CN110618402B

CN110618402B - 一种基于子孔径平滑的辅助杂波样本筛选方法

Info

Publication number: CN110618402B
Application number: CN201910780341.8A
Authority: CN
Inventors: 朱江; 段崇棣; 李渝; 王伟伟; 范一飞; 杨晓超; 黎薇萍; 李奇
Original assignee: Xian Institute of Space Radio Technology
Current assignee: Xian Institute of Space Radio Technology
Priority date: 2019-08-22
Filing date: 2019-08-22
Publication date: 2021-07-13
Anticipated expiration: 2039-08-22
Also published as: CN110618402A

Abstract

本发明公开一种基于子孔径平滑的辅助杂波样本筛选方法，采用超低旁瓣子孔径滑窗方法大幅提升旁瓣区的信杂噪比，并结合拟合方差偏离的方法提取目标大信号能量，并予以剔除，从而改善初始杂波协方差矩阵的纯度；同时，结合子孔径平滑方法能够显著改善小目标的输出信杂噪比，结合GIP等算法剔除包含小目标的杂波样本，从而提高包含微动器件这类目标的弱离散分布检测点的输出信杂噪比，为后续基于检测输出的目标识别提供可能。克服了已有的非均匀杂波样本筛选方法面临的初始协方差矩阵包含目标信号而无法剔除目标信息的问题，能够大幅降低系统运算复杂度，提高系统应用效能。

Description

一种基于子孔径平滑的辅助杂波样本筛选方法

技术领域

本发明涉及一种基于子孔径平滑的辅助杂波样本筛选方法，属于雷达技术领域，特别是一种自适应非均匀/受目标污染杂波样本剔除技术，适用于实际工程中30dB以上信杂噪比的强杂波背景下的自适应非均匀/受目标污染杂波样本剔除情况。

背景技术

训练样本选取的基本思想是在给定的一组训练样本集中选择杂波统计特性相近的训练样本来估计杂波协方差矩阵并用于计算STAP滤波权矢量。传统的方法主要包括：采样协方差求逆(Sample Matrix Inversion,SMI)法，该方法直接对原始样本集做STAP，然后剔除剩余功率较大的样本。内积法则主要根据杂波样本的功率将样本进行分组，然后对不同类别的样本进行组内STAP处理。基于广义内积(Generalised Inner Product,GIP)的样本剔除方法，该方法根据样本的广义内积值对样本进行分类，通常的做法是剔除广义内积值偏离平均值较大和较小的样本，它不仅利用了功率信息，也利用了相位信息，因此可以获得比内积法更优的性能。自适应功率剩余(Adaptive Power Residue,APR)迭代剔除法和迭代广义内积方法都是在SMI和GIP的基础上引入迭代思想，优化杂波协方差矩阵，从而剔除非均匀样本。自适应相干估计器(Adaptive Coherence Estimator,ACE)也是一种非均匀样本剔除方法，它估计的是白化后的数据矢量与期望目标矢量的夹角，以此来判别是否包含目标信号。上述基于样本协方差矩阵的样本筛选方法都假设初始训练样本集中并不包含目标样本，这一假设很难满足。

目前国内外对基于子孔径滑窗的强目标/微动目标污染杂波样本剔除方法的研究未见公开，因此亟需一种能自适应剔除受目标污染的非均匀杂波样本剔除方法，这也是天基预警雷达杂波抑制工程化需考虑的重要问题之一。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提出了一种基于子孔径平滑的辅助杂波样本筛选方法，解决在实际工程中受信噪比高于20dB的强目标污染和部分包含自旋、进动和章动等微动目标污染引起的输出信杂噪比下降问题。

本发明的技术方案是：

一种基于子孔径平滑的辅助杂波样本筛选方法，包括步骤如下：

1)接收到雷达系统N个通道的原始数据，对每个通道的原始数据沿着距离向做脉冲压缩处理，获得R个距离单元，再沿每个距离单元的方位向做傅里叶变换，获得M个多普勒单元，将所述原始数据处理获得N个通道的距离脉压-方位多普勒数据；其中，第n个通道第r个距离单元第m个多普勒单元的距离脉压-方位多普勒数据为X_n(r,m)；其中，n∈[1,N]，r∈[1,R]，m∈[1,M]，R为雷达系统每个通道单次脉冲采样窗对应的距离单元总数；M为雷达系统每个通道相干积累时间内发射的脉冲数；所述雷达系统为天基雷达或机载雷达；

