CN112612007B - 基于近场效应的超稀疏阵列机载雷达动目标距离解模糊方法 - Google Patents

Abstract

本发明提供一种基于近场效应的超稀疏阵列机载雷达动目标距离解模糊方法，方法如下：对空时回波数据进行模数转换；根据得到的数据计算所对应的真实距离，计算出不同距离对应稀疏阵列目标空域导向矢量，再结合目标时域导向矢量得到目标空时导向矢量集合；利用待检测距离门相邻距离门数据作为训练样本，得到相应的杂波协方差矩阵；利用杂波协方差矩阵和目标空时导向矢量集合构造出空时自适应权值，实现对杂波抑制和目标积累后的数据集分别进行恒虚警检测，完成对运动目标的检测；比较所检测目标的功率大小，选择功率最大时目标空域导向矢量所对应的真实距离为目标解模糊后距离。本发明有利于机载雷达在约束数据率前提下增大相参脉冲积累时间，提升对运动目标有效探测。

Description

基于近场效应的超稀疏阵列机载雷达动目标距离解模糊方法

技术领域

本发明涉及雷达信号处理技术领域，更具体地，涉及一种基于近场效应的超稀疏阵列机载雷达动目标距离解模糊方法。

背景技术

目前，雷达系统一般采用大孔径的天线阵列来增加探测覆盖范围和提高参数估计精度的要求。然而，采用大孔径的天线阵列(满足半波长间距要求)会使得系统成本骤增，且阵元间耦合加剧。超稀疏大孔径阵列在提升阵列孔径的同时可大幅减少阵元数目，有效地解决了系统成本和探测性能间的矛盾。

当前较为典型的超稀疏阵列机载雷达形式为无人机集群协同探测模式。无人机系统经过几十年的发展，已经逐步从安全性空域执行情报侦查任务向对抗性空域执行主流作战任务发展。同时，无人机的作战样式已逐步从单平台作战向多平台集群作战方向发展。如将雷达布置于无人机集群系统上，便形成分布式无人机集群雷达协同探测系统。与传统有人单基预警雷达相比，无人机集群预警探测具备显著优势。首先，超稀疏大阵列天线具有更大的天线孔径和空域自由度，可实现更高的目标空间分辨率和更好的杂波抑制性能，同时更窄的主瓣波束可有效对抗主瓣干扰；其次，多架无人机进行探测可大大提升预警探测系统的生存能力，即使单架或多架无人机被摧毁，其集群整体探测性能几乎不受影响；最后，采用无人机集群探测可完全通过无人驾驶执行任务，因此可深入到更接近于高威胁区域的前沿进行有效探测，既可保证无人机安全可靠的完成任务，又可向外大大延伸探测空间。

在实际应用中，为更好的探测运动目标，机载雷达往往工作在中/高重频，因此存在严重距离模糊。为了得到动目标的真实距离，当前机载雷达系统工作于多脉冲重复频率模式，通过多重频来实现对动目标的距离解模糊。采用这种方式，一方面需要在单个波位以多个重频模式发射脉冲，且重频间脉冲无法相参积累，使得单一重频工作期间目标积累脉冲数受限，不利于对弱小目标的检测；另一方面，多重频解模糊算法需要较多运算量，占用较多硬件计算资源。

发明内容

本发明为克服上述现有技术中机载雷达存在严重距离模糊，不能对弱小目标检测的问题，提供了一种基于近场效应的超稀疏阵列机载雷达动目标距离解模糊方法，其给出了更为简单有效的动目标距离解模糊方法，有利于机载雷达在约束数据率前提下增大相参脉冲积累时间，从而提升对运动目标特别是弱小运动目标的有效探测。

为解决上述技术问题，本发明的技术方案如下：一种基于近场效应的超稀疏阵列机载雷达动目标距离解模糊方法，所述的方法包括步骤如下：

S1：超稀疏阵列机载雷达采用相控阵天线，对各阵元接收数据进行模数转换；

S2：根据模数转换后得到的各距离门不同模糊次数计算相应距离，并分别计算出不同距离所对应稀疏阵列目标空域导向矢量，再结合目标时域导向矢量得到目标空时导向矢量集合；

S3：利用待检测距离门相邻距离门数据作为训练样本，通过最大似然估计得到待检测距离门数据的杂波协方差矩阵；

S4：根据线性约束最小输出功率准则，利用步骤S3得到的杂波协方差矩阵和步骤S2得到的目标空时导向矢量集合构造出多个空时自适应权值，并分别作用于当前待检测距离门数据，实现对抑制杂波和目标积累；

