CN113253223A - 基于步进频信号的非平稳杂波抑制的目标检测方法 - Google Patents

基于步进频信号的非平稳杂波抑制的目标检测方法 Download PDF

Info

Publication number
CN113253223A
CN113253223A CN202110342176.5A CN202110342176A CN113253223A CN 113253223 A CN113253223 A CN 113253223A CN 202110342176 A CN202110342176 A CN 202110342176A CN 113253223 A CN113253223 A CN 113253223A
Authority
CN
China
Prior art keywords
clutter
space
time
signal
vector
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
Application number
CN202110342176.5A
Other languages
English (en)
Other versions
CN113253223B (zh
Inventor
杨小鹏
王保智
张星语
曾涛
龙腾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202110342176.5A priority Critical patent/CN113253223B/zh
Publication of CN113253223A publication Critical patent/CN113253223A/zh
Application granted granted Critical
Publication of CN113253223B publication Critical patent/CN113253223B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Remote Sensing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提出了基于步进频信号的非平稳杂波抑制的目标检测方法，属于阵列信号处理技术领域，能够结合空时自适应处理结构特点，发挥窄带步进频信号的优势，实现机载雷达地杂波的有效抑制；通过发射带宽较窄的步进频率信号，有效降低对发射机的要求；对感兴趣的检测单元进行相位补偿，自动实现折叠杂波的频谱搬移，降低信号处理的难度。本发明方法利用快时间采样信息，进行步进频率回波信号距离相位补偿，得到一个新的杂波信号矢量，进而实现杂波分离；根据发射信号和先验信息，构建空时滤波器，对新的杂波信号矢量进行折叠杂波的滤除，得到空时滤波后的结果；利用该结果求取杂波协方差矩阵，得到最优空时权矢量，处理后得到最终检测结果并输出。

