CN114839614A - 一种空时联合雷达高速微弱目标角度估计方法 - Google Patents
一种空时联合雷达高速微弱目标角度估计方法 Download PDFInfo
- Publication number
- CN114839614A CN114839614A CN202210350464.XA CN202210350464A CN114839614A CN 114839614 A CN114839614 A CN 114839614A CN 202210350464 A CN202210350464 A CN 202210350464A CN 114839614 A CN114839614 A CN 114839614A
- Authority
- CN
- China
- Prior art keywords
- target
- resolved
- array element
- space
- estimation
- 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
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
-
- 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
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/68—Radar-tracking systems; Analogous systems for angle tracking only
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种空时联合雷达高速微弱目标角度估计方法,首先对阵元级接收数据做波束形成处理,使雷达波束指向待分辨目标方向,再利用Stepped‑GRFT算法对波束形成后的回波数据进行长时间相参处理,完成目标检测,得到径向运动参数估计向量,挑选待分辨目标所在的距离单元,将距离单元对应的数据作为目标阵元级数据,并进行多普勒补偿;构建空时联合匹配滤波器,得到阵元级空时联合相参积累结果,在参数空间中搜索,找到使其最大的待分辨目标角度维运动参数集作为估计结果;算法进行长时间相参积累,保证径向运动参数估计精度及多普勒补偿精度;空时联合匹配滤波器对相参积累进行滤波处理,保证角度运动参数的估计精度。
Description
技术领域
本发明涉及雷达信号处理技术领域,具体涉及一种空时联合雷达高速微弱目标角度估计方法。
背景技术
估计高速微弱目标的运动参数是雷达探测领域的一项重要任务。对于雷达可观测目标来说,所谓的高速微弱目标,是指速度可达数百至数千米每秒、且雷达横截面积小于0.01平方米的目标,在该速度下目标在相参积累时间内会发生明显的跨距离单元现象。从雷达信号处理方面考虑该问题,针对高速运动的微弱目标,首先需要通过长时间积累方法如GRFT算法及Stepped-GRFT算法等获得足够的信噪比增益,实现目标检测与径向运动参数估计,然后选择合适的测角算法完成目标的角度估计。然而,长时间(在长时间估计中,一般将相参处理周期设定为秒级)积累条件下目标的角度变化将不可忽略,研究目标角度维运动模型及参数估计方法具有重要的实际意义。
传统的雷达目标测角方法主要包括基于和差波束的等信号法以及基于空间谱估计的波达方向(DOA)估计方法等。等信号法如比幅或比相测角方法原理简单、易于实现,但角度分辨率相对较低;而适用于阵列雷达的DOA方法如多重信号分类(MUSIC)法和旋转因子不变(ESPRIT)法则可实现角度超分辨。然而,上述传统测角方法均针对单脉冲雷达目标测角展开研究,对目标信噪比要求较高,且无法应用于目标角度发生变化的场景。
因此,研究一种长时间积累条件下的雷达高速微弱目标角度参数估计方法具有重要的实际意义和应用价值。
发明内容
有鉴于此,本发明提供了一种空时联合雷达高速微弱目标角度估计方法,能够解决长时间积累条件下目标角度发生变化导致的传统单脉冲类测角方法失效的问题,以获取目标的准确角度信息,实现目标精确定位。
为实现上述发明目的,本发明的技术方案为:
一种空时联合雷达高速微弱目标角度估计方法,采用具有L个阵元的阵列雷达对高速微弱目标进行长时间的角度估计,估计时间包括M个预设的相参处理周期T,每个相参处理周期T内包含P个脉冲,该估计方法具体步骤包括:
步骤一、对雷达的阵元级接收数据做波束形成处理,使雷达波束指向待分辨目标方向。
步骤二、利用Stepped-GRFT算法对波束形成处理后的回波数据进行估计时间相参处理,完成目标检测,得到径向运动参数估计向量。