S5：对抑制杂波和积累目标后的数据集分别进行恒虚警检测，完成对运动目标的检测；

S6：比较不同空时自适应权值作用后所检测目标的功率大小，选择功率最大时目标空域导向矢量所对应的真实距离为目标解模糊后距离。

优选地，通过待检测距离门、模糊次数和最大不模糊距离计算所对应的真实距离。

进一步地，根据待检测距离门、模糊次数和最大不模糊距离计算对应的真实距离，其计算公式如下：

R_p＝l*ΔR+(p-1)*R_u p＝1,2,...,P

式中，p表示模糊次数；l表示待检测距离门、ΔR表示雷达距离分辨率、R_u表示最大不模糊距离。

进一步地，所述的稀疏阵列目标空域导向矢量的计算公式如下：

其中，d表示无人机间距，λ表示雷达波长，ψ₀表示目标空间锥角，n表示超稀疏大孔径阵列的通道。

再进一步地，所述的目标空时导向矢量集合，计算公式如下：

式中，S_s,p表示稀疏阵列目标空域导向矢量，S_t表示目标时域导向矢量，p表示模糊次数。

再进一步地，步骤S3，选择2倍阵列阵元数的相邻距离门数据作为训练样本，同时将待检测距离门左右各2～3个相邻距离门数据作为保护单元从训练样本中剔除，然后将剩余训练样本基于最大似然估计得到待检测距离门数据的杂波协方差矩阵。

再进一步地，通过最大似然估计得到待检测距离门数据的杂波协方差矩阵，具体公式如下：

式中，R表示由多个距离门经最大似然估计得到的杂波协方差矩阵，L为训练样本个数，X_l表示第l距离门接收的空时回波数据。

再进一步地，步骤S4，构造出空时自适应权值，具体公式如下：

W_p＝μR^-1S_p p＝1,2,...,P

式中，

与现有技术相比，本发明技术方案的有益效果是：

本发明利用超稀疏阵列在其探测区域内存在严重近场效应的特点，即回波空域导向矢量与回波距离存在严格对应关系，构造出待检测距离门在不同模糊距离情况下所对应的目标空时导向矢量集合，并基于该集合构造出相应空时自适应权系数集合分别作用于待检测距离门数据，最后将作用后的各数据结果分别进行动目标恒虚警检测并比较目标功率，选择出功率最大者所对应权系数反推出目标真实距离。该方法适用于采用超稀疏大阵列体制的各类多通道相控阵机载雷达。

附图说明

图1是本实施例所述的基于近场效应的超稀疏阵列机载雷达动目标距离解模糊方法的流程框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，仅用于示例性说明，不能理解为对本专利的限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

如图1所示，一种基于近场效应的超稀疏阵列机载雷达动目标距离解模糊方法，所述的方法包括步骤如下：

S1：超稀疏阵列机载雷达采用相控阵天线，对各阵元接收的空时回波数据X进行模数转换；

S2：根据模数转换后得到的数据计算相应距离，并分别计算出不同距离所对应稀疏阵列目标空域导向矢量，再结合目标时域导向矢量得到目标空时导向矢量集合；

S3：利用待检测距离门相邻距离门数据作为训练样本，通过最大似然估计得到待检测距离门数据的杂波协方差矩阵；

S4：根据线性约束最小输出功率准则，利用步骤S3得到的杂波协方差矩阵和步骤S2得到的目标空时导向矢量集合构造出多个空时自适应权值，并分别作用于当前待检测距离门数据，实现对抑制杂波和目标积累；

S5：对抑制杂波和积累目标后的数据集分别进行恒虚警检测处理，完成对运动目标的检测；

S6：比较不同空时自适应权值作用后所检测目标的功率大小，选择功率最大时目标空域导向矢量所对应的真实距离为目标解模糊后距离，从而实现了超稀疏阵列雷达的动目标距离解模糊。

本实施例，假设8架无人机并排飞行，飞行间距为100米，各架无人机载4阵元且阵元间距半波长的相控阵阵列天线，在接收端各无人机相控阵天线微波合成一个通道，因此整个阵列为N＝8通道的超稀疏大孔径阵列，一个相干脉冲重复间隔内接收到M＝16个脉冲，雷达距离分辨率ΔR＝50米，最大不模糊距离R_u＝50千米，距离模糊次数为P＝5次，待检测距离门为l＝100，下面结合附图和实例说明一下整个发明的详细步骤：

步骤S1，超稀疏阵列机载雷达中的阵列天线接收单元将接收到的空时回波数据进行下变频处理，然后经超稀疏阵列机载雷达中的模数转换单元进行模数转换，并将数字化后的空时回波数据X存储到超稀疏阵列机载雷达中。

在一个具体的实施例中，具体根据模数转换得到的待检测距离门、模糊次数和最大不模糊距离计算所对应的真实距离。

根据待检测距离门、模糊次数和最大不模糊距离计算对应的真实距离，其计算公式如下：

R_p＝l*ΔR+(p-1)*R_u p＝1,2,...,P

式中，p表示模糊次数；l表示待检测距离门、ΔR表示雷达距离分辨率、R_u表示最大不模糊距离。

模糊次数为p时，所对应的稀疏阵列目标空域导向矢量的计算公式如下：

其中，d表示无人机间距，λ表示雷达波长，ψ₀表示目标空间锥角，n表示超稀疏大孔径阵列的通道。

根据模数转换后得到的数据计算相应距离，并分别计算出不同距离所对应稀疏阵列目标空域导向矢量，再结合目标时域导向矢量得到目标空时导向矢量集合；所述的目标空时导向矢量集合，计算公式如下：

