CN108931766A - 一种基于稀疏重构的非均匀stap干扰目标滤除方法 - Google Patents
一种基于稀疏重构的非均匀stap干扰目标滤除方法 Download PDFInfo
- Publication number
- CN108931766A CN108931766A CN201810403065.9A CN201810403065A CN108931766A CN 108931766 A CN108931766 A CN 108931766A CN 201810403065 A CN201810403065 A CN 201810403065A CN 108931766 A CN108931766 A CN 108931766A
- Authority
- CN
- China
- Prior art keywords
- doppler
- interference target
- unit
- signal
- j2πf
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000001914 filtration Methods 0.000 title claims abstract description 47
- 239000011159 matrix material Substances 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000009466 transformation Effects 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 23
- 238000001228 spectrum Methods 0.000 claims description 16
- 230000002452 interceptive effect Effects 0.000 claims description 14
- 230000001427 coherent effect Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 230000017105 transposition Effects 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 abstract description 14
- 238000001514 detection method Methods 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 abstract description 3
- 238000010606 normalization Methods 0.000 abstract description 2
- 230000003595 spectral effect Effects 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 12
- 238000005070 sampling Methods 0.000 description 9
- 230000001629 suppression Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
-
- 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
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S2013/0236—Special technical features
- G01S2013/0245—Radar with phased array antenna
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稀疏重构的非均匀STAP干扰目标滤除方法,首先对接收信号进行处理变换,转换到阵元—多普勒域;然后逐多普勒单元进行空域稀疏重构,获取二维角度—多普勒谱;接着确定干扰目标的空间频率、归一化多普勒频率与幅值;最后滤除干扰目标。本发明利用稀疏重构技术获取干扰目标对应的空、时频率与幅值,进而将干扰目标从训练样本中滤除,使训练样本可重新应用于协方差矩阵估计及STAP权值计算。仿真结果表明:本发明可有效滤除训练样本中的干扰目标信号,获得稳健的杂波抑制与目标检测性能,且运算量小,适合工程应用。
Description
技术领域
本发明涉及非均匀STAP领域,具体为一种基于稀疏重构的非均匀STAP干扰目标滤除方法。
背景技术
机载相控阵雷达下视工作时,雷达接收的地杂波强度大、分布广,并且由于载机的运动影响,杂波谱会出现扩展严重的现象,目标的检测性能严重降低。在此背景下空时自适应处理(STAP,Space-Time Adaptive Processing)技术应运而生。常规STAP方法基于相邻距离单元的杂波样本与待检测单元内的杂波满足统计平稳性这一假设,利用杂波协方差矩阵的最大似然估计求解自适应权值。为了保证相对最优STAP处理的输出信杂噪比(SCNR)损失限制在3dB范围内,用以估计杂波协方差矩阵的独立同分布(IID)的训练样本应当超过两倍以上的自适应处理器维数。
