CN1653354A - 雷达中用于频谱生成的系统和方法 - Google Patents

Abstract

本发明涉及一种用于接收预处理距离多普勒传感器数据并由其生成至少一个降低噪声的较高分辨率频谱的频谱生成器和频谱发生方法。该频谱生成器包括一个用于生成窗口的窗口生成器，所述窗口定义多个距离多普勒单元。该频谱生成器还包括一个与所述窗口生成器通信的协方差矩阵计算器，用于接收该窗口内的距离多普勒传感器数据并为所述窗口中感兴趣距离多普勒单元计算一个协方差矩阵估计。所述频谱生成器还包括一个与所述协方差矩阵计算器通信的频谱计算器，用于基于位置矩阵和噪声子空间矩阵估计来计算高分辨率频谱矢量。

Description

雷达中用于频谱生成的系统和方法

发明领域

本发明涉及使用在雷达数据中用于频谱生成的信号处理方法，并且尤其涉及对于雷达数据具有降噪属性的频谱生成方法。

发明背景

高频表面波雷达(HFSWR)有效用于船舶、飞机、冰山和离一个海岸基位置的其它地面目标的连续探测和跟踪。HFSWR目前被用来增强搜寻和营救活动以及监控海洋状态、非法移居入境、吸毒通行车辆、非法捕鱼、走私以及海盗行为。

沿着海岸线安装HFSWR系统，并且它包括一个指向大海的定向发射天线和一个指向海洋的定向接收天线阵列以及系统操作所需的硬件和软件。发射天线生成说明期望监视区域的一个电磁(EM)脉冲序列。把接收天线阵列校准以便在整个监视区域上具有相等的增益和相位。监视区域中的目标然后向收集雷达数据的接收天线阵列反射EM脉冲。目标中的一些可能是必须被探测的单元(来自这些单元的雷达特征标称为″目标″)而同时其余目标是不必探测的目标(来自这些单元的雷达特征标称为″混杂信号″，它是雷达系统中的一类噪声)。更改进的脉冲编码或频率编码EM脉冲可用来对抗距离重叠，所述距离重叠在一个反射EM脉冲(响应于一个预先发射的EM脉冲)在后续EM脉冲已经被发射之后被接收天线阵列收到时发生。

通常，从每个天线单元或接收天线阵列中的传感器中收集的雷达数据被预处理，通过带通滤波器传送数据以便过滤雷达数据中的无关干扰信号，然后再通过把雷达数据从RF频带解调到IF频带的外差式接收机，在这里发生模拟到数字的变换。雷达数据然后被解调到基带，在此，发生低通滤波和下抽样。由接收天线阵列收集的雷达数据是复杂的(即，具有实部和虚部分量)。因此，下抽样了的雷达数据也很复杂并且执行上述操作所需要的每一个信号处理组件被实现来处理复合数据。

下抽样了的雷达数据然后被一个匹配滤波器处理，该匹配滤波器具有与发射的EM脉冲相关的一个转换函数或脉冲响应。匹配滤波后的雷达数据然后被分成段，用于分析。在本领域中每个分段已知为一个相干积分时间(CIT)或一个停顿。通过记录每个数据点相对于发射前一EM脉冲的时刻而被取样的时间，每个CIT中的匹配滤波雷达数据被距离对准。距离对准了的数据然后可以受到一个联合处理：进一步降噪的低通滤波和更有效的信号处理的下抽样。此处理的输出是距离数据的多个时间抽样，其每个时间抽样序列对应于一个距离值。多个时间序列被收集的最大距离值取决于使用于发射EM脉冲中的脉冲重复间隔(即，EM脉冲的发射频率)。

从预处理记录雷达数据中生成的距离、多普勒和方位角信息中探测一个目标。距离信息被用来提供目标离接收天线阵列的距离估计值。方位角信息被用来提供目标相对于接收天线阵列中心的位置角度估计，而多普勒信息通过测量目标的多普勒频移而被用来提供目标的径向速度估计。目标的多普勒频移与目标反射的EM脉冲的频率内容相对于那个EM脉冲的原始频率内容的变化相关。

正如前面提到的那样，通过记录数据相对于发射前一EM脉冲的时刻而被取样的时间，生成距离数据。多普勒处理对应于在EM脉冲信号频率处的移频Δf探测，其应归于来自目标的反射。因此，通过使为那个距离值获得的时序序列受到梳齿滤波器处理、滤波器组处理或的FFT(快速傅里叶变换)处理，则对于一个给出距离值生成多普勒信息。方位角数据通常通过数字波束成形来获得。更具体地说，在一个给定距离单元和一个给出多普勒单元中的雷达数据被接收天线阵列的每个天线单元的一个复指数加权，然后通过所有的天线单元被总计。复指数的相位与方位角、天线单元间隔以及发射的EM脉冲的波长相关，这都是本领域技术人员熟知的。波束成形给出这样的现象：天线阵被调谐到使用于复指数加权中的方位角数值所定义的监视区域的某些区域。用这种方式，许多波束可以被形成来同时覆盖整个监视区域。

为了确定一个目标的距离、方位角和速度，探测器为一个给出CIT处理生成的距离、方位角和多普勒信息。通常，探测器查找通称距离多普勒图的二维图中的一个给定单元处的峰值(即，数据值或像素)。目标探测通常包括把给出单元中的幅度与附近单元中的平均幅度进行比较。探测目标然后被转发到一个图提取器，它过滤探测的目标以便拒绝所有那些不符合一个实际目标所预期的距离、多普勒和方位角属性的探测。这些滤波了的目标然后被转发到一个跟踪器，它结合给定目标的连续探测来形成该目标的跟踪。用这种方式，在整个监视区域各处可以跟踪探测到的目标的移动。

在每个单元中，探测处理被附加噪声所干扰，噪声附加物包括先前提到的混杂信号。这可能导致丢失目标的探测或者把噪声作为目标进行错误探测。噪声是一个问题，因为在不同单元中以及对于不同CIT中、在不同海洋状态情况中、在每天的不同时刻和每个季节期间以及在不同的位置收集的雷达数据，将有不同的噪声电平。主要的雷达噪声源包括诸如海洋混杂信号、电离层混杂信号和流星体混杂信号之类的自干扰以及诸如同波道干扰、天线干扰和脉冲噪声之类的外部干扰。自干扰由雷达的操作引起，而外部干扰与雷达操作无关。

电离层混杂信号是最重要的干扰原因之一并且由于它的目标类似性质和高信号幅度而难以抑制。电离层混杂信号包括反射地球电离层并直接返回到雷达的EM脉冲(即接近垂直入射混杂信号)，以及弹离电离层、从海洋中反射并沿着相反路径返回到雷达的EM脉冲(即天波自干扰混杂信号，也称为距离重叠混杂信号)。总的来说，电离层混杂信号在取值范围在距离单元窄带、所有方位角单元和大部分船只多普勒频带的一个环形频带中累积。此距离单元窄带对应于电离层相对于HFSWR安装点的一个或多个高度。接近垂直入射的电离层混杂信号也表征非常强烈，在距离上孤立并且在多普勒维度被拖尾几毫赫兹。在夜里，电离层混杂信号处于它的最高电平，由于看不见电离层的D层以及合并了电离层的F1和F2层。此外，电离层混杂信号的特性随季节和其它环境参数而变化，因此引入一个强大的方法来抑制电离层噪声不是那么简单。

为了对抗距离重叠混杂信号，正如本领域技术人员已知的那样，可以使用Frank互补码。另一已知解决方案是在不支持天波传播的一个更高频率上操作雷达系统。通过把发射的EM脉冲载频增加超出层临界频率，则发射的EM脉冲将穿透电离层。然而，此方法可能会降低雷达系统在探测长距离船舶方面的性能，因为在更高发射频率上引起更大的传播损耗。

海面包括许多具有不同波长和幅度的波浪。海洋混杂信号由与那些是雷达波长谐波的海浪反射的EM脉冲引起。支配海洋混杂信号的两个大峰值被称为Bragg线，其看上去像沿着所有距离单元在雷达工作频率确定的多普勒频率上在距离多普勒图中的两列峰值。Bragg线可以在它们相应的多普勒频率处拖尾雷达探测操作。可是，这里也有与海洋状态相关的高阶散射，其导致附加的峰值以及Bragg线之间的海洋混杂信号连续区间。此海洋混杂信号连续区间包含与海洋状态相关的能量(即，表面风速和持续时间)并且常常限制小而低速的目标(比如船舶之类的)的探测。另外，海洋混杂信号已经示出了非常差的空间相关。

流星体混杂信号由流星体引起，所述流星体是穿透地球大气层并生成产生瞬态雷达回波的电离踪迹的小流星微粒。瞬态流星体雷达回波通常看上去是在一个特定距离处的一个大峰值。流星体混杂信号导致距离多普勒图中背景噪声电平的增加。

同波道干扰由诸如电视广播员之类的HFSWR频带的本地和远程用户引起。此干扰具有方向性，因为这起源于空间相关的源。可是，由于在非均匀电离层中的多次反射，同波道干扰的到达方向很宽，就像利用从如图1所示的同波道干扰从雷达数据中能够看见的那样。同波道干扰也是距离独立的并且发生在特定的多普勒频率距离，就像从如图2所示的另一雷达数据示例中能够看到的那样。通过选择备用的载频用于发射EM脉冲，可以避免同波道干扰。可是，来自遥远信源的同波道干扰形成一个更严重的问题，因为此干扰在时间和频率上都是随机的。此外，由于在夜里缺乏D层吸收，所以通常在晚上比在白天存在更大的同波道干扰。

作为频率、时刻、季节和地理位置的的一个函数，大气干扰是具有不同电平的空间白色干扰。例如，在夜里由于在高频段较低端处的大气干扰引起的噪声电平相比较于白天的电平大约增加20dB。

脉冲噪声是由于闪电而引起并且本身作为一个快速脉冲序列的出现，所述快速脉冲在时间上随机分布避过去具有在一个大动态距离那的一个幅度。这在图3中可以看到，图3示出了对于一个给定距离值，绘制的雷达回波序列与发射的EM脉冲数(或脉冲标引)的关系。如图4所示，脉冲噪声不是空间白色的并且由本地和远程风暴引起。脉冲噪声通常发生在HFSWR系统的日常操作各处。脉冲噪声导致背景噪声电平的增加。脉冲噪声的频率特性作为本地风暴活动强度的函数而变化。

不用说，探测是雷达系统很重要的一部分，并且被上述各种类型的噪声而危害。因此，为了改善探测，在生成通常在其上执行探测的距离多普勒图(即频谱估计)之前或者期间，最好必须抑制这各种形式的噪声。

例如，在现有技术中已知通过在距离多普勒图中的大量单元上分布干扰能量，可以提高关于这各种形式的干扰的探测。通过在频谱估计期间改进距离、多普勒或方位角分辨率来获得这个效果。可是，距离分辨率由发射信号的带宽确定并且通常被限制，然而多普勒分辨率由也被限制的CIT确定。此外，方位角分辨率被接收天线阵列的口径尺寸限制(即，接收天线阵列的物理尺寸)。

已经被引入来绕过这些对分辨率的限制的一种技术是使用高分辨率频谱估计器来增加方位角分辨率。可是，需要一个统计强大的雷达数据的协方差矩阵估计来获得优良的结果。协方差矩阵的估计还将补偿各种类型的雷达噪声同时增强信号对协方差矩阵估计的贡献。实现这一点的失败将导致一个距离多普勒图，其中噪声将使目标模糊并且危害目标探测。因此，需要一种高分辨率频谱估计器，它是统计强大的，能够抑制噪声并增强雷达数据中的可能目标。

通过利用外部干扰信号的方向性特性，已经把其它现有技术噪声抑制方法指向外部干扰消除技术。这些技术使用主天线或主天线阵列来获得可能目标的雷达数据和外部干扰，而使用一个辅助天线或一个辅助天线阵来仅仅估计外部干扰。可是，这些方法需要附加的硬件。明确地，这些方法需要一个辅助天线或一个辅助天线阵。此问题的一个现有技术解决方案涉及使用一个接收天线阵列，其中，一些阵列单元被使用作为主天线阵列而一些阵列单元被使用作为辅助阵列。可是，这导致主天线阵列具有一个较小口径，这降低了方位角分辨率。因此，需要一种抑制外部干扰而不需要辅助天线阵附加硬件并且不降低主天线阵列方位角分辨率就可抑制外部干扰的方法。

雷达探测中的其它问题包括目标之间不同的属性，比如目标类型和目标速度之类的。例如，对于一个给定距离和多普勒分辨率，诸如船舶之类的水面目标在距离多普勒图上看上去比诸如飞机之类的空中目标更大。另外，空中目标通常比水面目标更快。这很重要，因为径向速度在一个给定CIT内变化的一个目标具有在几个多普勒二进制(bin)上拖尾的频谱分量。因此，还需要识别具有不同属性的目标并基于这些属性适于增强距离多普勒图上的目标出现的信号处理方法。

发明内容

本发明的发明者已经开发出频谱生成和噪声抑制的系统和方法的一些实施例，以便产生增强可能的目标的距离多普勒图。发明者基于如下事实已经得出本发明的系统和方法：不同类别的目标在一个距离多普勒图上提供不同雷达特征标，虽然每个雷达特征标具有一个尖的形状。此外，倘若信噪比足够，则目标在统计上独立于各种形式的混杂信号并且具有强空间相关的雷达特征标。另外，发明者已经意识到各种形式的混杂信号具有不同的空间相关度。例如，海洋混杂信号(一阶和高阶)大部分空间相关很差然而电离层的混杂信号具有强空间相关。

发明者已经确定把雷达数据分成信号和噪声子空间的高分辨率频谱估计器可用来抑制海洋混杂信号，因为由于较差的空间相关，则海洋混杂信号主要出现在噪声子空间中。此外，如果电离层混杂信号的方位角不同于可能目标的方位角，那么高分辨率频谱估计器应当能够从可能的目标中区分电离层的混杂信号和雷达特征标，因为在高分辨率频谱估计器中不存在旁波瓣。可是，为了高分辨率频谱估计器增强来自目标的雷达特征标，则需要强大的协方差矩阵估计。发明者已经把协方差矩阵估计建立在距离多普勒单元的协方差矩阵的加权平均上，距离多普勒单元的协方差矩阵在生成高分辨率频谱矢量的距离多普勒单元邻近地区中。高分辨率频谱估计器使用至少一个噪声子空间部分以便形成一个高分辨率空间估计。

基于传统子空间的频谱估计器的一个缺点在低信噪(SCR)比值时获得好结果。通过只涉及那些对应于较小起义值并因此更位于空间白噪声的特征矢量，发明者已经找到一个降低噪声子空间维度的解决方案。另一方法是在被基于子空间的频谱估计器使用的协方差矩阵估计上结合空间平滑来生成一个高分辨率空间矢量。该空间平滑可以基于正向空间平滑、反向空间平滑或正向/反向空间平滑中的任何一个。

正如前面提到的那样，另一重要的干扰种类是外部干扰。本发明的发明者已经得出一种用于抑制外部干扰的基于自适应阵列处理和匹配/失配滤波组合的模块和方法。该模块可以与频谱生成器结合来提供增强的高分辨率距离多普勒图。由主传感器阵列记录的数据被传送给噪声抑制模块中的匹配和失配模块。匹配滤波模块提供包含来自可能目标的雷达回波、自干扰和外部干扰的匹配雷达数据，同时失配滤波模块提供只包含外部干扰的失配雷达数据。因此，基于失配雷达数据可以构成一个虚拟辅助传感器阵列，来提供雷达数据给自适应波束形成器。自适应波束形成器优选地生成基于维纳的加权，该加权被应用到失配雷达数据以便产生一个辅助波束，所述辅助波束为记录雷达数据的主传感器阵列中的每个传感器提供匹配雷达数据中的外部干扰估计。然后为每一个上述传感器从记录的雷达数据中删除外部干扰估计，以便提供噪声抑制了的距离多普勒传感器雷达数据。此数据然后可以被提供给本发明的频谱生成器，以便产生外部干扰已经被抑制了的高分辨率距离多普勒图。

因此，在一个方面中，本发明是一个雷达频谱生成器，它接收预先处理的距离多普勒传感器数据并生成至少一个噪声减少了的高分辨率频谱。频谱生成器包括一个窗口生成器，窗口生成器生成定义多个距离多普勒单元的一个窗口。频谱生成器还包括一个与窗口生成器通信的协方差矩阵计算器。协方差矩阵计算器接收距离多普勒传感器数据并为窗口中感兴趣的一个距离多普勒单元计算一个协方差矩阵估计。从窗口中为感兴趣距离多普勒单元周围的多个距离多普勒单元的至少一部分计算出的协方差矩阵中计算协方差矩阵估计。频谱生成器还包括一个与协方差矩阵计算器通信的频谱计算器，它基于一个位置矩阵和一个噪声子空间矩阵估计来计算一个高分辨率频谱矢量。

频谱生成器还可以包括一个与协方差矩阵计算器通信的协方差矩阵平滑器。协方差矩阵平滑器平滑所述协方差矩阵估计。

频谱生成器还可以包括一个与协方差矩阵计算器通信的噪声抑制模块，它向协方差矩阵计算器提供噪声抑制了的雷达数据代替预先处理的距离多普勒传感器数据。噪声抑制模块估计预先处理的雷达数据中的外部干扰并抑制预先处理的雷达数据中的外部干扰以便产生噪声抑制了的雷达数据。

在另外一个方面中，本发明提供一种雷达频谱生成方法。该方法包括：

a)生成定义多个距离多普勒单元的一个窗口；

b)从预先处理的距离多普勒传感器数据中为该窗口中感兴趣距离多普勒单元计算一个协方差矩阵估计，其中：从为该窗口内的多个距离多普勒单元的至少一部分计算出的协方差矩阵中生成协方差矩阵估计；和，

c)基于位置矩阵和噪声子空间矩阵估计来计算一个高分辨率频谱矢量。噪声子空间矩阵估计从协方差矩阵估计中导出。

该频谱生成方法还可以包括：平滑协方差矩阵估计并基于平滑的协方差矩阵估计来计算噪声子空间矩阵。

频谱生成方法还可以包括一个抑制噪声以便提供噪声抑制了的雷达数据代替预先处理的距离多普勒传感器数据的步骤。通过估计预先处理的雷达数据中的外部干扰并抑制预先处理的雷达数据中的外部干扰以便产生噪声抑制了的雷达数据来完成抑制噪声的步骤。

在另外一个方面中，本发明提供一种用于抑制预先处理的雷达数据中的外部干扰的噪声抑制模块。噪声抑制模块包括与预先处理的雷达数据通信的第一处理模块和第二处理模块。第一处理模块接收预先处理的雷达数据并产生匹配雷达数据，然而第二处理模块接收预先处理的雷达数据并产生失配雷达数据。噪声抑制模块还包括一个与第一处理模块和第二处理模块通信的自适应波束形成器。自适应波束形成器接收匹配雷达数据部分和失配雷达数据部分，并产生在匹配雷达数据部分中的外部干扰的外部干扰估计。噪声抑制模块还包括一个与第一处理模块和自适应波束形成器通信的抑制器。抑制器基于匹配雷达数据部分和外部干扰估计来提供噪声抑制了的雷达数据部分。

噪声抑制模块还可以包括一个与第一处理模块通信的有序统计滤波器模块。所述有序统计滤波器模块产生所述有序统计滤波的匹配雷达数据。

在另外一个方面中，本发明提供：一种抑制预先处理的雷达数据中的外部干扰的方法。该方法包括：

a)处理预先处理的雷达数据以便产生匹配的雷达数据；

b)处理预先处理的雷达数据以便产生失配的雷达数据；

c)选择匹配雷达数据部分和失配雷达数据部分并执行自适应波束成形以便产生匹配雷达数据部分中的外部干扰估计；和，

d)通过抑制来自匹配雷达数据部分的外部干扰估计来产生噪声抑制了的雷达数据部分。

该方法还包括对该匹配雷达数据执行有序统计滤波以便产生有序统计滤波了的匹配雷达数据。

附图说明

为了更透彻地理解本发明和更明显地示出它怎样才能有所效果，将只通过举例的方式参考附图，附图示出本发明的优选实施例，并且其中：

图1是在存在外部干扰的情况下记录的雷达数据的幅度与方位角的函数图；

图2是一个包含同信道干扰的雷达数据示例的距离多普勒图；

图3是一个具有脉冲噪声的雷达回波的例子的幅度与脉冲标引的函数图；

图4是一个包含脉冲噪声的雷达数据的例子的的距离多普勒图；

图5是根据本发明的频谱生成器的框图；

图6a是说明根据本发明的距离多普勒图的有效区和保护区的图；

图6b是说明方位角概念的框图；

图7a是根据本发明的加权窗口；

图7b是具有用于雷达操作的空中模式加权的加权窗口的例子；

图7c是具有用于雷达操作的船只模式加权的加权窗口的例子；

图7d示出根据本发明的主阵列传感器记录的雷达数据的雷达数据结构；

图7e示出用来获得对于加权窗口中的距离多普勒单元的协方差矩阵的雷达数据；

图8是根据本发明的频谱产生方法的流程图；

图9a是雷达数据一个例子的常规波束形成产生的距离多普勒图；

图9b是在目标距离内沿着图9a的距离多普勒图的多普勒维度的削波；

图10a是本发明频谱生成器产生的图9a中示出的雷达数据的高分辨率距离多普勒图；

图10b是在目标距离内沿着图10a的距离多普勒图的削波；

图11a是雷达数据的另外一个例子的常规波束形成产生的距离多普勒图；

图11b是本发明频谱生成器产生的图11中示出的雷达数据的高分辨率距离多普勒图；

图12a是具有电离层混杂信号的一个例子的常规波束形成产生的距离多普勒图；

图12b是本发明频谱生成器产生的图12a中示出的雷达数据的高分辨率距离多普勒图；

图12c是在目标距离内沿着图12b的高分辨率距离多普勒图的削波；

图12d是在目标多普勒频率处沿着图12b的高分辨率多普勒频率处的多普勒图的削波；

图12e是本发明的频谱生成器对于图12a雷达数据的产生的高分辨率距离多普勒数据在目标的多普勒频率和距离的方位角图；

图13是合并噪声抑制模块的本发明的频谱生成器的一个替换实施例的框图；

图14是图13的噪声抑制模块的框图；

图15是说明在基于相关性的计算优选地被做出以用于外部干扰判断上的区域形状距离多普勒图；

图16是图14的噪声抑制模块的更详细框图；

图17a到17h说明在图16的噪声抑制模块中不同节点的雷达数据；

图18是根据图16的噪声抑制模块的噪声抑制方法的流程图；

图19是本发明噪声抑制模块的一个替换实施例；

图20是根据图19的噪声抑制模块的一个替换噪声抑制方法的流程图；

图21a是由常规波束形成而不使用本发明噪声抑制模块产生的雷达数据的例子的距离多普勒图；

图21b是图21中示出的雷达数据的高分辨率距离多普勒图，其使用本发明的频谱生成器而不是使用本发明的噪声抑制模块；

图21c是沿着图21的距离多普勒图的多普勒维度在目标距离的削波；

图21d是沿着图21b的高分辨率距离多普勒图的多普勒维度在目标距离的削波；

图22a是由常规波束形成和使用本发明噪声抑制模块产生的图21a的雷达数据的距离多普勒图；

图22b是使用本发明的噪声抑制模块和频谱生成器的图21a中示出的雷达数据的高分辨率距离多普勒图；

图22c是在目标距离内沿着图22a的距离多普勒图的多普勒维度的削波；

图22d是沿着图22b的高分辨率距离多普勒图的多普勒维度在目标距离的削波；

图23a是关于雷达数据的另外一个例子的常规波束形成产生的距离多普勒图；

图23b是在目标距离内沿着图23a的距离多普勒图的多普勒维度的削波；

图23c是在目标的多普勒频率沿着图23a的距离多普勒频率图的多普勒维度的削波；

图23d是在目标的距离和多普勒频率的图23a的雷达数据的方位角图；

图24a是使用噪声子空间维度为13由本发明的频谱生成器产生的图23a的雷达数据的高分辨率距离多普勒图；

图24b是在目标距离处沿着图24a的高分辨率距离多普勒图的多普勒维度的削波；

图24c是在目标的多普勒频率处沿着图24a高分辨率多普勒频率图的多普勒维度的削波；

图24d是在目标的距离和多普勒频率的图24a高分辨率距离多普勒数据的方位角图；

图25a是使用噪声子空间维度为5的由本发明的频谱生成器产生的图23a雷达数据的高分辨率距离多普勒图；

图25b是在目标距离沿着图25a高分辨率距离多普勒图的多普勒维度的削波；

图25c是在目标多普勒频率沿着图25a高分辨率多普勒频率图的多普勒维度的削波；

图25d是在目标的距离和多普勒频率的图25a高分辨力雷达数据的方位角图；

图26是根据本发明使用空间平滑的频谱生成器的一个替换实施例的框图；

图27是根据本发明使用空间平滑的频谱产生方法的替换实施例的流程图；

图28a是使用来自传感器的雷达数据的雷达数据和模拟目标的多普勒图；

图28b是由常规波束形成以及图28a的多普勒数据产生的图28a的数据的多普勒图；

图29a是图28a的雷达数据在使用噪声子空间为13的目标距离的高分辨率多普勒图；

图29b是图28a的雷达数据在使用噪声子空间为13的目标的多普勒频率的高分辨率多普勒图；

图29c是图28a的雷达数据在使用噪声子空间为13的目标的多普勒频率和距离的高分辨率方位角图；

图30a是在使用本发明空间平滑方法的目标距离的图28a雷达数据高分辨率多普勒图；

图30b是在使用本发明空间平滑方法的目标多普勒频率的图28a雷达数据高分辨率多普勒图；

图30c是在使用本发明空间平滑方法的目标多普勒频率的图28a雷达数据高分辨率方位角图；

图31a是使用本发明频谱生成器和空间平滑的图24a雷达数据的高分辨率距离多普勒图；

图31b是在目标距离沿着图31a高分辨率距离图的多普勒维度的削波；

图31c是在目标多普勒频率沿着图31a高分辨率多普勒频率图的多普勒维度的削波；

图31d是在目标距离和多普勒频率的图31a雷达数据的高分辨率方位角图；

图32是根据本发明的合并噪声抑制模块和协方差矩阵平滑器的频谱生成器一个替换实施例；

图33是根据本发明频谱产生方法的合并噪声抑制和协方差矩阵平滑步骤的一个替换实施例；

图34a是线性阵列的框图；

图34b是均匀圆型阵列的框图；和，

图34c是示出由在阵列簇(manifold)中使用的符号表示的物理量的均匀圆型阵列的框图。

具体实施方式

所有在此示出的实验数据已经从位于Cape Race、纽芬兰、加拿大的由Raytheon Canada Limited公司开发的SWR-503 HFSWR系统获得。SWR-503 HFSWR系统包括具有16个天线单元的接收天线阵列(即具有16个传感器的主阵列传感器)。

在此使用的每个术语″距离数据″、″多普勒数据″、″方位数据″、″传感器数据″或″脉冲数据″表示在给出领域中的一维数据点系列。术语″距离多普勒数据″表示给出方位角或给出传感器的二维数据以及术语″距离传感器数据″表示给出的多普勒值或给出的脉冲标引的二维数据。另外，术语″距离脉冲传感器数据″、″距离多普勒传感器数据″以及″距离多普勒方位数据″表示三维数据。此外，术语数据的″一部分″意指部分数据具有小于它从中被获得的数据维度。因此，当部分数据从三维数据组被获得时，部分数据可能是一维的或二维的。此外，术语″频谱″被用来表示距离多普勒图。

在距离多普勒图产生之前或在产生过程中抑制来自雷达数据的噪声是有益的，因为大多数雷达系统执行关于距离多普勒图的探测。为了获得噪声抑制，表示来自目标的雷达回波特征的信号和存在于雷达数据中的各种类型噪声应该被检查以确定适当的噪声抑制方法。

雷达系统的目标反射由雷达系统的发射天线发射的EM脉冲。从而来自目标的雷达回波取决于发射的EM脉冲。雷达系统，尤其是HFSWR雷达系统的目标包括诸如船、冰山、飞机和导弹之类的各种对象。这些目标的每一个都具有唯一的雷达特征标，其被定义为每个这些目标在距离多普勒图上产生的模式，尽管这些雷达特征标通常表现为峰值。因此，为了增强来自目标的雷达特征标，可以提供敏锐的频谱估算的谱估计技术应该被用来增强雷达特征标峰形。此外，从观察到的各种目标并且基于雷达特征标中的差别，这些目标将被优选地分成两种类型：水面目标(即船等等和空中目标(即飞机等等)。另外，必须记住，距离分辨率和多普勒雷达分辨力将影响包含在目标的雷达特征标中的距离多普勒单元的数量。

另外，混杂信号的不同形式具有不同的空间相关程度。例如，海洋杂波具有不良的空间相关性。因此，为了抑制产生距离多普勒图时的海洋杂波，可以通过采用空间相关性中的差别来分离来自海洋杂波的目标雷达回波的谱估计技术应该被使用。然而，电离层杂波具有很强的空间相关性并且具有以散布或点状目标形式出现的雷达特征标。因此，可以提供高空间分辨率的谱估计技术是需要的，其足够分离来自处于不同方向的目标的雷达特征标的电离层杂波的雷达特征标。高分辨率频谱估算器也是有益的，因为在频谱估算中不产生旁瓣。从而，由于出现在基于FFT的频谱估算器中的频谱传播，来自杂波的雷达特征标不会模糊来自目标的雷达特征标，因为电离层杂波被限制在少数距离多普勒单元。这个出现是因为电离层理论上不是沿着不同方位的距离尺度分布的。

一个满足上述标准的这类频谱估算器是MUSIC(多重信号分类)频谱估算器(Schmidt，R.O.″Multiple Emitter Location and Signal ParameterEstimation，IEEE Transactions AP-34，No.3，1986)。MUSIC频谱估算器估算正交的信号和噪声子空间(即统计独立的)。只要信噪比(SCR)是足够的，信号子空间就将包括来自可能的目标的雷达回波并且噪声子空间将包括具有其中包括海洋杂波的弱相关的数据。由MUSIC频谱估算器产生的频谱估算具有信号矢量的峰值，信号矢量与定义噪声子空间的噪声矢量正交。从而，来自目标的雷达特征标应该被MUSIC频谱估算器增强。此外，MUSIC频谱估计方法产生高分辨率频谱估算。从而，如果目标方位角不在电离层杂波方向，则来自电离层杂波的雷达特征标将不会影响目标探测，因为在高分辨率频谱估算中的旁瓣不存在防止会另外模糊目标的雷达特征标的电离层杂波的谱泄漏。

信号和噪声子空间基于表示在距离多普勒图中给出的距离多普勒单元RDC的距离多普勒数据的协方差矩阵的本征分解(eigendecomposition)或奇异值分解(其是算术相关的，为所属领域的技术人员所熟知)被识别。距离多普勒单元RDC的协方差矩阵将优选地使用尽可能多的雷达数据被估算以获得统计实用的估算。通常，距离多普勒单元RDC的协方差矩阵可以使用通过多个传感器的观测被估算。每个观测可以由一行矢量x表示，其来自使用所属领域的技术人员熟知的矢量积被计算的协方差矩阵C。从而，协方差矩阵C根据下列公式被计算：

           C＝X^H·X        (1)

其中，H是赫米特算子，它是矩阵或矢量的复数共轭转置。如果在主阵列传感器(即接收天线阵列)中存在K个传感器，则协方差矩阵C具有K乘K的大小(即K行和k列)。为了基于多个观测计算估算的协方差矩阵，协方差矩阵可以被计算用于多个观测矢量。所有的协方差矩阵然后可以被平均以计算估算的协方差矩阵Cest，根据：

$C_{\mathrm{est}}=\underset{i=1}{\overset{N_c}{\mathrm{\Σ}}}{C}_i---\left(2\right)$

其中，C_i是第i个观测矢量的协方差矩阵并且有N_c个观测。

只要协方差矩阵估算C_est被计算，就必须计算横越信号子空间的本征矢量和横越噪声子空间的本征矢量。本征矢量可以通过任何合适的方法被计算。优选地，这使用本领域普通技术人员熟知的奇异值分解(SVD)来获得。协方差矩阵估算C_est的SVD由下列公式给出：

       C_est＝U·∑·V                     (3)

其中，U和V是具有横越信号和噪声子空间的本征矢量的矩阵，和E是具有沿着对角线的奇异值的对角矩阵(σ₁ ²，σ₂ ²，...，σ_k ²)。在主阵列传感器中给出K个传感器，如果协方差矩阵估算C_est是全行列，则协方差矩阵估算C_est具有K个独立的奇异值和K个独立的本征矢量。

协方差矩阵估算C_est的本征矢量近似基准矢量的规格化正交集，其中一些横越信号子空间和其中一些横越噪声子空间。奇异值的幅度表示在多个观测矢量内的信号内容的空间相关性和噪声内容的空间相关性的程度。噪声子空间本征矢量通过从与信号子空间相关的奇异值中分离与噪声子空间相关的奇异值被获得。取阈值可以被用来从信号奇异值中分离噪声奇异值，因为幅值中的信号奇异值一般比噪声奇异值大。替换地，与两个最大奇异值相关的本征矢量可以被丢弃，因为实际上很可能在相同距离和以相同速度移动的两个目标最多有两个。两个最大的本征矢量将表示这些目标。噪声子空间矩阵估算Nest然后通过保持如公式4中所示的噪声本征矢量被计算。

            Nest＝U(：，b+1：K)               (4)

其中，如上所述b优选地是3，因此两个最大的本征矢量不在噪声子空间矩阵估算N_est中。然后，MUSIC频谱估算根据下列公式计算：

$\mathrm{MUSIC}=\frac{1}{\mathrm{diag}(F^H\·N_{\mathrm{est}}\·N_{\mathrm{est}}^H\·F)}---\left(5\right)$

其中，矩阵F包括一部分信号可以沿着它可以被指向的矢量。因为信号矢量与噪声本征矢量定义的噪声子空间正交，所以MUSIC频谱估算在信号的频谱位置将产生一个峰值。此外，MUSIC频谱估计方法没有把有利的奇异值放入计算中，这是因为Bragg行搀杂奇异值并且因此模糊可能的目标。然而，为了获得优良的MUSIC频谱估算，需要在协方差矩阵估算内有足够的信号统计特征。MUSIC频谱估算器的性能很大程度取决于用来计算协方差矩阵估算的数据类型和数据量。

现在参见图5，其中示出根据本发明的频谱生成器10。频谱生成器10接收多个距离多普勒数据RD₁，RD₂，...，RD_K。每个距离多普勒数据信号是两个空间的数据序列，其从给出的来自具有多个传感器S₁，S₂，...S_K(在图5中未示出)的主阵列传感器的传感器所记录的雷达数据产生。每个传感器可以是为所属领域的技术人员所知的任何适合于接收雷达信号的接收天线元件。所属领域的技术人员应当理解，被收集来产生距离多普勒数据RD₁，RD₂，...，RD_K的雷达数据已经从被预处理的雷达数据导出，这些雷达数据已经经过了常规信号处理操作，包括带通滤波、外差作用、模数转换、解调和下采样。雷达数据也经过了用于进一步降噪的匹配滤波和抗击距离包。然后，雷达数据经过多普勒数据处理以产生距离多普勒数据RD₁，RD₂，...，RD_K。这些操作为本领于普通技术人员所熟知并且不做出进一步的描述。此外，所属领域的技术人员应当理解，本发明的所有元件都允许复数(即具有实部与虚部)数据处理。

如图5中所示，频谱生成器10包括窗口生成器12、与窗口生成器12和距离多普勒数据RD₁，RD₂，...，RD_K通信的协方差矩阵计算器14，与协方差矩阵计算器14通信的子空间计算器16，位置矩阵生成器18，以及与子空间计算器16和位置矩阵生成器18通信的频谱计算器20。频谱生成器10可以产生多个给出距离多普勒数据RD₁，RD₂，…，RD_K的高分辨率频谱22。然而，频谱生成器10也可以产生至少一个高分辨率频谱24。频谱生成器10产生的高分辨率频谱24的的数量取决于下面进一步阐明的定位矩阵发生器18。

正如前面提到的那样，距离多普勒数据RD₁，RD₂，...，RD_K是两个空间的数据信号，其从主阵列传感器中给出的传感器S_i记录的雷达数据被导出。参见图6a，距离多普勒数据信号RD_i被定义为具有有效区26，具有多个距离多普勒单元28，以及保护区30，具有多个距离多普勒单元(图6a中未示出)。图6a不是按比例的并且在有效面积26中将包括比所示出更多的距离多普勒单元28。保护区30的必要性将在下面被进一步阐明。有效面积26的每个单元28通过频谱生成器10被处理以产生至少一个高分辨率频谱24(即至少一个高分辨率距离多普勒图)。保护区30中的距离多普勒单元不被处理用于目标探测。

每个高分辨率频谱24被产生用于给出的方位角θ。参见图6b，方位角0是主波束MB用主阵列传感器32的中心做出的角度。主波束MB由主阵列传感器32产生，主阵列传感器32的传感器记录的雷达数据被加权(即每个传感器一个加权)以给出状态，主阵列传感器32在它记录雷达数据的时候被指向方位角0方向。常规波束形成使用类似在FFT频谱估算器中所使用的加权来调谐主阵列传感器32的主波束MB。然而，本发明的频谱生成器10优选地使用MUSIC频谱估计方法来调谐主波束MB以提供较高的角分辨率。

为了实现MUSIC频谱估计方法，窗口生成器12产生一个具有多个加权的加权窗口。被加权的窗口定义多个距离多普勒单元，其从协方差矩阵C被获得以计算用于所关心的优选地在加权窗口中心的距离多普勒单元的协方差矩阵估算C_est。被加权窗口被定义为具有至少两个区域，包括第一区域和第二区域。第一区域是在加权窗口的内部部分。第二区域围绕第一区域并且具有优选地选择的加权，因此它们小于或等于在第一区域中的加权。替换地，参见图7a，其中示出的是加权窗口34的一个实施例，其具有第一区域36，围绕第一区域36的第二区域38，和围绕第二区域38的第三区域40。第二区域38中的加权被优选地选择因此它们小于或等于在第一区域36中的加权，并且第三区域40中的加权被优选地选择因此它们小于或等于第二区域38中的加权。此外，第一区域36、第二区域38和第三区域40的形状不必具有如图7a中所示的矩形形状而可以是任何形状。然而，形状被优选地与希望在距离多普勒图中被增强的目标匹配。

窗口生成器12可以取决于雷达运行模式产生不同的加权窗口(即例如是否水面或空中目标将被探测)。加权窗口的大小也取决于雷达系统的距离和多普勒雷达分辨力，距离多普勒数据中的噪声特性以及协方差矩阵估算的有效性。例如，给出的7.5km的距离分辨率，当雷达运行模式被设置为空中模式时，可以被使用的加权窗口34′的一个例子在图7b中被示出。参见图7c，其中示出的是可以在雷达运行模式被设置为船只模式时使用的加权窗口34″的例子。

协方差矩阵估算C_est优选地通过计算所有用于加权窗口34中的每个距离多普勒单元的协方差矩阵C的加权平均而被获得。参见图7d，根据图7d中示出的x-y-z坐标，距离多普勒数据信号RD₁，RD₂，...，RD_K可以被串联以形成显示为用沿着Z轴的距离尺度延长的，沿着Y轴多普勒维度延长的以及沿着X轴传感器维度延长的三维数据立方体的距离多普勒传感器数据42。此外，雷达数据42根据CIT被分段到时间段中。CIT是优选地不同的给出不同雷达工作状态。CIT可以是用于导弹或飞行器探测的10到40秒。替换地，CIT也可以是用于船探测或用于观察海洋水文情况的2到5分钟。

现在参见距离矢量44，一系列具有包括EM值的距离标引值R₁，R₂，...，R_N的距离单元，传感器81记录的EM值响应于第一发射EM脉冲。由给出距离单元表示的距离通过记录距离单元的EM值相对于对应EM脉冲被发射的时间被抽样的时间被计算，把那个时间乘以光速并且除以二。参见多普勒矢量46，存在一系列具有包括通过在来自脉冲的雷达回波上执行FFT(一般为所属领域的技术人员所知的普通操作法)获得的EM值多普勒标引值D₁，D₂，...，D_M的多普勒单元，脉冲在CIT中被发射用于在距离标引值R1的距离值的传感器81记录的雷达数据。现在参见传感器矢量48，存在一系列由每个传感器S₁，S₂，...，S_K测量的EM值，其在距离标引R1的距离值在上一个EM脉冲发射之后被测量(在这个例子中)。从而，包括在传感器矢量48内的每个EM值在相同被发射的EM脉冲之后被同时抽样(从而相同的距离标引R1)。

现在参见图7d和7e，加权窗口34被置于雷达数据44以提取一部分雷达数据50用于协方差矩阵估计。加权窗口34是二维的以沿着距离和协方差矩阵估计所需的多普勒维度来识别距离多普勒单元的邻域。用于每个这些距离多普勒单元的传感器矢量然后从由立方体50表示的雷达数据42处获得。每个传感器矢量类似于公式1中的矢量x。优选地，用于部分雷达数据50中的央距离多普勒单元RDC的协方差矩阵估算C_est基于上述的传感器矢量被获得，其中，传感器矢量48是来自部分雷达数据50的例子。由此，传感器矢量协方差矩阵根据公式1由协方差矩阵计算器14产生。协方差矩阵估算C_est然后由协方差矩阵计算器14根据下列公式计算：

$C_{\mathrm{est}}=\underset{g=1}{\overset{G}{\mathrm{\Σ}}}\underset{h=1}{\overset{H}{\mathrm{\Σ}}}\mathrm{WW}(g,h)\·C_{\mathrm{gh}}---\left(6\right)$

其中，WW是包括加权窗口34的加权的矩阵，g和h是横越加权窗口34行列的标志以及C_gh是用于部分雷达数据50中传感器矢量的协方差矩阵，这些数据对应于加权窗口34的第g行和第h列。

再次参考图7b和7c，加权窗口34′和34″有三个区域，其中，第一区域36具有优选地等于值1的加权，第二区域38具有优选地等于值0.5的加权并且第三区域40优选地具有等于值0.1的加权。此外，对每个加权窗口34′和34″的第一区域形状是不同的，因为加权窗口34和34″被产生用于不同的雷达操作模式。不同加权也可以用于不同的雷达操作模式。第一区域36优选地被成形以匹配在加权窗口34中空中目标期待的雷达特征标和用于在加权窗口34″中的水面目标。为了保持在协方差矩阵估算C_est中可能目标的功率，加权窗口34的第一区域的加权是加权窗口34中最大的加权。为了增加协方差矩阵估算C_est的统计实用性，用于第二38和第三区域40中的距离多普勒单元的协方差矩阵也被使用。然而，这些协方差矩阵优选地没有给出在协方差矩阵估算Cest的计算中那么多，因为当加权窗口集中于一个可能目标时，第二38和第三区域40中的距离多普勒单元不可能包括大部分可能目标的雷达特征标。所属领域的技术人员所熟知，可能目标作为距离多普勒图中的峰值露面。从而，当加权窗口34集中于可能目标时，第二38和第三区域40包括可能目标的缘或放射性的特征标以及噪声。因此，随着距离多普勒单元和加权窗口34中的第一区域36在之间距离增加，距离多普勒单元中的噪声幅度相对于可能目标的雷达特征标增加。从而，当一个目标从第一区域36移动到第二区域38和从第二区域38移动到第三区域40时，减少加权窗口34中的加权是可取的以在具有按保持加权窗口34内的可能目标幅度的规定的加权的协方差矩阵中获得背景噪声的估算。

再次涉及图5，协方差矩阵计算器14与子空间计算器16通信。子空间计算器16包括SVD模块52、维度选择器54和噪声子空间矩阵计算器56。SVD模块52与协方差矩阵计算器14通信以接收协方差矩阵估算C_est和在协方差矩阵估算C_est上执行奇异值分解。一般为所属领域的技术人员所知的任何适当的奇异值分解方法可以被用于SVD模块52。

维度选择器54与SVD模块52通信以接收由协方差矩阵估算C_est的奇异值分解计算的∑矩阵。维度选择器52确定信号和噪声子空间的维度。维度选择器52可以使用多个不同技术以估算这些维度。其中一个技术使用一个阈值以包括那些大于形成信号子空间的阈值的奇异值。通过减少阈值，空间相关性较弱的目标被允许出现在输出中。换言之，频谱生成器10的灵敏度被增加以强调信噪比不良的目标。然而实际上，如同预先所提到的，在不同方位具有相同距离和多普勒值的目标超过2或3的可能性是很少的。从而，维度选择器52可以被设置为选择维度优选地等于二的信号子空间。

必须记住，对于没有白色空间分布的噪声/杂波，估算的噪声功率将取决于噪声/杂波该相关度而变化。此外，对于来自具有不良空间相关性(即低SCR)的可能目标的雷达特征标，目标由超过一个的奇异值表示并且可以是在噪声奇异值当中。为了从这些在距离多普勒图中的目标增强雷达特征标，如下进一步所述，噪声子空间维度将优选地被减少。

噪声子空间矩阵计算器56与SVD模块52通信以接收矩阵U(替换地，矩阵V能被使用，因为矩阵V与矩阵U有关)。噪声子空间矩阵计算器56也与维度选择器54通信以接收信号子空间维度。噪声子空间矩阵计算器56从对应于协方差矩阵估算C_est的噪声子空间的本征矢量形成一个噪声子空间矩阵。噪声子空间矩阵估算N_est然后根据公式4被估算。噪声子空间矩阵估算N_est具有(K-b)×K的维度。

位置矩阵生成器18产生位置矩阵A，其具有被用来产生多个高分辨率频谱22的加权。位置矩阵A由公式7给出。

       A＝[A_θ1A_θ2，A_θ3，A_θZ]，-π≤θ₁≤π    (7)

位置矢量A_θi是一个适量，其由下面的公式给出：

       A_θ1＝[1e^{j2π(d/π)sin(θi)}e^{j4π(d/π)sin(θi)}e^{j2π(K-1)d/λsin(θi)}]^T    (8)

其中，K是主阵列传感器32中传感器的数量，d是主阵列传感器32中每个传感器之间的距离，λ是被发射的EM脉冲的波长，以及θ_i是高分辨率图被产生用于的方位角值。对本领域技术人员来说，位置矩阵A又名阵列簇并且每个位置矢量A_θi又名一个阵列簇矢量。对于每个可能的目标方位来说可能有不同的单元矢量_Aθi。因为存在多个可能的目标方位，所以在位置矩阵A中优选地有多个可能的阵列簇矢量A_θi。

位置矩阵A具有K乘Z的维度。下面将进一步描述的是，每个位置矢量×被用来产生不同的高分辨率频谱24。从而，位置矩阵A中位置矢量A_θi的数量确定由频谱估算器10产生的高分辨率频谱24的数量。从而，如果位置矩阵A只有一行，则只有一个高分辨率空间频谱24被产生。位置矢量A_θi和方位分辨率的数量(即诸如θ₁和θ₂，θ₂和θ₃等等之类的两个连续方位角值之间的差别)可以在频谱生成器10操作之前被预先决定和由频谱生成器10的用户指定。

频谱计算器20与定位矩阵发生器18通信以接收位置矩阵A。频谱计算器20也与子空间计算器16通信以接收噪声子空间矩阵估算N_est。频谱计算器20计算高分辨率频谱矢量MUS_RDC，其在距离多普勒单元RDC提供多个高分辨率频谱22中每一个的值，协方差矩阵估算C_est最初根据公式10被计算：

${\mathrm{RDC}}_{\mathrm{MUS}}=\frac{1}{\mathrm{diag}(A^H\·N_{\mathrm{est}}\·{N_{\mathrm{est}}}^H\·A)}---\left(10\right)$

其中，运算符diag()返回沿着矩阵A^H·N_est·N_est ^H·A对角线的值。公式10是根据MUSIC频谱估计方法。结果矢量MUSRDC是具有1乘Z维度的一维方位角矢量。高分辨率频谱估算由阵列簇矢量到N_est定义的噪声子空间上的投影产生。如果在任何阵列簇矢量方向存在可能目标，则实质上它将正交到噪声子空间并且在等式10中的分母将变得非常小。这在可能目标的空间频率处在频谱估算MUS_DRC中产生一个峰值。术语″充分正交″被用来指出噪声子空间是一个近似值，因为它是从有限的数据估算出来的。在此，高分辨率频谱矢量MUS_RDC被存储在任何适当的存储装置中，因此高分辨率频谱矢量MUS_RDC的位置对应于传感器矢量的位置以用于距离多普勒传感器数据42中相同的距离多普勒单元。存储装置可以是所属领域的技术人员所知的任何适当元件，比如数据库、硬盘驱动器惑光盘驱动器等等。

上述讨论适用于一个距离多普勒单元的高分辨率频谱估算的产生。从而，通过滑动加权窗口34通过距离多普勒单元和执行上述操作，协方差矩阵计算器14，子空间计算器16以及频谱计算器20必须产生距离多普勒数据RD₁，RD₂，...，RD_K的有效面积26中每个距离多普勒单元的高分辨率频谱矢量MUS_RDC。每个产生的高分辨率频谱矢量都被存储在存储装置中，因此噪声抑制高分辨率距离多普勒方位数据组被产生。这个数据组是三维的并且包括距离维度、多普勒维度和方位角维度。其中一个高分辨率频谱24通过采取噪声抑制的用于给出方位角值的高分辨率距离多普勒方位数据组的二维削波被获得。

现在参见图8，其中示出的是根据本发明的频谱生成器10执行的频谱产生方法60。在频谱产生方法60过程中被执行的计算已经在上面被描述并且不会在此详细地描述。频谱产生方法60从步骤62开始，其中，加权窗口34被产生。下一步64产生位置矩阵A。距离多普勒单元然后被选择，这样高分辨率频谱矢量根据步骤68到76被产生。在步骤68，协方差矩阵估算C_est被计算用于距离多普勒单元。在步骤70，奇异值分解然后在协方差矩阵估算C_est上被执行。信号子空间维度然后在步骤72被选择，和在步骤74噪声子空间矩阵估算N_est被计算用于距离多普勒单元。在步骤76，高分辨率频谱矢量MUS_RDC然后被计算用于距离多普勒单元。这个矢量用上述方式被存储。如果在步骤78确定存在有更多的距离多普勒单元要处理，则频谱估计方法60移到步骤66，其中，下一个距离多普勒单元被选择。加权窗口34被移动以便下一个将被处理的距离多普勒单元优选地位于加权窗口34的中心。在步骤68到76的操作然后被重复。

频谱产生方法60可以开始于距离多普勒数据RD₁，RD₂，...，RD_K的有效面积26的左上角并且在那一行处理每个距离多普勒单元直到该行中的上一个距离多普勒单元被处理。在此，加权窗口34然后可以被往下移1行并且置于有效面积26中最左的距离多普勒单元，以便该行(即距离)中所有的距离多普勒单元都可以被处理。用这种方式，所有用于距离多普勒数据RD₁，RD₂，...，RD_K的距离多普勒单元都可以通过频谱产生方法60被处理。这可以被称为逐行方式来处理距离多普勒单元。替换地，其它沿着距离多普勒数据RD₁，RD₂，...，RD_K的距离多普勒单元移动以产生至少一个高分辨率频谱24的方法可以被使用。例如，距离多普勒单元可用逐列方式被处理。

当频谱产生方法60工作于接近或在有效面积26的边缘的距离多普勒单元时，保护区28中属于加权窗口34的距离多普勒单元被用来计算协方差矩阵估算C_est。这是结合围绕距离多普勒数据RD₁，RD₂，...，RD_K的有效面积26的保护区30的理由。从而，谱估计被执行仅仅用于有效面积26中的那些距离多普勒单元。

MUSIC频谱估计方法的某些变化可以被用于本发明的频谱估算器10和频谱估计方法60。替换频谱估计方法包括根MUSIC频谱估计方法(Barabell，A.J.，1983，″Improving the resolution performance of eigenstructurebased direction finding algorithms″，1983年MA，波士顿举行的ICASSP，336-339页)，本征矢量方法(使用MUSIC频谱估计方法的加权版本)和根本征矢量方法。另一个替换可能是三角-MUSIC或派生MUSIC频谱估计方法，其不仅使用相关矩阵的信号空间信息还使用了相关矩阵的空间派生。三角MUSIC频谱估计方法可以被认为是高分辨率和/差波束形成器的例子。此外，三角MUSIC方法具有分辩率阈值，其比MUSIC频谱估计方法优越得多并且相对地对源相关性或密集源的问题不敏感。其它诸如ESPRIT方法之类的基于子空间的频谱估计方法也可以被使用。

现在参见图9a，其中示出使用基于FFT的波束形成的雷达数据的例子的所获得的距离多普勒图，其一般为本领域技术人员所知。雷达数据在冬季过程中被记录。雷达数据包括在距离109km的目标80(图9a中不可见)，具有方位角8.6°。第一级和较高级的Bragg线条可以在图9a中被看见。然而，目标80不能被看见。现在参见图9b，图9a的距离多普勒图沿着多普勒维度在目标80的距离的削波示出很强的海洋杂波，其防止给出的目标80的探测小于10dB的很低的SCR。

现在参见图10a和10b，图10a示出图9a雷达数据的高分辨率距离多普勒图，而图10b示出沿着图10a的高分辨率距离多普勒图的多普勒维度的削波。图10a和10b都示出在采用本发明的频谱估计方法60之后，目标80变得可见。海洋杂波已经由于它的不良空间相关性而被抑制。目标具有20dB的SSCR(即信号到信号加上杂波比值)。

现在参见图11a，其中示出使用基于FFT波束形成的雷达数据的另一个例子所获得的距离多普勒图。雷达数据包括在127.7km距离具有方位角50°的目标82(在图11a中不可见)，图11a中的第一次及更高级的Bragg线防止的目标探测。现在参照图11b，其中示出图11a的雷达数据的高分辨率距离多普勒图，其由运转于空中模式的频谱生成器10产生。目标82现在是可见的，这是由于抑制了杂波。目标82具有大约20dB的SSCR。

接下来参见图12a，其中示出在夏季中记录的雷达数据的另一个例子的常规波束形成产生的距离多普勒图。该雷达数据具有一个距离为110km、方位角为-39°的目标。由于在执行基于FFT的谱估计中的谱泄漏效应(即旁瓣效应)，在与目标84相同距离而方位角稍有不同的很强的电离层杂波通过增加围绕目标84的杂波电平而模糊了目标84的雷达特征标记。从而目标84是不可见的。

接下来参见图12b，其中示出图12a的雷达数据的高分辨率距离多普勒图，由本发明频谱生成器10产生。高分辨率距离多普勒图提供与图12a的距离多普勒图相比较强的状态。这个例子示出高分辨率频谱估算器满意高角分辨率的益处和旁瓣效应的缺乏。现在目标84具有25dB的SSCR。

现在参见图12c到12e，图12c示出在目标84的距离沿着图12b的高分辨率距离多普勒图的多普勒维度的削波。目标84具有与环绕背景噪声相比较较大的峰值。图12d示出在目标84的多普勒频率沿着图12b的高分辨率距离多普勒图的距离维度的削波。图12d也示出目标84具有与环绕背景噪声相比较较大的峰值。图12e示出在目标84的距离和多普勒频率图12a的雷达数据的高分辨率方位角图。图12e提供目标84的方位角的相对敏锐的估算。

如同先前所讨论，HFSWR中干扰另一个重要的类型是包括同信道干扰、大气噪声和脉冲噪声的外部干扰。在序号为-------的共同未决专利申请中，标题为″A Noise Suppression System and Method for Phased-ArrayBased Systems″，本发明的发明者示出同信道干扰可以使用自适应阵列处理技术与匹配失配滤波方案相结合而被抑制。匹配滤波器接收预处理的雷达数据，其从由主阵列传感器32中每个传感器记录的雷达数据导出以提供用来产生主波束的匹配雷达数据。失配滤波器从主阵列传感器的至少一部分传感器接收预处理雷达数据以提供视为虚拟辅件阵列传感器输出的失配雷达。虚拟辅件阵列传感器的输出被用来产生提供主波束中的外部干扰估算的辅助波束。从而，对于给出的主波束方位，辅助波束致力于主波束中外部干扰的能源以抑制主波束中的外部干扰。另外，主阵列传感器的方位分辨率没有被折中，因为主阵列传感器中的每个传感器都被用来产生主波束，同时失配滤波被用来提供主波束中外部干扰的独立估算，从而丢弃物理上分离辅助阵列传感器的必要。

所希望的是结合以上噪声抑制方法和本发明的高分辨率频谱估算器以抑制外部干扰。然而，外部干扰抑制方法通常不能直接实现用于高分辨率频谱估算器，因为这些估算器需要传感器数据和噪声抑制方法，它最初被公式化，产生帛书形成的数据。为了克服这些问题，在此描述一种类似于上述噪声抑制方法的噪声抑制模块，其提供可以被频谱估算器10使用的噪声抑制的数据。用这个方法，给定传感器记录的雷达数据中的外部干扰基于辅助波束提供的外部干扰估算被抑制。

现在参见图13，其中示出频谱生成器100的替换实施例，包括一个噪声抑制模块102。噪声抑制模块102接收预处理的从主阵列传感器32的多个传感器S₁，S₂，....，S_K获得的雷达数据导出的雷达数据，并且提供多个距离多普勒信号RD₁′，RD₂′，...，RD_K′，其中，外部干扰已经被抑制。其余的频谱生成器100和频谱生成器10一致并且不被论述。用于噪声抑制模块102的执行过程细节在下面被列出。

先前提到，自产生的干扰响应于被发射的EM脉冲出现。从而，当主阵列传感器32记录的雷达数据经由与被发射的EM脉冲相匹配的匹配滤波器传递时，自产生的干扰以及来自可能目标的雷达回波将出现在匹配滤波器的输出。如果主阵列传感器32记录的数据经由具有与被发射的EM脉冲正交的脉冲响应的第二滤波器传递，则自产生干扰和来自可能目标的雷达回波不会出现在第二滤波器的输出中。然而，外部干扰与雷达操作无关并且将存在于匹配滤波器和第二滤波器两者的输出中。

第二滤波器是一个失配滤波器。匹配滤波器具有只具有与包含在匹配滤波器匹配的信号中相同频率分量的传输功能。失配滤波器具有和匹配滤波器功能相反的传输功能。从而，匹配和失配滤波器被定义为彼此正交或具有零互相关。从而，失配滤波器将提供一个可以被用作存在于匹配滤波器输出中的外部干扰观测的输出。因此，使用单一接收天线阵列来提供用于探测来自可能目标雷达回波的雷达数据以及提供用于估算外部干扰的雷达数据是可能的，而且不会遇到先前提到的先有技术降噪方案的缺点(即需要辅助接收天线阵列或使用接收天线阵列的一些元件而只是用于外部干扰估计从而牺牲方位分辨率)。

现在参见图14，其中示出根据本发明的噪声抑制模块102的框图。噪声抑制模块102与主阵列传感器32通信，主阵列传感器32具有多个传感器S₁，S₂，...，S_K来提供在下面将作进一步解释的距离脉冲传感器数据。先前提到，每个传感器可以是为所属领域的技术人员所知的任何适合于接收雷达信号的接收天线元件。此外，所属领域的技术人员应当理解，主阵列传感器32收集的雷达数据经过常规信号处理操作以提供预处理的雷达数据104。常规信号处理方法包括带通滤波、外差作用、模数转换、解调和下采样。影响这些信号处理方法的元件为本领域技术人员所熟知并且没有在图14中示出。此外，应当理解本发明的所有元件都允许复数数据处理(即具有实部与虚部)。

噪声抑制模块102包括具有匹配滤波器模块108的第一处理模块106，其与预处理雷达数据104和第一多普勒数据处理模块110通信，与匹配滤波器模块108通信。匹配滤波器模块110接收预处理雷达数据104并且在雷达数据上执行匹配滤波以产生匹配雷达数据。第一多普勒数据处理模块110然后接收匹配雷达数据并且在数据上执行多普勒数据处理以产生匹配距离多普勒数据。

第一处理模块106还包括传感器选择器112，其与第一多普勒数据处理模块110通信以接收匹配距离多普勒数据。传感器选择器112选择用于给定传感器Si的距离多普勒数据，并且提供匹配的距离多普勒数据的B部分用于由噪声抑制模块102进一步处理，如下所述。传感器选择器112的位置可以与匹配滤波器模块108或第一多普勒数据处理模块110交换，只要在第一处理模块106中的最后一个模块提供匹配的距离多普勒数据的B部分用于给定传感器S_i。

噪声抑制模块102还包括具有失配滤波器模块116的与预处理雷达数据104通信的第二处理模块114，与失配滤波器模块116通信的第二多普勒数据处理模块118，和与第二多普勒数据处理模块118通信的辅助阵列选择器120。失配滤波器模块116接收预处理雷达数据104并且执行失配滤波以产生失配雷达数据。第二多普勒数据处理模块118然后接收失配雷达数据并且执行多普勒数据处理以产生失配距离多普勒数据。辅助阵列选择器120然后接收失配距离多普勒数据并且构造具有传感器A₁，A₂，...，A_L的虚拟辅助阵列传感器，从有助于雷达数据104的多个传感器S₁，S₂，...，S_K的至少一部分中选择出来。失配距离多普勒传感器数据Y的一部分被提供来产生干扰估算，如下进一步所述。

虚拟辅助阵列传感器可以包括来自主阵列传感器32的、对雷达数据104有贡献的所有多个传感器S₁，S₂，...，S_K的一部分或全部。从而，一部分来自主阵列传感器12的传感器提供两者给雷达数据104和辅助波束AB，辅助波束AB由虚拟辅助阵列传感器如下进一步所述产生。因此，在用于由频谱生成器100产生的高分辨率距离多普勒图24的方位分辨率中应该没有损失。虚拟辅助阵列传感器的构造在下面进一步被阐明。

噪声抑制模块102还包括与第一处理模块106和第二处理模块114通信的自适应波束形成器122。自适应波束形成器122接收用于给定的传感器Si匹配雷达数据B的部分以及不匹配距离多普勒传感器数据Y的部分。从这些输入，自适应波束形成器122产生一个自适应加权矢量W＝[W₁，W₂，...，W_L]，W被应用于失配距离多普勒传感器数据部分Y以产生匹配雷达数据B部分的估算I。估算I被计算用于相同的距离和匹配雷达数据部分B从中得到的多普勒单元。从而，自适应波束形成器122产生调谐基于失配距离多普勒传感器数据的辅助波束AB的加权。

自适应加权矢量W被产生以便匹配雷达数据部分B和估算I之间的差别被最小化。因为匹配雷达数据部分B包括随着自产生干扰和外部干扰的可能的雷达目标回波，而估算I只包括外部干扰，当自适应加权矢量W被选择时，雷达数据部分B和估算I之间的差别将被最小化以至估算I中的外部干扰接近于雷达数据部分B中的外部干扰。从而，估算I被认为是匹配雷达数据B部分中外部干扰的一个估算。因此，对于给定的传感器Si，自适应波束形成器122调谐辅助波束AB以便辅助波束AB中的外部干扰接近于用于传感器Si的雷达数据B部分中的外部干扰。

噪声抑制模块102还包括抑制器124和存储装置126。抑制器124与第一处理模块106和自适应波束形成器122通信以接收雷达数据B部分和外部干扰估算I。抑制器32从雷达数据B部分除去外部干扰估算I以产生一份噪声抑制匹配雷达数据Br。噪声抑制雷达数据Br的部分被用来构造噪声抑制雷达数据组(由距离多普勒信号RD₁、RD₂，...，RD_K表示)，其然后可以被频谱生成器100的保持元件处理以产生至少一个高分辨率频谱24。一般地说，噪声抑制雷达数据可以由任何常规雷达系统的元件来处理，比如探测模块和跟踪器。存储装置126接收雷达数据br部分并且把它存储在噪声抑制雷达数据组中的正确位置。存储装置126可以是计算机的RAM、计算机系统上的数据库或诸如硬盘、光盘、压缩驱动器等等之类的存储媒介。

基于Wiener理论的一种技术优选地被使用以选择自适应加权矢量W，因此外部干扰估算I接近于匹配雷达数据B部分中的外部干扰。从而，辅助波束AB被计算用于虚拟辅助阵列传感器以至于外部干扰估算I和雷达数据B部分之间的差别在Wiener理论的均方误差(MSE)意义上被最小化。

自适应加权矢量W的方程式基于Wiener原理如下。在抽点n(即时间上的一个观测)的失配距离多普勒传感器数据部分由Y(n)表示并且在抽点n的匹配雷达数据部分由B(n)表示。自适应波束形成器122在抽点n的输出由公式11给出：

其中，

表示给定失配雷达数据Y(n)瞬态的外部干扰估算1(n)。如同先前所讨论的，所希望的是让干扰估算 接近于B(n)。估算J中的误差

因此由公式12给出。

       e(n)＝B(n)-W^HY(n)                (12)

从而，均方误差J_n(W)由公式13给出。

J_n(W)＝E[e(n)e*(n)]＝E[B(n)B*(n)]-W^HE[Y(n)B*(n)]-    (13)

                     [E[B(n)Y^H(n)]W+W^HE[Y(n)Y^H(n)]W

假定对于给出的抽点n，匹配雷达数据B(n)部分和失配距离多普勒传感器数据Y(n)部分是共同地稳定的，那么公式13可以被简化成公式14。

$J_n\left(W\right)={\mathrm{\σ}}_d^2\left(n\right)-p{\left(n\right)}^{H}W-W^{H}p\left(n\right)+W^{H}R\left(n\right)W---\left(14\right)$

其中，σ_d ²是假定它有零平均值的B(n)的变量，并且p(n)是预期数值E[Y(n)^H·B(n)]，它是由失配距离多普勒传感器数据Y(n)部分和匹配雷达数据B(n)部分产生的N乘1的矢量。符号R(n)表示预期数值E[Y(n)^H·B(n)]，其是失配距离多普勒传感器数据Y(n)部分的N乘N自相关矩阵。互相关p(n)指出匹配雷达数据B(n)和失配距离多普勒传感器数据Y(n)部分之间的相似度，同时自相关R(n)指出虚拟辅助阵列传感器的数据之间的相似度。

假定失配距离多普勒传感器数据Y(n)部分和匹配雷达数据B(n)部分是共同地稳定的，则均方误差函数J_n(W)是自适应加权矢量W的二次函数。目的是通过选择最佳的适应加权矢量W0，n来最小化均方误差函数J_n(W)。从而，所属领域的技术人员所熟知的是，均方误差J_n(W)对自适应加权矢量W被求导并且导数被设置为零，如公式15中所示。

$\frac{{\mathrm{dJ}}_n\left(W\right)}{\mathrm{dW}}=-2p\left(n\right)+2R\left(n\right)W=0---\left(15\right)$

公式15的解得到公式16给出的适应的加权W_0，n的最佳集。

R(n)W_0，n＝p(n)W_0，n＝R(n)^-1p(n)               (16)

为了实现噪声抑制模块102，自相关矩阵R(n)的估算和互相关矢量p(n)是需要的。用于R(n)和p(n)计算中的期望值算子E[]可以被替换为平均算子，这对于所属领域技术人员来说是熟知的。然而，取平均值应该在一部分其中存在最大量的外部干扰的数据上执行。此外，R(n)和p(n)必须用雷达数据中可能目标的能量扮演无意义角色的方法来估算。这是更可取的，因为主阵列传感器32和虚拟辅助阵列传感器共享相同的传感器。

参见图2，通过出现在-2和-4Hz之间的多普勒频率的隆起线可以看见，同信道干扰存在特定多普勒频率的整个距离空间。反之，参见图4，脉冲噪声在整个距离多普勒空间被传播。包括同信道干扰和脉冲噪声外部干扰的优良外部干扰估算可以通过在具有同信道干扰和脉冲噪声的重要重叠的区域上平均距离多普勒数据而获得。换言之，在其上执行平均的区域的形状优选地被选择以便它包括大多数干扰，从而对在给定多普勒频率上沿着距离维度的距离多普勒数据进行平均，由图15中示出的条128表示。替换地，这个条128可以是另一个形状(这由干扰的形状指示)。从而，在抽点n的互相关矢量p(n)可以沿着给定多普勒频率Dj的距离维度根据公式17估算：

其中，r表示距离标引以及N_r是平均处理中距离单元的数量。类似地，在抽点n的自相关矩阵R(n)可以沿着给定多普勒频率D_i的距离维度根据公式18被计算。

为了简化其余的说明，抽点标引(n)将被丢弃。

现在参见图16，其中示出本发明噪声抑制模块102的更详细框图。同时参考图17a，其示出噪声抑制模块102中不同节点处的雷达数据以简化根据本发明的模块102的操作阐明。预处理雷达数据104通过预处理元件操作由主阵列传感器32的多个传感器S₁，S₂，...，S_K记录的雷达数据而获得，如先前所述。执行这些预处理操作的模块没有在图16的框图中示出。预处理雷达数据104可以由距离传感器数据(由图16中的粗实线表示)的三维矩阵表示。此外，雷达数据104已经被优选地校准以校正每个传感器中已知的相位以及幅度误差。校准优选地通过让发射机被移动到监视区中不同的已知位置和发射主阵列传感器32记录的EM脉冲来实现。发射机的位置然后从记录的雷达数据被导出并且与发射机的已知位置相比较以提供具有用来主阵列传感器32记录的雷达数据的多个加权的校准矢量。校准矢量可以被产生用于不同的发射频率。

距离脉冲传感器数据104的构造在图17a中被示出，根据其中所示的x-y-z坐标，有沿着Z轴延长的距离维度，沿着Y轴延长的脉冲维度以及沿着X轴延长的传感器维度。优选地，雷达数据根据CIT被分段到时间段中。CIT可以是不同的给定的不同雷达操作模式，比如先前讨论的船只模式或空中模式。

距离矢量44和传感器矢量48先前地已经描述并且不会再进一步在此描述。脉冲矢量130包括一系列具有脉冲标引值P₁，P₂，...，P_M的脉冲单元，其包括传感器S1在每个在CIT中发射的脉冲的距离标引值R1的距离值记录的EM。从而，脉冲标引P1表示被发射的第一脉冲，脉冲标引P2表示被发射的第二脉冲，等等。脉冲矢量130内抽样的EM值在EM脉冲被发射之后同时全部被抽样(从而它们所有对应于由距离标引R1表示的距离值)。图17a也示出给定传感器的距离脉冲二维数据部分以示出雷达数据104是如何被组织的。从图17a显示的是，存在多个距离矢量44、脉冲矢量130以及传感器矢量48，它们构成了距离脉冲传感器雷达数据104。

预处理距离脉冲传感器数据104被提供到匹配滤波器模块108，匹配滤波器模块108匹配数据104以提供匹配的距离脉冲传感器数据132。匹配滤波器模块108优选地是具有传输功能的数字滤波器，它与被发射的EM脉冲相匹配。匹配滤波器模块108可以包括单一的数字滤波器，其沿着给定脉冲标引Pi和给定传感器Si的距离维度运行(即匹配滤波器在距离矢量上运行，比如来自雷达数据104的距离矢量44)。这个匹配滤波操作对每个脉冲标引Pi和每个传感器Si来执行。匹配滤波可以用一个连续方法来完成以便匹配滤波器的传输功能取决于正在被处理的脉冲回波而改变(即匹配唤起电流脉冲回波的EM脉冲)。替换地，匹配滤波器模块16可以包括一排数字滤波器，每个数字滤波器具有与一个被发射的EM脉冲相匹配的传输功能。然后，系统将输入脉冲回波切换到对应的匹配滤波器。

被发射的EM脉冲优选地设计成使用Frank码以对抗距离折返(Frank R.L，IEEE Trans.On IT，Vol.9，pp.43-45，1963)。从而，Frank码也被用来产生用于匹配滤波器模块108的过滤系数。Frank码被用来相位调制每个产生的EM脉冲，这是所述领域技术人员所熟知的。从而，给定的EM脉冲被分成子脉冲，每个都具有根据从Frank编码矩阵获得的Frank码的相位。产生的EM脉冲全部彼此正交，因为一排排Frank编码矩阵是正交的。P4 Frank矩阵的一个例子是P4＝[1111；1j-1j；1-1 1-1；1-j-1 j]，其中，矩阵的行由分号隔开。从而基于Frank P4 matrix的第四行的EM脉冲，例如，将有四个正弦波的子脉冲，分别具有相位0°、270°、180°和90°。此外，与这个EM脉冲匹配的匹配滤波器的系数应该具有和产生的EM脉冲相同的抽样，这些产生的EM脉冲复共轭并且反序。这可以对每Frank P4矩阵的每一行都重复以便将有4个清楚的EM脉冲和4个清楚的匹配滤波器。这四个清楚的EM脉冲将用连续的方式被发射，比如EM1、EM2、EM3和EM4(其中每个号数表示P4矩阵中的一行)。然后，雷达回波被对应的匹配滤波器处理。

其它基于P8、P16或P32矩阵的Frank码也可以被使用。然而，在P32矩阵的情况下，调相所需的相位将需要被精确产生，因为相位是更加接近并且这需要更昂贵的硬件。诸如巴克(Barker)码之类的其它码可以对于产生的EM脉冲的带宽的不同需求而被使用。

匹配的距离脉冲传感器数据132然后被提供给第一多普勒数据处理模块110，其处理数据以提供匹配的距离多普勒传感器数据134。第一多普勒数据处理模块106沿着匹配距离脉冲传感器数据132的脉冲维度(或脉冲领域)执行多普勒数据处理以提供匹配的距离多普勒传感器数据134。多普勒数据处理优选地包括用适当的窗口函数在每个脉冲矢量130上执行FFT以把每个距离标引值Ri的时间序列数据转换成频率系列。图17b说明匹配的距离脉冲传感器数据132转换到匹配距离多普勒传感器数据134。替换地，而不是使用FFT来实现多普勒数据处理，所属领域技术人员一般知道可以使用一排窄带滤波器。

匹配的距离多普勒传感器数据134然后被提供到传感器选择器112，其从匹配的距离多普勒传感器数据134选择用于给定传感器Si匹配距离多普勒数据。这个操作在图17c中被示出。传感器选择器112也提供选择的匹配距离多普勒传感器数据的B部分还用于如下所述的处理。

预处理距离脉冲传感器数据104还被提供给失配滤波模块116，其″失配″滤波雷达数据104来提供失配距离脉冲传感器数据136。失配滤波模块116优选地是具有传输功能数字滤波器，它被失配来发射EM脉冲。失配滤波模块116可以被实现并且以和匹配滤波器模块108产生失配距离脉冲传感器雷达数据136相同的方式运行在距离脉冲传感器数据上。然而，在这种情况下失配滤波使用拒绝被发射的EM脉冲的传输功能。从而，使用上述给出用于匹配滤波器模块108的例子，如果被发射的EM脉冲基于Frank P4矩阵第四行产生，则正弦波的子脉冲的相位将从Frank P4矩阵第四行之外的任何一行获得。产生的正弦序列于是将被反向以便获得失配滤波模块116中失配滤波的系数。从而，如果P4矩阵的行依次被用来重复地提供一系列EM脉冲，则在失配滤波模块116中一系列失配滤波将被需要来处理这些EM脉冲中每个的回波，因此失配滤波输出是与由匹配滤波器模块108产生的匹配滤波器输出无关联的。

失配距离脉冲传感器数据136然后被提供给第二多普勒数据处理模块118，其处理数据以产生失配距离多普勒传感器数据138。第二多普勒数据处理模块118用类似第一多普勒数据处理110的方式被实现并且不会再进一步论述。

第二处理模块114还包括辅助阵列选择器120，其提供用于构造虚拟辅助传感器阵列的失配距离多普勒传感器数据。参见图17d，这对应于采取失配距离多普勒传感器数据138，把数据138分成二维削波140，142，...，144，并且选择这些削波的子集(即选择L削波)，它们然后被串联以形成失配距离多普勒传感器数据146。有助于数据146的传感器系列被称为虚拟辅助阵列传感器，具有传感器A1，A2，...，AL(未示出)。辅助阵列选择器120也提供失配距离多普勒传感器数据146的Y部分用于如下所述的进一步处理。

如上所述，虚拟辅助阵列传感器可以从来自主阵列传感器32的有助于雷达数据104的所有或一个子集构造。如果虚拟辅助阵列传感器包括主阵列传感器的一个子集，则一个状态将优选地被满足。虚拟辅助阵列传感器的孔径尺寸应该和主阵列传感器32的孔径尺寸一样。这意指空间地面向有助于雷达数据104的主阵列传感器32中的传感器的最左和最右将也是最左和最右空间地面向虚拟辅助传感器阵列中的传感器。此外，给定固定的主阵列传感器32，在噪声抑制模块102的操作之前，虚拟辅助阵列传感器可以被预先决定。从而，在噪声抑制模块102的操作过程中，虚拟辅助阵列传感器中的传感器可以由给定虚拟辅助传感器阵列中所期望的传感器数目的查询表提供。查询表指出主阵列传感器32中每个辅助传感器阵列Ai的位置。

尽管图16中的框图示出辅助阵列选择器120被连接在第二多普勒数据处理模块118和自适应波束形成器122之间，辅助阵列选择器120的位置可以为了更有效的信号处理而被改变。例如，辅助阵列选择器120可以被放置在失配滤波模块116和第二多普勒数据处理模块118之间。替换地，辅助阵列选择器122可以在失配滤波模块116之前被放置。

噪声抑制模块102还包括与第二处理模块114和第一处理模块106通信的自适应波束形成器122。自适应波束形成器122包括自相关矩阵计算器148、矩阵逆变器150、互相关器152、加权计算器154和如图16中所示连接的辅助波束生成器156。

自相关矩阵计算器148从虚拟辅助阵列传感器接收失配距离多普勒传感器数据Y并且根据公式18(即R_Y＝Y^H·Y)产生自相关矩阵R_Y。参见图17e，雷达数据Y部分对应于用于给定多普勒标引D_i的距离传感器数据的二维削波。因此，雷达数据Y部分是具有N乘L维度的矩阵(即N个距离单元和L个传感器)。自相关矩阵计算器148通过在矩阵Y和矩阵YH之间执行矩阵乘法产生自相关矩阵R_Y。自相关矩阵Ry的维度是L乘L(即L行和L列)。

矩阵逆变器150接收自相关矩阵RY并且通过使用任何一般为所属领域技术人员所知的倒置装置来执行矩阵求逆以获得逆自相关矩阵P＝R_Y ^-1。如果雷达数据Y部分没有包括许多噪声，则自相关矩阵R_Y可能是行列不足的。这可以通过计算自相关矩阵R_Y的条件数来确定。在这种情况中，伪逆的运算符可以被使用来获得倒转自相关矩阵P。倒转自相关矩阵P的维度是L乘L。获得条件数和R_Y伪逆所需的公式为所属领域技术人员所熟知。

互相关器152从虚拟辅助阵列传感器接收失配距离多普勒传感器数据Y部分以及从第一处理模块106接收匹配距离多普勒数据B部分，并且按照公式17来计算互相关矢量Q(即Q＝Y^H·B)。再次参见图17e，雷达数据B部分是用于给定传感器S_i和对应数据Y部分的相同多普勒标引D_i的距离矢量。数据B部分具有N乘1的维度。互相关器152执行矩阵乘法以产生具有维度为L乘1的互相关矢量Q(即(L乘N)*(N乘1)＝L乘1)。

加权计算器154接收互相关矢量Q和逆自相关矩阵P并且通过根据公式16执行矩阵乘法来产生自适应加权矢量W。从而，自适应加权矢量W是一行具有L乘1维度的矢量。辅助波束生成器156接收自适应加权矢量W和雷达数据Y部分并且根据公式19产生雷达数据B部分中干扰I的估算。

           I＝W^H·Y                     (19)

从而，干扰估算I是具有1乘N维度的矢量。

噪声抑制模块102还包括抑制器124，抑制器124包括减法器158和与减法器158通信的最小化器160。减法器158接收雷达数据B部分和外部干扰估算I并且根据公式20提供矢量或减法信号T。

           T＝B-I                       (20)

最小化器160接收矢量T和雷达数据B部分并且根据公式21产生噪声抑制匹配距离多普勒数据B_R的部分：

           B_R＝min(B，T)                (21)

其中，运算符min()通过调整两个矢量B和T被定义，从矢量B中的单元取一个值，从矢量T中相同的单元取一个值并且把这两个值中最小的放置在图17f所示的矢量B_R中的相同单元中。这个操作对矢量B和T中所有的单元重复。

现在参见图17g，其中示出一系列矢量(其也可以被称为数据序列或信号)，其参与阐明抑制器124的功能。对于给定雷达数据B部分和外部干扰估算I，矢量T通过矢量减法产生。然而，寄生噪声162出现在外部干扰估算I的可能性是存在的。由失配滤波模块116的操作产生的寄生噪声162也被包括在矢量T内。从而，矢量T不能直接用作噪声抑制匹配雷达数据BR的部分。而是，矢量T和雷达数据B部分被最小化器160处理，最小化器160排列两个矢量B和T并且在如先前所述地构造矢量BR时选择这两个矢量的最小元件。因此如果外部干扰估算I内存在任何寄生噪声162，则最小化器160将除去它。

现在参见图17h，矢量BR被用来构造噪声抑制匹配雷达数据164。噪声抑制雷达数据164内矢量BR的位置与图17e中示出雷达数据内的矢量B的位置相同。从而，噪声抑制雷达数据164每次被增加一个距离矢量。用这种方式，对于给定的传感器Si，数据B部分可以被获得用于给定的多普勒标引Di并且外部干扰估算I被计算用于相同的多普勒标引以提供上述的一部分噪声抑制数据BR。这个操作然后为了选择的传感器Si沿着多普勒维度被重复(即对每个多普勒标引)直到所有的多普勒标引都已经被处理。下一个传感器的距离多普勒数据然后被通过传感器选择器112选择并且用相同方式处理。这个操作一直被重复到所有的距离多普勒数据RD₁、RD₂，...，RD_K都已经被噪声抑制模块102处理以便构造噪声抑制雷达数据164(对应传感器S₁，S₂，...，S_K的距离多普勒数据信号RD₁、RD₂，...，RD_K从中被获得)。

现在参见图18，其中示出噪声抑制方法170，用于根据本发明的噪声抑制模块102来抑制雷达数据中的噪声。雷达数据已经被主阵列传感器32根据CIT在一段时间内抽样并且已经被预处理以及如上所述被校准。CIT的持续时间根据雷达运行模式被设置。噪声抑制方法170从步骤172开始，其中，距离脉冲传感器雷达数据104是上述的匹配滤波器。下一步174是在匹配滤波距离脉冲传感器数据上执行多普勒数据处理以提供匹配距离多普勒传感器数据。先前提到，多普数据处理可以包括用适当的窗口函数或使用滤波器组处理来执行FFT。下一步176将选择匹配距离多普勒数据用于传感器Si。

在步骤178，失配滤波在距离脉冲传感器雷达数据104上被执行。下一步180将在失配滤波距离脉冲传感器数据上执行多普勒数据处理以提供失配距离多普勒传感器数据。下一步182将选择从主阵列传感器32给定传感器的虚拟辅助阵列传感器，其有助于距离多普勒传感器数据信号104。从而，步骤178到182可以被概述为提供失配距离多普勒传感器数据以用于给定距离脉冲传感器数据的虚拟辅助阵列传感器，距离脉冲传感器数据从主阵列传感器32被导出。先前提到，虚拟辅助阵列传感器的选择可以出现在多普勒数据处理步骤180之前或在失配滤波步骤178之前以用于更有效的信号处理。

在步骤182，雷达数据B和Y部分被选择。雷达数据B从被选择用于给定传感器S_i匹配距离多普勒数据中被选择并且是用于给定的多普勒标引的距离矢量。雷达数据Y从虚拟辅助阵列传感器的失配距离多普勒传感器数据被选择并且对于雷达数据B的相同多普勒标引来说是距离传感器数据的二维削波。

噪声抑制方法170的下一个系列步骤186到198在失配距离多普勒传感器数据Y部分上执行自适应定向信号形成以提供匹配距离多普勒数据B部分中外部干扰的估算I。自适应定向信号形成开始于步骤186，其中，雷达数据Y的自相关矩阵R_Y(R_Y＝Y^H·Y)被计算。在步骤188，逆自相关矩阵P(P＝RY^-1)被计算。噪声抑制方法170然后移到步骤190，其中，互相关矢量Q(Q＝Y^H·B)被计算。自适应加权矢量W然后在步骤192基于逆自相关矩阵P和互相关矢量Q被计算(W＝P·Q)。匹配距离多普勒数据B部分内的外部干扰I的估算I(I＝W^H·Y)然后在步骤194被计算。

噪声抑制方法170然后移到步骤196和198，其中，外部干扰估算I和匹配距离多普勒数据B部分被用来获得噪声抑制匹配距离多普勒数据的BR部分。在步骤196，外部干扰估算I从匹配距离多普勒数据B部分中被减去以形成矢量或减法信号T。接下来在步骤198，匹配距离多普勒数据B部分中的给定元件被与在矢量T中相同位置的元件相比较并且这两个元件的最小值在相同位置被存储在噪声抑制匹配距离多普勒数据BR部分中。这对雷达数据B中的每个元件都重复。只要噪声抑制匹配距离多普勒数据已经被构造，则它就在存储装置126中被存储在它的恰当位置中。

噪声抑制方法170的下一步200将确定是否存在更多的雷达数据要处理。如果没有更多的雷达数据要处理，则噪声抑制方法170结束。在此(步骤204)，噪声抑制数据可以被用于频谱产生方法60以产生至少多个高分辨率频谱24中的一个。另外，下一步202将从虚拟辅助阵列传感器更新波束形成的距离多普勒数据B部分和失配距离多普勒传感器数据Y部分。更新如预先阐明的那样被执行用于噪声抑制模块102。然后步骤186到200被重复。

在一定条件下，很强的电离层噪声可能在产生的对于给定传感器S_i的距离多普勒数据中以水平条形式出现。这表现为在给定距离标引多个距离多普勒单元中的干扰。在这种情况中，更可取的是在自相关矩阵R_Y和互相关矩阵Q的计算中避免来自这些距离多普勒单元的雷达数据，因为这些污染的距离多普勒单元可能损害自适应波束形成器122的性能。从计算除去被污染数据的一个方法是使用中值滤波器，其计算距离矢量B’的中值(M)并且根据公式22产生阈值(λ)：

              λ＝v·M                      (22)

其中，v表示常数值。距离矢量′中的数据然后可以根据公式23被中值滤波。

OB(i)＝B’(i) if B’(i)＜λ

OB(i)＝O if B’(i)＞λ                      (23)

从而，B中的所有在阈值λ上的值都将在OB中被设置为零。

现在参见图19，其中示出的是一个噪声抑制模块210，它合并耦合到第一处理模块106和自适应波束形成器122上的一个中值滤波器模块212。噪声抑制模块210的余下部分类似于噪声抑制模块102并且将不论述。中值滤波器模块212对于一个给定传感器S_i对匹配的距离多普勒数据214执行中值滤波。中值滤波器模块212优选地使用值为1.75的常数v。这个值被经验地确定并且如果结果不令人满意，则可以改变这个值。例如，可能存在电离层杂波非常严重的情况，在这种情况下常数v的值必须被减少以除去更多的电离层杂波。中值滤波器模块212可以对每个组成匹配距离多普勒数据214的距离矢量按逐列方式运行。被中值滤波的匹配距离多普勒数据一部分的矢量OB被提供到自适应波束形成器122以便外部干扰估算可以被产生并且如上所述从匹配雷达数据部分中减去。

作为一个替换，其它次序的统计过滤法可以被用来代替中值滤波。一个这类例子包括选择常数整数g(即比如g＝15)，在矢量B1中排序值，除去g的最高和最低值，平均剩余的值以获得平均值然后通过将平均值乘以一个常数来产生阈值。B′中高于这个阈值的值被设置为零。通常，滤波器可以被设计成能通过检查干扰统计、带宽和其它特征来防止非期望信号。从而，中值滤波器模块212通常可以由次序统计的滤波器模块来表示。

现在参见图20，其中示出一个替换的噪声抑制方法220，其合并中值滤波步骤222以对给定的传感器S_i在匹配的距离多普勒雷达数据上执行中值滤波，如上所述。噪声抑制方法220的余下部分和噪声抑制方法170一致并且不会被描述。代替中值滤波的另一个次序统计的过滤法可以如上所述被使用。

现在参见图21a，其中示出雷达数据的常规波束形成的距离多普勒图的例子，其不使用本发明的噪声抑制方法170而被获得。雷达数据在秋季被记录并且具有在83km距离并且方位角为8°的船目标230(在图21a中不可见)。雷达数据被外部干扰严重地污染。现在参见图21b，其中示出图21a雷达数据的高分辨率距离多普勒图，其没有使用本发明的噪声抑制方法170被频谱生成器10产生。图21c和21d分别示出在船目标230的距离沿着图21a和21b多普勒维度的削波。船目标230在图21a到21d中的任何图中都不可见。

现在参见图22a到22d，图22a示出图21a雷达数据的距离多普勒图，其在采用本发明的噪声抑制方法170之后由常规波束形成器产生。图22b示出图21a雷达数据的高分辨率距离多普勒图，其由本发明的频谱生成器100结合降噪模块102产生。在两个距离多普勒图中，船目标230是可见的。图22c和22d分别示出在船目标230的距离沿着图22a和22b的多普勒维度的削波。船目标230仅仅可以在图22c中被看见。然而，图22d示出船目标230的强信号。本发明的噪声抑制方法170以及频谱估计方法60的使用把目标230的SSCR增加到15dB。这些结果也建议噪声抑制方法170可以和诸如常规基于FFT的波束形成之类的其它频谱估算器一起使用，如刚才所示。

目标探测中的另一个困难是由大量噪声围绕的目标带来的低SSCR结果。因为目标的SSCR很低，所以目标会具有很低的空间相关性。从而，目标的信号功率可能不再出现在信号子空间中而将出现在噪声子空间中。为了使本发明的频谱估计方法60对低的目标更加敏感，一个方法是使用对应更多到较小奇异值的本征矢量来形成噪音子空间(即只有那些更多空间地朝着白噪声的本征矢量)。给定一固定数量的、有助于距离多普勒数据信号RD₁、RD₂，...，RD_K的传感器，噪声子空间的维度可以被预先决定并且在维度选择器54内被设置。这将增加基于子空间的频谱产生方法的的灵敏度。从而，具有不良空间相关性的目标将在高分辨率距离多普勒图中被增强并且接着由雷达探测到。然而，由于不正确地增强具有不良空间相关性的杂波，这个方法也可能增加探测击中(hit)的数量，雷达可能错误地把杂波当成一个目标。从而，这个方法让目标从背景噪声中显露出来，然而它也由于具有不良空间相关性的干扰而增加了误报警率。

现在参见图23a到23d，其中示出包括具有大约7dB的低SSCR的目标232的雷达数据。雷达数据在夏季过程中被记录。图23a示出由常规基于FFT的波束形成器产生的雷达数据的距离多普勒图。目标232仅仅在图23a中可见。图23b示出在目标232的距离沿着图23a的距离多普勒图的多普勒维度的削波。目标232恰好可见高于背景噪声。图23c示出在目标232的多普勒频率沿着图23a的距离多普勒图的多普勒维度的削波。同样，目标232恰好可见高于背景噪声。图23d示出在目标232的距离和多普勒频率，图23a中示出雷达数据的方位角的图。

现在参见图24a到24d，其中示出从没有结合噪声抑制模块102的频谱生成器10产生的图21a的雷达数据图。噪声子空间的大小已经被设置为最小的奇异值13。图24a示出由频谱生成器10产生的雷达数据的高分辨率距离多普勒图。目标232在图24a中可见并且具有6dB的SSCR。图24b示出在目标232的距离沿着图24a的距离多普勒图的多普勒维度的削波。与图23b相比较，目标232更明显地可见高于背景噪声。图24c示出在目标232的多普勒频率沿着图24a的距离多普勒图的多普勒维度的削波。同样，与图23c相比较，目标232明显地可见高于背景噪声。图24d示出在目标232的距离和多普勒频率，图24a中示出雷达数据的方位角的图。在图24b和24c中，目标的可探测性已经由于海洋杂波和干扰杂波的抑制而被增强。

为了增强图22和23的雷达数据中的目标232，用来产生噪声子空间的奇异值被限于最小的奇异值5。现在参见图25a到25d，其中示出使用最小的奇异值5来构造噪声子空间而没有结合噪声抑制模块102，从频谱生成器10产生的图22a的雷达数据图。图25a示出雷达数据的高分辨率距离多普勒图。目标232在图25a中可见并且具有12dB的SSCR。然而，目标增强没有大大地提高，这是由于许多对应于不良空间相关的杂波的假目标的增强。图25b示出在目标232的距离沿着图25a的距离多普勒图的多普勒维度的削波。图25c示出在目标232的多普勒频率沿着图25a的距离多普勒图的多普勒维度的削波。图25d示出在目标232的距离和多普勒频率，图25a中示出雷达数据的方位角的图。角精度已经比图24d中示出的角精度大大地被提高了。

现在参见图26，其中示出频谱生成器240的另一个替换实施例，它具有与协方差矩阵计算器14和子空间计算器16通信的协方差矩阵平滑器。协方差矩阵平滑器242被引入来增强可能目标(由此目标可探测性)的雷达特征标，其通过基于至少一个向前空间平滑、后向空间平滑和向前/后向空间平滑来空间地平滑协方差矩阵估算C_est，如下进一步所示。此外，在频谱生成器240中，矩阵发生器18′的位置产生位置稍有不同的矩阵A′，如下进一步所述。频谱生成器240的剩余部分和频谱生成器10一致并且不被论述。

在HFSWR中，使用Frank补码来产生EM脉冲并且对应的匹配滤波器以及本发明的噪声抑制方法170帮助减少高分辨率距离多普勒图中的海洋杂波的存在和强空间相关的外部干扰。然而，由于传遍距离多普勒频谱的多路径传播结果，高分辨率距离多普勒图仍然包括具有不良空间相关性的外部干扰和大气噪声并且降低可能目标的可探测性。空间平滑可以被用来减少这类噪声。

空间平滑最初被发展来估算多重信号的到达方向(Evans及其它，(1982)，″Application of advanced signal processing techniques toangle of arrival estimation in ATC navigation and surveillancesystem″，Report 582，M.I.T.Lincoln Lab，Lexington，MA，1982)。然而，发明者已经发现空间平滑还增强低SCR环境中目标的目标幅度并且增加方位角的精确，而没有误报警率中的相应增多。空间平滑还有利于阐明基于子空间的谱估计技术的主要缺点，其不能完全地处理相关的(或高度相关)信号，这类信号实际上往往经常由于为所属领域技术人员所知的多路径传播而出现。

协方差矩阵平滑器242在协方差矩阵估算C_est上执行空间平滑来产生空间平稳矩阵C_SMest。结合平稳的协方差矩阵估算C_SMest到本发明的基于子空间的频谱估算器10中，这使得不管噪音的相关特性而识别目标成为可能。向前空间平滑方法需要大量的传感元件来区分已知数的目标(例如需要2G个传感器来区分G个目标)。然而，通过同时利用正向和反向平滑，如果主阵列传感器32中存在3G/2个传感元件，则区分G个目标是可能的(Pillai及其它，″Forward/Backward spatial smoothing techniques for coherent signalidentification″，IEEE Trans.On ASSP，37(1)，pp.8-15，1989；Friedlander及其它，″Direction finding using spatial smoothing with interpolatedarrays″，IEEE Trans.On AES，28(2)，pp.574-587，1992)。在空间平滑过程中，在子阵列大小和被执行的平均数量之间存在一个权衡。子阵列的大小确定可解析的目标的数量，而平均的数量确定可增强的目标的数值。

空间平滑可以通过形成传感器的均匀重叠子阵列来执行，传感器来自具有K个传感器的主阵列传感器，每个子阵列具有K+1-G个传感器。然后，每个子阵列的协方差矩阵被产生(从而存在G个子矩阵)和平均来提供空间平滑的协方差矩阵估算C_SMest。如先前在此所述(即公式6)，影响空间平滑的替换方法将产生协方差矩阵估算C6st，然后分割协方差矩阵C_est到G个子矩阵中，G个子矩阵然后被平均以获得平滑的协方差矩阵估算C_SMest。优选地被协方差矩阵平滑器242使用的空间平滑的执行过程是刚才描述的后一个空间平滑方法。

向前空间平滑包括根据公式24到26形成向前协方差矩阵估算

$C_{F,1}^{(K+1-G)x(K+1-G)}=C^{\mathrm{KxK}}(1:(K+1-G),1:(K+1-G))---\left(24\right)$

$C_{F,2}^{(K+1-G)x(K+1-G)}=C^{\mathrm{KxK}}(2:(K+1-G+1),2:(K+1-G+1))---\left(25\right)$

                   

$C_{F,G}^{(K+1-G)x(K+1-G)}=C^{\mathrm{KxK}}(G:K,G:K)---\left(26\right)$

公式24到26可以大体上用公式27来表示

$C_{F,i}^{(K+1-G)x(K+1-G)}=C^{\mathrm{KxK}}(i:(K+1-G+i-1),i:(K+1-G+i-1))---\left(27\right)$

其中，上标(K+1-G)×(K+1-G)表示协方差子矩阵的维度(即K+1-G是每个子阵列中传感器的数量)和注释C_F，L＝C(G:K，G:K)意指子矩阵C_F，L由C中的子矩阵形成，其从第G行开始和在第K行结束以及从第G列开始和在第K列结束。向前空间平稳的协方差矩阵估算C_FS然后将根据公式28被计算。

$C_{\mathrm{FS}}=\frac{C_{F,1}+C_{F,2}+...+C_{F,G}}{G}---\left(28\right)$

后向空间平滑包括根据公式29到31形成后向协方差矩阵估算。

$C_{B,1}^{(K+1-G)x(K+1-G)}=C^{\mathrm{KxK}}(K:G,K:G{)}^{*}---\left(29\right)$

$C_{B,2}^{(K+1-G)x(K+1-G)}=C^{\mathrm{KxK}}(\left(K-1\right):(G-1),(K-1):(G-1{)}^{*}---\left(30\right)$

$C_{B,G}^{(K+1-G)x(K+1-G)}=C^{\mathrm{KxK}}((K+1-G):1,(K+1-G):1{)}^{*}---\left(31\right)$

公式29到31可以大体上由公式32表示。

$C_{B,i}^{(K+1-G)x(K+1-G)}=C^{\mathrm{KxK}}(\left(K+1-i\right):(G+i-1),(K+1-i):(G+1-i){)}^{*}---\left(32\right)$

后向空间平稳的协方差矩阵cb，j的复共轭由符号*表示。后向空间平稳的协方差矩阵估算CBs然后根据公式33来计算。

$C_{\mathrm{BS}}=\frac{C_{B,1}+C_{B,2}+...+C_{B,G}}{G}---\left(33\right)$

向前/向后空间平滑受到使用向前协方差矩阵估算和后向协方差矩阵估算的影响。从而，向前/向后空间平稳的协方差矩阵CFBs可以根据公式34来计算：

$C_{\mathrm{FBS}}=\frac{C_{\mathrm{FS}}+C_{\mathrm{BS}}}{2}---\left(34\right)$

协方差矩阵平稳242可以根据任何一个向前、后向和向前/向后平滑方法来执行空间平滑。然而，向前/向后空间平滑是更可取的。无论哪种方法被用于空间平滑，只要空间平滑协方差矩阵估算C_SMest被计算，则子空间计算器16就对平滑协方差矩阵C_SMest操作以产生已经被空间平滑的噪声子空间矩阵估算N_est，因为协方差矩阵估算C_SMest已经被空间平滑。频谱生成器240的剩余部分类似地操作频谱生成器10，除了定位矩阵发生器18′根据公式35来计算位置矩阵A′：

       A′＝[A′_θ1，A′_θ2，A′_θ3，...A′_θZ]-π≤θ_i≤π       (35)

其中，元件A′_θi是由公式36给出的矢量

       A′_θi＝[1e^{j2π(d/λ)sin(θi)}e^{j4π(d/λ)sin(θi)}...e^{j2π(K-G)d/λsin(θi)}]^T     (36)

从而，位置矩阵A′具有(K-G)乘Z的维度。

接下来参见图27，其中示出根据频谱生成器240的频谱产生方法250的一个实施例。频谱产生方法250除了两个差别之外类似于频谱产生方法60。频谱产生方法在步骤64′中根据公式35和36而不是根据公式8和9来产生位置矩阵A′。其次，频谱产生方法250包括步骤252，其对协方差矩阵估算C_est执行空间平滑以产生空间平滑的协方差矩阵估算C_SMest，然后C_SMest被用于计算噪声子空间矩阵估算N_est。方法250的剩余部分与频谱估计方法60一致以及不会进一步论述。

现在参见图28a，其中示出由实图表示的雷达数据的多普勒图，包括由虚线表示的模拟目标260(单一传感器的雷达数据在图28a中示出)。雷达数据在夏季过程中被记录。目标260的幅度被调准以提供0dB的SSCR和目标260的方位角被调准到-34°方位角。

接下来参考图28b，其示出具有由虚图表示的模拟目标260的图28a雷达数据的多普勒图(即对单一传感器)，和示出具有由实图表示的模拟目标260的常规基于FFT波束形成数据的多普勒图。SSCR中的轻微改进大约是3dB。然而，目标260的可探测性继续遭受环绕的背景噪声。

现在参见图29a到29c，本发明的频谱估计方法60然后被应用于图28b中示出的雷达数据。噪声子空间使用协方差矩阵估算的较小奇异值13被形成。图29a示出在目标260的距离产生的高分辨率多普勒图。图29b示出在目标260的多普勒频率产生的高分辨率距离并且图29c示出在目标260的距离和多普勒频率的高分辨率方位角的图。目标260现在具有5dB的SSCR并且由于在信号子空间的计算过程中抑制了杂波已经被增强。

现在参见图30a到30c，结合空间平滑的本发明的频谱估计方法250然后被应用于图28b中示出的雷达数据。向前后向空间平滑方法被用来平滑协方差矩阵估算。图30a示出在目标260距离产生的高分辨率多普勒图。图30b示出在目标260的多普勒频率产生的高分辨率距离并且图30c示出在目标260的距离和多普勒频率的高分辨率方位角的图。现在，目标260具有20dB的SSCR并且目标260的幅度已经相当地被增加。

现在参见图31a到31d，使用向前/向后空间平滑和基于最小奇异值13的噪声子空间的频谱估计方法250的性能用相同的雷达数据来估算，图24a到24d的高分辨率图从这些雷达数据上产生。图24a到24d使用具有13奇异值的频谱估计方法被产生，奇异值13被用来确定噪声子空间。图31示出高分辨率距离多普勒图。图31中的杂波没有图24a中的那么多。图31b示出在目标232的距离的高分辨率多普勒图。图31c示出在目标232的多普勒频率的高分辨率距离图。图31d示出在目标2 32的距离和多普勒频率的高分辨率方位角的图。当比较图31b和图24b，图31c和图24c以及图31d和图24d的时候，空间平滑的使用已经相对于每个多普勒距离和方位角的图中的环绕背景噪声增强了目标232的幅度。目标232具有大约23dB的SSCR。

在此描述的不同频谱生成器的实施例可以结合成一个频谱生成器。现在参见图32，其中示出频谱生成器270的一个替换实施例，其中，频谱生成器10与噪声抑制模块102以及协方差矩阵平滑器242结合。频谱生成器270包括高分辨率谱估计、外部干扰抑制以及空间平滑的噪声抑制好处。频谱生成器270的元件已经被预先地描述并且将不再进一步论述。

在此描述的不同频谱产生方法的实施例也可以被结合成一个频谱产生方法。现在参见图33，其中示出频谱产生方法的一个替换实施例，其中，频谱产生方法10与噪声抑制方法170以及空间平滑步骤252结合。所有这些步骤已经被预先地描述并且将不再进一步论述。

在此描述的频谱生成器10、100、240和270以及频谱产生方法60、170、250和280也可以被应用于均匀圆型阵列，其是具有以圆型方式定位的天线单元阵列。从而，均匀圆型阵列可能具有形成圆型或一段圆型的天线单元。图34示出线性阵列(图34a)和均匀圆型阵列(图34b)。在均匀圆型阵列的情况下，阵列簇或位置矩阵A中的每个位置矢量是根据公式37和38的和θ的函数：

A＝[A_1，A_2，A_3，...，A_Z]，-π≤_i≤π      (37)

其中，n＝1，2，...，N，R是由均匀圆型阵列定义的圆型范围，和N≤2πR/d，其中，不同元件在图34c中被示出。符号θ是海拔并且被0和90度界定。符号是方位角并且被0和360度界定。符号r是波单位矢量。均匀圆型阵列的天线单元将是全方向的。均匀圆型阵列可以被安装在小岛中或大型船只上来提供及至360度方位角的覆盖范围以及估算目标高度角度。本发明的高分辨率技术能与均匀圆型阵列一起被使用来增加雷达角分辨率和提高海洋杂波抑制，其通过把公式37和38给出的位置矩阵A带入上面所示出的适当公式中。

在此描述的频谱生成器10、100、240和270的元件可以经由任何本技术领域中已知的装置来实现，不过诸如数字信号处理器之类的专用硬件的使用是更可取的。替换地，诸如滤波器、比较器、乘法器、移位寄存器、内存等等之类的分立元件也可以被使用。此外，频谱生成器10、100、240和270的某些元件可以用相同的结构来实现。例如，第一多普勒数据处理模块106和第二多普勒数据处理模块114可以是相同的结构。

替换地，经由可以被写入Matlab、C、C++、Labview或任何其它适当的嵌入计算机可读媒体程序语言的计算机程序，在具有操作系统和实现频谱生成器10、100、240和270所必需的相关硬件和软件计算平台上，在此公开的替换实施例元件可以优选地被实现。计算机程序将包括适应于执行不同频谱产生方法60、170、250和280的步骤的计算机指令。计算机程序可以包括擅长面向对象编程的技术人员所知的模块或类别，其根据频谱生成器10、100、240和270的结构被实现和构架。从而，分开的软件模块可以为频谱生成器10、100、240和270中的每个元件来设计。替换地，这些元件的功能可以被结合到适当的最少数量的软件模块中。

应当理解，在此描述和说明的优选实施例可以在不背离本发明的前提下做出不同的修改，本发明的范围在附加的权利要求中被定义。

Claims (50)

1、一个雷达频谱生成器，包括：

a)用于生成窗口的窗口生成器，所述窗口定义多个距离多普勒单元；

b)与所述窗口生成器通信的协方差矩阵计算器，用于利用预先处理的距离多普勒传感器数据中为所述窗口中感兴趣距离多普勒单元计算协方差矩阵估计，其中，由为所述窗口内的所述多个距离多普勒单元的至少一部分计算出的协方差矩阵中获得所述协方差矩阵估计；和，

c)与所述协方差矩阵计算器通信的频谱计算器，用于基于位置矩阵和噪声子空间矩阵估计来计算高分辨率频谱矢量，所述噪声子空间矩阵估计从所述协方差矩阵估计中导出。

2、权利要求1的频谱生成器，其中：所述协方差矩阵计算器根据所述协方差矩阵的加权平均来生成所述协方差矩阵估计，并且所述窗口生成器定义用于所述加权平均中的加权。

3、权利要求2的频谱生成器，其中：所述窗口生成器根据雷达操作模式改变所述窗口的尺寸。

4、权利要求2的频谱生成器，其中：所述窗口生成器根据雷达操作模式改变所述窗口的加权。

5、权利要求2的频谱生成器，其中：所述窗口至少具有两个区域，包括在所述窗口内部的第一区域和所述第一区域周围的第二区域，其中所述第二区域中的加权小于或等于所述第一区域中的加权。

6、权利要求2的频谱生成器，其中：所述窗口具有三个区域，包括在所述窗口内部的第一区域、所述第一区域周围的第二区域以及所述第一区域周围的第三区域，其中所述第二区域中的加权小于或等于所述第一区域中的加权并且所述第三区域中的加权小于等于所述第二区域中的加权。

7、权利要求1的频谱生成器，其中：所述频谱生成器还包括：

a)与所述协方差矩阵计算器通信的子空间计算器，用于接收所述协方差矩阵估计并至少基于所述协方差矩阵估计的噪声子空间的一部分来计算所述噪声子空间矩阵估计；和

b)与所述频谱计算器通信的位置矩阵生成器，用于生成具有至少一个位置矢量的所述位置矩阵，所述至少一个位置矢量定义生成所述高分辨率频谱矢量的方位角。

8、权利要求7的频谱生成器，其中：所述子空间计算器包括：

a)SVD模块，用于接收所述协方差矩阵估计并对其执行奇异值分解；

b)与所述SVD模块通信的维度选择器，用于为所述噪声子空间选择一个维度b；和，

c)与所述维度选择器和所述SVD模块通信的噪声子空间矩阵计算器，用于计算所述噪声子空间矩阵估计。

9、权利要求1的频谱生成器，其中：所述频谱计算器用于根据 ${\mathrm{MUS}}_{\mathrm{RDC}}=\frac{1}{\mathrm{diag}(A^H\·N_{\mathrm{est}}\·{N_{\mathrm{est}}}^H\·A)}$ 来计算所述高分辨率频谱矢量：

在此，A是所述位置矩阵，而N_est是所述噪声子空间矩阵估计。

10、权利要求9的频谱生成器，其中：位置矩阵A中的位置矢量A_θi由A_θi＝[1e^{j2π(d/λ)sin(θi)}e^{j4π(d/λ)sin(θi)}...e^{j2π(K-1)(d/λ)sin(θi)}]^T给出，在此，d是提供所述距离多普勒传感器数据的线性阵列的间隔，K是线性阵列中的传感器数目，θ是方位角而K是发射的雷达脉冲的波长。

11、权利要求9的频谱生成器，其中：位置矩阵A中的位置矢量A_i(φ，θ)由 给出，

在此，d是均匀循环阵列中的相邻传感器之间的圆型间隔，N是均匀圆型阵列中的传感器数目，φ是方位角，θ是仰角而R是均匀圆型阵列的半径。

12、权利要求1的频谱生成器，其中：所述频谱生成器还包括一个与所述协方差矩阵计算器通信的协方差矩阵平滑器，用于通过平均两个或更多正向协方差矩阵来平滑所述协方差矩阵估计，在此，根据C_Fi＝C_est(i:(K+1-G+i-1)，i:(K+1-G+i-1))从所述协方差矩阵估计(C_est)中获取每个正向协方差矩阵(C_Fi)。

13、权利要求1的频谱生成器，其中：所述频谱生成器还包括一个与所述协方差矩阵计算器通信的协方差矩阵平滑器，用于通过平均两个或更多反向协方差矩阵来平滑所述协方差矩阵估计，在此，根据C_Bi＝C*((K+1-i):(G+1-i)，(K+1-i):(G+1-i))从所述协方差矩阵估计(C_est)中获取每个反向协方差矩阵(C_Bi)。

14、权利要求1的频谱生成器，其中：所述频谱生成器还包括一个与所述协方差矩阵计算器通信的协方差矩阵平滑器，用于通过平均至少一个正向协方差矩阵和至少一个反向协方差矩阵来平滑所述协方差矩阵估计，在此，根据C_Fi＝C_est(i:(K+1-G+i-1)，i:(K+1-G+i-1))和C_Bi＝C*((K+1-i):(G+1-i)，(K+1-i):(G+1-i))从所述协方差矩阵估计(C_est)中获取每个正向协方差矩阵(C_Fi)和每个反向协方差矩阵(C_Bi)。

15、权利要求1的频谱生成器，其中：所述频谱生成器还包括一个与所述协方差矩阵计算器通信的噪声抑制模块，用于向所述协方差矩阵计算器提供噪声抑制了的雷达数据来代替所述预先处理的距离多普勒传感器数据，所述噪声抑制模块估计所述预先处理的雷达数据中的外部干扰并抑制所述外部干扰以便产生所述噪声抑制了的雷达数据。

16、权利要求15的频谱生成器，其中：所述噪声抑制模块包括：

a)第一处理模块，用于接收所述预先处理的雷达数据并产生匹配的雷达数据；

b)第二处理模块，用于接收所述预先处理的雷达数据并产生失配的雷达数据；

c)与所述处理模块通信的自适应波束形成器，用于接收匹配和失配的雷达数据的一部分，产生所述匹配雷达数据的所述部分中的外部干扰估计；

以及，

d)与所述第一处理模块和所述自适应波束形成器通信的抑制器，用于通过抑制来自匹配雷达数据所述部分中的所述外部干扰估计来提供所述噪声抑制了的雷达数据的一部分。

17、一种雷达频谱生成的方法，所述方法包括：

a)生成定义多个距离多普勒单元的一个窗口；

b)从预先处理的距离多普勒传感器数据中为所述窗口中感兴趣距离多普勒单元计算一个协方差矩阵估计，其中：利用为所述窗口内的所述多个距离多普勒单元的至少一部分计算出的协方差矩阵，生成所述协方差矩阵估计；以及

c)基于位置矩阵和噪声子空间矩阵估计来计算高分辨率频谱矢量，所述噪声子空间矩阵估计从所述协方差矩阵估计中导出。

18、权利要求17的频谱生成方法，其中：步骤(b)包括：基于所述协方差矩阵的加权平均来计算所述协方差矩阵估计，其中：所述窗口定义使用于所述加权平均中的加权。

19、权利要求18的频谱生成方法，其中：步骤(a)包括根据雷达操作模式来改变所述窗口的尺寸。

20、权利要求18的频谱生成方法，其中：步骤(a)包括根据雷达操作模式来改变所述窗口中的加权。

21、权利要求17的频谱生成方法，其中：步骤(c)包括：

d)基于所述协方差矩阵估计的噪声子空间的至少一部分来计算所述噪声子空间矩阵估计；和，

e)生成具有至少一个位置矢量的所述位置矩阵，所述至少一个位置矢量定义为其生成所述高分辨率频谱矢量的方位角。

22、权利要求21的频谱生成方法，其中：步骤(d)包括：

i)执行所述协方差矩阵估计的奇异值分解；

ii)为所述噪声子空间选择维度；和，

iii)计算所述噪声子空间矩阵估计。

23、权利要求17的频谱生成方法，其中：步骤(c)包括：根据MUS来计算所述高分辨率频谱矢量，其中 ${\mathrm{MUS}}_{\mathrm{RDC}}=\frac{1}{\mathrm{diag}(A^H\·N_{\mathrm{est}}{\·N_{\mathrm{est}}}^H\·A)},$ 在此A是所述位置矩阵，而N_est是所述噪声子空间矩阵估计。

24、权利要求17的频谱生成方法，其中：所述方法还包括：通过平均两个或更多正向协方差矩阵来平滑所述协方差矩阵估计，在此，根据C_Fi＝C_est(i:(K+1-G+i-1)，i:(K+1-G+i-1))从所述协方差矩阵估计(C_est)中获取每个正向协方差矩阵(C_Fi)。

25、权利要求17的频谱生成方法，其中：所述方法还包括：通过平均两个或更多反向协方差矩阵来平滑所述协方差矩阵估计，在此，根据C_Bi＝C*((K+1-i):(G+1-i)，(K+1-i):(G+1-i))从所述协方差矩阵估计(C_est)中获取每个反向协方差矩阵(C_Bi)。

26、权利要求17的频谱生成方法，其中：所述方法还包括：通过平均至少一个正向协方差矩阵和至少一个反向协方差矩阵来平滑所述协方差矩阵估计，在此，根据C_Fi＝C_est(i:(K+1-G+i-1)，i:(K+1-G+i-1))和C_Bi＝C*((K+1-i):(G+1-i)，(K+1-i):(G+1-i))从所述协方差矩阵估计(C_est)中获取每个正向协方差矩阵(C_Fi)和每个反向协方差矩阵(C_Bi)。

27、权利要求17的频谱生成方法，其中：所述方法还包括：抑制噪声以便在步骤(b)中提供噪声抑制了的雷达数据代替所述预先处理的距离多普勒传感器数据的步骤，通过估计所述预先处理的雷达数据中的外部干扰并抑制所述外部干扰以便产生所述噪声抑制了的雷达数据来完成所述抑制噪声的步骤。

28、权利要求27的频谱生成方法，其中：所述抑制噪声的步骤包括：

i)处理预先处理的雷达数据以便产生匹配的雷达数据；

ii)处理预先处理的雷达数据以便产生失配的雷达数据；

iii)选择所述匹配和所述失配雷达数据的一部分并执行自适应波束形成以便产生所述匹配雷达数据部分中的外部干扰估计；和，

iv)通过抑制来自所述匹配雷达数据部分的所述外部干扰估计来产生所述噪声抑制了的雷达数据部分。

29、一个用于抑制预先处理的雷达数据中的外部干扰的噪声抑制模块，所述噪声抑制模块包括：

a)与所述预先处理的雷达数据通信的第一处理模块，用于产生匹配的雷达数据；

b)与所述预先处理的雷达数据通信的第二处理模块，用于产生失配的雷达数据；

c)与所述处理模块通信的自适应波束形成器，用于接收匹配雷达数据的一部分和失配雷达数据的一部分，并且产生所述匹配雷达数据的部分中的外部干扰估计；和，

d)与所述第一处理模块和所述自适应波束形成器通信的抑制器，用于通过抑制来自匹配雷达数据所述部分中的所述外部干扰估计来提供噪声抑制了的雷达数据的一部分。

30、权利要求29的噪声抑制模块，其中：该模块还包括一个与所述抑制器通信的存储装置，用于存储雷达数据。

31、权利要求29的噪声抑制模块，其中：所述第一处理模块包括：

a)与所述预先处理的雷达数据通信的匹配滤波模块，用于产生匹配的距离脉冲传感器数据；

b)与所述匹配滤波模块通信的第一多普勒处理模块，用于产生匹配的距离多普勒传感器数据；和，

c)与所述第一多普勒处理模块通信的传感器选择器，用于为一个给定传感器选择匹配的距离多普勒数据。

32、权利要求29的噪声抑制模块，其中：所述第二处理模块包括：

a)与所述预先处理的雷达数据通信的失配滤波模块，用于产生失配的距离脉冲传感器数据；

b)与所述失配匹配滤波模块通信的第二多普勒处理模块，用于产生失配的距离多普勒传感器数据；和

c)与所述第二多普勒处理模块通信的辅助阵列选择器，用于至少选择所述多个传感器的一部分来构成一个虚拟辅助传感器阵列并为所述虚拟辅助传感器阵列提供失配的距离多普勒传感器数据。

33、权利要求29的噪声抑制模块，其中：所述第二处理模块包括：

a)与所述预先处理的雷达数据通信的失配滤波模块，用于产生失配的距离脉冲传感器数据；

b)与所述失配匹配滤波模块通信的辅助阵列选择器，用于至少选择所述多个传感器的一部分来构成一个虚拟辅助传感器阵列并为所述虚拟辅助传感器阵列提供失配的距离脉冲传感器数据；和，

c)与所述辅助阵列选择器通信的第二多普勒处理模块，用于为所述虚拟辅助传感器阵列产生失配的距离多普勒传感器数据。

34、权利要求29的噪声抑制模块，其中：所述第二处理模块包括：

a)与所述预先处理的雷达数据通信的辅助阵列选择器，用于至少选择所述多个传感器的一部分来构成一个虚拟辅助传感器阵列并为所述虚拟辅助传感器阵列提供预先处理的雷达数据；

b)与所述辅助阵列选择器通信的失配滤波模块，用于为所述辅助传感器阵列产生失配的距离脉冲传感器阵列；和，

c)与所述失配滤波模块通信的第二多普勒处理模块，用于为所述虚拟辅助传感器阵列产生失配的距离多普勒传感器数据。

35、权利要求29的噪声抑制模块，其中：所述自适应波束形成器包括：

a)与所述第二处理模块通信的自相关矩阵计算器，用于计算所述失配雷达数据的所述部分的自相关矩阵；

b)与所述自相关矩阵计算器通信的矩阵逆变器，用于提供一个反相自相关矩阵；

c)与所述处理模块通信的互相关器，用于提供所述失配雷达数据的所述部分和所述匹配雷达数据的所述部分的互相关；

d)与所述矩阵逆变器和所述互相关器通信的加权计算器，用于基于所述反相自相关矩阵和所述互相关来计算一个自适应加权矢量；和，

e)与所述第二处理模块和所述加权计算器通信的辅助波束生成器，用于基于所述自适应加权矢量和所述失配雷达数据的所述部分来提供所述外部干扰估计。

36、权利要求29的噪声抑制模块，其中：所述抑制器包括：

a)与所述第一处理模块和所述自适应波束形成器通信的减法器，用于从所述匹配雷达数据的所述部分中减去所述外部干扰估计以便提供一个减法信号；和，

b)与所述减法器和所述第一处理模块通信的最小化器，用于基于所述减法信号和所述匹配雷达数据的所述部分来提供所述噪声抑制了的雷达的一部分。

37、权利要求29的噪声抑制模块，其中：所述噪声抑制模块还包括一个与所述第一处理模块通信的有序统计滤波器模块，用于产生有序统计滤波了的匹配雷达数据。

38、权利要求37的噪声抑制模块，其中：所述有序统计滤波器模块执行中值滤波。

39、权利要求37的噪声抑制模块，其中：所述自适应波束形成器包括：

a)与所述第二处理模块通信的自相关矩阵计算器，用于计算所述失配雷达数据部分的自相关矩阵；

b)与所述自相关矩阵计算器通信的矩阵逆变器，用于提供一个反相自相关矩阵；

c)与所述有序统计滤波器模块和所述第二处理模块通信的互相关器，用于提供所述失配雷达数据部分和有序统计滤波了的匹配雷达数据的一部分的互相关；

d)与所述矩阵逆变器和所述互相关器通信的加权计算器，用于基于所述反相自相关矩阵和所述互相关来计算一个自适应加权矢量；和，

e)与所述第二处理模块和所述加权计算器通信的辅助波束生成器，用于基于所述自适应加权矢量和所述失配雷达数据的所述部分来产生所述外部干扰估计。

40、一个用于抑制预先处理的雷达数据中的外部干扰的方法，所述方法包括：

a)处理所述预先处理的雷达数据以便产生匹配的雷达数据；

b)处理所述预先处理的雷达数据以便产生失配的雷达数据；

c)选择所述匹配雷达数据的一部分和所述失配雷达数据的一部分并执行自适应波束成形以便产生所述匹配雷达数据的部分中的外部干扰估计；

和，

d)通过抑制来自所述匹配雷达数据部分中的所述外部干扰估计来产生所述噪声抑制了的雷达数据的一部分。

41、权利要求40的方法，其中：所述方法还包括：

e)储存所述噪声抑制了的雷达数据的所述部分。

42、权利要求40的方法，其中：步骤(a)包括：

i)匹配滤波所述雷达数据以便产生匹配的距离脉冲传感器数据；

ii)对所述匹配的距离脉冲传感器数据进行多普勒处理以便产生匹配的距离多普勒传感器数据；和，

iii)为一个给定传感器选择匹配的距离多普勒数据的一部分。

43、权利要求40的方法，其中：步骤(b)包括：

i)对所述预先处理的雷达数据进行失配滤波，以便产生失配的距离脉冲传感器数据；

ii)对所述失配的距离脉冲传感器数据进行多普勒处理以便产生失配的距离多普勒传感器数据；和，

iii)利用多个传感器的至少一部分构成一个虚拟辅助传感器阵列以便为所述虚拟辅助传感器阵列提供失配的距离多普勒传感器数据。

44、权利要求40的方法，其中：步骤(b)包括：

i)对所述预先处理的雷达数据进行失配滤波，以便产生失配的距离脉冲传感器数据；

ii)利用所述多个传感器的至少一部分构成一个虚拟辅助传感器阵列以便为所述虚拟辅助传感器阵列提供失配的距离脉冲传感器数据；和，

iii)对来自所述虚拟辅助传感器阵列的所述失配的距离脉冲传感器数据进行多普勒处理以便为所述虚拟辅助传感器阵列产生失配的距离多普勒传感器数据。

45、权利要求40的方法，其中：步骤(b)包括：

i)利用所述多个传感器的至少一部分构成一个虚拟辅助传感器阵列以便为所述虚拟辅助传感器阵列提供预先处理的雷达数据；

ii)对来自所述虚拟辅助传感器阵列的所述预先处理的雷达数据进行失配滤波，以便为所述辅助传感器阵列产生失配的距离脉冲传感器数据；

和，

iii)对所述失配的距离脉冲传感器数据进行多普勒处理以便为所述虚拟辅助传感器阵列产生失配的距离多普勒传感器数据。

46、权利要求40的方法，其中：步骤(c)包括：

i)把所述失配雷达数据的部分进行自相关以便产生一个自相关矩阵；

ii)把所述自相关矩阵逆变以便产生一个反相自相关矩阵；

iii)把所述失配雷达数据的部分和所述匹配雷达数据的部分互相关以便产生一个互相关矢量；

iv)计算一个自适应加权矢量；和，

v)生成一个辅助波束以便产生所述外部干扰估计。

47、权利要求40的方法，其中：步骤(d)包括：

i)从所述匹配雷达数据的部分中减去所述外部干扰估计以便产生一个减法信号；和，

ii)基于所述减法信号和所述匹配雷达数据的部分来产生所述噪声抑制了的匹配雷达数据的部分。

48、权利要求40的方法，其中：所述方法还包括对所述匹配雷达数据执行有序统计滤波以便产生有序统计滤波了的匹配雷达数据。

49、权利要求48的方法，其中：所述有序统计滤波包括中值滤波。

50、权利要求48的方法，其中：步骤(c)包括：

i)把所述失配雷达数据的部分进行自相关以便产生一个自相关矩阵；

ii)把所述自相关矩阵逆变以便产生一个反相自相关矩阵；

iii)把所述失配雷达数据的部分和所述有序统计滤波了的匹配雷达数据的一部分互相关以便产生一个互相关矢量；

iv)计算一个自适应加权矢量；和，

v)生成一个辅助波束以便产生所述外部干扰估计。

Images