2)利用超低旁瓣加窗矢量，对步骤1)获得的所述N个通道的距离脉压-方位多普勒数据X_n(r,m)进行P组子孔径平滑处理，获得P组子孔径滑窗数据X_p(r,m)；

3)根据步骤2)得到的所述P组子孔径滑窗数据X_p(r,m)，分别对每组子孔径滑窗数据的每个多普勒单元对应的距离样本数据X_p(:,m)采用最小二乘多项式进行三阶拟合，获得拟合数据X_p-poly(：,m)；同时，根据雷达观测场景的先验信息及雷达观测场景的杂波空间去相关系数，将每组子孔径滑窗数据中的每个多普勒单元的距离样本数据X_p(:,m)和拟合数据X_p-poly(:,m)分为J组，获得第p组第m个多普勒单元第j组的距离样本数据X_p,j(:,m)和拟合数据X_p-poly,j(:,m)，根据X_p,j(:,m)和X_p-poly,j(:,m)分别获得第p组第m个多普勒单元第j组的的均方差σ_p,m,j；其中，j∈[1,J]；

4)根据步骤3)获得的所述X_p,j(:,m)和X_p-poly,j(:,m)，分别获得第p组第m个多普勒单元第j组距离样本数据X_p,j(:,m)与对应拟合数据X_p-poly,j(:,m)的偏移量η_p,m,j；η_p,m,j＝||X_p,j(:,m)|-|X_p-poly,j(:,m)||；

5)根据步骤3)获得的第p组第m个多普勒单元第j组的均方差σ_p,m,j和步骤4)获得的第p组第m个多普勒单元第j组的偏移量η_p,m,j，从距离样本数据X_p,j(:,m)中筛选出不受强目标污染的杂波样本，作为空时二维数据Y_MP×T；

6)根据步骤5)得到的空时二维数据Y_MP×T，确定所述空时二维数据Y_MP×T的采样协方差矩阵R_y，根据所述采样协方差矩阵R_y采用广义内积方法进一步剔除距离样本数据X_p(:,m)中的非均匀杂波样本，获得最终均匀杂波样本数据，获得所述最终均匀杂波样本数据对应的杂波协方差矩阵R_cn；

7)根据步骤6)得到的杂波协方差矩阵R_cn，确定自适应权值w_m；

8)对原始数据构造的空时数据x，利用步骤7)所得自适应权值w_m滤波处理，得到杂波抑制之后的输出信号y＝w_m ^Hx。

本发明与现有技术相比有益效果为：

本发明方法属于自适应非均匀杂波/受目标污染杂波样本剔除算法，相比经典的几种非均匀杂波剔除算法，所提算法对强目标信号进行了基于幅度最小二乘拟合的自适应剔除，从而避免了初始杂波样本协方差矩阵包含目标信息的问题。另外，联合子孔径超低旁瓣滑窗技术与GIP算法，能够进一步改善旁瓣区弱目标和非均匀杂波样本的剔除效果。同时，由于采用了子孔径滑窗技术，能够减少系统的自由度，从而降低系统对非均匀杂波样本的剔除复杂度。适用于实际工程中强目标、微动弱目标等条件下的空时自适应运动目标检测。

附图说明

图1为本发明方法处理流程图。

图2为基于广义内积非均匀样本剔除方法并结合后多普勒域FSA算法得到的杂波抑制后的检测结果示意图。

图3为采用本发明方法并结合后多普勒域FSA算法得到的杂波抑制后的检测结果示意图。

具体实施方式

本发明一种基于子孔径平滑的辅助杂波样本筛选方法，主要应用于天基和机载雷达动目标监视。本发明结合超低旁瓣加窗子孔径平滑与多项式拟合偏差的方式，先对样本中可能包含的运动目标进行剔除，再在此基础上利用子孔径平滑数据进行GIP估计从而进一步剔除非均匀样本。对于初始协方差矩阵做了一个修正，剔除了潜在的目标样本，并且能够降低训练样本中杂波的能量，从而提升GIP估计方法的精度，有利于筛选均匀样本，实际工程中对旁瓣区的目标检测性能改善明显，特别是对包含微动部件的目标特征提取。具备自适应旁瓣区强目标能量直接剔除和弱目标联合剔除能力，大幅降低目标自相消现象，改善输出信杂噪比，另外滑动子孔径方法降低了系统自由度，有利于降低动目标监视雷达系统的复杂度，具有实际工程应用价值。

