CN111812608B - 基于mtd脉冲积累及模态分解的雷达目标方位角估计方法 - Google Patents

Abstract

发明公开了一种基于MTD脉冲积累及模态分解的雷达目标方位角估计方法，本方法首先需要确定机扫雷达，机扫雷达在存在雷达目标的检测范围内进行机械波束扫描得到雷达目标的回波数据，并确定回波脉冲个数L；对L个回波脉冲进行脉冲压缩和动目标检测处理，得到雷达目标的距离信息和多普勒频率，保留雷达目标的距离信息和多普勒频率为先验信息，从脉冲压缩后的数据矩阵中提取目标所在距离单元的信号序列，并对该序列做EMD分解，得到本征模态分量集，通过目标的多普勒频率对本征模态分量集筛选得到目标的模态分量，用目标的模态分量各点做相对角度估计，结合雷达天线指向的绝对方位角度得到目标的绝对方位角度估计，通过本方法提高了方位角估计的精度。

Description

基于MTD脉冲积累及模态分解的雷达目标方位角估计方法

技术领域

本发明属于雷达目标参数估计领域，具体涉及一种基于MTD脉冲积累及模态分解的雷达目标方位角估计方法。

背景技术

雷达目标参数估计是通过对回波数据进行一系列信号处理来提取目标信号信息、并抑制噪声或杂波等干扰的过程。目标参数信息包括距离、速度、方位角、俯仰角等。机械机扫雷达在扫描过程中，可以获得回波数据随方位变化的关系图。当背景环境较复杂时，回波信号受到噪声和杂波的干扰较大，对目标参数信息估计会产生很大的影响。对于两坐标雷达而言，雷达天线波束扫描在方位上是连续的，通过采用动目标检测(MTD，Moving targetsdetection)的脉组滑动处理方法，可以在一定程度上抑制杂波分量，利用最大值法、质心法等测角方法，即可得到目标信号的方位角估计。

而现阶段对于三坐标机扫雷达，在方位维的扫描波束宽度范围内，由于俯仰维也存在波束扫描过程，因此在这种情况下，天线波束扫描过程在方位上并不是连续的，传统的最大值法、滑窗处理法等方法的应用受限，MTD积累的脉组滑动处理方法能在一定程度上抑制杂波。

在多个脉冲积累的条件下，MTD积累的脉组滑动处理方法只能提供一个目标点信息，即只能输出一个中心方位角度，对测角精度有较大的影响。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于MTD脉冲积累及模态分解的雷达目标方位角估计方法。本发明要解决的技术问题通过以下技术方案实现：

一种基于MTD脉冲积累及模态分解的雷达目标方位角估计方法，包括：

确定机扫雷达，所述机扫雷达在目标检测范围内存在雷达目标，所述机扫雷达在其检测范围内进行机械波束扫描得到所述雷达目标的回波数据；

根据所述雷达目标的回波数据得到所述雷达目标的角度范围，在所述雷达目标的角度范围内得到所述雷达目标的回波脉冲的个数为L，所述机扫雷达的左半阵和右半阵分别得到的所述雷达目标的L个回波脉冲的数据组成回波数据矩阵M₁；

对所述回波数据矩阵M₁进行脉冲压缩得到所述雷达目标的距离信息，对脉冲压缩后的所述回波数据矩阵M₁进行MTD处理得到所述雷达目标的多普勒频率，将所述雷达目标的距离信息和所述雷达目标的多普勒频率保留为先验信息；

从所述脉冲压缩后的所述回波数据矩阵M₁中提取所述雷达目标所在距离单元的信号序列，对所述信号序列做EMD分解得到本征模态分量集，对所述本征模态分量集进行FFT处理得到所述本征模态分量集的频域结果，利用所述雷达目标的多普勒频率对所述本征模态分量集进行筛选得到目标的模态分量；

对所述目标的模态分量的各点做方位角度估计，得到所述雷达目标与所述机扫雷达的天线方向的相对方位角度值，通过所述相对方位角度值与所述机扫雷达的天线波束指向对应的绝对方位角度得到所述雷达目标的绝对方位角度估计值，对目标检测范围内的全部雷达目标的绝对方位角度估计值进行融合平均得到所述雷达目标的真实方位角度估计值。

在本发明的一个实施例中，所述回波数据矩阵M₁的表达式为：

M₁＝[x₁,x₂,…,x_i,…x_L]；

其中，x_i表示所述雷达目标的角度范围θ_s～θ_d内的第i个脉冲接收到的回波数据，i∈{1,2,…,L}；L表示在所述雷达目标的角度范围内接收到的回波脉冲的总数，θ_s为下限角度估计值，θ_d为上限角度估计值。

