CN117214851A - 一种基于目标矢量扩展的改进apr样本挑选方法 - Google Patents

一种基于目标矢量扩展的改进apr样本挑选方法 Download PDF

Info

Publication number
CN117214851A
CN117214851A CN202311175738.7A CN202311175738A CN117214851A CN 117214851 A CN117214851 A CN 117214851A CN 202311175738 A CN202311175738 A CN 202311175738A CN 117214851 A CN117214851 A CN 117214851A
Authority
CN
China
Prior art keywords
vector
target
sample
constraint
matrix
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
Application number
CN202311175738.7A
Other languages
English (en)
Inventor
杨志伟
缑佳佳
李婧雅
徐玉凤
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 CN202311175738.7A priority Critical patent/CN117214851A/zh
Publication of CN117214851A publication Critical patent/CN117214851A/zh
Pending legal-status Critical Current

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
    • Y02DCLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00Reducing energy consumption in communication networks
    • Y02D30/70Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于目标矢量扩展的改进APR样本挑选的方法,涉及雷达探测技术领域,解决了当目标的来波角度存在偏差时,不能识别目标的所在位置,导致目标无法被剔除的问题,该方法包括:获取多通道的雷达回波数据,并对雷达回波数据进行傅里叶变换,得到多个距离‑多普勒通道;并对其进行预处理,得到每个距离‑多普勒通道对应的第一雷达回波数据和第一协方差矩阵;分别计算目标处于第一雷达回波数据的主瓣区和旁瓣区的检测量;判断各自的检测量是否分别超过各自阈值,若是则样本为污染样本,若否,则为正确样本;实现了将目标的来波方形与径向速度相结合,更加有效的检测出目标的位置,剔除影响均匀样本的目标。