Description

基于步进频信号的非平稳杂波抑制的目标检测方法
技术领域
本发明属于阵列信号处理技术领域，涉及基于步进频信号的非平稳杂波抑制的目标检测方法。
背景技术
与地面雷达相比，机载雷达具有明显的优势。然而，机载雷达在搜索运动目标时会产生强烈的地杂波。地杂波在不同方向随多普勒频率的变化，极大地影响了弱小低速运动目标的检测性能。为此，相关学者提出了空时自适应处理(STAP)技术，该技术同时利用空间域和多普勒域信息，能够有效抑制地杂波，并广泛应用于机载雷达的运动目标检测。
当载机中的相控阵雷达工作于非正侧视模式下，也就是说，载机的运动方向与阵列轴向之间存在一个夹角时，杂波频谱在空间角-多普勒二维平面呈现椭圆分布，这种分布规律与杂波散射点和雷达之间的径向距离有一定的关系。通常，业内将具有相同径向距离的杂波散射体组成的集合称为距离环。由于各距离环的杂波谱在空间角-多普勒平面上的不一致性，采用训练样本集直接估计的协方差矩阵会造成特征不够明显的问题，不能准确反映杂波统计特性，业内将这种问题称之为杂波非平稳性问题。在此背景下，STAP只能在待检测距离单元处形成宽而浅的缺口，不能有效抑制杂波，可能会滤波弱而慢的目标信号。更糟糕的是，由于雷达系统的距离模糊特性，处于模糊距离的杂波环回波，即折叠杂波，会与待处理数据产生混叠，进一步恶化低速目标的检测效果。特别是近程折叠杂波，由于角度和距离的变化关系比较明显，这部分杂波存在明显的多普勒展宽现象，严重影响低速目标检测的效果。
因此，目前亟需一种抑制非平稳杂波的目标检测方法，能够解决机载雷达空时自适应处理时，传统的非平稳杂波抑制算法计算量大、性能差的问题。
发明内容
有鉴于此，本发明提供基于步进频信号的非平稳杂波抑制的目标检测方法，解决了机载雷达空时自适应处理时，传统的非平稳杂波抑制算法计算量大、性能差的问题。
为达到上述目的，本发明的技术方案为：
基于步进频信号的非平稳杂波抑制的目标检测方法，包括如下步骤：
(1.a)利用快时间采样信息，进行步进频率回波信号距离相位补偿，得到一个新的杂波信号矢量。
(1.b)根据发射信号和先验信息，构建空时滤波器，对新的杂波信号矢量进行折叠杂波的滤除，得到空时滤波后的结果。
(1.c)利用空时滤波后的结果，求取杂波协方差矩阵，针对杂波协方差矩阵构建并求解空时最优数学优化问题，得到最优空时权矢量，利用最优空时权矢量对空时滤波后的结果进行处理，得到最终检测结果并输出。
进一步的，利用快时间采样信息，进行步进频率回波信号距离相位补偿，得到一个新的杂波信号矢量，具体方法为：
(2.a)对于一个高度为h，运行速度为v的载机，载机上搭载一个阵元数为N，阵元间距为d的等距线阵，工作在正侧视模式；雷达发射信号载波波长为λ，一个完整的相参处理周期内包含M个脉冲，脉冲重复周期为Tr；雷达阵列方向与载机飞行方向存在夹角α，地面划分成L个距离环，每个距离环内包含Nc个散射体；则步进频率回波信号的表达式为：
Figure BDA0002999501640000021
其中，st(t)为步进频率回波信号；m为发射信号的脉冲的序号，m＝0,1,…,M-1；u(t-mTr)为第m个脉冲的包络；fm表示第m个脉冲的频率，t为时间变量。
对于上述波形，雷达的第n个阵元接收到信号的第m个脉冲，经过脉冲压缩和采样后，得到L个快时间采样信息，其中第l个距离环的快时间采样信息x(m,n)表示为
Figure BDA0002999501640000031
其中，xl(m,n)表示径向距离为Rl的地面的距离环在理想情况下的回波，l＝1,2,...,L；其中，对目标信号产生严重干扰的模糊距离数为2Q，模糊数为q的折叠杂波为xq(m,n)。
(2.b)利用快时间采样信息，构建距离相位补偿矩阵：根据第l个快时间采样信息对应的径向距离Rl，和已知的发射信号的频率步进量Δf，构造补偿向量，得到距离相位补偿矩阵：
Figure BDA0002999501640000032
Figure BDA0002999501640000033
其中，向量的上标H代表共轭转置，则
Figure BDA0002999501640000034
为一个M×1的列向量，1N×1为元素全为1的N×1维列向量，
Figure BDA0002999501640000035
代表Kronecker乘积；Cl为距离相位补偿矩阵；c为光速。
(2.c)利用距离相位补偿矩阵对第l个距离环的快时间采样信息x(m,n)的l个快时间采样数据xl进行处理，得到新的杂波信号矢量
Figure BDA0002999501640000036
所述表达式为：
Figure BDA0002999501640000037
其中，
Figure BDA0002999501640000038
表示该矩阵的内积。
进一步的，根据发射信号和先验信息，构建空时滤波器，对新的杂波信号矢量进行折叠杂波的滤除，得到空时滤波后的结果，具体方法为：
