CN109061598B - 一种stap杂波协方差矩阵估计方法 - Google Patents

Abstract

本发明属于雷达技术领域，具体涉及基于CUT自身先验知识的STAP杂波协方差矩阵估计方法。本发明公开了一种基于CUT自身先验知识的杂波协方差矩阵估计方法。该方法首先对CUT待检测频率通道的杂波进行重建，进一步从CUT中提取除了待检测频率以外的其他频率成分的杂波，最后由重建的杂波来计算CUT的杂波协方差矩阵。本发明解决了STAP中杂波协方差矩阵的估计问题，估计的杂波协方差矩阵更准确，提高了杂波的抑制性能。

Description

一种STAP杂波协方差矩阵估计方法

技术领域

本发明属于雷达技术领域，具体涉及利用待检测单元自身的先验知识估计其杂波协方差矩阵的技术。

背景技术

空时自适应处理(STAP)是雷达和通信信号处理中的一项关键技术，被广泛用于雷达及通信信号处理之中。STAP要求设计的最优权向量

时，可以使得输出信杂噪比(SCNR)最大。其中，s是目标信号空时导向向量，R_CUT为待检测距离单元的杂波协方差矩阵。然而实际中R_CUT是未知的，需通过选取的训练样本来估计。

目前的STAP方法中，CUT的CCM(杂波协方差矩阵)完全用选取的训练样本来估计。典型的是：文献《Wu Y,Wang T,Wu J,et al.Training Sample Selection for Space-TimeAdaptive Processing in Heterogeneous Environments[J].IEEE Geoscience&RemoteSensing Letters,2014,12(4):691-695.》提出选择与CUT(Cell Under Test，测试单元)子孔径协方差矩阵相似的样本来估计CUT的CCM，然而该方法只考虑了局部相似，从而会遗漏掉一些局部不相似但整体相似的参考单元；针对该问题，文献《Wu Y,Wang T,Wu J,etal.Robust training samples selection algorithm based on spectral similarityfor space–time adaptive processing in heterogeneous interference environments[J].Radar Sonar& Navigation Iet,2015,9(7):778-782.》《X.Zhang,Q.Yang,W.Deng,Weak target detection within the nonhomogeneous ionospheric clutterbackground of HFSWR based on STAP,Int.J.Antennas Propag.2013(2013),doi:10.1155/2013/382516.》选择与CUT整体波形相似的训练样本来估计CCM。其中文献《Wu Y,Wang T,Wu J,et al.Robust training samples selection algorithm based onspectral similarity for space–time adaptive processing in heterogeneousinterference environments[J].Radar Sonar&Navigation Iet,2015,9(7):778-782.》选择与CUT的频域的波形相似的训练样本，文献《X.Zhang,Q.Yang,W.Deng,Weak targetdetection within the nonhomogeneous ionospheric clutter background of HFSWRbased on STAP,Int.J.Antennas Propag.2013(2013),doi:10.1155/2013/382516.》选择和CUT时域波形相似的样本。由于完全不相似的样本也可能有相同的协方差矩阵，因此文献《Wu Y,Wang T,Wu J,et al.Robust training samples selection algorithm based onspectral similarity for space–time adaptive processing in heterogeneousinterference environments[J].Radar Sonar&Navigation Iet,2015,9(7):778-782.》《X.Zhang,Q.Yang,W.Deng,Weak target detection within the nonhomogeneousionospheric clutter background of HFSWR based on STAP,Int.J.AntennasPropag.2013(2013),doi:10.1155/2013/382516.》可能会丢弃部分有用样本，针对该问题，文献《Li H,Bao W,Hu J,et al.A Training Samples Selection Method Based onSystem Identification for STAP[J].Signal Processing,2018，142：119-124.》提出了基于系统辨识的样本选择方法，直接选择与CUT杂波协方差矩阵相似的样本作为参考单元。

上述方法在估计CUT的CCM时，CUT的所有频率通道的杂波都用选取的训练样本来估计。而CUT有自身的先验知识：CUT中只有待检测的频率通道可能含有目标信号，其他频率通道都是CUT的杂波，因此CUT的大部分频率通道的杂波是不需要用参考单元来估计的。