Description

一种基于目标矢量扩展的改进APR样本挑选方法
技术领域
本发明涉及雷达探测技术领域,尤其涉及一种基于目标矢量扩展的改进APR样本挑选的方法。
背景技术
在机载雷达远程探测模式下,由于杂波扰动或者场景中风力地形等影响,目标的来波方向会有一定的探测误差,即使目标运动速度大小超过了雷达的最小可检测速度,目标所在的多普勒频率也处于损失曲线的凹口区间内,和杂波重叠在一起无法识别;除此之外,当回波数据存目标分量时,依据最大似然方法构造的协方差矩阵会包含目标分量,导致目标相消,不利于后续的处理。目前自适应功率剩余法依照杂波产生的多普勒中心来进行目标导向矢量的估计,但是若只考虑波束中心方向的目标约束会削弱来波方向偏离波束中心的目标能量,在设置门限进行检测时,此类目标就难以被检测出来,影响雷达的探测能力。
现有技术中对样本的挑选方法主要为自适应功率剩余法,但是自适应功率剩余法只对波束中心方向的目标有较好的挑选效果,当目标的来波角度存在偏差时,现有技术的性能会急剧下降,导致目标无法被剔除,影响均匀样本的选取。
发明内容
本发明通过提供一种基于目标矢量扩展的改进APR样本挑选的方法,解决了现有技术中当目标的来波角度存在偏差时,不能识别目标的所在位置,导致目标无法被剔除的问题,实现了将目标的来波方形与径向速度相结合,更加有效的检测出目标的位置,剔除影响均匀样本的目标。
本发明提供了一种基于目标矢量扩展的改进APR样本挑选的方法,该方法包括:
获取多通道的雷达回波数据,并对所述雷达回波数据进行傅里叶变换,得到多个距离-多普勒通道;
对每个所述距离-多普勒通道进行预处理,得到每个所述距离-多普勒通道对应的第一雷达回波数据和第一协方差矩阵;
若目标处于所述第一雷达回波数据的主瓣区,首先利用最小可检测速度的约束,计算所述目标的第一来波方向的范围;然后将所述第一来波方向的范围内对应的导向矢量确定为第一空间谱向量,对所述第一空间谱向量进行分解,确定最大特征向量;再利用所述最大特征向量计算关于所述第一协方差矩阵的第一权矢量;最后再根据所述第一权矢量计算样本的第一检测量;
若目标处于所述第一雷达回波数据的旁瓣区,首先构造关于所述第一协方差矩阵的旁瓣约束矩阵,其中所述旁瓣约束矩阵的旁瓣权矢量满足共轭对称性;然后根据所述旁瓣约束矩阵确定幅度响应参数,再根据所述旁瓣权矢量确定相位响应参数;最后根据所述幅度响应参数以及所述相位响应参数,计算样本的第二检测量;
分别判断所述第一检测量是否超过第一阈值,以及所述第二检测量是否超过第二阈值,若是则样本为污染样本,若否,则为正确样本。
在一种可能的实现方式中,所述对每个所述距离-多普勒通道进行预处理,得到每个所述距离-多普勒通道对应的第一雷达回波数据和第一协方差矩阵,具体包括:
首先设定所述距离-多普勒通道的杂波范围,在所述杂波范围内相同间隔设置一个插值点,多个所述插值点构成一个杂波方位集合;
根据所述杂波方位集合,构建所述杂波范围导向矢量的相关矩阵;
对所述相关矩阵进行特征分解,得到多个特征向量,对所述多个特征向量进行排序,选取排序前P的所述特征向量作为基向量;
利用所述基向量构造投影算子,所述投影算子与所述距离-多普勒通道的雷达回波数据一一对应;
利用所述投影算子对所述距离-多普勒通道的雷达回波数据进行处理,得到第一雷达回波数据,以及所述第一协方差矩阵。
在一种可能的实现方式中,所述利用最小可检测速度的约束,计算所述目标的第一来波方向的范围,具体包括:
利用最小可检测速度的约束,确定所述目标所在的多普勒域与空域的最小差值Δfd
若所述目标所在距离-多普勒通道处于所述多个距离-多普勒通道的左边第一零点至左3dB之间,所述目标的第一来波方向的范围表示为:max(fk+Δfd,fL3dB)~fR3dB
若所述目标所在距离-多普勒通道处于所述多个距离-多普勒通道的右3dB至右边第一零点之间,所述目标的第一来波方向的范围表示为:fL3dB~min(fk-Δfd,fR3dB);
若所述目标所在距离-多普勒通道处于所述多个距离-多普勒通道在左3dB至右3dB之间,所述目标的第一来波方向的范围为所述多个距离-多普勒通道的中心多普勒通道。
在一种可能的实现方式中,所述空域的最小差值Δfd表示为:
其中,vr表示目标径向速度,vs表示飞机速度,Δθ表示雷达方位分辨力,λ表示波长。
在一种可能的实现方式中,所述导向矢量表示为:
所述第一空间谱向量表示为:
所述第一权矢量表示为:
其中,a(θ)表示方位角为θ时对应的导向矢量;aH(θ)表示方位角为θ时对应的导向矢量的转置共轭矩阵;m表示将所述目标来波方向的范围进行均匀划分,得到m个点;μ表示特征值;表示所述第一协方差矩阵;/>表示所述最大特征向量对应的导向矢量。
在一种可能的实现方式中,所述第一检测量表示为:
其中,μ表示;表示第l个样本的空域数据矢量的转置共轭矩阵;/>表示所述第一协方差矩阵;/>表示所述最大特征向量对应的导向矢量。
在一种可能的实现方式中,所述构造关于所述第一协方差矩阵的旁瓣约束矩阵,具体包括:
获取所述多个距离-多普勒通道中的主瓣中心通道对应的主瓣通道矢量、主瓣左右3dB通道对应的3dB通道矢量和第一零点所在的多普勒通道对应的第一零点通道矢量;
根据所述主瓣通道矢量、所述3dB通道矢量以及所述第一零点通道矢量构造第一旁瓣约束矩阵;
对所述第一旁瓣约束矩阵增加相位约束,确定所述旁瓣约束矩阵。
在一种可能的实现方式中,所述旁瓣约束矩阵,具体表示为:
其中,w表示所述第一协方差矩阵的权矢量;表示所述第一协方差矩阵;C表示采用所述雷达回波数据的波束中心的矢量与接近主瓣3dB边缘的两个导向矢量构造约束矩阵;f表示各个方向的幅度约束响应;u表示对各约束的响应;J表示空域维反转矩阵。
在一种可能的实现方式中,所述幅度响应参数表示为:
所述相位响应参数表示为:
其中,θq表示第q个约束方向的方位角;xl表示第l个样本的空域数据矢量;λ表示波长;N表示阵元数量;d表示阵元间隔;表示俯仰角。
在一种可能的实现方式中,所述第二检测量表示为:
其中,表示第l个样本的空域数据矢量的转置共轭矩阵;w表示所述第一协方差矩阵的权矢量;/>表示所述第一协方差矩阵;C表示表示采用所述雷达回波数据的波束中心的矢量与接近主瓣3dB边缘的两个导向矢量构造约束矩阵;u表示对各约束的响应;uH表示对各约束的响应的转置共轭矩阵。
本发明中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本发明通过采用了一种基于目标矢量扩展的改进APR样本挑选的方法,该方法包括:获取多通道的雷达回波数据,并对雷达回波数据进行傅里叶变换,得到多个距离-多普勒通道;对每个距离-多普勒通道进行预处理,得到每个距离-多普勒通道对应的第一雷达回波数据和第一协方差矩阵;若目标处于第一雷达回波数据的主瓣区,首先利用最小可检测速度的约束,计算目标的第一来波方向的范围;然后将第一来波方向的范围内对应的导向矢量确定为第一空间谱向量,对第一空间谱向量进行分解,确定最大特征向量;再利用最大特征向量计算关于第一协方差矩阵的第一权矢量;最后再根据第一权矢量计算样本的第一检测量;利用目标的最小可检测速度的限制,对目标的来波方向范围进行划分;若目标处于第一雷达回波数据的旁瓣区,首先构造关于第一协方差矩阵的旁瓣约束矩阵,其中旁瓣约束矩阵的旁瓣权矢量满足共轭对称性;然后根据旁瓣约束矩阵确定幅度响应参数,再根据旁瓣权矢量确定相位响应参数;最后根据幅度响应参数以及相位响应参数,计算样本的第二检测量;将目标来波方向与径向速度信息联合应用,可以更加有效地检测出目标信号;过对导向矢量进行扩展,扩大了目标的检测范围,改善了略偏于波束中心且速度较大的目标因偏离波束检测范围而无法被检测到的情况,提高了回波样本中目标分量的剔除概率;分别判断第一检测量是否超过第一阈值,以及第二检测量是否超过第二阈值,若是则样本为污染样本,若否,则为正确样本,有效解决了现有技术中当目标的来波角度存在偏差时,不能识别目标的所在位置,导致目标无法被剔除的问题,实现了将目标的来波方形与径向速度相结合,更加有效的检测出目标的位置,剔除影响均匀样本的目标。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图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为本发明实施例提供的基于目标矢量扩展的改进APR样本挑选的方法的步骤流程图;
图2为本发明实施例提供的目标约束的示意图;