在非均匀杂波环境下,缺乏足够多的IID样本估计杂波的统计特性,导致自适应性能严重下降。常规的非均匀STAP算法利用非均匀检测器(NHD)来检测和剔除那些包含干扰目标的训练样本,以改善对杂波协方差矩阵的估计。然而,在城市上空干扰目标密集分布的强非均匀环境下,直接剔除包含干扰目标的训练样本将会导致训练样本数目大大减少,造成杂波协方差矩阵估计误差加大,影响系统的杂波抑制性能。
发明内容
本发明所要解决的技术问题是:
针对常规非均匀STAP直接剔除包含干扰目标的训练样本导致的训练样本数目不足的问题,提供一种基于稀疏重构的非均匀STAP干扰目标滤除方法。
本发明为解决上述技术问题采用以下技术方案:
本发明提出一种基于稀疏重构的非均匀STAP干扰目标滤除方法,包括如下步骤:
步骤一、对接收信号进行加窗处理,再进行快速傅里叶变换,然后将所得信号转换到阵元—多普勒域;
步骤二、对所述阵元—多普勒域数据逐多普勒单元进行空域稀疏重构,获取二维角度—多普勒谱;
步骤三、确定干扰目标的空间频率、归一化多普勒频率与幅值;
步骤四、滤除干扰目标。
如前所述的一种基于稀疏重构的非均匀STAP干扰目标滤除方法,进一步地,所述步骤一的实现方法具体包括:
假定雷达天线为均匀线阵,阵元间距为半波长,阵元个数为N,一次相干处理间隔内的时域脉冲数为K,且第l个距离单元存在干扰目标,则接收信号Xl为:
Xl=XC+XI+Nl
其中XC表示该距离单元的杂波信号,XI表示该距离单元包含的干扰目标信号,Nl为系统噪声;
步骤(1.1)、假定第l个距离单元第i个脉冲各阵元接收信号矢量为Sl_i,将第l个距离单元的接收信号Xl逐脉冲排列,即
Xl=[Sl_1 Sl_2 … Sl_K]N×K
选取窗函数T_win=[w(1),w(2),…,w(K)],其中w(n)(i=1,2,3,…,K)为窗函数系数,构建加窗矩阵Tw:
对接收信号Xl作加窗处理,可得加窗处理后的接收信号T_Xl为:
T_Xl=Xl·Tw=[STl_1 STl_2 … STl_K]N×K
其中,STl_i为第l个距离单元第i个脉冲各阵元加窗处理后的输出信号;
步骤(1.2)、FFT点数扩展为K',用S0表示N×1维向量元素均为零的列向量,对T_Xl进行补零,可得扩展后的接收信号Z_Xl:
步骤(1.3)、假定FFT变换矩阵为FD,将扩展数据Z_Xl转化到阵元—多普勒域,可得阵元—多普勒域输出信号D_Xl为:
D_Xl=Z_Xl·FD=[SDl_1 SDl_2 … SDl_K']N×K'
式中SDl_i表示第l个距离单元第i个多普勒单元各阵元输出信号。
如前所述的一种基于稀疏重构的非均匀STAP干扰目标滤除方法,进一步地,所述步骤二的实现方法具体包括:
步骤(2.1)、初略估计干扰目标空间频率:将空间角度量化为Ns=γN个分辨单元,γ表示分辨尺度,则第p个分辨单元的空间角度θp为:
可得第p个分辨单元空间频率fsp为:
其中d为阵元间距,λ为雷达波长;
对应得到第p个分辨单元的空域导引矢量φp:
φp=[1,exp(j2πfsp),exp(j2πfsp·2),…,exp(j2πfsp·(N-1))]T
其中上标T表示转置,构建N×Ns观测矩阵ψi:
求解优化方程:
其中,为函数f(x)取最小值时所对应的变量x的值,为第l个距离单元第i个多普勒单元接收信号稀疏重构后的空域幅度分布,σi为第l个距离单元第i个多普勒单元杂波在空域的幅度分布,所述接收信号包含杂波和干扰目标,||·||1为L1范数运算,εi为允许误差,对阵元—多普勒域数据逐多普勒单元进行空域稀疏重构,可得到二维角度—多普勒谱,并确定干扰目标对应的分辨单元为Q;
步骤(2.2)、精确估计干扰目标空间频率:将第Q-1~Q+1个分辨单元对应的空间角度重新均分为NP个分辨单元,则重新划分后第p个分辨单元的空间角度θp′为:
可得重新划分后第p个分辨单元的空间频率fsp′:
对应得到重新划分后第p个分辨单元的空域导引矢量φp':
φp'=[1,exp(j2πfsp'),exp(j2πfsp'·2),…,exp(j2πfsp'·(N-1))]T
将所述空域导引矢量用于构建N×(Ns+NP-2)非均匀稀疏观测矩阵ψi',得到:
然后求解接收信号的空域幅度分布的优化方程:
其中为第l个距离单元第i个多普勒单元接收信号在非均匀稀疏重构后的空域幅度分布,σi'为第l个距离单元第i个多普勒单元接收信号在空域的幅度分布,所述接收信号包含杂波和干扰目标,对阵元—多普勒域数据逐多普勒单元进行空域非均匀稀疏重构,即可获得高分辨率二维角度—多普勒谱。
如前所述的一种基于稀疏重构的非均匀STAP干扰目标滤除方法,进一步地,所述步骤三的实现方法具体包括:
步骤(3.1)、假设干扰目标在角度—多普勒谱上的最大像素点为(Ks,Kd),根据干扰目标最大像素点对应横坐标Ks,可得干扰目标的空间频率的估计值fs_E为:
步骤(3.2)、根据干扰目标最大像素点对应纵坐标Kd,可得干扰目标的归一化多普勒频率的估计值fd_E为:
步骤(3.3)、假设干扰目标在角度—多普勒谱上的最大像素点对应幅值为a,利用恢复系数校正加窗效应,得到校正后的干扰目标最大像素点幅值a0为:
a0=a/w
