CN114355310A - 一种认知雷达的多模捷变波形生成及其处理方法 - Google Patents
一种认知雷达的多模捷变波形生成及其处理方法 Download PDFInfo
- Publication number
- CN114355310A CN114355310A CN202210027598.8A CN202210027598A CN114355310A CN 114355310 A CN114355310 A CN 114355310A CN 202210027598 A CN202210027598 A CN 202210027598A CN 114355310 A CN114355310 A CN 114355310A
- Authority
- CN
- China
- Prior art keywords
- waveform
- pulse
- radar
- signal
- domain
- 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.)
- Pending
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种认知雷达的多模捷变波形生成及其处理方法,生成方法包括:将相位编码信号或频率编码信号作为基带信号调制雷达波形,构建基带信号模型;根据预设规则选定调制参数,分别对雷达波形进行时域调制、频域调制、相位域调制和极化域调制,对雷达波形的发射信号脉冲重复间隔、载频、相位和极化域进行捷变处理;根据基带信号模型和调制参数,构建整体发射信号模型,生成多模捷变波形。该生成的雷达波形能够在不同环境下可靠、稳健、自适应地探测目标,提高了雷达系统的检测、跟踪和识别性能。该雷达波形的处理方法能够自适应地调整雷达发射机的发射模式,提高了雷达系统的感知能力、适应能力和抗干扰能力。
Description
技术领域
本发明涉及雷达技术领域,特别涉及一种认知雷达的多模捷变波形生成及其处理方法。
背景技术
雷达在白天黑夜均能探测远距离的目标,且不受雾、云和雨的阻挡,具有全天候、全天时的特点,并有一定的穿透能力。因此,它不仅成为军事上必不可少的电子装备,而且广泛应用于社会经济发展,如气象预报、资源探测、环境监测等领域,以及科学研究,如天体研究、大气物理、电离层结构研究等领域。传统工作模式下,通常雷达的天线形式、发射波形、接收处理方式相对固定,即使探测环境发生变化,发射机也不能自适应地调整发射模式,进而制约了其性能的进一步提升。
Simon Haykin教授于2006年正式提出了认知雷达的概念,并明确指出具有认知功能是新一代雷达系统的重要标志。该系统能够在接收端进行信号处理,提取回波有效信息,再结合环境数据库反馈到发射机,并指导发射机自适应地调整发射信号以适应当前的电磁环境和杂波背景。相比传统雷达,认知雷达的最显著特征是引入自适应发射功能。雷达发射波形的选取影响着回波中包含的信息量,与雷达检测、估计、成像、跟踪及干扰抑制等方面性能有直接的关系,因此迫切需要对雷达发射波形进行研究。
Simon Haykin等人研究了具有高斯脉冲包络的LFM信号参数的认知雷达发射波形,Wang,HY等人研究了基于LFM信号参数的认知雷达发射波形;Ghadian,M等人研究了基于可变时域参数的认知雷达发射波形。
然而,当前关于认知雷达波形设计的研究都只基于某一类波形(如LFM波形)的波形参数或单一维度的调制参数(如时域参数)进行优化,具有一定的局限性,无法提升雷达系统的综合性能。
因此,在现有雷达波形设计的基础上,如何提供一种新型雷达发射波形及其处理方法,以使雷达在不同环境下更加稳健、可靠和自适应地探测目标,提高雷达系统的检测、跟踪和识别性能,成为本领域技术人员亟需解决的问题。
发明内容
鉴于上述问题,本发明提出了一种至少解决上述部分技术问题的认知雷达的多模捷变波形生成及其处理方法,该生成的雷达波形兼顾基带相关特性与调制参数特性,进一步提高了波形的自由度,使该雷达波形可以在不同环境下可靠、稳健、有效和自适应地探测目标,提高了雷达系统的检测、跟踪和识别性能。
本发明实施例提供一种认知雷达的多模捷变波形生成方法,包括如下步骤:
S1、将相位编码信号或频率编码信号作为基带信号调制雷达波形,构建基带信号模型;所述雷达波形在一个相干处理时间内发射M个脉冲;