本发明一种基于子孔径平滑的辅助杂波样本筛选方法，包括步骤如下：

1)接收到雷达系统N个通道的原始数据，对每个通道的原始数据沿着距离向做脉冲压缩处理，获得R个距离单元，再沿每个距离单元的方位向做傅里叶变换，获得M个多普勒单元，将所述原始数据处理获得N个通道的距离脉压-方位多普勒数据；其中，第n个通道第r个距离单元第m个多普勒单元的距离脉压-方位多普勒数据为X_n(r,m)；其中，n∈[1,N]，r∈[1,R]，m∈[1,M]，r表示第n个通道的距离单元，m表示第n个通道的多普勒单元；R为雷达系统每个通道单次脉冲采样窗对应的距离单元总数；M为雷达系统每个通道相干积累时间内发射的脉冲数；所述雷达系统为天基雷达或机载雷达；

2)利用超低旁瓣加窗矢量，对步骤1)获得的所述N个通道的距离脉压-方位多普勒数据X_n(r,m)进行P组子孔径平滑处理，获得P组子孔径滑窗数据X_p(r,m)；所述第p组的子孔径滑窗数据X_p(r,m)的具体表达形式为：

其中，p∈[1,P]，p代表第p组滑窗数据，n∈[1,N]，N代表通道总数目，d为两相邻通道间的阵元间距，λ为天基雷达或机载雷达发射信号的波长；β为超低旁瓣窗对应的加权系数，通过查超低旁瓣加窗函数表确认主副瓣比的泰勒窗函数，具体根据主瓣损失、主瓣展宽、第一旁瓣电平、峰值旁瓣、积分旁瓣比确定窗函数类型及该类型输入参数，取值范围为4～6副瓣，-40～-50dB；本发明实施例中取5副瓣，-45dB，θ₀为发射波束指向与天线轴向之间的夹角。

3)根据步骤2)得到的所述P组子孔径滑窗数据X_p(r,m)，分别对每组子孔径滑窗数据的每个多普勒单元对应的距离样本数据X_p(:,m)采用最小二乘多项式进行三阶拟合，获得拟合数据X_p-poly(：,m)；同时，根据雷达观测场景的先验信息及雷达观测场景的杂波空间去相关系数，将每组子孔径滑窗数据中的每个多普勒单元的距离样本数据X_p(:,m)和拟合数据X_p-poly(:,m)分为J组，获得第p组第m个多普勒单元第j组的距离样本数据X_p,j(:,m)和拟合数据X_p-poly,j(:,m)，根据X_p,j(:,m)和X_p-poly,j(:,m)分别获得第p组第m个多普勒单元第j组的的均方差σ_p,m,j；其中，j∈[1,J]；所述获得均方差σ_p,m,j的方法，具体如下：

31)以1为采样步长，以

为起始采样点，以

为终止采样点，获得第p组数据中第m个多普勒单元的第j组X_p,j(:,m)和X_p-poly,j(:,m)；其中，R表示原始数据的距离单元采样总数，R＝PRT*fs，PRT为天基雷达或机载雷达的发射脉冲重复周期，fs为雷达系统的采样率；

32)根据步骤31)获得J组X_p,j(:,m)和X_p-poly,j(:,m)，分别获得每组距离样本组的均方差σ_p,m,j。

5)根据步骤3)获得的第p组第m个多普勒单元第j组的均方差σ_p,m,j和步骤4)获得的第p组第m个多普勒单元第j组的偏移量η_p,m,j，从距离样本数据X_p,j(:,m)中筛选出不受强目标污染的杂波样本，作为空时二维数据Y_MP×T；所述从距离样本数据X_p,j(:,m)中筛选出不受强目标污染的杂波样本，得到剔除目标样本的空时二维数据Y_MP×T的方法，具体为：