由于FFT变换导致信号幅值在频域产生相干积累,可得干扰目标幅值的估计值αE为:
αE=a0/K
其中,K为一次相干处理间隔内的时域脉冲数。
如前所述的一种基于稀疏重构的非均匀STAP干扰目标滤除方法,进一步地,所述步骤四的实现方法具体包括:
将估计的干扰目标信号XE表示为:
其中,表示Kronecker积,Ss_E,Sd_E为精确估计的干扰目标的空域、时域导引矢量,即
Ss_E=[1 exp(j2πfs_E) exp(j2πfs_E·2) … exp(j2πfs_E·(N-1))]T
Sd_E=[1 exp(j2πfd_E) exp(j2πfd_E·2) … exp(j2πfd_E·(K-1))]T
其中T为转置运算符号;
第l个距离单元滤除干扰目标后的接收信号X′l为:
X′l=Xl-XE
如前所述的一种基于稀疏重构的非均匀STAP干扰目标滤除方法,进一步地,步骤(1.2)所述FFT变换将点数扩展为K'=1024。
如前所述的一种基于稀疏重构的非均匀STAP干扰目标滤除方法,进一步地,步骤(2.1)所述分辨尺度取γ=8。
如前所述的一种基于稀疏重构的非均匀STAP干扰目标滤除方法,进一步地,步骤(2.2)所述分辨单元个数取NP=16。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
1.通过稀疏重构获取干扰目标空、时频率与幅值,进而对干扰目标进行估计并将其从训练样本中滤除,使训练样本可重新应用于STAP权值计算,以提升小样本情况下STAP系统的杂波抑制与目标检测性能。
2.仿真实验结果表明,基于稀疏重构的非均匀STAP干扰目标滤除方法运算量较小、易于工程实施。
附图说明
图1为本发明的方法流程图;
图2为稀疏重构后,杂波与干扰目标的二维角度—多普勒谱;
图3为剩余信号归一化功率随FFT点数变化曲线;
图4为采用基于128点FFT稀疏重构的干扰目标滤除方法滤除前后,干扰目标剩余归一化幅值;
图5为采用基于1024点FFT稀疏重构的干扰目标滤除方法滤除前后,干扰目标剩余归一化幅值;
图6为JDL-STAP滤波输出的改善因子曲线。
具体实施方式
下面结合附图对本发明的技术方案做进一步的详细说明:
本技术领域技术人员可以理解的是,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本发明的目的在于利用稀疏重构技术获取干扰目标的空、时频率与幅值,进而对干扰目标进行高精度估计并将其从训练样本中滤除,使训练样本可重新应用于协方差矩阵估计及STAP权值计算,令改进的非均匀STAP算法在少量训练样本的情形下获得稳健的杂波抑制性能。
1、信号模型:
考虑机载非正侧视阵雷达,假定雷达天线为均匀线阵,阵元间距为半波长,阵元个数为N,一次相干处理间隔的时域脉冲数为K,第l个距离单元接收的回波信号为:
Xl=XC+XI+Nl
其中XC表示该距离单元的杂波信号,假定地面杂波源在时域上平稳且相关,且每个杂波源是相互独立的,设定机载雷达某一距离环内杂波可按方位角等分为Nc个杂波源,则该距离环内杂波信号XC可以表示为:
αi为第l个距离环内第i个独立杂波散射源的信号幅度。为向量的Kronecker积,Ssi和Sdi分别为第i个杂波散射源空域、时域导引矢量,即:
Ssi=[1 exp(j2πfsi) exp(j2πfsi·2) … exp(j2πfsi·(N-1))]T
Sdi=[1 exp(j2πfdi) exp(j2πfdi·2) … exp(j2πfdi·(K-1))]T
其中上标T表示转置,其中fsi为第i个杂波散射源的空间频率,fdi为第i个杂波散射源的归一化多普勒频率。XI表示该距离单元包含的干扰目标信号,表达式为:
其中,αI为干扰目标的幅值,Ss_I,Sd_I为干扰目标的空域、时域导引矢量,即
Ss_I=[1 exp(j2πfs_I) exp(j2πfs_I·2) … exp(j2πfs_I·(N-1))]T
Sd_I=[1 exp(j2πfd_I) exp(j2πfd_I·2) … exp(j2πfd_I·(K-1))]T
fs_I、fd_I分别为干扰目标的空间频率与归一化多普勒频率。Nl为该距离单元对应的系统噪声。
2、时域FFT变换:
将接收信号转换到多普勒域,不同多普勒域单元输出即实现了对杂波信号的局域降维。假定第l个距离单元第i个脉冲各阵元接收信号矢量为Sl_i,将第l个距离单元的接收信号Xl逐脉冲排列,即
Xl=[Sl_1 Sl_2 … Sl_K]N×K
为抑制FFT变换中产生的副瓣泄露,需对接收信号作加窗处理,选取窗函数T_win=[w(1),w(2),…,w(K)],其中w(n)(i=1,2,3…,K)为窗函数系数,构建加窗矩阵Tw:
对接收信号Xl作加窗处理,可得加窗处理后的接收信号T_Xl为:
T_Xl=Xl·Tw=[STl_1 STl_2 … STl_K]N×K
STl_i为第l个距离单元第i个脉冲各阵元加窗处理后的输出信号。
通过扩展FFT点数以减小相邻多普勒通道采样频率差,进而提升对干扰目标归一化多普勒频率的估计精度。本实施例中,将FFT点数扩展为K'=1024,用S0表示N×1维向量元素均为零的列向量,对T_Xl进行补零,可得扩展后的接收信号Z_Xl:
假定FFT变换矩阵为FD,将扩展数据Z_Xl转化到阵元—多普勒域,可得阵元—多普勒域输出信号D_Xl为:
D_Xl=Z_Xl·FD=[SDl_1 SDl_2 … SDl_K']N×K'
式中SDl_i表示第l个距离单元第i个多普勒单元各阵元输出信号。
3、空域稀疏重构:
3.1、初略估计干扰目标空间频率:将空间角度量化为Ns=γN个分辨单元,γ表示分辨尺度,可取γ=8,则第p个分辨单元的空间角度θp为:
可得第p个分辨单元空间频率fsp为:
对应得到第p个分辨单元的空域导引矢量φp为:
φp=[1,exp(j2πfsp),exp(j2πfsp·2),…,exp(j2πfsp·(N-1))]T
构建N×Ns观测矩阵ψi:
求解优化方程:
其中,为函数f(x)取最小值时所对应的变量x的值,为第l个距离单元第i个多普勒单元接收信号稀疏重构后的空域幅度分布,σi为第l个距离单元第i个多普勒单元接收信号在空域的幅度分布,所述接收信号包含杂波和干扰目标,其中||·||1为L1范数运算,εi为允许误差,对阵元—多普勒域数据逐多普勒单元进行空域稀疏重构,可得到二维角度—多普勒谱,确定干扰目标对应的分辨单元为Q;
3.2、精确估计干扰目标空间频率:将第Q-1~Q+1个分辨单元对应的空间角度重新均匀划分为NP个分辨单元,可取NP=16,则重新划分后第p个分辨单元的空间角度θp'为:
可得重新划分后第p个分辨单元的空间频率fsp′:
对应得到重新划分后第p个分辨单元的空域导引矢量φp′:
φp'=[1,exp(j2πfsp'),exp(j2πfsp'·2),…,exp(j2πfsp'·(N-1))]T
构建N×(Ns+NP-2)非均匀稀疏观测矩阵ψi':
求解优化方程:
其中为第l个距离单元第i个多普勒单元接收信号在非均匀稀疏重构后的空域幅度分布,σi'为第l个距离单元第i个多普勒单元接收信号在空域的幅度分布,所述接收信号包含杂波和干扰目标,对阵元—多普勒域数据逐多普勒单元进行空域稀疏重构,即可获得高分辨率二维角度—多普勒谱,如图2所示;
4、确定干扰目标的空间频率、归一化多普勒频率与幅值:
假设干扰目标在角度—多普勒谱上的最大像素点为(Ks,Kd),根据干扰目标最大像素点对应横坐标Ks,可得干扰目标的空间频率的估计值fs_E为:
根据干扰目标最大像素点对应纵坐标Kd,可得干扰目标的归一化多普勒频率的估计值fd_E为:
假设干扰目标在角度—多普勒谱上的最大像素点对应幅值为a,利用恢复系数校正加窗效应,得到校正后的干扰目标最大像素点幅值a0为:
a0=a/w
由于FFT变换导致信号幅值在频域产生相干积累,可得干扰目标幅值的估计值αE为:
αE=a0/K
5、滤除干扰目标:
估计的干扰目标信号XE为:
表示Kronecker积,Ss_E,Sd_E为精确估计的干扰目标的空域、时域导引矢量,即
Ss_E=[1 exp(j2πfs_E) exp(j2πfs_E·2) … exp(j2πfs_E·(N-1))]T
Sd_E=[1 exp(j2πfd_E) exp(j2πfd_E·2) … exp(j2πfd_E·(K-1))]T
其中T为转置运算符号;
第l个距离单元滤除干扰目标后的接收信号X′l为:
X′l=Xl-XE
下面通过计算机仿真来验证本发明方法的性能。雷达系统仿真参数如表1所示。
表1雷达系统参数
参数名称 | 参数数值 |
脉冲重复频率 | 5000HZ |
采样频率 | 5MHZ |
载机速度 | 130m/s |
载机飞行高度 | 8000m |
设置干扰目标信杂噪比为-10dB,空间角对应主波束指向,经分析知,当干扰目标多普勒频率为多普勒通道采样频率时,干扰目标估计精确度最高,当干扰目标多普勒频率偏移多普勒通道采样频率,且偏移量为相邻多普勒通道采样频率差的二分之一时,干扰目标估计误差最大,利用剩余信号归一化功率P来衡量方法的干扰目标滤除性能,P表示剩余干扰目标信号功率PM与原干扰目标信号功率PI的比值,即
其中上标H表示共轭转置。图3显示了在最大误差的情况下,利用本方法滤除干扰目标后,剩余信号归一化功率P随FFT点数变化曲线。由图3可知,最大误差情况下的剩余信号归一化功率P随FFT点数增大而递减,当FFT点数为1024点时,剩余信号归一化功率均近似为5%,此时剩余信号对STAP滤波的影响可忽略不计。考虑到随着FFT点数的增加方法的计算量也随之增加,故采用基于1024点FFT的稀疏重构即可达到较为优良的方法性能。
图4给出了当干扰目标多普勒频率偏移多普勒通道采样频率且偏移量为PRF(Pulse Recurrence Frequency脉冲重复频率)的1/256时,采用基于128点FFT稀疏重构的干扰目标滤除方法滤除前后,干扰目标剩余归一化幅值。图5给出了当干扰目标多普勒频率偏移多普勒通道采样频率且偏移量为PRF的1/256时,采用基于1024点FFT稀疏重构的干扰目标滤除方法滤除前后,干扰目标剩余归一化幅值。对比图4、图5可知,采用基于128点FFT稀疏重构的干扰目标滤除方法滤除后,干扰目标剩余归一化幅值为1.4081,干扰目标无法对消,且由于相位估计误差产生的信号增益使滤除后的干扰目标较滤除前反而增大。采用基于1024点FFT稀疏重构的干扰目标滤除方法滤除后,干扰目标剩余归一化幅值为0,干扰目标可被完全滤除。
