CN112949100A - 一种机载雷达抗主瓣干扰的方法 - Google Patents

Abstract

本发明公开了一种机载雷达抗主瓣干扰的方法，该方法建立基于主/辅阵列相消的极化面阵结构与接收信号模型，构建APC迭代算法模型，计算辅助通道最佳权向量。基于随机梯度下降原理引入方差缩减法，通过内、外循环迭代方式进行梯度修正，以减小随机梯度估计的方差，计算空域最佳权矢量，引入等效权矢量衡量波束形成效果，算法通过极化域‑空域联合优化处理，在主瓣干扰条件下具有良好的主波束指向和抗干扰能力，实现对主瓣干扰的有效抑制，保证了波束形成的正确指向性、波束保形能力，以及对旁瓣干扰的自适应调零能力，提升了收敛速度，具有性能优良的特点，适合推广应用。

Description

一种机载雷达抗主瓣干扰的方法

技术领域

本发明属于雷达信号处理技术领域，涉及一种机载雷达抗主瓣干扰的方法，具体地说，涉及一种基于自适应极化对消-机器学习联合优化的机载雷达抗主瓣干扰方法。

背景技术

机载雷达是远程预警和空中指挥作战的核心传感器，现代信息化战争中电子战日益激烈，对雷达干扰技术的日益进步驱动雷达抗干扰技术的不断提升，而抗干扰能力的高低是直接决定雷达威力能否发挥的关键。机载预警雷达的空间辐射和能量分布特性与雷达所采用天线形式密切相关，通过采用超低旁瓣天线、波束宽度控制、天线覆盖范围与扫描控制、旁瓣消隐、旁瓣对消，以及自适应调零等信号处理技术都能对旁瓣干扰进行有效抑制，这些技术目前在实际工程中广泛应用并取得良好的效果。

现代空战场电磁环境日益复杂，电子战飞机或电子对抗设备发射的干扰特别是主瓣干扰对机载雷达的探测性能产生了极大威胁，表现为检测概率下降、虚警概率增加、角度等参数的测量精度显著下降等。机载雷达在探测过程中易面临来自电子战飞机的远距支援式主瓣干扰、随队式主瓣干扰和机载弹载自卫式电子干扰，这些样式均属于主瓣干扰，已成为防空压制、突防进攻等作战行动中的主要干扰形式，亦逐步成为未来战争中电子战装备作战样式的优先选择。当干扰来自天线主瓣或近主瓣区域时：在空域上，干扰和目标均在主瓣波束范围内；在时域上，由于获得了相近的雷达主瓣增益，干扰强度很大；在样式上，主瓣干扰具有多种类型，包括扫频式噪声干扰、转发式欺骗干扰、灵巧干扰、杂乱脉冲干扰等。主瓣进入的有源干扰主要有压制性干扰和欺骗式干扰两种形式，对于压制性主瓣干扰而言，其本质都是提高雷达回波信号中的干信比，使雷达无法在干扰环境中可靠地检测出目标信号；对于欺骗性主瓣干扰而言，干扰信号与目标回波信号具有相似的时频域特征，而在空域上两者又同处于雷达主瓣波束之内，这就使得雷达难以在高置信度假目标群中有效提取出真实目标，大量的虚假目标也会大幅消耗雷达的可用资源。

对于从近主瓣、主瓣进入的干扰，常规的自适应波束形成算法会在雷达主瓣内形成零陷，导致主瓣畸变并且峰值偏移、旁瓣电平升高，进而使得输出信干噪比(SINR)的下降，虚警概率急剧增加，同时峰值偏移也影响了测角精度，导致算法性能下降严重，甚至基本失效。雷达自身难以获得干扰方精确的距离、角度和速度信息，这些先验知识的缺失给抗主瓣干扰措施的有效性带来了较大的挑战，应对主瓣干扰的手段仍十分有限，未能形成有效的对抗措施，严重制约了雷达的实战性能。开展抑制主瓣干扰的自适应波束形成算法研究具有重要的意义。

极化作为矢量波的一种本质属性，是电磁信号除空域、时域和频域以外的又一可供利用的重要资源，极化滤波是应对主瓣干扰的一种有效方式，该技术是根据目标回波和干扰信号极化方式的不同实现对目标回波的匹配接收，并滤除干扰信号，因此其本质是利用干扰与目标在极化域的差异，减弱或消除干扰对雷达探测的影响。极化抗干扰已经在主瓣干扰抑制、有源假目标鉴别、角度诱骗干扰对抗等方面显现出独特作用。然而，随着电子对抗水平的升级，目标与干扰间的差异呈现出细微化的特点，仅通过极化域滤波实现对主瓣干扰的抑制是有限的。为了提高极化抗干扰能力，极化抗干扰技术逐渐从单一极化域处理向多域联合处理(极化域-空域与极化域-空域-时域)发展。

