CN110133603A - 基于求根欧几里得几何重心的高频地波雷达海杂波抑制方法 - Google Patents

Abstract

本发明公开了一种基于求根欧几里得几何重心的高频地波雷达海杂波抑制方法，所述方法如下：对回波信号进行处理，得到距离‑速度‑角度三维数据块；计算每个距离单元对应的待处理局域单元的协方差，构成协方差数据块；计算求根欧几里得几何重心距离，作为训练样本协方差估计量；挑选广义内积数组中若干个最小值对应的距离单元对应的局域处理单元作为选定的训练样本数据块；计算指定距离单元的自适应权向量；遍历所有感兴趣距离单元，得到指定多普勒单元和角度单元的所有距离单元输出结果；遍历所有感兴趣多普勒单元和角度单元，得到经过降维空时自适应处理后的距离‑速度‑角度三维数据结果。本发明具有实施简单方便、可自适应的改变权值等特点。

Description

基于求根欧几里得几何重心的高频地波雷达海杂波抑制方法

技术领域

本发明属于高频地波雷达海杂波抑制领域，涉及一种高频地波雷达海杂波抑制方法，具体涉及一种用于非平稳背景下高频地波雷达一阶海杂波的降维空时自适应处理方法。

背景技术

高频地波雷达工作在3～30MHz，其最大探测范围可覆盖300至500公里，足以覆盖200公里的专属经济区并可以对海面舰船和低空飞行目标实现超视距探测，以达到监视和预警的作用。高频地波雷达凭借其探测距离大、范围广、超视距、可全天候工作等优势，成为监视专属经济区、为船只提供远程保障、实现目标的超视距预警探测的有利武器。而高频地波雷达面临的一个最严重的问题是强大的一阶海杂波，其能量远超过目标，在多普勒维和方位维扩展的杂波会淹没在Bragg峰附近的低速运动的目标，造成无法探测低速舰船目标，导致漏警。

空时自适应处理是进行杂波抑制的一个主要方法。它主要被利用在机载雷达中，在多普勒-角度维度对平稳和非平稳杂波进行抑制。它也被应用在许多其他领域，无论是军用领域还是民用领域，例如星载雷达、通讯、声呐、导航等领域。在高频超视距雷达领域也有了一定的应用，其中，局域联合处理方法(JDL)是一种有效的解决杂波问题的算法。局域联合处理方法是基于二维离散傅里叶变换输入的阵元-脉冲数据变换到感兴趣的局部角度-多普勒频率数据，进而求得降维的自适应权向量的方法。对于训练样本要求其分布于待测杂波样本是独立同分布的，这在高频地波雷达中较难实现。而杂波的非平稳性会导致对协方差矩阵的估计误差，使得杂波抑制算法性能下降。因此在高频地波雷达的非平稳背景下，如何进行海杂波抑制是一个难点，对现有系统的性能造成很大影响。

发明内容

为了解决在高频地波雷达非平稳背景下的一阶海杂波抑制问题，本发明提供了一种基于求根欧几里得几何重心的高频地波雷达海杂波抑制方法。该方法可以用于高频地波雷达对非平稳背景下的一阶海杂波以及其他非平稳性杂波的抑制，以提高信杂噪比，增大目标发现概率。

本发明的目的是通过以下技术方案实现的：

一种基于求根欧几里得几何重心的高频地波雷达海杂波抑制方法，包括如下步骤：

步骤一：对高频地波雷达的回波信号进行距离、多普勒及数字波束形成处理，得到距离-速度-角度三维数据块。具体步骤如下：

高频地波雷达的回波信号经过距离处理，数据的距离维度为R；经过多普勒处理，数据的速度维度为D；经过数字波束形成处理，数据的角度维度为A，得到的距离-速度-角度三维数据块为{data}，其维度为R×D×A。

步骤二：选定局域联合处理算法的处理单元大小，选取指定多普勒单元和角度单元的所有距离单元数据，构成待处理三维数据块，计算每个距离单元对应的待处理局域单元的协方差，构成协方差数据块。具体步骤如下：