选取31个距离单元作为研究对象,在第16个距离单元注入目标,目标多普勒频率为78.125HZ,信杂噪比为-50dB,空间角对应主波束指向。在第4、8、12、20距离单元注入4个干扰目标,第4、12距离单元干扰目标多普勒频率为97.656HZ(偏移目标所在多普勒通道采样且偏移量为PRF/256);第8、20距离单元干扰目标多普勒频率为87.890HZ(偏移目标所在多普勒通道采样频率且偏移量为PRF/512);第4、8距离单元干扰目标信杂噪比为-10dB;第12、20距离单元干扰目标信杂噪比为-25dB;干扰目标的空间角均指向主波束。对比干扰目标滤除前、采用基于128点FFT稀疏重构的干扰目标滤除方法以及采用基于1024点FFT稀疏重构的干扰目标滤除方法滤除干扰目标后,进行JDL-STAP滤波输出的改善因子曲线可知,采用基于128点FFT稀疏重构的干扰目标滤除方法无法有效滤除干扰目标,改善因子在干扰目标所在多普勒频率处形成了很深的凹陷,系统的杂波抑制性能恶化。而采用基于1024点FFT稀疏重构的干扰目标滤除方法的改善因子在干扰目标多普勒频率处的凹陷消失,STAP系统恢复了较为理想的滤波性能,说明该方法可有效滤除干扰目标,提升系统杂波抑制能力。
以上所述仅是本发明的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种基于稀疏重构的非均匀STAP干扰目标滤除方法,其特征在于,包括如下步骤:
步骤一、对接收信号进行加窗处理,再进行快速傅里叶变换,然后将所得信号转换到阵元—多普勒域;
步骤二、对所述阵元—多普勒域数据逐多普勒单元进行空域稀疏重构,获取二维角度—多普勒谱;
步骤三、确定干扰目标的空间频率、归一化多普勒频率与幅值;
步骤四、滤除干扰目标。
2.如权利要求1所述的一种基于稀疏重构的非均匀STAP干扰目标滤除方法,其特征在于,所述步骤一的实现方法具体包括:
假定雷达天线为均匀线阵,阵元间距为半波长,阵元个数为N,一次相干处理间隔内的时域脉冲数为K,且第l个距离单元存在干扰目标,则其接收信号Xl为:
Xl=XC+XI+Nl
其中XC表示该距离单元的杂波信号,XI表示该距离单元包含的干扰目标信号,Nl为系统噪声;
步骤(1.1)、假定第l个距离单元第i个脉冲各阵元接收信号矢量为Sl_i,将第l个距离单元的接收信号Xl逐脉冲排列,即
Xl=[Sl_1 Sl_2 … Sl_K]N×K
选取窗函数T_win=[w(1),w(2),…,w(K)],其中w(n)(i=1,2,3...,K)为窗函数系数,构建加窗矩阵Tw:
对接收信号Xl作加窗处理,可得加窗处理后的接收信号T_Xl为:
T_Xl=Xl·Tw=[STl_1 STl_2 … STl_K]N×K
其中,STl_i为第l个距离单元第i个脉冲各阵元加窗处理后的输出信号;
步骤(1.2)、FFT点数扩展为K',用S0表示N×1维向量元素均为零的列向量,对
T_Xl进行补零,可得扩展后的接收信号Z_Xl:
N×(K'-K)维零矩阵
步骤(1.3)、假定FFT变换矩阵为FD,将扩展数据Z_Xl转化到阵元—多普勒域,可得阵元—多普勒域输出信号D_Xl为:
D_Xl=Z_Xl·FD=[SDl_1 SDl_2 … SDl_K']N×K'
式中SDl_i表示第l个距离单元第i个多普勒单元各阵元输出信号。
3.如权利要求1所述的一种基于稀疏重构的非均匀STAP干扰目标滤除方法,其特征在于,所述步骤二的实现方法具体包括:
步骤(2.1)、初略估计干扰目标空间频率:将空间角度量化为Ns=γN个分辨单元,γ表示分辨尺度,则第p个分辨单元的空间角度θp为:
可得第p个分辨单元空间频率fsp为:
其中d为阵元间距,λ为雷达波长;
对应得到第p个分辨单元的空域导引矢量φp:
φp=[1,exp(j2πfsp),exp(j2πfsp·2),…,exp(j2πfsp·(N-1))]T
其中上标T表示转置,构建N×Ns观测矩阵ψi:
求解优化方程:
其中,为函数f(x)取最小值时所对应的变量x的值,为第l个距离单元第i个多普勒单元接收信号稀疏重构后的空域幅度分布,σi为第l个距离单元第i个多普勒单元接收信号在空域的幅度分布,所述接收信号包含杂波和干扰目标,||·||1为L1范数运算,εi为允许误差,对阵元—多普勒域数据逐多普勒单元进行空域稀疏重构,可得到二维角度—多普勒谱,并确定干扰目标对应的分辨单元为Q;
步骤(2.2)、精确估计干扰目标空间频率:将第Q-1~Q+1个分辨单元对应的空间角度重新均分为NP个分辨单元,则重新划分后第p个分辨单元的空间角度θp'为:
可得重新划分后第p个分辨单元的空间频率fsp′:
对应得到重新划分后第p个分辨单元的空域导引矢量φp':
φp'=[1,exp(j2πfsp'),exp(j2πfsp'·2),…,exp(j2πfsp'·(N-1))]T
将所述空域导引矢量用于构建N×(Ns+NP-2)非均匀稀疏观测矩阵ψi',得到:
然后求解接收信号的空域幅度分布的优化方程:
其中为第l个距离单元第i个多普勒单元接收信号在非均匀稀疏重构后的空域幅度分布,σi'为第l个距离单元第i个多普勒单元接收信号在空域的幅度分布,所述接收信号包含杂波和干扰目标,对阵元—多普勒域数据逐多普勒单元进行空域非均匀稀疏重构,即可获得高分辨率二维角度—多普勒谱。
4.如权利要求1所述的一种基于稀疏重构的非均匀STAP干扰目标滤除方法,其特征在于,所述步骤三的实现方法具体包括:
步骤(3.1)、假设干扰目标在角度—多普勒谱上的最大像素点为(Ks,Kd),根据干扰目标最大像素点对应横坐标Ks,可得干扰目标的空间频率的估计值fs_E为:
步骤(3.2)、根据干扰目标最大像素点对应纵坐标Kd,可得干扰目标的归一化多普勒频率的估计值fd_E为:
步骤(3.3)、假设干扰目标在角度—多普勒谱上的最大像素点对应幅值为a,利用恢复系数校正加窗效应,得到校正后的干扰目标最大像素点幅值a0为:
a0=a/w
由于FFT变换导致信号幅值在频域产生相干积累,可得干扰目标幅值的估计值αE为:
αE=a0/K
其中,K为一次相干处理间隔内的时域脉冲数。
5.如权利要求1所述的一种基于稀疏重构的非均匀STAP干扰目标滤除方法,其特征在于,所述步骤四的实现方法具体包括:
将估计的干扰目标信号XE表示为:
其中,表示Kronecker积,Ss_E,Sd_E为精确估计的干扰目标的空域、时域导引矢量,具体为:
Ss_E=[1 exp(j2πfs_E) exp(j2πfs_E·2) …exp(j2πfs_E·(N-1))]T
Sd_E=[1 exp(j2πfd_E) exp(j2πfd_E·2) …exp(j2πfd_E·(K-1))]T
其中T为转置运算符号;
第l个距离单元滤除干扰目标后的接收信号X′l为:
X′l=Xl-XE
6.如权利要求1或2所述的一种基于稀疏重构的非均匀STAP干扰目标滤除方法,其特征在于,步骤(1.2)所述FFT变换将点数扩展为K'=1024。
7.如权利要求1或3所述的一种基于稀疏重构的非均匀STAP干扰目标滤除方法,其特征在于,步骤(2.1)所述分辨尺度取γ=8。
8.如权利要求1或3所述的一种基于稀疏重构的非均匀STAP干扰目标滤除方法,其特征在于,步骤(2.2)所述分辨单元个数取NP=16。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810403065.9A CN108931766B (zh) | 2018-04-28 | 2018-04-28 | 一种基于稀疏重构的非均匀stap干扰目标滤除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810403065.9A CN108931766B (zh) | 2018-04-28 | 2018-04-28 | 一种基于稀疏重构的非均匀stap干扰目标滤除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108931766A true CN108931766A (zh) | 2018-12-04 |
CN108931766B CN108931766B (zh) | 2022-02-01 |
Family
ID=64448451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810403065.9A Active CN108931766B (zh) | 2018-04-28 | 2018-04-28 | 一种基于稀疏重构的非均匀stap干扰目标滤除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108931766B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110120826A (zh) * | 2019-04-22 | 2019-08-13 | 长沙翼盾电子科技有限公司 | 一种干扰参数估计对消与stap级联处理的抗干扰方法 |
CN110632571A (zh) * | 2019-09-20 | 2019-12-31 | 中国人民解放军国防科技大学 | 一种基于矩阵流形的稳健stap协方差矩阵估计方法 |
CN111965615A (zh) * | 2020-07-28 | 2020-11-20 | 南京航空航天大学 | 一种基于检测前估计的雷达目标检测方法 |
CN112711014A (zh) * | 2020-12-14 | 2021-04-27 | 中国船舶重工集团公司第七一五研究所 | 一种非均匀布阵舷侧阵声纳波束形成快速方法 |
CN113219433A (zh) * | 2021-05-26 | 2021-08-06 | 内蒙古工业大学 | 基于知识辅助的sr-stap方法及存储介质 |
CN114781460A (zh) * | 2022-05-13 | 2022-07-22 | 西安电子科技大学 | 面向与通信信号耦合的干扰信号检测与识别方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060238412A1 (en) * | 2005-04-21 | 2006-10-26 | Blunt Shannon D | Method and apparatus for detecting slow-moving targets in high-resolution sea clutter |