(3.a)针对一个具有N'c个散射体的距离环产生回波的情况，理想的协方差矩阵为：
Figure BDA0002999501640000041
其中，n为散射体的编号，n＝1,2,…N'c；
Figure BDA0002999501640000042
为该散射体n产生的回波。
(3.b)对所述理想的协方差矩阵
Figure BDA0002999501640000043
进行SVD分解：
Figure BDA0002999501640000044
其中，V为
Figure BDA0002999501640000045
的特征值组成的对角矩阵，U为对应的特征矩阵；Vc为杂波的特征值组成的对角阵，Uc为杂波对应的特征矩阵；Vn为噪声的特征值对应的对角阵，Un为噪声对应的特征矩阵。
构建空时滤波器
Figure BDA0002999501640000046
对新的杂波信号矢量进行滤波，得到空时滤波后的结果，即折叠杂波抑制的结果：
Figure BDA0002999501640000047
进一步的，利用空时滤波后的结果，求取杂波协方差矩阵，针对杂波协方差矩阵构建并求解空时最优数学优化问题，得到最优空时权矢量，利用最优空时权矢量对
Figure BDA0002999501640000048
进行处理，得到最终检测结果并输出，具体方法为：
(4.a)待检测的距离环的序号为l0，在选取距离环l0的两边各Ls个距离环的快时间采样信息作为训练样本，用这2Ls个数据集合训练杂波协方差矩阵：
Figure BDA0002999501640000049
其中，Rfil为折叠杂波抑制的结果的协方差矩阵。
(4.b)针对Rfil，建立空时最优数学优化问题：
Figure BDA00029995016400000410
其中，wopt表示需要求解的最优空时权矢量，v(fst,fdt)为目标对应的时空导向矢量。
Figure BDA0002999501640000051
其中，
Figure BDA0002999501640000052
为目标的空域导向矢量，fst为目标的空间角频率；
Figure BDA0002999501640000053
为目标的时域导向矢量，fdt为目标的多普勒频率。
(4.c)求解所述空时最优数学优化问题，得到最优空时权矢量的表达式为
Figure BDA0002999501640000054
(4.d)利用最优空时权矢量对空时滤波后的结果进行处理，得到检测结果并输出。
进一步的，对理想的协方差矩阵
Figure BDA0002999501640000055
进行SVD分解，依据的准则为：
根据布列南准则，在非正侧面条件下，信号协方差矩阵的前r个大特征值对应的特征向量是Uc，即Uc为杂波对应的特征矩阵。
有益效果：
本发明为了解决机载雷达空时自适应处理时，传统的非平稳杂波抑制算法计算量大、性能差等问题，提出了一种基于步进频信号的STAP非平稳杂波抑制方法，能够结合空时自适应处理结构特点，发挥窄带步进频信号的优势，实现对机载雷达地杂波的有效抑制，达到了在非平稳的折叠环境中进行低速目标检测的目的。该方法首先根据接收信号的距离信息，补偿地杂波距离分布带来的相位差，并实现折叠杂波的频谱搬移；接着，选取部分补偿距离相位差后的数据集作为训练样本，估计杂波协方差矩阵；然后，利用先验信息构造理想杂波滤波器，滤除折叠杂波。最后，利用STAP算法计算自适应权向量，并滤波输出。该方法采用了窄带步进频率信号，通过发射带宽较窄的步进频率信号，在接收机利用信号的相位特征，能够有效降低对发射机的要求；该方法结合空时自适应处理的框架，利用相位和距离的相关关系对折叠杂波进行频谱搬移，通过先验知识获得最优滤波器，降低其对低速目标的干扰；该方法对感兴趣的检测单元进行相位补偿，自动实现折叠杂波的频谱搬移，降低信号处理的难度。即本发明实现了快速、高效的非平稳杂波抑制，达到了较高的输出信杂噪比。
附图说明
图1为机载雷达与地面几何关系图；
图2为本发明实施方式的信号处理流程图；
图3的(a)和(b)分别是传统的ADC和DW方法对非平稳杂波进行补偿时的空时杂波图；
图4为本发明方法中相位补偿后的杂波图；
图5为本发明方法中滤波后的杂波图；
图6为本发明方法与使用传统方法后的低速目标检测对比图。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
如图2所示，首先，本发明方法根据接收信号的距离信息，补偿地杂波距离分布带来的相位差，并实现折叠杂波的频谱搬移；接着，选取部分补偿距离相位差后的数据集作为训练样本，估计杂波协方差矩阵；然后，利用先验信息构造理想杂波滤波器，滤除折叠杂波。最后，利用STAP算法计算自适应权向量，并滤波输出。该方法采用了窄带步进频率信号，结合空时自适应处理的框架，利用相位和距离的相关关系对折叠杂波进行频谱搬移，通过先验知识获得最优滤波器，降低其对低速目标的干扰。实现了快速、高效的非平稳杂波抑制，达到了较高的输出信杂噪比(Signal to Clutterplus Noise Ratio，SCNR)。
