CN109375179A - 一种基于稀疏表示的机载雷达近程强杂波抑制方法 - Google Patents

Abstract

本发明公开了一种基于稀疏表示的机载雷达近程强杂波抑制方法。首先将机载雷达接收的俯仰‑方位‑脉冲三维空时回波数据摆为列矢量；再利用俯仰导向矢量、方位导向矢量和多普勒导向矢量构造超完备字典；然后基于雷达接收数据采用稀疏贝叶斯学习算法估计杂波对应各原子位置及强度信息，进而杂波协方差矩阵；进而采取典型俯仰‑方位‑多普勒三维STAP方法完成对杂波的抑制；最后对处理后数据进行CFAR检测。该方法不仅可实现对强近程非平稳杂波的有效抑制，同时还兼具小样本需求的优势。

Description

一种基于稀疏表示的机载雷达近程强杂波抑制方法

技术领域

本发明涉及机载机会阵雷达技术领域，特别适用于中/高重频下的一种基于稀疏表示的机载雷达近程强杂波抑制方法。

背景技术

在现代战争中，掌握制空权是战争制胜的关键，而全天时、全天候、超远程、高精度的机载雷达则是掌握制空权的根本保证，在预警、探测、警戒、侦察及精确打击等领域发挥了其它传感器不可替代的作用。因此，新一代高性能的机载雷达的研制与装备得到了世界各国的高度关注。机会雷达雷达以平台隐身性设计为核心，依据平台构型随遇布置，单元与数字收发组件被布置于载机三维空间任意可获取的电磁开放的位置，可显著提升机载雷达的电磁隐身特性、机动性和反隐身特性等性能是未来新体制雷达发展的重要趋势，属于当前雷达技术研究的热点之一。

机会阵体制机载雷达在阵面天线上主要采用共形体制，其可分布于载机表面各开放位置。因此，该天线体制存在阵元不等间隔、阵面非正侧等特点。基于该天线体制的机载雷达杂波也不同于传统平面相控阵天线杂波形式，主要表现在近程强杂波方位-多普勒谱依俯仰角变化而变化剧烈。为避免杂波在多普勒域的模糊，机载雷达多工作于中/高重频模式，因此近程强杂波往往与中远程模糊杂波混叠在一起，导致近程区域杂波难以抑制，出现大量盲区。

实际上，近程强杂波由俯仰天线副瓣引入，因此可考虑利用天线俯仰阵元参与自适应处理的方式进行抑制。然而，加入俯仰维度后，参与自适应处理的空域自由度成倍增长，传统空时自适应处理技术(STAP)无法满足样本需求，导致其对近程杂波的抑制性能仍不理想，因此需提出新的解决方案。

发明内容

针对现有技术中存在的问题，本发明提供了一种实现对强近程杂波有效抑制、适用于存在距离模糊情况下的杂波环境，具有稳健性强、低速目标检测性能好、工程实现简便的适用于机载雷达近程杂波抑制的稀疏表示STAP方法。