US7474258B1 (en) * | 2005-06-06 | 2009-01-06 | Signal Labs, Inc. | System and method for detection and discrimination of targets in the presence of interference |
CN103399309A (zh) * | 2013-07-22 | 2013-11-20 | 西安电子科技大学 | 基于迭代加权最小方差的空时二维杂波谱估计方法 |
CN103454624A (zh) * | 2013-09-22 | 2013-12-18 | 河海大学 | 基于降维稀疏重构空时谱的直接数据域动目标检测方法 |
CN103969629A (zh) * | 2014-04-21 | 2014-08-06 | 河海大学 | 一种基于主瓣杂波配准的机载雷达杂波自适应抑制方法 |
US20160091598A1 (en) * | 2014-09-26 | 2016-03-31 | The Govemment of the United States of America, as represented by the Secretary of the Navy | Sparse Space-Time Adaptive Array Architecture |
WO2018045566A1 (zh) * | 2016-09-09 | 2018-03-15 | 深圳大学 | 基于压缩感知的随机脉冲多普勒雷达角度-多普勒成像方法 |
WO2018049595A1 (zh) * | 2016-09-14 | 2018-03-22 | 深圳大学 | 一种基于交替方向乘子法的稳健稀疏恢复stap方法及其系统 |
-
2018
- 2018-04-28 CN CN201810403065.9A patent/CN108931766B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060238412A1 (en) * | 2005-04-21 | 2006-10-26 | Blunt Shannon D | Method and apparatus for detecting slow-moving targets in high-resolution sea clutter |
US7474258B1 (en) * | 2005-06-06 | 2009-01-06 | Signal Labs, Inc. | System and method for detection and discrimination of targets in the presence of interference |
CN103399309A (zh) * | 2013-07-22 | 2013-11-20 | 西安电子科技大学 | 基于迭代加权最小方差的空时二维杂波谱估计方法 |
CN103454624A (zh) * | 2013-09-22 | 2013-12-18 | 河海大学 | 基于降维稀疏重构空时谱的直接数据域动目标检测方法 |
CN103969629A (zh) * | 2014-04-21 | 2014-08-06 | 河海大学 | 一种基于主瓣杂波配准的机载雷达杂波自适应抑制方法 |
US20160091598A1 (en) * | 2014-09-26 | 2016-03-31 | The Govemment of the United States of America, as represented by the Secretary of the Navy | Sparse Space-Time Adaptive Array Architecture |
WO2018045566A1 (zh) * | 2016-09-09 | 2018-03-15 | 深圳大学 | 基于压缩感知的随机脉冲多普勒雷达角度-多普勒成像方法 |
WO2018049595A1 (zh) * | 2016-09-14 | 2018-03-22 | 深圳大学 | 一种基于交替方向乘子法的稳健稀疏恢复stap方法及其系统 |
Non-Patent Citations (3)
Title |
---|
SUDAN HAN等: ""A Novel STAP Based on Spectrum-Aided Reduced-Dimension Clutter Sparse Recovery"", 《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》 * |
和洁等: ""机载雷达级联降维空时自适应杂波抑制方法"", 《数据采集与处理》 * |
赵军等: ""基于PSAT处理的机载双基雷达自适应角度-多普勒补偿算法"", 《雷达学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110120826A (zh) * | 2019-04-22 | 2019-08-13 | 长沙翼盾电子科技有限公司 | 一种干扰参数估计对消与stap级联处理的抗干扰方法 |
CN110120826B (zh) * | 2019-04-22 | 2021-09-28 | 长沙翼盾电子科技有限公司 | 一种干扰参数估计对消与stap级联处理的抗干扰方法 |
