CN112800497A - 基于稀疏谱恢复的机载三维异构阵杂波抑制方法 - Google Patents
基于稀疏谱恢复的机载三维异构阵杂波抑制方法 Download PDFInfo
- Publication number
- CN112800497A CN112800497A CN202011583253.8A CN202011583253A CN112800497A CN 112800497 A CN112800497 A CN 112800497A CN 202011583253 A CN202011583253 A CN 202011583253A CN 112800497 A CN112800497 A CN 112800497A
- Authority
- CN
- China
- Prior art keywords
- array
- clutter
- airborne
- dimensional heterogeneous
- recovery
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001228 spectrum Methods 0.000 title claims abstract description 72
- 238000011084 recovery Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000001629 suppression Effects 0.000 title claims abstract description 33
- 239000011159 matrix material Substances 0.000 claims abstract description 29
- 230000003044 adaptive effect Effects 0.000 claims abstract description 8
- 239000013598 vector Substances 0.000 claims description 34
- 238000003491 array Methods 0.000 claims description 7
- 238000013139 quantization Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000002401 inhibitory effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000003595 spectral effect Effects 0.000 claims description 2
- 230000002146 bilateral effect Effects 0.000 claims 1
- 238000004088 simulation Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000010287 polarization Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/023—Interference mitigation, e.g. reducing or avoiding non-intentional interference with other HF-transmitters, base station transmitters for mobile communication or other radar systems, e.g. using electro-magnetic interference [EMI] reduction techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Operations Research (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于稀疏谱恢复的机载三维异构阵杂波抑制方法,包括步骤:建立机载三维异构阵的几何模型,并获取机载三维异构阵接收的杂波模型;建立对应的完备字典矩阵;通过压缩感知算法进行杂波谱恢复,再引入联合稀疏模型,对恢复的杂波空时谱进行优化;通过协方差矩阵和杂波分布特性间的等价关系,估计协方差矩阵,进而构造相应的自适应滤波器。本发明将稀疏恢复模型引入到机载三维异构阵的杂波抑制,在正确构建压缩感知模型后,稀疏恢复的过程则是单纯的角度、多普勒求解问题,并不会受到杂波的空变影响,十分契合机载三维异构阵的杂波抑制。