S2、根据预设规则选定调制参数,分别对所述雷达波形进行时域调制、频域调制、相位域调制和极化域调制,对所述雷达波形的发射信号脉冲重复间隔、载频、相位和极化域进行捷变处理;
S3、根据所述基带信号模型和调制参数,构建整体发射信号模型,生成多模捷变波形。
进一步地,所述步骤S1中基带信号模型为:
上式中,wav(t)表示基带信号;j表示虚数单位,j2=-1;τc表示基带信号的一个信号子脉冲的持续时间;N表示一个信号脉冲中子脉冲的个数,φn(n=0,1,…N-1)表示第n个脉冲的相位,φn∈[-π,π);c[n](n=0,1,…N-1)表示第n个脉冲的频率编码值,c[n]∈{1,2,...N};ΔF表示频率间隔;t表示时间参数;phasCoding表示基带信号选择为相位编码信号;freqCoding表示基带信号选择为频率编码信号。
进一步地,所述步骤S2包括:
S21、根据第一预设规则设定所述雷达波形的发射脉冲串PRI,根据所述发射脉冲串PRI以及雷达发射机生成的时域抖动值,构建时域包络信号模型,对所述雷达波形的发射信号脉冲重复间隔进行捷变处理;
S22、标记所述雷达波形所发射脉冲的所选频点序号,计算所述脉冲的载频值,根据所述载频值构建载频信号模型,对所述雷达波形的发射信号载频进行捷变处理;
S23、标记所述雷达波形所发射脉冲的所选相位点序号,计算所述脉冲的初始相位,根据所述初始相位构建信号初相模型,对所述雷达波形的发射信号相位进行捷变处理;
S24、根据第二预设规则设定所述雷达波形所发射脉冲的极化角,根据所述极化角计算对应的琼斯矢量,根据所述琼斯矢量构建信号极化模型,对所述雷达波形的发射信号极化域进行捷变处理。
进一步地,所述步骤S21中,时域包络信号模型为:
上式中,Tm表示第m个脉冲的实际发射时间起点;τ表示基带信号的一个总脉冲的持续时间;t表示时间参数。
进一步地,所述步骤S22中脉冲的载频值的计算公式为:
上式中,fm表示第m个脉冲的载频值;NFH表示频点总数;nFHm表示所选频点序号,nFHm∈{1,2,...,NFH};[FL,FH]表示载频频带,FL表示频带起点频率,FH表示频带终点频率。
进一步地,所述步骤S22中,载频信号模型为:
上式中,m表示脉冲序号;j表示虚数单位,j2=-1;Tm表示第m个脉冲的实际发射时间起点;τ表示基带信号的一个总脉冲的持续时间;t表示时间参数;fm表示第m个脉冲的载频值。
进一步地,所述步骤S23中,信号初相模型为:
进一步地,所述步骤S24中,信号极化模型为:
进一步地,所述步骤S4中,整体发射信号模型为:
上式中,P表示信号功率;Tm表示第m个脉冲的实际发射时间起点;τ表示基带信号的一个总脉冲的持续时间;t表示时间参数;表示琼斯矢量;j表示虚数单位,j2=-1;fm表示第m个脉冲的载频值;表示第m个脉冲的初始相位。
进一步地,所述步骤S21包括:
S211、根据第一预设规则设定所述雷达波形的发射脉冲串PRI,雷达发射机根据浮动因子生成时域抖动值;
S212、根据所述发射脉冲串PRI和时域抖动值,计算第m个脉冲的实际发射时间起点;
S213、根据所述第m个脉冲的实际发射时间起点,构建时域包络信号模型。
进一步地,计算所述第m个脉冲的实际发射时间起点的计算公式为:
Tm=(m-1)τ/tRatio+Tmq
上式中,m表示脉冲序号;tRatio表示脉冲的时域占空比;q表示随机浮动因子;τ表示基带信号的一个总脉冲的持续时间;Tmq表示第m个脉冲的时域抖动值;prob表示概率。
本发明实施例提供一种认知雷达的多模捷变波形的处理方法,所述认知雷达的多模捷变波形,其生成方法采用如上述任一项所述的认知雷达的多模捷变波形生成方法,该处理方法包括如下步骤:
S101、雷达发射机根据前一次接收回波信号的波形样式和基带波形参数,从基带波形库中生成基带信号;
S102、根据调制参数库中时域、频域、相位域和极化域调制参数的选择,对所述基带信号进行调制,生成发射波形和先验信息;所述雷达发射机发射所述波形;
S103、雷达接收机接收所述波形返回的回波信号,根据所述先验信息对所述回波信号进行分步解调,得到时域采样信号;
S104、分别对所述时域采样信号进行脉冲压缩、脉冲积累和目标检测处理。
本发明实施例提供的上述技术方案的有益效果至少包括:
本发明实施例提供的一种认知雷达的多模捷变波形生成方法,包括:将相位编码信号或频率编码信号作为基带信号调制雷达波形,构建基带信号模型;根据预设规则选定调制参数,分别对雷达波形进行时域调制、频域调制、相位域调制和极化域调制,对雷达波形的发射信号脉冲重复间隔、载频、相位和极化域进行捷变处理;根据基带信号模型和调制参数,构建整体发射信号模型,生成多模捷变波形。该生成的雷达波形能够在不同环境下可靠、有效、稳健、自适应地探测目标,提高了雷达系统的检测、跟踪和识别性能,以及提高了雷达的感知能力、适应能力和抗干扰能力,减少了雷达的测量误差。相应的,该雷达波形的处理方法能够自适应地调整雷达发射机的发射模式,选择发射波形,有利于使雷达以最佳方式从回波中提取更多更准确的目标信息,提高了雷达系统的感知能力、适应能力和抗干扰能力,可以有效提升雷达的目标跟踪与估计性能。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例提供的认知雷达的多模捷变波形生成方法流程图;
图2为本发明实施例提供的认知雷达的多模捷变波形的处理方法流程图;
图3为本发明实施例提供的认知雷达发射端信号处理流程图;
图4为本发明实施例提供的认知雷达接收端信号处理流程图;
图5为本发明实施例提供的雷达波形处理方法的工作流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例1
本发明实施例提供一种认知雷达的多模捷变波形生成方法,参照图1所示,包括如下步骤:
S1、将相位编码信号或频率编码信号作为基带信号调制雷达波形,构建基带信号模型;雷达波形在一个相干处理时间内发射M个脉冲;
S2、根据预设规则选定调制参数,分别对雷达波形进行时域调制、频域调制、相位域调制和极化域调制,对雷达波形的发射信号脉冲重复间隔、载频、相位和极化域进行捷变处理;其中,本实施例对雷达波形进行时域调制、频域调制、相位域调制和极化域调制的实现顺序不作限定,可根据硬件结构的不同调整实现顺序。
S3、根据基带信号模型和调制参数,构建整体发射信号模型,生成多模捷变波形。
本实施例提供的认知雷达的多模捷变波形生成方法,针对应用于脉冲多普勒体质雷达的传统发射波形,在调制方式上进行了改进,兼顾了基带相关特性与调制参数特性,设计了具有全带(基带、频带)、多域(时域、频域、相域、极化域)调制参数捷变的抗干扰雷达信号波形,具有低截获和抗干扰性能,可增大雷达接收端的信干噪比,进一步提高了波形的自由度,以优化雷达系统的整体性能。从而使雷达能够在不同的环境下可靠、有效、稳健、自适应地探测目标,提高雷达系统的检测、跟踪和识别性能。
下面具体对本实施例提供的认知雷达的多模捷变波形生成方法进行详细阐述:
(1)建立基带信号模型,调制雷达波形:
本实施例所设计的雷达波形是基于相位编码信号或频率编码信号作为基带信号进行调制的,标签为wavForm,当wavForm=‘phasCoding’时,基带信号选择为相位编码信号;当wavForm=‘freqCoding’时,基带信号选择为频率编码信号。将基带信号用wav表示,信号模型如下:
式(1)中,wav(t)表示基带信号;j表示虚数单位,j2=-1;τc表示基带信号的一个信号子脉冲的持续时间;N表示一个信号脉冲中子脉冲的个数,φn(n=0,1,…N-1)表示第n个脉冲的相位,φn∈[-π,π);c[n](n=0,1,…N-1)表示第n个脉冲的频率编码值,c[n]∈{1,2,...N};ΔF表示频率间隔;t表示时间参数;phasCoding表示基带信号选择为相位编码信号;freqCoding表示基带信号选择为频率编码信号。
(2)建立时域调制模型,对雷达波形进行时域调制:
本实施例所设计的雷达波形在发射信号脉冲重复间隔上也进行捷变处理。由于本实施例所提出的雷达波形是面向脉冲多普勒体制雷达设计的,因此对雷达波形的时域调制体现在雷达发射脉冲串PRI的变化上。假设一个相干处理时间内发射M个脉冲,对雷达发射波形PRI采用随机编码的方式生成,可根据实际情况进行设置,本实施例对其不作限定。首先选定一个PRI的参考值Tr,其中Tr=τ/tRatio,tRatio是脉冲的时域占空比;然后由此参考值Tr计算出传统PD雷达信号第m个脉冲(m=1,2,…,M)的无偏时域起点(m-1)Tr;最后发射机根据设定好的浮动因子q和一定的随机分布函数生成一个时域抖动值Tmq,令第m个脉冲的实际发射时间起点为:
Tm=(m-1)τ/tRatio+Tmq
式(2)中,m表示脉冲序号;tRatio表示脉冲的时域占空比;q表示随机浮动因子;τ表示基带信号的一个总脉冲的持续时间,τ=Nτc;Tmq表示第m个脉冲的时域抖动值;prob表示概率。
于是一个CPI内的时域包络信号模型可以表示为:
写成矢量形式为:
(3)建立频域调制模型,对雷达波形进行频域调制:
为提升雷达波形的低截获、抗干扰性能,本实施例所设计的雷达波形在发射信号载频上也进行捷变处理。假设可选取的频点总数为NFH,可选频点序号为nFH=1,2,…,NFH。可选频点频率值在载频频带[FL,FH]中选取,于是中心载频为信号总带宽为B(B=NΔF),每个脉冲所占的带宽为标记一个相干处理时间内第m个脉冲所选频点序号为nFHm,nFHm∈{1,2,...,NFH},则第m个脉冲的载频值为:
式(4)中,fm表示第m个脉冲的载频值;NFH表示频点总数;nFHm表示所选频点序号,nFHm∈{1,2,...,NFH};[FL,FH]表示载频频带,FL表示频带起点频率,FH表示频带终点频率。
其中nFHm序列可以随机生成,也可以根据环境信息进行编码,不论哪种生成方式,频率序列nFHm都将被送入雷达接收机作为先验信息辅助接收。
于是一个CPI内的载频信号模型可以表示为:
式(5)中,m表示脉冲序号;j表示虚数单位,j2=-1;Tm表示第m个脉冲的实际发射时间起点;τ表示基带信号的一个总脉冲的持续时间;t表示时间参数;fm表示第m个脉冲的载频值。
写成矢量形式为:
(4)建立相位域调制模型,对雷达波形进行相位域调制:
为提升雷达波形的低截获、抗干扰性能,本实施例所设计的雷达波形在发射信号相位上也进行捷变处理。假设可选取的相位点总数为NPH,可选相位点序号为nPH=1,2,…,NPH;可选相位值在[0,2π)区间内,可根据实际情况进行设置,本实施例对其不作限定。一个CPI内第m个脉冲所选相位点序号为nPHm,nPHm∈{1,2,...,NPH},则第m个脉冲的初始相位为:
于是一个CPI内的信号初相模型可以表示为:
写成矢量形式为:
(5)建立极化域调制模型,对雷达波形进行极化域调制:
为进一步提高信号的抗干扰能力、增大接收端信干噪比,本实施例所设计的雷达波形在发射信号极化域上也进行捷变处理。假设第m个脉冲的极化角为αm,其中对应的Jones矢量(琼斯矢量)为对应的极化编码值分别为{1,0},其中1表示水平极化,0表示垂直极化。
于是一个CPI内的信号极化模型可以表示为:
写成矢量形式为:
(6)建立整体发射信号模型,生成多模捷变波形:
当选定基带信号模型与调制参数后,一个CPI内的整体发射信号可以表示为:
式(8)中,P表示信号功率;Tm表示第m个脉冲的实际发射时间起点;τ表示基带信号的一个总脉冲的持续时间;t表示时间参数;表示琼斯矢量;j表示虚数单位,j2=-1;fm表示第m个脉冲的载频值;表示第m个脉冲的初始相位序列。wav根据事先选定的wavForm标签的值由式(1)决定。
上式写成矢量形式为:
其结果是一个2×1的列向量,分别表示一个CPI内水平极化域与垂直极化域的发射信号,根据该发射信号,生成多模捷变波形。
实施例2
本发明实施例提供一种认知雷达的多模捷变波形的处理方法,其中认知雷达的多模捷变波形,其生成方法采用如上述实施例1提供的认知雷达的多模捷变波形生成方法,参照图2所示,该处理方法包括如下步骤:
S101、雷达发射机根据前一次接收回波信号的波形样式和基带波形参数,从基带波形库中生成基带信号;
S102、根据调制参数库中时域、频域、相位域和极化域调制参数的选择,对基带信号进行调制,生成发射波形和先验信息;雷达发射机发射该波形;
S103、雷达接收机接收该波形返回的回波信号,根据先验信息对回波信号进行分步解调,得到时域采样信号;
S104、分别对时域采样信号进行脉冲压缩、脉冲积累和目标检测处理。
本实施例提供的认知雷达的多模捷变波形的处理方法,通过发射机生成关于时域、频域、相位域和极化域相关变量的先验信息,后续接收机可根据该先验信息对接收的回波进行分布解调,以根据先验信息实现辅助解调接收信号,可有效提高目标的检测和识别精度。
下面对该认知雷达的多模捷变波形的处理方法进行具体阐述:
(1)发射端信号处理流程
参照图3所示,发射端的信号处理主要是发射机利用波形库生成雷达发射信号的过程,实现雷达发射端对所提出波形的生成。首先,根据上一个信号周期接收到的回波幅度大小,设定下一个信号周期的发射功率。然后,根据回波信号的波形样式和基带波形参数选择,从基带波形库中生成基带信号。之后再根据对调制参数库中时域、频域、相位域、极化域相关变量的选择,对基带信号进行调制,最终生成高频的发射波形。
其中,时域、频域、相位域、极化域相关变量都将作为接收机的先验信息辅助解调接收信号。功率调整是为了自适应目标距离,使接收回波幅度维持在一个相对稳定的水平,始终落在接收机便于处理的区间内。
(2)接收端信号处理流程
参照图4所示,接收端的信号处理主要是根据发射机提供的先验信息对接收回波进行分步解调,然后对解调后的基带回波信号进行脉冲压缩、脉冲积累、目标检测等处理,实现接收端对相应回波的处理。首先,接收机接收到某个脉冲的回波信号后,根据发射机提供的极化域先验信息进行极化解调,将两路信号合为一路信号;之后根据发射机提供的频域先验信息对其进行混频;然后根据发射机提供的相位域先验信息对其进行相位解调;再根据发射机提供的时域先验信息对信号进行采样,得到基带信号的时域采样信号。
对该时域采样信号进行脉冲压缩,以提高接收端信干噪比;之后对同一个距离波门下,一个CPI周期内所有脉冲脉压(脉压为脉冲压缩的常用缩写)后的数据进行脉冲积累,同时测速;脉冲积累后的数据再送入检测单元进行目标检测;之后再进行目标识别与测角等其他处理。其中,一个CPI指一个相参处理间隔,每个CPI内有多个脉冲
参照图5所示,应用本实施例所提供的处理方法的工作流程如下:
首先,根据理论分析,获得不同环境(干扰)下不同雷达波形的性能参数。如:箔条干扰下基带波形库中各个波形接收端SINR处理增益、检测概率等。在所考虑的每一种环境信息下构建波形或波形参数理论性能表。
其次,雷达发射器从基带波形库中选择一种波形发射出去,接收端接收到回波后从回波中分析环境信息,根据该环境信息所对应的波形理论性能表,从基带波形库中挑选当前雷达任务下所关心的性能最好的波形,在下一CPI周期中发射所挑选的波形。
雷达接收到上一轮发射信号的接收信号后,在信号处理流程中记录各步骤实际处理增益,并以一定的规则更新波形或波形参数理论性能表。
雷达的工作过程类似于照相机,照相机通过接收并处理物体反射的自然光信息,输出图像数据;雷达通过接收并处理目标反射的电磁波信息,输出目标的距离、速度等数据。因此就像强白光下物体照片更清晰一样,雷达的发射波形也会很大程度上影响其性能(如距离/速度分辨性能、抗干扰性能等)。因此通过实验,可以获得波形库中不同波形或波形参数针对不同环境状态的性能表现,即获得上述波形或波形参数理论性能表,根据当前环境下各个波形的性能表现从波形库中选择此时性能最优的波形,从而为本实施例应用于认知雷达提供保证。
进一步地,针对脉冲多普勒体制下雷达对随机调制信号回波的相参积累难题,在所提出的雷达信号处理框架中应用压缩感知技术,实现对脉冲串的相参积累,为所提出的雷达信号生成与处理模型的工程应用提供可行的解决方案。包括:
假设在一次接收信号处理流程中共有K个金属目标落入同一距离门内。目标极化比为1,回波信号表示为Sr=[Sr1,Sr2,…,Srk,...,SrK],每一个元素都是一个2×1的向量,分别表示一个CPI周期内水平极化域与垂直极化域的信号分量,考虑第k个目标的接收回波分量:
写成矢量形式为:
其中,Ak是第k个目标的RCS(雷达散射截面),τk=2(R0k-vkt)/c是第k个目标的回波时延,R0k是第k个目标的初始距离,vk是第k个目标的径向速度(朝向雷达为正),c表示光速。于是总回波可表示为:S′r=Sr·1K,其中1K表示长度为K的全1列向量。TM表示第m个脉冲的时域起点序列;fM表示第m个脉冲的载频序列;表示第m个脉冲的初始相位序列;EM表示第m个脉冲的相位编码矩阵。
依照上述接收信号处理方法,根据发射端提供的先验信息,先对其进行极化、相位、频率分步解调处理,解调过程表示为:
Srd=PolarT·S′r·Phase*·Carrier*
转化为时域函数可表示为:
式(10)中,Tm=(m-1)τ/tRatio-Tmq,τk=2(R0k-vkt)/c,n(t)是接收端的零均值高斯白噪声。
之后对该信号进行脉冲压缩处理,并根据发射端提供的时域先验信息,在距离门R'0所对应的采样时刻tm=(m-1)Tr+Tmq+t'0(t'0=2R'0/c)处进行m次采样,则目标的回波采样信号可以表示为:
式(11)中,γ表示脉冲压缩后在采样点获得的信噪比增益,n[m]表示噪声采样值。
对其化简,变量代换,得:
当B/fc很小时,多普勒频率近似相等,令λ0=c/fc(fc为中心载频),把粗速度分辨单元vu=λ0/(2Tr)平均分成N(>M)份得到细速度分辨单元Vn=nΔv,n=0,1,…,N-1,Δv=λ0/(2NTr),式(12)可以写成矢量形式:
Srs=Ωmnv+n
其中,Ωmn=exp[j4πfm(mTr+Tm)Vn/c]是一个M×N的亚高斯随机观测矩阵,满足压缩感知技术中的RIP性质,向量v=[v0,v1,…vN-1]T,对应目标速度谱,n是零均值的测量噪声,满足||n||≤ε。根据压缩感知原理,当满足M≥O(Klog(N/K))(其中,N表示分辨单元数;M表示一个CPI内的脉冲数;K表示当前距离门内目标速度个数,即v的稀疏度)时,可以通过解下面的凸优化问题得到多普勒频谱像:
之后在频域进行恒虚警处理即可实现运动目标的检测。
进一步地,根据所设计雷达波形的模型特点,为认知雷达构建具有基带/频带双层结构的全带多参捷变波形库。包括:
由于本实施例所设计的捷变波形自由度较高,捷变参数较多,为加快波形调用速度,基于所设计波形的特点将这些可变参数分为两部分,分别构成基带波形库与调制参数库。使用时可选择单独调整或协同调整,这种波形库的构建方式兼顾了波形的性能优化与调用优化,增大发射波形自由度的同时便于波形库中海量波形的管理与选择。
为减小数据存储与处理压力,本实施例将每一个子波形库都设计为模型函数和参数集两部分(即波形与波形参数表)。其中模型函数是每个子波形库中所有波形共享的未赋值的数学模型,由于该部分具有高度重复性,因此单独提取减小波形库的存储压力。参数集是该模型函数的参数,是存储与调用子波形库的接口,也是数据量最大的部分,后期认知雷达对于波形的搜取工作主要在参数库中完成,参数值域可根据雷达实际工作方式进行选取。所设计的调制参数库和基带参数库分别如表1和表2所示:
表1调制参数库
表2基带波形库
本实施例,针对应用于脉冲多普勒体制雷达的传统发射波形,在调制方式与信号处理方式上进行了改进,为认知雷达提供了自由度更高的新型波形库。使该雷达波形能够在不同的环境下可靠、有效、稳健、自适应地探测目标,提高了雷达系统的检测、跟踪和识别性能。根据雷达工作环境自适应地选择发射波形,有利于使雷达以最佳方式从回波中提取更多更准确的目标信息,对于提高雷达的感知能力和适应能力,以及抗干扰能力有重要的理论意义和实用价值。并给出了与之匹配的回波相参积累方法以促进所提出波形的工程应用。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种认知雷达的多模捷变波形生成方法,其特征在于,包括如下步骤:
S1、将相位编码信号或频率编码信号作为基带信号调制雷达波形,构建基带信号模型;所述雷达波形在一个相干处理时间内发射M个脉冲;
S2、根据预设规则选定调制参数,分别对所述雷达波形进行时域调制、频域调制、相位域调制和极化域调制,对所述雷达波形的发射信号脉冲重复间隔、载频、相位和极化域进行捷变处理;
S3、根据所述基带信号模型和调制参数,构建整体发射信号模型,生成多模捷变波形。
3.如权利要求1所述的一种认知雷达的多模捷变波形生成方法,其特征在于,所述步骤S2包括:
S21、根据第一预设规则设定所述雷达波形的发射脉冲串PRI,根据所述发射脉冲串PRI以及雷达发射机生成的时域抖动值,构建时域包络信号模型,对所述雷达波形的发射信号脉冲重复间隔进行捷变处理;
S22、标记所述雷达波形所发射脉冲的所选频点序号,计算所述脉冲的载频值,根据所述载频值构建载频信号模型,对所述雷达波形的发射信号载频进行捷变处理;
S23、标记所述雷达波形所发射脉冲的所选相位点序号,计算所述脉冲的初始相位,根据所述初始相位构建信号初相模型,对所述雷达波形的发射信号相位进行捷变处理;
S24、根据第二预设规则设定所述雷达波形所发射脉冲的极化角,根据所述极化角计算对应的琼斯矢量,根据所述琼斯矢量构建信号极化模型,对所述雷达波形的发射信号极化域进行捷变处理。
10.一种认知雷达的多模捷变波形的处理方法,其特征在于,所述认知雷达的多模捷变波形,其生成方法采用如权利要求1-9任一项所述的认知雷达的多模捷变波形生成方法,该处理方法包括如下步骤:
S101、雷达发射机根据前一次接收回波信号的波形样式和基带波形参数,从基带波形库中生成基带信号;
S102、根据调制参数库中时域、频域、相位域和极化域调制参数的选择,对所述基带信号进行调制,生成发射波形和先验信息;所述雷达发射机发射所述波形;
S103、雷达接收机接收所述波形返回的回波信号,根据所述先验信息对所述回波信号进行分步解调,得到时域采样信号;
S104、分别对所述时域采样信号进行脉冲压缩、脉冲积累和目标检测处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210027598.8A CN114355310A (zh) | 2022-01-11 | 2022-01-11 | 一种认知雷达的多模捷变波形生成及其处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210027598.8A CN114355310A (zh) | 2022-01-11 | 2022-01-11 | 一种认知雷达的多模捷变波形生成及其处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114355310A true CN114355310A (zh) | 2022-04-15 |
Family
ID=81108726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210027598.8A Pending CN114355310A (zh) | 2022-01-11 | 2022-01-11 | 一种认知雷达的多模捷变波形生成及其处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114355310A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115308696A (zh) * | 2022-07-19 | 2022-11-08 | 佛山电器照明股份有限公司 | 微波多普勒探测模块、抗干扰方法、设备及存储介质 |
CN116506032A (zh) * | 2023-06-30 | 2023-07-28 | 湖南省通信建设有限公司 | 基于imt的宽频带微带缝隙天线系统及带宽拓展方法 |
CN117250587A (zh) * | 2023-11-07 | 2023-12-19 | 烟台初心航空科技有限公司 | 抗干扰iff雷达应答信号产生方法 |
CN118091553B (zh) * | 2024-04-25 | 2024-07-09 | 清华大学 | 基于通用化波形描述的雷达波形生成方法及装置 |
-
2022
- 2022-01-11 CN CN202210027598.8A patent/CN114355310A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115308696A (zh) * | 2022-07-19 | 2022-11-08 | 佛山电器照明股份有限公司 | 微波多普勒探测模块、抗干扰方法、设备及存储介质 |
CN116506032A (zh) * | 2023-06-30 | 2023-07-28 | 湖南省通信建设有限公司 | 基于imt的宽频带微带缝隙天线系统及带宽拓展方法 |
CN116506032B (zh) * | 2023-06-30 | 2023-08-29 | 湖南省通信建设有限公司 | 基于imt的宽频带微带缝隙天线系统及带宽拓展方法 |
CN117250587A (zh) * | 2023-11-07 | 2023-12-19 | 烟台初心航空科技有限公司 | 抗干扰iff雷达应答信号产生方法 |
CN117250587B (zh) * | 2023-11-07 | 2024-02-02 | 烟台初心航空科技有限公司 | 抗干扰iff雷达应答信号产生方法 |
CN118091553B (zh) * | 2024-04-25 | 2024-07-09 | 清华大学 | 基于通用化波形描述的雷达波形生成方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114355310A (zh) | 一种认知雷达的多模捷变波形生成及其处理方法 | |
CN110412558A (zh) | 基于tdm mimo的解车载fmcw雷达速度模糊方法 | |
CN100472223C (zh) | 高频雷达抗射频干扰方法 | |
CN111323760B (zh) | 基于数字射频存储drfm的多级调制干扰系统及方法 | |
CN109738889B (zh) | 一种认知型线调频脉冲航海雷达系统的探测方法 | |
Qian et al. | Wideband‐scaled radon‐Fourier transform for high‐speed radar target detection | |
CN114152916A (zh) | 一种基于先导信息的mimo雷达波形正交方法 | |
CN113777577B (zh) | 基于mimo雷达的目标检测方法、装置及电子设备 | |
CN104914429A (zh) | 一种根据目标距离自适应选择波形的目标指示雷达系统 | |
CN110133654A (zh) | 一种高轨卫星sar动目标检测方法 | |
CN107356908A (zh) | 一种捷变频信号相参积累方法 | |
CN109765529A (zh) | 一种基于数字波束形成的毫米波雷达抗干扰方法及系统 | |
Buhari et al. | Multicarrier SAR image reconstruction using integrated MUSIC-LSE algorithm | |
US7081850B2 (en) | Coherent detection of ultra wideband waveforms | |
JP2000509811A (ja) | ドップラ有効範囲の距離を延伸させるレーダ/ソナーシステムの概念 | |
Taylor | Ultra wideband radar | |
CN109738888B (zh) | 一种认知型脉内线调频脉冲压缩航海雷达系统 | |
Wang et al. | A waveform design method for frequency diverse array systems based on diversity linear chirp waveforms | |
Zhao et al. | Using alpha-phase modulation method to solve range ambiguity for high frequency surface wave radar | |
CN112835006A (zh) | 一种基于帧间积累的跟踪雷达海上小目标检测方法及系统 | |
Xiong et al. | Reception and calibration of bistatic SF ISAR imaging system with wideband receiver | |
Zainuddin et al. | Spectrum averaging in a MIMO FMCW maritime radar for a small fluctuating target range estimation | |
Baixiao et al. | Experimental system and experimental results for coast-ship Bi/multistatic ground-wave over-the-horizon radar | |
Shinriki et al. | Pulse compression for a simple pulse | |
CN111505600B (zh) | 基于stpc的fda-mimo雷达信号处理方法、装置及介质 |
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 |