发明内容

本发明的目的在于克服现有技术中存在的常规自适应波束形成中因主瓣干扰引起的主波束畸变、波峰偏移、旁瓣电平升高等问题，提出了一种机载雷达抗主瓣干扰的方法，该方法建立基于主/辅阵列相消的极化面阵结构与接收信号模型，构建自适应极化对消(Adaptive Polarization Canceller，APC)迭代算法模型，计算辅助通道最佳权向量。基于随机梯度下降原理引入方差缩减法，通过内、外循环迭代方式进行梯度修正，以减小随机梯度估计的方差，计算空域最佳权矢量，引入等效权矢量衡量波束形成效果，算法通过极化域-空域联合优化处理，在主瓣干扰条件下具有良好的主波束指向和抗干扰能力。

其技术方案如下：

一种机载雷达抗主瓣干扰的方法，包括以下步骤：

步骤1、推导极化面阵的极化域-空域联合导向矢量，建立极化面阵的静态方向图；

步骤2、确定自适应极化阵列对消结构，即子阵列1～子阵列M-1为主通道，采用垂直极化方式，子阵列M为辅助通道，采用水平极化方式。

步骤3、建立自适应极化对消信号处理流程：对固定极化主瓣干扰而言，如测得干扰存在，则在某个脉冲周期内先停止发射脉冲，利用干扰采样数据段，基于干扰输出功率最小准则，推导APC迭代滤波算法，估计主阵列天线与辅助阵列天线间的对消权系数w，将之应用于回波数据段(目标+主瓣干扰+旁瓣干扰+通道噪声)，通过对辅助天线的水平极化分量进行幅相加权处理，实现对消主通道中的主瓣干扰信号，对各阵元加权、求和获得极化相消后的输出信号，计算极化相消过程的等效权矢量。

步骤4、将极化相消后的信号求取自相关矩阵，计算并选择合适的空域自适应波束形成的迭代步长，以保证算法的收敛性。

步骤5、确定基于随机方差缩减梯度下降的空域自适应波束形成算法流程：设定内、外循环的次数，以及内、外循环的权系数初始化赋值。开始进入外循环，计算全体数据的平均梯度

将外循环的权系数赋值给内循环的权系数，随机选取一个快拍数分别计算随机梯度

和

对梯度进行修正得到

迭代计算下一时刻的内循环权值

直至内循环结束，将所有权值取平均，并赋值给下一次外循环；直至最后一次外循环得到的权系数作为空域自适应波束形成的最优权系数，对阵列进行加权获得阵列输出。

步骤6、将各阵元第一次极化相消处理的等效权矢量与其空域最优权矢量对应相乘，得到动态权矢量，对方位角和俯仰角扫描，绘出三维自适应波束形成图，以验证波束形成性能和抗主瓣干扰能力。

进一步，为保证算法的收敛性，自适应极化相消的步长因子μ的取值区间为(0,1/(P_J+P_n))，优选值为10^-9，空域自适应波束形成迭代步长的优选值为

仿真分析验证，算法对主瓣干扰的抑制在短快拍数及一定的信干噪比条件下具有较好的性能，能够准确实现波束形成，但在强主瓣干扰条件下性能有所下降，可从极化阵列的结构优化和智能算法优化等多方面进一步研究改进，以适应强主瓣干扰下的电磁环境。

与现有技术相比，本发明的有益效果为：

(1)在已有主/辅单极化通道的APC迭代滤波基础上，推导了具有多阵元的极化面阵的APC迭代算法，确定了一种主、辅阵列的结构配置，从极化域-空域进行联合处理，在自适应波束形成中能实现对主瓣干扰的有效抑制，保证了波束形成的正确指向性、波束保形能力，以及对旁瓣干扰的自适应调零能力。