图3为本发明实施例提供的一个具体是使用实施例的流程图;
图4为本发明实施例提供的机载阵列框架模型;
图5为本发明实施例提供的APR方法与本方法在第1号多普勒通道各距离单元的检测值对比图;
图6为本发明实施例提供的APR方法与本方法在第48号多普勒通道各距离单元的检测值对比图;
图7为本发明实施例提供的APR方法与本方法在第1号多普勒通道的协方差矩阵估计情况对比图;
图8为本发明实施例提供的APR方法与本方法在第48号多普勒通道的协方差矩阵估计情况对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供了一种基于目标矢量扩展的改进APR样本挑选的方法,如图1所示,该方法包括以下步骤S101至步骤S105。
S101,获取多通道的雷达回波数据,并对雷达回波数据进行傅里叶变换,得到多个距离-多普勒通道。具体的,在步骤S101中,获取一个CPI(包含K个脉冲)内N个空间通道的雷达回波数据,对回波数据做傅里叶变换,得到多个距离-多普勒通道。
在接收到的雷达回波数据中不仅仅包括目标,还包括有大量的杂波和其他干扰,将雷达回波数据转换到频域中,对干扰进行判断。
S102,对每个距离-多普勒通道进行预处理,得到每个距离-多普勒通道对应的第一雷达回波数据和第一协方差矩阵,具体包括:
(1)首先设定距离-多普勒通道的杂波范围,在杂波范围内相同间隔设置一个插值点,多个插值点构成一个杂波方位集合。设定的杂波范围表示为Θc,且在杂波范围内每0.1°设置一个插值点,I为插值点个数,构成杂波方位的集合Θc=[θ12,…,θi,…,θI]。
(2)根据杂波方位集合,构建杂波范围导向矢量的相关矩阵,具体表示为:其中,其中a(θi)为第i个方位对应的导向矢量。
(3)对相关矩阵进行特征分解,得到多个特征向量,对多个特征向量进行排序,选取排序前P的特征向量作为基向量。其中,多个特征向量表示为:式中N表示空间通道数,μn表示多个特征值,un表示μn对应的多个特征向量。
(4)利用基向量构造投影算子,投影算子与距离-多普勒通道的雷达回波数据一一对应。选取拥有Cs中的绝大部分能量的前P个特征值,将其对应的特征向量作为基向量构造杂波的投影算子为:
(5)利用投影算子对距离-多普勒通道的雷达回波数据进行处理,得到第一雷达回波数据,以及第一协方差矩阵。利用构造的投影算子T对该多普勒通道的回波数据X进行处理,则可得到第一雷达回波数据X′和第一协方差矩阵R′:
X′=TX
R′=X′(X′)Η=T(XXΗ)TΗ=TRTΗ
对第一协方差矩阵R′进行对角加载处理,以提高第一协方差矩阵R′的稳定性。处理后的第一协方差矩阵R′可表示为:
其中,σ表示对角加载量。
S103,若目标处于第一雷达回波数据的主瓣区,首先利用最小可检测速度的约束,计算目标的第一来波方向的范围;然后将第一来波方向的范围内对应的导向矢量确定为第一空间谱向量,对第一空间谱向量进行分解,确定最大特征向量;再利用最大特征向量计算关于第一协方差矩阵的第一权矢量;最后再根据第一权矢量计算样本的第一检测量。
在步骤S103中,利用最小可检测速度的约束,计算目标的第一来波方向的范围,如图2所示,表示目标约束的示意图,具体包括:
(1)利用最小可检测速度的约束,确定目标所在的多普勒域与空域的最小差值Δfd。空域的最小差值Δfd表示为:
其中,vr表示目标径向速度,vs表示飞机速度,Δθ表示雷达方位分辨力,λ表示波长。
(2)若目标所在距离-多普勒通道处于多个距离-多普勒通道的左边第一零点至左3dB之间,目标的第一来波方向的范围表示为:max(fk+Δfd,fL3dB)~fR3dB
(3)若目标所在距离-多普勒通道处于多个距离-多普勒通道的右3dB至右边第一零点之间,目标的第一来波方向的范围表示为:fL3dB~min(fk-Δfd,fR3dB)。
(4)若目标所在距离-多普勒通道处于多个距离-多普勒通道在左3dB至右3dB之间,目标的第一来波方向的范围为多个距离-多普勒通道的中心多普勒通道。
因为主瓣区域对应的目标来波范围较小,因此可通过分解目标的空间谱构造约束矢量。与步骤S103类似,确定的目标来波方向范围定义为Θs,则目标的空间谱可以用其范围内方向对应的导向矢量计算:
为了降低计算复杂度,积分形式可替换为求和运算形式。即将Θs的空间范围进行均匀划分,得到m个点,对应的空时导向矢量集合为Cs=[a(θ1),a(θ2),…,a(θm)],则第一空间谱向量的近似表达式为:
对Rs进行分解,将分解后得到的最大特征值对应的特征向量作为新的导向矢量第一权矢量可以表示为
因此第l个样本的检测量可以表示为
其中,a(θ)表示方位角为θ时对应的导向矢量;aH(θ)表示方位角为θ时对应的导向矢量的转置共轭矩阵;m表示将目标来波方向的范围进行均匀划分,得到m个点;μ表示特征值;表示第一协方差矩阵;/>表示最大特征向量对应的导向矢量;/>表示第l个样本的空域数据矢量的转置共轭矩阵;/>表示第一协方差矩阵;/>表示最大特征向量对应的导向矢量。
相较于传统的方法,本发明将导向矢量进行扩展,提高了目标检测的稳健型。在不提高运算复杂度的情况下,利用样本空域矢量与导向的夹角设置幅度约束,提高了本发明的鲁棒性。
S104,若目标处于第一雷达回波数据的旁瓣区,首先构造关于第一协方差矩阵的旁瓣约束矩阵,其中旁瓣约束矩阵的旁瓣权矢量满足共轭对称性;然后根据旁瓣约束矩阵确定幅度响应参数,再根据旁瓣权矢量确定相位响应参数;最后根据幅度响应参数以及相位响应参数,计算样本的第二检测量。
在步骤S104中,判断目标处于第一雷达回波数据的旁瓣区后,目标的可能来波方向为整个3dB主瓣。主瓣内各个方向的导向矢量相近,但角度范围较大,因此选取三个具有代表性的导向矢量进行约束,即采用波束中心的矢量与接近主瓣3dB边缘的两个导向矢量构造约束矩阵C。此时的约束模型表示为:
其中表示第一协方差矩阵,其中C=[a(θ1),a(θ2),a(θ3)]是约束矩阵,是多个方向的导向矢量的集合。f=[1,1,1]T为各个方向的幅度约束响应。计算可得,约束模型得到的最优权矢量为:/>
若直接约束多个点的导向矢量的幅度响应为1而不考虑相位响应,会导致波束畸变,即只在约束到的方位保持幅度响应,在约束点周围约束能力大大下降,整体上反而不利于目标的检测。因此在幅度约束的基础上增加相位约束,且为了保证协方差矩阵的托普利兹特性,权矢量需满足共轭对称特性。将目标的来波方向与径向速度联合应用,更加有效的检测出目标信号。
在步骤S104中,构造关于第一协方差矩阵的旁瓣约束矩阵,具体包括:
(1)获取多个距离-多普勒通道中的主瓣中心通道对应的主瓣通道矢量、主瓣左右3dB通道对应的3dB通道矢量和第一零点所在的多普勒通道对应的第一零点通道矢量。
(2)根据主瓣通道矢量、3dB通道矢量以及第一零点通道矢量构造第一旁瓣约束矩阵。
(3)对第一旁瓣约束矩阵增加相位约束,确定旁瓣约束矩阵。旁瓣约束矩阵,具体表示为:
其中,w表示第一协方差矩阵的权矢量;表示第一协方差矩阵;C表示采用雷达回波数据的波束中心的矢量与接近主瓣3dB边缘的两个导向矢量构造约束矩阵;f表示各个方向的幅度约束响应;u表示对各约束的响应,/>β123;J表示空域维反转矩阵,具体为:
对旁瓣约束矩阵进行求解,权矢量为:
其中,
由上式可知,幅度约束可以和分开计算,在对雷达回波样本进行挑选时单独求解幅度约束并不会增加太多的运算复杂度。
为了使权矢量满足共轭对称性,即需满足w=Jw*。因此相位约束应满足相位响应参数,相位响应参数表示为:
上式中d表示阵元间隔,θq表示第q个约束方向的方位角,表示俯仰角。每个样本点对应的幅度约束为该点的空域数据矢量与三个约束导向的乘积模值,即幅度响应参数表示为:
其中,θq表示第q个约束方向的方位角;xl表示第l个样本的空域数据矢量;λ表示波长;N表示阵元数量;d表示阵元间隔;表示俯仰角。
xl为第l个样本的空域数据矢量,因此第二检测量表示为:
其中,表示第l个样本的空域数据矢量的转置共轭矩阵;w表示第一协方差矩阵的权矢量;/>表示第一协方差矩阵;C表示表示采用雷达回波数据的波束中心的矢量与接近主瓣3dB边缘的两个导向矢量构造约束矩阵;u表示对各约束的响应;uH表示对各约束的响应的转置共轭矩阵。
S105,分别判断第一检测量是否超过第一阈值,以及第二检测量是否超过第二阈值,若是则样本为污染样本,若否,则为正确样本。