步骤三、根据径向运动参数估计向量得到估计时间内每个脉冲中待分辨目标所在的距离单元,将所有阵元数据中对应距离单元数据取出并按照脉冲顺序组合,得到目标阵元级数据,即待分辨目标所在的距离单元的阵元级数据的集合。
步骤四、对目标阵元级数据进行多普勒补偿,得到多普勒补偿后的阵元级数据。
步骤五、根据步骤三得到的目标阵元级数据,构建空时联合匹配滤波器;利用空时联合匹配滤波器,对多普勒补偿后的阵元级数据进行角度相位补偿,求和得到阵元级空时联合相参积累结果。
步骤六、在参数空间中搜索,找到使阵元级空时联合相参积累结果最大的待分辨目标角度维运动参数集,即为目标角度维运动参数的估计结果。
其中,T为预设的相参处理周期,一个相参处理周期内T包含P个脉冲;K为径向运动参数的个数,α0为待分辨目标的初始径向距离,α1为待分辨目标的初始径向距离一阶导,α2为待分辨目标的初始径向距离二阶导,αK-1为待分辨目标的初始径向距离K-1阶导。
其中,为空域导向矢量,d为相邻阵元间隔,s0为目标复散射系数,θ为目标角度相位,R(p)为多普勒相位项,为零均值高斯白噪声序列,为目标角度相位集;p为脉冲序号,l为阵元序号;p=0,1,2,...,P-1;l=0,1,2,...,L-1;为待分辨目标角度维运动参数集。
其中,为第kw个脉冲对应的慢时间,ωT0为待分辨目标角度维运动参数集的第一个元素;kw为运动参数的序号,kw=0,1,2...,Kw-1,Kw为运动参数个数;为待分辨目标角度维运动参数集的第kw+1个元素。
进一步的,相参处理周期T的设定原则为:在一个相参处理周期T内,待分辨目标始终位于波束的主瓣内;
主瓣的宽度BW为:
其中,λ为雷达波长,d为相邻阵元间隔。
进一步的,步骤6中,在参数空间中搜索,设定目标初始角度θ0和目标角度维初始参数ω的参数搜索范围为:
进一步的,脉冲序号p的公式表达为:
p=mN+n,m=0,1,…,M-1 (7)
其中,m为相参处理周期T的个数。
进一步的,帧内各脉冲的载频fn的公式表达为:
fn=f0+d(n)Δf,n=0,1,…,N-1 (8)
其中,f0为初始载频,Δf为频率步进间隔,d(n)∈[0,1,…,N-1]为载频编码序列。
有益效果:
1、本发明提出一种空时联合雷达高速微弱目标角度估计方法,解决了长时间积累条件下目标角度发生变化导致的传统单脉冲类测角方法失效的问题,以获取目标的准确角度信息,实现目标精确定位。本方法首先对阵元级接收数据做波束形成处理,使雷达波束指向待分辨目标方向,再利用Stepped-GRFT算法对波束形成后的阵元级回波数据进行长时间相参处理,完成目标检测,得到径向运动参数估计向量;根据径向运动参数估计向量,挑选待分辨目标所在的距离单元,将距离单元对应的数据作为目标阵元级数据,并进行多普勒补偿;构建空时联合匹配滤波器,得到阵元级空时联合相参积累结果,在参数空间中搜索,找到使其最大的待分辨目标角度维运动参数集,即为目标角度维运动参数的估计结果。
2、本发明采用Stepped-GRFT算法对高速微弱目标进行相参处理,得到径向运动参数估计向量。该算法能在长时间积累过程中保证径向运动参数估计精度及多普勒补偿精度。在高精度的径向参数的基础上,本发明进一步估计角度参数,因此能保证角度参数的精度更高。
3、本发明采用空时联合匹配滤波器,在得到高精度径向参数的基础上,对相参积累结果进行滤波处理,以补偿角度相位。进而,在补偿角度相位的基础上,得到阵元级空时联合相参积累结果。在预设的参数空间中进行搜索,进一步得到角度参数的估计量,实现角度的估计。
4、本发明根据运动的目标进行建模,得到角度参数的估计方法。即,本发明方法考虑运动带来的目标角度变化,因此可以选择长时间的估计计算,同时能保证测量精度。
附图说明
图1为本发明方法流程图。
图2为二维匀速目标运动示意图。
图3为目标运动路径图。
图4为不同信噪比下目标初始角度估计精度图。
图5为不同信噪比下目标角速度估计精度图。
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。
本发明在二维线性运动模型基础上,提出一种空时联合雷达高速微弱目标角度估计算法,该算法通过设计空时联合匹配滤波器组与参数搜索,实现目标角度维运动参数的精确估计。该方法适用于包括频率步进信号以及重频抖动信号在内的多种不同的雷达波形。
为达到上述目的,本发明是通过以下技术方案实现的:
对具有L个阵元的阵列雷达进行长时间的角度估计,设雷达系统一个相参处理间隔(CPI,即一个相参处理周期)对应积累时间为T,估计时间包括M个预设的相参处理周期T,每个相参处理周期T内包含P个脉冲,帧内各脉冲的载频为:
fn=f0+d(n)Δf,n=0,1,…,N-1 (8)
其中,f0为初始载频,Δf为频率步进间隔,d(n)∈[0,1,…,N-1]为载频编码序列,n是载频的脉冲数,N是一个周期T内的总脉冲数。
本发明实施例中,相参积累脉冲数为P=MN,脉冲序号p的公式表达为:
p=mN+n,m=0,1,…,M-1 (7)
其中,m为相参积累实践内的周期数,M为相参积累实践内的周期总数。
第p个脉冲对应的脉冲重复周期(PulseRepetationTime,PRT)为Tr(p),其值在不同脉冲间抖动,p是脉冲序号。由此,一个CPI内各脉冲对应的慢时间可以表示为
考虑单目标场景,假设目标各阶径向运动参数以集合表示,其中,α0为待分辨目标的初始径向距离,α1为待分辨目标的初始径向距离一阶导,α2为待分辨目标的初始径向距离二阶导,αK-1为待分辨目标的初始径向距离K-1阶导。那么目标的瞬时径向距离为:
在式(9)线性径向运动模型的基础上,假设一定观测时间内目标角度维同样做线性运动,则目标角度相位集可以表示为:
其中,为第kw个脉冲对应的慢时间,ωT0为待分辨目标角度维运动参数集的第一个元素;kw为运动参数的序号,kw=0,1,2...,Kw-1,Kw为运动参数个数;为待分辨目标角度维运动参数集的第kw+1个元素。
定义由式(9)及式(10)约束的目标运动为二维线性运动模型。当仅考虑目标的径向速度及角速度时,该模型将退化为二维匀速运动模型。图2为单散射点二维匀速运动目标的运动路径示意图。
假设雷达阵列为由L个阵元组成的一维均匀线阵。如图3所示,目标于径向及角度维均做匀速运动,径向速度为v,角速度为ω。根据Stepped-GRFT算法得到的目标径向运动参数估计结果,可以从阵元级P×L个回波中提取出目标所在距离单元的数据,得到阵元级目标数据为:
简单起见,假设其不随发射频点而变化,目标径向运动参数决定的多普勒相位项R(p)为:
如图1所示,发明提供了一种空时联合雷达高速微弱目标角度估计方法,具体步骤包括:
步骤一、对阵元级接收数据做波束形成处理,使雷达波束指向待分辨目标方向。
步骤二、利用Stepped-GRFT算法对波束形成后的阵元级回波数据进行长时间相参处理,完成目标检测,得到径向运动参数估计向量Stepped-GRFT算法能在长时间过程中保证径向参数的估计精度,降低角度变化引起的误差。在高精度的径向参数的基础上,本发明进一步估计角度参数,因此能保证角度参数的精度更高。
其中,T为相参处理周期,K为径向运动参数的个数,α0为待分辨目标的初始径向距离,α1为待分辨目标的初始径向距离一阶导,α2为待分辨目标的初始径向距离二阶导,αK-1为待分辨目标的初始径向距离K-1阶导。
步骤三、根据径向运动参数估计向量得到目标阵元级数据即待分辨目标所在的距离单元的阵元级数据的集合。具体的方法为:根据径向运动参数估计向量每个脉冲中待分辨目标所在的距离单元,将对应距离单元的数据按照脉冲顺序组合,得到目标阵元级数据其表达式可以写为:
p为脉冲序号,l为阵元序号;p=0,1,2,...,P-1;l=0,1,2,...,L-1;P为脉冲个数,L为阵元个数。
构建完成后,利用空时联合匹配滤波器组对进行角度相位补偿,求和得到阵元级空时联合相参积累结果在得到高精度径向参数的基础上,利用空时联合匹配滤波器组对相参积累结果进行滤波处理,可以补偿角度相位,提高测量精度。
其中,为第kw个脉冲对应的慢时间,ωT0为待分辨目标角度维运动参数集的第一个元素;kw为运动参数的序号,kw=0,1,2...,Kw-1,Kw为运动参数个数;为待分辨目标角度维运动参数集的第kw+1个元素。
本发明实施例中,在一个相参处理周期T内,待分辨目标始终位于波束的主瓣内。
本发明实施例中,主瓣的宽度BW为:
其中,λ为雷达波长,d为相邻阵元间隔。
本发明实施例中,在进行角度维运动参数搜索空间设计时,目标初始角度θ0和目标角度维初始参数ω的参数搜索范围为:
本发明实施例中,待分辨目标的瞬时径向距离的公式表达为:
下面就本发明给出对比仿真实例,并对其实现过程进行分析与说明。
1、对比不同信噪比下目标初始角度估计精度:
参数设置如下:阵元数值设置为20,阵元间隔为0.5λ=0.1m,设置目标初始角度为-0.03rad(-1.72°),目标角速度为0.12rad/s(6.88°/s),目标初始径向距离为33km,目标径向速度为705m/s,脉压后阵元级信噪比为-30dB~10dB。在进行搜索时,计算得到雷达波束主瓣宽度为5.07°,故目标初始角度搜索范围为-2.55°~2.55°,角速度搜索范围为-10°/s~10°/s。进行500次蒙特卡洛仿真,得到目标初始角度估计精度统计结果,如图4所示。
2、对比不同信噪比下目标角速度估计精度:
仿真设置与上述设置相同。在不同信噪比条件下,进行500次蒙特卡洛仿真实验,目标的信噪比同样在在-30dB至10dB之间线性变化。仿真结果如图5所示。
1和2的结果表明,目标初始角度和角速度估计结果分别在信噪比为-10dB及-12dB时收敛于真值,完成了目标角度维运动参数的准确估计。
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 (10)
1.一种空时联合雷达高速微弱目标角度估计方法,其特征在于,采用具有L个阵元的阵列雷达对高速微弱目标进行长时间的角度估计,估计时间包括M个预设的相参处理周期T,每个相参处理周期T内包含P个脉冲,该估计方法具体步骤包括:
步骤一、对雷达的阵元级接收数据做波束形成处理,使雷达波束指向待分辨目标方向;
步骤二、利用Stepped-GRFT算法对波束形成处理后的回波数据进行估计时间相参处理,完成目标检测,得到径向运动参数估计向量;
步骤三、根据径向运动参数估计向量得到估计时间内每个脉冲中待分辨目标所在的距离单元,将所有阵元数据中对应距离单元数据取出并按照脉冲顺序组合,得到目标阵元级数据,即待分辨目标所在的距离单元的阵元级数据的集合;
步骤四、对所述目标阵元级数据进行多普勒补偿,得到多普勒补偿后的阵元级数据;
步骤五、根据步骤三得到的目标阵元级数据,构建空时联合匹配滤波器;利用空时联合匹配滤波器,对多普勒补偿后的阵元级数据进行角度相位补偿,求和得到阵元级空时联合相参积累结果;
步骤六、在参数空间中搜索,找到使阵元级空时联合相参积累结果最大的待分辨目标角度维运动参数集,即为目标角度维运动参数的估计结果。
8.如权利要求4所述的方法,其特征在于,所述脉冲序号p的公式表达为:
p=mN+n,m=0,1,…,M-1 (7)
其中,m为相参处理周期T的个数。
9.如权利要求4所述的方法,其特征在于,所述帧内各脉冲的载频fn的公式表达为:
fn=f0+d(n)Δf,n=0,1,…,N-1 (8)
其中,f0为初始载频,Δf为频率步进间隔,d(n)∈[0,1,…,N-1]为载频编码序列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210350464.XA CN114839614A (zh) | 2022-04-02 | 2022-04-02 | 一种空时联合雷达高速微弱目标角度估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210350464.XA CN114839614A (zh) | 2022-04-02 | 2022-04-02 | 一种空时联合雷达高速微弱目标角度估计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114839614A true CN114839614A (zh) | 2022-08-02 |
Family
ID=82563235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210350464.XA Pending CN114839614A (zh) | 2022-04-02 | 2022-04-02 | 一种空时联合雷达高速微弱目标角度估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114839614A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115877350A (zh) * | 2023-03-03 | 2023-03-31 | 北京无线电测量研究所 | 一种和差波束体制雷达时变目标角度估计方法和装置 |
CN117491988A (zh) * | 2023-12-29 | 2024-02-02 | 中国电子科技集团公司第十四研究所 | 一种粒子滤波宽带多频低空测角方法 |
-
2022
- 2022-04-02 CN CN202210350464.XA patent/CN114839614A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115877350A (zh) * | 2023-03-03 | 2023-03-31 | 北京无线电测量研究所 | 一种和差波束体制雷达时变目标角度估计方法和装置 |
CN117491988A (zh) * | 2023-12-29 | 2024-02-02 | 中国电子科技集团公司第十四研究所 | 一种粒子滤波宽带多频低空测角方法 |
CN117491988B (zh) * | 2023-12-29 | 2024-03-22 | 中国电子科技集团公司第十四研究所 | 一种粒子滤波宽带多频低空测角方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108549059B (zh) | 一种复杂地形条件下的低空目标仰角估计方法 | |
CN108459312B (zh) | 基于复合多径因子估计的加权多频最大似然仰角估计方法 | |
US7969345B2 (en) | Fast implementation of a maximum likelihood algorithm for the estimation of target motion parameters | |
CN114839614A (zh) | 一种空时联合雷达高速微弱目标角度估计方法 | |
CN111398902B (zh) | 一种直角三角形三元水听器阵被动测距测向方法 | |
Pang et al. | Coherent detection algorithm for radar maneuvering targets based on discrete polynomial-phase transform | |
Lin et al. | Long-time coherent integration for maneuvering target detection based on ITRT-MRFT | |
CN101620272B (zh) | 一种逆合成孔径雷达的目标转速估计方法 | |
CN110146873B (zh) | 分布式非相参雷达的目标位置和速度的估计方法 | |
CN103091669A (zh) | 基于压缩感知的机动目标参数估计方法 | |
CN109901162B (zh) | 一种适用于分布式地球同步轨道sar的长基线成像stap方法 | |
RU2416105C1 (ru) | Способ определения параметров движения воздушных объектов в обзорных радиолокаторах за счет использования когерентных свойств отраженных сигналов | |
CN111220954A (zh) | 一种基于自校幅度归一化的雷达角误差修正方法 | |
CN112834980A (zh) | 一种基于传播算子的涡旋电磁波超分辨测向方法 | |
Huang et al. | Detection and fast motion parameter estimation for target with range walk effect based on new axis rotation moving target detection | |
Ge et al. | Ground moving target detection and trajectory reconstruction methods for multichannel airborne circular SAR | |
Yang et al. | An optimal polar format refocusing method for bistatic SAR moving target imaging | |
CN112904326B (zh) | 一种基于虚拟孔径的星载无源定位方法 | |
RU2337378C1 (ru) | Способ определения параметров траектории движения воздушных целей в обзорных рлс | |
CN111239719B (zh) | 基于复合反射系数估计的稳健的高精度低空目标测高方法 | |
CN114325700A (zh) | 一种星载多通道sar动目标成像方法 | |
CN114325560A (zh) | 波束扫描雷达超分辨目标测向方法 | |
CN110231590B (zh) | 一种基于dft变换的阵列目标角度测量方法 | |
CN110736988B (zh) | 双基地pfa运动目标参数估计和成像方法 | |
CN113075633A (zh) | 一种基于距离-俯仰联合字典的目标定位方法 |
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 |