Description
技术领域
本发明涉及雷达信号处理技术领域,具体涉及一种基于稀疏谱恢复的机载三维异构阵杂波抑制方法。
背景技术
机载三维异构阵是由多个不同的曲面阵构成的三维复杂阵列,它具有与载机外形相一致的空气动力外形,可以有效减小载机雷达反射截面积、降低载机负荷及增大有效发射孔径,能够满足复杂战场环境下雷达对目标探测的需求。相比于传统的二维平面阵,三维异构阵是一种更加广义的构型,可以看作是多个共形阵的组合阵。其杂波特性十分复杂,使得现有的以平面阵或共形阵为基础的杂波抑制已不再适用,需要从更高维度、更广义视角去研究机载三维异构阵的杂波抑制方法,建立具有普适性的任意阵列统一杂波模型。由于其杂波的复杂性,其杂波抑制也是一个难题。
基于稀疏谱恢复的杂波抑制方法是近些年提出的一种新方法,它利用杂波分布所具有的稀疏性,通过稀疏恢复算法有效恢复杂波空时谱。
发明内容
针对现有技术中存在的问题,本发明的目的在于提供一种基于稀疏谱恢复的机载三维异构阵杂波抑制方法,本发明聚焦于机载三维异构体制下杂波分布稀疏性的不同点,将稀疏恢复模型引入到机载三维异构阵的杂波抑制,在正确构建压缩感知模型后,稀疏恢复的过程则是单纯的角度、多普勒求解问题,并不会受到杂波的空变影响,十分契合机载三维异构阵的杂波抑制。
为了达到上述目的,本发明采用以下技术方案予以实现。
基于稀疏谱恢复的机载三维异构阵杂波抑制方法,包括以下步骤:
步骤1,建立机载三维异构阵的几何模型,并获取机载三维异构阵接收的杂波模型;
步骤2,根据机载三维异构阵接收的杂波模型,建立对应的完备字典矩阵;通过压缩感知算法进行杂波谱恢复,得到对应的杂波空时谱;再引入联合稀疏模型,对恢复的杂波空时谱进行优化,得到对应的优化后的高分辨杂波空时谱;
步骤3,在获得优化后的高分辨杂波空时谱的基础上,通过协方差矩阵和杂波分布特性间的等价关系,估计协方差矩阵,进而构造相应的自适应滤波器,对机载三维异构阵接收的杂波进行有效抑制。
与现有技术相比,本发明的有益效果为:
(1)本发明提出了基于稀疏谱恢复的机载三维异构阵杂波抑制方法,构建了机载三维异构阵的压缩感知模型,再将压缩感知引入到机载三维异构阵的杂波抑制上,在正确构建压缩感知模型后,稀疏恢复的过程则是单纯的角度、多普勒求解问题,并不会受到杂波的空变影响,十分契合机载三维异构阵的杂波抑制,获得了较好的杂波抑制效果。在传统方法无法适用于机载三维异构阵的情况下,本发明方法的杂波抑制方面有着不错的抑制效果,为后续的机载三维异构阵的研究提供了一种新的思路。
(2)本发明方法有效应对了机载三维异构阵的复杂的杂波特性;且可以应用于独立同分布(IDD)训练样本缺乏的情况。
附图说明
下面结合附图和具体实施例对本发明做进一步详细说明。
图1是本发明提供一种基于稀疏谱恢复的机载三维异构阵杂波抑制方法的流程示意图;
图2是本发明实施例提供的机载三维异构阵示意图;
图3是本发明与图2对应的机载三维异构阵的几何特性示意图;
图4是本发明与图2对应的机载三维异构阵的阵元坐标图;
图5是本发明实施例提供的机载圆柱-圆锥异构阵几何特性示意图;
图6是本发明实施例提供的三维圆柱-圆锥异构阵的阵元坐标图;
图7是本发明实施例提供的点仿的稀疏恢复结果图;
图8(a)是本发明实施例提供的单帧正侧视稀疏谱恢复结果图;
图8(b)是本发明实施例提供的多帧快拍稀疏谱恢复的结果图;
图9(a)是本发明提供的非正侧视情况下机载三维异构阵的实际杂波谱;
图9(b)是本发明实施例提供的非正侧视的稀疏恢复的杂波谱;
图9(c)是本发明实施例提供的采用稀疏谱方法估计得到的空时滤波器的凹口示意图。
具体实施方式
下面将结合实施例对本发明的实施方案进行详细描述,但是本领域的技术人员将会理解,下列实施例仅用于说明本发明,而不应视为限制本发明的范围。
参考图1,本发明提供的一种基于稀疏谱恢复的机载三维异构阵杂波抑制方法,包括以下步骤:
步骤1,建立机载三维异构阵的几何模型,并获取机载三维异构阵接收的杂波模型;
(一)建立机载三维异构阵的几何模型;实际上,整体的机载三维异构阵的几何特性示意图和阵元坐标图分别如图3、图4所示;
首先,为了简化建模工作,首先做如下假设:
(1)载机保持匀速直线飞行;