CN110632571A (zh) * | 2019-09-20 | 2019-12-31 | 中国人民解放军国防科技大学 | 一种基于矩阵流形的稳健stap协方差矩阵估计方法 |
CN111965615A (zh) * | 2020-07-28 | 2020-11-20 | 南京航空航天大学 | 一种基于检测前估计的雷达目标检测方法 |
CN112711014A (zh) * | 2020-12-14 | 2021-04-27 | 中国船舶重工集团公司第七一五研究所 | 一种非均匀布阵舷侧阵声纳波束形成快速方法 |
CN113219433A (zh) * | 2021-05-26 | 2021-08-06 | 内蒙古工业大学 | 基于知识辅助的sr-stap方法及存储介质 |
CN114781460A (zh) * | 2022-05-13 | 2022-07-22 | 西安电子科技大学 | 面向与通信信号耦合的干扰信号检测与识别方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108931766B (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108931766B (zh) | 一种基于稀疏重构的非均匀stap干扰目标滤除方法 | |
Guan et al. | Adaptive fractional Fourier transform-based detection algorithm for moving target in heavy sea clutter | |
Liao et al. | Identification of ground targets from sequential high-range-resolution radar signatures | |
Su et al. | Adaptive beamforming for nonstationary HF interference cancellation in skywave over-the-horizon radar | |
CN106772253B (zh) | 一种非均匀杂波环境下的雷达杂波抑制方法 | |
CN109212500A (zh) | 一种基于稀疏重构的ka-stap杂噪协方差矩阵高精度估计方法 | |
CN112612006B (zh) | 基于深度学习的机载雷达非均匀杂波抑制方法 | |
US10393869B2 (en) | Sub-Nyquist radar processing using doppler focusing | |
CN109507666A (zh) | 基于离网变分贝叶斯算法的isar稀疏频带成像方法 | |
CN104730513A (zh) | 一种分级子阵聚焦mvdr波束形成方法 | |
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 | |
CN106646418B (zh) | 一种基于改进omp的机载雷达杂波空时谱快速估计方法 | |
Sun et al. | Folded clutter suppression for pulse-Doppler radar based on pulse-agile waveforms | |
CN103983948B (zh) | 基于稀疏表示的目标角度距离联合估计方法 | |
CN114609594A (zh) | 非均匀性杂波中知识辅助宽带雷达目标检测器及设计方法 | |
CN109188373B (zh) | 基于子阵阻塞矩阵预处理的抗主瓣干扰方法 | |
CN109143235A (zh) | 一种双基前视合成孔径雷达地面运动目标检测方法 | |
Wang et al. | Scattering center estimation of HRRP via atomic norm minimization | |
Zhao et al. | Passive estimation of target velocity based on cross-spectrum histogram | |
CN109061597B (zh) | 基于盲源分离与时频脊波域滤波的电离层杂波抑制方法 | |
Li et al. | DOA estimation of underwater wideband signals based on improved OMP method | |
CN114563760B (zh) | 一种基于sca阵型的二阶超波束形成方法、设备及介质 | |
CN107450058B (zh) | 基于FrFT和HT的雷达信号时频参数估计方法 | |
Demissie et al. | High-resolution range-Doppler processing by coherent block-sparse estimation | |
CN102183755A (zh) | 一种基于柯西-高斯模型的新型高分辨方位估计方法 |
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 |