在本发明的一个实施例中，所述距离信息的数据矩阵为脉冲压缩结果矩阵M_P，所述多普勒频率的数据矩阵为MTD处理结果矩阵M_t，由所述脉冲压缩结果矩阵M_P和所述MTD处理结果矩阵M_t得到所述雷达目标的角度范围内所述雷达目标的回波数据所在的距离单元和多普勒通道。

在本发明的一个实施例中，所述本征模态分量集的表达式为：

[imf₀,imf₁,…,imf_i,…,imf_N]；

其中，imf_i表示第i个本征模态分量，i∈{1,2,…,N}；N表示所述本征模态分量集中本征模态分量的个数。

在本发明的一个实施例中，所述雷达目标的本征模态分量集为一个N×L的模态分量矩阵。

在本发明的一个实施例中，对所述本征模态分量集进行FFT处理得到所述本征模态分量集的频域结果，利用所述雷达目标的多普勒频率对所述本征模态分量集进行筛选得到目标的模态分量，包括：

对N个本征模态分量分别进行FFT处理得到所述N个本征模态分量的频域结果，所述N个本征模态分量的频域结果的横坐标为多普勒频率，利用所述多普勒频率区分所述本征模态分量集为杂波分量和目标分量；

利用所述多普勒频率对所述本征模态分量集进行筛选得到目标的模态分量，所述目标的模态分量是长度为L的序列；

对所述机扫雷达的左半阵和右半阵的回波数据分别进行雷达目标方位角估计得到左半阵的模态分量和右半阵的模态分量，所述左半阵的模态分量和所述右半阵的模态分量均为长度L的序列。

在本发明的一个实施例中，对所述目标的模态分量的各点做方位角度估计，得到所述雷达目标与所述机扫雷达的天线方向的相对方位角度值，包括：

利用单脉冲测角方法对所述目标的模态分量的各点做方位角度估计，得到所述雷达目标与所述机扫雷达的天线方向的相对方位角度值。

在本发明的一个实施例中，所述雷达目标的绝对方位角度θ_r的表达式为：

其中，θ_i为在第i个方位上雷达目标相对于机扫雷达的天线波束指向的相对角度，i∈{1,2,…,L}；θ_s为下限角度估计值，θ_d为上限角度估计值；L表示所述雷达目标的角度范围内接收到的脉冲总数。

本发明的有益效果：

本发明针对三坐标机扫雷达目标方位角估计性能差的问题，提供了一种基于MTD脉冲积累及模态分解的雷达目标方位角估计方法，本方法是在机扫雷达的目标方位角估计时，在雷达目标所在角度范围内通过进行MTD处理得到雷达目标的距离信息和多普勒频率，然后对经过MTD处理的回波数据进行EMD分解和FFT处理，利用雷达目标的距离信息和多普勒频率对本征模态分量集进行筛选得到目标的模态分量，由目标的模态分量的多个序列点做相对方位角度估计，结合雷达天线波束指向的绝对方位角度值，最终得到精确的雷达目标绝对方位角估计值，进而得到精确的估计机扫雷达目标方位角和高性能的雷达目标方位角估计方法。

以下将结合附图及实施例对本发明做进一步详细说明。

附图说明

图1是本发明实施例提供的一种基于MTD脉冲积累及模态分解的雷达目标方位角估计方法流程图；

图2a是本发明实施例提供的杂波背景下目标信号的多普勒域仿真图；

图2b是本发明实施例提供的雷达目标方位角估计方法处理后的目标信号的多普勒域仿真图；

图3是本发明实施例提供的雷达目标方位角估计方法固定信噪比测试试验仿真图；

图4是本发明实施例提供的一种不同信噪比条件测角均方误差仿真对比图；

图5是本发明实施例提供的一种不同信噪比条件及不同回波脉冲数条件下测角均方误差仿真对比图。

具体实施方式

下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

实施例一

请参见图1，图1是本发明实施例提供的一种基于MTD脉冲积累及模态分解的雷达目标方位角估计方法流程图。本发明实施例提供的一种基于MTD脉冲积累及模态分解的雷达目标方位角估计方法，包括：

步骤1、确定机扫雷达，机扫雷达在目标检测范围内存在雷达目标，机扫雷达在其检测范围内进行机械波束扫描得到雷达目标的回波数据。

步骤2、根据雷达目标的回波数据得到雷达目标的角度范围，在雷达目标的角度范围内得到雷达目标的回波脉冲的个数为L，机扫雷达的左半阵和右半阵分别得到的雷达目标的L个回波脉冲的数据组成回波数据矩阵M₁。