(2)各杂波单元满足独立同分布(IID)条件,在某一距离环内垂直极化和水平极化的杂波极化空时数据服从复正态分布;
(3)在一个相干处理时间(CPI)内,雷达的相位中心与杂波单元的相对几何关系不变;
(4)噪声假设为零均值的高斯白噪声;
(5)考虑经过下变频和匹配滤波后的杂波信号;
(6)发射信号为窄带信号,即相对时延很小,因此基带信号在各个接收阵元上的幅度变化很小;
(7)杂波和噪声相互独立。
基于以上假设,机载三维异构阵的几何模型如图2所示,包括机头共形阵、机身圆柱共形阵、两侧机翼共形阵和机身圆台共形阵,可以看出,其阵列包括多种形式,较为复杂,需要建立一个普适性的杂波模型。
阵列接收的杂波信号为波束照射范围内所有散射点回波的叠加。在机载雷达杂波信号建模中,常用散射单元的划分方法是将波束照射区域根据距离分辨率和多普勒分辨率划分为相互独立的杂波单元,将每个杂波单元当作一个散射点来处理。
首先,以圆柱-圆锥阵为例进行杂波建模,参考图3,以圆柱阵第1个圆环阵的中心点的正下方地面点为参考点即坐标原点,以载机飞行方向为y轴正方向,y轴正方向顺时针转90°为x轴正方向,竖直向上为z轴正方向,建立空间直角坐标系。
其次,载机沿y正轴飞行,速度矢量为v,飞行高度为H。以机载圆柱-圆锥阵结合的三维异构阵为例,其几何关系示意图、阵元坐标图分别如图5、图6所示。圆柱阵部分:由M1个等半径的圆环阵组成,每个圆环阵由关于圆心对称的N1个天线阵元组成,阵元间距为d。M1个圆环阵彼此平行,间距也为d,且共同垂直于y轴。每个圆环阵半径为r;
圆锥阵部分:由M2个半径按比例降低的圆环阵组成(圆锥顶部为单点阵),圆锥底层(最大)半径与圆柱底层(第一个)半径相同,阵元数相等;以底层为第一次,往上排序,则圆锥阵的第m层圆环阵上的阵元个数为Nm。
以圆环阵上Z轴正向上的阵元为第1个阵元,阵元序号为逆时针排序,则圆柱阵对应的阵元位置的坐标为:
则整个机载三维异构阵的位置坐标矢量为:
如果再加入其他共形阵,以同样形式表示,最后将整个异构阵看成一个整体即可,就是整个异构阵的第mtotal个阵元的位置坐标,为位置坐标矢量p的第mtotal列,mtotal=1,2,...,Ntotal。
那么第mtotal个阵元相对于参考点的相位差为:
其中,上标T表示矩阵的转置,则对应的空域导向矢量为:
同时,可定义多普勒导向矢量以描述由于平台自身运动和目标运动所造成的不同脉冲间的相位变化,考虑位于角度(φ,θ)方向的地面静止散射点,其对应的多普勒导引矢量可定义为:
其中,T为脉冲重复间隔,P为脉冲数,fd为杂波的归一化多普勒频率,可表示为:
那么,第l个距离门内第c个杂波散射单元对应的空时导向矢量可写为:
虽然杂波建模时,采用的是圆柱-圆锥阵进行分析,实际上,这个阵列的阵元排布可以是任意方式的,只需要对阵元位置坐标矢量p进行更改即可,例如需要增加其他共形阵时,只需将其对应的坐标加入异构阵的位置坐标矢量即可。所以上述信号模型在不考虑极化、互耦时是具有普适性的。
步骤2,根据机载三维异构阵接收的杂波模型,建立对应的完备字典矩阵;通过压缩感知算法进行杂波谱恢复,得到对应的杂波空时谱;再引入联合稀疏模型,对恢复的杂波空时谱进行优化,得到对应的优化后的高分辨杂波空时谱;
实际上,机载三维异构阵的回波信号是由一系列杂波源叠加构成的,且从上述机载三维异构阵接收的杂波模型的信号形式看,其上与均匀线阵很接近,可以参考均匀线阵的压缩感知模型建立稀疏模型。但与均匀线阵不同的是,此时空时导引矢量不仅取决于空间角度,还和杂波所在的距离单元l有关,也就是说,杂波空时特性随距离向变化。因此,需要对原先稀疏恢复算法中固定的超完备矩阵进行适当扩展,以适合距离向变化的杂波特性。
具体地,在角度-多普勒二维域,分别将角度轴和多普勒频率轴量化为Ns×Nd个网格,Ns=ρsNM,Nd=ρtP,参数ρs,ρt分别为沿角度和多普勒轴的缩放因子;均匀量化后的方位角度φi=2πi/Ns,1≤i≤Ns,多普勒频率fd,j=j/Nd,1≤j≤Nd。则对应的第l帧距离单元的角度矢量表示为:
Ψc,l=[φc,θl]
其中,俯仰角θl跟距离单元l有关,而φi为均匀量化的方位角范围。在此基础上不考虑噪声,则第l帧时的距离回波的快拍数据表示为:
其中,矩阵Φl的维度为NtotalP×NsNd,是由特定量化程度下所有空时导引矢量所组成的超完备字典矩阵,即
向量al代表第l帧的空时快拍数据在方位角-多普勒域的谱分布。