式中，S_s,p表示稀疏阵列目标空域导向矢量，S_t表示目标时域导向矢量，p表示模糊次数。

步骤S3，选择2倍阵列阵元数的相邻距离门数据作为训练样本，同时将待检测距离门左右各2～3个相邻距离门数据作为保护单元从训练样本中剔除，然后将剩余训练样本基于最大似然估计得到待检测距离门数据的杂波协方差矩阵，其中所述的杂波协方差矩阵的公司如下：

式中，X_l表示第l距离门接收的空时回波数据，L为训练样本个数，R表示表示由多个距离门经最大似然估计得到的杂波协方差矩阵。

步骤S4，根据线性约束最小输出功率准则，利用估计所得待检测距离门数据杂波协方差矩阵和步骤S2得到的目标空时导向矢量集合构造空时自适应权值集合，并分别作用于当前待检测距离门数据，实现对抑制杂波和目标积累；其中，构造空时自适应权值集合具体公式如下：

W_p＝μR^-1S_p p＝1,2,...,P

式中，

步骤S5：对抑制杂波和积累目标后的数据集分别进行恒虚警检测处理，完成对运动目标的检测；

步骤S6：比较不同空时自适应权值作用后所检测目标的功率大小，选择功率最大时目标空域导向矢量所对应的真实距离为目标解模糊后距离，从而实现了超稀疏阵列雷达的动目标距离解模糊。

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (5)

1.一种基于近场效应的超稀疏阵列机载雷达动目标距离解模糊方法，其特征在于：所述的方法包括步骤如下：

S1：超稀疏阵列机载雷达采用相控阵天线，对各阵元接收的空时回波数据X进行模数转换；

S2：根据模数转换后得到的数据计算所对应的真实距离，并分别计算出不同距离所对应稀疏阵列目标空域导向矢量，再结合目标时域导向矢量得到目标空时导向矢量集合；

S3：利用待检测距离门相邻距离门数据作为训练样本，通过最大似然估计得到待检测距离门数据的杂波协方差矩阵；

S4：根据线性约束最小输出功率准则，利用步骤S3得到的杂波协方差矩阵和步骤S2得到的目标空时导向矢量集合构造出多个空时自适应权值，并分别作用于当前待检测距离门数据，实现对杂波抑制和目标积累；

S5：对杂波抑制和积累目标后的数据集分别进行恒虚警检测，完成对运动目标的检测；

S6：比较不同空时自适应权值作用后所检测目标的功率大小，选择功率最大时目标空域导向矢量所对应的真实距离为目标解模糊后距离；

步骤S2，具体根据模数转换得到的待检测距离门、模糊次数和最大不模糊距离计算所对应的真实距离；

通过待检测距离门、模糊次数和最大不模糊距离计算所对应的真实距离，其计算公式如下：

R_p＝l*ΔR+(p-1)*R_u p＝1,2,...,P

式中，p表示模糊次数，l表示待检测距离门、ΔR表示雷达距离分辨率、R_u表示最大不模糊距离；

所述的稀疏阵列目标空域导向矢量的计算公式如下：

其中，d表示无人机间距，λ表示雷达波长，ψ₀表示目标空间锥角，n表示超稀疏大孔径阵列的通道。

2.根据权利要求1所述的基于近场效应的超稀疏阵列机载雷达动目标距离解模糊方法，其特征在于：所述的目标空时导向矢量集合，计算公式如下：

式中，S_s,p表示稀疏阵列目标空域导向矢量，S_t表示目标时域导向矢量，p表示模糊次数。

3.根据权利要求2所述的基于近场效应的超稀疏阵列机载雷达动目标距离解模糊方法，其特征在于：步骤S3，选择2倍阵列阵元数的相邻距离门数据作为训练样本，同时将待检测距离门左右各2～3个相邻距离门数据作为保护单元从训练样本中剔除，然后将剩余训练样本基于最大似然估计得到待检测距离门数据的杂波协方差矩阵。

4.根据权利要求3所述的基于近场效应的超稀疏阵列机载雷达动目标距离解模糊方法，其特征在于：通过最大似然估计得到待检测距离门数据的杂波协方差矩阵，具体公式如下：

式中，R表示由多个距离门经最大似然估计得到的杂波协方差矩阵，X_l表示第l距离门接收的空时回波数据，L为训练样本个数。

5.根据权利要求4所述的基于近场效应的超稀疏阵列机载雷达动目标距离解模糊方法，其特征在于：步骤S4，构造出空时自适应权值，具体公式如下：

W_p＝μR^-1S_p p＝1,2,...,P

式中，