本发明方法是通过下述技术方案实现的，具体步骤包括：
(1.a)利用快时间采样信息，进行步进频率回波信号距离相位补偿，得到一个新的杂波信号矢量，进而实现杂波分离。
(2.a)根据发射信号和先验信息，构建空时滤波器，对新的杂波信号矢量进行折叠杂波的滤除，得到空时滤波后的结果，实现折叠杂波抑制。
如图1所示，对于一个高度为h，运行速度为v的载机，载机上搭载一个阵元数为N，阵元间距为d的等距线阵，工作在正侧视模式；雷达发射信号载波波长为λ，一个完整的相参处理周期内包含M个脉冲，脉冲重复周期为Tr，待检测的距离环与载机径向距离为r。雷达阵列方向与载机飞行方向存在夹角α，地面划分成L个距离环，每个距离环内包含Nc个散射体。
根据Melvin提出的一般杂波模型，假设每个杂波环中的散射体个数为Nc，某个散射体与阵列之间的锥角为ψ，θ和
Figure BDA0002999501640000071
为其方位角和仰角，有
Figure BDA0002999501640000072
则步进频率回波信号的表达式为
本发明假设雷达发射如下式所示的步进频率信号
Figure BDA0002999501640000073
其中，u(t)为子脉冲信号的调制方式，本发明中采用为简单的矩形脉冲形式。st(t)为步进频率回波信号；m为发射信号的脉冲的序号，m＝0,1,…,M-1；u(t-mTx)为第m个脉冲信号的包络；fm＝f0+(m-1)Δf表示第m个脉冲的频率，发射的步进频信号的频率步进量Δf；t为时间变量。
对于上述波形，雷达的第n个阵元接收到的回波的第m个脉冲，第l个快时间采样信息可以表示为
Figure BDA0002999501640000074
经过脉冲压缩和采样后，第l个距离环的快时间采样信息x(m,n)可以表示为
Figure BDA0002999501640000075
其中，
Figure BDA0002999501640000076
表示由频率步进引起的距离方面的相位差。
fd和fs分别为回波信号的归一化多普勒频率和归一化空间频率，上述两个变量可以表示为
Figure BDA0002999501640000081
fs＝dcosψfm/c≈dcosψf0/c
由于距离模糊特性，在距离环Rq＝R±qRu,q＝1,2,…Q上的杂波会与待处理的距离环R上的回波数据相混叠，因此第n个阵元接收到的第m个回波采样数据表示为：
Figure BDA0002999501640000082
其M个脉冲回波之间的距离相位项可表示为
Figure BDA0002999501640000083
其中，xl(m,n)和xq(m,n)中的相位项分别表示为
Figure BDA0002999501640000084
和
Figure BDA0002999501640000085
Ru为雷达发射信号的最大不模糊距离。
由上式可知，相同的距离环上的回波信号具有相同的相位项，这一项的产生原因是地杂波距离分布造成的，称为距离相位差。
机载阵雷达的信号处理一般基于单个相干处理间隔(CPI)回波数据和各通道接收到的回波信号。过滤和向下转换后，数据存储在一个N×M×L的三维数据结构体中，式中，L表示距离维上的快采样，M表示脉冲维上的慢采样。因此，距离环l所反射的回波数据可以表示为
Figure BDA0002999501640000086
(2.b)利用快时间采样信息，构建距离相位补偿矩阵：根据第l个快时间采样信息对应的径向距离Rl，和已知的发射信号的频率步进量Δf，构造补偿向量，得到距离相位补偿矩阵。
Figure BDA0002999501640000091
Figure BDA0002999501640000092
其中，向量的上标H代表共轭转置，则
Figure BDA0002999501640000093
为一个M×1的列向量，1N×1为元素全为1的N×1维列向量，
Figure BDA0002999501640000094
代表Kronecker乘积；Cl为距离相位补偿矩阵。
地杂波散射点的多普勒频率与空间频率的关系可以表示为
Figure BDA0002999501640000095
其中，fr为雷达发射波形的脉冲重复频率，fdm为最大多普勒频率。可以看出，杂波谱在空间角-多普勒平面上呈椭圆分布，杂波分布随距离的变化而变化。因为每个环的杂波频谱不一致，直接利用训练样本集估计的杂波协方差矩阵常常不能够有明显的特征，滤波器只能在杂波区域形成较浅的凹陷，不能有效地抑制杂波，甚至由于杂波谱的展宽，能量较弱的目标可能漏检。
更糟糕的是，传统的非平稳杂波补偿方法(如DW和ADC算法)，在存在距离模糊时往往会失效。由于这些补偿方法对不同距离回波建立了不同的补偿矩阵，杂波折叠产生的回波会混入待处理数据中，补偿矩阵无法补偿模糊回波的相位差。