以上的第l帧时的距离回波的快拍数据的方程等价于已知观测快拍数据xl和预先构造的矩阵Φl来求解方程。从方程本身而言,由于矩阵Φl是超完备的,所以方程的求解是一欠定问题。根据稀疏恢复理论,当待求解项具有稀疏性时,此欠定问题可通过压缩感知算法有效求解。从杂波谱本身的稀疏性而言,由于STAP(空时自适应)体制下杂波场景通常由较高的杂噪比,所以回波二维频域中显著分离主有杂波贡献。由于杂波源方位角和多普勒频率的耦合关系,频域的主要分量只集中在杂波脊线上,而其他空时位置很少。因此杂波谱在方位角-多普勒频率具有稀疏性,即只有少数元素显著,其他大多数元素值很小。这一点与平面阵一致。此时虽然杂波脊线在方位角上覆盖范围更大,但是显著分量还是集中在耦合关系所决定的脊线上,对应整个二维空时域,稀疏性仍然成立。需要注意的是每个距离单元的回波数据都需要单独构建超完备矩阵用于稀疏恢复来估计空时谱。
下面给出基于稀疏恢复的机载三维异构阵的杂波谱估计问题:
该杂波谱估计问题是一个NP(非确定性多项式)难问题,可以用稀疏恢复类算法进行求解。
联合稀疏模型:实际环境中,当有多帧数据可获得时,并且数据对应的稀疏结构完全一致,定义这些观测数据为联合稀疏。将这样多帧具有相同稀疏结构的数据进行联合稀疏恢复的模型称为联合稀疏模型。
由于单帧杂波快拍数据恢复的结果会受到L1范数的制约,杂波谱恢复的结果往往是因为稀疏性是离散的,使得恢复性能不佳。但是该约束并不会施加在多帧快拍之间,通过将多帧快拍分别稀疏恢复后再对恢复的结果进行累加,可以得到优化后的高分辨空时谱。能够很好的改善稀疏恢复的杂波谱的离散问题,提高恢复性能。
步骤3,在获得优化后的高分辨杂波空时谱的基础上,通过协方差矩阵和杂波分布特性间的等价关系,估计协方差矩阵,进而构造相应的自适应滤波器,对机载三维异构阵接收的杂波进行有效抑制。
杂波空时谱与协方差矩阵的关系为:
在获得协方差矩阵的估计值后,获得对应的SR-STAP(稀疏空时自适应)的空时自适应滤波器为:
w=μR-1s
其中,μ为常系数,s为杂波的空时导向矢量。
仿真实验
以下通过仿真实验验证本发明的有效性,仿真参数如表1所示:
(1)仿真条件
在本节的仿真实验中,机载三维异构阵采用圆锥-圆柱阵进行仿真。为了简化起见,假设不存在距离模糊,对应的雷达平台参数见表1。
表1系统仿真参数
(2)仿真实验
仿真分为两个部分,第一部分是联合稀疏结果与单帧稀疏结果的对比,并分析提出的稀疏谱恢复方法的性能,验证本发明方法的有效性;第二部分是验证机载正侧视、非正侧视不同情况下,本发明方法的通用性。
第一部分仿真结果如图7所示,为了验证本发明方法恢复的准确性,假设只有3个杂波散射点的回波来进行稀疏恢复。该假设并不具有实际意义,仅为了验证角度多普勒恢复正确与否,第一部分仿真,三个点的角度-多普勒值分别为(-0.4,0.4),(0.1,0.1),(0.3,0.3)。通过仿真验证,误差为本身网格点划分误差,处于允许范围之内,可以证明本发明方法恢复出的杂波的角度-多普勒结果的正确性。通过验证,证明本发明方法稀疏恢复出的杂波的角度-多普勒结果的正确性。
第二部分仿真结果如图8(a)、8(b)所示,由于单帧杂波快拍数据恢复的结果会受到L1范数的制约,杂波谱恢复的结果往往是因为稀疏性是离散的,使得恢复性能不佳。这一结论可以从图8(a)中看出。图8(b)为多帧快拍分别求稀疏恢复后累加结果,可以看出该方法很好的改善稀疏恢复的杂波谱的离散问题,提高了恢复性能。
第三部分仿真结果如图9所示,其中9(a)非正侧视情况下机载三维异构阵的实际杂波谱,9(b)为非正侧视情况下稀疏恢复的杂波谱,可以看出本发明方法正确的恢复出了非正侧视情况下的杂波谱,与图8的正侧视的结果一起可以验证本发明方法可以在正侧视的均匀杂波以及非正侧视的非均匀杂波的杂波抑制中均可得到良好的杂波谱恢复结果。9(c)为采用稀疏谱方法最终估计的空时滤波器的凹口示意图,可以看出凹口滤波器的凹口位置与杂波谱中的杂波位置吻合,并且形成了很深的凹口,证明了通过结果分析该方法设计出的滤波器可以很好的抑制三维异构阵的杂波。
虽然,本说明书中已经用一般性说明及具体实施方案对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (9)
1.基于稀疏谱恢复的机载三维异构阵杂波抑制方法,其特征在于,包括以下步骤:
步骤1,建立机载三维异构阵的几何模型,并获取机载三维异构阵接收的杂波模型;
步骤2,根据机载三维异构阵接收的杂波模型,建立对应的完备字典矩阵;通过压缩感知算法进行杂波谱恢复,得到对应的杂波空时谱;再引入联合稀疏模型,对恢复的杂波空时谱进行优化,得到对应的优化后的高分辨杂波空时谱;
