CN109655793B - 高频雷达从瞬态干扰中提取回波的方法 - Google Patents

高频雷达从瞬态干扰中提取回波的方法 Download PDF

Info

Publication number
CN109655793B
CN109655793B CN201811493265.4A CN201811493265A CN109655793B CN 109655793 B CN109655793 B CN 109655793B CN 201811493265 A CN201811493265 A CN 201811493265A CN 109655793 B CN109655793 B CN 109655793B
Authority
CN
China
Prior art keywords
interference
clutter
data
matrix
echo
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
CN201811493265.4A
Other languages
English (en)
Other versions
CN109655793A (zh
Inventor
刘子威
赵珊珊
张更新
胡义鑫
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN201811493265.4A priority Critical patent/CN109655793B/zh
Publication of CN109655793A publication Critical patent/CN109655793A/zh
Application granted granted Critical
Publication of CN109655793B publication Critical patent/CN109655793B/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
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • G01S7/2921—Extracting wanted echo-signals based on data belonging to one radar period
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

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

本发明揭示了一种高频雷达从瞬态干扰中提取回波的方法，其流程大致为：先进行瞬态干扰定位，再使用不含干扰的慢时间数据估计杂波和目标子空间，随后将含干扰数据向子空间投影，最终实现目标提取。本发明通过将含干扰数据段向杂波和目标子空间上投影，使得瞬态干扰在被抑制的同时保留目标与杂波分量，改善了高频雷达受到瞬态干扰时的探测性能。本发明不再需要矩阵求逆，降低了计算复杂度，具有一定的工程学意义。