当雷达发射步进频率信号时，情况就不同了。在步进频率回波中存在一个与距离相关的相位项Φl(m)，该相位项可以很好地从模糊距离中分离出折叠后的杂波。
为了使相位项与模糊距离相关，而不是与当前距离相关，本发明构造如下补偿向量：
Figure BDA0002999501640000096
(2.c)利用距离相位补偿向量对接收信号进行处理：利用距离相位补偿矩阵对第l个距离环的快时间采样信息x(m,n)的l个快时间采样数据xl进行处理，得到新的杂波信号矢量
Figure BDA0002999501640000101
表达式为
Figure BDA0002999501640000102
其中
Figure BDA00029995016400001010
表示该矩阵的内积。此时，Φl(m)变为1，Φq(m)变为
Figure BDA0002999501640000103
将Φq(m)按照接收回波的脉冲顺序排列成一个列向量
Figure BDA0002999501640000104
有
Figure BDA0002999501640000105
距离折叠杂波的M个脉冲之间的距离相位项的变化为
Figure BDA0002999501640000106
而参考距离环回波的M个脉冲间的距离相位项变为1M×1。经过补偿后，距离折叠杂波与参考距离环回波之间存在多普勒频移。
(1.b)根据发射信号和先验信息，构建空时滤波器，对新的杂波信号矢量进行折叠杂波的滤除，得到空时滤波后的结果，实现折叠杂波抑制。
(3.a)根据先验信息，构建理想回波模型：针对一个具有N'c个散射体的距离环产生回波的情况，理想的协方差矩阵为：
Figure BDA0002999501640000107
其中，n为散射体的编号，n＝1,2,…N'c；
Figure BDA0002999501640000108
为该散射体产生的回波。
为了消除折叠杂波对于目标检测的影响，本步骤根据先验的信息构建一个滤波器。本发明中利用载机速度、阵列构型及雷达系统工作参数等先验知识，重构最优的杂波协方差矩阵。利用上面描述的通用杂波模型，假定只有一个具有N'c个散射体的杂波环产生回波，则利用其计算的理想的协方差矩阵如下
Figure BDA0002999501640000109
通过该理想协方差矩阵，本发明只需要判断杂波在空间角-多普勒平面的投影与该理想协方差矩阵的特征距离即可。由于在前边的步骤中，折叠的杂波已经在多普勒域与待处理距离杂波分离，通过这种特征判断的方式，可以非常好地抑制掉折叠杂波。
(3.b)构建空时理想滤波器
Figure BDA0002999501640000111
滤除折叠杂波：对理想的协方差矩阵
Figure BDA0002999501640000112
进行SVD分解：
Figure BDA0002999501640000113
其中，V为
Figure BDA0002999501640000114
的特征值组成的对角矩阵，U为对应的特征矩阵；Vc为杂波的特征值组成的对角阵，Uc为杂波对应的特征矩阵；Vn为噪声的特征值对应的对角阵，Un为噪声对应的特征矩阵。
构建空时滤波器，对新的杂波信号矢量进行滤波，得到空时滤波后的结果，即折叠杂波抑制的结果：
Figure BDA0002999501640000115
本发明实施例中，根据布列南准则，在非正侧面条件下，杂波的大特征值个数为
Figure BDA0002999501640000116
其中，β为杂波脊的斜率。选择上式的前r个大特征值组成的特征向量Uc作为滤波器，对接收信号进行滤波。因此，Uc为杂波对应的特征矩阵。
(1.c)构建适用于机载雷达空时自适应处理的滤波器，抑制剩余杂波：利用空时滤波后的结果，求取杂波协方差矩阵，利用该矩阵得到最优空时权矢量，利用该矢量对
Figure BDA0002999501640000117
进行处理，得到最终检结果并输出。
(4.a)杂波协方差矩阵求解：待检测的距离环的序号为l0，在选取距离环l0的两边各Ls个距离环的快时间采样信息作为训练样本，用这2Ls个数据集合训练杂波协方差矩阵：
Figure BDA0002999501640000118
其中，Rfil为折叠杂波抑制的结果的的协方差矩阵。
(4.b)针对Rfil，建立空时最优数学优化问题。
最优时空处理器问题可以被描述为下面的数学优化问题
Figure BDA0002999501640000121
其中，wopt表示需要求解的最优空时权矢量；
Figure BDA0002999501640000122
为目标对应的时空导向矢量，a(fst)和b(fdt)分别表示目标对应的空间域转向向量和时域转向向量。符号
Figure BDA0002999501640000129
表示求取矩阵的内积。
Figure BDA0002999501640000123
其中，
Figure BDA0002999501640000124