在本发明提供的方法中,通过对导向矢量进行扩展,扩大了目标的检测范围,改善了略偏于波束中心且速度较大的目标因偏离波束检测范围而无法被检测到的情况,提高了回波样本中目标分量的剔除概率。
如图3所示为本发明提供的一个具体的实施例,首先获取雷达回波数据,并对雷达回波数据进行傅里叶变换,得到多个距离多普勒通道;再基于先验知识投影对每个距离多普勒通道进行处理,得到第一雷达回波数据和第一协方差矩阵。
然后,再判断目标是不是处于第一雷达回波数据的旁瓣区,若否,则利用最小可检测速度的约束,计算目标的第一来波方向的范围;然后将第一来波方向的范围内对应的导向矢量确定为第一空间谱向量,对第一空间谱向量进行分解,确定最大特征向量;再利用最大特征向量计算关于第一协方差矩阵的第一权矢量;最后再根据第一权矢量计算样本的第一检测量。
进而判断第一检测量是否超过第一阈值η1,若是,即则确定目标为目标污染样本,若否则加入样本集中。
目标处于第一雷达回波数据的主瓣区时,首先构造关于第一协方差矩阵的旁瓣约束矩阵,其中旁瓣约束矩阵的旁瓣权矢量满足共轭对称性;然后根据旁瓣约束矩阵确定幅度响应参数,再根据旁瓣权矢量确定相位响应参数;最后根据幅度响应参数以及相位响应参数,计算样本的第二检测量。
进而判断第二检测量是否超过第二阈值η2,即若是,则确定目标为目标污染样本,若否则加入样本集中。
在本发明提供的方法中,相比于传统APR方法仅依靠波束中心矢量进行功率值计算的算法,且将导向矢量进行扩展,提高了目标检测的稳健性;将目标来波方向与径向速度信息联合应用,可以更加有效地检测出目标信号;通过对导向矢量进行扩展,扩大了目标的检测范围,改善了略偏于波束中心且速度较大的目标因偏离波束检测范围而无法被检测到的情况,提高了回波样本中目标分量的剔除概率。
在本发明提供的一个具体的实施例中,如图4所示为一个匀速直线飞行,速度V=100m/s,飞机高度为H=6000m,ψ、θ、分别为雷达天线发射波束指向的空间锥角、俯仰角和方位角。机载平面相控阵等效为N=8个列子阵,阵元间距为λ/2。在一个CPI内发射K个脉冲,对L=240个距离样本进行采样,构造机载雷达的杂波回波数据。
在上述的场景中添加目标,对本发明提出的方法进行验证。如图5所示,现有技术的APR方法和本发明提供的方法在1号多普勒通道第101至200距离门设置来波角度偏差在[2°,8°]范围内均匀分布的10个目标,得到的样本对比图;如图6所示现有技术方法的APR和本发明提供的方法在48号多普勒通道的第101至200距离门设置来波角度偏差在[2°,8°]范围内均匀分布的10个目标,得到的样本对比图。可以看出本发明的方法在目标样本的归一化检测量更高,且挑选性能不受目标来波角度偏差的影响。利用两种方法挑选的均匀样本估计协方差矩阵的广义内积值,结果如图7图8,可看出本发明的方法对协方差矩阵的广义内积估计值更接近理想情况。
综上所述,本发明的方法能够在目标存在来波方向误差的情况下对目标分量进行有效检测,且该方法与APR方法相比存在较好的鲁棒性,在目标分布较多时该方法的整体性能更好,构造的杂波协方差矩阵精确度更高,便于后续的杂波抑制与动目标检测。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,也可以通过数据迁移的实施过程中体现出来。该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,移动终端,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施方式采用递进的方式描述,各个实施方式之间相同或相似的部分互相参见即可,每个实施方式重点说明的都是与其他实施方式的不同之处。本发明的全部或者部分可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、移动通信终端、多处理器系统、基于微处理器的系统、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
以上实施例仅用以说明本发明的技术方案,而非对本发明限制;尽管参照前述实施例对本发明进行了详细的说明,本领域普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明技术方案的范围。