步骤3,在获得优化后的高分辨杂波空时谱的基础上,通过协方差矩阵和杂波分布特性间的等价关系,估计协方差矩阵,进而构造相应的自适应滤波器,对机载三维异构阵接收的杂波进行有效抑制。
2.根据权利要求1所述的一种基于稀疏谱恢复的机载三维异构阵杂波抑制方法,其特征在于,所述机载三维异构阵的几何模型包括机头共形阵、机身圆柱共形阵、两侧机翼共形阵和机身圆台共形阵中的一种或多种。
3.根据权利要求2所述的基于稀疏谱恢复的机载三维异构阵杂波抑制方法,其特征在于,所述建立机载三维异构阵的几何模型,具体为:
首先,以圆柱-圆锥阵为例进行杂波建模,以圆柱阵第1个圆环阵的中心点的正下方地面点为参考点即坐标原点,以载机飞行方向为y轴正方向,y轴正方向顺时针转90°为x轴正方向,竖直向上为z轴正方向,建立空间直角坐标系;
其次,载机速度矢量为v,飞行高度为H;圆柱阵部分:由M1个等半径的圆环阵组成,每个圆环阵由关于圆心对称的N1个天线阵元组成,阵元间距为d。M1个圆环阵彼此平行,间距也为d,且共同垂直于y轴;每个圆环阵半径为r;
圆锥阵部分:由M2个半径按比例降低的圆环阵组成,圆锥顶部为单点阵,圆锥底层半径与圆柱底层半径相同,阵元数相等;以底层为第一层,依次排序,则圆锥阵的第m层圆环阵上的阵元个数为Nm;
以圆环阵上Z轴正向上的阵元为第1个阵元,阵元序号为逆时针排序,则圆柱阵对应的阵元位置的坐标为:
则整个机载三维异构阵的位置坐标矢量为:
4.根据权利要求1所述的基于稀疏谱恢复的机载三维异构阵杂波抑制方法,其特征在于,所述获取机载三维异构阵接收的杂波模型,具体为:
那么第mtotal个阵元相对于参考点的相位差为:
则对应的空域导向矢量为:
同时,定义多普勒导向矢量以描述由于平台自身运动和目标运动所造成的不同脉冲间的相位变化;位于角度(φ,θ)方向的地面静止散射点,其对应的多普勒导引矢量定义为:
其中,T为脉冲重复间隔,P为脉冲数,fd为杂波的归一化多普勒频率,表示为:
那么,第l个距离门内第c个杂波散射单元对应的空时导向矢量写为:
5.根据权利要求1所述的基于稀疏谱恢复的机载三维异构阵杂波抑制方法,其特征在于,所述根据机载三维异构阵接收的杂波模型,建立对应的完备字典矩阵,具体为:
在角度-多普勒二维域,分别将角度轴和多普勒频率轴量化为Ns×Nd个网格,Ns=ρsNM,Nd=ρtP,参数ρs,ρt分别为沿角度和多普勒轴的缩放因子;均匀量化后的方位角度φi=2πi/Ns,1≤i≤Ns,多普勒频率fd,j=j/Nd,1≤j≤Nd;则对应的第l帧距离单元的角度矢量表示为:
Ψc,l=[φc,θl]
其中,俯仰角θl跟距离单元l有关,而φi为均匀量化的方位角范围;在此基础上不考虑噪声,则第l帧时的距离回波的快拍数据表示为:
其中,矩阵Φl的维度为NtotalP×NsNd,是由特定量化程度下所有空时导引矢量所组成的超完备字典矩阵,即
al代表第l帧的空时快拍数据在方位角-多普勒域的谱分布。
7.根据权利要求1所述的基于稀疏谱恢复的机载三维异构阵杂波抑制方法,其特征在于,所述引入联合稀疏模型,对恢复的杂波空时谱进行优化,具体为:由于单帧杂波快拍数据恢复结果受到L1范数的制约,杂波谱恢复结果因为稀疏性是离散的,但是该约束并不会施加在多帧快拍之间;因此,通过将多帧杂波快拍数据分别稀疏恢复后,再对所有恢复结果进行累加,即可得到优化后的高分辨杂波空时谱。
9.根据权利要求8所述的基于稀疏谱恢复的机载三维异构阵杂波抑制方法,其特征在于,所述自适应滤波器为:
w=μR-1s
其中,上标-1表示矩阵求逆,w为滤波器的权值,μ为常系数,s为杂波的空时导向矢量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011583253.8A CN112800497B (zh) | 2020-12-28 | 2020-12-28 | 基于稀疏谱恢复的机载三维异构阵杂波抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011583253.8A CN112800497B (zh) | 2020-12-28 | 2020-12-28 | 基于稀疏谱恢复的机载三维异构阵杂波抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112800497A true CN112800497A (zh) | 2021-05-14 |
