CN115327505B - 一种多径环境下低空目标角度估计方法及相关设备 - Google Patents

一种多径环境下低空目标角度估计方法及相关设备 Download PDF

Info

Publication number
CN115327505B
CN115327505B CN202211245333.1A CN202211245333A CN115327505B CN 115327505 B CN115327505 B CN 115327505B CN 202211245333 A CN202211245333 A CN 202211245333A CN 115327505 B CN115327505 B CN 115327505B
Authority
CN
China
Prior art keywords
signal
multipath
angle
meter
diameter
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
Application number
CN202211245333.1A
Other languages
English (en)
Other versions
CN115327505A (zh
Inventor
李强
黄磊
周汉飞
杨金学
陈明阳
龙天尧
杨广玉
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.)
Shenzhen University
Original Assignee
Shenzhen 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 Shenzhen University filed Critical Shenzhen University
Priority to CN202211245333.1A priority Critical patent/CN115327505B/zh
Publication of CN115327505A publication Critical patent/CN115327505A/zh
Application granted granted Critical
Publication of CN115327505B publication Critical patent/CN115327505B/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
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种多径环境下低空目标角度估计方法及相关设备，所述方法包括：在多径环境下，根据米波阵列雷达天线接收到的直径信号、多径信号和噪声，建立米波阵列雷达接收回波信号的空时二维联合模型；采用多级维纳滤波分解原理对空时二维联合模型进行分解，估计得到直径信号子空间和多径信号子空间；获取信号入射方向，采用多重信号分类方法估计直径信号和多径信号的角度和多普勒频移；确定直径角度，根据米波阵列雷达天线高度和真实目标到米波阵列雷达的距离计算得到真实目标的目标高度。本发明考虑空时二维可以同时估计出目标和多径信号的角度与多普勒频移，无需特征值分解便可获得信号子空间，快速计算得到目标高度，大大降低计算量。

Description

一种多径环境下低空目标角度估计方法及相关设备
技术领域
本发明涉及信息处理技术领域，尤其涉及一种多径环境下低空目标角度估计方法、系统、终端及计算机可读存储介质。
背景技术
米波雷达能够对远程空中目标进行早期探测与跟踪，将空中态势感知情报发送至预警拦截系统，从而为拦截目标争取更多时间。目前，米波雷达能够准确的感知目标的速度、距离和方位角信息。然而，对于远程低空或者超低空目标进行探测时，往往受地面环境影响，尤其是高山、丘陵、丛林等复杂环境下，多径效应（指电磁波经不同路径传播后，各分量场到达接收端时间不同，按各自相位相互叠加而造成干扰，使得原来的信号失真，或者产生错误）将会影响米波雷达对目标俯仰角的测量，从而无法为预警系统提供精确的高度信息。所以，低空目标俯仰角的快速、精确探测是米波雷达迫切需要解决的一个关键问题。
雷达在对低空目标探测时，由于地面环境复杂，即可能出现镜面反射多径干扰信号，也会大概率出现漫反射多径干扰信号。因此，多径信号到达雷达天线处的角度大概率不会完全等于直径信号的达到角度。当两者的角度接近时，多普勒频移也会接近，此时雷达回波直达信号与多径信号存在一定相关性。由于空域和时域二维（空时二维）联合域信号处理算法能够在角度维度和频率维度同时进行参数估计，相比于单独的空域信号处理有着更多的参数估计能力。考虑低空目标，在空时二维联合域对直径信号和多径信号的角度和频率进行估计，然而由于空时二维联合域模型中的矩阵计算维度比较大，尤其是进行矩阵特征值分解过程中，计算复杂度会很大。
因此，现有技术还有待于改进和发展。
发明内容
本发明的主要目的在于提供一种多径环境下低空目标角度估计方法、系统、终端及计算机可读存储介质，旨在解决现有技术中针对低空目标，在空时二维联合域对直径信号和多径信号的角度和频率进行估计，由于空时二维联合域模型中的矩阵计算维度比较大，尤其是进行矩阵特征值分解过程中，计算复杂度会很大的问题。
为实现上述目的，本发明提供一种多径环境下低空目标角度估计方法，所述多径环境下低空目标角度估计方法包括如下步骤：
在多径环境下，根据米波阵列雷达天线接收到的直径信号、多径信号和噪声，建立米波阵列雷达接收回波信号的空时二维联合模型；
采用多级维纳滤波分解原理对空时二维联合模型进行分解，估计得到直径信号子空间和多径信号子空间；
获取信号入射方向，采用多重信号分类方法估计直径信号和多径信号的角度和多普勒频移；
确定直径角度，根据米波阵列雷达天线高度和真实目标到米波阵列雷达的距离计算得到真实目标的目标高度。
可选地，所述的多径环境下低空目标角度估计方法，其中，所述在多径环境下，根据米波阵列雷达天线接收到的直径信号、多径信号和噪声，建立米波阵列雷达接收回波信号的空时二维联合模型，具体包括：
将米波阵列雷达的雷达信号频率和波长分别表示为
Figure 985775DEST_PATH_IMAGE001
和
Figure 434074DEST_PATH_IMAGE002
，脉冲重复频率为
Figure 10549DEST_PATH_IMAGE003
，若低空真实目标飞行速度为
Figure 186184DEST_PATH_IMAGE004
，直径信号入射角度为
Figure 531715DEST_PATH_IMAGE005
，多径信号入射角度为
Figure 885336DEST_PATH_IMAGE006
，直径信号和多径信号的多普勒频移分别表示为
Figure 949107DEST_PATH_IMAGE007
和
Figure 429898DEST_PATH_IMAGE008
，米波阵列雷达天线采用均匀线阵，天线数目为
Figure 364356DEST_PATH_IMAGE009
，相邻阵元的间隔
Figure 888878DEST_PATH_IMAGE010
为
Figure 439945DEST_PATH_IMAGE011
，时域延迟线数目为
Figure 957383DEST_PATH_IMAGE012
，则米波阵列雷达天线在
Figure 11927DEST_PATH_IMAGE013
时刻接收到的直径信号、多径信号和噪声的空时二维联合模型
Figure 707350DEST_PATH_IMAGE014
表示为：
Figure 480134DEST_PATH_IMAGE015
；（1）
其中，
Figure 20837DEST_PATH_IMAGE016
表示转置操作；
Figure 946199DEST_PATH_IMAGE017
和
Figure 78103DEST_PATH_IMAGE018
分别为直径信号和直径信号对应的空时导向矢量；
Figure 338183DEST_PATH_IMAGE019
和
Figure 682576DEST_PATH_IMAGE020
分别为多径信号和多径信号对应的空时导向矢量；
Figure 960980DEST_PATH_IMAGE021
为高斯白噪声；
当时间
Figure 263785DEST_PATH_IMAGE013
取一个时刻值时，
Figure 480003DEST_PATH_IMAGE018
、
Figure 893667DEST_PATH_IMAGE020
和
Figure 793621DEST_PATH_IMAGE021
均为
Figure 1748DEST_PATH_IMAGE022
维度列向量，其中，空时导向矢量
Figure 970841DEST_PATH_IMAGE023
是角度
Figure 922617DEST_PATH_IMAGE024
处空域导向矢量
Figure 181472DEST_PATH_IMAGE025
和多普勒频移
Figure 91659DEST_PATH_IMAGE026
处时域导向矢量
Figure 282469DEST_PATH_IMAGE027
的克罗内克积：
Figure 37935DEST_PATH_IMAGE028
；（2）
其中，
Figure 381323DEST_PATH_IMAGE029
表示克罗内克积运算；
Figure 931253DEST_PATH_IMAGE030
和
Figure 671676DEST_PATH_IMAGE031
分别表示为：
Figure 965254DEST_PATH_IMAGE032
；（3）
Figure 192842DEST_PATH_IMAGE033
；（4）
其中，
Figure 913673DEST_PATH_IMAGE034
为虚数单位，即
Figure 344655DEST_PATH_IMAGE035
。
可选地，所述的多径环境下低空目标角度估计方法，其中，所述采用多级维纳滤波分解原理对空时二维联合模型进行分解，估计得到直径信号子空间和多径信号子空间，具体包括：
根据多级维纳滤波器原理，对空时二维联合模型
Figure 192656DEST_PATH_IMAGE014
进行分解，取参考信号
Figure 759904DEST_PATH_IMAGE036
为：
Figure 651636DEST_PATH_IMAGE037
；（5）
其中，
Figure 304334DEST_PATH_IMAGE038
为高斯白噪声
Figure 470874DEST_PATH_IMAGE039
中的第一行元素；
令
Figure 141895DEST_PATH_IMAGE040
，得到
Figure 204529DEST_PATH_IMAGE041
与
Figure 344523DEST_PATH_IMAGE036
的互相关结果
Figure 783595DEST_PATH_IMAGE042
为：
Figure 325435DEST_PATH_IMAGE043
；（6）
其中，
Figure 309703DEST_PATH_IMAGE044
表示求期望操作；
Figure 468151DEST_PATH_IMAGE045
表示
Figure 445335DEST_PATH_IMAGE036
的共轭；
根据维纳滤波器原理，互相关结果
Figure 841681DEST_PATH_IMAGE042
是直径信号和多径信号对应的空时导向矢量的线性组合，即
Figure 495385DEST_PATH_IMAGE042
所在的子空间属于直径信号和多径信号的空时导向矢量所张成的子空间，直径信号和多径信号的角度和多普勒频移信息从
Figure 609972DEST_PATH_IMAGE042
中获取；
定义一个匹配滤波器向量
Figure 656425DEST_PATH_IMAGE046
为：
Figure 172857DEST_PATH_IMAGE047
；（7）
其中，
Figure 498927DEST_PATH_IMAGE046
的维度为
Figure 100810DEST_PATH_IMAGE048
，
Figure 419796DEST_PATH_IMAGE049
表示L2范数，得到新的参考信号
Figure 790734DEST_PATH_IMAGE050
为：
Figure 802553DEST_PATH_IMAGE051
；（8）
其中，
Figure 158577DEST_PATH_IMAGE052
表示共轭转置操作；
构造与匹配滤波器向量
Figure 281254DEST_PATH_IMAGE046
所正交的阻塞矩阵
Figure 506699DEST_PATH_IMAGE053
为：
Figure 423839DEST_PATH_IMAGE054
；（9）
其中，
Figure 547784DEST_PATH_IMAGE055
为单位矩阵，维度为
Figure 739731DEST_PATH_IMAGE056
；阻塞矩阵
Figure 554103DEST_PATH_IMAGE053
抑制信号
Figure 422571DEST_PATH_IMAGE057
中与匹配滤波器向量
Figure 955184DEST_PATH_IMAGE046
所在相同子空间的成分；
信号
Figure 419663DEST_PATH_IMAGE057
经过阻塞矩阵
Figure 885279DEST_PATH_IMAGE053
后，表示为：
Figure 426113DEST_PATH_IMAGE058
；（10）
得到一个新的匹配滤波器向量
Figure 977180DEST_PATH_IMAGE059
，表示为：
Figure 245351DEST_PATH_IMAGE060
；（11）
根据迭代过程，再得到新的参考信号
Figure 549162DEST_PATH_IMAGE061
，进行公式(8)-(11)的迭代。
可选地，所述的多径环境下低空目标角度估计方法，其中，所述迭代过程包括：
根据公式（5）-（7），初始化参考信号
Figure 510165DEST_PATH_IMAGE062
、观测数据
Figure 751790DEST_PATH_IMAGE057
和互相关结果
Figure 823651DEST_PATH_IMAGE063
及匹配滤波器向量
Figure 14592DEST_PATH_IMAGE046
；
根据公式（8）-（10），计算第
Figure 880917DEST_PATH_IMAGE064
次迭代的参考信号
Figure 875418DEST_PATH_IMAGE065
和观测数据
Figure 485391DEST_PATH_IMAGE066
，其中，
Figure 248948DEST_PATH_IMAGE067
；
根据公式（11），计算第
Figure 535441DEST_PATH_IMAGE064
次迭代的匹配滤波器向量
Figure 17238DEST_PATH_IMAGE068
，同样，
Figure 696481DEST_PATH_IMAGE067
；
当迭代次数达到预设迭代次数
Figure 580124DEST_PATH_IMAGE069
时，迭代终止；
当迭代至第
Figure 804563DEST_PATH_IMAGE069
次时，得到
Figure 508076DEST_PATH_IMAGE069
个匹配滤波器向量的集合，表示为：
Figure 459852DEST_PATH_IMAGE070
；（12）
其中，矩阵
Figure 729159DEST_PATH_IMAGE071
所在的子空间与原始信号
Figure 842609DEST_PATH_IMAGE072
中信号成分所在子空间相同，其中，原始信号
Figure 554125DEST_PATH_IMAGE072
中信号成分包括直径信号与多径信号。
可选地，所述的多径环境下低空目标角度估计方法，其中，所述获取信号入射方向，采用多重信号分类方法估计直径信号和多径信号的角度和多普勒频移，具体包括：
根据米波阵列雷达的接收数据得到数据协方差矩阵，对数据协方差矩阵进行特征分解得到特征值和特征向量；
根据特征值进行信号源数判断，根据特征向量确定信号子空间和噪声子空间；
基于角度域谱峰搜索确定极大值点对应的角度，极大值点对应的角度为信号入射方向；
根据多重信号分类方法的原理和空时二维数据，空间谱估计表达式
Figure 309591DEST_PATH_IMAGE073
为：
Figure 902247DEST_PATH_IMAGE074
；（13）
其中，
Figure 717756DEST_PATH_IMAGE075
为
Figure 395862DEST_PATH_IMAGE071
的共轭；
通过对一定范围内的角度
Figure 440172DEST_PATH_IMAGE076
和多普勒频移
Figure 887334DEST_PATH_IMAGE077
进行二维搜索，当
Figure 873745DEST_PATH_IMAGE078
出现预设大小的谱峰值时，所述预设大小的谱峰值对应的角度和多普勒频移为直径信号和多径信号所对应的角度和多普勒频移。
可选地，所述的多径环境下低空目标角度估计方法，其中，所述确定直径角度，根据米波阵列雷达天线高度和真实目标到米波阵列雷达的距离计算得到真实目标的目标高度，具体包括：
根据直径信号和多径信号所对应的角度和多普勒频移，判断出米波阵列雷回波直达信号俯仰角
Figure 570305DEST_PATH_IMAGE079
为正，多径信号入射角
Figure 651263DEST_PATH_IMAGE080
为负；
根据米波阵列雷达所测量真实目标到米波阵列雷达的距离
Figure 218510DEST_PATH_IMAGE081
，米波阵列雷达天线高度
Figure 375822DEST_PATH_IMAGE082
，得到真实目标距离地面高度为
Figure 28520DEST_PATH_IMAGE083
。
可选地，所述的多径环境下低空目标角度估计方法，其中，所述多级维纳滤波器用于利用序列正交投影，将阵列数据向量进行多级分解，再进行多级标量维纳滤波，得到维纳滤波器的输出误差信号。
此外，为实现上述目的，本发明还提供一种多径环境下低空目标角度估计系统，其中，所述多径环境下低空目标角度估计系统包括：
联合建模模块，用于在多径环境下，根据米波阵列雷达天线接收到的直径信号、多径信号和噪声，建立米波阵列雷达接收回波信号的空时二维联合模型；
模型分解模块，用于采用多级维纳滤波分解原理对空时二维联合模型进行分解，估计得到直径信号子空间和多径信号子空间；
参数估计模块，用于获取信号入射方向，采用多重信号分类方法估计直径信号和多径信号的角度和多普勒频移；
高度计算模块，用于确定直径角度，根据米波阵列雷达天线高度和真实目标到米波阵列雷达的距离计算得到真实目标的目标高度。
此外，为实现上述目的，本发明还提供一种终端，其中，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的多径环境下低空目标角度估计程序，所述多径环境下低空目标角度估计程序被所述处理器执行时实现如上所述的多径环境下低空目标角度估计方法的步骤。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有多径环境下低空目标角度估计程序，所述多径环境下低空目标角度估计程序被处理器执行时实现如上所述的多径环境下低空目标角度估计方法的步骤。
本发明中，在多径环境下，根据米波阵列雷达天线接收到的直径信号、多径信号和噪声，建立米波阵列雷达接收回波信号的空时二维联合模型；采用多级维纳滤波分解原理对空时二维联合模型进行分解，估计得到直径信号子空间和多径信号子空间；获取信号入射方向，采用多重信号分类方法估计直径信号和多径信号的角度和多普勒频移；确定直径角度，根据米波阵列雷达天线高度和真实目标到米波阵列雷达的距离计算得到真实目标的目标高度。本发明考虑空时二维可以同时估计出目标和多径信号的角度与多普勒频移，多普勒频移用来辅助区分目标信号和多径信号，采用无需先验信息辅助的多级维纳滤波器分解的思想，无需特征值分解便可获得信号子空间，快速计算得到目标高度，大大降低计算量。
附图说明
图1是本发明多径环境下低空目标角度估计方法的较佳实施例中多径环境下，米波阵列雷达测量目标高度的示意图；
图2是本发明多径环境下低空目标角度估计方法的较佳实施例的流程图；
图3是本发明多径环境下低空目标角度估计方法的较佳实施例中雷达回波直径和多径信号在俯仰角和多普勒频移两个维度的空间谱的示意图；
图4是本发明多径环境下低空目标角度估计系统的较佳实施例的原理示意图；
图5为本发明终端的较佳实施例的运行环境示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对阵列雷达低空目标角度估计问题，通常假定雷达回波的多径信号与直径信号完全相关（相干），即直径信号和多径信号的多普勒频移完全一致，然后单纯考虑空域维度，采用解相干的方法进行空间谱估计；解相干的方法通常包括对协方差矩阵进行空间平滑或者托普利兹（Topliz）矩阵结构化操作，最后再用基于特征值分解的MUSIC（MultipleSignal Classification）等高分辨率方法来进行角度估计。
本发明以米波阵列雷达为研究平台，针对低空目标，考虑地面多径干扰影响下，采用空时二维采样，设计无需特征值分解的多级维纳滤波器，快速寻找信号子空间和噪声子空间；然后采用MUSIC方法估计出目标俯仰角和多径到达角；再根据雷达天线参考法线方向，分辨出目标角度；最后根据几何关系求出目标高度。
如图1所示，在多径环境下，米波阵列雷测量目标高度示意图，由于米波阵列雷可以准确测量距离、速度和方位角，这里设定距离、速度和方位角为已知的先验信息，这里假定布置的米波阵列雷基座有一定高度，以一条多径信号为例，米波阵列雷发射信号探测到目标后，产生一个直径信号，还产生一个经地面反射的多径信号。本发明的目的为，估计出直径信号和多径信号的角度、多普勒频移，再根据雷达天线参考法线方向，确定目标角度，最后获得目标高度。
本发明较佳实施例所述的多径环境下低空目标角度估计方法，如图1和图2所示，所述多径环境下低空目标角度估计方法包括以下步骤：
步骤S10、在多径环境下，根据米波阵列雷达天线接收到的直径信号、多径信号和噪声，建立米波阵列雷达接收回波信号的空时二维联合模型。
具体地，本发明的雷达以米波阵列雷达为例，将米波阵列雷达的雷达信号频率和波长分别表示为
Figure 663901DEST_PATH_IMAGE001
和
Figure 101967DEST_PATH_IMAGE002
，脉冲重复频率为
Figure 430180DEST_PATH_IMAGE003
，若低空真实目标飞行速度为
Figure 570174DEST_PATH_IMAGE004
，直径信号入射角度为
Figure 9246DEST_PATH_IMAGE005
，多径信号入射角度为
Figure 800353DEST_PATH_IMAGE006
，直径信号和多径信号的多普勒频移分别表示为
Figure 299468DEST_PATH_IMAGE007
和
Figure 661179DEST_PATH_IMAGE008
，米波阵列雷达天线采用均匀线阵，天线数目为
Figure 638362DEST_PATH_IMAGE009
，相邻阵元的间隔
Figure 316599DEST_PATH_IMAGE010
为
Figure 986615DEST_PATH_IMAGE011
，时域延迟线数目为
Figure 835622DEST_PATH_IMAGE012
，则米波阵列雷达天线在
Figure 616497DEST_PATH_IMAGE013
时刻接收到的直径信号、多径信号和噪声的空时二维联合模型
Figure 647775DEST_PATH_IMAGE014
表示为：
Figure 488692DEST_PATH_IMAGE015
；（1）
其中，
Figure 824996DEST_PATH_IMAGE016
表示转置操作；
Figure 409561DEST_PATH_IMAGE017
和
Figure 514920DEST_PATH_IMAGE018
分别为直径信号和直径信号对应的空时导向矢量；
Figure 277471DEST_PATH_IMAGE019
和
Figure 835491DEST_PATH_IMAGE020
分别为多径信号和多径信号对应的空时导向矢量；
Figure 489326DEST_PATH_IMAGE021
为高斯白噪声。
当时间
Figure 714771DEST_PATH_IMAGE013
取一个时刻值时，
Figure 140899DEST_PATH_IMAGE018
、
Figure 451795DEST_PATH_IMAGE020
和
Figure 378163DEST_PATH_IMAGE021
均为
Figure 723693DEST_PATH_IMAGE022
维度列向量，其中，空时导向矢量
Figure 93626DEST_PATH_IMAGE023
是角度
Figure 626238DEST_PATH_IMAGE024
处空域导向矢量
Figure 90718DEST_PATH_IMAGE025
和多普勒频移
Figure 290755DEST_PATH_IMAGE026
处时域导向矢量
Figure 80856DEST_PATH_IMAGE027
的克罗内克积（Kronecker product）：
Figure 350033DEST_PATH_IMAGE028
；（2）
其中，
Figure 883782DEST_PATH_IMAGE029
表示克罗内克积运算；
Figure 938326DEST_PATH_IMAGE030
和
Figure 633749DEST_PATH_IMAGE031
分别表示为：
Figure 157266DEST_PATH_IMAGE032
；（3）
Figure 963548DEST_PATH_IMAGE033
；（4）
其中，
Figure 872598DEST_PATH_IMAGE034
为虚数单位，即
Figure 270081DEST_PATH_IMAGE035
。
步骤S20、采用多级维纳滤波分解原理对空时二维联合模型进行分解，估计得到直径信号子空间和多径信号子空间。
具体地，由于多级维纳滤波器不需要经过特征值分解就可以得到信号子空间和噪声子空间，因此，根据多级维纳滤波器（MWF，是维纳滤波器的一种多级等效实现形式，它利用一序列正交投影，将阵列数据向量进行多级分解，再进行多级标量维纳滤波，综合出维纳滤波器的输出误差信号；多级维纳滤波器在逐级分解过程中，可以得到接收数据中信号所在的子空间，该子空间与特征分解所对应的信号特征向量所在的子空间是一致的）原理，对空时二维联合模型
Figure 513850DEST_PATH_IMAGE014
进行分解，取参考信号
Figure 389402DEST_PATH_IMAGE036
为：
Figure 152958DEST_PATH_IMAGE037
；（5）
其中，
Figure 190184DEST_PATH_IMAGE038
为高斯白噪声
Figure 671981DEST_PATH_IMAGE039
中的第一行元素；
令
Figure 836378DEST_PATH_IMAGE040
，得到
Figure 454441DEST_PATH_IMAGE041
与
Figure 662568DEST_PATH_IMAGE036
的互相关结果
Figure 631661DEST_PATH_IMAGE042
为：
Figure 363863DEST_PATH_IMAGE043
；（6）
其中，
Figure 102012DEST_PATH_IMAGE044
表示求期望操作；
Figure 746620DEST_PATH_IMAGE045
表示
Figure 203009DEST_PATH_IMAGE036
的共轭；
根据维纳滤波器原理，互相关结果
Figure 443628DEST_PATH_IMAGE042
是直径信号和多径信号对应的空时导向矢量的线性组合，即
Figure 301863DEST_PATH_IMAGE042
所在的子空间属于直径信号和多径信号的空时导向矢量所张成的子空间，直径信号和多径信号的角度和多普勒频移信息从
Figure 382951DEST_PATH_IMAGE042
中获取。
进一步地，可以定义一个匹配滤波器向量
Figure 61057DEST_PATH_IMAGE046
为：
Figure 609762DEST_PATH_IMAGE047
；（7）
其中，
Figure 322504DEST_PATH_IMAGE046
的维度为
Figure 308914DEST_PATH_IMAGE048
，
Figure 739895DEST_PATH_IMAGE049
表示L2范数，得到新的参考信号
Figure 587897DEST_PATH_IMAGE050
为：
Figure 889565DEST_PATH_IMAGE051
；（8）
其中，
Figure 46877DEST_PATH_IMAGE052
表示共轭转置操作；
然后，构造与匹配滤波器向量
Figure 965154DEST_PATH_IMAGE046
所正交的阻塞矩阵
Figure 115382DEST_PATH_IMAGE053
为：
Figure 537136DEST_PATH_IMAGE054
；（9）
其中，
Figure 865349DEST_PATH_IMAGE055
为单位矩阵，维度为
Figure 739764DEST_PATH_IMAGE056
；阻塞矩阵
Figure 178836DEST_PATH_IMAGE053
抑制信号
Figure 455096DEST_PATH_IMAGE057
中与匹配滤波器向量
Figure 704943DEST_PATH_IMAGE046
所在相同子空间的成分；
因此，信号
Figure 597813DEST_PATH_IMAGE057
经过阻塞矩阵
Figure 840575DEST_PATH_IMAGE053
后，可以表示为：
Figure 236922DEST_PATH_IMAGE058
；（10）
接着，与公式（7）类似，得到一个新的匹配滤波器向量
Figure 156205DEST_PATH_IMAGE059
，表示为：
Figure 270792DEST_PATH_IMAGE060
；（11）
根据上述迭代过程，再得到新的参考信号
Figure 317245DEST_PATH_IMAGE061
，进行公式(8)-(11)的迭代。因此，总结迭代过程如下：
根据公式（5）-（7），初始化参考信号
Figure 584409DEST_PATH_IMAGE062
、观测数据
Figure 159747DEST_PATH_IMAGE057
和互相关结果
Figure 496051DEST_PATH_IMAGE063
及匹配滤波器向量
Figure 80616DEST_PATH_IMAGE046
；
根据公式（8）-（10），计算第
Figure 185975DEST_PATH_IMAGE064
次迭代的参考信号
Figure 447061DEST_PATH_IMAGE065
和观测数据
Figure 270660DEST_PATH_IMAGE066
，其中，
Figure 924496DEST_PATH_IMAGE067
；
根据公式（11），计算第
Figure 415520DEST_PATH_IMAGE064
次迭代的匹配滤波器向量
Figure 83393DEST_PATH_IMAGE068
，同样，
Figure 394288DEST_PATH_IMAGE067
；
当迭代次数达到预设迭代次数
Figure 320656DEST_PATH_IMAGE069
时，迭代终止；
当迭代至第
Figure 400608DEST_PATH_IMAGE069
次时，得到
Figure 754228DEST_PATH_IMAGE069
个匹配滤波器向量的集合，表示为：
Figure 84845DEST_PATH_IMAGE070
；（12）
其中，矩阵
Figure 814904DEST_PATH_IMAGE071
所在的子空间与原始信号
Figure 14941DEST_PATH_IMAGE072
中信号成分所在子空间相同，其中，原始信号
Figure 273884DEST_PATH_IMAGE072
中信号成分包括直径信号与多径信号。
步骤S30、获取信号入射方向，采用多重信号分类方法估计直径信号和多径信号的角度和多普勒频移。
具体地，MUSIC方法（采用多重信号分类方法）首先根据米波阵列雷达的接收数据得到数据协方差矩阵，对数据协方差矩阵进行特征分解得到特征值和特征向量；根据特征值进行信号源数判断，根据特征向量确定信号子空间和噪声子空间；最后进行角度域谱峰搜索，基于角度域谱峰搜索确定极大值点对应的角度，极大值点对应的角度为信号入射方向。
根据多重信号分类（MUSIC）方法的原理和空时二维数据，考虑空时二维数据，空间谱估计表达式
Figure 310104DEST_PATH_IMAGE084
可以写为：
Figure 843854DEST_PATH_IMAGE085
；（13）
其中，
Figure 163977DEST_PATH_IMAGE055
为
Figure 108668DEST_PATH_IMAGE056
维单位矩阵；
Figure 881452DEST_PATH_IMAGE086
为
Figure 687734DEST_PATH_IMAGE087
的共轭。
根据公式（13）所示，MUSIC方法通过对一定范围内的角度
Figure 596784DEST_PATH_IMAGE088
和多普勒频移
Figure 728688DEST_PATH_IMAGE089
进行二维搜索，当
Figure 739500DEST_PATH_IMAGE090
出现预设大小的谱峰值（例如出现较大的谱峰值时）时，所述预设大小的谱峰值对应的角度和多普勒频移为直径信号和多径信号所对应的角度和多普勒频移。
步骤S40、确定直径角度，根据米波阵列雷达天线高度和真实目标到米波阵列雷达的距离计算得到真实目标的目标高度。
具体地，如图1所示，假定多径信号来自于地面某处反射，米波阵列雷达基座有一定高度，米波阵列雷达天线法线平行于地面方向，另天线法线方向为0度方向，上方角度为正方向，下方方向为负方向。根据公式（13），能够得到两个明显的角度值和两个明显的多普勒频移值，其中根据附图1几何关系，可以判断出雷达回波直达信号俯仰角为正，即
Figure 880632DEST_PATH_IMAGE091
，多径信号入射角为负，即
Figure 378609DEST_PATH_IMAGE092
。
再根据米波阵列雷达所测量真实目标到米波阵列雷达的距离
Figure 930682DEST_PATH_IMAGE093
，米波阵列雷达天线高度
Figure 412479DEST_PATH_IMAGE094
，得到真实目标距离地面高度为
Figure 826143DEST_PATH_IMAGE095
。
本发明考虑雷达和目标的实际场景，考虑更大概率出现的直径信号和多径信号不完全相关情况，即直径信号和多径信号的多普勒频移不完全一致，但可能很接近；考虑到直径信号和多径信号到达角可能会很接近，单纯空域阵列天线由于阵元数目的限制，分辨率不足以将两者角度准确估计出来，因此，本发明考虑在空时联合域，建立信号模型，增加天线的自由度。另外，考虑到常用空间谱方法需要对信号协方差矩阵进行特征值分解，计算时间较长，可能无法实时对目标角度进行估计，因此，本发明设计一种多级维纳滤波器，无需对信号协方差矩阵进行特征值分解，便可获得信号子空间和噪声子空间，进而快速采用MUSIC方法进行目标角度估计。
即本发明采用米波阵列天线，考虑低空目标高度测量方法，相比于目前采用基于特征值分解的单独空域处理方法，本发明同时考虑空时二维，可以同时估计出目标和多径信号的角度与多普勒频移，多普勒频移可以用来辅助区分目标信号和多径信号；此外，本发明采用无需先验信息辅助的多级维纳滤波器分解的思想，无需特征值分解便可获得信号子空间，大大降低了计算量。
下面进一步对本发明的多径环境下低空目标角度估计方法进行说明，例如，均匀线性天线阵列具有10个天线阵元，时域延迟级数为10，相邻阵元间距d为雷达回波信号半波长，雷达频率为300MHz，波长为1m，数据样本快拍数为1000。本次仿真实验，考虑一条雷达回波直径信号和一条镜面反射多径信号，直径信号入射角度为
Figure 444206DEST_PATH_IMAGE096
度，信噪比为20dB，多径信号入射角度为
Figure 199803DEST_PATH_IMAGE097
度，反射径幅值衰减系数为0.8，噪声采用高斯模型。
如图1所示，假设目标（图1中的真实目标）静止时，雷达发射波直径信号经过时间延迟
Figure 903317DEST_PATH_IMAGE098
回到天线处，此时雷达回波直径信号表示为：
Figure 120672DEST_PATH_IMAGE099
；（14）
其中，时间延迟
Figure 858821DEST_PATH_IMAGE100
，
Figure 237850DEST_PATH_IMAGE101
为光速，
Figure 943506DEST_PATH_IMAGE102
为真实目标到雷达的直线距离。
当目标水平速度为
Figure 964552DEST_PATH_IMAGE103
，对于回波直达信号，目标与雷达会产生多普勒频移，此时，雷达回波直径信号表示为：
Figure 822787DEST_PATH_IMAGE104
；（15）
其中，时间延迟：
Figure 123449DEST_PATH_IMAGE105
；（16）
其中，
Figure 67134DEST_PATH_IMAGE106
为目标水平速度
Figure 360712DEST_PATH_IMAGE103
在雷达与目标径向速度分量，如图1所示。
然后公式（16）代入（15）得到：
Figure 73453DEST_PATH_IMAGE107
；（17）
其中，
Figure 794285DEST_PATH_IMAGE108
，即为此时的多普勒频移。
同理，对于多径回波信号表示为：
Figure 745972DEST_PATH_IMAGE109
；（18）
其中，
Figure 577662DEST_PATH_IMAGE110
为雷达到虚拟镜像目标的直线距离，
Figure 410489DEST_PATH_IMAGE111
为真实目标到地面反射物的直线距离，如图1所示。
其中，
Figure 567801DEST_PATH_IMAGE112
，即为此时的多普勒频移。如图1所示，对于镜面反射多径信号，它可以看作是目标相对地面产生的镜像所反射的信号。
假定空中目标（即真实目标）为民航飞机，速度为900km/h (250m/s)，则根据多普勒公式，可知直径和多径信号的多普勒频移分别约为500Hz和498Hz。根据上述参数，结合本发明中所述方法，可以得到雷达回波直径和多径信号在俯仰角和多普勒频移两个维度的空间谱，如图3所示，从图3中可以明显看出，本发明的方法能够快速准确估计出目标信号和多径信号的俯仰角和多普勒频移，进而根据几何关系，可以很容易获得目标高度。
另外，本发明也可以应用在其他领域存在多径情况下，采用阵列天线进行目标角度快速估计问题，比如车载阵列天线估计道路目标角度问题。
进一步地，如图4所示，基于上述多径环境下低空目标角度估计方法，本发明还相应提供了一种多径环境下低空目标角度估计系统，其中，所述多径环境下低空目标角度估计系统包括：
联合建模模块51，用于在多径环境下，根据米波阵列雷达天线接收到的直径信号、多径信号和噪声，建立米波阵列雷达接收回波信号的空时二维联合模型；
模型分解模块52，用于采用多级维纳滤波分解原理对空时二维联合模型进行分解，估计得到直径信号子空间和多径信号子空间；
参数估计模块53，用于获取信号入射方向，采用多重信号分类方法估计直径信号和多径信号的角度和多普勒频移；
高度计算模块54，用于确定直径角度，根据米波阵列雷达天线高度和真实目标到米波阵列雷达的距离计算得到真实目标的目标高度。
进一步地，如图5所示，基于上述多径环境下低空目标角度估计方法和系统，本发明还相应提供了一种终端，所述终端包括处理器10、存储器20及显示器30。图5仅示出了终端的部分组件，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
所述存储器20在一些实施例中可以是所述终端的内部存储单元，例如终端的硬盘或内存。所述存储器20在另一些实施例中也可以是所述终端的外部存储设备，例如所述终端上配备的插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（SecureDigital, SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器20还可以既包括所述终端的内部存储单元也包括外部存储设备。所述存储器20用于存储安装于所述终端的应用软件及各类数据，例如所述安装终端的程序代码等。所述存储器20还可以用于暂时地存储已经输出或者将要输出的数据。在一实施例中，存储器20上存储有多径环境下低空目标角度估计程序40，该多径环境下低空目标角度估计程序40可被处理器10所执行，从而实现本申请中多径环境下低空目标角度估计方法。
所述处理器10在一些实施例中可以是一中央处理器（Central Processing Unit,CPU），微处理器或其他数据处理芯片，用于运行所述存储器20中存储的程序代码或处理数据，例如执行所述多径环境下低空目标角度估计方法等。
所述显示器30在一些实施例中可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（Organic Light-Emitting Diode，有机发光二极管）触摸器等。所述显示器30用于显示在所述终端的信息以及用于显示可视化的用户界面。所述终端的部件10-30通过系统总线相互通信。
在一实施例中，当处理器10执行所述存储器20中多径环境下低空目标角度估计程序40时实现如上所述多径环境下低空目标角度估计方法的步骤。
本发明还提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有多径环境下低空目标角度估计程序，所述多径环境下低空目标角度估计程序被处理器执行时实现如上所述的多径环境下低空目标角度估计方法的步骤。
综上所述，本发明采用空域和时域二维信号处理算法对直径信号和多径信号进行建模，然后设计一种无需参考波形的多级维纳滤波器，代替信号协方差矩阵特征值分解操作，获得直径信号子空间，多径信号子空间和噪声子空间，再采用MUSIC方法进行目标角度估计，最后根据几何关系求出目标高度。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者终端中还存在另外的相同要素。
当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件（如处理器，控制器等）来完成，所述的程序可存储于一计算机可读取的计算机可读存储介质中，所述程序在执行时可包括如上述各方法实施例的流程。其中所述的计算机可读存储介质可为存储器、磁碟、光盘等。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (9)

1.一种多径环境下低空目标角度估计方法，其特征在于，所述多径环境下低空目标角度估计方法包括：
在多径环境下，根据米波阵列雷达天线接收到的直径信号、多径信号和噪声，建立米波阵列雷达接收回波信号的空时二维联合模型；
采用多级维纳滤波分解原理对空时二维联合模型进行分解，估计得到直径信号子空间和多径信号子空间；
获取信号入射方向，采用多重信号分类方法估计直径信号和多径信号的角度和多普勒频移；
确定直径角度，根据米波阵列雷达天线高度和真实目标到米波阵列雷达的距离计算得到真实目标的目标高度；
所述在多径环境下，根据米波阵列雷达天线接收到的直径信号、多径信号和噪声，建立米波阵列雷达接收回波信号的空时二维联合模型，具体包括：
将米波阵列雷达的雷达信号频率和波长分别表示为
Figure DEST_PATH_IMAGE001
和
Figure DEST_PATH_IMAGE002
，脉冲重复频率为
Figure DEST_PATH_IMAGE003
，若低空真实目标飞行速度为
Figure DEST_PATH_IMAGE004
，直径信号入射角度为
Figure DEST_PATH_IMAGE005
，多径信号入射角度为
Figure DEST_PATH_IMAGE006
，直径信号和多径信号的多普勒频移分别表示为
Figure DEST_PATH_IMAGE007
和
Figure DEST_PATH_IMAGE008
，米波阵列雷达天线采用均匀线阵，天线数目为
Figure DEST_PATH_IMAGE009
，相邻阵元的间隔
Figure DEST_PATH_IMAGE010
为
Figure DEST_PATH_IMAGE011
，时域延迟线数目为
Figure DEST_PATH_IMAGE012
，则米波阵列雷达天线在
Figure DEST_PATH_IMAGE013
时刻接收到的直径信号、多径信号和噪声的空时二维联合模型
Figure DEST_PATH_IMAGE014
表示为：
Figure DEST_PATH_IMAGE015
；（1）
其中，
Figure DEST_PATH_IMAGE016
表示转置操作；
Figure DEST_PATH_IMAGE017
和
Figure DEST_PATH_IMAGE018
分别为直径信号和直径信号对应的空时导向矢量；
Figure DEST_PATH_IMAGE019
和
Figure DEST_PATH_IMAGE020
分别为多径信号和多径信号对应的空时导向矢量；
Figure DEST_PATH_IMAGE021
为高斯白噪声；
当时间
Figure 131481DEST_PATH_IMAGE013
取一个时刻值时，
Figure 579780DEST_PATH_IMAGE018
、
Figure 890676DEST_PATH_IMAGE020
和
Figure 817044DEST_PATH_IMAGE021
均为
Figure DEST_PATH_IMAGE022
维度列向量，其中，空时导向矢量
Figure DEST_PATH_IMAGE023
是角度
Figure DEST_PATH_IMAGE024
处空域导向矢量
Figure DEST_PATH_IMAGE025
和多普勒频移
Figure DEST_PATH_IMAGE026
处时域导向矢量
Figure DEST_PATH_IMAGE027
的克罗内克积：
Figure DEST_PATH_IMAGE028
；（2）
其中，
Figure DEST_PATH_IMAGE029
表示克罗内克积运算；
Figure DEST_PATH_IMAGE030
和
Figure DEST_PATH_IMAGE031
分别表示为：
Figure DEST_PATH_IMAGE032
；（3）
Figure DEST_PATH_IMAGE033
；（4）
其中，
Figure DEST_PATH_IMAGE034
为虚数单位，即
Figure DEST_PATH_IMAGE035
。
2.根据权利要求1所述的多径环境下低空目标角度估计方法，其特征在于，所述采用多级维纳滤波分解原理对空时二维联合模型进行分解，估计得到直径信号子空间和多径信号子空间，具体包括：
根据多级维纳滤波器原理，对空时二维联合模型
Figure DEST_PATH_IMAGE036
进行分解，取参考信号
Figure DEST_PATH_IMAGE037
为：
Figure DEST_PATH_IMAGE038
；（5）
其中，
Figure DEST_PATH_IMAGE039
为高斯白噪声
Figure DEST_PATH_IMAGE040
中的第一行元素；
令
Figure DEST_PATH_IMAGE041
，得到
Figure DEST_PATH_IMAGE042
与
Figure DEST_PATH_IMAGE043
的互相关结果
Figure DEST_PATH_IMAGE044
为：
Figure DEST_PATH_IMAGE045
；（6）
其中，
Figure DEST_PATH_IMAGE046
表示求期望操作；
Figure DEST_PATH_IMAGE047
表示
Figure DEST_PATH_IMAGE048
的共轭；
根据维纳滤波器原理，互相关结果
Figure 509712DEST_PATH_IMAGE044
是直径信号和多径信号对应的空时导向矢量的线性组合，即
Figure 863333DEST_PATH_IMAGE044
所在的子空间属于直径信号和多径信号的空时导向矢量所张成的子空间，直径信号和多径信号的角度和多普勒频移信息从
Figure 661524DEST_PATH_IMAGE044
中获取；
定义一个匹配滤波器向量
Figure DEST_PATH_IMAGE049
为：
Figure DEST_PATH_IMAGE050
；（7）
其中，
Figure 453900DEST_PATH_IMAGE049
的维度为
Figure DEST_PATH_IMAGE051
，
Figure DEST_PATH_IMAGE052
表示L2范数，得到新的参考信号
Figure DEST_PATH_IMAGE053
为：
Figure DEST_PATH_IMAGE054
；（8）
其中，
Figure DEST_PATH_IMAGE055
表示共轭转置操作；
构造与匹配滤波器向量
Figure 44150DEST_PATH_IMAGE049
所正交的阻塞矩阵
Figure DEST_PATH_IMAGE056
为：
Figure DEST_PATH_IMAGE057
；（9）
其中，
Figure DEST_PATH_IMAGE058
为单位矩阵，维度为
Figure DEST_PATH_IMAGE059
；阻塞矩阵
Figure 427727DEST_PATH_IMAGE056
抑制信号
Figure 713215DEST_PATH_IMAGE042
中与匹配滤波器向量
Figure 981385DEST_PATH_IMAGE049
所在相同子空间的成分；
信号
Figure 35929DEST_PATH_IMAGE042
经过阻塞矩阵
Figure 996931DEST_PATH_IMAGE056
后，表示为：
Figure DEST_PATH_IMAGE060
；（10）
得到一个新的匹配滤波器向量
Figure DEST_PATH_IMAGE061
，表示为：
Figure DEST_PATH_IMAGE062
；（11）
根据迭代过程，再得到新的参考信号
Figure DEST_PATH_IMAGE063
，进行公式(8)-(11)的迭代。
3.根据权利要求2所述的多径环境下低空目标角度估计方法，其特征在于，所述迭代过程包括：
根据公式（5）-（7），初始化参考信号
Figure DEST_PATH_IMAGE064
、观测数据
Figure 419648DEST_PATH_IMAGE042
和互相关结果
Figure 225930DEST_PATH_IMAGE044
及匹配滤波器向量
Figure 400560DEST_PATH_IMAGE049
；
根据公式（8）-（10），计算第
Figure DEST_PATH_IMAGE065
次迭代的参考信号
Figure DEST_PATH_IMAGE066
和观测数据
Figure DEST_PATH_IMAGE067
，其中，
Figure DEST_PATH_IMAGE068
；
根据公式（11），计算第
Figure 391518DEST_PATH_IMAGE065
次迭代的匹配滤波器向量
Figure DEST_PATH_IMAGE069
，同样，
Figure 917177DEST_PATH_IMAGE068
；
当迭代次数达到预设迭代次数
Figure DEST_PATH_IMAGE070
时，迭代终止；
当迭代至第
Figure 58309DEST_PATH_IMAGE070
次时，得到
Figure 87445DEST_PATH_IMAGE070
个匹配滤波器向量的集合，表示为：
Figure DEST_PATH_IMAGE071
；（12）
其中，矩阵
Figure DEST_PATH_IMAGE072
所在的子空间与原始信号
Figure DEST_PATH_IMAGE073
中信号成分所在子空间相同，其中，原始信号
Figure 983725DEST_PATH_IMAGE073
中信号成分包括直径信号与多径信号。
4.根据权利要求3所述的多径环境下低空目标角度估计方法，其特征在于，所述获取信号入射方向，采用多重信号分类方法估计直径信号和多径信号的角度和多普勒频移，具体包括：
根据米波阵列雷达的接收数据得到数据协方差矩阵，对数据协方差矩阵进行特征分解得到特征值和特征向量；
根据特征值进行信号源数判断，根据特征向量确定信号子空间和噪声子空间；
基于角度域谱峰搜索确定极大值点对应的角度，极大值点对应的角度为信号入射方向；
根据多重信号分类方法的原理和空时二维数据，空间谱估计表达式
Figure DEST_PATH_IMAGE074
为：
Figure DEST_PATH_IMAGE075
；（13）
其中，
Figure DEST_PATH_IMAGE076
为
Figure DEST_PATH_IMAGE077
的共轭；
通过对一定范围内的角度
Figure 324577DEST_PATH_IMAGE024
和多普勒频移
Figure DEST_PATH_IMAGE078
进行二维搜索，当
Figure DEST_PATH_IMAGE079
出现预设大小的谱峰值时，所述预设大小的谱峰值对应的角度和多普勒频移为直径信号和多径信号所对应的角度和多普勒频移。
5.根据权利要求4所述的多径环境下低空目标角度估计方法，其特征在于，所述确定直径角度，根据米波阵列雷达天线高度和真实目标到米波阵列雷达的距离计算得到真实目标的目标高度，具体包括：
根据直径信号和多径信号所对应的角度和多普勒频移，判断出米波阵列雷回波直达信号俯仰角
Figure 800558DEST_PATH_IMAGE005
为正，多径信号入射角
Figure 418621DEST_PATH_IMAGE006
为负；
根据米波阵列雷达所测量真实目标到米波阵列雷达的距离
Figure DEST_PATH_IMAGE080
，米波阵列雷达天线高度
Figure DEST_PATH_IMAGE081
，得到真实目标距离地面高度为
Figure DEST_PATH_IMAGE082
。
6.根据权利要求2所述的多径环境下低空目标角度估计方法，其特征在于，所述多级维纳滤波器用于利用序列正交投影，将阵列数据向量进行多级分解，再进行多级标量维纳滤波，得到维纳滤波器的输出误差信号。
7.一种多径环境下低空目标角度估计系统，其特征在于，所述多径环境下低空目标角度估计系统包括：
联合建模模块，用于在多径环境下，根据米波阵列雷达天线接收到的直径信号、多径信号和噪声，建立米波阵列雷达接收回波信号的空时二维联合模型；
模型分解模块，用于采用多级维纳滤波分解原理对空时二维联合模型进行分解，估计得到直径信号子空间和多径信号子空间；
参数估计模块，用于获取信号入射方向，采用多重信号分类方法估计直径信号和多径信号的角度和多普勒频移；
高度计算模块，用于确定直径角度，根据米波阵列雷达天线高度和真实目标到米波阵列雷达的距离计算得到真实目标的目标高度；
所述在多径环境下，根据米波阵列雷达天线接收到的直径信号、多径信号和噪声，建立米波阵列雷达接收回波信号的空时二维联合模型，具体包括：
将米波阵列雷达的雷达信号频率和波长分别表示为
Figure 485803DEST_PATH_IMAGE001
和
Figure 454896DEST_PATH_IMAGE002
，脉冲重复频率为
Figure 406671DEST_PATH_IMAGE003
，若低空真实目标飞行速度为
Figure 410399DEST_PATH_IMAGE004
，直径信号入射角度为
Figure 60867DEST_PATH_IMAGE005
，多径信号入射角度为
Figure 517256DEST_PATH_IMAGE006
，直径信号和多径信号的多普勒频移分别表示为
Figure 272722DEST_PATH_IMAGE007
和
Figure 865378DEST_PATH_IMAGE008
，米波阵列雷达天线采用均匀线阵，天线数目为
Figure 680887DEST_PATH_IMAGE009
，相邻阵元的间隔
Figure 358993DEST_PATH_IMAGE010
为
Figure 918150DEST_PATH_IMAGE011
，时域延迟线数目为
Figure 630891DEST_PATH_IMAGE012
，则米波阵列雷达天线在
Figure 351723DEST_PATH_IMAGE013
时刻接收到的直径信号、多径信号和噪声的空时二维联合模型
Figure 782704DEST_PATH_IMAGE014
表示为：
Figure 879973DEST_PATH_IMAGE015
；（1）
其中，
Figure 712800DEST_PATH_IMAGE016
表示转置操作；
Figure 604532DEST_PATH_IMAGE017
和
Figure 522810DEST_PATH_IMAGE018
分别为直径信号和直径信号对应的空时导向矢量；
Figure 423770DEST_PATH_IMAGE019
和
Figure 579945DEST_PATH_IMAGE020
分别为多径信号和多径信号对应的空时导向矢量；
Figure 908158DEST_PATH_IMAGE021
为高斯白噪声；
当时间
Figure 48152DEST_PATH_IMAGE013
取一个时刻值时，
Figure 752803DEST_PATH_IMAGE018
、
Figure 294643DEST_PATH_IMAGE020
和
Figure 793757DEST_PATH_IMAGE021
均为
Figure 421048DEST_PATH_IMAGE022
维度列向量，其中，空时导向矢量
Figure 663810DEST_PATH_IMAGE023
是角度
Figure 60156DEST_PATH_IMAGE024
处空域导向矢量
Figure 995751DEST_PATH_IMAGE025
和多普勒频移
Figure 844759DEST_PATH_IMAGE026
处时域导向矢量
Figure 625633DEST_PATH_IMAGE027
的克罗内克积：
Figure 142065DEST_PATH_IMAGE028
；（2）
其中，
Figure 982982DEST_PATH_IMAGE029
表示克罗内克积运算；
Figure 584864DEST_PATH_IMAGE030
和
Figure 169430DEST_PATH_IMAGE031
分别表示为：
Figure 540368DEST_PATH_IMAGE032
；（3）
Figure 552186DEST_PATH_IMAGE033
；（4）
其中，
Figure 393364DEST_PATH_IMAGE034
为虚数单位，即
Figure 781620DEST_PATH_IMAGE035
。
8.一种终端，其特征在于，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的多径环境下低空目标角度估计程序，所述多径环境下低空目标角度估计程序被所述处理器执行时实现如权利要求1-6任一项所述的多径环境下低空目标角度估计方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多径环境下低空目标角度估计程序，所述多径环境下低空目标角度估计程序被处理器执行时实现如权利要求1-6任一项所述的多径环境下低空目标角度估计方法的步骤。
CN202211245333.1A 2022-10-12 2022-10-12 一种多径环境下低空目标角度估计方法及相关设备 Active CN115327505B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211245333.1A CN115327505B (zh) 2022-10-12 2022-10-12 一种多径环境下低空目标角度估计方法及相关设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211245333.1A CN115327505B (zh) 2022-10-12 2022-10-12 一种多径环境下低空目标角度估计方法及相关设备

Publications (2)

Publication Number Publication Date
CN115327505A CN115327505A (zh) 2022-11-11
CN115327505B true CN115327505B (zh) 2023-01-24

Family

ID=83914996

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211245333.1A Active CN115327505B (zh) 2022-10-12 2022-10-12 一种多径环境下低空目标角度估计方法及相关设备

Country Status (1)

Country Link
CN (1) CN115327505B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117491985B (zh) * 2023-12-28 2024-05-10 深圳大学 一种波达方向及速度联合估计方法及相关装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3881209B2 (ja) * 2001-10-17 2007-02-14 古野電気株式会社 ドップラシフト周波数測定装置およびその利用装置
WO2014066360A1 (en) * 2012-10-22 2014-05-01 Saab-Sensis Corporation Sensor system and method for determining target location using sparsity-based processing
CN103901417B (zh) * 2014-04-02 2017-02-22 哈尔滨工程大学 L型阵列mimo雷达低复杂度空间目标二维角度估计方法
CN105785337B (zh) * 2016-01-22 2018-05-15 西安电子科技大学 复杂地形下的米波雷达低仰角目标测高方法
CN108896963B (zh) * 2018-05-14 2022-03-04 西安电子科技大学 机载雷达空时自适应降维处理方法
CN108828547B (zh) * 2018-06-22 2022-04-29 西安电子科技大学 基于深度神经网络的米波雷达低仰角测高方法
CN109471083B (zh) * 2018-11-09 2022-12-02 西安电子科技大学 基于空时级联的机载外辐射源雷达杂波抑制方法
CN115166725B (zh) * 2022-06-13 2024-05-17 中国人民解放军空军工程大学 基于music算法的米波极化敏感阵列雷达测高方法

Also Published As

Publication number Publication date
CN115327505A (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
Gemba et al. Multi-frequency sparse Bayesian learning for robust matched field processing
US8872693B1 (en) Radar signature database validation for automatic target recognition
Smith et al. Robust through-the-wall radar image classification using a target-model alignment procedure
CN110275166A (zh) 基于admm的快速稀疏孔径isar自聚焦与成像方法
CN107121665B (zh) 一种基于稀疏阵的近场相干源的无源定位方法
CN102914773A (zh) 一种多航过圆周sar三维成像方法
Li et al. A Barankin-type bound on direction estimation using acoustic sensor arrays
CN115327505B (zh) 一种多径环境下低空目标角度估计方法及相关设备
Finette et al. Stochastic matched-field localization of an acoustic source based on principles of Riemannian geometry
EP1682923B1 (fr) Procede de localisation d un ou de plusieurs emetteurs
CN112965053A (zh) 一种基于匹配垂直阵波束强度的浅海声源深度分辨方法
US8116169B2 (en) Active sonar system and active sonar method using noise reduction techniques and advanced signal processing techniques
Lagunas et al. Sparsity-based radar imaging of building structures
Bhargav et al. Compressive sensing based doa estimation for multi-path environment
CN115201821B (zh) 基于强目标成像对消的小目标检测方法
Li et al. A high-accuracy target tracking method and its application in acoustic engineering
Zhang et al. ML iterative superresolution approach for real-beam radar
Luo et al. An effective multipath ghost recognition method for sparse MIMO radar
Sun et al. Multitarget direct localization using block sparse bayesian learning in distributed MIMO radar
Zhang et al. Improved STAP algorithm based on APES
CN107238813B (zh) 近场信号源波达方向和波达时间确定方法及装置
CN117907943B (zh) 一种基于线性调频信号的超分辨测距方法、系统及终端
Xing et al. A convolutional neural network for parameter estimation of the bi-gtd model
Chen et al. DOA estimation of underwater acoustic co-frequency sources for the coprime vector sensor array
Lee Radar space-time processing for range-folded spread-Doppler clutter mitigation

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