CN113030843B - 基于改进iaa波束形成的低空目标测向方法 - Google Patents
基于改进iaa波束形成的低空目标测向方法 Download PDFInfo
- Publication number
- CN113030843B CN113030843B CN202110450689.8A CN202110450689A CN113030843B CN 113030843 B CN113030843 B CN 113030843B CN 202110450689 A CN202110450689 A CN 202110450689A CN 113030843 B CN113030843 B CN 113030843B
- Authority
- CN
- China
- Prior art keywords
- signal
- matrix
- coherent
- signals
- array
- 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.)
- Active
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
- G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
- G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
- G01S3/14—Systems for determining direction or deviation from predetermined direction
Abstract
本发明属于雷达信号处理技术领域,尤其涉及一种基于改进IAA波束形成的低空目标测向方法,包括以下步骤:S1:构建低空环境下混合信号模型;S2:空间差分处理不相关信号;S3:重构差分矩阵;S4:分离相干信号和DOA估计;S5:抑制相干干扰信号。本发明具有以下技术效果:本发明通过对差分矩阵进行优化以构造出新的差分矩阵,从而提高测向精度。同时,本发明结合IAA算法得到的相干信号空间谱,构建干扰噪声协方差矩阵来对空域相邻的相干干扰信号进行抑制。本发明不仅能够有效提高低空目标探测的环境适应性,而且对于促进低空目标无源测向向实用化、精细化方向发展提供技术支撑。
Description
技术领域
本发明属于雷达信号处理技术领域,尤其涉及一种基于改进迭代自适应(Iterative Adaptive Approach,IAA)波束形成的低空目标测向方法。
背景技术
低空目标一般具有地形和地物遮蔽,且可以超低空飞行,一来可能处于雷达盲区,二来目标信号淹没在强烈地海杂波、多径干扰之中,在时域、空域、频域等都难以分离。此外,随着人工智能技术的应用,以导弹、无人机为主要形式的低空目标不仅能够自主改变轨迹躲避有源雷达的探测定位,而且还能对其进行智能识别、欺骗干扰和攻击摧毁,现有的雷达探测手段面临着全新的挑战。
近年来,基于雷达外辐射源的无源探测系统具有隐蔽探测、抗电磁干扰以及反隐身等优点,同时比广播、电视等商业辐射源有更远的探测距离和更高的分辨率,得到了雷达学术和工业界的广泛研究。然而,针对低空这一特定环境,利用雷达辐射源进行目标测向在信号处理上尚存在以下问题:一方面,低空环境复杂多变,强杂波、多径效应导致无源接收时存在大量的不相关和相干信号,而大多文献仅从多径或杂波其中一个方面进行信号建模和测向算法研究,缺乏考虑不相关和相干信号间的相互干扰问题;另一方面,基于雷达外辐射源的无源探测属于非合作工作体制,受限于外辐射源特性,在信号处理中极易出现低信噪比、小样本数等不利条件,此时现有的空间平滑类阵列测向方法难以解决不相关信号和相干信号的分离、抑制以及波达方向(Direction of Arrival,DOA)估计问题,特别是低空环境中,该类算法将产生较大误差,甚至完全失效。
发明内容
为解决低空环境中低信噪比、小样本数及空域不相关和相干信号同方向入射等带来的阵列测向问题,本发明基于迭代自适应(Iterative Adaptive Approach,IAA)技术(Yardibi T,Li J,Stoica P,Xue M,Baggeroer A B.Source localization and sensing:A nonparametric iterative adaptive approach based on weighted least squares[J].IEEE Transactions on Aerospace and Electronic Systems.2009,37(10):1317~1322.),提出一种基于改进IAA波束形成的低空目标测向方法。首先利用空间差分技术去除不相关信号在阵列协方差矩阵中的贡献,随后对空间差分矩阵进行优化构造新的差分矩阵,利用IAA算法对剩余相干信号进行分离和DOA估计,最后提出基于IAA空间谱的协方差矩阵重建波束形成方法对空域相邻的相干干扰进行抑制,从而得到目标信号DOA估计。