发明内容

本发明的发明目的在于：针对目前STAP在估计CUT的CCM时CUT的杂波全部采用训练样本估计，提出了一种新型的基于CUT自身先验知识的杂波协方差矩阵估计方法。

本发明的STAP杂波协方差矩阵估计方法，包括下列步骤：

步骤1：待检测频率通道的杂波重建：

对于CUT的第i个待检测频率通道，通过参考单元估计当前待检测频率通道的杂波，得到估计值

其中s_i表示第i个待检测频率通道的导向向量，x_l表示选取的第l个参考单元的信号，其中符号(·)^H表示共轭转置；

步骤2：CUT的杂波重构：

基于CUT的信号x_CUT，计算CUT的第i个待检测频率通道幅度为：ρ_i＝s_i ^H·x_CUT；

重构CUT的杂波为

步骤3：计算CUT杂波协方差矩阵的估计值

并输出，其中

为：

综上所述，由于采用了上述技术方案，与STAP中CUT的杂波全部采用训练样本估计的方法相比，本发明的有益效果是：

(1)采用CUT自身的先验知识，不需要实测的环境参数等外部知识；

(2)估计的杂波协方差矩阵更准确，杂波的抑制性能更好。

附图说明

图1是实施例中，第370距离单元雷达回波信号的频谱示意图；

图2是实施例中，截取图1中目标所在方位角的雷达回波信号的频谱；

图3是实施例中，本发明与两种现有方案的杂波抑制结果，其中图3-a、3-b分别为现有方案1、2的杂波抑制结果，图3-c为本发明的杂波抑制结果；

图4是实施例中，不同输入SCNR条件下的杂波抑制性能。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合实施方式和附图，对本发明作进一步地详细描述。

本发明技术方案为：将CUT的杂波分成两部分来重建：第一部分是待检测频率通道的杂波重建；第二部分杂波是除了待检测频率以外的其他频率成分的杂波，这部分杂波直接从CUT中提取。最后由重建的杂波来计算CUT的杂波协方差矩阵。在重构CUT的杂波时，只有待检测频率通道的杂波用训练样本来估计，其他频率通道的杂波直接从CUT中抽取。由于本发明利用了CUT自身的准确的杂波信息，因此估计的杂波协方差矩阵更准确，从而提高了STAP的性能。本发明适用于STAP中协方差矩阵的估计问题，提升了STAP的性能，是一种基于CUT自身先验知识的STAP杂波协方差矩阵估计方法。

本发明的工作原理如下：

设雷达天线由N个阵元组成，一个相干处理间隔(CPI)内的脉冲数为M，则第k个距离单元的回波数据x_k可以如下表示：

x_k＝ξ_ks+c_k+n_k (1)

其中c_k是杂波信号，n_k是接收的噪声，s是目标信号空时导向向量，ξ_k是目标的增益系数，

对某距离单元进行检测时，记该待检测距离单元的回波数据为x_CUT。

STAP的最优权向量w可以通过求解如下优化问题得到：

其中R_CUT为待检测距离单元的杂波协方差矩阵。计算可求得最优权向量为：

上式中R_CUT一般是未知的，需要通过训练样本

i＝1,2,…,L来估计，L是训练样本的个数。训练样本

的协方差矩阵为

则R_CUT的估计值

为：

为准确估计协方差矩阵以保障STAP性能，理想的训练样本与CUT的杂波协方差矩阵应相同，即

并且训练样本的个数L应大于2NM。

目前已有的方法是选择训练样本去估计CUT的所有频率通道的杂波进一步得到CUT的杂波协方差矩阵。然而CUT中只有待检测的频率通道可能含有目标信号，其他频率通道都是CUT的杂波，因此CUT的大部分频率通道的杂波是不需要用参考单元来估计的。

本发明将CUT的杂波分成两部分来重建：第一部分是待检测频率通道的杂波重建；第二部分杂波是除了待检测频率以外的其他频率成分的杂波，这部分杂波直接从CUT中提取。最后由重建的杂波来计算CUT的杂波协方差矩阵。其具体实现步骤如下：

