CN116577734A - 基于先验知识的机载雷达精细化杂波仿真方法与装置 - Google Patents

基于先验知识的机载雷达精细化杂波仿真方法与装置 Download PDF

Info

Publication number
CN116577734A
CN116577734A CN202310855204.2A CN202310855204A CN116577734A CN 116577734 A CN116577734 A CN 116577734A CN 202310855204 A CN202310855204 A CN 202310855204A CN 116577734 A CN116577734 A CN 116577734A
Authority
CN
China
Prior art keywords
clutter
information
information point
distance
points
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
CN202310855204.2A
Other languages
English (en)
Other versions
CN116577734B (zh
Inventor
谢文冲
李虎
王永良
熊元燚
陈威
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 CN202310855204.2A priority Critical patent/CN116577734B/zh
Publication of CN116577734A publication Critical patent/CN116577734A/zh
Application granted granted Critical
Publication of CN116577734B publication Critical patent/CN116577734B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • Y—GENERAL 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种基于先验知识的机载雷达精细化杂波仿真方法，包括，步骤1：基于先验知识和载机/雷达系统参数，将雷达波束照射范围内的地理数据库中的各信息点映射到相应的距离单元中；步骤2：基于先验知识得到各信息点的杂波散射系数，并计算求取各信息点的分辨单元面积；步骤3：计算各信息点的杂波信号；步骤4：对各信息点进行地形遮蔽判断；步骤5：利用先验知识构造空时误差矩阵；步骤6：计算最终的机载雷达杂波信号。本发明还提供了相应的基于先验知识的机载雷达精细化杂波仿真装置。