进一步地，回波数据矩阵M₁的表达式为：

M₁＝[x₁,x₂,…,x_i,…x_L]；

其中，x_i表示雷达目标的角度范围为θ_s～θ_d范围内的第i个脉冲接收到的回波数据，i∈{1,2,…,L}；L表示在雷达目标的角度范围内接收到的回波脉冲的总数，θ_s为下限角度估计值，θ_d为上限角度估计值。

步骤3、对回波数据矩阵M₁进行脉冲压缩得到雷达目标的距离信息，对脉冲压缩后的回波数据矩阵M₁进行MTD处理得到雷达目标的多普勒频率，将雷达目标的距离信息和雷达目标的多普勒频率保留为先验信息。

进一步地，距离信息的数据矩阵为脉冲压缩结果矩阵M_P，多普勒频率的数据矩阵为MTD处理结果矩阵M_t，由脉冲压缩结果矩阵M_P和MTD处理结果矩阵M_t得到雷达目标的角度范围内雷达目标的回波数据所在的距离单元和多普勒通道。

步骤4、从所述脉冲压缩后的所述回波数据矩阵M₁中提取所述雷达目标所在距离单元的信号序列，对信号序列做EMD分解得到本征模态分量集，对本征模态分量集进行FFT处理得到本征模态分量集的频域结果，利用雷达目标的多普勒频率对本征模态分量集进行筛选得到目标的模态分量。

进一步地，本征模态分量集的表达式为：

[imf₀,imf₁,…,imf_i,…,imf_N]；

其中，imf_i表示第i个本征模态分量，i∈{1,2,…,N}；N表示本征模态分量集中本征模态分量的个数。

本征模态分量集为一个N×L的模态分量矩阵。

对本征模态分量集进行FFT处理得到本征模态分量集的频域结果，利用雷达目标的多普勒频率对本征模态分量集进行筛选得到目标的模态分量，包括：

步骤41、对N个本征模态分量分别进行FFT处理得到N个本征模态分量的频域结果，N个本征模态分量的频域结果的横坐标为多普勒频率，利用多普勒频率区分本征模态分量集为杂波分量和目标分量；

步骤42、利用多普勒频率对本征模态分量集进行筛选得到目标的模态分量，目标的模态分量是长度为L的序列；

步骤43、对机扫雷达的左半阵和右半阵的回波数据分别进行雷达目标方位角估计得到左半阵的模态分量和右半阵的模态分量，左半阵的模态分量和右半阵的模态分量均为长度L的序列。

步骤5、对目标的模态分量的各点做方位角度估计，得到雷达目标与机扫雷达的天线方向的相对方位角度值，通过相对方位角度值与机扫雷达的天线波束指向对应的绝对方位角度得到雷达目标的绝对方位角度估计值，对目标检测范围内的全部雷达目标的绝对方位角度估计值进行融合平均得到雷达目标的真实方位角度估计值。

雷达目标的绝对方位角度θ_r的表达式为：

其中，θ_i为在第i个方位上雷达目标相对于机扫雷达的天线波束指向的相对角度，i∈{1,2,…,L}；θ_s为下限角度估计值，θ_d为上限角度估计值；L表示雷达目标的角度范围内接收到的脉冲总数。

具体的，本雷达目标方位角估计方法是在机扫雷达的目标方位角估计时，在雷达目标所在角度范围内通过对回波数据进行MTD处理、EMD分解和FFT处理等信号处理手段得到目标的距离信息和多普勒频率，通过对雷达目标所在距离单元的信号序列做EMD分解得到本征模态分量集，利用目标多普勒频率筛选得到目标的模态分量。

该方法可以利用EMD分解的特点，通过多普勒频率从分解得到的本征模态分量集中筛选出目标的模态分量，得到一个无杂波干扰的信号序列，解决了MTD处理方法在多脉冲积累的条件下只提供一个目标点信息的缺陷，并且一定程度上抑制了杂波分量的干扰，提高了杂波背景下目标方位角估计的精确度。

MTD(Moving Targets Detection)为动目标检测，EMD(Empirical ModeDecomposition)为经验模式分解，FFT(Fast Fourier Transform)为快速傅里叶变换，均为现有技术。

对目标的模态分量的各点做方位角度估计的方法为单脉冲测角方法。

具体地，本雷达目标方位角估计方法中用到的机扫雷达为单脉冲机械机扫雷达，该机扫雷达可设置为：脉冲重复频率为1000Hz，其扫描周期为10s，机扫雷达的天线阵列共20个阵元，机扫雷达的阵元间距半波长，其输出信噪比10dB、杂噪比为30dB、目标扫描角度范围为0°～6°之间。