(2)在求空域最佳权矢量的过程中，运用智能优化算法，即采用内、外循环迭代方式，外循环中利用最陡下降法求取所有数据的平均梯度，内循环中基于随机梯度下降(SGD)原理，引入方差缩减法，进行梯度修正，以减小随机梯度估计的方差，并计算平均权向量作为外循环的输入，直至外循环结束获得最终权向量输出。通过采用随机梯度下降、平均策略和方差缩减策略，将每一次外循环下的所有内循环快拍随机产生的权矢量取平均，作为下一次外循环迭代的初始值，这样避免了当权值优化迭代越靠近全局最优值时可能会在其附近产生振荡的现象，取平均后可以逼近最优解，提升收敛速度。

(3)综合考虑了第一次极化相消处理的等效权矢量、第二次空域自适应处理的最优权矢量对各阵元的加权处理，推导了等效动态权矢量的计算公式，从而实现接收自适应波束形成。仿真验证接收的动态方向图在主瓣干扰处不会形成零陷而引起主波束畸变的情形，并且波峰在一定的SINR条件下无偏移，在短快拍数条件下表现优良的性能。

附图说明

图1为极化面阵结构图；

图2为极化面阵空间几何关系图；

图3为自适应极化阵列对消结构框图；

图4为自适应极化对消-随机方差缩减梯度下降算法的流程图。

具体实施方式

下面结合附图和具体实施例对本发明的技术方案作进一步详细地说明。

本发明技术方案的一种机载雷达抗主瓣干扰的方法，具体包括以下关键步骤：

(一)极化面阵的极化域-空域联合导向矢量表达式的推导

1.极化面阵结构：如图1所示，每个阵元由两个正交的电偶极子组成，假设电磁波为完全极化波，用极化相位描述子(γ,η)表示，其中γ∈[0,π/2]，η∈[0,2π]。令极化面阵垂直放置于XOZ面内，阵列阵元数M×N，水平方向和垂直方向的阵元间距分别为d_x和d_z，各阵元为相同阵元且位置精确，极化特性一致，阵元间无耦合，且阵元信道幅相一致。假设各阵元信道内部噪声为零均值，方差为一常数的高斯白噪声，各阵元噪声独立，信号与噪声之间彼此独立。如图2所示，令信源数为K，θ_i和

分别代表第k个信源的俯仰角和方位角，

其中，0≤θ_i＜90°，

2.空域导向矢量建模

x轴与z轴上的方向矩阵分别为：

第M个子阵列的方向矩阵为A_M＝A_xD_M(A_z)，其中，D_M(A_z)表示由矩阵A_Z的第M行构造的一个对角矩阵。

面阵的空间方向矩阵为：

A(Θ)＝[A₁；A₂；…；A_M]＝[a(Θ₁),a(Θ₂),…,a(Θ_K)]

3.极化域-空域联合导向矢量建模

设每个阵元沿

方向发射TEM电磁波信号，复基带信号为s(t)，载波频率为f，其空间指向角为(θ,φ)，单位向量

构成右手坐标系。则该TEM信号可以完全描述为：

其中：r为空间任一点的坐标矢量，k为传播矢量。Jones极化矢量h可表示为：

XOZ平面的正交偶极子发射阵元的极化矢量为：

则极化面阵的极化域空域联合导向矢量为：

式中，

是关于极化参数(γ,η)和空域参数(θ,φ)的函数。符号

表示Kronecker积。

(二)基于最陡梯度下降的自适应极化相消模型

如图3所示，主阵列天线均采用垂直极化方式，辅助阵列天线采用正交极化。主天线和辅助天线的各阵元极化状态分别用归一化Jones矢量表示为h₁和h₂；入射干扰信号J(n)的极化状态归一化Jones矢量为h_J，平均功率为P_J。主通道每个阵元接收的干扰信号及阵列输出为：

x_1i(n)＝h₁ ^TT_zjh_Ja_i(Θ_J)J(n)+n_1i(n)；

其中，T_zj为干扰方向的坐标系转换矩阵。辅助通道N个阵元分别接收的干扰信号为：x_Mi(n)＝h₂ ^TT_zjh_Ja_(M-1)N+i(Θ_J)J(n)+n_2i(n)。式中，i＝1,2,…N。n_1i(n)和n_2i(n)分别为主通道与辅助通道的白噪声，平均功率均为P_n。则阵列极化对消的输出信号为

APC迭代滤波模型是以干扰输出功率为最小准则，采用最陡梯度下降，沿着代价函数的负梯度方向搜索，最终得到代价函数的最优解。

式中，μ为步长因子，其取值区间为(0,1/(P_J+P_n))。当满足一定条件时，终止迭代计算，输出权矢量，将回波数据进行极化对消得到对消后的输出信号：

其中，各信号的表达式如下：

x′_1i(n)＝h₁ ^TST_zsh₁a_i(Θ₀)s(n)+h₁ ^TT_zjh_Ja_i(Θ_J)J(n)+n_1i(n)

x′_Mi(n)＝h₂ ^TST_zsh₁a_(M-1)N+i(Θ₀)s(n)+h₂ ^TT_zjh_Ja_(M-1)N+i(Θ_J)J(n)+n_2i(n)