Description

基于先验知识的机载雷达精细化杂波仿真方法与装置
技术领域
本发明属于信号处理技术领域，更具体地，涉及一种基于先验知识的机载雷达精细化杂波仿真方法与装置。
背景技术
在机载雷达回波信号中，除了可能存在的感兴趣目标信号、有意干扰和噪声外，不可避免会接收到来自地面和海面的杂波信号，因此强杂波抑制始终是机载雷达研制和实际应用过程中的核心关键技术之一。在雷达系统中，实现对杂波的有效抑制离不开对杂波特性的精确认知，通常可通过两个方面进行杂波特性研究：一是利用实验测量手段获取杂波实测数据，并通过统计数据处理方法分析得到杂波的分布特性；二是利用电磁散射理论和现代高性能计算技术，对杂波进行仿真建模。基于实测数据分析杂波分布特性是杂波研究的有效途径，但由于杂波信号为随机信号，只有足够多的数据样本才能得到可用的杂波变化规律，这在实际工程中通常难以做到。基于杂波建模的杂波特性分析方法可模拟不同地形环境和误差情况下的海量杂波数据，并对其特性进行分析，是一种成本较低的杂波特性认知途径。在传统的杂波建模中，通常假设雷达工作在理想的杂波环境下，即同一距离环不同方位上的杂波块属性相同，同时假设各杂波块处于同一水平面上。然而实际的杂波环境受地貌类型、地形起伏、气候环境等多重因素的影响，杂波分布极为不均匀，导致传统杂波模型与实际杂波环境相差较远，无法满足现阶段机载雷达精细化杂波特性认知的要求。
因此，急需发明一种有效的基于先验知识的机载雷达精细化杂波仿真方法，以满足机载雷达精细化杂波特性认知的要求。
发明内容
为此，本发明提供一种基于先验知识的机载雷达精细化杂波仿真方法，用以克服现有技术中存在的问题。
为实现上述目的，按照本发明的一个方面，提供了一种基于先验知识的机载雷达精细化杂波仿真方法，包括如下步骤，
步骤1：基于先验知识和载机参数、雷达系统参数，将雷达波束照射范围内的地理数据库中的各信息点映射到相应的距离单元中；
步骤2：将步骤1映射得到的各距离单元内的信息点，基于先验知识根据杂波散射系数模型得到各信息点的杂波散射系数，并计算求取各信息点的分辨单元面积；
步骤3：由雷达方程计算信息点的回波信号幅度，得到载机接收到的各信息点的杂波信号；
步骤4：对各信息点进行地形遮蔽判断，分为两种情况，第一种是被信息点自身遮蔽，第二种是被处于同一方位角上的距离载机近的信息点遮蔽；
步骤5：杂波内部运动速度、空域幅度误差的方差和相位误差的分布范围参数由信息点对应的地形类型和机载雷达天线参数先验知识信息获得，利用先验知识构造空时误差矩阵与空时误差矢量；
步骤6：将同一距离单元内未受遮蔽的信息点的杂波信号求和，同时考虑距离模糊的情况，得到载机在该距离单元下的杂波信号，根据步骤5得到的空时误差矢量，与该距离单元的杂波信号计算得到最终的机载雷达杂波信号。
进一步地，所述步骤1具体为：将地理数据库中的每一个信息点精准对应到杂波信号模型划分的距离环中。首先通过高斯-克吕格投影完成数据库中各信息点和载机的大地坐标系数值到平面直角坐标系的转换，然后统一在平面直角坐标系下将各信息点映射到不同距离单元。
进一步地，所述步骤1具体包括：设地球等效半径为R e，载机坐标为(x a,y a,H a)，信息点坐标为(x c,y c ,H c)，则
（1）
通过上述方程组即可求得信息点相对于载机的距离和俯仰角。
信息点对应的方位角为
（2）
根据得到的各信息点的距离和方位角参数，将位于区间的信息点映射到距离为R的距离单元中，其中，ΔR为载机距离分辨率。重复此步骤，直到将数据库中的所有信息点映射到对应距离单元中。
进一步地，所述步骤2具体包括：