本发明采用的技术方案为:一种基于改进IAA波束形成的低空目标测向方法,该方法包括以下步骤:
S1:构建低空环境下混合信号模型。
无源探测系统主要由参考天线,接收天线和接收机组成,系统工作时利用参考天线截获外辐射源信号,利用接收天线截获目标反射的信号来实现目标的检测、跟踪和定位等功能。
为了便于分析,假设远场窄带信号以角度θ入射到阵元间隔为d的均匀线性阵列天线上,阵元数为M。令第一个阵元为参考阵元,则导向矢量可表示为
其中,λ表示信号波长,[·]T表示进行转置处理。
不失一般性,假设有K个远场窄带混合信号,包括Kc个相干信号和Ku个不相关信号,即K=Ku+Kc,其中Kc个相干信号划分为G个相干信号组,表示来自G个统计独立的信号源。令其中g为相干信号组变量,表明在第g个相干信号组里有Lg个多径信号,g=1,…,G。假设第g个相干信号组的第lg个多径信号的入射角度为多径系数为lg=1,…,Lg。
假设Ku个不相关信号和Kc个相干信号在不同的信号组,那么低空环境下的混合信号模型可以表示为
x(t)=Ausu(t)+AcΓsc(t)+n(t) (2)
其中su(t)是不相关信号矢量,sc(t)是相干信号矢量,Ac是相干信号阵列流矢量矩阵,Au是不相关信号阵列流矢量矩阵,Γ是多径系数矩阵,n(t)是噪声矢量。
S2:空间差分处理不相关信号。
根据S1中的混合信号模型,混合信号的阵列协方差矩阵可计算为
由于Rxu是Toeplitz矩阵,则根据Toeplitz矩阵性质,对于任意Toeplitz矩阵Ξ,满足如下关系
Ξ=JΞHJ (5)
其中,J表示反对角线上的元素为1,其余元素为0的置换矩阵。
因此,可以通过构造一个差分矩阵Rd消除混合信号的阵列协方差矩阵Rx中的不相关信号的贡献,该过程可描述为
将式(4)代入式(6),可得到
很明显,上式中差分矩阵Rd里仅包括相干信号的信息,即经过差分处理后阵列协方差矩阵里不相关信号的贡献被消除。
S3:重构差分矩阵。
对差分矩阵Rd进行特征值分解,表示为
式中表示特征值矩阵,其中ηdj,-ηdj,j=1,…,Kc分别为正负成对出现的特征值,表示特征向量矩阵,其中,udj,为特征值ηdj,-ηdj对应的特征向量。可以看出,差分矩阵Rd虽然只包含相干信号信息,但是其特征值是正负成对出现,其秩始终为偶数,这样的话,当相干信号组存在奇数个相干信号,采用空间平滑解相干处理时,差分矩阵平滑后秩就会欠1,这就是差分处理导致的交叉项问题(Choi Y H.Improved adaptive nulling of coherent interference withoutspatial smoothing[J].IEEE Transactions on Signal Processing,2004,52(12):3464-3469.)。
针对上述问题,下面对差分矩阵Rd进行优化重构成新的差分矩阵RD,表达式为
此时,新的阵列协方差矩阵的秩得到了恢复(张裕峰.多径传播条件下的波达方向估计算法研究[D].合肥:中国科学技术大学,2010)。
S4:分离相干信号和DOA估计。
本发明利用迭代自适应算法(Iterative Adaptive Approach,IAA)(Du L,Yardibi T,Stoica P.Review of user parameter-free robust adaptive beamformingalgorithms[J].Digital Signal Processing,2009,19(4):567-582)直接处理RD来完成相干信号DOA估计。具体过程如下:
S4.1阵列接收信号的稀疏信号模型表示
S4.2计算稀疏角度的加权系数
由最小二乘准则给出上式的代价函数Lf,其表达式为
利用矩阵求逆定理,式(13)可进一步表示为
此时,根据式(14)即可求解出第b个稀疏角度的加权系数wb,即
S4.3构建空间谱
基于加权系数wb,则第b个稀疏角度的空间谱可计算为
因此,将式(15)和式(9)代入式(16),构建出所有稀疏角度的空间谱,进而得到IAA算法得到的空间谱,通过谱峰搜索即可实现相干信号的DOA估计。
S5:抑制相干干扰信号。
由于相干信号中包含目标信号和相干干扰信号,将IAA算法得到的空间谱应用到基于干扰噪声协方差矩阵(Interference-plus-noise covariance matrix,INCM)重建的波束形成器当中,以进一步抑制相干干扰信号。由于IAA算法得到的空间谱具有高分辨率的特性,因此可以利用其对目标信号的入射方向进行修正。在INCM重建过程中,目标信号所在的角度范围是已知的,我们只需要寻找IAA算法得到的空间谱在这一角度范围内的最大值就可以得到修正后的目标信号入射方向。
基于此,由于IAA算法得到的空间谱中的大部分元素为零,其中的非零元素代表对应方向存在信号;将IAA算法得到的空间谱中目标信号角度集对应的元素全部置零后,利用功率稀疏分布重建INCM,表达式为
那么,修正后的第b个稀疏角度的空间谱可表示为