极化对消处理的输出可等效表示为：

y′＝T_dX

其中，T_d为主辅通道极化对消过程的等效权矢量，其维数为1×MN。X为所有阵元的接收信号，其维数为MN×L，L是快拍数，表达式为：

X＝[x′₁₁；x′₁₂；…x′_1(M-1)N；x′_M1；x′_M2；…x′_MN]

因此有，T_d＝y′X^-1

(三)基于随机方差缩减梯度下降的自适应波束形成算法

对极化相消后的输出信号y′(n)求取自相关矩阵，用下式进行估计：

迭代步长μ₁满足

以保证基于梯度、随机梯度的自适应波束形成算法收敛，其中

表示矩阵的迹。权值迭代算法具体流程如下：

a.设定算法内、外循环的迭代次数J与T，初始化外循环和内循环的权系数

b.进行外循环，用最陡下降法求取全体数据的平均梯度；

c.将外循环中的权系数

赋值给内循环的权系数

d.进入内循环，随机选取一个快拍数分别计算随机梯度

和

e.求出修正后的梯度为

f.将梯度

代入内循环迭代式，得到下一时刻的内循环滤波权值

g.重复迭代第d～f步，直到达到内循环迭代次数J，计算平均权系数，并将其赋值给外循环；

h.重复步骤第b～g步，输出最后一次外循环的权系数w_z作为自适应波束形成的最优权系数。

i.计算阵列的输出y(n)。

则极化域-空域联合处理的动态权矢量w_d为：w_d＝w_z·T_d。利用该等效权矢量计算公式，可以得到阵列输出的动态方向图。主/辅极化面阵仿真验证表明，该算法在一定的信干噪比条件下，以及短快拍数下能够准确实现目标方向的波束形成。算法流程图如图4所示。

以上所述，仅为本发明较佳的具体实施方式，本发明的保护范围不限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。

Claims (2)

1.一种机载雷达抗主瓣干扰的方法，其特征在于，包括以下步骤：

步骤1、推导极化面阵的极化域-空域联合导向矢量，建立极化面阵的静态方向图；

步骤2、确定自适应极化阵列对消结构，子阵列1～子阵列M-1为主通道，采用垂直极化方式，子阵列M为辅助通道，采用水平极化方式；

步骤3、建立自适应极化对消信号处理流程：对固定极化主瓣干扰而言，如测得干扰存在，则在某个脉冲周期内先停止发射脉冲，利用干扰采样数据段，基于干扰输出功率最小准则，推导APC迭代滤波算法，估计主阵列天线与辅助阵列天线间的对消权系数w，将之应用于回波数据段：目标+主瓣干扰+旁瓣干扰+通道噪声，通过对辅助天线的水平极化分量进行幅相加权处理，实现对消主通道中的主瓣干扰信号，对各阵元加权、求和获得极化相消后的输出信号，计算极化相消过程的等效权矢量；

步骤4、将极化相消后的信号求取自相关矩阵，计算并选择合适的空域自适应波束形成的迭代步长，以保证算法的收敛性；

步骤5、确定基于随机方差缩减梯度下降的空域自适应波束形成算法流程：设定内、外循环的次数，以及内、外循环的权系数初始化赋值；开始进入外循环，计算全体数据的平均梯度

将外循环的权系数赋值给内循环的权系数，随机选取一个快拍数分别计算随机梯度

和

对梯度进行修正得到

迭代计算下一时刻的内循环权值

直至内循环结束，将所有权值取平均，并赋值给下一次外循环；直至最后一次外循环得到的权系数作为空域自适应波束形成的最优权系数，对阵列进行加权获得阵列输出；

步骤6、将各阵元第一次极化相消处理的等效权矢量与其空域最优权矢量对应相乘，得到动态权矢量，对方位角和俯仰角扫描，绘出三维自适应波束形成图，以验证波束形成性能和抗主瓣干扰能力。

2.根据权利要求1所述的机载雷达抗主瓣干扰的方法，其特征在于，自适应极化相消的步长因子μ的取值为10^-9，空域自适应波束形成迭代步长的取值为

Images