为目标的空域导向矢量，fst为目标的空间角频率；
Figure BDA0002999501640000125
为目标的时域导向矢量，fdt为目标的多普勒频率。
(4.c)求解所述空时最优数学优化问题，得到最优空时权矢量的表达式为：
Figure BDA0002999501640000126
(4.d)检测输出：利用最优空时权矢量对空时滤波后的结果进行处理，得到检测结果并输出。
Figure BDA0002999501640000127
自此，完成了目标检测，实现了空时自适应滤波处理。
下面举一个实施例，进一步对本发明进行阐述。
为了验证本发明提出的基于步进频信号的非平稳杂波抑制的目标检测方法，进行空时杂波图和低速目标检测仿真，仿真采用均匀线阵，该雷达最大非模糊距离为12.5km，考虑的处理杂波距离为50km～60km，因此存在一个近距离模糊信号，根据雷达方程，其幅值远高于待处理的距离环。在不丧失一般性的情况下，由于回波的振幅非常小，模糊度非常大的回波被丢弃。因此，在仿真中，距离模糊数Q＝1。仿真参数如表格1所示。
表格1 仿真参数设置
Figure BDA0002999501640000128
Figure BDA0002999501640000131
图3的(a)和(b)分别是传统的ADC和DW方法对非平稳杂波进行补偿时的空时杂波图，可以看出，传统的补偿算法无法补偿距离折叠杂波造成的非平稳性，杂波脊存在明显的多普勒展宽现象，对于低速目标的检测效果很差。
图4和图5分别是使用本发明中的相位补偿方法以及滤波方法之后的杂波图，可以看出，对采集的数据进行处理后，杂波脊产生了非常明显的多普勒分离。中间的杂波脊为经过处理的杂波环，而在杂波脊右侧的宽而深的杂波脊为较近距离的折叠杂波，可以看出其产生了明显的多普勒展宽。由于折叠杂波的多普勒展宽明显，传统的补偿方法将失效。之后，利用先验信息对理想杂波的杂波脊进行预测，如图4中红线所示。接着，利用本发明中构造的滤波器对接收的杂波信号进行滤波，得到了如图5所示的滤波结果。可以看到，本发明所需的杂波信息被保留了下来，而折叠杂波被很好地抑制，即使是幅度非常大的近场杂波也能够被抑制到-60dB以下。相对于传统补偿方法，本发明方法可以在杂波特征位置产生较深的零陷；此外，本发明方法的空时二维主瓣更加窄，可以有效抑制靠近目标的干扰，提升目标检测效果。
图6给出了该方法与传统方法在一次仿真中的检测输出结果对比。可以看出，该算法的噪声抑制能力远远高于传统的三种方法，其中Chirp-Non方法并不弥补非平稳，作为对照组；Chirp-DW和Chirp-ADC法分别代表使用DW和ADC算法补偿后的输出结果。经过100次蒙特卡罗模拟,Chirp-Non方法的平均输出SNCR是9.89dB，Chirp-DW算法为14.35dB，Chirp-ADC算法为12.72dB，相比之下，采用所提算法输出的平均SCNR为44.1dB。因此，可以看出，与传统算法相比，所提算法对低速目标有很好的检测效果。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.基于步进频信号的非平稳杂波抑制的目标检测方法，其特征在于，包括如下步骤：
(1.a)利用快时间采样信息，进行步进频率回波信号距离相位补偿，得到一个新的杂波信号矢量；
(1.b)根据发射信号和先验信息，构建空时滤波器，对所述新的杂波信号矢量进行折叠杂波的滤除，得到空时滤波后的结果；
(1.c)利用空时滤波后的结果，求取杂波协方差矩阵，针对所述杂波协方差矩阵构建并求解空时最优数学优化问题，得到最优空时权矢量，利用所述最优空时权矢量对空时滤波后的结果进行处理，得到最终检测结果并输出。
2.如权利要求1所述的方法，其特征在于，所述利用快时间采样信息，进行步进频率回波信号距离相位补偿，得到一个新的杂波信号矢量，具体方法为：
(2.a)对于一个高度为h，运行速度为v的载机，载机上搭载一个阵元数为N，阵元间距为d的等距线阵，工作在正侧视模式；雷达发射信号载波波长为λ，一个完整的相参处理周期内包含M个脉冲，脉冲重复周期为Tr；雷达阵列方向与载机飞行方向存在夹角α，地面划分成L个距离环，每个距离环内包含Nc个散射体；则步进频率回波信号的表达式为：
Figure FDA0002999501630000011
其中，st(t)为步进频率回波信号；m为发射信号的脉冲的序号，m＝0,1,…,M-1；u(t-mTr)为第m个脉冲的包络；fm表示第m个脉冲的频率，t为时间变量；
对于上述波形，雷达的第n个阵元接收到信号的第m个脉冲，经过脉冲压缩和采样后，得到L个快时间采样信息，其中第l个距离环的快时间采样信息x(m,n)表示为
Figure FDA0002999501630000021
其中，xl(m,n)表示径向距离为Rl的地面的距离环在理想情况下的回波，l＝1,2,...,L；其中，对目标信号产生严重干扰的模糊距离数为2Q，模糊数为q的折叠杂波为xq(m,n)；