第p组第m个多普勒单元第j组的X_p,j(:,m)，按照距离单元依次与对应的均方差σ_p,m,j进行对比，从而实现样本分类，具体分类准则如下：

当η_p,r,m大于σ_p,m,j时，该距离样本数据X_p,j(:,m)作为受目标污染样本；

当η_p,r,m小于σ_p,m,j时，该距离样本数据X_p,j(:,m)作为非目标杂波污染样本，记录该距离样本X_p,j(:,m)的距离单元序号r；

每组子孔径滑窗数据中不受目标杂波污染的距离样本数据对应的距离单元序号组成一个集合，P组子孔径滑窗数据对应获得P个集合，{T₁,T₂,...,T_P}，取这些集合的交集，作为联合非目标污染样本标签集合T，并抽取P组子孔径滑窗数据中距离单元序号属于集合T的样本X_p(r,m)，构造不包含强目标污染的空时二维数据Y_MP×T，其中M为多普勒单元总数。

6)根据步骤5)得到的空时二维数据Y_MP×T，确定所述空时二维数据Y_MP×T的采样协方差矩阵R_y，根据所述采样协方差矩阵R_y采用广义内积方法进一步剔除距离样本数据X_p(:,m)中的非均匀杂波样本，获得最终均匀杂波样本数据，获得所述最终均匀杂波样本数据对应的杂波协方差矩阵R_cn。

7)根据步骤6)得到的杂波协方差矩阵R_cn，确定自适应权值w_m；所述确定自适应权值w_m的方法，具体为：

s_m＝kron(a₀,b_m)，

b_m＝[1,e^j2πm/M,e^j2πm×2/M,...,e^{j2πm×(M-1)/M}]^T，

其中，m对应多普勒单元，m∈[1,M]，kron为Matlab的kronecker积，s_m为第m个多普勒通道对应的约束空时导向矢量，θ₀为发射波束指向与天线轴向之间的夹角，雷达发射波束指向感兴趣的目标方向。

8)对原始数据X_n(r,m)构造的空时数据x，利用步骤7)所得自适应权值w_m滤波处理，得到杂波抑制之后的输出信号y＝w_m ^Hx。所述对原始回波空时数据进行自适应滤波处理的方法具体如下：

y＝w_m ^Hx，

其中，w_m ^H表示w_m的共轭转置，x为由空域和时域联合构造的列矢量，MN×1维由原始数据构造的空时列矢量。

本发明可应用于受强目标/微动弱目标污染的非均匀杂波样本自适应剔除场景。将子孔径超低旁瓣平滑技术与最小二乘拟合方差偏离方法相结合，能够剔除强目标干扰，从而提升初始杂波协方差矩阵的纯度，同时大幅提升微动目标在旁瓣区的信杂噪比，从而进一步改善杂波协方差矩阵的均匀性，并以此求得空时自适应权值。

实施例

流程图如图1所示，包括步骤如下：

步骤1获取多个通道的距离脉压-方位多普勒数据X_n(r,m)，r∈[1,R]，m∈[1,M]，r表示距离门个数，m表示多普勒单元数目。

步骤2利用超低旁瓣加窗矩阵对采集到的多通道数据进行子孔径平滑处理，得到P组子孔径滑窗的数据X_p(r,m)，具体如下：

其中，p代表第p组滑窗数据，

d为阵元间距，λ为天基雷达或机载雷达发射信号的信号波长。β为超低旁瓣窗对应的加权系数，综合考虑主瓣损失、主瓣展宽、第一旁瓣电平、峰值旁瓣、积分旁瓣比指标确定窗函数类型及该类型输入参数，选择5副瓣，-45dB主副瓣比的泰勒窗函数，θ₀为发射波束指向与天线轴向之间的夹角。

步骤3将步骤2中得到的P组数据，每组沿距离单元分成J组，则第p组数据的第m个多普勒单元的第j组(j∈[1,J])距离单元样本数据形式如下：

其中，R表示原始数据的距离单元总数，floor()表示向下取整，a:1:b表示以步长1从a到b顺序排列。分别统计每组距离单元偏离拟合曲线的方差σ_p,m,j，具体如下：

在此基础上，统计每个距离样本数据X_p,j(:,m)与拟合样本X_p-poly,j(：,m)的偏移量η_p,m,j，按如下方式进行分类：

1)当η_p,m,j大于σ_p,m,j时，该距离样本数据X_p,j(:,m)作为受目标污染样本；

2)当η_p,m,j小于σ_p,m,j时，该距离样本数据X_p,j(:,m)为非目标杂波污染样本，

3)记录该距离样本X_p,j(:,m)的距离单元序号r，每组子孔径滑窗数据中不受目标杂波污染的距离样本数据对应的距离单元序号组成一个集合，P组子孔径滑窗数据对应获得P个集合，{T₁,T₂,...,T_P}，取这些样本集合的交集，得到联合非目标污染样本标签集合T，并抽取P组数据中距离样本标签属于集合T的样本X_p(r,m)，构造P组子孔径滑窗空时数据Y_MP×T，其中M为多普勒单元总数。

步骤4根据得到的空时数据Y，计算其采样协方差矩阵

R_y＝YY^H，

并采用广义内积方法(GIP)计算不同距离样本的GIP值，其计算过程如下：

GIP_r＝Y^H(:,t)R_y ^-1Y(:,t)，

根据得到的GIP值，统计其平均值

计算每一个距离样本的GIP值与平均值的偏差绝对值，并按照升序排列，并取前4MN个索引对应的距离样本，并构造原始数据域下的空时样本矩阵Z_MN×4MN，得到杂波样本对应的采样协方差矩阵，具体如下：

R_cn＝ZZ^H，

步骤5根据得到的杂波协方差矩阵，可求得自适应权值

并逐个按照多普勒通道对原始数据进行滤波处理，得到杂波抑制后的输出y，具体如下：

y＝w_m ^Hx，

其中，x为MN×1维由原始空域和时域数据联合构造的空时列矢量，s_m为不同多普勒通道对应的约束空时导向矢量，其具体表达式如下：

s_m＝kron(a₀,b_m)，

其中，kron为Matlab的kronecker积，a₀和b_m的定义如下：

b_m＝[1,e^j2πm/M,e^j2πm×2/M,...,e^{j2πm×(M-1)/M}]^T，

下面通过对某波段下录取的海上实测数据处理，进一步说明本发明所提方法对杂波抑制性能的改善效果。

图2和图3分别给出了基于广义内积非均匀样本剔除方法和基于本发明所提的非均匀样本剔除算法，并结合后多普勒域FSA算法得到的杂波抑制后的检测结果示意图。由于待检测的合作空中目标是螺旋桨式飞机，存在微多普勒效应，若输出信杂噪比足够高，会在多普勒域等间隔的出现。从两幅图中可以看出，均检测出了目标螺旋桨旋转引入的微多普勒效应，但是采用GIP方法检测到的微动效应点有9个，而采用本发明所提方法得到的微动效应点有14个，可见，采用本发明所提方法能明显降低目标相消现象。另外根据表1所列的检测输出信噪比能量可以发现，对于目标所在位置处的输出信杂噪比，采用本发明方法得到的输出信杂噪比可以达到36dB，而采用GIP方法得到的输出信杂噪比只有26.8dB，信杂噪比提升了接近10dB。而对于GIP方法所检测到的微动效应点能量，所提方法的平均输出信杂噪比相比于GIP方法提升了1dB。在系统信噪比较高的情况下，所提方法的检测性能提升非常明显。因此，本发明所提算法能显著改善目标自相消现象，并提高非均匀杂波样本的检测效果，从而大幅改善基于杂波样本协方差矩阵的空时自适应杂波抑制性能。

表1不同杂波样本挑选方法下的输出信杂噪比

仿真结论：仿真结果表明，相比经典的广义内积非均匀样本剔除方法，本发明方法提升了对强目标/微动目标干扰条件下的非均匀杂波样本剔除效果，并且降低了杂波样本筛选的系统复杂度，有利于工程实现。

本发明说明书中未作详细描述的内容属本领域专业技术人员的公知技术。

Claims

1.一种基于子孔径平滑的辅助杂波样本筛选方法，其特征在于，包括步骤如下：

1)接收到雷达系统N个通道的原始数据，对每个通道的原始数据沿着距离向做脉冲压缩处理，获得R个距离单元，再沿每个距离单元的方位向做傅里叶变换，获得M个多普勒单元，根据所述原始数据处理获得N个通道的距离脉压-方位多普勒数据；其中，第n个通道第r个距离单元第m个多普勒单元的距离脉压-方位多普勒数据为X_n(r,m)；其中，n∈[1,N]，r∈[1,R]，m∈[1,M]，雷达系统每个通道单次脉冲采样窗对应的距离单元总数等于R；雷达系统每个通道相干积累时间内发射的脉冲数等于M所述雷达系统为天基雷达或机载雷达；