因此,将式(18)和式(17)代入式(19),得到相干干扰信号抑制后的空间谱,实现对空域相邻的相干干扰信号抑制。
本发明基于以下原理:首先利用空间差分技术处理不相关信号干扰,消除其在阵列协方差矩阵中的贡献,然而此时得到的差分协方差矩阵存在交叉项问题,直接处理将产生较大的测向误差。对此,本发明通过对差分矩阵进行优化以构造新的差分矩阵,然后利用IAA算法对剩余相干信号进行分离和DOA估计。然后,结合IAA算法得到的相干信号空间谱,构建干扰噪声协方差矩阵来对空域相邻的相干干扰信号进行抑制。
本发明具有以下技术效果:
在低空环境下,针对强杂波和多径效应引起的不相关和相干信号之间的干扰问题,本发明提出了一种改进IAA波束形成的低空目标测向方法,实现目标信号DOA高精度估计。考虑到通过空间差分方法得到的差分矩阵存在交叉项问题,直接处理将产生较大的测向误差,本发明通过对差分矩阵进行优化以构造出新的差分矩阵,从而提高测向精度。同时,本发明结合IAA算法得到的相干信号空间谱,构建干扰噪声协方差矩阵来对空域相邻的相干干扰信号进行抑制。本发明不仅能够有效提高低空目标探测的环境适应性,而且对于促进低空目标无源测向向实用化、精细化方向发展提供技术支撑。
附图说明
图1是基于雷达辐射源的低空目标无源测向示意图;
图2是本发明提出方法的处理流程;
图3是不相关信号的空间谱;
图4是相干信号的空间谱;
图5是相干干扰信号抑制后的空间谱。
具体实施方式
下面结合附图对本发明进行进一步说明:
图1给出基于雷达外辐射源的无源探测系统工作场景。可以看出,低空目标无源探测场景中,杂波、多径等干扰与目标信号混叠一起,同时被天线的主瓣和旁瓣截获,在接收机中产生了大量的不相关信号和相干信号。
图2为本发明提出算法的总处理流程。
本发明所述一种基于改进IAA波束形成的低空目标无源测向方法,该方法包括以下步骤:
S1:构建低空环境下混合信号模型;
S2:空间差分处理不相关信号;
S3:重构差分矩阵;
S4:分离相干信号和DOA估计;
S5:抑制相干干扰信号。
下面进行仿真实验对本发明提出算法进行性能分析。假设接收天线是10阵元等间隔均匀线阵,阵元间距为波长的一半。低空环境下,假设不相关信号的入射角度分别以-30°,4°,25°入射,相干信号的入射角度为-5°,4°,这表明不相关信号和相干信号在4°这个方向是同方向入射。图3和图4分别给出不相关信号和相干信号对应的空间谱,图5给出了本发明得到的相干干扰信号抑制后的空间谱,可以看出本发明能够处理相干干扰,经过谱峰搜索得到的角度为4°。
Claims (1)
1.一种基于改进IAA波束形成的低空目标测向方法,其特征在于,该方法包括以下步骤:
S1:构建低空环境下混合信号模型
假设远场窄带信号以角度θ入射到阵元间隔为d的均匀线性阵列天线上,阵元数为M;令第一个阵元为参考阵元,则导向矢量表示为
其中,λ表示信号波长,[·]T表示进行转置处理;
假设有K个远场窄带混合信号,包括Kc个相干信号和Ku个不相关信号,即K=Ku+Kc,其中Kc个相干信号划分为G个相干信号组,表示来自G个统计独立的信号源;令其中g为相干信号组变量,表明在第g个相干信号组里有Lg个多径信号,g=1,…,G;假设第g个相干信号组的第lg个多径信号的入射角度为多径系数为
假设Ku个不相关信号和Kc个相干信号在不同的信号组,那么低空环境下的混合信号模型表示为
x(t)=Ausu(t)+AcΓsc(t)+n(t) (2)
其中su(t)是不相关信号矢量,sc(t)是相干信号矢量,Ac是相干信号阵列流矢量矩阵,Au是不相关信号阵列流矢量矩阵,Γ是多径系数矩阵,n(t)是噪声矢量;
S2:空间差分处理不相关信号
根据S1中的混合信号模型,混合信号的阵列协方差矩阵计算为
由于Rxu是Toeplitz矩阵,则根据Toeplitz矩阵性质,对于任意Toeplitz矩阵Ξ,满足如下关系
Ξ=JΞHJ (5)
其中,J表示反对角线上的元素为1,其余元素为0的置换矩阵;
因此,通过构造一个差分矩阵Rd消除混合信号的阵列协方差矩阵Rx中的不相关信号的贡献,该过程描述为
将式(4)代入式(6),可得到
很明显,上式中差分矩阵Rd里仅包括相干信号的信息,即经过差分处理后阵列协方差矩阵里不相关信号的贡献被消除;
S3:重构差分矩阵
对差分矩阵Rd进行特征值分解,表示为
式中表示特征值矩阵,其中ηdj,-ηdj,j=1,…,Kc分别为正负成对出现的特征值,表示特征向量矩阵,其中,udj,为特征值ηdj,-ηdj对应的特征向量;可以看出,差分矩阵Rd虽然只包含相干信号信息,但是其特征值是正负成对出现,其秩始终为偶数,这样的话,当相干信号组存在奇数个相干信号,采用空间平滑解相干处理时,差分矩阵平滑后秩就会欠1,这就是差分处理导致的交叉项问题;
针对上述问题,下面对差分矩阵Rd进行优化重构成新的差分矩阵RD,表达式为
此时,新的阵列协方差矩阵的秩得到了恢复;
S4:分离相干信号和DOA估计
利用迭代自适应算法直接处理RD来完成相干信号DOA估计,具体过程如下:
S4.1阵列接收信号的稀疏信号模型表示