(1)选定局域处理单元大小为：包含多普勒单元数为etaD和角度单元数为etaA，则对指定多普勒单元d和指定角度单元θ，选取所有距离单元构成的待处理单元三维数据块为{dataJDL}，其维度为R×etaD×etaA；

(2)计算某一距离单元r对应的待处理局域单元的协方差矩阵：先将dataJDL_r进行列向量化，得到一个一维列向量vJDL_r，其长度为etaD×etaA；然后计算对应的协方差矩阵为其中·^H表示共轭转置；

(3)对每一个距离单元进行计算，得到协方差矩阵数据块为{dataCov}，其维度为R×(etaD×etaA)×(etaD×etaA)。

步骤三：对指定距离单元，选取其前后若干个距离单元的协方差数据块，构成距离维训练样本协方差数据块，计算该训练样本协方差数据块的求根欧几里得几何重心距离，作为训练样本协方差估计量。

具体步骤如下：

(1)选定距离单元r，选取其前后共Ω个距离单元的协方差数据块，构成距离维训练样本协方差数据块{dataTra}，其维度为Ω×(etaD×etaA)×(etaD×etaA)；

(2)设对应距离单元ω的协方差矩阵为dataTra_ω＝dataCov_ω，ω∈[r-Ω/2，r+Ω/2]，且在不需要先验知识的情况下，设对应每一距离单元数据的加权系数为相等的，即w_ω＝1/Ω，且ω∈[r-Ω/2，r+Ω/2]，计算选定距离单元r对应的训练样本协方差数据块的求根欧几里得几何重心距离为：

其中

步骤四：计算该协方差估计量与其他训练样本单元的数据构成的广义内积，得到广义内积数组，挑选其中若干个最小值对应的距离单元对应的局域处理单元作为选定的有效训练样本数据块。具体步骤如下：

(1)依次计算步骤三中得到的训练样本协方差估计量与该训练样本集合中的所有距离单元的列向量数据vJDL_ω构成的广义内积β_ω，其计算公式为：

(2)设置保护单元的个数为2个，在{β_ω}中，去掉位置为ω＝r-1,r,r+1时的数据，作为保护单元，得到广义内积数组{β_ω},ω≠r-1,r,r+1；

(3)挑选{β_ω}中最小的K＝2×(etaD×etaA)个数据对应的位置数组为Pos(k)，其中k＝1,2,3,...,K；

(4)在待处理单元三维数据块{dataJDL}中，选择r∈Pos个距离门的数据构成选定的有效训练样本数据块{dataSelect}。

步骤五：根据步骤四选定的有效训练样本数据块，计算指定距离单元的自适应权向量，得到降维空时自适应处理后的输出结果。具体步骤如下：

由步骤四中选定的有效训练样本计算选定距离单元r处的杂波的真实估计协方差矩阵为：

局域空时导向矢量为：

其中：

T为变换矩阵，

其中，代表两个向量的Kronecker直积，d和θ分别为指定的多普勒单元和角度单元，为局域处理单元的时域导向矢量，为局域处理单元的空域导向矢量，其中，nPluse为相参积累周期数，nCh为阵列通道数，d_ch为阵列间隔，λ为发射信号波长；

v为空时导向矢量，

其中，f_R为脉冲重复频率，f_d为指定多普勒单元对应的多普勒频率；

由输出信干噪比最大准则，得到最优空时权向量为：

则选定距离单元r处的空时自适应处理输出结果为：

dataOut(r,d,θ)＝η·X_JDL(r,d,θ)。

步骤六：遍历所有感兴趣距离单元，得到指定多普勒单元和角度单元的所有距离单元输出结果。具体步骤如下：

令r＝1,2,......,R，计算每一个距离单元对应的dataOut(r,d,θ)，得到指定多普勒单元d和指定角度单元θ对应的空时自适应处理输出结果dataOut(d,θ)。