Claims (10)

1.一种基于目标矢量扩展的改进APR样本挑选的方法,其特征在于,包括:
获取多通道的雷达回波数据,并对所述雷达回波数据进行傅里叶变换,得到多个距离-多普勒通道;
对每个所述距离-多普勒通道进行预处理,得到每个所述距离-多普勒通道对应的第一雷达回波数据和第一协方差矩阵;
若目标处于所述第一雷达回波数据的主瓣区,首先利用最小可检测速度的约束,计算所述目标的第一来波方向的范围;然后将所述第一来波方向的范围内对应的导向矢量确定为第一空间谱向量,对所述第一空间谱向量进行分解,确定最大特征向量;再利用所述最大特征向量计算关于所述第一协方差矩阵的第一权矢量;最后再根据所述第一权矢量计算样本的第一检测量;
若目标处于所述第一雷达回波数据的旁瓣区,首先构造关于所述第一协方差矩阵的旁瓣约束矩阵,其中所述旁瓣约束矩阵的旁瓣权矢量满足共轭对称性;然后根据所述旁瓣约束矩阵确定幅度响应参数,再根据所述旁瓣权矢量确定相位响应参数;最后根据所述幅度响应参数以及所述相位响应参数,计算样本的第二检测量;
分别判断所述第一检测量是否超过第一阈值,以及所述第二检测量是否超过第二阈值,若是则样本为污染样本,若否,则为正确样本。
2.根据权利要求1所述的基于目标矢量扩展的改进APR样本挑选的方法,其特征在于,所述对每个所述距离-多普勒通道进行预处理,得到每个所述距离-多普勒通道对应的第一雷达回波数据和第一协方差矩阵,具体包括:
首先设定所述距离-多普勒通道的杂波范围,在所述杂波范围内相同间隔设置一个插值点,多个所述插值点构成一个杂波方位集合;
根据所述杂波方位集合,构建所述杂波范围导向矢量的相关矩阵;
对所述相关矩阵进行特征分解,得到多个特征向量,对所述多个特征向量进行排序,选取排序前P的所述特征向量作为基向量;
利用所述基向量构造投影算子,所述投影算子与所述距离-多普勒通道的雷达回波数据一一对应;
利用所述投影算子对所述距离-多普勒通道的雷达回波数据进行处理,得到第一雷达回波数据,以及所述第一协方差矩阵。
3.根据权利要求1所述的基于目标矢量扩展的改进APR样本挑选的方法,其特征在于,所述利用最小可检测速度的约束,计算所述目标的第一来波方向的范围,具体包括:
利用最小可检测速度的约束,确定所述目标所在的多普勒域与空域的最小差值Δfd
若所述目标所在距离-多普勒通道处于所述多个距离-多普勒通道的左边第一零点至左3dB之间,所述目标的第一来波方向的范围表示为:max(fk+Δfd,fL3dB)~fR3dB
若所述目标所在距离-多普勒通道处于所述多个距离-多普勒通道的右3dB至右边第一零点之间,所述目标的第一来波方向的范围表示为:fL3dB~min(fk-Δfd,fR3dB);
若所述目标所在距离-多普勒通道处于所述多个距离-多普勒通道在左3dB至右3dB之间,所述目标的第一来波方向的范围为所述多个距离-多普勒通道的中心多普勒通道。
4.根据权利要求3所述的基于目标矢量扩展的改进APR样本挑选的方法,其特征在于,所述空域的最小差值Δfd表示为:
其中,vr表示目标径向速度,vs表示飞机速度,Δθ表示雷达方位分辨力,λ表示波长。
5.根据权利要求1所述的基于目标矢量扩展的改进APR样本挑选的方法,其特征在于,所述导向矢量表示为:
所述第一空间谱向量表示为:
所述第一权矢量表示为:
其中,a(θ)表示方位角为θ时对应的导向矢量;aH(θ)表示方位角为θ时对应的导向矢量的转置共轭矩阵;m表示将所述目标来波方向的范围进行均匀划分,得到m个点;μ表示特征值;表示所述第一协方差矩阵;/>表示所述最大特征向量对应的导向矢量。
6.根据权利要求1所述的基于目标矢量扩展的改进APR样本挑选的方法,其特征在于,所述第一检测量表示为:
其中,μ表示;表示第l个样本的空域数据矢量的转置共轭矩阵;/>表示所述第一协方差矩阵;/>表示所述最大特征向量对应的导向矢量。
7.根据权利要求1所述的基于目标矢量扩展的改进APR样本挑选的方法,其特征在于,所述构造关于所述第一协方差矩阵的旁瓣约束矩阵,具体包括:
获取所述多个距离-多普勒通道中的主瓣中心通道对应的主瓣通道矢量、主瓣左右3dB通道对应的3dB通道矢量和第一零点所在的多普勒通道对应的第一零点通道矢量;
根据所述主瓣通道矢量、所述3dB通道矢量以及所述第一零点通道矢量构造第一旁瓣约束矩阵;
对所述第一旁瓣约束矩阵增加相位约束,确定所述旁瓣约束矩阵。
8.根据权利要求1所述的基于目标矢量扩展的改进APR样本挑选的方法,其特征在于,所述旁瓣约束矩阵,具体表示为:
其中,w表示所述第一协方差矩阵的权矢量;表示所述第一协方差矩阵;C表示采用所述雷达回波数据的波束中心的矢量与接近主瓣3dB边缘的两个导向矢量构造约束矩阵;f表示各个方向的幅度约束响应;u表示对各约束的响应;J表示空域维反转矩阵。
9.根据权利要求1所述的基于目标矢量扩展的改进APR样本挑选的方法,其特征在于,所述幅度响应参数表示为:
所述相位响应参数表示为:
其中,θq表示第q个约束方向的方位角;xl表示第l个样本的空域数据矢量;λ表示波长;N表示阵元数量;d表示阵元间隔;表示俯仰角。
10.根据权利要求1所述的基于目标矢量扩展的改进APR样本挑选的方法,其特征在于,所述第二检测量表示为:
其中,表示第l个样本的空域数据矢量的转置共轭矩阵;w表示所述第一协方差矩阵的权矢量;/>表示所述第一协方差矩阵;C表示表示采用所述雷达回波数据的波束中心的矢量与接近主瓣3dB边缘的两个导向矢量构造约束矩阵;u表示对各约束的响应;uH表示对各约束的响应的转置共轭矩阵。
CN202311175738.7A 2023-09-12 2023-09-12 一种基于目标矢量扩展的改进apr样本挑选方法 Pending CN117214851A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311175738.7A CN117214851A (zh) 2023-09-12 2023-09-12 一种基于目标矢量扩展的改进apr样本挑选方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311175738.7A CN117214851A (zh) 2023-09-12 2023-09-12 一种基于目标矢量扩展的改进apr样本挑选方法