S4.2计算稀疏角度的加权系数
由最小二乘准则给出上式的代价函数Lf,其表达式为
利用矩阵求逆定理,式(13)进一步表示为
此时,根据式(14)即可求解出第b个稀疏角度的加权系数wb,即
S4.3构建空间谱
基于加权系数wb,则第b个稀疏角度的空间谱计算为
因此,将式(15)和式(9)代入式(16),构建出所有稀疏角度的空间谱,进而得到IAA算法得到的空间谱,通过谱峰搜索即可实现相干信号的DOA估计;
S5:抑制相干干扰信号
将IAA算法得到的空间谱中目标信号角度集对应的元素全部置零后,利用功率稀疏分布重建INCM,表达式为
那么,修正后的第b个稀疏角度的空间谱表示为
因此,将式(18)和式(17)代入式(19),得到相干干扰信号抑制后的空间谱,实现对空域相邻的相干干扰信号抑制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110450689.8A CN113030843B (zh) | 2021-04-26 | 2021-04-26 | 基于改进iaa波束形成的低空目标测向方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110450689.8A CN113030843B (zh) | 2021-04-26 | 2021-04-26 | 基于改进iaa波束形成的低空目标测向方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113030843A CN113030843A (zh) | 2021-06-25 |
CN113030843B true CN113030843B (zh) | 2022-02-25 |
Family
ID=76454535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110450689.8A Active CN113030843B (zh) | 2021-04-26 | 2021-04-26 | 基于改进iaa波束形成的低空目标测向方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113030843B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113820655A (zh) * | 2021-09-18 | 2021-12-21 | 宜宾电子科技大学研究院 | 一种基于Toeplitz矩阵重构和矩阵填充的互质阵相干信号DOA估计方法 |
CN114114187B (zh) * | 2021-11-18 | 2022-05-17 | 中国人民解放军国防科技大学 | 网格失配情况下基于深度展开admm网络测向方法 |
CN115388712B (zh) * | 2022-10-31 | 2023-01-31 | 济钢防务技术有限公司 | 一种智能激光武器系统控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106788655A (zh) * | 2016-11-30 | 2017-05-31 | 电子科技大学 | 互耦条件下未知互耦信息的干扰相干稳健波束形成方法 |
WO2018049595A1 (zh) * | 2016-09-14 | 2018-03-22 | 深圳大学 | 一种基于交替方向乘子法的稳健稀疏恢复stap方法及其系统 |
CN109407055A (zh) * | 2018-10-24 | 2019-03-01 | 西安电子科技大学 | 基于多径利用的波束形成方法 |
-
2021
- 2021-04-26 CN CN202110450689.8A patent/CN113030843B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018049595A1 (zh) * | 2016-09-14 | 2018-03-22 | 深圳大学 | 一种基于交替方向乘子法的稳健稀疏恢复stap方法及其系统 |
CN106788655A (zh) * | 2016-11-30 | 2017-05-31 | 电子科技大学 | 互耦条件下未知互耦信息的干扰相干稳健波束形成方法 |
CN109407055A (zh) * | 2018-10-24 | 2019-03-01 | 西安电子科技大学 | 基于多径利用的波束形成方法 |
Non-Patent Citations (4)
Title |
---|
DOA Estimation Method in Multipath Environment for Passive Bistatic Radar;Hu, Panhe et al.;《International Journal of Antennas & Propagation》;20191231;第2019卷(第1期);全文 * |
