CN111044979A - 一种基于盲源分离的主瓣干扰对消与目标角度估计方法 - Google Patents

Abstract

本发明涉及雷达通信技术领域，提供了一种利用盲源分离所分离出来的干扰通道对消其他天线通道中接收的干扰并进行单脉冲测角的干扰抑制方法。包含步骤：1、接收信号和干扰数据；2、获取接收天线阵列的输出数据；3、对面阵输出进行加权得到和差波束数据；4、对另一天线重复步骤1和2，并对接收数据进行盲源分离；5、提取分离后干扰数据；6、利用提取的干扰数据对得到的和差波束数据分别进行干扰对消；7、用干扰对消后的和差波束数据进行和差波束测角得到目标的方位角和俯仰角。本发明通过对分布式雷达中的一个通道进行盲源分离，并用使用该通道离出的干扰数据对其他天线通道进行干扰消除，大大节约了成本，更加快捷高效。

Description

一种基于盲源分离的主瓣干扰对消与目标角度估计方法

技术领域

本发明属于雷达通信技术，尤其涉及抑制测角中所面对的压制干扰抑制技术。

背景技术

近些年，随着电子硬件技术的和信号处理算法的进步，雷达技术也在不断发展。各种新体制雷达也在不断涌现，其中MIMO体制雷达比较具有代表性。MIMO雷达从体制上可分为集中式和分布式两种，由于MIMO雷达相比传统雷达的诸多优势，对于MIMO雷达的研究也从未停止。

为了有针对性的对雷达进行干扰，首先要利用侦察接收机对雷达的各个工作参数进行侦察。因此，作为雷达方来说，有必要研究雷达的抗侦察能力。现有的雷达侦察技术多是针对传统的雷达，而对于MIMO雷达来说，由于其发展历史较短，目前关于其抗侦察性能方面的研究也较少。

对于雷达抗干扰技术来说，关键是要区分出目标信号与干扰信号，然后采用相应措施对干扰信号进行抑制。可以从雷达系统的各个组成部分入手，如发射机、天线、接收机和信号处理模块等。也可以从信号的各个域着手，比如从时域、频域、时频域、空域等对信号和干扰加以分离和抑制。

盲源分离(BSS：Blind source separation)，是信号处理中一个传统而又极具挑战性的问题，BSS指仅从若干观测到的混合信号中恢复出无法直接观测的各个原始信号的过程，这里的“盲”，指源信号不可测，混合系统特性事先未知这两个方面。在科学研究和工程应用中，很多观测信号都可以看成是多个源信号的混合，所谓鸡尾酒会问题就是个典型的例子。其中独立分量分析ICA(Independent component analysis)是一种盲源信号分离方法，它已成为阵列信号处理和数据分析的有力工具，而BSS比ICA适用范围更宽。目前国内对盲信号分离问题的研究，在理论和应用方面取得了很大的进步，但是还有很多的问题有待进一步研究和解决。

主瓣干扰抑制，由于干扰与信号距离很近，在频域和空域都无法运用传统的自适应方法进行分离

现有的盲源分离方法，在一定程度上，可以实现信号与干扰的分离，但是这种干扰分离技术只能提取出信号的距离信息，而不能提取目标的角度信息，

发明内容

本发明所要解决的技术问题是，针对于分布式天线系统，提供一种利用盲源分离后的干扰信息进行其他干扰对消从而实现单脉冲测角的方法。

本发明为解决上述技术问题所采用的技术方案是，一种基于盲源分离的主瓣干扰对消与目标角度估计方法，其特征在于，包括以下步骤：

1)分布式雷达中L个天线接收雷达信号，所述雷达信号中包含有干扰数据；L为分布式雷达中天线总数，为大于等于3的整数；

2)选择1个天线进行盲源分离步骤，同时其余L-1个天线进行和差波束提取步骤：

盲源分离步骤：1个天线对接收的雷达信号进行盲源分离处理，提取出干扰通道的的干扰数据，并输出至其余L-1个天线的通道上；

和差波束提取步骤：L-1个天线分别获取其均匀面阵输出数据，再通过均匀面阵输出数据得到和波束、方位角的差波束以及俯仰角的差波束；

3)L-1个天线利用接收到的干扰数据分别对自己的和波束、方位角的差波束以及俯仰角的差波束进行干扰对消；

4)分布式雷达系统对干扰对消后的L-1个天线的和波束、方位角的差波束以及俯仰角的差波束先进行匹配滤波之后，再进行和差波束测角得到方位角和俯仰角。

本发明从阵列天线模块出发，对MIMO雷达的抗干扰性能进行研究；采用盲源分离，利用信号与干扰的不相关性进行分离，利用其中一个天线进行盲源分离，提取干扰信息，对其他天线进行干扰消除。相比于现有的压制干扰抑制方法，需要获取或多或少的信号先验信息，在具体的工程运用当中不能很好的得到运用，该方法无需获取这类先验知识，并且降低了成本，提高了干扰抑制的效率。

本发明的有益效果是，大大节约了成本，更加快捷高效，有很强的工程实用性，为测角和定位等相关实际应用提供了简洁高效的帮助。

附图说明

图1为基于盲源分离主瓣干扰对消测角方法的流程图。

图2为实例通过盲源分离干扰对消后测得误差角曲线。

图3为实例未通过盲源分离干扰对消测得误差角曲线。

具体实施方式

为了更好地描述，首先进行了如下定义：

MIMO雷达：多输入多输出雷达，即具有多个发射天线和多个接收天线的雷达。它可以看成是相控阵雷达的进一步发展，该雷达发射的信号波形具有很强的灵活性，且易扩展。一般情况下，这种雷达发射的信号波形间需要具有良好的正交特性。

盲源分离：在信号的理论模型和源信号无法精确获知的情况下，如何从混叠信号中分离出各源信号的过程。

JADE算法：JADE算法现是由Cardoso通过对信号四阶累积量的相关性质进行深入研究，提出的基于矩阵联合对角化特征矢量算法。该算法要求一个白化矩阵对接收的观测信号进行白化预处理(包含去噪)得到白化信号，之后寻找一个酉变换矩阵用来实现四阶累积量矩阵对角化，信号的分离也就可以基于这两个矩阵来完成。

LMS算法：又名最小均方算法，是一种最陡下降算法的改进算法，是在维纳滤波理论上运用速下降法后的优化延伸。

主瓣干扰：主瓣是位于天线方向图上的最大辐射波束。主瓣干扰则是存在于天线主瓣方向上的干扰信息。

下面结合说明书附图详细说明本发明的具体实施方式。

如图1所示的本发明的一种基于盲源分离干扰对消的测角方法的流程图，其具体包含以下步骤：

步骤1、构建面阵阵元位置矩阵(24个子阵)，构造降维矩阵B、构造窗函数Win、接收含有干扰的雷达信号X，对雷达信号X进行如下处理得到包含信号、干扰加噪声的混合面阵输出雷达数据R1：

R1＝B′*(VEC.*Win.*X)

其中，′为转置符号，*为普通矩阵乘积，.*为点积，表示矩阵内元素对应相乘，VEC为所有采样样本点位置矩阵Vec_pos_mat的合集；

步骤2、把24个子阵合并为16个子阵，得到输出数据R2。

步骤3、利用波束指向向量α0得到面阵波束指向向量α24：

α24＝B'*(Vec_pos_mat.*α0)，其中，Vec_pos_mat是一个样本拉直后位置矩阵；再把α24合成16子阵波束指向向量α16，从而得到方位角和俯仰角的和差波束向量W_adiff和W_ediff；

W_adiff＝[1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1]*α16

W_ediff＝[1,-1,1,1,-1,-1,1,-1,1,1,-1,-1,1,-1,1,-1]*α16

计算得到方位角的差波束：Y_adiff＝W_adiff*R2、俯仰角的差波束：Y_ediff＝W_ediff*R2、和波束为：Y_sum＝α16*R2。

重复步骤1到步骤3，得到完成L-1个天线进行和差波束提取，L为分布式雷达中天线总数。

步骤4、对剩下1个天线重复步骤1，对得到的雷达数据R1进行基于JADE算法盲源分离：

先求得雷达数据R1相关矩阵R，

k表示观测时间序号变量，r(k)表示时刻k的雷达数据R1，N为观测时间总长度；

对相关矩阵R进行特征值分解，R＝UΛU^H，U为酉矩阵，Λ为对角矩阵；求取白化矩阵W，WH＝U，H为已知混合矩阵；

求白化后雷达信号的四阶累积量矩阵Q_z(T)：

其中，cum(·,·,·,·,)为四阶累积量运算，T＝(q_ml)_M×M为大小为M×M的任意一个非零矩阵，M表示源信号的数目，q_ml为非零矩阵第m行第l列的对应元素，中间运算矩阵z＝WR1，′为转置符号，z_j1(k),z_j2(k),z_j3(k),z_j4(k)分别表示时刻k的中间运算矩阵z的任意4列；

最后对四阶累积量矩阵Q_z(T)进行特征值分解，可以求得酉矩阵U的估计矩阵V。

再根据估计矩阵V与白化矩阵W对雷达数据R1进行处理得到盲源分离结果为：

其中，

表示估计信号，^H表示矩阵的共轭转置。

步骤5、经过盲源分离后提取出干扰通道的的干扰数据，并输出至其余L-1个天线的通道上。

步骤6、利用步骤5得到的干扰数据，L-1个天线利用接收到的干扰数据分别对自己的和波束、方位角的差波束以及俯仰角的差波束运用LMS算法进行SLC干扰对消，得到抑制干扰后的输出数据与发射信号进行匹配滤波。

步骤7、根据和差波束原理，利用步骤6获取的数据进行和差波束测角。为了检测估计效果，收集匹配滤波后的和波束波峰对应位置信息index1以及方向维差波束谷底对应位置信息index2和俯仰维差波束谷底对应的位置信息index3计算和差波束比为：

fa＝Y_adiff(index2)/Y_sum(index1)

fe＝Y_ediff(index3)/Y_sum(index1)

利用和差波束比fa和fe可以根据以下公式计算出方向维和俯仰维的测角误差：

其中k1,k2和k3是预设的相关系数。

步骤8、对于方位角和俯仰角角度误差进行蒙特卡洛仿真，重复100-150次，得到较为稳定平滑的误差角曲线。

本发明的关键要素是基于盲源分离算法分理出干扰数据，利用干扰数据对其他天线通道接收信号进行SLC干扰对消，从而简单高效的实现多个天线的压制干扰抑制的目的，并未下一步的测角或者定位提供了良好的检测环境。

下面是实施实例，采用两个均匀面阵天线接收数据，包括信号与主瓣干扰数据，运用本方法，对其中一个天线进行盲源分离，提取干扰，对另一根天线接收数据进行对消，完场干扰抑制后进行单脉冲测角实验，所得误差角曲线如图2所示，图3为未采用该方法抑制干扰后的误差角曲线。可以对比看到，本方法实现了主瓣干扰抑制效果。

以上仿真实验验证了本方法的有效性可靠性。

综上所述，盲源分离干扰对消抑制干扰的方法，解决了主瓣干扰难以在时域和空域上被滤除的问题，利用信号与干扰的不相关性，通过一个天线进行盲源分离，利用提取出的干扰信息，对其余天线通道进行干扰对消，大大提升了效率，降低了成本，在分布式雷达干扰抑制中，起到了很好的效果，为分布式雷达的测角定向等工作，提供了帮助。

Claims (5)

1.一种基于盲源分离的主瓣干扰对消与目标角度估计方法，其特征在于，包括以下步骤：

1)分布式雷达中L个天线接收雷达信号，所述雷达信号中包含有干扰数据；L为分布式雷达中天线总数，为大于等于3的整数；

2)选择1个天线进行盲源分离步骤，同时其余L-1个天线进行和差波束提取步骤：

盲源分离步骤：1个天线对接收的雷达信号进行盲源分离处理，提取出干扰通道的的干扰数据，并输出至其余L-1个天线的通道上；

和差波束提取步骤：L-1个天线分别获取其均匀面阵输出数据，再通过均匀面阵输出数据得到和波束、方位角的差波束以及俯仰角的差波束；

3)L-1个天线利用接收到的干扰数据分别对自己的和波束、方位角的差波束以及俯仰角的差波束进行干扰对消；

4)分布式雷达系统对干扰对消后的L-1个天线的和波束、方位角的差波束以及俯仰角的差波束先进行匹配滤波之后，再进行和差波束测角得到方位角和俯仰角。

2.如权利要求1所述方法，其特征在于，对接收的雷达信号进行盲源分离处理的方式是，先对雷达接收数据X进行处理，得到均匀面阵输出雷达数据R1，采用JADE算法对均匀面阵输出雷达数据R1进行盲源分离处理。

3.如权利要求2所述方法，其特征在于，所述JADE算法是：先对雷达数据R1进行白化，得到白化矩阵W，然后求白化雷达信号的四阶累积量矩阵Q_z(T)，并对四阶累积量矩阵进行特征值分解，求得酉矩阵U的估计矩阵V，再根据估计矩阵V与白化矩阵W对雷达数据R1进行处理得到盲源分离结果为：

其中，

表示估计信号，^H表示矩阵的共轭转置；

其中，对雷达数据R1进行白化的具体步骤为:

2-1-1)先求得雷达数据R1相关矩阵R，

k表示观测时间序号变量，r(k)表示时刻k的雷达数据R1，N为观测时间总长度；

2-1-2)对相关矩阵R进行特征值分解，R＝UΛU^H，U为酉矩阵，Λ为对角矩阵；求取白化矩阵W，WH＝U，H为已知混合矩阵；

2-1-3)求白化后雷达信号的四阶累积量矩阵Q_z(T)：

其中，cum(·,·,·,·,)为四阶累积量运算，T＝(q_ml)_M×M为大小为M×M的任意一个非零矩阵，M表示源信号的数目，q_ml为非零矩阵第m行第l列的对应元素，中间运算矩阵z＝WR1，′为转置符号，z_j1(k),z_j2(k),z_j3(k),z_j4(k)分别表示时刻k的中间运算矩阵z的任意4列；

2-1-4)最后对四阶累积量矩阵Q_z(T)进行特征值分解，可以求得酉矩阵U的估计矩阵V。

4.如权利要求1所述方法，其特征在于，天线获取其均匀面阵输出数据，再通过均匀面阵输出数据得到和波束、方位角的差波束以及俯仰角的差波束的方法是：

2-2-1)构建均匀面阵的24个子阵矩阵、降维矩阵B和窗函数Win对接收到的雷达信号X进行处理，得到均匀面阵输出数据R1：

R1＝B′*(VEC.*Win.*X)，其中′为转置符号，.*为点积，VEC为所有采样样本点位置矩阵Vec_pos_mat的合集；

2-2-2)把24个子阵合并为16个子阵，得到输出数据R2；

2-2-3)利用波束指向向量α0得到面阵波束指向向量α24：

α24＝B'*(Vec_pos_mat.*α0)，其中，Vec_pos_mat是一个样本拉直后位置矩阵；再把α24合成16子阵波束指向向量α16，从而得到方位角和俯仰角的和差波束向量W_adiff和W_ediff；

W_adiff＝[1,1,1,1,1,1,1,1,-1,-1,-1,-1,-1,-1,-1,-1]*α16

W_ediff＝[1,-1,1,1,-1,-1,1,-1,1,1,-1,-1,1,-1,1,-1]*α16

计算得到方位角的差波束：Y_adiff＝W_adiff*R2、俯仰角的差波束：

Y_ediff＝W_ediff*R2、和波束为：Y_sum＝α16*R2。

5.如权利要求1所述方法，其特征在于，还包括对得到的目标角度估计进行验证的步骤：利用和差波束测角得到方位角和俯仰角，与实际设置的方位角和俯仰角的相关系统求得方位角和俯仰角的角度误差，并对于角度误差进行蒙塔卡拉仿真，重复100-150次，得到较为稳定平滑的误差角曲线。

Images