(2.b)利用快时间采样信息，构建距离相位补偿矩阵：根据第l个快时间采样信息对应的径向距离Rl，和已知的发射信号的频率步进量Δf，构造补偿向量，得到距离相位补偿矩阵：
Figure FDA0002999501630000022
Figure FDA0002999501630000023
其中，向量的上标H代表共轭转置，则
Figure FDA0002999501630000024
为一个M×1的列向量，1N×1为元素全为1的N×1维列向量，
Figure FDA0002999501630000025
代表Kronecker乘积；Cl为距离相位补偿矩阵；c为光速；
(2.c)利用距离相位补偿矩阵对第l个距离环的快时间采样信息x(m,n)的l个快时间采样数据xl进行处理，得到新的杂波信号矢量
Figure FDA0002999501630000026
所述表达式为：
Figure FDA0002999501630000027
其中，
Figure FDA0002999501630000028
表示该矩阵的内积。
3.如权利要求1所述的方法，其特征在于，所述根据发射信号和先验信息，构建空时滤波器，对新的杂波信号矢量进行折叠杂波的滤除，得到空时滤波后的结果，具体方法为：
(3.a)针对一个具有N'c个散射体的距离环产生回波的情况，理想的协方差矩阵为：
Figure FDA0002999501630000031
其中，n为散射体的编号，n＝1,2,…N'c；
Figure FDA0002999501630000032
为该散射体n产生的回波；
(3.b)对所述理想的协方差矩阵
Figure FDA0002999501630000033
进行SVD分解：
Figure FDA0002999501630000034
其中，V为
Figure FDA0002999501630000035
的特征值组成的对角矩阵，U为对应的特征矩阵；Vc为杂波的特征值组成的对角阵，Uc为杂波对应的特征矩阵；Vn为噪声的特征值对应的对角阵，Un为噪声对应的特征矩阵；
构建空时滤波器
Figure FDA0002999501630000036
对新的杂波信号矢量进行滤波，得到空时滤波后的结果，即折叠杂波抑制的结果：
Figure FDA0002999501630000037
4.如权利要求1所述的方法，其特征在于，所述利用空时滤波后的结果，求取杂波协方差矩阵，针对所述杂波协方差矩阵构建并求解空时最优数学优化问题，得到最优空时权矢量，利用所述最优空时权矢量对
Figure FDA0002999501630000038
进行处理，得到最终检测结果并输出，具体方法为：
(4.a)待检测的距离环的序号为l0，在选取距离环l0的两边各Ls个距离环的快时间采样信息作为训练样本，用这2Ls个数据集合训练杂波协方差矩阵：
Figure FDA0002999501630000039
其中，Rfil为折叠杂波抑制的结果的协方差矩阵；
(4.b)针对Rfil，建立空时最优数学优化问题：
Figure FDA00029995016300000310
其中，wopt表示需要求解的最优空时权矢量，v(fst,fdt)为目标对应的时空导向矢量；
Figure FDA0002999501630000041
其中，
Figure FDA0002999501630000042
为目标的空域导向矢量，fst为目标的空间角频率；
Figure FDA0002999501630000043
为目标的时域导向矢量，fdt为目标的多普勒频率；
(4.c)求解所述空时最优数学优化问题，得到最优空时权矢量的表达式为
Figure FDA0002999501630000044
(4.d)利用最优空时权矢量对空时滤波后的结果进行处理，得到检测结果并输出。
5.如权利要求4所述的方法，其特征在于，所述对理想的协方差矩阵
Figure FDA0002999501630000045
进行SVD分解，依据的准则为：
根据布列南准则，在非正侧面条件下，信号协方差矩阵的前r个大特征值对应的特征向量是Uc，即Uc为杂波对应的特征矩阵。
CN202110342176.5A 2021-03-30 2021-03-30 基于步进频信号的非平稳杂波抑制的目标检测方法 Active CN113253223B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110342176.5A CN113253223B (zh) 2021-03-30 2021-03-30 基于步进频信号的非平稳杂波抑制的目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110342176.5A CN113253223B (zh) 2021-03-30 2021-03-30 基于步进频信号的非平稳杂波抑制的目标检测方法

