CN114428228A - 高重频和差天线雷达导引头的杂波抑制方法 - Google Patents

高重频和差天线雷达导引头的杂波抑制方法 Download PDF

Info

Publication number
CN114428228A
CN114428228A CN202210077635.6A CN202210077635A CN114428228A CN 114428228 A CN114428228 A CN 114428228A CN 202210077635 A CN202210077635 A CN 202210077635A CN 114428228 A CN114428228 A CN 114428228A
Authority
CN
China
Prior art keywords
data
matrix
difference channel
channel data
clutter
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
CN202210077635.6A
Other languages
English (en)
Other versions
CN114428228B (zh
Inventor
许京伟
廖桂生
牛亚丽
刘广君
朱圣棋
贺雄鹏
阮晓峰
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN202210077635.6A priority Critical patent/CN114428228B/zh
Priority claimed from CN202210077635.6A external-priority patent/CN114428228B/zh
Publication of CN114428228A publication Critical patent/CN114428228A/zh
Application granted granted Critical
Publication of CN114428228B publication Critical patent/CN114428228B/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
    • 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
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Theoretical Computer Science (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Software Systems (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computing Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种高重频和差天线雷达导引头的杂波抑制方法，主要解决现有技术不能有效实现高脉冲重复频率(HPRF)雷达模糊杂波的抑制，且对慢速目标的检测性能差的问题。其实现方案是：获取和差天线体制雷达高重距离模糊的二维回波数据矩阵；取差通道数据进行滑窗重排获得训练样本；根据最小方差无失真响应准则设计自适应权矢量；对自适应权矢量进行扩充，构造扩充矢量；将扩充矢量作用于自适应权矢量获得最终自适应权矢量；将最终的自适应权矢量作用于和通道回波数据，获得杂波抑制后的输出信号。本发明能有效实现HPRF雷达模糊杂波抑制，改善目标的输出信杂噪比，提高慢速目标的检测性能，可用于多重距离模糊的地海面杂波的抑制。

Description

高重频和差天线雷达导引头的杂波抑制方法
技术领域
本发明属于雷达信号处理技术领域，特别涉及一种杂波抑制方法，可用于超低空运动目标检测时，多重距离模糊的地海面杂波的抑制。
背景技术
雷达运动目标检测与参数估计性能对于提升导引头远程精确打击能力至关重要，现有导引头雷达通常工作于高脉冲重复频率(HPRF)，当导引头雷达处于下视工作状态时，面临的地海面杂波存在严重的多普勒扩展，慢速目标信号将被淹没在杂波背景中，且随着PRF的增大，最大无模糊距离变小，模糊的重数变多，距离模糊问题变的更严重，目标与多重距离模糊杂波竞争，导致动目标检测难度加大。因此提升导引头杂波抑制性能对目标检测非常重要。
西安电子科技大学在其CN 103176168 A专利中提出了“一种机载非正侧视阵雷达近程杂波对消方法”。该方法首先估计出近程模糊距离门对应的俯仰角，然后利用杂波空时两维功率谱的先验信息来对近程杂波进行估计，再对原始各个接收天线的数据进行自适应近程杂波对消，最后对剩余的远程杂波采用降维空时自适应处理(STAP)方法进行抑制。该方法能够对近程杂波进行有效抑制，获得比直接处理好的杂波抑制性能。但是由于HPRF雷达体制的占空比较高，回波为准连续波信号，最大无模糊距离较小，对应距离维样本数L通常较小，甚至为1，该方法无法对这种由近程杂波和远程杂波高度混叠的杂波进行抑制。
河海大学在其CN 102721947 A专利中提出了“机载数字阵列雷达高效三维空时自适应杂波抑制方法”。其首先在空域俯仰维设计鲁棒自适应波束形成器(ADBF)抑制近程杂波，然后基于局域联合处理算法设计方位-脉冲域二维降维空时自适应处理器进一步抑制剩余远程杂波。该方法虽然能够较好的滤除机载非正侧面阵雷达各次距离模糊的杂波，但是，当俯仰维自由度不足或俯仰维孔径有限时，该方法的杂波抑制性能将会降低。此外，该方法只适应于相控阵，无法抑制和差天线体制的雷达杂波。
发明内容
本发明的目的在于针对上述现有技术的不足，提出一种高重频和差天线雷达导引头的杂波抑制方法，以实现对高脉冲重复频率(HPRF)雷达的模糊杂波有效抑制，提高对慢速目标的检测性能。
本发明的技术方案是：联合利用差-差-双差通道数据估计杂波协方差矩阵，拟合和通道的杂波协方差矩阵并基于最小方差准则实现和通道杂波对消，具体实现包括如下：
(1)根据实测回波数据或者仿真回波数据，获得和差天线体制雷达高重距离模糊的二维回波数据矩阵X；
(2)从二维回波数据矩阵X中取差通道数据进行滑窗重排获得训练样本；
(2a)从回波数据矩阵X的第l个空时快拍数据矩阵X(l)中选取方位差通道数据，俯仰差通道数据和双差通道数据，分别沿脉冲维进行平滑，并将数据进行重排，得到方位差通道数据对应的矩阵为Yθ(l)、俯仰差通道数据对应的矩阵
Figure BDA0003484743830000021
和双差通道数据对应的矩阵YΛ(l)：
Figure BDA00034847438300000211
Figure BDA0003484743830000022
Figure BDA00034847438300000210
其中，yθ,i(l)，
Figure BDA0003484743830000023
yΛ，i(l)分别为方位差通道数据矩阵Yθ(l)，俯仰差通道数据矩阵
Figure BDA0003484743830000024
双差通道数据矩阵YΛ(l)的第i列，i＝1,2,…,Ls，Ls为各差通道数据重排后训练样本的维数；
(2b)联合(2a)的结果构造第l个距离门训练样本信号矩阵YΔ(l)：
Figure BDA0003484743830000025
(2f)根据回波数据矩阵的距离门总数L，得到总的训练样本矩阵YΔ：
YΔ＝[YΔ(1),YΔ(2),…,YΔ(L)]
其中，
Figure BDA0003484743830000026
Ks为各差通道数据重排后的时域脉冲数；
(3)根据训练样本矩阵YΔ，获得杂波协方差矩阵
Figure BDA0003484743830000027
Figure BDA0003484743830000028
其中，H表示共轭转置操作；
(4)根据杂波协方差矩阵
Figure BDA0003484743830000029
采用最小方差无失真响应准则(MVDR)获得维度为Ks的自适应权矢量wΣ；
(5)对自适应权矢量wΣ进行扩充：
5a)设和通道回波数据的脉冲维数据长度为K，根据自适应权矢量wΣ的维度Ks和已知目标的多普勒频率fds，利用时域导向矢量的形式构造扩充矢量g：
Figure BDA0003484743830000031
其中
Figure BDA0003484743830000032
表示向上取整；T为转置；
5b)利用扩充矢量g对自适应权矢量wΣ进行扩充，即将其维度扩充至K，获得最终自适应权矢量
Figure BDA0003484743830000033
Figure BDA0003484743830000034
(6)将最终的自适应权矢量
Figure BDA0003484743830000035
作用于和通道回波数据，获得杂波抑制后的输出信号y(l)：
Figure BDA0003484743830000036
其中，xΣ(l)为第l个距离门对应的和通道数据。
本发明与现有技术相比具有以下优点：
第一，本发明由于联合利用滑窗重排后差通道的数据估计杂波协方差矩阵，拟合和通道的杂波协方差矩阵并基于最小方差准则有效实现HPRF雷达模糊杂波抑制，改善目标的输出信杂噪比，提高慢速目标的检测性能。
第二，本发明由于获取和差天线体制雷达的回波数据与相控阵体制雷达经过数字和差波束形成后得到的数据形式相同，故也适用于相控阵体制雷达。
第三，本发明由于采用高脉冲重复频率(HPRF)和差体制天线，因而空间自由度少，实时性高。
附图说明
图1是本发明的实现流程图；
图2是本发明中的时域滑窗图；
图3是本发明的距离多普勒输出仿真图；
图4是本发明的改善因子仿真图。
具体实施方式
下面结合附图对本发明的实施例和效果做进一步的详细描述。
参照图1，对本实例的实现步骤如下：
步骤1，获得回波数据。
采用高脉冲重复频率(HPRF)和差体制天线，根据对目标反射回来的回波进行下变频和匹配滤波操作，获得和差天线体制雷达高重距离模糊的二维回波数据矩阵X：
X＝[X(1),X(2),…,X(l),…X(L)]
其中，X(l)为第l个距离门的空时快拍数据矩阵，l＝1,2,···,L，L为距离维样本数，由于HPRF雷达体制的占空比较高，回波为准连续波信号，L通常较小，甚至为1；
X(l)具体形式为：
Figure BDA0003484743830000041
其中，xn,j(l)表示第n个通道第j个脉冲，在第l个距离门的接收数据，n＝1,2,…,N,j＝1,2,…,K，N为通道数，K为脉冲数；第1个通道的数据为和通道数据，第2个通道的数据为方位差通道，第3个通道的数据为俯仰差通道，第4个通道的数据为双差通道数据，即N＝4。
步骤2，取差通道数据进行滑窗重排。
(2.1)从X(l)中选取方位差通道数据，沿脉冲维进行平滑，如图2所示，将整个相干处理间隔CPI划分为Ls个子相干处理间隔Sub-CPI，设一个Sub-CPI内包含Ks个脉冲，滑窗间隔为Lw，
Figure BDA0003484743830000042
表示向下取整；
(2.2)滑窗后将各个Sub-CPI的数据进行重排，得到方位差通道数据对应的矩阵为：
Figure BDA0003484743830000043
为了方便表示差通道滑窗重排后的矩阵，用Yθ(l)代替Xθ(l)，即Yθ(l)＝Xθ(l)，Yθ(l)的具体形式为：
Figure BDA0003484743830000051
其中，yq,p(l)表示重排后第q个脉冲第p个Sub-CPI的数据，q＝1,2,…,Ks，p＝1,2,…,Ls，Ks为各差通道数据重排后的时域脉冲数，Ls为各差通道数据重排后训练样本的维数；
(2.3)将(2.2)的结果Yθ(l)表示为如下形式：
Figure BDA00034847438300000510
其中，yθ,i(l)为方位差通道数据矩阵Yθ(l)的第i列，i＝1,2,…,Ls；
(2.4)对俯仰差通道数据和双差通道数据，采用与方位差通道相同的构造方法，得到俯仰差通道数据对应的矩阵
Figure BDA0003484743830000052
和双差通道数据对应的矩阵YΛ(l)：
Figure BDA0003484743830000053
Figure BDA0003484743830000059
其中，yθ,i(l)，
Figure BDA0003484743830000054
yΛ,i(l)分别为方位差通道数据矩阵Yθ(l)，俯仰差通道数据矩阵
Figure BDA0003484743830000055
双差通道数据矩阵YΛ(l)的第i列，i＝1,2,…,Ls；
(2.5)联合(2.3)和(2.4)构造第l个距离门训练样本信号矩阵YΔ(l)：
Figure BDA0003484743830000056
(2.6)根据回波数据矩阵的距离门总数L，得到总的训练样本矩阵YΔ：
YΔ＝[YΔ(1),YΔ(2),…,YΔ(L)]
其中，
Figure BDA0003484743830000057
Ks为各差通道数据重排后的时域脉冲数。
步骤3，根据训练样本矩阵YΔ，获得杂波协方差矩阵
Figure BDA0003484743830000058
Figure BDA0003484743830000061
其中，H表示共轭转置操作。
步骤4，根据杂波协方差矩阵
Figure BDA0003484743830000062
采用最小方差无失真响应准则MVDR获得维度为Ks的自适应权矢量wΣ。
最小方差无失真响应准则：
Figure BDA0003484743830000063
根据该准则由拉格朗日乘子法得自适应权值：
Figure BDA0003484743830000064
其中，b(fds)为目标时域导向矢量；
Figure BDA0003484743830000065
为标量常数，
Figure BDA0003484743830000066
为杂波协方差矩阵，H表示共轭转置操作，wΣ的维度为各差通道数据重排后的时域脉冲数Ks。
步骤5，对自适应权矢量wΣ进行扩充。
5a)设和通道回波数据的脉冲维数据长度为K，根据自适应权矢量wΣ的维度Ks和已知目标的多普勒频率fds，利用时域导向矢量的形式构造扩充矢量g：
Figure BDA0003484743830000067
其中
Figure BDA0003484743830000068
表示向上取整；T为转置；
5b)利用扩充矢量g对自适应权矢量wΣ进行扩充，即将其维度扩充至K，获得最终自适应权矢量
Figure BDA0003484743830000069
Figure BDA00034847438300000610
其中，
Figure BDA00034847438300000611
为kronecker积操作。
步骤6，获得杂波抑制后的输出信号y(l)。
将最终的自适应权矢量
Figure BDA00034847438300000612
作用于和通道回波数据，获得杂波抑制后的输出信号y(l)：
Figure BDA00034847438300000613
其中，xΣ(l)为第l个距离门对应的和通道数据。
下面结合仿真实验对本发明的效果做进一步的说明：
1.仿真实验条件：
本发明的仿真实验的硬件平台为：处理器为Intel(R)Core(TM)i7-10700 CPU，主频为2.90GHz，内存16GB。
本发明的仿真实验的软件平台为：Windows 10操作系统和MATLAB R2020b。
本发明仿真实验的参数设置为：采用24×24半波长等距面阵，雷达工作载16GHz，脉冲重复周期的相干脉冲数K＝256，载机飞行高度H＝1km，平台运动速度V＝400m/s，脉冲重复频率fprf＝500kHz，采样率fs＝4MHz，杂噪比CNR＝45dB，距离门个数L＝8，目标速度为Vt＝-50m/s，目标距离R＝10km，波束宽度为6°。
2.仿真内容及其结果分析：
仿真1，用本发明和传统PD方法对8个距离门的数据在[-0.5Hz,0.5Hz]范围内选择多个频率点，将每一个频率点和距离门对应的幅值进行连接，得到距离多普勒输出，结果如图3所示，图3中的X轴表示归一化多普勒频率，单位是赫兹，Y轴表示距离门，Z轴表示归一化幅值。其中，图3(a)为传统PD方法的距离多普勒输出结果，图3(b)为本发明的距离多普勒输出结果。
从3(a)可见，距离多普勒输出的主瓣杂波较强，且主瓣杂波占据多个多普勒通道，微弱慢速目标被淹没在杂波中，表明传统PD方法不能抑制杂波。
从图3(b)可见，方框处的坐标显示目标的距离门序号为3，多普勒频率为0.07478，幅值为1，尽管目标多普勒通道靠近主杂波，但通过本发明进行时域自适应杂波抑制处理后，目标在对应的多普勒通道和距离门输出信杂噪比明显改善，表明本发明能有效实现杂波抑制，大大改善运动目标的检测性能。
仿真2，对传统PD方法和本发明的改善因子进行了仿真，即仿真输出信杂噪比与输入信杂噪比的比值，用来衡量杂波抑制的能力，具体实验是在[-0.5Hz,0.5Hz]范围内选择多个频率点，对每一个频率点对应的改善因子的取值进行连接得到改善因子随归一化多普勒频率变化的曲线，结果如图4，其横轴表示归一化多普勒频率，单位是赫兹，纵轴表示改善因子，单位是分贝。
图4中的实线表示传统PD方法处理的改善因子随归一化多普勒频率变化的曲线，虚线表示本发明在滑窗间隔为1时的改善因子随归一化多普勒频率变化的曲线，点线表示本发明在滑窗间隔为4时的改善因子随归一化多普勒频率变化的曲线，点画线表示本发明在滑窗间隔为16时的改善因子随归一化多普勒频率变化的曲线。
由图4的仿真结果可见，本发明与传统PD方法相比，改善因子性能提升接近10dB，且改善因子凹口较窄，对慢速目标的检测性能改善显著。此外，由于滑窗后的样本对应的噪声是互相独立的，因此，在样本数足够的条件下，滑窗间隔对本发明的性能影响不大。
上述仿真结果表明，本发明能有效实现HPRF雷达模糊杂波抑制，验证了本发明的正确性、有效性和可靠性。

Claims (3)

1.一种高重频和差天线雷达导引头的杂波抑制方法，其特征在于，包括：
(1)根据实测回波数据或者仿真回波数据，获得和差天线体制雷达高重距离模糊的二维回波数据矩阵X；
(2)从二维回波数据矩阵X中取差通道数据进行滑窗重排获得训练样本；
(2a)从回波数据矩阵X的第l个空时快拍数据矩阵X(l)中选取方位差通道数据，俯仰差通道数据和双差通道数据，分别沿脉冲维进行平滑，并将数据进行重排，得到方位差通道数据对应的矩阵为Yθ(l)、俯仰差通道数据对应的矩阵
Figure FDA0003484743820000011
和双差通道数据对应的矩阵YΛ(l)：
Figure FDA0003484743820000012
Figure FDA0003484743820000013
Figure FDA0003484743820000014
其中，yθ,i(l)，
Figure FDA0003484743820000015
yΛ,i(l)分别为方位差通道数据矩阵Yθ(l)，俯仰差通道数据矩阵
Figure FDA0003484743820000016
双差通道数据矩阵YΛ(l)的第i列，i＝1,2,…,Ls，Ls为各差通道数据重排后训练样本的维数；
(2b)联合(2a)的结果构造第l个距离门训练样本信号矩阵YΔ(l)：
Figure FDA0003484743820000017
(2f)根据回波数据矩阵的距离门总数L，得到总的训练样本矩阵YΔ：
YΔ＝[YΔ(1),YΔ(2),…,YΔ(L)]
其中，
Figure FDA0003484743820000018
Ks为各差通道数据重排后的时域脉冲数；
(3)根据训练样本矩阵YΔ，获得杂波协方差矩阵
Figure FDA0003484743820000019
Figure FDA00034847438200000110
其中，H表示共轭转置操作；
(4)根据杂波协方差矩阵
Figure FDA00034847438200000111
采用最小方差无失真响应准则MVDR获得维度为Ks的自适应权矢量wΣ；
(5)对自适应权矢量wΣ进行扩充：
5a)设和通道回波数据的脉冲维数据长度为K，根据自适应权矢量wΣ的维度Ks和已知目标的多普勒频率fds，利用时域导向矢量的形式构造扩充矢量g：
Figure FDA0003484743820000021
其中
Figure FDA0003484743820000022
表示向上取整；T为转置；
5b)利用扩充矢量g对自适应权矢量wΣ进行扩充，即将其维度扩充至K，获得最终自适应权矢量
Figure FDA0003484743820000027
Figure FDA0003484743820000023
(6)将最终的自适应权矢量
Figure FDA0003484743820000024
作用于和通道回波数据，获得杂波抑制后的输出信号y(l)：
Figure FDA0003484743820000025
其中，xΣ(l)为第l个距离门对应的和通道数据。
2.根据权利要求1所述的方法，其特征在于，(2a)从回波数据矩阵X的第l个距离门的空时快拍数据矩阵X(l)中选取方位差通道数据，俯仰差通道数据和双差通道数据，分别沿脉冲维进行平滑，并将数据进行重排，实现如下：
(2a1)将二维回波数据矩阵X表示为：
X＝[X(1),X(2),…,X(l),…X(L)]
其中，X(l)为第l个距离门的空时快拍数据矩阵，l＝1,2,···,L，X(l)具体形式为：
Figure FDA0003484743820000026
其中，xn,j(l)表示第n个通道，第j个脉冲，在第l个距离门的接收数据，n＝1,2,…,N,j＝1,2,…,K，N为通道数，K为脉冲数；第1个通道的数据为和通道数据，第2个通道的数据为方位差通道，第3个通道的数据为俯仰差通道，第4个通道的数据为双差通道数据，即N＝4；
(2a2)从X(l)中选取方位差通道数据，沿脉冲维进行平滑，将整个相干处理间隔CPI划分为Ls个子相干处理间隔Sub-CPI，设一个Sub-CPI内包含Ks个脉冲，滑窗间隔为Lw，
Figure FDA0003484743820000031
Figure FDA0003484743820000032
Figure FDA0003484743820000033
表示向下取整；
(2a3)将滑窗后的各个Sub-CPI的数据进行重排，得到方位差通道数据对应的矩阵为：
Figure FDA0003484743820000034
为了方便表示差通道滑窗重排后的矩阵，用Yθ(l)代替Xθ(l)，即Yθ(l)＝Xθ(l)，Yθ(l)的具体形式为：
Figure FDA0003484743820000035
其中，yq,p(l)表示重排后第q个脉冲第p个Sub-CPI的数据，q＝1,2,…,Ks，p＝1,2,…,Ls；
(2a4)将(2a3)的结果Yθ(l)表示为如下形式：
Figure FDA0003484743820000036
其中，yθ,i(l)为方位差通道数据矩阵Yθ(l)的第i列，i＝1,2,…,Ls；
(2a5)对俯仰差通道数据和双差通道数据，采用与方位差通道相同的构造方法，得到俯仰差通道数据对应的矩阵
Figure FDA0003484743820000037
和双差通道数据对应的矩阵YΛ(l)：
Figure FDA0003484743820000038
Figure FDA0003484743820000039
其中，yθ,i(l)，
Figure FDA00034847438200000310
yΛ,i(l)分别为方位差通道数据矩阵Yθ(l)，俯仰差通道数据矩阵
Figure FDA00034847438200000311
双差通道数据矩阵YΛ(l)的第i列，i＝1,2,…,Ls。
3.根据权利要求1所述的方法，其特征在于，(4)中根据杂波协方差矩阵
Figure FDA00034847438200000312
采用最小方差无失真响应准则MVDR获得自适应权矢量wΣ，是根据最小方差无失真响应准则：
Figure FDA0003484743820000041
由拉格朗日乘子法得自适应权值：
Figure FDA0003484743820000042
其中，b(fds)为目标时域导向矢量，
Figure FDA0003484743820000043
为标量常数，
Figure FDA0003484743820000044
为杂波协方差矩阵，H表示共轭转置操作，wΣ的维度为各差通道数据重排后的时域脉冲数Ks。
CN202210077635.6A 2022-01-24 高重频和差天线雷达导引头的杂波抑制方法 Active CN114428228B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210077635.6A CN114428228B (zh) 2022-01-24 高重频和差天线雷达导引头的杂波抑制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210077635.6A CN114428228B (zh) 2022-01-24 高重频和差天线雷达导引头的杂波抑制方法

Publications (2)

Publication Number Publication Date
CN114428228A true CN114428228A (zh) 2022-05-03
CN114428228B CN114428228B (zh) 2024-06-07

Family

ID=

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114879179A (zh) * 2022-05-24 2022-08-09 中国电子科技集团公司第二十研究所 一种适用于高重频极化雷达的慢速目标检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4064510A (en) * 1975-06-24 1977-12-20 Thomson-Csf High repetition frequency side-looking pulse radar system
EP1286415A2 (de) * 2001-08-17 2003-02-26 EADS Deutschland GmbH Verfahren zur Unterdrückung von Jammer-Signalen
CN107703490A (zh) * 2017-09-29 2018-02-16 西安电子科技大学 基于fda‑mimo雷达的距离模糊杂波抑制方法
CN109471081A (zh) * 2018-11-07 2019-03-15 中国人民解放军国防科技大学 单脉冲雷达弱小目标联合检测及状态估计方法
CN109471093A (zh) * 2018-11-07 2019-03-15 中国人民解放军国防科技大学 单脉冲雷达和差相关目标检测方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4064510A (en) * 1975-06-24 1977-12-20 Thomson-Csf High repetition frequency side-looking pulse radar system
EP1286415A2 (de) * 2001-08-17 2003-02-26 EADS Deutschland GmbH Verfahren zur Unterdrückung von Jammer-Signalen
CN107703490A (zh) * 2017-09-29 2018-02-16 西安电子科技大学 基于fda‑mimo雷达的距离模糊杂波抑制方法
CN109471081A (zh) * 2018-11-07 2019-03-15 中国人民解放军国防科技大学 单脉冲雷达弱小目标联合检测及状态估计方法
CN109471093A (zh) * 2018-11-07 2019-03-15 中国人民解放军国防科技大学 单脉冲雷达和差相关目标检测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘小洋;李勇;李瑞克;: "机载雷达杂波抑制优化与性能分析", 计算机仿真, no. 04, 15 April 2013 (2013-04-15) *
牛亚丽等: ""HPRF和差天线雷达导引头杂波抑制方法"", 《系统工程与电子技术》, vol. 45, no. 8, 31 August 2023 (2023-08-31), pages 2455 - 2462 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114879179A (zh) * 2022-05-24 2022-08-09 中国电子科技集团公司第二十研究所 一种适用于高重频极化雷达的慢速目标检测方法
CN114879179B (zh) * 2022-05-24 2024-05-14 中国电子科技集团公司第二十研究所 一种适用于高重频极化雷达的慢速目标检测方法

Similar Documents

Publication Publication Date Title
CN109116311B (zh) 基于知识辅助稀疏迭代协方差估计的杂波抑制方法
Kogon et al. Bistatic STAP for airborne radar systems
CN107976660B (zh) 弹载多通道雷达超低空目标分析与多径回波建模方法
CN108387884B (zh) 基于知识辅助稀疏渐进最小方差的机载雷达杂波抑制方法
CN109581352B (zh) 一种基于毫米波雷达的超分辨测角系统
CN109188385B (zh) 杂波背景下的高速微弱目标检测方法
CN112444811A (zh) 一种综合mimo雷达和isar的目标检测和成像方法
CN106772253B (zh) 一种非均匀杂波环境下的雷达杂波抑制方法
CN109212489B (zh) 一种基于辅助脉冲的fda-mimo雷达模糊杂波抑制方法
CN109613532B (zh) 一种机载雷达实时多普勒波束锐化超分辨成像方法
CN107831480A (zh) 弹载雷达和差通道稳健自适应杂波抑制方法
CN108020817A (zh) 基于配准的机载前视阵雷达杂波抑制方法
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
CN109324322A (zh) 一种基于被动相控阵天线的测向与目标识别方法
CN105445701A (zh) Ddma-mimo雷达目标的单脉冲角度估计方法
CN109655819B (zh) 一种基于实孔径多普勒波束锐化的杂波抑制三维成像方法
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
CN113238211B (zh) 一种干扰条件下参数化自适应阵列信号检测方法与系统
Phalippou et al. Re-tracking of SAR altimeter ocean power-waveforms and related accuracies of the retrieved sea surface height, significant wave height and wind speed
CN108761417B (zh) 基于知识辅助最大似然的机载雷达杂波抑制方法
CN105824016A (zh) 运动平台雷达检测超低空目标的稳健空时自适应处理方法
CN104914421A (zh) 基于和差波束的低空风切变风速估计方法
CN114428228A (zh) 高重频和差天线雷达导引头的杂波抑制方法
CN114428228B (zh) 高重频和差天线雷达导引头的杂波抑制方法
CN106569189A (zh) 一种高分辨率sar卫星距离模糊度性能分析方法

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