CN116559819A - 一种机载雷达知识辅助色加载杂波抑制方法和装置 - Google Patents

一种机载雷达知识辅助色加载杂波抑制方法和装置 Download PDF

Info

Publication number
CN116559819A
CN116559819A CN202310826097.0A CN202310826097A CN116559819A CN 116559819 A CN116559819 A CN 116559819A CN 202310826097 A CN202310826097 A CN 202310826097A CN 116559819 A CN116559819 A CN 116559819A
Authority
CN
China
Prior art keywords
matrix
covariance matrix
echo
space
color loading
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
CN202310826097.0A
Other languages
English (en)
Other versions
CN116559819B (zh
Inventor
谢文冲
熊元燚
陈威
柳成荫
陈风波
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.)
Air Force Early Warning Academy
Original Assignee
Air Force Early Warning Academy
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 Air Force Early Warning Academy filed Critical Air Force Early Warning Academy
Priority to CN202310826097.0A priority Critical patent/CN116559819B/zh
Publication of CN116559819A publication Critical patent/CN116559819A/zh
Application granted granted Critical
Publication of CN116559819B publication Critical patent/CN116559819B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及机载雷达技术领域,提供了一种机载雷达知识辅助色加载杂波抑制方法和装置。其中所述方法包括使用先验知识的通道对处理估计空域误差参数,构造得到空时锥化矩阵;使用所述空时锥化矩阵构造先验协方差矩阵,根据待检测距离单元回波,构建样本估计协方差矩阵;根据待检测距离单元回波、先验协方差矩阵和样本估计协方差矩阵,构建优化函数,使用所述优化函数进行搜索得到最优的色加载系数;根据所述色加载系数,对待检测距离单元回波进行杂波抑制。本发明通过组合最大似然估计协方差矩阵和先验协方差矩阵,从而降低对均匀样本的需求量;利用较少的样本即可获得良好的杂波抑制性能,从而提高机载预警雷达在非均匀杂波环境下的目标探测性能。

Description

一种机载雷达知识辅助色加载杂波抑制方法和装置
技术领域
本发明涉及机载雷达技术领域,特别是涉及一种机载雷达知识辅助色加载杂波抑制方法和装置。
背景技术
在现有技术中,雷达接收信号往往存在杂波,为了抑制杂波,往往先通过训练样本进行搜索得到杂波协方差矩阵,使用杂波协方差矩阵进行杂波抑制,训练样本通常要求是均匀的,考虑到机载多通道雷达可观的阵元和脉冲数,所需均匀样本数量往往是巨大的。在真实杂波环境中,由于训练样本来自不同距离,且地面反射特性是变化的,同时不同距离上地形和海况的杂波内部运动特性不同导致其回波的频谱展宽不同,杂波在各距离单元是严重非均匀分布的。在非均匀杂波的环境下,均匀训练样本的严重不足,导致估计得到杂波协方差矩阵与真实矩阵间存在较大偏差,使得杂波抑制效果较差。
鉴于此,克服该现有技术所存在的缺陷是本技术领域亟待解决的问题。
发明内容
本发明要解决的技术问题是在非均匀杂波的环境下,均匀训练样本的严重不足,导致估计得到杂波协方差矩阵与真实矩阵间存在较大偏差,使得杂波抑制效果较差。
本发明采用如下技术方案:
第一方面,本发明提供了一种机载雷达知识辅助色加载杂波抑制方法,包括:
针对机载雷达回波数据,使用先验知识的通道对处理估计空域误差参数,构造得到空时锥化矩阵
使用所述空时锥化矩阵构造先验协方差矩阵/>,根据待检测距离单元回波/>,构建样本估计协方差矩阵/>
根据待检测距离单元回波、先验协方差矩阵/>和样本估计协方差矩阵/>,构建优化函数,使用所述优化函数进行搜索得到最优的色加载系数/>
根据所述色加载系数,对待检测距离单元回波/>进行杂波抑制。
优选的,所述针对机载雷达回波数据,使用先验知识的通道对处理估计空域误差参数,构造得到空时锥化矩阵,具体包括:
构建通道n的通道对数据;其中,/>,/>为先验回波的距离脉冲矩阵,/>为通道n的距离脉冲矩阵,/>,且/>,L为距离单元数,N为机载雷达接收阵元数目,K为相干处理脉冲数;
计算通道对数据所对应的协方差矩阵/>,根据所述协方差矩阵计算得到通道n的幅相误差/>
对N个通道的幅相误差进行处理得到通道间幅相误差矢量e s,从而得到误差空域锥化矩阵
使用第一公式计算得到可估计时域误差矩阵;其中,所述第一公式为;其中,/>为工作波长,/>为脉冲重复周期;
根据可估计时域误差矩阵和误差空域锥化矩阵/>,计算得到空时锥化矩阵/>
优选的,所述使用所述空时锥化矩阵构造先验协方差矩阵/>,具体包括:
根据所述空时锥化矩阵,构建得到先验协方差矩阵/>;其中,/>为理想情况下的先验协方差矩阵,/>是通过地表覆盖信息和高程信息作为先验知识构造获取得到的。
优选的,所述根据待检测距离单元回波,构建样本估计协方差矩阵/>,具体包括:
根据检测距离单元回波,构建得到样本估计协方差矩阵/>;其中,/>为第i个训练单元回波数据,/>满足独立同分布条件,I为训练单元数。
优选的,所述根据待检测距离单元回波、先验协方差矩阵/>和样本估计协方差矩阵/>,构建优化函数,具体包括:
对待检测距离单元回波中的目标信号进行抑制,得到无目标样本/>
根据所述无目标样本、先验协方差矩阵/>和样本估计协方差矩阵/>,构建优化函数。
优选的,所述对待检测距离单元回波中的目标信号进行抑制,得到无目标样本,具体包括:
使用目标信号所对应的空时导向矢量对待检测距离单元回波X中的目标信号进行抑制,计算得到无目标样本/>;其中,/>,/>为无误差时目标空时导向矢量,/>为目标真实角度,/>为目标角度估计值的标准差,M为系统自由度。
优选的,所述根据所述无目标样本、先验协方差矩阵/>和样本估计协方差矩阵,构建优化函数,具体包括:
对所述无目标样本进行空时滑窗处理,得到降维后样本集合;其中,所述降维后样本集合中包含Q个降维后样本,第q个降维后样本/>,/>,/>为空域窗大小,/>为时域窗大小;N为空域采样数,K为时域采样数;
根据先验协方差矩阵和样本估计协方差矩阵/>,计算得到色加载矩阵;其中,/>为色加载系数;
对色加载矩阵进行空时滑窗处理,得到降维后色加载矩阵集合;其中,所述降维后色加载矩阵集合包含Q个降维色加载矩阵;第q个降维色加载矩阵/>
根据降维后样本和降维色加载矩阵构建得到优化函数
优选的,所述根据所述色加载系数,对待检测距离单元回波/>进行杂波抑制,具体包括:
根据所述色加载系数,计算得到最优的降维色加载矩阵/>
根据最优的色加载系数和最优的降维色加载矩阵/>,计算得到第k个多普勒通道空时自适应权矢量/>
使用多普勒通道空时自适应权矢量对待检测距离单元回波X进行空时自适应处理,得到杂波抑制后的输出信号
第二方面,本发明还提供了一种机载雷达知识辅助色加载杂波抑制装置,包括空时锥化矩阵构造模块、样本估计协方差矩阵构造模块、回波处理模块、训练模块和杂波抑制模块;
所述空时锥化矩阵构造模块用于针对机载雷达回波数据,使用先验知识的通道对处理估计空域误差参数,构造得到空时锥化矩阵
所述样本估计协方差矩阵构造模块用于使用所述空时锥化矩阵构造先验协方差矩阵/>,根据待检测距离单元回波/>,构建样本估计协方差矩阵/>
所述回波处理模块用于对待检测距离单元回波中的目标信号进行抑制,得到无目标样本/>
所述训练模块用于根据所述无目标样本、先验协方差矩阵/>和样本估计协方差矩阵/>,构建优化函数,使用所述优化函数进行搜索得到最优的色加载系数/>
所述杂波抑制模块用于根据所述色加载系数,对待检测距离单元回波/>进行杂波抑制。
第三方面,本发明还提供了一种机载雷达知识辅助色加载杂波抑制装置,用于实现第一方面所述的机载雷达杂波抑制方法,所述装置包括:
至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述处理器执行,用于执行第一方面所述的机载雷达杂波抑制方法。
第四方面,本发明还提供了一种非易失性计算机存储介质,所述计算机存储介质存储有计算机可执行指令,该计算机可执行指令被一个或多个处理器执行,用于完成第一方面所述的机载雷达杂波抑制方法。
本发明通过色加载系数组合最大似然估计协方差矩阵和先验协方差矩阵,从而降低最大似然估计对均匀样本的需求量;利用较少的样本即可获得良好的杂波抑制性能,从而提高机载预警雷达在非均匀杂波环境下的目标探测性能。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的第一种机载雷达知识辅助色加载杂波抑制方法的流程示意图;
图2是本发明实施例提供的第二种机载雷达知识辅助色加载杂波抑制方法的流程示意图;
图3是本发明实施例提供的第三种机载雷达知识辅助色加载杂波抑制方法的流程示意图;
图4是本发明实施例提供的第四种机载雷达知识辅助色加载杂波抑制方法的流程示意图;
图5是本发明实施例提供的第五种机载雷达知识辅助色加载杂波抑制方法的流程示意图;
图6是本发明实施例提供的一种机载雷达知识辅助色加载杂波抑制方法的应用场景示意图;
图7是本发明实施例提供的第七种机载雷达知识辅助色加载杂波抑制方法的流程示意图;
图8是本发明实施例提供的第八种机载雷达知识辅助色加载杂波抑制方法的流程示意图;
图9是本发明实施例提供的一种机载雷达知识辅助色加载杂波抑制装置的模块示意图;
图10是本发明实施例提供的一种机载雷达知识辅助色加载杂波抑制装置的架构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。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。
本发明中术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”等的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中,除非另有说明,“多个”的含义是两个或两个以上。
此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1:
本发明实施例1提供了一种机载雷达知识辅助色加载杂波抑制方法,如图1所示,包括:
在步骤201中,针对机载雷达回波数据,使用先验知识的通道对处理估计空域误差参数,构造得到空时锥化矩阵
在步骤202中,使用所述空时锥化矩阵构造先验协方差矩阵/>,根据待检测距离单元回波/>,构建样本估计协方差矩阵/>;所述样本估计协方差矩阵为最大似然估计协方差矩阵。
在步骤203中,根据待检测距离单元回波、先验协方差矩阵/>和样本估计协方差矩阵/>,构建优化函数,使用所述优化函数进行搜索得到最优的色加载系数/>,具体的:以所述优化函数作为代价函数,通过在0到1范围内线性搜索色加载系数使得代价函数取值达到最小值,代价函数达到最小值时的色加载系数即为最优的色加载系数/>
在步骤204中,根据所述色加载系数,对待检测距离单元回波/>进行杂波抑制。
其中,所述使用所述空时锥化矩阵构造先验协方差矩阵/>,具体包括:根据所述空时锥化矩阵/>,构建得到先验协方差矩阵/>;其中,/>为理想情况下的先验协方差矩阵,/>是通过地表覆盖信息和高程信息作为先验知识构造获取得到的,可理解为先验知识矩阵。
所述根据待检测距离单元回波,构建样本估计协方差矩阵/>,具体包括:根据检测距离单元回波/>,构建得到样本估计协方差矩阵/>;其中,/>为第i个训练单元回波数据,/>满足独立同分布(I.I.D.)条件,I为训练单元数。
如果协方差矩阵的先验估计存在,且它也是在相同地形上形成的,因此假设它和最大似然估计协方差矩阵均满足Wishart分布是合理的,这样真实协方差矩阵的最大后验估计可联合最大似然估计协方差矩阵和先验协方差矩阵,本实施例通过色加载系数组合最大似然估计协方差矩阵和先验协方差矩阵,从而降低最大似然估计对均匀样本的需求量;利用较少的样本即可获得良好的杂波抑制性能,从而提高机载预警雷达在非均匀杂波环境下的目标探测性能。
在实际使用中,所述针对机载雷达回波数据,使用先验知识的通道对处理估计空域误差参数,构造得到空时锥化矩阵,如图2所示,具体包括:
在步骤301中,构建通道n的通道对数据;其中,/>,/>为先验回波的距离脉冲矩阵,/>为通道n的距离脉冲矩阵,/>,且/>,L为距离单元数,N为机载雷达接收阵元数目,K为相干处理脉冲数。
在步骤302中,计算通道对数据所对应的协方差矩阵/>,根据所述协方差矩阵计算得到通道n的幅相误差/>;其中,/>包含了通道n真实回波空域信号相对于理想回波空域信号的误差信息,/>为复数符号,arg表示复数的幅角。
在步骤303中,对N个通道的幅相误差进行处理得到通道间幅相误差矢量,从而得到误差空域锥化矩阵/>。所述通道间幅相误差矢量/>由N个通道的幅相误差组成。
在步骤304中,使用第一公式计算得到可估计时域误差矩阵;其中,所述第一公式为/>;其中,k 1,k 2表示K个脉冲中任意两个脉冲,/>表示杂波内部运动速度,/>为工作波长,/>为脉冲重复周期。
在步骤305中,根据可估计时域误差矩阵和误差空域锥化矩阵/>,计算得到空时锥化矩阵/>
在实际的应用场景下,所述根据待检测距离单元回波、先验协方差矩阵/>和样本估计协方差矩阵/>,构建优化函数,如图3所示,具体包括:
在步骤401中,对待检测距离单元回波中的目标信号进行抑制,得到无目标样本/>
在步骤402中,根据所述无目标样本、先验协方差矩阵/>和样本估计协方差矩阵/>,构建优化函数。
作为一种可选的实施方式,所述对待检测距离单元回波中的目标信号进行抑制,得到无目标样本/>,具体包括:
使用目标信号所对应的空时导向矢量对待检测距离单元回波X中的目标信号进行抑制,计算得到无目标样本/>;其中,/>为单位矩阵,,/>,/>为时域误差矢量,表示空间角度为/>的空时导向矢量,/>为无误差时目标空时导向矢量,/>为目标真实角度,/>为目标角度估计值的标准差,M为系统自由度。由于在实际使用中,测量得到的目标角度通常存在误差,故使用/>以避免测角方法带来的角度误差。
所述根据所述无目标样本、先验协方差矩阵/>和样本估计协方差矩阵/>,构建优化函数,如图4所示,具体包括:
在步骤502中,对所述无目标样本进行空时滑窗处理,得到降维后样本集合;其中,所述降维后样本集合中包含Q个降维后样本,第q个降维后样本/>,/>,/>,/>为空域窗大小,/>为时域窗大小;N为空域采样数,K为时域采样数,/>表示第q个空时滑窗降维矩阵;所述空域窗大小、时域窗大小、空域采样数和时域采样数均由本领域技术人员根据经验分析得到。所述空时滑窗处理为
在步骤503中,根据先验协方差矩阵和样本估计协方差矩阵/>,计算得到色加载矩阵/>;其中,/>为色加载系数。
在步骤504中,对色加载矩阵进行空时滑窗处理,得到降维后色加载矩阵集合;其中,所述降维后色加载矩阵集合包含Q个降维色加载矩阵;第q个降维色加载矩阵/>
在步骤505中,根据降维后样本和降维色加载矩阵构建得到优化函数
在实际的应用场景下,所述根据所述色加载系数,对待检测距离单元回波/>进行杂波抑制,如图5所示,具体包括:
在步骤601中,根据所述色加载系数,计算得到最优的降维色加载矩阵
在步骤602中,根据最优的色加载系数和最优的降维色加载矩阵/>,计算得到第k个多普勒通道空时自适应权矢量/>,/>为常数项,/>为空间频率,/>为第k个多普勒通道中心频率。
在步骤603中,使用多普勒通道空时自适应权矢量对待检测距离单元回波X进行空时自适应处理,得到杂波抑制后的输出信号
本实施例首先通过基于先验知识的通道对处理方式估计空时锥化矩阵,然后利用正交投影去掉回波里可能含有的目标信号,其次通过空时滑窗处理获取待检测距离单元降维后的回波样本,再次通过搜索色加载系数获得色加载矩阵以取得最优的白化性能,最后对各距离单元分别求得对应的色加载系数进行空时自适应处理。从而通过估计的空时锥化矩阵提高了先验信息的准确性;并通过针对不同距离单元分别求取色加载系数有效解决了先验协方差矩阵在距离单元可能存在差异性的问题,进而优化杂波抑制效果。
实施例2:
本发明基于实施例1所描述的方法基础上,结合具体的应用场景,并借由相关场景下的技术表述来阐述本发明特性场景下的实现过程。
本实施例以如图6所示的应用场景为例,其中包含M个行子阵,N个列子阵,阵元间距为d,方位角为θ,俯仰角为φ,Y轴空间锥角为ψ。所述方法如图7所示和图8所示,包含以下步骤:
步骤1:针对机载雷达回波数据,采用基于先验知识的通道对处理估计空域误差参数,据此构造空时锥化矩阵。
步骤2:采用步骤1构造的空时锥化矩阵进行先验协方差矩阵构造。
步骤3:将待检测距离单元中可能包含的目标信号通过正交投影进行抑制,得到无目标样本。
步骤4:利用步骤3得到的无目标样本进行空时滑窗处理得到降维后样本。
步骤5:由步骤2得到的先验协方差矩阵和步骤4得到的降维后样本构造优化函数,确定色加载系数。
步骤6:根据步骤5中的色加载系数,构造色加载矩阵进行空时自适应处理。
假设机载雷达接收阵元数目为N,相干处理脉冲数为K,则步骤1具体包括:
基于先验知识的通道对处理操作为
其中通道n的距离脉冲矩阵,L表示距离单元数。同理可得先验回波的距离脉冲矩阵/>,通道n的通道对数据/>为/>;其中/>,则/>的协方差矩阵/>,/>包含了通道n真实回波空域信号相对于理想回波空域信号的误差信息,则通道n的幅相误差/>为/>
通过对N个通道的通道对处理可估计的N个元素进而得到空域锥化矩阵Ts,假设杂波内部运动速度/>采用典型值,可估计时域误差矩阵/>为/>;其中λ表示工作波长,/>表示脉冲重复周期。因此,空时锥化矩阵估计值可表示为/>
步骤2具体包括:采用步骤1构造的空时锥化矩阵构造先验协方差矩阵为;其中/>为理想情况下的先验协方差矩阵,/>为步骤1中估计的空时锥化矩阵。
待检测单元的样本估计协方差矩阵可表达为/>;其中/>为第i个训练单元回波数据,/>满足独立同分布(I.I.D.)条件,I为训练单元数。此时,色加载系数α对应的色加载矩阵为/>
步骤3具体包括:样本目标剔除操作为;其中,X为待检测距离单元数据,,/>为目标信号对应的空时导向矢量,其中/>为无误差时目标空时导向矢量,由步骤1通道对估计确定。需要注意得是,尽管现有的测角方法得到的目标角度已经很准确,但依然会存在一定的误差,所以以避免测角方法带来的角度误差,其中表示目标真实角度,表示/>目标角度估计值的标准差,M表示系统自由度。
步骤4具体包括:空时滑窗降维处理操作为为步骤3处理后的空时采样回波信号;若空域采样数为N,时域采样数为K,空域窗和时域窗的大小分别为/>和/>,则可得到Q个样本,即/>;利用空时滑窗得到的Q个样本/>,其中/>表示第q个空时滑窗降维矩阵,/>表示第q个空时滑窗后样本。
步骤5具体包括:优化函数为;其中/>为第q个空时滑窗后的色加载矩阵。最优的色加载系数/>可通过搜索的方式获取。
步骤6具体包括:经过步骤5确定最优的色加载系数和色加载矩阵/>,结合空时自适应处理即可实现对待检测距离单元回波X进行杂波抑制。第k个多普勒通道空时自适应权矢量为/>;其中/>。经过杂波抑制处理后的输出信号为
实施例3:
在实施例1和实施例2的基础上,本实施例还提供了一种机载雷达知识辅助色加载杂波抑制装置,如图9所示,包括空时锥化矩阵构造模块、样本估计协方差矩阵构造模块、回波处理模块、训练模块和杂波抑制模块;所述空时锥化矩阵构造模块用于针对机载雷达回波数据,使用先验知识的通道对处理估计空域误差参数,构造得到空时锥化矩阵;所述样本估计协方差矩阵构造模块用于使用所述空时锥化矩阵/>构造先验协方差矩阵/>,根据待检测距离单元回波/>,构建样本估计协方差矩阵/>;所述回波处理模块用于对待检测距离单元回波/>中的目标信号进行抑制,得到无目标样本/>;所述训练模块用于根据所述无目标样本/>、先验协方差矩阵/>和样本估计协方差矩阵/>,构建优化函数,使用所述优化函数进行搜索得到最优的色加载系数/>;所述杂波抑制模块用于根据所述色加载系数/>,对待检测距离单元回波/>进行杂波抑制。
还存在一种机载雷达知识辅助色加载杂波抑制装置的可选实施方式如图10所示,是本发明实施例的机载雷达杂波抑制装置的架构示意图。本实施例的机载雷达杂波抑制装置包括一个或多个处理器21以及存储器22。其中,图10中以一个处理器21为例。
处理器21和存储器22可以通过总线或者其他方式连接,图10中以通过总线连接为例。
存储器22作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序和非易失性计算机可执行程序,如实施例1中的机载雷达杂波抑制方法。处理器21通过运行存储在存储器22中的非易失性软件程序和指令,从而执行机载雷达杂波抑制方法。
存储器22可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中,存储器22可选包括相对于处理器21远程设置的存储器,这些远程存储器可以通过网络连接至处理器21。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述程序指令/模块存储在所述存储器22中,当被所述一个或者多个处理器21执行时,执行上述实施例1中的机载雷达杂波抑制方法。
值得说明的是,上述装置和系统内的模块、单元之间的信息交互、执行过程等内容,由于与本发明的处理方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本领域普通技术人员可以理解实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。

Claims (10)

1.一种机载雷达知识辅助色加载杂波抑制方法,其特征在于,包括:
针对机载雷达回波数据,使用先验知识的通道对处理估计空域误差参数,构造得到空时锥化矩阵
使用所述空时锥化矩阵构造先验协方差矩阵/>,根据待检测距离单元回波/>,构建样本估计协方差矩阵/>
根据待检测距离单元回波、先验协方差矩阵/>和样本估计协方差矩阵/>,构建优化函数,使用所述优化函数进行搜索得到最优的色加载系数/>
根据所述色加载系数,对待检测距离单元回波/>进行杂波抑制。
2.根据权利要求1所述的机载雷达知识辅助色加载杂波抑制方法,其特征在于,所述针对机载雷达回波数据,使用先验知识的通道对处理估计空域误差参数,构造得到空时锥化矩阵,具体包括:
构建通道n的通道对数据;其中,/>,/>为先验回波的距离脉冲矩阵,/>为通道n的距离脉冲矩阵,/>,且/>,L为距离单元数,N为机载雷达接收阵元数目,K为相干处理脉冲数;
计算通道对数据所对应的协方差矩阵/>,根据所述协方差矩阵计算得到通道n的幅相误差/>
对N个通道的幅相误差进行处理得到通道间幅相误差矢量e s,从而得到误差空域锥化矩阵
使用第一公式计算得到可估计时域误差矩阵;其中,所述第一公式为;其中,/>为工作波长,/>为脉冲重复周期;
根据可估计时域误差矩阵和误差空域锥化矩阵/>,计算得到空时锥化矩阵/>
3.根据权利要求1所述的机载雷达知识辅助色加载杂波抑制方法,其特征在于,所述使用所述空时锥化矩阵构造先验协方差矩阵/>,具体包括:
根据所述空时锥化矩阵,构建得到先验协方差矩阵/>;其中,/>为理想情况下的先验协方差矩阵。
4.根据权利要求1所述的机载雷达知识辅助色加载杂波抑制方法,其特征在于,所述根据待检测距离单元回波,构建样本估计协方差矩阵/>,具体包括:
根据检测距离单元回波,构建得到样本估计协方差矩阵/>;其中,/>为第i个训练单元回波数据,/>满足独立同分布条件,I为训练单元数。
5.根据权利要求1所述的机载雷达知识辅助色加载杂波抑制方法,其特征在于,所述根据待检测距离单元回波、先验协方差矩阵/>和样本估计协方差矩阵/>,构建优化函数,具体包括:
对待检测距离单元回波中的目标信号进行抑制,得到无目标样本/>
根据所述无目标样本、先验协方差矩阵/>和样本估计协方差矩阵/>,构建优化函数。
6.根据权利要求5所述的机载雷达知识辅助色加载杂波抑制方法,其特征在于,所述对待检测距离单元回波中的目标信号进行抑制,得到无目标样本/>,具体包括:
使用目标信号所对应的空时导向矢量对待检测距离单元回波X中的目标信号进行抑制,计算得到无目标样本/>;其中,/>,/>为目标空时导向矢量,/>为目标真实角度,/>为目标角度估计值的标准差,M为系统自由度。
7.根据权利要求5所述的机载雷达知识辅助色加载杂波抑制方法,其特征在于,所述根据所述无目标样本、先验协方差矩阵/>和样本估计协方差矩阵/>,构建优化函数,具体包括:
对所述无目标样本进行空时滑窗处理,得到降维后样本集合;其中,所述降维后样本集合中包含Q个降维后样本,第q个降维后样本/>,/>,/>,/>为空域窗大小,/>为时域窗大小;N为空域采样数,K为时域采样数;
根据先验协方差矩阵和样本估计协方差矩阵/>,计算得到色加载矩阵;其中,/>为色加载系数;
对色加载矩阵进行空时滑窗处理,得到降维后色加载矩阵集合;其中,所述降维后色加载矩阵集合包含Q个降维色加载矩阵;第q个降维色加载矩阵/>
根据降维后样本和降维色加载矩阵构建得到优化函数
8.根据权利要求1所述的机载雷达知识辅助色加载杂波抑制方法,其特征在于,所述根据所述色加载系数,对待检测距离单元回波/>进行杂波抑制,具体包括:
根据所述色加载系数,计算得到最优的降维色加载矩阵/>
根据最优的色加载系数和最优的降维色加载矩阵/>,计算得到第k个多普勒通道空时自适应权矢量/>
使用多普勒通道空时自适应权矢量对待检测距离单元回波X进行空时自适应处理,得到杂波抑制后的输出信号
9.一种机载雷达知识辅助色加载杂波抑制装置,其特征在于,包括空时锥化矩阵构造模块、样本估计协方差矩阵构造模块、回波处理模块、训练模块和杂波抑制模块;
所述空时锥化矩阵构造模块用于针对机载雷达回波数据,使用先验知识的通道对处理估计空域误差参数,构造得到空时锥化矩阵
所述样本估计协方差矩阵构造模块用于使用所述空时锥化矩阵构造先验协方差矩阵/>,根据待检测距离单元回波/>,构建样本估计协方差矩阵/>
所述回波处理模块用于对待检测距离单元回波中的目标信号进行抑制,得到无目标样本/>
所述训练模块用于根据所述无目标样本、先验协方差矩阵/>和样本估计协方差矩阵,构建优化函数,使用所述优化函数进行搜索得到最优的色加载系数/>
所述杂波抑制模块用于根据所述色加载系数,对待检测距离单元回波/>进行杂波抑制。
10.一种机载雷达知识辅助色加载杂波抑制装置,其特征在于,所述装置包括:
至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述处理器执行,用于执行权利要求1-8任一所述的机载雷达杂波抑制方法。
CN202310826097.0A 2023-07-07 2023-07-07 一种机载雷达知识辅助色加载杂波抑制方法和装置 Active CN116559819B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310826097.0A CN116559819B (zh) 2023-07-07 2023-07-07 一种机载雷达知识辅助色加载杂波抑制方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310826097.0A CN116559819B (zh) 2023-07-07 2023-07-07 一种机载雷达知识辅助色加载杂波抑制方法和装置

Publications (2)

Publication Number Publication Date
CN116559819A true CN116559819A (zh) 2023-08-08
CN116559819B CN116559819B (zh) 2023-09-15

Family

ID=87502165

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310826097.0A Active CN116559819B (zh) 2023-07-07 2023-07-07 一种机载雷达知识辅助色加载杂波抑制方法和装置

Country Status (1)

Country Link
CN (1) CN116559819B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130176174A1 (en) * 2012-01-10 2013-07-11 Ramesh Annavajjala Method and System for Estimating Time of Arrival of Signals Using Maximum Eigenvalue Detection
CN106353732A (zh) * 2016-08-15 2017-01-25 西安电子科技大学 一种基于认知的机载雷达异构杂波抑制方法
CN107255797A (zh) * 2017-06-27 2017-10-17 电子科技大学 基于发射空时权优化及ka‑stap的机载雷达杂波抑制方法
WO2018045567A1 (zh) * 2016-09-09 2018-03-15 深圳大学 一种基于存在测量误差的阵列流形先验知识的稳健stap方法
WO2018049595A1 (zh) * 2016-09-14 2018-03-22 深圳大学 一种基于交替方向乘子法的稳健稀疏恢复stap方法及其系统
CN109212500A (zh) * 2018-08-08 2019-01-15 河海大学 一种基于稀疏重构的ka-stap杂噪协方差矩阵高精度估计方法
CN109709526A (zh) * 2018-12-12 2019-05-03 南京邮电大学 一种知识辅助分组广义似然比检测方法
CN110632571A (zh) * 2019-09-20 2019-12-31 中国人民解放军国防科技大学 一种基于矩阵流形的稳健stap协方差矩阵估计方法
CN110764069A (zh) * 2019-11-14 2020-02-07 内蒙古工业大学 一种基于知识辅助的稀疏恢复stap色加载方法
US20200073915A1 (en) * 2018-08-29 2020-03-05 Kabushiki Kaisha Toshiba Information processing apparatus, information processing system, and information processing method

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130176174A1 (en) * 2012-01-10 2013-07-11 Ramesh Annavajjala Method and System for Estimating Time of Arrival of Signals Using Maximum Eigenvalue Detection
CN106353732A (zh) * 2016-08-15 2017-01-25 西安电子科技大学 一种基于认知的机载雷达异构杂波抑制方法
WO2018045567A1 (zh) * 2016-09-09 2018-03-15 深圳大学 一种基于存在测量误差的阵列流形先验知识的稳健stap方法
WO2018049595A1 (zh) * 2016-09-14 2018-03-22 深圳大学 一种基于交替方向乘子法的稳健稀疏恢复stap方法及其系统
CN107255797A (zh) * 2017-06-27 2017-10-17 电子科技大学 基于发射空时权优化及ka‑stap的机载雷达杂波抑制方法
CN109212500A (zh) * 2018-08-08 2019-01-15 河海大学 一种基于稀疏重构的ka-stap杂噪协方差矩阵高精度估计方法
US20200073915A1 (en) * 2018-08-29 2020-03-05 Kabushiki Kaisha Toshiba Information processing apparatus, information processing system, and information processing method
CN109709526A (zh) * 2018-12-12 2019-05-03 南京邮电大学 一种知识辅助分组广义似然比检测方法
CN110632571A (zh) * 2019-09-20 2019-12-31 中国人民解放军国防科技大学 一种基于矩阵流形的稳健stap协方差矩阵估计方法
CN110764069A (zh) * 2019-11-14 2020-02-07 内蒙古工业大学 一种基于知识辅助的稀疏恢复stap色加载方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
WENCHONG XIE ET AL.: "STAP for airborne radar with cylindrical phased array antennas", SIGNAL PROCESSING, pages 883 *
唐波;张玉;李科;: "基于先验知识及其定量评估的自适应杂波抑制研究", 航空学报, no. 05, pages 1174 - 1180 *
张圣鹋;何子述;李军;赵翔;: "一种稳健的知识辅助STAP色加载系数优化算法", 电子与信息学报, no. 08, pages 1942 - 1949 *
熊元燚 等: "基于空时采样矩阵的机载MIMO雷达杂波抑制方法", 信号处理, vol. 39, no. 5, pages 774 - 785 *
范西昆;曲毅;: "知识辅助机载雷达杂波抑制方法研究进展", 电子学报, no. 06, pages 1199 - 1206 *

Also Published As

Publication number Publication date
CN116559819B (zh) 2023-09-15

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
US5945940A (en) Coherent ultra-wideband processing of sparse multi-sensor/multi-spectral radar measurements
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
CN105445701B (zh) Ddma‑mimo雷达目标的单脉冲角度估计方法
CN109188385B (zh) 杂波背景下的高速微弱目标检测方法
CN106772253B (zh) 一种非均匀杂波环境下的雷达杂波抑制方法
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
CN111913157A (zh) 一种基于雷达信号空-时去相关模型的海杂波抑制方法
CN111736126A (zh) 一种基于低成本安防雷达的信号处理方法
CN106970358B (zh) 非正侧视阵雷达杂波谱的角度多普勒配准的优化方法
CN112485783A (zh) 目标探测方法、装置、计算机设备和存储介质
CN109507654B (zh) 一种基于ls的复杂环境下相位信息计算方法
CN108828586B (zh) 一种基于波束域的双基地mimo雷达测角优化方法
CN108490425B (zh) 一种双基地mimo雷达的测角方法
CN113009473B (zh) 一种多波束凝视雷达低仰角目标测高方法、装置及介质
CN116559819B (zh) 一种机载雷达知识辅助色加载杂波抑制方法和装置
CN111198366A (zh) 分布式mimo雷达多任务下的有限阵元快速选取方法
CN115932824A (zh) 一种基于多天线的fmcw雷达测距方法及系统
CN111044996A (zh) 一种基于降维近似消息传递的lfmcw雷达目标检测方法
CN116203522A (zh) 一种复杂电磁环境下四通道雷达单脉冲测角方法与系统
CN114966674A (zh) 一种基于发射波形信息的凝视雷达低空目标测高方法
CN109490859A (zh) 部分均匀环境中对方位扰动和多普勒扰动稳健的检测器
CN113093174B (zh) 基于phd滤波雷达起伏微弱多目标的检测前跟踪方法
CN111308436B (zh) 基于体积相关函数的雷达空时自适应处理方法及装置
CN109212492B (zh) 基于知识辅助的时域重构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