实施例二

仿真条件：

目标机扫雷达脉冲重复频率为1000Hz，其检测范围内扫描一圈的时间为10s，机扫雷达的天线阵列共20个阵元，机扫雷达的阵元间距半波长，其输出信噪比10dB、杂噪比为30dB、目标扫描角度范围为0°～6°之间。

仿真环境中设定地杂波为瑞利分布高斯谱杂波，杂波环境下测角均方误差为1.44，噪声为高斯白噪声。实验条件设置为回波脉冲数目，每种回波脉冲数条件设置均分为仅添加噪声干扰的理想环境、添加杂波和噪声信号做干扰并用本方法处理的两种情况，测角方法使用半阵法和差测角。

仿真结果和分析：

在包括噪声干扰及杂波的背景环境条件下，MTD脉冲积累可以在一定程度上抑制噪声干扰及杂波，提高检测信噪比，并反馈雷达目标的距离信息和多普勒频率。以此为条件，分析结果如下。

请参见图2a，图2a是本发明实施例提供的杂波背景下目标信号的多普勒域仿真图，表示回波脉冲数设定为18时，得到雷达目标所在距离单元的信号序列及其多普勒域结果，其中，横坐标为多普勒频率，则杂波多普勒谱线在零频附近。

请参见图2b，图2b是本发明实施例提供的雷达目标方位角估计方法处理后的目标信号的多普勒域仿真图，表示利用EMD分解方法和雷达目标多普勒频率筛选方法得到目标的模态分量，进而得到该目标的模态分量的多普勒域，则此时杂波分量已被有效抑制。并且，由EMD分解方法可知，筛选后的目标的模态分量各点均可用来做后续参数估计。

请参见图3，图3是本发明实施例提供的雷达目标方位角估计方法固定信噪比测试试验仿真图，表示在一定信噪比条件下，杂波和噪声信号做干扰并用本方法处理后的1000次测试结果与目标实际所在方位角度值的对比。横坐标为实验次数，纵坐标为各实验条件下返回的雷达目标的测角结果，返回值已结合天线波束指向的绝对方位角度值转换为目标的绝对方位角结果。仿真条件下设置雷达目标绝对方位角为3.1°，从图示结果来看，本方法用筛选后的目标的模态分量各点测角结果围绕雷达目标真实的方位角度上下浮动，可验证本方法的正确性。

请参见图4，图4是本发明实施例提供的一种不同信噪比条件测角均方误差仿真对比图，表示回波脉冲数为18的条件，在不添加杂波干扰的理想环境和添加杂波和噪声干扰并用本方法处理的两种环境下的测角结果均方误差对比情况。横坐标为信噪比，纵坐标为均方误差。每个信噪比分别在不添加杂波干扰的理想环境和添加杂波和噪声干扰并用本方法处理的两种环境下进行1000次蒙特卡洛实验。从均方误差结果来看，本方法的测试结果与无杂波干扰环境下的均方误差结果对比误差较小，且随着信噪比的提高，测角精度也逐渐提高。

参考图5，图5是本发明实施例提供的一种不同信噪比条件和不同回波脉冲数条件下件测角均方误差仿真对比图，表示对比不同回波脉冲数的条件，不同信噪比的情况下采用本方法的测角结果均方误差对比。实验条件中回波脉冲数分别设置为18脉冲、12脉冲和8脉冲三种数据条件，其对应的方位角测量均方误差结果如图5所示，由此可见，脉冲数目越多，测角均方误差结果越小。

综上，本发明提出的一种基于MTD脉冲积累及复数据经验模态分解的雷达目标方位角估计方法，利用EMD分解的特点，在实现杂波抑制的同时能保留雷达目标的完整信息，有效提高机扫雷达在杂波背景下的目标方位角的估计精度。并且用仿真实验验证了本方法的正确性、有效性和可靠性。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (8)

1.一种基于MTD脉冲积累及模态分解的雷达目标方位角估计方法，其特征在于，包括：

确定机扫雷达，所述机扫雷达在目标检测范围内存在雷达目标，所述机扫雷达在所述目标检测范围内进行机械波束扫描得到所述雷达目标的回波数据；

根据所述雷达目标的回波数据得到所述雷达目标的角度范围，在所述雷达目标的角度范围内得到所述雷达目标的回波脉冲的个数为L，所述机扫雷达的左半阵和右半阵分别得到的所述雷达目标的L个回波脉冲的数据组成回波数据矩阵M₁；