基于先验知识得到各信息点的杂波散射系数，并计算求取各信息点的分辨单元面积。采用林肯实验室实验数据统计分析作为杂波散射系数模型，下面介绍信息点分辨单元面积的计算方法，假设信息点B 1是第l个距离单元的第i个信息点，载机坐标为(x a,y a,H a)。B 2、B 3和B 4为B 1的相邻信息点，上述四点的坐标分别为(x b1,y b1,H b1)、(x b2,y b2,H b2)、(x b3,y b3,H b3)、(x b4,y b4,H b4)。在相对较小的范围内，由B 1 B 2 B 3 B 4组成的面元可近似为一个平面，其中
（3）
面元的法线向量为
（4）
其中表示向量的叉乘，载机到信息点B 1之间的视线向量为
（5）
利用面元的法线向量k与载机视线向量n计算该面元的擦地角为
（6）
该面元的面积为
（7）
因此，该信息点的分辨单元面积为
（8）
进一步地，所述步骤3具体包括：
第l个距离单元第i个信息点的位置由斜距R l和方位角θ i确定。假设机载雷达平台以速度V r沿Y轴正向移动，阵列轴向与载机速度方向之间的夹角为θ p，则第n个阵元第k个脉冲时刻接收到的第l个距离单元第i个信息点的回波信号为
（9）
其中归一化多普勒频率
（10）
空间频率
（11）
表示信息点的回波幅度，f r为雷达脉冲重复频率，λ为雷达工作波长，d为行列阵元间距。
下面介绍的求解过程，由雷达方程可知，某一信息点的回波信号功率为
（12）
其中表示单阵元单脉冲的噪声功率,/>表示该信息点对应的杂噪比（CNR），其表达式为
（13）
P t表示峰值发射功率，G t表示发射天线增益，G r表示接收天线增益，K表示玻尔兹曼常数，τ表示脉冲持续时间，L s表示系统损耗，F n表示噪声系数，σ li表示信息点的RCS，其表达式为
（14）
其中σ 0表示该信息点杂波散射系数，A li表示信息点的分辨单元面积。
考虑杂波幅度统计分布特性后的信息点的回波幅度为
（15）
其中复随机数表示由于信息点反射引入的随机起伏，/>表示信息点的杂波幅度统计分布特性。
进一步地，所述步骤4具体包括：
对各信息点进行地形遮蔽判断。地形遮蔽是指由于地形原因，某些信息点被同一照射方向上的地形较高且距离雷达较近的其他信息点所遮挡，导致该信息点的杂波回波功率为0。对于遮蔽点的判断分为A、B两种情形，对于A情况的判断，将与A点具有相同方位角的所有信息点均投影到X 3 O 3 Y 3平面，根据距离由近及远组成的投影点集合为，其中N表示投影点数目，对应的信息点组成的集合为/>。当信息点K 1的俯仰角小于K i的俯仰角时，则信息点K i被信息点K 1遮蔽，遍历集合里所有被K 1遮蔽的信息点，执行完后，重复此步骤，依次找出被/>遮蔽的点。最后所有遮蔽点的集合即为该方位角对应的遮蔽信息点。对于B情况的判断，当信息点B的擦地角为负时，该信息点被自身遮蔽，否则未被遮蔽。
进一步地，所述步骤5具体包括：
利用先验知识构造空时误差矩阵。本方法主要讨论与角度无关的空域误差情况，即通道间的幅相误差。时域误差主要来源于杂波内部运动（ICM），诸如植被和海浪等的随风运动。T表示空时锥化矩阵，其表达式为
（16）
其中和/>分别为时域和空域锥化矩阵，
（17）
表示杂波内部运动速度，T r表示脉冲重复周期。
（18）
，/>，ξ和ζ分别表示空域幅度误差的方差和相位误差的分布范围，1N表示N×N维全1方阵，I N表示N×N维单位矩阵。
进一步地，所述步骤6具体包括：
将第l个距离单元包含的所有信息点的回波信号求和后，得到无距离模糊情况下第l个距离单元的杂波信号为
（19）
其中N c表示该距离单元所含信息点的个数，S li为空时导向矢量，其表达式为
（20）
⨂为Kronecker积，时域导向矢量为
（21）
空域导向矢量为
（22）
考虑距离模糊情况，假设模糊次数为N r-1，则
（23）
第l个距离单元的杂波协方差矩阵表示为
（24）
其中表示期望。
则考虑空时误差时的杂波协方差矩阵表达式为
（25）
其中为无误差时的第l个距离单元的杂波协方差矩阵，/>表示Hadmard积。
按照本发明的另一方面，本发明还提供了一种基于先验知识的机载雷达精细化杂波仿真装置，包括至少一个处理器和存储器，所述至少一个处理器和存储器之间通过数据总线连接，所述存储器存储能被所述至少一个处理器执行的指令，所述指令在被所述处理器执行后，用于完成所述的基于先验知识的机载雷达精细化杂波仿真方法。
与现有技术相比，本发明的有益效果在于，本发明通过提供一种基于先验知识的机载雷达精细化杂波仿真方法，首先将地理数据库中包含的诸多信息点映射到各杂波块中，其次基于林肯实验室实验数据统计分析模型得到信息点的杂波散射系数，并计算信息点的分辨单元面积，再次进行信息点遮蔽判断，最后得到机载雷达的精细化杂波信号。此外，本文的杂波信号模型考虑了实际环境中存在的空域误差和时域误差情况。
附图说明
图1为本发明所述基于先验知识的机载雷达精细化杂波仿真流程图；
图2为本发明所述信息点分辨单元面积示意图；
图3为本发明所述机载雷达几何关系图；
图4为本发明所述信息点遮蔽情形示意图；
图5为本发明所述基于俯仰信息判断遮蔽情形示意图。
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。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。
如图1所示，本发明提供了一种基于先验知识的机载雷达精细化杂波仿真方法，包括如下步骤：
步骤1：基于先验知识和载机参数、雷达系统参数，将雷达波束照射范围内的地理数据库中的各信息点映射到相应的距离单元中；
具体地，将地理数据库中的每一个信息点精准对应到杂波信号模型划分的距离环中。首先通过高斯-克吕格投影完成数据库中各信息点和载机的大地坐标系数值到平面直角坐标系的转换，然后统一在平面直角坐标系下将各信息点映射到不同距离单元，下面描述具体映射过程。
考虑到地球曲率的影响，为了使数据库与雷达杂波模型相匹配，计算信息点对应的俯仰角时应考虑地球曲率的影响。假设地球等效半径为R e，载机坐标为(x a,y a,H a)，信息点坐标为(x c,y c ,H c)，则
（1）
通过上述方程组即可求得信息点相对于载机的距离和俯仰角。
信息点对应的方位角为
（2）
根据得到的各信息点的距离和方位角参数，将位于区间的信息点映射到距离为R的距离单元中，其中，ΔR为载机距离分辨率。重复此步骤，直到将数据库中的所有信息点映射到对应距离单元中。
步骤2：将步骤1映射得到的各距离单元内的信息点，基于先验知识根据杂波散射系数模型得到各信息点的杂波散射系数，并计算求取各信息点的分辨单元面积；
具体地，采用林肯实验室实验数据统计分析作为杂波散射系数模型，下面介绍信息点分辨单元面积的计算方法，如图2所示，为信息点分辨单元面积示意图，假设信息点B 1是第l个距离单元的第i个信息点，载机坐标为(x a,y a,H a)。B 2、B 3和B 4为B 1的相邻信息点，上述四点的坐标分别为(x b1,y b1,H b1)、(x b2,y b2,H b2)、(x b3,y b3,H b3)、(x b4,y b4,H b4)。在相对较小（小于预设阈值）的范围内，由B 1 B 2 B 3 B 4组成的面元可近似为一个平面，其中
（3）
面元的法线向量为
（4）
其中表示向量的叉乘，载机到信息点B 1之间的视线向量为
（5）
利用面元的法线向量k与载机视线向量n计算该面元的擦地角为
（6）
该面元的面积为
（7）
因此，该信息点的分辨单元面积为
（8）
步骤3：由雷达方程计算信息点的回波信号幅度，得到载机接收到的各信息点的杂波信号；
具体地，如图3所示为机载雷达几何关系图，图中第l个距离单元第i个信息点的位置由斜距R l和方位角θ i确定。假设机载雷达平台以速度V r沿Y轴正向移动，阵列轴向与载机速度方向之间的夹角为θ p，则第n个阵元第k个脉冲时刻接收到的第l个距离单元第i个信息点的回波信号为
（9）
其中归一化多普勒频率
（10）
空间频率
（11）
表示信息点的回波幅度，f r为雷达脉冲重复频率，λ为雷达工作波长，d为行列阵元间距。
下面介绍的求解过程，由雷达方程可知，某一信息点的回波信号功率为
（12）
其中表示单阵元单脉冲的噪声功率,/>表示该信息点对应的杂噪比（CNR），其表达式为
（13）
P t表示峰值发射功率，G t表示发射天线增益，G r表示接收天线增益，K表示玻尔兹曼常数，τ表示脉冲持续时间，L s表示系统损耗，F n表示噪声系数，σ li表示信息点的RCS，其表达式为
（14）
其中σ 0表示该信息点杂波散射系数，A li表示信息点的分辨单元面积。
考虑杂波幅度统计分布特性后的信息点的回波幅度为
（15）
其中复随机数表示由于信息点反射引入的随机起伏，/>表示信息点的杂波幅度统计分布特性。
步骤4：对各信息点进行地形遮蔽判断，分为两种情况，第一种是被信息点自身遮蔽，第二种是被处于同一方位角上的距离载机近的信息点遮蔽；
具体地，对各信息点进行地形遮蔽判断。地形遮蔽是指由于地形原因，某些信息点被同一照射方向上的地形较高且距离雷达较近的其他信息点所遮挡，导致该信息点的杂波回波功率为0。
如图4所示为信息点遮蔽情形示意图，图中所示为信息点遮蔽的A、B两种情况。对于遮蔽点的判断分为A、B两种情形，对于A情况的判断，如图5所示，将与A点具有相同方位角的所有信息点均投影到X 3 O 3 Y 3平面，根据距离由近及远组成的投影点集合为，其中N表示投影点数目，对应的信息点组成的集合为/>。当信息点K 1的俯仰角小于K i的俯仰角时，则信息点K i被信息点K 1遮蔽，遍历集合里所有被K 1遮蔽的信息点，执行完后，重复此步骤，依次找出被/>遮蔽的点。最后所有遮蔽点的集合即为该方位角对应的遮蔽信息点。对于B情况的判断，当信息点B的擦地角为负时，该信息点被自身遮蔽，否则未被遮蔽。
步骤5：杂波内部运动速度、空域幅度误差的方差和相位误差的分布范围参数由信息点对应的地形类型和机载雷达天线参数先验知识信息获得，利用先验知识构造空时误差矩阵与空时误差矢量；
具体地，利用先验知识构造空时误差矩阵。本方法主要讨论与角度无关的空域误差情况，即通道间的幅相误差。时域误差主要来源于杂波内部运动（ICM），诸如植被和海浪等的随风运动。T表示空时锥化矩阵，其表达式为
（16）
其中和/>分别为时域和空域锥化矩阵，
（17）
表示杂波内部运动速度，T r表示脉冲重复周期。
（18）
，/>，ξ和ζ分别表示空域幅度误差的方差和相位误差的分布范围，1N表示N×N维全1方阵，I N表示N×N维单位矩阵。
步骤6：将同一距离单元内未受遮蔽的信息点的杂波信号求和，同时考虑距离模糊的情况，得到载机在该距离单元下的杂波信号，根据步骤5得到的空时误差矢量，与该距离单元的杂波信号计算得到最终的机载雷达杂波信号。
具体地，将第l个距离单元包含的所有信息点的回波信号求和后，得到无距离模糊情况下第l个距离单元的杂波信号为
（19）
其中N c表示该距离单元所含信息点的个数，S li为空时导向矢量，其表达式为
（20）
⨂为Kronecker积，时域导向矢量为
（21）
空域导向矢量为
（22）
考虑距离模糊情况，假设模糊次数为N r-1，则
（23）
第l个距离单元的杂波协方差矩阵表示为
（24）
其中表示期望。
则考虑空时误差时的杂波协方差矩阵表达式为
（25）
其中为无误差时的第l个距离单元的杂波协方差矩阵，/>表示Hadmard积。
进一步地，本发明还提供了一种基于先验知识的机载雷达精细化杂波仿真装置，包括至少一个处理器和存储器，所述至少一个处理器和存储器之间通过数据总线连接，所述存储器存储能被所述至少一个处理器执行的指令，所述指令在被所述处理器执行后，用于完成所述的基于先验知识的机载雷达精细化杂波仿真方法。
本领域的技术人员容易理解，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 (9)

1.一种基于先验知识的机载雷达精细化杂波仿真方法，其特征在于，包括如下步骤：
步骤1：基于先验知识和载机参数、雷达系统参数，将雷达波束照射范围内的地理数据库中的各信息点映射到相应的距离单元中；
步骤2：将步骤1映射得到的各距离单元内的信息点，基于先验知识根据杂波散射系数模型得到各信息点的杂波散射系数，并计算求取各信息点的分辨单元面积；
步骤3：由雷达方程计算信息点的回波信号幅度，得到载机接收到的各信息点的杂波信号；
步骤4：对各信息点进行地形遮蔽判断，分为两种情况，第一种是被信息点自身遮蔽，第二种是被处于同一方位角上的距离载机近的信息点遮蔽；
步骤5：杂波内部运动速度、空域幅度误差的方差和相位误差的分布范围参数由信息点对应的地形类型和机载雷达天线参数先验知识信息获得，利用先验知识构造空时误差矩阵与空时误差矢量；
步骤6：将同一距离单元内未受遮蔽的信息点的杂波信号求和，同时考虑距离模糊的情况，得到载机在该距离单元下的杂波信号，根据步骤5得到的空时误差矢量，与该距离单元的杂波信号计算得到最终的机载雷达杂波信号。
2.根据权利要求1所述的基于先验知识的机载雷达精细化杂波仿真方法，其特征在于，所述步骤1具体为：
将地理数据库中的每一个信息点精准对应到杂波信号模型划分的距离环中，首先通过高斯-克吕格投影完成数据库中各信息点和载机的大地坐标系数值到平面直角坐标系的转换，然后统一在平面直角坐标系下将各信息点映射到不同距离单元。
3.根据权利要求2所述的基于先验知识的机载雷达精细化杂波仿真方法，其特征在于，所述步骤1具体包括：
设地球等效半径为R e，通过高斯-克吕格投影后的载机坐标为(x a,y a,H a)，信息点坐标为(x c,y c,H c)，则
（1）
通过上述方程组求得信息点相对于载机的距离和俯仰角；
信息点对应的方位角为
（2）
根据得到的各信息点的距离和方位角参数，将位于区间的信息点映射到距离为R的距离单元中，其中，ΔR为载机距离分辨率；重复此步骤直到将数据库中的所有信息点映射到对应距离单元中。
4.根据权利要求3所述的基于先验知识的机载雷达精细化杂波仿真方法，其特征在于，所述步骤2具体包括：
基于先验知识得到各信息点的杂波散射系数，并计算求取各信息点的分辨单元面积，采用林肯实验室实验数据统计分析作为杂波散射系数模型，进行信息点分辨单元面积的计算方法，假设信息点B 1是第l个距离单元的第i个信息点，载机坐标为(x a,y a,H a)，B 2、B 3和B 4为B 1的相邻信息点，上述四点的坐标分别为(x b1,y b1,H b1)、(x b2,y b2,H b2)、(x b3,y b3,H b3)、(x b4,y b4,H b4)，在小于预设阈值的范围内，由B 1 B 2 B 3 B 4 组成的面元近似为一个平面，其中
（3）
面元的法线向量为
（4）
其中表示向量的叉乘，载机到信息点B 1之间的视线向量为
（5）
利用面元的法线向量k与载机视线向量n计算该面元的擦地角为
（6）
该面元的面积为
（7）
因此，该信息点的分辨单元面积为
（8）。
5.根据权利要求4所述的基于先验知识的机载雷达精细化杂波仿真方法，其特征在于，所述步骤3具体包括：
第l个距离单元第i个信息点的位置由斜距R l和方位角θ i确定，设机载雷达平台以速度V r沿Y轴正向移动，阵列轴向与载机速度方向之间的夹角为θ p，则第n个阵元第k个脉冲时刻接收到的第l个距离单元第i个信息点的回波信号为
（9）
其中归一化多普勒频率
（10）
空间频率
（11）
表示信息点的回波幅度，f r为雷达脉冲重复频率，λ为雷达工作波长，d为行列阵元间距；
的求解过程由雷达方程可知，某一信息点的回波信号功率为
（12）
其中表示单阵元单脉冲的噪声功率,/>表示该信息点对应的杂噪比（CNR），其表达式为
（13）
P t表示峰值发射功率，G t 表示发射天线增益，G r 表示接收天线增益，K表示玻尔兹曼常数，τ表示脉冲持续时间，L s 表示系统损耗，F n表示噪声系数，σ li表示信息点的RCS，其表达式为
（14）
其中σ 0表示该信息点杂波散射系数，A li表示信息点的分辨单元面积；
考虑杂波幅度统计分布特性后的信息点的回波幅度为
（15）
其中复随机数表示由于信息点反射引入的随机起伏，/>表示信息点的杂波幅度统计分布特性。
6.根据权利要求5所述的基于先验知识的机载雷达精细化杂波仿真方法，其特征在于，所述步骤4具体包括：
对各信息点进行地形遮蔽判断，受地形遮蔽后的信息点的杂波回波功率为0，当信息点的擦地角为负时，该信息点被自身遮蔽，否则执行以下步骤：假设与该信息点具有相同方位角且距离小于该信息点的所有信息点集合为，若其中任一信息点的俯仰角小于该信息点的俯仰角，则判断该信息点被遮蔽，否则未被遮蔽。
7.根据权利要求6所述的基于先验知识的机载雷达精细化杂波仿真方法，其特征在于，所述步骤5具体包括：
利用先验知识构造空时锥化矩阵，T表示空时锥化矩阵，其表达式为
（16）
其中和/>分别为时域和空域锥化矩阵，
（17）
表示杂波内部运动速度，T r表示脉冲重复周期；
（18）
，/>，ξ和ζ分别表示空域幅度误差的方差和相位误差的分布范围，1N表示N×N维全1方阵，I N表示N×N维单位矩阵；杂波内部运动速度、空域幅度误差的方差和相位误差的分布范围参数由信息点对应的地形类型和机载雷达天线参数先验知识信息获得。
8.根据权利要求7所述的基于先验知识的机载雷达精细化杂波仿真方法，其特征在于，所述步骤6具体包括：
将第l个距离单元包含的所有信息点的回波信号求和后，得到无距离模糊情况下第l个距离单元的杂波信号为
（19）
其中N c表示该距离单元所含信息点的个数，S li为空时导向矢量，其表达式为
（20）
⨂为Kronecker积，时域导向矢量为
（21）
空域导向矢量为
（22）
考虑距离模糊情况，假设模糊次数为N r-1，则
（23）
第l个距离单元的杂波协方差矩阵表示为
（24）
其中表示期望；
考虑空时误差时的杂波协方差矩阵表达式为
（25）
其中为无误差时的第l个距离单元的杂波协方差矩阵，/>表示Hadmard积。
9.一种基于先验知识的机载雷达精细化杂波仿真装置，其特征在于：
包括至少一个处理器和存储器，所述至少一个处理器和存储器之间通过数据总线连接，所述存储器存储能被所述至少一个处理器执行的指令，所述指令在被所述处理器执行后，用于完成权利要求1-8中任一项所述的基于先验知识的机载雷达精细化杂波仿真方法。
CN202310855204.2A 2023-07-13 2023-07-13 基于先验知识的机载雷达精细化杂波仿真方法与装置 Active CN116577734B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310855204.2A CN116577734B (zh) 2023-07-13 2023-07-13 基于先验知识的机载雷达精细化杂波仿真方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310855204.2A CN116577734B (zh) 2023-07-13 2023-07-13 基于先验知识的机载雷达精细化杂波仿真方法与装置