CN112800497B CN112800497B (zh) | 2023-08-11 |
Family
ID=75804715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011583253.8A Active CN112800497B (zh) | 2020-12-28 | 2020-12-28 | 基于稀疏谱恢复的机载三维异构阵杂波抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112800497B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113391259A (zh) * | 2021-05-17 | 2021-09-14 | 西安电子科技大学 | 基于非参数迭代自适应的机载三维异构阵doa估计方法 |
CN113820681A (zh) * | 2021-08-13 | 2021-12-21 | 西安电子科技大学 | 一种机载雷达稀疏恢复类stap算法中的字典校正方法 |
CN115047425A (zh) * | 2022-05-25 | 2022-09-13 | 西安电子科技大学 | 超高速平台杂波快速仿真方法及其装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130060544A1 (en) * | 2010-05-12 | 2013-03-07 | Petrus Maria Bakker | Seismic p-wave modelling in an inhomogeneous transversely isotropic medium with a tilted symmetry axis |
CN104237883A (zh) * | 2014-09-15 | 2014-12-24 | 西安电子科技大学 | 一种采用稀疏表示的机载雷达空时自适应处理方法 |
CN104698442A (zh) * | 2013-12-06 | 2015-06-10 | 中国科学院电子学研究所 | 机载下视阵列三维合成孔径雷达分布式三维场景仿真方法 |
US20150269438A1 (en) * | 2014-03-18 | 2015-09-24 | Sri International | Real-time system for multi-modal 3d geospatial mapping, object recognition, scene annotation and analytics |
CN105223560A (zh) * | 2015-10-13 | 2016-01-06 | 中国人民解放军空军工程大学 | 基于杂波俯仰方位谱稀疏恢复的机载雷达目标检测方法 |
CN106802408A (zh) * | 2017-03-07 | 2017-06-06 | 中国人民解放军空军工程大学 | 基于稀疏恢复的机载非正侧阵近程杂波距离模糊抑制方法 |
CN107167782A (zh) * | 2017-06-27 | 2017-09-15 | 西安电子科技大学 | 基于信杂噪比最大的雷达三维异构阵稀疏重构方法 |
CN107844632A (zh) * | 2017-10-09 | 2018-03-27 | 南京航空航天大学 | 基于和声搜索算法的稀布线阵栅瓣抑制方法 |
EP3411875A1 (en) * | 2016-02-03 | 2018-12-12 | Dolby International AB | Efficient format conversion in audio coding |
CN109212500A (zh) * | 2018-08-08 | 2019-01-15 | 河海大学 | 一种基于稀疏重构的ka-stap杂噪协方差矩阵高精度估计方法 |
-
2020
- 2020-12-28 CN CN202011583253.8A patent/CN112800497B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130060544A1 (en) * | 2010-05-12 | 2013-03-07 | Petrus Maria Bakker | Seismic p-wave modelling in an inhomogeneous transversely isotropic medium with a tilted symmetry axis |