本发明的目的通过以下技术方案实现。

一种基于稀疏表示的机载雷达近程强杂波抑制方法，步骤包括：

1)将机载雷达接收的俯仰-方位-脉冲三维空时回波数据摆为列矢量；

2)利用俯仰导向矢量、方位导向矢量和多普勒导向矢量构造超完备字典；

3)基于雷达接收数据采用稀疏贝叶斯学习算法估计杂波对应各原子位置及强度信息，进

而杂波协方差矩阵；

4)根据线性约束最小输出功率准则，利用所构造杂波协方差矩阵和目标导向矢量得到俯

仰-方位-多普勒三维空时滤波器权系数，然后完成对机载雷达杂波的有效抑制；

5)对杂波抑制后数据进行CFAR处理，完成对运动目标的检测。

进一步的，所述机载雷达包括机载机会阵雷达、采用脉冲多普勒的机载预警雷达、机载火控雷达。

进一步的，所述步骤1)将平面阵天线各阵元各脉冲回波数据摆为列矢量形式；

进一步的，所述步骤2)中利用俯仰导向矢量、方位导向矢量和多普勒导向矢量构造超完备字典，具体为：首先将0到1范围内归一化俯仰向空频等间隔划分为N_e份，同时确保N_e大于机会阵天线俯仰向最大阵元个数M，并基于上述离散俯仰向空频构造俯仰导向矢量集合；其次将-1到1范围归一化方位向空频等间隔划分为N_a份，同时确保N_a大于机会阵天线方位向最大阵元个数N，并基于上述离散方位向空频构造方位导向矢量集合；然后将-1到1范围内归一化多普勒频率等间隔划分为N_d份，同时确保N_d大于机会阵相干脉冲数K，并基于上述离散多普勒频率构造时域导向矢量集合；最后将上述三个导向矢量集合求取Kronecker积，得到俯仰-方位-多普勒三维空时导向字典。

进一步的，所述步骤3)中基于雷达接收数据采用稀疏贝叶斯学习算法估计杂波对应各原子位置及强度信息，进而杂波协方差矩阵。

进一步的，所述步骤4)选择基于俯仰-方位-多普勒三维杂波协防矩阵的STAP方法进行杂波抑制处理；其中，空时自适应处理方法在俯仰-方位-多普勒三维域进行；STAP自适应权值表示为：

W＝μR^-1S₀

其中，表示权值的常系数，R表示通过稀疏系数和对应原子所构造的杂波协方差矩阵，表示目标空时导向矢量，S_t0为目标时域导向矢量，S_sa0和S_se0分别为目标方位向和俯仰向对应空域导向矢量，为Kronecker积。

进一步的，利用俯仰导向矢量、方位导向矢量和多普勒导向矢量构造超完备字典ψ

其中， 表示Kronecker积，S_e和S_a分别为俯仰向和方位向导向矢量集合，且有：

s_em＝{1，exp[jπf_e，m]，…，exp[jπ(M-1)f_e，m]}^Tm＝1，2，…，N_e

s_a，n＝{1，exp[jπf_a，n]，…，exp[jπ(N-1)f_a，n]}^Tn＝1，2，…，N_a

其中，f_e，m和f_a，n分别为俯仰向第m个离散俯仰角和方位向第n个离散方位角所对应归一化空频，N_e和N_a分别为俯仰向和方位向空频划分份数。S_t为时域导向矢量集合，且有

s_t，m＝{1，exp[jπf_d，k]，…，exp[jπ(K-1)f_d，k]}^Tk＝1，2，…，N_d

其中，f_d，k为第k个归一化多普勒频率，N_d为归一化多普勒频率上划分份数。

进一步的，所述稀疏贝叶斯学习算法具体为：求解如下似然函数中的稀疏系数，即

式中，X表示L个距离单元数据矩阵，σ²为噪声功率，ψ为由空时导向矢量构成的超完备字典，A＝[a⁽¹⁾，a⁽²⁾，…，a^(L)]为稀疏系数矩阵，通过期望最大化算法可求得该式中稀疏系数。然后利用所得杂波稀疏系数及对应字典内原子构造杂波协方差矩阵，即

其中，α_i为第i个稀疏杂波分量对应稀疏系数，ψ_i为第i个稀疏杂波分量对应原子，P为杂波稀疏度。

相比于现有技术，本发明的优点在于：本发明针对机载雷达平面阵天线特点，针对其俯仰、方位和脉冲维应导向矢量，构造出三维超完备字典，并利用稀疏贝叶斯学习算法在少数可利用样本条件下估计出杂波对应原子位置及幅度，进而构造出相应杂波协方差矩阵，并结合STAP技术实现对近程强杂波的有效抑制。本发明方案适用于存在距离模糊情况下的杂波环境，具有稳健性强、低速目标检测性能好、工程实现简便等特点。

本发明利用机载雷达数据同时具有俯仰-方位-脉冲三个维度的信息，并结合现有典型稀疏表示方法实现在小样本条件对强近程杂波的有效抑制。这样，所发明方法适用于实际非均匀杂波环境下的近程强杂波抑制，因此在实际工程中性能较为稳健。

