CN112986975A - 一种基于距离加权的被动雷达网络中心化检测方法 - Google Patents
一种基于距离加权的被动雷达网络中心化检测方法 Download PDFInfo
- Publication number
- CN112986975A CN112986975A CN202110174439.6A CN202110174439A CN112986975A CN 112986975 A CN112986975 A CN 112986975A CN 202110174439 A CN202110174439 A CN 202110174439A CN 112986975 A CN112986975 A CN 112986975A
- Authority
- CN
- China
- Prior art keywords
- target
- signal
- receiver
- external radiation
- radiation source
- 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
Images
Classifications
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
- G01S13/56—Discriminating between fixed and moving objects or between objects moving at different speeds for presence detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明属于被动MIMO雷达信号处理技术领域,涉及一种基于距离加权的被动雷达网络中心化检测方法。对于低信噪比下的多外辐射源、多被动雷达接收机的被动雷达网络系统,将预处理后的参考信号与监测信号全部上传至数据处理中心,利用目标位置隐含的距离先验知识,赋予不同传播路径上的信号不同的权值;根据电磁波在空间中的传播衰减特性来建立信号模型,基于广义极大似然比检验准则推到出恒虚警检测器,从而进行中心化联合检测。本发明的有益效果为,本发明不仅考虑了各个接收机接收信号的强度,还考虑了每个信号路径强度差异,使用的集中式的检验方法,在低信噪比下,被动雷达网络系统中目标检测性能有了很大的改善。
Description
技术领域
本发明属于雷达信号处理技术领域,具体涉及一种基于距离加权的被动雷达网络中 心化检测方法。
背景技术
被动雷达自身并不辐射电磁波,而是借助其他外辐射源发射的电磁波来探测目标。被动 雷达网络是由空间分离的接收机和非合作外辐射源组成,其具体的雷达网络结构如图1所示。 虽然已经知道非合作外辐射源的载波频率、带宽、调制类型和位置,但是调制的基带信号未 知。
传统意义上的被动雷达检测和定位方法是分散的,因为该检测是由外辐射源和接收机构 成的双基地对单独执行的。接收机使用定向天线或者数字波束形成技术将直达波(外辐射源 到接收机)和目标回波信号(外辐射源到目标接收机)分别隔离到参考信道和监测信道中, 然后在距离-多普勒维度上计算接收信号的互模糊函数(CAF),其中每个双基地对便可以对 笛卡尔坐标系上的目标进行检测、定位和跟踪,最后数据融合中心根据每个双基地对的检测 跟踪结果得到某片区域的最终监测结果。虽然这种分散决策融合方法由于所需要的系统复杂 度较低、实现难度不大,在实际中能得到广泛应用,但在低信噪比情况下由于融合过程中互 信息量损失较大,整体对于目标的检测性能不佳。
发明内容
针对上述问题,本发明提出了针对低信噪比下被动雷达网络中目标信号的中心化检测方 法。对于低信噪比下的多外辐射源、多被动雷达接收机的被动雷达网络系统,利用网格化检 测已知假设目标位置的隐含的距离先验知识,使用极大似然比检验准则(GLRT)提出一种中 心化的联合检测方法。中心化检测的本质就是将预处理后的参考信号与监测信号全部上传至 数据处理中心,由数据处理中心进行后续的预定位补偿、检测量求值和门限比较等工作。被 动雷达系统处理流程如图2所示。
本发明的技术方案为:一种基于距离加权的被动雷达网络的中心化检测方法,所述被动 雷达网络是由N个外辐射源和K个接收机组成,第n个外辐射源发射机的空间位置矢量为 dn,第k部接收机天线中心的空间位置矢量为rk,PMR网络中的接收机均具有M(M>N)个阵元阵列天线,其中第k部接收机的空间位置矢量为rk,m=rk+om,om为第m个天线阵元相对接收机天线中心的空间偏移量。假设接收机的接收信号的采样长度为L,其中第n个外辐射源的发射信号为xn=[xn(1) xn(2) … xn(L)]T。通过将天线方向对准不同的外辐射源或是使用数字波束形成方法,每个接收机都可以得到N个来自不同外辐射源的直达波信号,这些参考信号之间互不相关,第k部接收机接收的来自第n个外辐射源直达波信号可以建模为:
其中αd,n,k是直达波信道参数,说明第n个外辐射源到参考信道RC中第m个天线阵元的 传播效应,其表示综合了由于天线增益、传播损失、目标的散射系数等原因所产生的相位变 化和功率衰减。nd,k,n是均值为0,方差为的加性高斯白噪声。Dd,k,n=D(τd,k,n,υd,k,n)表 示直达波信号由于第n个外辐射源和第k部接收机相对位置和相对速度所产生的时延-多普 勒(TD,Time-Doppler)变化;直达波时延τd,k,n=|dn-rk|/c,令为时延τ的变化率,多普 勒频移为
假设t=[xt yt]为目标所在的位置,是目标的速度,因为对于目标回波信号 来说,通常信噪比较低,自适应波束形成效果不理想,所以在对阵元信号做自适应滤波去除 直达波分量后,监测信号直接使用滤波后的阵列接收信号;此外,因为使用的是单频多外辐 射源信号,因此监测信道中的各个外辐射源信号不可区分,第k部接收机接收的目标回波信 号可以建模为:
αt,k(t)表示目标回波从目标传播到第k个接收站的相位变化及功率衰减。αt,n(t)表示从第n 个外辐射源照射到目标的外辐射源的相位变化及功率衰减。γt,k,n是反射系数。表示目标回波信号由于第n个外辐射源、状态为的目标和接收 机的相对位置和相对速度所产生的时延-多普勒TD变化,目标回波时延为目标回波的多普勒频移为α(t)表示目标相对于接收机的空间转动矢量,即为阵列天线对位于t处 的空间转动矢量,表示由于相位不同引起的空间矢量变化。为表示第m个天线阵元对发 射站信号的相位偏移,nt,k,n表示均值为0,方差为的加性高 斯白噪声,表示维度为L×M的复数矩阵;
假设目标在各个方向上的等效有效反射面积RCS是相同的,被动雷达接收机对各个方向 的天线接收功率均相同,则功率衰减|αt,k|2仅与目标和接收机的相对距离|t-rk|2相关:
假设目标在各个方向上的等效有效反射面积RCS是相同的,被动雷达接收机对各个方向 的天线接收功率均相同,则功率衰减|αt,n(t)|2仅与目标和接收机的相对距离|t-dn|2相关:
信号采样频率为fs,则时延-多普勒变化矩阵具体表达式可以写作:
D(τ,υ)=DL(υ/fs)FHDL(-τfs/L)F
基于距离加权的被动雷达网络中心化检测方法包括以下步骤:
S1、接收机使用数字波束形成技术将直达波信号和目标回波信号分为参考信号(来自不 同外辐射源的直达波信号)和监测信号(目标回波由多个外辐射源的目标散射信号组成),再 将其进行预处理,将接收到的参考信号还原分离成各个外辐射源的发射信号,同时抑制消除 监测信号中的直达波分量;
将感兴趣的目标区域划分为位置-速度的空间,将此空间进行网格划分,根据信号的时频 相关特性确定每一个位置网格和速度网格的大小(位置网格大小不得超过信号的距离分辨力 大小,速度网格大小不得超过速度分辨力大小),得到网格后对其进行遍历,对每个网格中心 点在推导检测器之前假设网格化搜索准确,即目标刚好落在网格中心点此时可以得到目标的位置先验信息,进而得到与接收机的距离先验信息。根据时延-多普勒TD变化公式和空间转动矢量公式计算每个网格中心点处的目标回波的TD补偿矩阵 和空间转动矢量α(p);
(因为监测信道中信号成分功率通常远小于噪声,对于非目标外辐射源的信号成分 我们可以将其归入噪声在目标回波信噪比较小的情况下认为 近似成立。通常认为信道噪声通常是时间平稳的,因 此可以认为不同外辐射源的修正噪声互相之间不相关。)
S3、分别计算单部雷达H0假设和H1假设下的似然函数。
当时,即H1假设下,监测信道中存在目标回波信号。由于等时差线、等频 差线和信号时频相关谱峰宽度的存在,部分空间位置将出现虚警目标。提高检测门限或者是 对检测结果进行长时间的跟踪判别可以排除掉虚警目标。从而得到在该假设点是否存在目标 的假设检验形式:
根据极大似然准则,假设H0下的对数似然函数可以表示为:
假设H1下的对数似然函数可以表示为:
同样的根据瑞利商定义,我们可以得到这一项的极大似然估计:
S4、根据S3中得到的似然函数计算检验量
S5、在数据融合中心对各个网格点检验量按照距离加权,从而得到总检验量,进行门限 比较。
将不同外辐射源到目标距离αt,n先验信息加入后,最终的检验量表达式为:
其中γ是恒虚警检测门限,特定虚警概率Pfa的门限可以由零假设下的右尾概率分布ξ得 到:
判断检验量T是否大于预设的恒虚警门限γ,若是,则判断该位置不存在目标,回到步 骤S1,否则,判断该位置存在目标。
本发明的有益效果为,本发明使用了目标的位置信息作为信号强度的参考值,不仅仅考 虑了各个接收机接收信号的强度,还考虑了每个信号路径强度差异,使用的集中式的检验方 法,在低信噪比下,被动雷达网络系统中目标检测性能有了很大的改善。
附图说明
图1被动雷达网络结构图
图2被动雷达中心化检测的处理流程图
图3低信噪比下,在不同快拍数下,本文所提方法、传统GLRT方法和加权检验量融合 方法的检测性能对比仿真图
图4低信噪比下,在不同虚警概率下,本文所提方法、传统GLRT方法和加权检验量融 合方法的检测性能对比仿真图
具体实施方式
下面将结合附图和仿真,对本发明的技术方案进行进一步说明。
本例将利用matlab对所提方法进行仿真验证。