Description

高频雷达从瞬态干扰中提取回波的方法
技术领域
本发明涉及一种高频雷达从瞬态干扰中提取回波的方法，属于雷达技术领域。
背景技术
高频雷达是预警网络进行超视距探测的重要手段。目前主要的超视距雷达系统包括天波超视距雷达和地波超视距雷达。天波超视距雷达利用电离层对高频信号的反射作用，将电磁信号以一定的发射角度向电离层发射，反射信号以下视方式探测视距外区域。地波超视距雷达主要用于海面及低空的探测，利用海面上方的微波波导效应，使得电磁信号沿海面双向传播，探测到视距外的区域。
超视距雷达虽然具备很好的应用场景，但由于其工作在高频频段，与很多的通信设备、电磁探测设备共用同一频段，因此很容易受到各种各样的高频干扰。此外，自然界中的闪电、流星余迹等也会产生高频频段信号，进入雷达接收机，形成高频干扰。当高频干扰的持续时间短于雷达的相干积累周期时，通常会出现一种干扰现象，称为瞬态干扰。瞬态干扰在一个相干积累周期的处理中，会显著抬高目标检测时的背景噪声电平，从而影响雷达的探测性能。
针对上述问题，研究者们开展了一系列的研究工作。目前，有研究者提出了一种基于改进二次平滑的双目标优化方法，这一方法在基本保证性能的前提下，不再需要数据插值，取得了较好的性能和运算量的折中。但是，这一方法在进行目标恢复和干扰抑制时需要进行矩阵求逆和特征分解两次大运算量的矩阵计算，仍然会增加实际工程应用中的运算负担，因此也并不适用于大规模的推广使用。
综上所述，如何在现有技术的基础上提出一种全新的优化方案，以提高运算效率，降低计算复杂度，也就成为了本领域内技术人员亟待解决的问题。
发明内容
鉴于现有技术存在上述缺陷，本发明的目的是提出一种高频雷达从瞬态干扰中提取回波的方法，包括如下步骤：
S1、获得波束形成和脉冲压缩后的数据矩阵x(n)；
S2、根据雷达背景噪声功率
Figure BDA0001896200930000021
计算干扰定位门限
Figure BDA0001896200930000022
S3、对原始数据序列x(n)进行三脉冲对消杂波抑制；
S4、将不含杂波的数据序列y(n)中各分量的功率与对应的干扰定位门限T进行比较，判断y(n)中是否有数据包含瞬态干扰，
若|yq(n)|2≥T，则yq(n)中包含瞬态干扰，并记录此数据对应的脉冲序号，
否则，yq(n)不包含瞬态干扰；
S5、将S4中记录包含瞬态干扰的脉冲序号按升序组成无杂波干扰位置向量an，其中，n＝1,2,...,N；
S6、根据无杂波干扰位置向量an，计算原始数据中的干扰位置向量bn；
S7、使用无干扰数据，估计杂波与目标协方差矩阵Rn；
S8、对协方差矩阵Rn进行特征分解，得到特征向量矩阵
Figure BDA0001896200930000023
和降序排列的特征值向量λn＝[λn1,λn2,…,λnL]，其中，unl是距离单元n的第l个特征向量，λnl是距离单元n的第l个特征值；
S9、根据特征值λn分布得到代表杂波和目标的特征值编号cn，并将对应的特征向量组成主分量矩阵
Figure BDA0001896200930000031
S10、使用主分量矩阵
Figure BDA0001896200930000032
从包含瞬态干扰的数据段xc(n)提取回波，提取结果记为xd(n)；
S11、在原始数据序列x(n)中，将瞬态干扰的数据段xc(n)替换成提取结果xd(n)，得到回波提取后的数据序列z(n)，后续的多普勒滤波等处理均在回波提取后的数据序列z(n)上进行。
优选地，S1具体包括如下步骤：
雷达回波信号经过波束形成和脉冲压缩后，得到包含瞬态干扰的慢时间接收信号序列x(n)＝[x1(n),x2(n),…,xm(n),…,xM(n)]T，
其中，n表示距离单元编号，n＝1,2,…,N，N表示一个扫频周期包含的距离单元总数，m表示扫频周期编号，m＝1,2,…,M，M表示一个相干积累周期中的扫频周期总数，[·]T表示转置。
优选地，S3具体包括如下步骤：
S31、记三脉冲对消所用的Q×M维杂波抑制滤波器系数矩阵F为，
Figure BDA0001896200930000033
其中，Q是三脉冲对消后的脉冲数，Q＝M-2，f0、f1、f2分别是三脉冲对消滤波器的滤波器系数，f0＝1，f1＝-2，f2＝1；