本发明利用稀疏表示技术构造出杂波协方差矩阵后，后续STAP算法还可采用较为简单实用的降维方法，以便于硬件更易实现，有利于机载机载雷达对运动目标的实时监测。

附图说明

图1为本发明的结构框图。

具体实施方式

下面结合说明书附图和具体的实施例，对本发明作详细描述。

一种基于稀疏表示的机载雷达近程强杂波抑制方法，步骤包括：

)将机载雷达接收的俯仰-方位-脉冲三维空时回波数据摆为列矢量；

2)利用俯仰导向矢量、方位导向矢量和多普勒导向矢量构造超完备字典；

3)基于雷达接收数据采用稀疏贝叶斯学习算法估计杂波对应各原子位置及强度信息，进而杂波协方差矩阵；

4)根据线性约束最小输出功率准则，利用所构造杂波协方差矩阵和目标导向矢量得到俯仰-方位-多普勒三维空时滤波器权系数，然后完成对机载雷达杂波的有效抑制；

5)对杂波抑制后数据进行CFAR处理，完成对运动目标的检测。

所述机载雷达包括机载机会阵雷达、采用脉冲多普勒的机载预警雷达、机载火控雷达。

所述步骤1)将平面阵天线各阵元各脉冲回波数据摆为列矢量形式，方便后续处理。

所述步骤2)中利用俯仰导向矢量、方位导向矢量和多普勒导向矢量构造超完备字典，具体为：首先将0到1范围内归一化俯仰向空频等间隔划分为N_e份，同时确保N_e大于机会阵天线俯仰向最大阵元个数M，并基于上述离散俯仰向空频构造俯仰导向矢量集合；其次将-1到1范围归一化方位向空频等间隔划分为N_a份，同时确保N_a大于机会阵天线方位向最大阵元个数N，并基于上述离散方位向空频构造方位导向矢量集合；然后将-1到1范围内归一化多普勒频率等间隔划分为N_d份，同时确保N_d大于机会阵相干脉冲数K，并基于上述离散多普勒频率构造时域导向矢量集合；最后将上述三个导向矢量集合求取Kronecker积，得到俯仰-方位-多普勒三维空时导向字典。

所述步骤3)中基于雷达接收数据采用稀疏贝叶斯学习算法估计杂波对应各原子位置及强度信息，进而杂波协方差矩阵。

所述步骤4)选择基于俯仰-方位-多普勒三维杂波协防矩阵的STAP方法进行杂波抑制处理；其中，空时自适应处理方法在俯仰-方位-多普勒三维域进行；STAP自适应权值表示为：

W＝μR^-1S₀

其中，表示权值的常系数，R表示通过稀疏系数和对应原子所构造的杂波协方差矩阵，表示目标空时导向矢量，S_t0为目标时域导向矢量，S_sa0和S_se0分别为目标方位向和俯仰向对应空域导向矢量，为Kronecker积。

本发明结合机会阵天线兼具俯仰和方位系统自由度可有效抑制非平稳杂波的优势，采用俯仰-方位-多普勒三维稀疏表示算法对其杂波进行稀疏表征，这样确保了在实际非均匀杂波环境下三维STAP进行非平稳杂波抑制的性能。本发明首先构造俯仰-方位-多普勒三维空时导向字典；再将机会阵雷达所接收俯仰-方位-脉冲三维回波数据摆为列矢量并利用稀疏贝叶斯学习算法进行稀疏表示，基于杂波稀疏系数和对应原子构造杂波协方差矩阵；然后再采取典型俯仰-方位-多普勒三维STAP方法完成对杂波的抑制；最后对处理后数据进行CFAR检测。该方法不仅可实现对强近程非平稳杂波的有效抑制，同时还兼具小样本需求的优势。

如图1所示，本发明的实施例由机载机会阵雷达空域接收单元1、模数转换单元2、数据摆放单元3、超完备字典构造单元4、稀疏贝叶斯学习单元5、STAP处理单元6和CFAR处理单元7组成。上述的空域接收、模数转换、数据摆放、字典构造、稀疏表示、STAP处理和CFAR处理均可在通用可编程信号处理板上编程实现。

实施本发明的原理如下：机会阵机载雷达通过天线发射信号，经目标和地面二次辐射后到达雷达天线处经匹配滤波后接收回波数据；其次进行模数转换，实现回波数据的数字化；再将天线接收各脉冲数据重新摆放为列矢量的形式；然后利用俯仰导向矢量、方位导向矢量和多普勒导向矢量构造超完备字典，并对雷达接收数据通过稀疏贝叶斯学习算法估计得到杂波所对应原子位置及幅度，进一步得到杂波协方差矩阵；再对接收回波数据进行STAP处理，完成对杂波的有效抑制；最后对输出结果进行CFAR处理，进而完成对运动目标的检测。

