 基于互质阵列mimo雷达doa与dod估计方法
CN106338723A (zh) * 2016-09-12 2017-01-18 深圳大学 一种基于互质脉冲重复间隔的空时自适应处理方法及装置
CN107315161A (zh) * 2017-06-07 2017-11-03 西安电子科技大学 基于压缩感知的非圆信号波达方向角估计方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
互质空时压缩采样机载雷达杂波抑制技术研究;马源斌;《中国优秀博硕士学位论文全文数据库（硕士）信息科技辑》;20170715(第07期);第4章 *

Also Published As

Publication number Publication date
CN108802705A (zh) 2018-11-13

Similar Documents

Publication Publication Date Title
CN108802705B (zh) 一种基于稀疏的空时自适应处理方法及系统
CN111337893B (zh) 一种基于实值稀疏贝叶斯学习的离格doa估计方法
CN107436421B (zh) 一种稀疏贝叶斯学习框架下混合信号doa估计方法
CN109765521B (zh) 一种基于子阵划分的波束域成像方法
CN107167783B (zh) 一种共形阵列杂波协方差矩阵的稀疏重构方法
WO2019204976A1 (zh) 一种基于稀疏的空时自适应处理方法及系统
CN103984676A (zh) 一种基于协方差矩阵重构的正交投影自适应波束形成方法
CN111736131A (zh) 一种剔除一比特信号谐波虚假目标的方法及相关组件
Tao et al. A knowledge aided SPICE space time adaptive processing method for airborne radar with conformal array
CN109557504B (zh) 一种近场窄带信号源的定位方法
CN109031227B (zh) 一种共轭梯度空时自适应处理方法及系统
CN107064896B (zh) 基于截断修正sl0算法的mimo雷达参数估计方法
CN115119142A (zh) 一种基于传感器网络的分布式直接定位方法
CN106970358B (zh) 非正侧视阵雷达杂波谱的角度多普勒配准的优化方法
CN114726385A (zh) 基于功率估计的卫星导航接收机空域抗干扰方法
CN111474527B (zh) 机载stap雷达快速去互耦的杂波协方差矩阵估计方法
US5610612A (en) Method for maximum likelihood estimations of bearings
CN110658517B (zh) 一种基于不确定先验知识的降维稀疏stap方法及装置
CN109298381A (zh) 一种基于变分贝叶斯推断的互质阵相干信号方位角估计方法
CN115470446A (zh) 一种适用于多波束测深系统的任意角度快速波束形成方法
CN115267706A (zh) 合成孔径雷达的距离空变相位误差估计方法、装置及介质
CN109471087B (zh) 基于互质mimo雷达差集和集信号快速傅里叶变换的波达方向估计方法
CN113075621A (zh) 针对分布式网络化雷达的信号级定位算法精度界计算方法
CN112698263A (zh) 一种基于正交传播算子的单基地互质mimo阵列doa估计算法
Yao A reduced-rank STAP method based on solution of linear equations

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