设蒙特卡洛仿真次数为100000次,假设被动雷达网络中有2个外辐射源和2个被动雷达 接收机,四个直达波信噪比均为dnr=-10dB,考虑到目标到外辐射源距离带来的幅度增益系 数为at,n=[1,2],目标到接收机的距离带来的幅度增益系数为at,k=[1,2],目标回波的信噪 比分别为snr11=-20dB,snr12=-17dB,snr21=-17dB,snr22=-14dB。
仿真情况1:
接收信号的信号长度,即快拍数从150到500,恒虚警概率设置为10-4。
结论分析:由图3结果可以看出,在低信噪比下,所提方法的检测性能明显优于其他检测 器。这是因为所提方法考虑了由于传播距离带来的不同路径目标回波信号的强度差异。此外, 随着信号快拍数的增加,这三种方法的检测性能也会提高。这说明信号样本数的增加对被动 雷达系统有利。
仿真情况2:
信号的快拍数为150,虚警概率从10-5-10-1
结论分析:由图4结果可以看出,在低信噪比下,所提方法的检测性能比其他两种检测器 的性能好。随着虚警概率的增加,三种方法的检测性能都相应提高。
Claims (1)
1.一种基于距离加权的被动雷达网络中心化检测方法,所述被动雷达网络是由N个外辐射源和K个接收机组成,第n个外辐射源发射机的空间位置矢量为dn,第k部接收机天线中心的空间位置矢量为rk,被动雷达网络中的接收机均具有M个阵元阵列天线,M>N,其中第k部接收机的空间位置矢量为rk,m=rk+om,om为第m个天线阵元相对接收机天线中心的空间偏移量;假设接收机的接收信号的采样长度为L,其中第n个外辐射源的发射信号为xn=[xn(1)xn(2)…xn(L)]T,通过将天线方向对准不同的外辐射源或是使用数字波束形成方法,每个接收机都得到N个来自不同外辐射源的直达波信号;所述中心化检测方法包括以下步骤:
其中,αd,n,k是直达波信道参数,Dd,k,n=D(τd,k,n,υd,k,n)表示直达波信号由于第n个外辐射源和第k部接收机相对位置和相对速度所产生的时延-多普勒变化,直达波时延τd,k,n=|dn-rk|/c,dn表示第n个外辐射源发射机的空间位置矢量,rk表示第k部接收机天线中心的空间位置矢量rk,多普勒频移为 为时延τ的变化率,nd,k,n是均值为0,方差为的加性高斯白噪声;表示维度为L×1的复数矩阵;
第k部接收机接收的目标回波信号模型为:
其中,αt,k(t)表示目标回波从目标传播到第k个接收站的相位变化及功率衰减,αt,n(t)表示从第n个外辐射源照射到目标的外辐射源的相位变化及功率衰减,γt,k,n是反射系数,表示目标回波信号由于第n个外辐射源、状态为的目标和第k部接收机的相对位置和相对速度所产生的时延-多普勒TD变化,目标回波时延为目标回波的多普勒频移为c是光速,λ是波长,α(t)表示目标相对于接收机的空间转动矢量,即为阵列天线对位于t处的空间转动矢量,为表示第m个天线阵元对发射站信号的相位偏移,nt,k,n表示均值为0,方差为的加性高斯白噪声,表示维度为L×M的复数矩阵;
接收机使用数字波束形成技术将直达波信号和目标回波信号分为参考信号和监测信号,再进行预处理,将接收到的参考信号还原分离成各个外辐射源的发射信号,同时抑制消除监测信号中的直达波分量;
将感兴趣的目标区域划分为位置-速度的网格空间,根据信号的时频相关特性确定每一个位置网格和速度网格的大小,得到网格后对其进行遍历,对每个网格中心点假设网格化搜索准确,即目标刚好落在网格中心点此时得到目标的位置先验信息,进而得到与接收机的距离先验信息;根据时延-多普勒TD变化公式和空间转动矢量公式计算每个网格中心点处的目标回波的TD补偿矩阵和空间转动矢量α(p);
当网格化检测所搜索的位置速度与目标相同时即目标恰好落在划分的网格中心点上,目标回波信号和参考信号之间的相关性达到最大,假设网格化搜索准确,即将多普勒补偿后的信号作为输入信号,则此时直达波信号和目标回波表示如下:
S3、分别计算单部雷达H0假设和H1假设下的似然函数:
根据极大似然准则,假设H0下的对数似然函数表示为:
假设H1下的对数似然函数表示为:
根据瑞利商定义,得到这一项的极大似然估计:
S4、根据S3中得到的似然函数计算检验量
S5、对各个网格点检验量按照距离加权,从而得到总检验量,进行门限比较:
其中,假设目标在各个方向上的等效有效反射面积RCS是相同的,被动雷达接收机对各个方向的天线接收功率均相同,则功率衰减|αt,k|2仅与目标和接收机的相对距离|t-rk|2相关:
将不同外辐射源到目标距离αt,n先验信息加入后,最终的检验量表达式为:
其中,假设目标在各个方向上的等效有效反射面积RCS是相同的,被动雷达接收机对各个方向的天线接收功率均相同,则功率衰减|αt,n(t)|2仅与目标和接收机的相对距离|t-dn|2相关:
γ是恒虚警检测门限,特定虚警概率Pfa的门限由零假设下的右尾概率分布ξ得到:
判断检验量T是否大于预设的恒虚警门限γ,若是,则判断该位置不存在目标,回到步骤S1,否则,判断该位置存在目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110174439.6A CN112986975B (zh) | 2021-02-07 | 2021-02-07 | 一种基于距离加权的被动雷达网络中心化检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110174439.6A CN112986975B (zh) | 2021-02-07 | 2021-02-07 | 一种基于距离加权的被动雷达网络中心化检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112986975A true CN112986975A (zh) | 2021-06-18 |
CN112986975B CN112986975B (zh) | 2022-08-23 |
Family
ID=76347799
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110174439.6A Active CN112986975B (zh) | 2021-02-07 | 2021-02-07 | 一种基于距离加权的被动雷达网络中心化检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112986975B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114690175A (zh) * | 2022-04-12 | 2022-07-01 | 电子科技大学 | 一种基于被动外辐射源雷达的目标直接检测与跟踪方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011047882A (ja) * | 2009-08-28 | 2011-03-10 | Toshiba Corp | 目標追跡装置 |
CN103698759A (zh) * | 2013-12-27 | 2014-04-02 | 武汉大学 | 一种基于单频网的外辐射源雷达系统及其信号处理方法 |
CN108594200A (zh) * | 2018-07-18 | 2018-09-28 | 电子科技大学 | 一种被动式mimo雷达的全相参目标检测方法 |
CN108680910A (zh) * | 2018-05-15 | 2018-10-19 | 河海大学 | 基于波形认知的调频广播外辐射源雷达目标检测方法 |
CN110412559A (zh) * | 2019-07-26 | 2019-11-05 | 西安电子科技大学 | 分布式无人机mimo雷达的非相参融合目标检测方法 |
CN111352087A (zh) * | 2020-03-25 | 2020-06-30 | 电子科技大学 | 基于dbscan的被动mimo雷达多目标定位方法 |
CN111948619A (zh) * | 2020-06-30 | 2020-11-17 | 西安电子科技大学 | 一种多类型外辐射源照射下目标被动协同探测方法及系统 |
-
2021
- 2021-02-07 CN CN202110174439.6A patent/CN112986975B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011047882A (ja) * | 2009-08-28 | 2011-03-10 | Toshiba Corp | 目標追跡装置 |
CN103698759A (zh) * | 2013-12-27 | 2014-04-02 | 武汉大学 | 一种基于单频网的外辐射源雷达系统及其信号处理方法 |
CN108680910A (zh) * | 2018-05-15 | 2018-10-19 | 河海大学 | 基于波形认知的调频广播外辐射源雷达目标检测方法 |
CN108594200A (zh) * | 2018-07-18 | 2018-09-28 | 电子科技大学 | 一种被动式mimo雷达的全相参目标检测方法 |
CN110412559A (zh) * | 2019-07-26 | 2019-11-05 | 西安电子科技大学 | 分布式无人机mimo雷达的非相参融合目标检测方法 |
CN111352087A (zh) * | 2020-03-25 | 2020-06-30 | 电子科技大学 | 基于dbscan的被动mimo雷达多目标定位方法 |
CN111948619A (zh) * | 2020-06-30 | 2020-11-17 | 西安电子科技大学 | 一种多类型外辐射源照射下目标被动协同探测方法及系统 |
Non-Patent Citations (3)
Title |
---|
DANIEL E. HACK ,ET AL: "Detection in Passive MIMO Radar Networks", 《IEEE TRANSACTIONS ON SIGNAL PROCESSING》 * |
郭昱宁: "多基地被动雷达联合检测技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