CN104698442A (zh) * | 2013-12-06 | 2015-06-10 | 中国科学院电子学研究所 | 机载下视阵列三维合成孔径雷达分布式三维场景仿真方法 |
US20150269438A1 (en) * | 2014-03-18 | 2015-09-24 | Sri International | Real-time system for multi-modal 3d geospatial mapping, object recognition, scene annotation and analytics |
CN104237883A (zh) * | 2014-09-15 | 2014-12-24 | 西安电子科技大学 | 一种采用稀疏表示的机载雷达空时自适应处理方法 |
CN105223560A (zh) * | 2015-10-13 | 2016-01-06 | 中国人民解放军空军工程大学 | 基于杂波俯仰方位谱稀疏恢复的机载雷达目标检测方法 |
EP3411875A1 (en) * | 2016-02-03 | 2018-12-12 | Dolby International AB | Efficient format conversion in audio coding |
CN106802408A (zh) * | 2017-03-07 | 2017-06-06 | 中国人民解放军空军工程大学 | 基于稀疏恢复的机载非正侧阵近程杂波距离模糊抑制方法 |
CN107167782A (zh) * | 2017-06-27 | 2017-09-15 | 西安电子科技大学 | 基于信杂噪比最大的雷达三维异构阵稀疏重构方法 |
CN107844632A (zh) * | 2017-10-09 | 2018-03-27 | 南京航空航天大学 | 基于和声搜索算法的稀布线阵栅瓣抑制方法 |
CN109212500A (zh) * | 2018-08-08 | 2019-01-15 | 河海大学 | 一种基于稀疏重构的ka-stap杂噪协方差矩阵高精度估计方法 |
Non-Patent Citations (6)
Title |
---|
ZETAO WANG 等: "Clutter suppression algorithm based on fast converging sparse Bayesian learning for airborne radar", 《SIGNAL PROCESSING》 * |
ZETAO WANG 等: "Clutter suppression algorithm based on fast converging sparse Bayesian learning for airborne radar", 《SIGNAL PROCESSING》, vol. 130, 31 January 2017 (2017-01-31), pages 159 - 168 * |
任晓飞: "异构阵列天线极化特性及其应用研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
任晓飞: "异构阵列天线极化特性及其应用研究", 《中国博士学位论文全文数据库 信息科技辑》, 15 February 2020 (2020-02-15), pages 136 - 6 * |
解虎 等: "一种采用稀疏表示的快速空时自适应方法", 《西安电子科技大学学报》 * |
解虎 等: "一种采用稀疏表示的快速空时自适应方法", 《西安电子科技大学学报》, no. 5, 31 October 2015 (2015-10-31), pages 55 - 62 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113391259A (zh) * | 2021-05-17 | 2021-09-14 | 西安电子科技大学 | 基于非参数迭代自适应的机载三维异构阵doa估计方法 |
CN113391259B (zh) * | 2021-05-17 | 2023-08-11 | 西安电子科技大学 | 基于非参数迭代自适应的机载三维异构阵doa估计方法 |