对所述回波数据矩阵M₁进行脉冲压缩得到所述雷达目标的距离信息，对脉冲压缩后的所述回波数据矩阵M₁进行MTD处理得到所述雷达目标的多普勒频率，将所述雷达目标的距离信息和所述雷达目标的多普勒频率保留为先验信息；

从所述脉冲压缩后的所述回波数据矩阵M₁中提取所述雷达目标所在距离单元的信号序列，对所述信号序列做EMD分解得到本征模态分量集，对所述本征模态分量集进行FFT处理得到所述本征模态分量集的频域结果，利用所述雷达目标的多普勒频率对所述本征模态分量集进行筛选得到目标的模态分量；

对所述目标的模态分量的各点做方位角度估计，得到所述雷达目标与所述机扫雷达的天线方向的相对方位角度值，通过所述相对方位角度值与所述机扫雷达的天线波束指向对应的绝对方位角度得到所述雷达目标的绝对方位角度估计值，对目标检测范围内的全部雷达目标的绝对方位角度估计值进行融合平均得到所述雷达目标的真实方位角度估计值。

2.根据权利要求1所述的基于MTD脉冲积累及模态分解的雷达目标方位角估计方法，其特征在于，所述回波数据矩阵M₁的表达式为：

M₁＝[x₁,x₂,…,x_i,x_L]；

其中，x_i表示在所述雷达目标的角度范围θ_s～θ_d内的第i个脉冲接收到的回波数据，i∈{1,2,…,L}；L表示在所述雷达目标的角度范围内接收到的回波脉冲的总数，θ_s为下限角度估计值，θ_d为上限角度估计值。

3.根据权利要求1所述的基于MTD脉冲积累及模态分解的雷达目标方位角估计方法，其特征在于，所述距离信息的数据矩阵为脉冲压缩结果矩阵M_P，所述多普勒频率的数据矩阵为MTD处理结果矩阵M_t，由所述脉冲压缩结果矩阵M_P和所述MTD处理结果矩阵M_t得到所述雷达目标的角度范围内所述雷达目标的回波数据所在的距离单元和多普勒通道。

4.根据权利要求1所述的基于MTD脉冲积累及模态分解的雷达目标方位角估计方法，其特征在于，所述本征模态分量集的表达式为：

[imf₀,imf₁,…,imf_i,…,imf_N]；

其中，imf_i表示第i个本征模态分量，i∈{1,2,…,N}；N表示所述本征模态分量集中本征模态分量的个数。

5.根据权利要求1所述的基于MTD脉冲积累及模态分解的雷达目标方位角估计方法，其特征在于，所述本征模态分量集为一个N×L的模态分量矩阵。

6.根据权利要求1所述的基于MTD脉冲积累及模态分解的雷达目标方位角估计方法，其特征在于，对所述本征模态分量集进行FFT处理得到所述本征模态分量集的频域结果，利用所述雷达目标的多普勒频率对所述本征模态分量集进行筛选得到目标的模态分量，包括：

对N个本征模态分量分别进行FFT处理得到所述N个本征模态分量的频域结果，所述N个本征模态分量的频域结果的横坐标为多普勒频率，利用所述多普勒频率区分所述本征模态分量集为杂波分量和目标分量；

利用所述多普勒频率对所述本征模态分量集进行筛选得到目标的模态分量，所述目标的模态分量是长度为L的序列；

对所述机扫雷达的左半阵和右半阵的回波数据分别进行雷达目标方位角估计得到左半阵的模态分量和右半阵的模态分量，所述左半阵的模态分量和所述右半阵的模态分量均为长度L的序列。

7.根据权利要求1所述的基于MTD脉冲积累及模态分解的雷达目标方位角估计方法，其特征在于，对所述目标的模态分量的各点做方位角度估计，得到所述雷达目标与所述机扫雷达的天线方向的相对方位角度值，包括：

利用单脉冲测角方法对所述目标的模态分量的各点做方位角度估计，得到所述雷达目标与所述机扫雷达的天线方向的相对方位角度值。

8.根据权利要求1所述的基于MTD脉冲积累及模态分解的雷达目标方位角估计方法，其特征在于，所述雷达目标的绝对方位角度θ_r的表达式为：

其中，θ_i为在第i个方位上雷达目标相对于机扫雷达的天线波束指向的相对角度，i∈{1,2,…,L}；θ_s为下限角度估计值，θ_d为上限角度估计值；L表示所述雷达目标的角度范围内接收到的脉冲总数。

Images