假设机会阵机载雷达俯仰向最大阵元数为M，方位向最大阵元数为N，一个相干脉冲重复间隔内接收到K个脉冲，实例中M＝8，N＝12，K＝128，下面结合图1和实例说明一下整个发明的详细步骤：

(1)空域接收单元1接收雷达回波信号；

(2)由雷达所接收到的回波信号进行下变频处理，然后在模数转换单元2进行模数变换，并将数字化后的回波数据存储到系统中。

(3)在空时字典构造单元3中将机会阵天线各阵元各脉冲回波数据摆为列矢量形式，方便后续处理。

(4)在空时字典构造单元4构造利用俯仰导向矢量、方位导向矢量和多普勒导向矢量构造超完备字典ψ

其中， 表示Kronecker积，S_e和S_a分别为俯仰向和方位向导向矢量集合，且有：

s_e，m＝{1，exp[jπf_e，m]，…，exp[jπ(M-1)f_e，m]}^Tm＝1，2，…，N_e (2)

s_a，n＝{1，exp[jπf_a，n]，…，exp[jπ(N-1)f_a，n]}^Tn＝1，2，…，N_a (3)

其中，f_e，m和f_a，n分别为俯仰向第m个离散俯仰角和方位向第n个离散方位角所对应归一化空频，N_e和N_a分别为俯仰向和方位向空频划分份数。S_t为时域导向矢量集合，且有

s_t，m＝{1，exp[jπf_d，k]，…，exp[jπ(K-1)f_d，k]}^Tk＝1，2，…，N_d (4)

其中，f_d，k为第k个归一化多普勒频率，N_d为归一化多普勒频率上划分份数。

(5)在稀疏贝叶斯学习单元5中将机会阵雷达接收回波数据通过稀疏贝叶斯学习算法进行稀疏表示，其具体方法为：

求解如下似然函数中的稀疏系数，即

式中，X表示L个距离单元数据矩阵，σ²为噪声功率，ψ为由空时导向矢量构成的超完备字典，A＝[a⁽¹⁾，a⁽²⁾，…，a^(L)]为稀疏系数矩阵，通过期望最大化算法可求得该式中稀疏系数。然后利用所得杂波稀疏系数及对应字典内原子构造杂波协方差矩阵，即

其中，α_i为第i个稀疏杂波分量对应稀疏系数，ψ_i为第i个稀疏杂波分量对应原子，P为杂波稀疏度。

(6)STAP处理单元6对空时接收数据进行杂波抑制处理。其中，空时自适应处理方法在俯仰-方位-多普勒三维域处理进行，其自适应权值表示为：

W＝μR^-1S₀ (7)

其中，表示权值的常系数，R表示通过稀疏系数和对应原子所构造的杂波协方差矩阵，表示目标空时导向矢量，S_t0为目标时域导向矢量，S_sa0和S_se0分别为目标方位向和俯仰向对应空域导向矢量。

(6)CFAR处理单元7对自适应处理后的数据进行CAFR处理，进而完成相控阵机载雷达对运动目标的检测处理。处理完后的数据就可以输入到终端设备显示。

Claims (8)