Publications (1)

Publication Number Publication Date
CN117214851A true CN117214851A (zh) 2023-12-12

Family

ID=89047477

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311175738.7A Pending CN117214851A (zh) 2023-09-12 2023-09-12 一种基于目标矢量扩展的改进apr样本挑选方法

Country Status (1)

Country Link
CN (1) CN117214851A (zh)

Similar Documents

Publication Publication Date Title
US6653973B2 (en) Adaptive digital beamforming radar method and system for maintaining multiple source angle super-resolution capability in jamming
Klemm Applications of space-time adaptive processing
Blunt et al. Robust DOA estimation: The reiterative superresolution (RISR) algorithm
US9207313B2 (en) MIMO angle estimation with simultaneous mainlobe jammer cancellation
US8428897B2 (en) Method and apparatus for spectral cross coherence
CN108710103B (zh) 基于稀疏阵列的强弱多目标超分辨测向与信源数估计方法
Zhang et al. Reduced dimension STAP based on sparse recovery in heterogeneous clutter environments
CN110673086A (zh) 一种基于数字阵列雷达的二维角度超分辨方法
Ramezanpour et al. Deep‐learning‐based beamforming for rejecting interferences
CN112612006B (zh) 基于深度学习的机载雷达非均匀杂波抑制方法
CN111948634A (zh) 干扰条件下基于协方差矩阵重构的目标检测方法与装置
CN111239677B (zh) 基于数字阵列的多波束被动单脉冲测角方法
CN110196417B (zh) 基于发射能量集中的双基地mimo雷达角度估计方法
US9444558B1 (en) Synthetic robust adaptive beamforming
CN109188373B (zh) 基于子阵阻塞矩阵预处理的抗主瓣干扰方法
CN110764066A (zh) 误差存在情况下基于真实信号子空间的目标检测方法
Nickel Radar target parameter estimation with array antennas
Yao et al. Main‐lobe clutter suppression algorithm based on rotating beam method and optimal sample selection for small‐aperture HFSWR
Wen et al. Cognitive anti-deception-jamming for airborne array radar via phase-only pattern notching with nested ADMM
Bai et al. Multi‐target pair‐matching method based on angle information in transmit/receive‐receive synergetic High Frequency Surface Wave Radar
CN117214851A (zh) 一种基于目标矢量扩展的改进apr样本挑选方法
Pandey et al. Space Time Adaptive Processing for High Signal to Clutter Ratio Target's Detection Radar System
Feng et al. Constained adaptive monopulse algorithm based on sub-array
Polikarovskykh et al. Neural Network Method of Directing Finder Signals Processing in Perimeter Protection Systems
CN113075613A (zh) 一种卫星移动通信系统中的干扰测向方法

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