步骤七：遍历所有感兴趣多普勒单元和角度单元，得到经过降维空时自适应处理后的距离-速度-角度三维数据结果。具体步骤如下：

令d＝1,2,......,D，计算每一个多普勒单元对应的所有距离单元的空时自适应处理输出结果dataOut(θ)；

令θ＝1,2,......,A，计算每一个角度单元对应的所有距离单元和多普勒门的空时自适应处理输出结果dataOut。

相比于现有技术，本发明具有如下优点：

本发明能够抑制高频地波雷达回波信息中的一阶海杂波信息，提高目标的信杂比，有利于目标检测和航迹跟踪，具有实施简单方便、可自适应的改变权值等特点。

附图说明

图1为本发明高频地波雷达海杂波抑制方法的原理示意图。

图2为本发明步骤一的结果示意图。

图3为本发明步骤七的结果示意图。

具体实施方式

下面结合附图对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。

本发明提供了一种基于求根欧几里得几何重心的高频地波雷达海杂波抑制方法，如图1所示，所述方法包括如下步骤：

步骤一：对高频地波雷达的回波信号进行距离、多普勒及数字波束形成处理，得到距离-速度-角度三维数据块。具体步骤如下：

设高频地波雷达的回波信号经过距离处理，数据的距离维度为200；经过多普勒处理，数据的速度维度为309；经过数字波束形成处理，数据的角度维度为31；得到的距离-速度-角度三维数据块为{data}，其维度为200×309×31。绘制第16角度单元的距离-速度图，如图2所示。

步骤二：选定局域联合处理算法的处理单元大小，选取指定多普勒单元和角度单元的所有距离单元数据，构成待处理三维数据块，计算每个距离单元对应的待处理局域单元的协方差，构成协方差数据块。具体步骤如下：

(1)选定局域处理单元大小为：包含多普勒单元数为3和角度单元数为3，则对指定多普勒单元178和指定角度单元19，选取所有距离单元构成的待处理单元三维数据块为{dataJDL}，其维度为200×3×3；

(2)计算第72距离单元对应的待处理局域单元的协方差的方法为：先将dataJDL_r进行列向量化，得到一个一维列向量vJDL_r，其长度为3×3；然后计算对应的协方差矩阵为其中·^H表示共轭转置；

(3)对每一个距离单元进行计算，可以得到协方差数据块为{dataCov_178×19}，其维度为200×9×9。

步骤三：对指定距离单元，选取其前后若干个距离单元的协方差数据块，构成距离维训练样本协方差数据块，计算该训练样本协方差数据块的求根欧几里得几何重心距离，作为训练样本协方差估计量。

具体步骤如下：

(1)选定第72距离单元，其对应的协方差矩阵为R₇₂，选取其前后共40个距离单元的协方差数据块，连同第72距离单元协方差数据块，构成距离维训练样本协方差数据块{dataTra₇₂}，其维度为41×9×9；

(2)设对应距离单元ω的协方差矩阵为dataTra_ω＝dataCov_ω，ω∈[52，92]，且在不需要先验知识的情况下，设对应每一距离单元数据的加权系数为相等的，既w_ω＝1/41，且ω∈[52，92]。计算选定第72距离单元对应的训练样本协方差数据块的求根欧几里得几何重心距离为：

其中

步骤四：计算该协方差估计量与其他训练样本单元的数据构成的广义内积，得到广义内积数组，挑选其中若干个最小值对应的距离单元对应的局域处理单元作为选定的有效训练样本数据块。具体步骤如下：

(1)依次计算步骤三中得到的训练样本协方差估计量与该训练样本集合中的所有距离单元的列向量数据vJDL_ω构成的广义内积β_ω，其计算公式为:

(2)设置保护单元的个数为2个，在{β_ω}中，去掉位置为ω＝71,72,73时的数据，作为保护单元，得到广义内积数组{β_ω},ω≠71,72,73；

(3)挑选{β_ω}中最小的K＝18个数据对应的位置数组为Pos(k),其中k＝1,2,3,...,18；在第72距离单元选择的训练样本位置如表1所示：

表1

(4)在待处理单元三维数据块{dataJDL}中，选择r∈Pos个距离门的数据构成选定的有效训练样本数据块{dataSelect}。

步骤五：根据步骤四选定的有效训练样本数据块，计算指定距离单元的自适应权向量，得到降维空时自适应处理后的输出结果。具体步骤如下：

由步骤四中选定的有效训练样本计算选定72距离单元处的杂波的真实估计协方差矩阵为：

局域空时导向矢量为：

其中：

T为变换矩阵，

其中，代表两个向量的Kronecker直积，指定的多普勒单元为178，制定的角度单元为19，为局域处理单元的时域导向矢量，f_JDL分别对应f₁₇₇,f₁₇₈,f₁₇₉，为局域处理单元的空域导向矢量，θ_JDL分别对应θ₁₈,θ₁₉,θ₂₀，其中，nPluse为相参积累周期数，nCh为阵列通道数，d_ch为阵列间隔，λ为发射信号波长；