1.一种基于稀疏表示的机载雷达近程强杂波抑制方法，其特征在于步骤包括：

1)将机载雷达接收的俯仰-方位-脉冲三维空时回波数据摆为列矢量；

2)利用俯仰导向矢量、方位导向矢量和多普勒导向矢量构造超完备字典；

3)基于待检测距离单元数据采用稀疏贝叶斯学习算法估计杂波对应各原子位置及强度信息，进而杂波协方差矩阵；

4)根据线性约束最小输出功率准则，利用所构造杂波协方差矩阵和目标导向矢量得到俯仰-方位-多普勒三维空时滤波器权系数，然后完成对机载雷达杂波的有效抑制；

5)对杂波抑制后数据进行CFAR处理，完成对运动目标的检测。

2.根据权利要求1所述的一种基于稀疏表示的机载雷达近程强杂波抑制方法，其特征在于所述机载雷达包括机载机会阵雷达、采用脉冲多普勒的机载预警雷达、机载火控雷达。

3.根据权利要求1或2所述的一种基于稀疏表示的机载雷达近程强杂波抑制方法，其特征在于所述步骤1)将平面阵天线各阵元各脉冲回波数据摆为列矢量形式，方便后续处理。

4.根据权利要求1或2所述的一种基于稀疏表示的机载雷达近程强杂波抑制方法，其特征在于所述步骤2)利用俯仰导向矢量、方位导向矢量和多普勒导向矢量构造超完备字典，具体为：首先将0到1范围内归一化俯仰向空频等间隔划分为N_e份，同时确保N_e大于机会阵天线俯仰向最大阵元个数M，并基于上述离散俯仰向空频构造俯仰导向矢量集合；其次将-1到1范围归一化方位向空频等间隔划分为N_a份，同时确保N_a大于机会阵天线方位向最大阵元个数N，并基于上述离散方位向空频构造方位导向矢量集合；然后将-1到1范围内归一化多普勒频率等间隔划分为N_d份，同时确保N_d大于机会阵相干脉冲数K，并基于上述离散多普勒频率构造时域导向矢量集合；最后将上述三个导向矢量集合求取Kronecker积，得到俯仰-方位-多普勒三维空时导向字典。

5.根据权利要求1或2所述的一种基于稀疏表示的机载雷达近程强杂波抑制方法，其特征在于所述步骤3)中基于待检测距离单元数据采用稀疏贝叶斯学习算法估计杂波对应各原子位置及强度信息，进而杂波协方差矩阵。

6.根据权利要求1或2所述的一种基于稀疏表示的机载雷达近程强杂波抑制方法，其特征在于所述步骤4)中选择基于俯仰-方位-多普勒三维杂波协防矩阵的STAP方法进行杂波抑制处理；其中，空时自适应处理方法在俯仰-方位-多普勒三维域进行；STAP自适应权值表示为：

W＝μR^-1S₀

其中，表示权值的常系数，R表示通过稀疏系数和对应原子所构造的杂波协方差矩阵，表示目标空时导向矢量，S_t0为目标时域导向矢量，S_sa0和S_se0分别为目标方位向和俯仰向对应空域导向矢量，为Kronecker积。

7.根据权利要求1或2所述的一种基于稀疏表示的机载雷达近程强杂波抑制方法，其特征在于所述步骤2)利用俯仰导向矢量、方位导向矢量和多普勒导向矢量构造超完备字典ψ

其中，

表示Kronecker积，S_e和S_a分别为俯仰向和方位向导向矢量集合，且有：

s_e，m＝{1，exp[jπf_e，m]，…，exp[jπ(M-1)f_e，m]}^Tm＝1，2，…，N_e

s_a，n＝{1，exp[jπf_a，n]，…，exp[jπ(N-1)f_a，n]}^Tn＝1，2，…，N_a

其中，f_e，m和f_a，n分别为俯仰向第m个离散俯仰角和方位向第n个离散方位角所对应归一化空频，N_e和N_a分别为俯仰向和方位向空频划分份数。S_t为时域导向矢量集合，且有

s_t，m＝{1，exp[jπf_d，k]，…，exp[jπ(K-1)f_d，k]}^Tk＝1，2，…，N_d

其中，f_d，k为第k个归一化多普勒频率，N_d为归一化多普勒频率上划分份数。

8.根据权利要求1或2所述的一种基于稀疏表示的机载雷达近程强杂波抑制方法，其特征在干所述稀疏贝叶斯学习算法具体为：求解如下似然函数中的稀疏系数，即

式中，X表示L个距离单元数据矩阵，σ²为噪声功率，ψ为由空时导向矢量构成的超完备字典，A＝[a⁽¹⁾，a⁽²⁾，…，a^(L)]为稀疏系数矩阵，通过期望最大化算法可求得该式中稀疏系数。然后利用所得杂波稀疏系数及对应字典内原子构造杂波协方差矩阵，即

其中，α_i为第i个稀疏杂波分量对应稀疏系数，ψ_i为第i个稀疏杂波分量对应原子，P为杂波稀疏度。