马艺超: "基于外辐射源的无源雷达成像算法性能研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114690175A (zh) * | 2022-04-12 | 2022-07-01 | 电子科技大学 | 一种基于被动外辐射源雷达的目标直接检测与跟踪方法 |
CN114690175B (zh) * | 2022-04-12 | 2023-10-27 | 电子科技大学 | 一种基于被动外辐射源雷达的目标直接检测与跟踪方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112986975B (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hack et al. | Detection in passive MIMO radar networks | |
CN109188344B (zh) | 脉冲噪声环境下基于互循环相关music算法信源个数与来波方向角估计方法 | |
US6226321B1 (en) | Multichannel parametric adaptive matched filter receiver | |
CN105891817B (zh) | 一种无直达波条件下分布式无源雷达目标检测的方法 | |
CN110412559A (zh) | 分布式无人机mimo雷达的非相参融合目标检测方法 | |
Huang et al. | Radar high speed small target detection based on keystone transform and linear canonical transform | |
CN110389327A (zh) | 接收站位置误差下多站多外辐射源雷达双基距定位方法 | |
CN110488277B (zh) | 基于外辐射源的分布式主被动雷达联合定位方法 | |
CN115508799A (zh) | 一种基于矩空间的分布式被动雷达目标检测方法 | |
CN115390027A (zh) | 非均匀杂波下目标知识辅助智能融合检测方法 | |
CN112986975B (zh) | 一种基于距离加权的被动雷达网络中心化检测方法 | |
CN111007487A (zh) | 一种基于时间反演的多基地雷达目标检测方法 | |
CN114690175B (zh) | 一种基于被动外辐射源雷达的目标直接检测与跟踪方法 | |
CN108594200B (zh) | 一种被动式mimo雷达的全相参目标检测方法 | |
Mahamuni | Space-Time Adaptive Processing (STAP) Techniques for Mitigation of Jammer Interference and Clutter Suppression in Airborne Radar Systems: A MATLAB Implementation-Based Study | |
Wan et al. | A range-Doppler-angle estimation method for passive bistatic radar | |
Chen et al. | Passive direct positioning of emitters with unknown LFM signals based on FRFT | |
Huang et al. | Using time reversal for direction of arrival estimation in multipath environment | |
Berin et al. | Signal cancellation effects in adaptive radar mountaintop data-set | |
Song et al. | A novel weighted-distance centralized detection method in passive MIMO radar | |
Xuan et al. | Multi-radar Signal Level Fusion Detection Algorithm based on Fast Time Accumulation | |
CN116047425B (zh) | 基于正交发射序列和多子载频发射方案的抗脉内转发干扰方法 | |
CN113759334B (zh) | 一种基于时变信道的极化时间反演检测方法 | |
Robey et al. | Array calibration and modeling of steering vectors | |
CN111856426B (zh) | 基于中央厄米特结构和非匀质模型的子空间目标检测方法 |
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 |