S32、将原始数据序列x(n)通过杂波抑制滤波器矩阵F，得到该距离单元不含杂波的Q×1维数据向量y(n)，
y(n)＝Fx(n)，
其中，n＝1,2,...,N，N为一个脉冲重复周期中的距离单元数。
优选地，S6具体包括如下步骤：
S61、设无杂波的干扰位置向量an＝[an1,an2,...,anL]，对每个元素anl，均计算原始数据的干扰脉冲序号集合Enl＝{anl,anl+1,anl+2}，其中，l＝1,2,...,L，L为an中记录的干扰个数，n＝1,2,...,N；
S62、根据干扰脉冲序号集合Enl，得到原始数据序列x(n)内含有瞬态干扰的脉冲序号集合Gn＝En1∪En2∪…∪Enl∪…∪EnL，其中，∪表示对集合取并；
S63、将瞬态干扰的脉冲序号集合Gn中的脉冲序号，组成原始数据中的干扰位置向量bn＝[bn1,bn2,…,bnP]，其中，P表示原始数据中的瞬态干扰慢时间长度。
优选地，S7具体包括如下步骤：
S71、在x1(n)到
Figure BDA0001896200930000041
之间，选择e个长度为P的重叠滑窗的训练向量组成左训练矩阵
Figure BDA0001896200930000042
Figure BDA0001896200930000043
其中，3P+bnP-M-2＜e＜bn1-P+1；
S72、在
Figure BDA0001896200930000044
到xM(n)之间，选择2P-e个长度为P的重叠滑窗的训练向量组成右训练矩阵
Figure BDA0001896200930000045
Figure BDA0001896200930000046
S73、由左训练矩阵
Figure BDA0001896200930000047
与右训练矩阵
Figure BDA0001896200930000048
组成快拍矩阵
Figure BDA0001896200930000049
Figure BDA00018962009300000410
S74、估计杂波与目标协方差矩阵Rn，
Figure BDA0001896200930000051
其中，[·]H表示共轭转置。
优选地，S9具体包括如下步骤：
S91、计算噪声特征值的平均值
Figure BDA0001896200930000052
S92、计算特征值判别门限
Figure BDA0001896200930000053
S93、将特征值向量λn中各分量与特征值判别门限S进行比较，
若λnl≥S，则λnl对应的特征向量unl代表杂波和目标分量，并记录此数据对应的序号l，
否则，λnl对应的特征向量unl不包含杂波和目标分量；
S94、将所有代表杂波和目标分量的特征向量按列组成主分量矩阵
Figure BDA0001896200930000054
优选地，S10具体包括如下步骤：
S101、根据原始数据中的干扰位置向量bn，将原始数据序列x(n)中包含瞬态干扰的数据段记为xc(n)，
S102、使用主分量矩阵
Figure BDA0001896200930000055
从包含瞬态干扰的数据段xc(n)提取回波，提取结果记为xd(n)，
Figure BDA0001896200930000056
与现有技术相比，本发明的优点主要体现在以下几个方面：
本发明通过将含干扰数据段向杂波和目标子空间上投影，使得瞬态干扰在被抑制的同时保留目标与杂波分量，改善了高频雷达受到瞬态干扰时的探测性能。本发明不再需要矩阵求逆，降低了计算复杂度，具有一定的工程学意义。
此外，本发明的适用性、兼容性较强，为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸，运用于同领域内其他与高频雷达相关的技术方案中，具有十分广阔的应用前景。
以下便结合实施例附图，对本发明的具体实施方式作进一步的详述，以使本发明技术方案更易于理解、掌握。
附图说明
图1是本发明的实现流程图；
图2是原始数据慢时间功率图；
图3是原始数据多普勒谱；
图4是无干扰数据的协方差矩阵特征值分布图；
图5是对原始数据用本发明方法与现有方法分别处理后的多普勒谱比较图。
具体实施方式
如图1所示，本发明揭示了一种高频雷达从瞬态干扰中提取回波的方法，包括如下步骤：
S1、获得波束形成和脉冲压缩后的数据矩阵x(n)。
雷达回波信号经过波束形成和脉冲压缩后，得到包含瞬态干扰的慢时间接收信号序列x(n)＝[x1(n),x2(n),…,xm(n),…,xM(n)]T，
其中，n表示距离单元编号，n＝1,2,…,N，N表示一个扫频周期包含的距离单元总数，m表示扫频周期编号，m＝1,2,…,M，M表示一个相干积累周期中的扫频周期总数，[·]T表示转置。
S2、根据雷达背景噪声功率
Figure BDA0001896200930000061
计算干扰定位门限
Figure BDA0001896200930000062
S3、对原始数据序列x(n)进行三脉冲对消杂波抑制。
实际应用中有多种杂波抑制方法可供选择，如脉冲对消杂波抑制方法，自适应杂波抑制方法等。本步骤使用脉冲对消杂波抑制方法中常见的三脉冲对消杂波抑制方法为例说明处理过程，在条件允许情况下，也可以使用其他的杂波抑制方法。
S3具体包括如下步骤：
S31、记三脉冲对消所用的Q×M维杂波抑制滤波器系数矩阵F为，
Figure BDA0001896200930000071
其中，Q是三脉冲对消后的脉冲数，Q＝M-2，f0、f1、f2分别是三脉冲对消滤波器的滤波器系数，f0＝1，f1＝-2，f2＝1。
S32、将原始数据序列x(n)通过杂波抑制滤波器矩阵F，得到该距离单元不含杂波的Q×1维数据向量y(n)，
y(n)＝Fx(n)，
其中，n＝1,2,...,N，N为一个脉冲重复周期中的距离单元数。
S4、将不含杂波的数据序列y(n)中各分量的功率与对应的干扰定位门限T进行比较，判断y(n)中是否有数据包含瞬态干扰，
若|yq(n)|2≥T，则yq(n)中包含瞬态干扰，并记录此数据对应的脉冲序号，
否则，yq(n)不包含瞬态干扰。
S5、将S4中记录包含瞬态干扰的脉冲序号按升序组成无杂波干扰位置向量an，其中，n＝1,2,...,N。
S6、根据无杂波干扰位置向量an，计算原始数据中的干扰位置向量bn。
根据三脉冲对消的处理过程可知，每一个脉冲对消结果都是由原始数据中，三个相邻脉冲的数据运算得到的，故若在三脉冲对消的结果中检测到有瞬态干扰的出现，则可以认为得到此结果的三个原始数据的脉冲均有可能包含干扰分量。根据此原理，可以得到每个距离单元的原始数据中，有哪些脉冲可能存在干扰的情况。
S6具体包括如下步骤：
S61、设无杂波的干扰位置向量an＝[an1,an2,...,anL]，对每个元素anl，均计算原始数据的干扰脉冲序号集合Enl＝{anl,anl+1,anl+2}，其中，l＝1,2,...,L，L为an中记录的干扰个数，n＝1,2,...,N。
S62、根据干扰脉冲序号集合Enl，得到原始数据序列x(n)内含有瞬态干扰的脉冲序号集合Gn＝En1∪En2∪…∪Enl∪…∪EnL，其中，∪表示对集合取并。
S63、将瞬态干扰的脉冲序号集合Gn中的脉冲序号，组成原始数据中的干扰位置向量bn＝[bn1,bn2,…,bnP]，其中，P表示原始数据中的瞬态干扰慢时间长度。
S7、使用无干扰数据，估计杂波与目标协方差矩阵Rn。
S7具体包括如下步骤：
S71、在x1(n)到
Figure BDA0001896200930000081
之间，选择e个长度为P的重叠滑窗的训练向量组成左训练矩阵
Figure BDA0001896200930000082
Figure BDA0001896200930000083
其中，3P+bnP-M-2＜e＜bn1-P+1。
S72、在
Figure BDA0001896200930000084
到xM(n)之间，选择2P-e个长度为P的重叠滑窗的训练向量组成右训练矩阵
Figure BDA0001896200930000085
Figure BDA0001896200930000086
S73、由左训练矩阵
Figure BDA0001896200930000087
与右训练矩阵
Figure BDA0001896200930000088
组成快拍矩阵
Figure BDA0001896200930000089
Figure BDA0001896200930000091
S74、估计杂波与目标协方差矩阵Rn，
Figure BDA0001896200930000092
其中，[·]H表示共轭转置。
S8、对协方差矩阵Rn进行特征分解，得到特征向量矩阵
Figure BDA0001896200930000093
和降序排列的特征值向量λn＝[λn1,λn2,…,λnL]，其中，unl是距离单元n的第l个特征向量，λnl是距离单元n的第l个特征值。
S9、根据特征值λn分布得到代表杂波和目标的特征值编号cn，并将对应的特征向量组成主分量矩阵
Figure BDA0001896200930000094
实际应用中有多种根据特征值分布确定主分量的方法可供选择，如基于能量检测的方法、最小描述长度方法等。本步骤使用基于能量检测的方法为例说明处理过程，在条件允许情况下，也可以使用其他的方法确定主分量。
S9具体包括如下步骤：
S91、计算噪声特征值的平均值
Figure BDA0001896200930000095
S92、计算特征值判别门限
Figure BDA0001896200930000096
S93、将特征值向量λn中各分量与特征值判别门限S进行比较，
若λnl≥S，则λnl对应的特征向量unl代表杂波和目标分量，并记录此数据对应的序号l，
否则，λnl对应的特征向量unl不包含杂波和目标分量。
S94、将所有代表杂波和目标分量的特征向量按列组成主分量矩阵
Figure BDA0001896200930000097
S10、使用主分量矩阵
Figure BDA0001896200930000098
从包含瞬态干扰的数据段xc(n)提取回波，提取结果记为xd(n)。
S10具体包括如下步骤：
S101、根据原始数据中的干扰位置向量bn，将原始数据序列x(n)中包含瞬态干扰的数据段记为xc(n)，
S102、使用主分量矩阵
Figure BDA0001896200930000101
从包含瞬态干扰的数据段xc(n)提取回波，提取结果记为xd(n)，
Figure BDA0001896200930000102
S11、在原始数据序列x(n)中，将瞬态干扰的数据段xc(n)替换成提取结果xd(n)，得到回波提取后的数据序列z(n)，后续的多普勒滤波等处理均在回波提取后的数据序列z(n)上进行。
本发明的效果可通过以下仿真实验进一步验证。
实验场景如下：
本实验数据来自于某超视距雷达的实测数据，数据中发现瞬态干扰，为说明本发明方法的效果，只给出一个距离单元的数据处理结果。
实验内容与结果如下：
为验证本发明方法的性能，对实测数据分别使用现有方法和本发明方法，对两种方法的结果均进行非相参积累，得到各自的多普勒谱，对多普勒谱进行比较。其中，未经过目标提取的原始数据慢时间序列如图2所示，相应的多普勒谱如图3所示，无干扰数据得到的特征值分布如图4所示，现有方法与本发明方法处理后得到的多普勒谱比较图如图5所示。
由图2可知，整个慢时间序列中存在明显的瞬态干扰，产生剧烈的起伏，经过相参积累后如图3所示，瞬态干扰淹没了绝大多数的多普勒通道，使得目标检测无法获得正常效果。从图4可以看出，本发明方法估计的协方差矩阵经过特征分解后的特征值分布中，能够明显区分出杂波和目标特征值，这一特征值分布可以准确地获得主分量矩阵。经过本发明方法得到的回波提取结果如图5中的实线所示，比较此多普勒谱与图3中的多普勒谱可以看到，本发明方法很好地将回波信号从干扰数据中提取了出来，同时抑制了干扰。同时，现有方法的处理结果如图5中虚线所示。比较本发明方法和现有方法的结果可以看出，本发明方法可以和现有方法取得几乎一样的效果，但由于本发明方法运算量更小，更加适合工程实用。
综上所述，本发明通过将含干扰数据段向杂波和目标子空间上投影，使得瞬态干扰在被抑制的同时保留目标与杂波分量，改善了高频雷达受到瞬态干扰时的探测性能。本发明不需要进行矩阵求逆，降低了计算复杂度，具有一定的工程学意义。
此外，本发明的适用性、兼容性较强，为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸，运用于同领域内其他与高频雷达相关的技术方案中，具有十分广阔的应用前景。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神和基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (7)