v₇₂为空时导向矢量，

其中，f_R为脉冲重复频率，f_d为指定多普勒单元对应的多普勒频率；

由输出信干噪比最大准则，得到最优空时权向量为：

则选定第72距离单元处的空时自适应处理输出结果为：

dataOut(72,178,19)＝η₇₂·X_JDL(72,178,19)。

步骤六：遍历所有感兴趣距离单元，得到指定多普勒单元和角度单元的所有距离单元输出结果。具体步骤如下：

令r＝1,2,......,200，计算每一个距离单元对应的dataOut(r,178,19)，得到指定第178多普勒单元和指定第19角度单元对应的空时自适应处理输出结果dataOut(178,19)。

步骤七：遍历所有感兴趣多普勒单元和角度单元，得到经过降维空时自适应处理后的距离-速度-角度三维数据结果。具体步骤如下：

令d＝1,2,......,309，计算每一个多普勒单元对应的所有距离单元的空时自适应处理输出结果dataOut(θ)；

令θ＝1,2,......,31，计算每一个角度单元对应的所有距离单元和多普勒门的空时自适应处理输出结果dataOut。

绘制第16角度单元的距离-多普勒图，如图3所示。

由图2和图3的对比可以看到，高频地波雷达的非平稳背景下的一阶海杂波得到了有效抑制，目标显露，信杂比得到很大提高。

综上所述，本发明的方法能够抑制高频地波雷达非平稳背景下回波信息中的一阶海杂波信息，提高目标信杂比，有利于目标检测和航迹跟踪，具有实施简单方便、可自适应的改变权值等特点。

Claims (8)

1.一种基于求根欧几里得几何重心的高频地波雷达海杂波抑制方法，其特征在于所述方法包括如下步骤：

步骤一：对高频地波雷达的回波信号进行距离、多普勒及数字波束形成处理，得到距离-速度-角度三维数据块；

步骤二：选定局域联合处理算法的处理单元大小，选取指定多普勒单元和角度单元的所有距离单元数据，构成待处理三维数据块，计算每个距离单元对应的待处理局域单元的协方差，构成协方差数据块；

步骤三：对指定距离单元，选取其前后若干个距离单元的协方差数据块，构成距离维训练样本协方差数据块，计算该训练样本协方差数据块的求根欧几里得几何重心距离，作为训练样本协方差估计量；

步骤四：计算该协方差估计量与其他训练样本单元的数据构成的广义内积，得到广义内积数组，挑选其中若干个最小值对应的距离单元对应的局域处理单元作为选定的有效训练样本数据块；

步骤五：根据步骤四选定的有效训练样本数据块，计算指定距离单元的自适应权向量，得到降维空时自适应处理后的输出结果；

步骤六：遍历所有感兴趣距离单元，得到指定多普勒单元和角度单元的所有距离单元输出结果；

步骤七：遍历所有感兴趣多普勒单元和角度单元，得到经过降维空时自适应处理后的距离-速度-角度三维数据结果。

2.根据权利要求1所述的基于求根欧几里得几何重心的高频地波雷达海杂波抑制方法，其特征在于所述步骤一的具体步骤如下：

高频地波雷达的回波信号经过距离处理，数据的距离维度为R；经过多普勒处理，数据的速度维度为D；经过数字波束形成处理，数据的角度维度为A，得到的距离-速度-角度三维数据块为{data}，其维度为R×D×A。