步骤1：待检测频率通道的杂波重建。

检测CUT的第i个频率通道时，由于该频率通道中的杂波可能混有目标信号，因此需要用参考单元来估计该频率通道的杂波：

上式中，

是CUT中第i个频率通道的杂波幅度的估计值，s_i是第i个频率通道的导向向量。x_l是选取的第l个参考单元的信号。

步骤2：CUT的杂波重构。

用x_CUT表示CUT的信号，则CUT的第i个频率通道(待检测频率通道)的幅度为ρ_i＝s_i ^H·x_CUT，其中s_i表示该频率通道的导向矢量。用

表示重构的杂波,则：

式(6)中，用x_CUT减去该信号中第i个频率通道的成份ρ_is_i，因为该频率通道可能混有目标信号；然后再加上通过参考单元估计的第i个频率通道的杂波成分

此时重构的

只包含杂波信号，不含有目标信号。

步骤3：CUT杂波协方差矩阵的估计。

用重构的杂波

估计CUT的杂波协方差矩阵：

实施例

为了简化描述过程，本实施例中不考虑空间导向矢量，仅用时间维导向向量，进行海杂波抑制的仿真。其中，天波雷达工作频率f₀＝18.3MHz，脉冲重复周期T＝12ms，脉冲积累个数M＝512，相干积累时间CIT＝6.144s。回波数据中，已知待检测的第370距离单元有一个归一化多普勒频率为0.8138的目标，其频谱如图1所示。图2是图一中目标所在方向角的频谱。

传统的杂波协方差矩阵估计中，CUT的所有频率通道的杂波都由训练样本来估计。本发明所提方法中只有待检测频率通道的杂波由训练样本来估计。待检测频率以外的其他频率成分的杂波直接从CUT中提取。

现有方案1(参考文献《Wu Y,Wang T,Wu J,et al.Robust training samplesselection algorithm based on spectral similarity for space–time adaptiveprocessing in heterogeneous interference environments[J].Radar Sonar&Navigation Iet,2015,9(7):778-782.》)、现有方案2(参考文献《Li H,Bao W,Hu J,etal.A Training Samples Selection Method Based on System Identification forSTAP[J].Signal Processing,2018，142：119-124.》)、本发明所提方法对第370距离单元进行杂波抑制。

仿真结果如图3所示，其中图3-a是现有方案1的STAP方法处理结果，最大残留杂波谱是-10.1dB；图3-b是现有方案2的STAP方法处理结果，最大残留杂波谱是-12.46dB；图3-c是本文所提方法处理结果，最大残留杂波谱是-17.46dB。比较上述结果可知，与现有方案1和相比，本发明所提方法的输出SCNR提高了7.36dB；与现有方案2相比，本发明所提方法输出SCNR提高5dB。

为了比较本文所提方法与上述文献中的方法在不同输入SCNR条件下的杂波抑制性能，本次仿真实验在输入SCNR的取值从-40dB到-15dB取值时，比较三种方法在不同输入SCNR条件下的杂波抑制性能，结果如图4。纵坐标为目标频率处输出SCNR与其余频率范围内最大输出SCNR的差值。该差值表征了目标多普勒频率处的输出SCNR的凸起程度，差值越大，说明杂波抑制效果越好，目标更容易被检测到。经计算，与现有方案1相比，所提方法的输出SCNR提高了7.36dB；与现有方案2相比，所提方法输出SCNR提高5dB。

通过以上仿真，验证了本发明算法的优势：估计的杂波协方差矩阵更准确，杂波的抑制性能更好。

以上所述，仅为本发明的具体实施方式，本说明书中所公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换；所公开的所有特征、或所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以任何方式组合。

Claims (1)

1.一种STAP杂波协方差矩阵估计方法，包括下列步骤：

步骤1：待检测频率通道的杂波重建：

对于CUT的第i个待检测频率通道，通过参考单元估计当前待检测频率通道的杂波，得到估计值

其中s_i表示第i个待检测频率通道的导向向量，x_l表示选取的第l个参考单元的信号，其中符号(·)^H表示共轭转置；

步骤2：CUT的杂波重构：

基于CUT的信号x_CUT，计算CUT的第i个待检测频率通道幅度为：ρ_i＝s_i ^H·x_CUT；

重构CUT的杂波为

步骤3：计算CUT杂波协方差矩阵的估计值

并输出，其中

为：

Images