1.一种高频雷达从瞬态干扰中提取回波的方法，其特征在于，包括如下步骤：
S1、获得波束形成和脉冲压缩后的数据矩阵x(n)；
S2、根据雷达背景噪声功率
Figure FDA0003737547540000011
计算干扰定位门限
Figure FDA0003737547540000012
S3、对原始数据序列x(n)进行三脉冲对消杂波抑制；
S4、将不含杂波的数据序列y(n)中各分量的功率与对应的干扰定位门限T进行比较，判断y(n)中是否有数据包含瞬态干扰，
若|yq(n)|2≥T，则yq(n)中包含瞬态干扰，并记录此数据对应的脉冲序号，
否则，yq(n)不包含瞬态干扰；
S5、将S4中记录包含瞬态干扰的脉冲序号按升序组成无杂波干扰位置向量an，其中，n＝1,2,...,N，N表示一个扫频周期包含的距离单元总数；
S6、根据无杂波干扰位置向量an，计算原始数据中的干扰位置向量bn；
S7、使用无干扰数据，估计杂波与目标协方差矩阵Rn；
S8、对协方差矩阵Rn进行特征分解，得到特征向量矩阵
Figure FDA0003737547540000013
和降序排列的特征值向量λn＝[λn1,λn2,…,λnL]，其中，unl是距离单元n的第l个特征向量，λnl是距离单元n的第l个特征值；
S9、根据特征值λn分布得到代表杂波和目标的特征值编号cn，并将对应的特征向量组成主分量矩阵
Figure FDA0003737547540000014
S10、使用主分量矩阵
Figure FDA0003737547540000015
从包含瞬态干扰的数据段xc(n)提取回波，提取结果记为xd(n)；
S11、在原始数据序列x(n)中，将瞬态干扰的数据段xc(n)替换成提取结果xd(n)，得到回波提取后的数据序列z(n)，后续的多普勒滤波等处理均在回波提取后的数据序列z(n)上进行。
2.根据权利要求1所述的高频雷达从瞬态干扰中提取回波的方法，其特征在于，S1具体包括如下步骤：
雷达回波信号经过波束形成和脉冲压缩后，得到包含瞬态干扰的慢时间接收信号序列x(n)＝[x1(n),x2(n),…,xm(n),…,xM(n)]T，
其中，n表示距离单元编号，n＝1,2,…,N，N表示一个扫频周期包含的距离单元总数，m表示扫频周期编号，m＝1,2,…,M，M表示一个相干积累周期中的扫频周期总数，[·]T表示转置。
3.根据权利要求1所述的高频雷达从瞬态干扰中提取回波的方法，其特征在于，S3具体包括如下步骤：
S31、记三脉冲对消所用的Q×M维杂波抑制滤波器系数矩阵F为，
Figure FDA0003737547540000021
其中，Q是三脉冲对消后的脉冲数，Q＝M-2，f0、f1、f2分别是三脉冲对消滤波器的滤波器系数，f0＝1，f1＝-2，f2＝1，M表示一个相干积累周期中的扫频周期总数；
S32、将原始数据序列x(n)通过杂波抑制滤波器矩阵F，得到该距离单元不含杂波的Q×1维数据向量y(n)，
y(n)＝Fx(n)，
其中，n＝1,2,...,N，N为一个脉冲重复周期中的距离单元数。
4.根据权利要求1所述的高频雷达从瞬态干扰中提取回波的方法，其特征在于，S6具体包括如下步骤：
S61、设无杂波的干扰位置向量an＝[an1,an2,...,anL]，对每个元素anl，均计算原始数据的干扰脉冲序号集合Enl＝{anl,anl+1,anl+2}，其中，l＝1,2,...,L，L为an中记录的干扰个数，n＝1,2,...,N；
S62、根据干扰脉冲序号集合Enl，得到原始数据序列x(n)内含有瞬态干扰的脉冲序号集合Gn＝En1∪En2∪…∪Enl∪…∪EnL，其中，∪表示对集合取并；
S63、将瞬态干扰的脉冲序号集合Gn中的脉冲序号，组成原始数据中的干扰位置向量bn＝[bn1,bn2,…,bnP]，其中，P表示原始数据中的瞬态干扰慢时间长度。
5.根据权利要求1所述的高频雷达从瞬态干扰中提取回波的方法，其特征在于，S7具体包括如下步骤：
S71、在x1(n)到
Figure FDA0003737547540000031
之间，选择e个长度为P的重叠滑窗的训练向量组成左训练矩阵
Figure FDA0003737547540000032
Figure FDA0003737547540000033
其中，3P+bnP-M-2＜e＜bn1-P+1，M表示一个相干积累周期中的扫频周期总数；
S72、在
Figure FDA0003737547540000034
到xM(n)之间，选择2P-e个长度为P的重叠滑窗的训练向量组成右训练矩阵
Figure FDA0003737547540000035
Figure FDA0003737547540000036
S73、由左训练矩阵
Figure FDA00037375475400000312
与右训练矩阵
Figure FDA0003737547540000038
组成快拍矩阵
Figure FDA0003737547540000039
Figure FDA00037375475400000310
S74、估计杂波与目标协方差矩阵Rn，
Figure FDA00037375475400000311
其中，[·]H表示共轭转置。
6.根据权利要求1所述的高频雷达从瞬态干扰中提取回波的方法，其特征在于，S9具体包括如下步骤：
S91、计算噪声特征值的平均值
Figure FDA0003737547540000041
S92、计算特征值判别门限
Figure FDA0003737547540000042
S93、将特征值向量λn中各分量与特征值判别门限S进行比较，
若λnl≥S，则λnl对应的特征向量unl代表杂波和目标分量，并记录此数据对应的序号l，
否则，λnl对应的特征向量unl不包含杂波和目标分量；
S94、将所有代表杂波和目标分量的特征向量按列组成主分量矩阵
Figure FDA0003737547540000043
7.根据权利要求1所述的高频雷达从瞬态干扰中提取回波的方法，其特征在于，S10具体包括如下步骤：
S101、根据原始数据中的干扰位置向量bn，将原始数据序列x(n)中包含瞬态干扰的数据段记为xc(n)，
S102、使用主分量矩阵
Figure FDA0003737547540000044
从包含瞬态干扰的数据段xc(n)提取回波，提取结果记为xd(n)，
Figure FDA0003737547540000045
CN201811493265.4A 2018-12-07 2018-12-07 高频雷达从瞬态干扰中提取回波的方法 Active CN109655793B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811493265.4A CN109655793B (zh) 2018-12-07 2018-12-07 高频雷达从瞬态干扰中提取回波的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811493265.4A CN109655793B (zh) 2018-12-07 2018-12-07 高频雷达从瞬态干扰中提取回波的方法