3.根据权利要求1所述的基于求根欧几里得几何重心的高频地波雷达海杂波抑制方法，其特征在于所述步骤二的具体步骤如下：

(1)选定局域处理单元大小为：包含多普勒单元数为etaD和角度单元数为etaA，则对指定多普勒单元d和指定角度单元θ，选取所有距离单元构成的待处理单元三维数据块为{dataJDL}，其维度为R×etaD×etaA；

(2)计算某一距离单元r对应的待处理局域单元的协方差矩阵：先将dataJDL_r进行列向量化，得到一个一维列向量vJDL_r，其长度为etaD×etaA；然后计算对应的协方差矩阵为其中·^H表示共轭转置；

(3)对每一个距离单元进行计算，得到协方差矩阵数据块为{dataCov}，其维度为R×(etaD×etaA)×(etaD×etaA)。

4.根据权利要求1所述的基于求根欧几里得几何重心的高频地波雷达海杂波抑制方法，其特征在于所述步骤三的具体步骤如下：

(1)选定距离单元r，选取其前后共Ω个距离单元的协方差数据块，构成距离维训练样本协方差数据块{dataTra}，其维度为Ω×(etaD×etaA)×(etaD×etaA)；

(2)设对应距离单元ω的协方差矩阵为dataTra_ω＝dataCov_ω，ω∈[r-Ω/2，r+Ω/2]，且在不需要先验知识的情况下，设对应每一距离单元数据的加权系数为相等的，即w_ω＝1/Ω，且ω∈[r-Ω/2，r+Ω/2]，计算选定距离单元r对应的训练样本协方差数据块的求根欧几里得几何重心距离为：

其中

5.根据权利要求1所述的基于求根欧几里得几何重心的高频地波雷达海杂波抑制方法，其特征在于所述步骤四的具体步骤如下：

(1)依次计算步骤三中得到的训练样本协方差估计量与该训练样本集合中的所有距离单元的列向量数据vJDL_ω构成的广义内积β_ω，其计算公式为：

(2)设置保护单元的个数为2个，在{β_ω}中，去掉位置为ω＝r-1,r,r+1时的数据，作为保护单元，得到广义内积数组{β_ω},ω≠r-1,r,r+1；

(3)挑选{β_ω}中最小的K＝2×(etaD×etaA)个数据对应的位置数组为Pos(k)，其中k＝1,2,3,...,K；

(4)在待处理单元三维数据块{dataJDL}中，选择r∈Pos个距离门的数据构成选定的有效训练样本数据块{dataSelect}。

6.根据权利要求1所述的基于求根欧几里得几何重心的高频地波雷达海杂波抑制方法，其特征在于所述步骤五的具体步骤如下：

由步骤四中选定的有效训练样本计算选定距离单元r处的杂波的真实估计协方差矩阵为：

局域空时导向矢量为：

其中：

T为变换矩阵，

其中，代表两个向量的Kronecker直积，d和θ分别为指定的多普勒单元和角度单元，为局域处理单元的时域导向矢量，为局域处理单元的空域导向矢量，其中，nPluse为相参积累周期数，nCh为阵列通道数，d_ch为阵列间隔，λ为发射信号波长；

v为空时导向矢量，

其中，f_R为脉冲重复频率，f_d为指定多普勒单元对应的多普勒频率；

由输出信干噪比最大准则，得到最优空时权向量为：

则选定距离单元r处的空时自适应处理输出结果为：

dataOut(r,d,θ)＝η·X_JDL(r,d,θ)。

7.根据权利要求1所述的基于求根欧几里得几何重心的高频地波雷达海杂波抑制方法，其特征在于所述步骤六的具体步骤如下：

令r＝1,2,......,R，计算每一个距离单元对应的dataOut(r,d,θ)，得到指定多普勒单元d和指定角度单元θ对应的空时自适应处理输出结果dataOut(d,θ)。

8.根据权利要求1所述的基于求根欧几里得几何重心的高频地波雷达海杂波抑制方法，其特征在于所述步骤七的具体步骤如下：

令d＝1,2,......,D，计算每一个多普勒单元对应的所有距离单元的空时自适应处理输出结果dataOut(θ)；

令θ＝1,2,......,A，计算每一个角度单元对应的所有距离单元和多普勒门的空时自适应处理输出结果dataOut。