一种改进的嵌套阵列波束形成算法;臧守明等;《计算机仿真》;20161015(第10期);全文 * |
基于先验信息的协方差矩阵重构抗干扰算法;潘帅等;《火力与指挥控制》;20180915(第09期);全文 * |
导向矢量和协方差矩阵联合迭代估计的稳健波束形成算法;杨志伟等;《电子与信息学报》;20181018(第12期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113030843A (zh) | 2021-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113030843B (zh) | 基于改进iaa波束形成的低空目标测向方法 | |
CN110113085B (zh) | 一种基于协方差矩阵重构的波束形成方法及系统 | |
CN110045323B (zh) | 一种基于矩阵填充的互质阵稳健自适应波束形成算法 | |
CN109143275B (zh) | 一种基于粒子群的小型化阵列天线抗干扰实现方法 | |
CN107290732B (zh) | 一种量子大爆炸的单基地mimo雷达测向方法 | |
Gunjal et al. | Improved direction of arrival estimation using modified MUSIC algorithm | |
CN111814096B (zh) | 基于子空间拟合的加权块稀疏恢复的mimo雷达定位方法 | |
CN107238812B (zh) | 一种基于最小间隙阵列的鲁棒动态测向方法 | |
Li et al. | Dimension-reduced space-time adaptive clutter suppression algorithm based on lower-rank approximation to weight matrix in airborne radar | |
Li et al. | Combining sum-difference and auxiliary beams for adaptive monopulse in jamming | |
CN115963457B (zh) | 一种多通道无源雷达直达波干扰抑制方法 | |
Ko et al. | Separation and tracking of multiple broadband sources with one electromagnetic vector sensor | |
Hou et al. | A robust capon beamforming approach for sparse array based on importance resampling compressive covariance sensing | |
Cong et al. | A generalized noise reconstruction approach for robust DOA estimation | |
CN112485755B (zh) | 基于2q阶嵌套MIMO阵列结构的角度估计方法 | |
CN113759303A (zh) | 一种基于粒子群算法的无网格波达角估计方法 | |
CN113625220A (zh) | 一种多径信号波达方向和扩散角快速估计新方法 | |
CN108594165B (zh) | 一种基于期望最大化算法的窄带信号波达方向估计方法 | |
CN114167346B (zh) | 基于协方差矩阵拟合阵元扩展的doa估计方法及系统 | |
CN113093095A (zh) | 一种基于雷达外辐射源的低空目标无源测向方法 | |
Yeom et al. | Performance analysis of beamspace MUSIC with beamforming angle | |
Pandey et al. | Space Time Adaptive Processing for High Signal to Clutter Ratio Target's Detection Radar System | |
Li et al. | Localization of near-field sources based on sparse signal reconstruction with regularization parameter selection | |
Zou et al. | An improved MUSIC algorithm implemented with high-speed parallel optimization for FPGA | |
CN107894597B (zh) | 基于线性虚拟阵元的自适应调零方法 |
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 |