Publications (2)

Publication Number Publication Date
CN109655793A CN109655793A (zh) 2019-04-19
CN109655793B true CN109655793B (zh) 2022-10-14

Family

ID=66112890

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811493265.4A Active CN109655793B (zh) 2018-12-07 2018-12-07 高频雷达从瞬态干扰中提取回波的方法

Country Status (1)

Country Link
CN (1) CN109655793B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110045337B (zh) * 2019-05-10 2023-07-21 武汉大学 基于张量子空间投影的高频地波雷达射频干扰抑制方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ITRM20120381A1 (it) * 2012-08-02 2014-02-03 Mbda italia spa Metodo ed apparato di filtraggio stap di un segnale di eco radar
CN103983959A (zh) * 2014-05-16 2014-08-13 西安电子科技大学 基于数据重构的sar系统运动目标径向速度估计方法
CN105116388A (zh) * 2015-08-12 2015-12-02 西安电子科技大学 基于鲁棒主成分分析的天波超视距雷达瞬态干扰抑制方法
CN105137400A (zh) * 2015-09-06 2015-12-09 哈尔滨工业大学 一种瞬态极化雷达波形获得方法及基于该方法的雷达信号传输方法
CN105510887B (zh) * 2015-12-22 2018-02-02 西安电子科技大学 一种杂波背景下对机载雷达的有源压制式干扰抑制方法
CN106154236B (zh) * 2016-08-04 2019-01-29 武汉大学 一种基于cemd抑制高频地波雷达射频干扰的方法
CN108872948B (zh) * 2018-08-01 2022-04-12 哈尔滨工业大学 一种高频地波雷达电离层杂波抑制方法

Also Published As

Publication number Publication date
CN109655793A (zh) 2019-04-19

Similar Documents

Publication Publication Date Title
CN102520395B (zh) 基于双基地多输入多输出雷达的杂波抑制方法
CN104977571B (zh) 基于俯仰频率分集stap的距离模糊杂波抑制方法
CN103364764A (zh) 一种机载雷达非平稳杂波抑制方法
CN105510887B (zh) 一种杂波背景下对机载雷达的有源压制式干扰抑制方法
CN109814075B (zh) 一种mti雷达运动目标检测方法
CN101881822B (zh) 一种针对共享谱雷达同频干扰的抑制方法
CN113835068B (zh) 一种基于独立成分分析的盲源分离实时抗主瓣干扰方法
CN111220955B (zh) 基于垂直阵列协方差矩阵特征分解的机载气象雷达地杂波抑制方法
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
CN103176168A (zh) 一种机载非正侧视阵雷达近程杂波对消方法
CN103901416A (zh) 一种基于稳健主成分分析法的多通道杂波抑制方法
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
CN112379333A (zh) 基于空时维正交投影滤波的高频雷达海杂波抑制方法
CN104155653B (zh) 一种基于特征距离子空间的sar后向投影成像方法
Xianrong et al. Adaptive ionospheric clutter suppression based on subarrays in monostatic HF surface wave radar
Xianrong et al. Adaptive cochannel interference suppression based on subarrays for HFSWR
CN109655793B (zh) 高频雷达从瞬态干扰中提取回波的方法
Li et al. Active sonar detection in reverberation via signal subspace extraction algorithm
CN103885042B (zh) 基于杂波子空间的阵元误差估计方法
CN108196238B (zh) 高斯背景下基于自适应匹配滤波的杂波图检测方法
CN112946653A (zh) 双极化气象雷达信号恢复方法、系统及存储介质
CN110488239B (zh) 基于调频连续波雷达的目标检测方法
CN115575921B (zh) 一种基于俯仰向多通道多干扰基压制干扰抑制方法

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
CB02 Change of applicant information
CB02 Change of applicant information

Address after: Room 201, building 2, phase II, No.1 Kechuang Road, Yaohua street, Qixia District, Nanjing City, Jiangsu Province

Applicant after: NANJING University OF POSTS AND TELECOMMUNICATIONS

Address before: 210003 Gulou District, Jiangsu, Nanjing new model road, No. 66

Applicant before: NANJING University OF POSTS AND TELECOMMUNICATIONS

GR01 Patent grant
GR01 Patent grant