Publications (2)

Publication Number Publication Date
CN113253223A true CN113253223A (zh) 2021-08-13
CN113253223B CN113253223B (zh) 2023-04-07

Family

ID=77181465

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110342176.5A Active CN113253223B (zh) 2021-03-30 2021-03-30 基于步进频信号的非平稳杂波抑制的目标检测方法

Country Status (1)

Country Link
CN (1) CN113253223B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114089288A (zh) * 2022-01-12 2022-02-25 中国人民解放军空军预警学院 一种相控阵雷达抗干扰方法、装置及存储介质
CN114265018A (zh) * 2022-02-28 2022-04-01 西安电子科技大学 一种基于多频分体制雷达的近程杂波抑制方法
CN114779199A (zh) * 2022-04-24 2022-07-22 中国人民解放军空军预警学院 端射阵机载雷达自适应互耦补偿与杂波抑制方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101561497A (zh) * 2009-05-22 2009-10-21 西安电子科技大学 机载雷达杂波抑制方法
CN106483516A (zh) * 2016-11-25 2017-03-08 西安电子科技大学 基于先验知识的雷达杂波空时自适应处理方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101561497A (zh) * 2009-05-22 2009-10-21 西安电子科技大学 机载雷达杂波抑制方法
CN106483516A (zh) * 2016-11-25 2017-03-08 西安电子科技大学 基于先验知识的雷达杂波空时自适应处理方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
BAOZHI WANG 等: "Stepped Frequency Waveforms with Phase Compensation for Space-time Adaptive Processing", 《IEEE》 *
李晓明等: "相控阵机载雷达空时两维杂波预滤波处理方法", 《西安电子科技大学学报》 *
段克清等: "非均匀环境下机载雷达STAP方法", 《数据采集与处理》 *
王飞行 等: "高重频频率步进雷达抑制折叠杂波方法", 《信号处理》 *
陈建文等: "基于非均匀检测的机载雷达空时自适应处理方法", 《数据采集与处理》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114089288A (zh) * 2022-01-12 2022-02-25 中国人民解放军空军预警学院 一种相控阵雷达抗干扰方法、装置及存储介质
CN114265018A (zh) * 2022-02-28 2022-04-01 西安电子科技大学 一种基于多频分体制雷达的近程杂波抑制方法
CN114265018B (zh) * 2022-02-28 2022-05-31 西安电子科技大学 一种基于多频分体制雷达的近程杂波抑制方法
CN114779199A (zh) * 2022-04-24 2022-07-22 中国人民解放军空军预警学院 端射阵机载雷达自适应互耦补偿与杂波抑制方法

Also Published As

Publication number Publication date
CN113253223B (zh) 2023-04-07

Similar Documents

Publication Publication Date Title
CN113253223B (zh) 基于步进频信号的非平稳杂波抑制的目标检测方法
CN110412559B (zh) 分布式无人机mimo雷达的非相参融合目标检测方法
US7038618B2 (en) Method and apparatus for performing bistatic radar functions
CN104977571B (zh) 基于俯仰频率分集stap的距离模糊杂波抑制方法
CN111693983B (zh) 互补波形构建方法及模块、认知雷达系统及波形发射方法
US4885590A (en) Blind speed elimination for dual displaced phase center antenna radar processor mounted on a moving platform
CN107255797B (zh) 基于发射空时权优化及ka-stap的机载雷达杂波抑制方法
US4916452A (en) Process for range measurement with a pulse radar of high pulse repetition frequency
CN103018727A (zh) 一种基于样本训练的机载雷达非平稳杂波抑制方法
CN102156279A (zh) 基于mimo的双基地雷达地面动目标检测方法
CN111220955B (zh) 基于垂直阵列协方差矩阵特征分解的机载气象雷达地杂波抑制方法
CN109212489B (zh) 一种基于辅助脉冲的fda-mimo雷达模糊杂波抑制方法
CN109581362B (zh) 合成孔径雷达高度计在可变脉冲簇模式下的信号处理方法
CN109814070B (zh) 基于辅助脉冲的距离模糊杂波抑制方法
CN113238225B (zh) 一种用于动目标检测的雷达
CN110632573B (zh) 一种机载宽带雷达空时二维keystone变换方法
CN111007503A (zh) 基于频率谱精确定位的运动目标聚焦和定位方法及系统
CN113504509A (zh) 一种波束域补偿的匀加速机载雷达杂波抑制方法
CN113917424B (zh) 一种基于ddma与盲源分离的地基mimo雷达地杂波抑制方法
US20030052812A1 (en) Method to determine the azimuth of a target by means of a radar, especially of the ASR type
CN114545401A (zh) 用于机载前视阵列雷达的空时自适应迭代超分辨成像方法
CN113376599A (zh) 基于主瓣校正的fda距离模糊杂波抑制方法
CN115436940B (zh) 一种稀疏滑动聚束sar成像模式实现方法及装置
CN114428228B (zh) 高重频和差天线雷达导引头的杂波抑制方法
CN113534055A (zh) 一种插值补偿的匀加速机载雷达杂波抑制方法

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