Publications (2)

Publication Number Publication Date
CN116577734A true CN116577734A (zh) 2023-08-11
CN116577734B CN116577734B (zh) 2023-09-22

Family

ID=87545692

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310855204.2A Active CN116577734B (zh) 2023-07-13 2023-07-13 基于先验知识的机载雷达精细化杂波仿真方法与装置

Country Status (1)

Country Link
CN (1) CN116577734B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110241931A1 (en) * 2010-04-01 2011-10-06 Massachusetts Institute Of Technology Iterative clutter calibration with phased array antennas
EP2472285A1 (fr) * 2010-12-30 2012-07-04 Thales Procédé d'amélioration des performances d'un radar en présence d'échos rétrodiffusés diffus
CN104215937A (zh) * 2014-09-19 2014-12-17 西安电子科技大学 基于环境动态感知的机载雷达空时自适应处理方法
CN104833959A (zh) * 2015-04-09 2015-08-12 大连大学 基于目标先验信息的mimo雷达波形优化方法
CN108693510A (zh) * 2018-05-18 2018-10-23 西安电子科技大学 基于gpu的知识辅助机载机会阵地杂波快速仿真方法
CN109061582A (zh) * 2018-06-15 2018-12-21 中国民航大学 基于dem和dlcd的机载pd雷达高保真非均匀地杂波仿真方法
CN111999716A (zh) * 2020-09-02 2020-11-27 中国人民解放军海军航空大学 基于杂波先验信息的目标自适应融合检测方法
CN113219417A (zh) * 2020-10-21 2021-08-06 中国人民解放军空军预警学院 一种基于支持向量机的机载雷达干扰类型识别方法
CN113376606A (zh) * 2021-05-21 2021-09-10 西安电子科技大学 沿杂波脊快速收敛稀疏贝叶斯的杂波抑制方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110241931A1 (en) * 2010-04-01 2011-10-06 Massachusetts Institute Of Technology Iterative clutter calibration with phased array antennas
EP2472285A1 (fr) * 2010-12-30 2012-07-04 Thales Procédé d'amélioration des performances d'un radar en présence d'échos rétrodiffusés diffus
CN104215937A (zh) * 2014-09-19 2014-12-17 西安电子科技大学 基于环境动态感知的机载雷达空时自适应处理方法
CN104833959A (zh) * 2015-04-09 2015-08-12 大连大学 基于目标先验信息的mimo雷达波形优化方法
CN108693510A (zh) * 2018-05-18 2018-10-23 西安电子科技大学 基于gpu的知识辅助机载机会阵地杂波快速仿真方法
CN109061582A (zh) * 2018-06-15 2018-12-21 中国民航大学 基于dem和dlcd的机载pd雷达高保真非均匀地杂波仿真方法
CN111999716A (zh) * 2020-09-02 2020-11-27 中国人民解放军海军航空大学 基于杂波先验信息的目标自适应融合检测方法
CN113219417A (zh) * 2020-10-21 2021-08-06 中国人民解放军空军预警学院 一种基于支持向量机的机载雷达干扰类型识别方法
CN113376606A (zh) * 2021-05-21 2021-09-10 西安电子科技大学 沿杂波脊快速收敛稀疏贝叶斯的杂波抑制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MINGCHI XIE 等: "Knowledge-aided space-time adaptive processing based on Morchin model", 《IET INTERNATIONAL RADAR CONFERENCE 2015》, pages 1 - 6 *
周宇 等: "非均匀环境下利用杂波脊信息的杂波滤除方法研究", 《电子与信息学报》, vol. 82, no. 06, pages 1882 - 1887 *
薛健 等: "基于海杂波先验知识的雷达目标自适应Rao检测", 《电子与信息学报》, vol. 45, pages 1 - 9 *

Also Published As

Publication number Publication date
CN116577734B (zh) 2023-09-22

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
CN105445718B (zh) 一种基于阵列重构的分布式多载舰超视距雷达的doa估计方法
CN109212500A (zh) 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
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
CN106855618A (zh) 基于广义内积任意阵列下的干扰样本剔除方法
CN103529437A (zh) 系留气球载相控阵雷达在多目标下分辨空地目标的方法
CN107255805A (zh) 基于加权最小二乘的雷达目标rcs的预测方法
CN113376597A (zh) 基于数字高程地图和gpu的复杂地形电磁散射快速仿真方法
CN104166129A (zh) 一种实波束雷达迭代最小均方误差角超分辨方法
CN105301584A (zh) 同时解距离模糊的ipphdf机动多目标跟踪方法
CN113238211A (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
CN106353777B (zh) 高分辨率sar卫星辐射性能分析方法
Watson et al. Non-line-of-sight radar
CN108761417B (zh) 基于知识辅助最大似然的机载雷达杂波抑制方法
CN116577734B (zh) 基于先验知识的机载雷达精细化杂波仿真方法与装置
CN117368877A (zh) 基于生成对抗学习的雷达图像杂波抑制与目标检测方法
CN114636981B (zh) 基于雷达回波的在线深度学习台风中心定位系统
CN105891793A (zh) 一种雷达导引头空时相关相参k分布杂波建模方法
Gao et al. Static background removal in vehicular radar: Filtering in azimuth-elevation-doppler domain
CN113866754A (zh) 基于高斯分布波门的运动目标航迹关联方法
CN113376626A (zh) 基于immpda算法的高机动目标跟踪方法
CN112379366A (zh) 一种基于粒子群滤波的雷达目标跟踪算法
CN113376625A (zh) 目标物体的偏离角度获得方法、装置、电子设备及存储介质
CN113075633A (zh) 一种基于距离-俯仰联合字典的目标定位方法
CN113093174A (zh) 基于phd滤波雷达起伏微弱多目标的检测前跟踪方法

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