3)根据步骤2)得到的所述P组子孔径滑窗数据X_p(r,m)，分别对每组子孔径滑窗数据的每个多普勒单元对应的距离样本数据X_p(:,m)采用最小二乘多项式进行三阶拟合，获得拟合数据X_p-poly(：,m)；同时，根据雷达观测场景的先验信息及雷达观测场景的杂波空间去相关系数，将每组子孔径滑窗数据中的每个多普勒单元的距离样本数据X_p(:,m)和拟合数据X_p-poly(:,m)对应划分为J组，获得第p组第m个多普勒单元第j组的距离样本数据X_p,j(:,m)和拟合数据X_p-poly,j(:,m)，根据X_p,j(:,m)和X_p-poly,j(:,m)分别获得第p组第m个多普勒单元第j组的的均方差σ_p,m,j；其中，j∈[1,J]；

8)根据原始数据构造的空时数据x，利用步骤7)所得自适应权值w_m滤波处理，得到杂波抑制之后的输出信号y＝w_m ^Hx。

2.根据权利要求1所述的一种基于子孔径平滑的辅助杂波样本筛选方法，其特征在于，步骤2)所述第p组的子孔径滑窗数据X_p(r,m)的具体表达形式为：

其中，p∈[1,P]，n∈[1,N]，d为两相邻通道间的阵元间距，λ为天基雷达或机载雷达发射信号的波长；β为超低旁瓣窗对应的加权系数，通过查超低旁瓣加窗函数表确认，θ₀为发射波束指向与天线轴向之间的夹角。

3.根据权利要求2所述的一种基于子孔径平滑的辅助杂波样本筛选方法，其特征在于：所述步骤3)获得均方差σ_p,m,j的方法，具体如下：

31)以1为采样步长，以

为起始采样点，以

为终止采样点，获得第p组数据中第m个多普勒单元的第j组X_p,j(:,m)和X_p-poly,j(:,m)；

4.根据权利要求3所述的一种基于子孔径平滑的辅助杂波样本筛选方法，其特征在于：所述步骤5)从距离样本数据X_p,j(:,m)中筛选出不受强目标污染的杂波样本，得到空时二维数据Y_MP×T的方法，具体为：

当η_p,r,m大于σ_p,m,j时，距离样本数据X_p,j(:,m)作为受目标污染样本；

当η_p,r,m小于σ_p,m,j时，距离样本数据X_p,j(:,m)作为非目标杂波污染样本，记录该距离样本X_p,j(:,m)的距离单元序号r；

每组子孔径滑窗数据中不受目标杂波污染的距离样本数据对应的距离单元序号组成一个集合，P组子孔径滑窗数据对应获得P个集合：{T₁,T₂,...,T_P}，取这些集合的交集，作为联合非目标污染样本标签集合T，并抽取P组子孔径滑窗数据中距离单元序号属于集合T的样本X_p(r,m)，构造不包含强目标污染的空时二维数据Y_MP×T，其中M为多普勒单元总数。

5.根据权利要求1～4之一所述的一种基于子孔径平滑的辅助杂波样本筛选方法，其特征在于：所述步骤7)确定自适应权值w_m的方法，具体为：

s_m＝kron(a₀,b_m)，

b_m＝[1,e^j2πm/M,e^j2πm×2/M,...,e^{j2πm×(M-1)/M}]^T，

其中，m对应多普勒单元，m∈[1,M]，kron为Matlab的kronecker积，s_m为第m个多普勒通道对应的约束空时导向矢量，θ₀为发射波束指向与天线轴向之间的夹角。

6.根据权利要求5所述的一种基于子孔径平滑的辅助杂波样本筛选方法，其特征在于：所述步骤8)对原始回波空时数据进行自适应滤波处理的方法具体如下：

y＝w_m ^Hx，

其中，w_m ^H表示w_m的共轭转置，x为由空域和时域联合构造的列矢量。