CN113820681A (zh) * | 2021-08-13 | 2021-12-21 | 西安电子科技大学 | 一种机载雷达稀疏恢复类stap算法中的字典校正方法 |
CN113820681B (zh) * | 2021-08-13 | 2023-06-13 | 西安电子科技大学 | 一种机载雷达稀疏恢复类stap算法中的字典校正方法 |
CN115047425A (zh) * | 2022-05-25 | 2022-09-13 | 西安电子科技大学 | 超高速平台杂波快速仿真方法及其装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112800497B (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112800497A (zh) | 基于稀疏谱恢复的机载三维异构阵杂波抑制方法 | |
US10429488B1 (en) | System and method for geo-locating and detecting source of electromagnetic emissions | |
Sauer et al. | Three-dimensional imaging and scattering mechanism estimation over urban scenes using dual-baseline polarimetric InSAR observations at L-band | |
CN109212500A (zh) | 一种基于稀疏重构的ka-stap杂噪协方差矩阵高精度估计方法 | |
CN112924925B (zh) | 基于稀疏贝叶斯学习的机载三维异构阵doa估计方法 | |
CN107991659B (zh) | 基于字典学习的米波雷达低仰角目标测高方法 | |
CN104345300B (zh) | 杂波空时谱线性补偿的机载非正侧视阵雷达stap方法 | |
CN109765562A (zh) | 一种三维前视声像声纳系统和方法 | |
CN104076337B (zh) | 基于阵元幅相误差校正的机载雷达杂波抑制方法 | |
Nielsen et al. | Direction-of-arrival estimation for radar ice sounding surface clutter suppression | |
CN110673119A (zh) | 基于压缩感知的非正则化方位估计方法及系统 | |
CN111025256A (zh) | 一种机载雷达的微弱生命体征信号的检测方法及系统 | |
CN110376547B (zh) | 基于二阶统计量的近场源定位方法 | |
US20130216151A1 (en) | Systems and methods for image sharpening | |
CN107748364A (zh) | 基于降秩多级维纳滤波器的低空风切变风场速度估计方法 | |
CN113671485B (zh) | 基于admm的米波面阵雷达二维doa估计方法 | |
CN113391259B (zh) | 基于非参数迭代自适应的机载三维异构阵doa估计方法 | |
CN110579737A (zh) | 一种杂波环境中基于稀疏阵列的mimo雷达宽带doa计算方法 | |
CN112230215B (zh) | 未知极化参数的自适应单脉冲测向方法 | |
Minvielle et al. | Indoor 3-D radar imaging for low-RCS analysis | |
CN112684445B (zh) | 基于md-admm的mimo-isar三维成像方法 | |
CN115480245A (zh) | 一种基于二维超分辨算法的机载雷达前视三维成像技术 | |
CN110412535B (zh) | 一种序贯的空时自适应处理参数估计方法 | |
Gao et al. | Arc array radar IAA-STAP algorithm based on sparse constraint | |
Moore et al. | Nonparametric array manifold calibration for ice sheet tomography |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |