CN101533092A - 基于功率区分的雷达杂波与多种干扰同时抑制方法 - Google Patents

Abstract

本发明公开了一种基于功率区分的雷达杂波与多种干扰同时抑制方法，适用于天波超视距雷达的信号处理***。该方法利用杂波、干扰和目标信号功率上的差异，实现了强杂波、干扰和目标信号的分离，可有效抑制包括瞬态干扰、同频异步干扰在内的多种干扰和杂波，具体步骤见图1。与现有方法相比，该方法无需对杂波与多种干扰特性进行复杂的检测和分析，对各种参数随机变化的干扰和杂波均有效果，适用性强。本发明利用分离出的强杂波作为标准信号进行相位污染的校正，在实现杂波与干扰抑制的同时还可进行相位校正，简化了天波超视距雷达的信号处理过程。本发明并不局限于天波超视距雷达***，可广泛应用于多种类型的大型相控阵雷达，具有推广应用价值。

Description

基于功率区分的雷达杂波与多种干扰同时抑制方法

技术领域

本发明涉及雷达信号处理领域中的一种杂波与多种干扰同时抑制方法，适用于天波超视距雷达的信号处理***，可以用于存在异步式干扰、瞬态干扰、相位污染、主杂波背景下的运动目标检测。同时，核心理论和方法还可应用于其他杂波和多种存在干扰抑制需求的信号处理***中。

背景技术

天波超视距雷达利用电离层对电磁波的反射实现对视距外目标的检测，工作距离远、覆盖范围大，能够提供战略预警情报信息。但因为工作体制特殊，易受到多种干扰和杂波的影响，造成以下问题：(1)***工作于拥挤的高频频段(3～30MHz)，工业干扰密集；(2)探测范围广阔、目标信号微弱，雷电、流星余迹等瞬态干扰极易进入***，抬高多普勒谱噪声基底掩盖目标；(3)为探测慢速目标采用大相干积累时间，期间电离层相位扰动非线性化，杂波谱展宽；(4)下视工作模式带来强大地、海杂波。因此，不采取相应措施，***无法正常工作。目前，在信号处理阶段已有的抗干扰措施包括：采用时域挖除后再补偿的方法滤除瞬态干扰；利用各种相位污染校正技术进行相位解污染；利用运动目标检测(MTD)技术抑制杂波等。但它们均不同程度地存在问题。

时域挖除方法是基于瞬态干扰只在时域上少数周期出现的特点而提出的。为了检测瞬态干扰的位置，挖除前需要抑制强大的地、海杂波；为了避免挖除处杂波的突变使杂波谱展宽，挖除后还需按杂波的特性对挖除的点作插值处理。存在瞬态干扰检测、补偿误差等问题。除此之外，还有时频分析去除瞬态干扰法，主要利用瞬态干扰与目标信号、杂波不同的时频特性，将之从接收信号中减去，不存在补偿误差，但所需计算量较大。

目前的相位污染校正技术主要包含三类方法，第一类方法将非线性相位污染通过分段近似为线性污染来进行校正，不能处理相位污染扰动剧烈的情况；第二类方法用多项式函数模拟电离层相位扰动函数，在相位扰动剧烈时用于模拟的多项式函数阶数会很高，误差增大；第三类方法用单频辅助校正信号的相位梯度来估计相位扰动，通常利用海杂波的Bragg峰作为这个辅助信号，但该峰宽度的确定尚未得到有效的解决。

常规的MTD技术滤除主杂波的过程是直接将杂波所占的多普勒通道数据挖除，通常情况下挖除的多普勒通道数是固定值，这个值利用先验信息直接得到。但在实际背景中，杂波所占的多普勒通道数是变化的，它和雷达发射的相干脉冲数、阵列的波束指向等因素有关。采用固定通道挖除的方法会在挖除杂波的同时，也剔除了大量位于杂波边缘的目标，不利于慢速目标的检测。

除此之外，天波超视距雷达还面临诸如同频异步干扰等其他干扰。这些干扰出现的时机、位置等均随机变化，目前尚无有效方法加以抑制。

发明内容

本发明的目的在于解决天波超视距雷达***正常工作所面临的困难和问题，克服已有方法的缺点和不足。在不改变***硬件结构的前提下，有效抑制瞬态干扰、杂波和随机出现的工业干扰，并在必要的时候完成相位解污染。

为了实现上述发明目的，本发明提供了一种基于功率区分的雷达杂波与多种干扰同时抑制方法，包括如下步骤：

(1)接收数据经脉冲压缩和波束形成后，得到脉冲周期数据矢量x_mn，估计其相关矩阵R：

$R=\frac{1}{\mathrm{MN}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{mn}}{x}_{\mathrm{mn}}^H$

其中，x_mn＝[x_mn(1)x_mn(2)…x_mn(l)…x_mn(L)]^T，x_mn(l)为第m个距离门、第n个波束通道的第l个脉冲周期的数据，L为脉冲周期数，M为距离门数、N为波束数；

(2)对R进行特征分解，得到按特征值大小排列的特征矢量组U；

(3)将最大特征值对应特征矢量定义为强杂波特征矢量u₁，确定一个大特征值数目门限，从第一个直至该门限的大特征值，其对应特征矢量组定义为杂波与干扰对应特征空间U_C1；

(4)利用强杂波特征矢量组、杂波与干扰特征矢量组对数据x_mn进行滤波，将数据分为强杂波、杂波与干扰和目标三种信号：

$x_{\mathrm{Cmn}}=u_1{u}_1^H{x}_{\mathrm{mn}}$

$x_{\mathrm{Imn}}=U_{\mathrm{CI}}{U}_{\mathrm{CI}}^H{x}_{\mathrm{mn}}$

$x_{\mathrm{Tmn}}=(I-U_{\mathrm{CI}}{U}_{\mathrm{CI}}^H)x_{\mathrm{mn}}$

其中，x_Cmn为强杂波信号，x_Imn为杂波与干扰信号，x_Tmn为目标信号；

(5)利用强杂波信号进行相位解污染，将解污染后的数据送相干积累、恒虚警检测等后续处理。

步骤(1)中相关矩阵R可由所有波束和距离单元数据x_mn(m＝1，2，…，Mn＝1，2，…，N)形成，也可由部分波束和部分存在强大杂波距离单元的数据估计而成。

步骤(3)中大特征值数目门限还采用先验门限法确定：从小到大设定不同的判断门限分别进行处理；当门限较小时，由于对干扰杂波抑制不彻底，虚警较多；随着门限的提高，杂波干扰得到抑制，检测到的目标数目将逐渐减少，当处理结果中检测到的目标数目稳定时，将对应门限值作为该照射区域内的先验门限值。先验门限值可在平时离线得到并储存，实时处理时直接利用此门限值区分杂波干扰特征空间的大小。同时比较实时归一化特征谱与平时采集得到的期望归一化特征谱，在二者出现重大差别时对大特征值门限进行修正。

步骤(5)中相位解污染还可以采用相位梯度法，用强杂波信号的相位信息校正受到污染的杂波与干扰信号x_Imn与目标信号x_Tmn：

其中，angle{·}表示取括号内数据的解模糊相位，diag{·}表示由括号内矢量组成的对角阵。

本发明的优点在于：

(1)本发明无需对瞬态干扰进行检测和补偿。本发明利用了瞬态干扰在功率上远大于目标的特点，可以方便地将之与目标信号区分开来，从原始信号中减去。无需分析瞬态干扰存在于哪些周期，也无需在人为将存在瞬态干扰的周期置零后进行补偿，因此不存在补偿带来的误差；也不用进行复杂的时频分析。

(2)与利用MTD技术抑制杂波的方法相比，本发明无需考虑杂波通道数的确定问题。无论杂波宽或窄、是何种形状，对杂波的抑制程度完全由杂波功率的大小确定，只有那些功率强、严重影响目标检测的杂波被滤除，而功率较小的目标信号则得以保留，具有“自适应”的特点。

(3)本发明解决了相位解污染中Bragg峰信号宽度的选取问题。相位梯度法能够跟踪相位污染的剧烈变化，相对于其他相位污染校正方法具有更强的适用性和校正性能，但一直受到校正信号选择的困扰：理想的校正信号应该是单频信号，但在相位污染情况下信号频谱展宽，如何确定展宽程度十分困难。而本发明根据功率大小滤出强杂波，其宽度自动确定。

(4)本发明能够抑制随机出现的工业干扰，无需进行复杂的检测。随机出现的工业干扰是雷达信号处理***中尚未得到有效解决的问题，只能通过干扰检测后并加以滤除，抑制结果严重依赖检测效果。为了适应各种情况，所需干扰检测手段十分复杂。本发明方法不需任何检测手段，只要干扰功率大于目标信号，就能达到抑制效果。

(5)本发明方法能够在一个步骤中完成目前需要多种技术配合才能达到的目的，大大简化了现有技术的实现复杂程度。

附图说明

图1是采用本发明的一种天波超视距雷达信号处理关系流程图；

图2是本发明的一种实施方式流程图；

具体实施方式

现有信号处理理论表明，对信号相干矩阵进行特征分解得到的特征矢量，可按对应特征值大小分成相互正交的信号子空间和噪声子空间，其中信号子空间包含了所有信号操纵矢量的信息。而最新研究表明，在信号子空间内部，特征矢量与信号操纵矢量之间存在对应关系，信号特征矢量能够独立反映对应信号操纵矢量的信息，前提是信号之间的功率存在差别，且这种反映的“独立”程度，与信号功率差成正比。

在天波超视距雷达***中，通常杂波功率最大、干扰功率次之，目标信号功率最小。因此，根据杂波、干扰与信号在功率上的差别，可以将接收信号相干矩阵的信号特征矢量分成杂波、干扰和信号特征矢量区间。对之分别加以利用，则可以达到对杂波和多种干扰的同时抑制，此即基于功率区分的杂波与多种干扰同时抑制方法的机理。基于噪声子空间与信号子空间的正交性，曾有一系列子空间投影法提出。即将滤波器权值向噪声子空间(或信号子空间)投影，以得到更好的分辨性能或鲁棒性。但此类方法性能受子空间划分精确程度的限制，需要严格划分信号子空间与噪声子空间，否则方法性能严重下降。本发明与子空间投影法类似，但由于利用了功率之间的差别，子空间的划分更为细致，对子空间划分误差的鲁棒性更强。

下面结合附图详细描述本发明的具体实施方式。

图1是采用本发明的一种天波超视距雷达信号处理关系流程图，由接收机单元1、脉冲压缩单元2、波束形成单元3、基于功率区分的杂波干扰抑制单元4、相干处理单元5和恒虚警处理单元6组成，本发明在波束形成单元3之后，在相干处理单元5之前。

图2是本发明的一种实施方式流程图，由信号相关矩阵估计单元4-1、特征分解单元4-2、特征矢量组划分单元4-3、信号分类单元4-4和解相位污染单元4-5组成。

实施例中天波超视距雷达接收到L个相干脉冲，L为512个，DFT点数也为512。

雷达接收机单元1将接收数据送出，由脉冲压缩单元2对数据进行脉冲压缩，再由波束形成单元3进行数字波束形成(常规数字波束形成或自适应波束形成)，从而得到不同距离门、不同波束通道的脉冲周期数据矢量x_mn，将之送入杂波与干扰抑制单元4。

(1)信号相关矩阵估计单元4-1将接收到的所有波束和距离单元的数据x_mn进行相关矩阵的估计，得到512×512的矩阵R：

$R=\frac{1}{\mathrm{MN}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{mn}}{x}_{\mathrm{mn}}^H$

实施例中M取600，是所有距离门数，波束数N取16。

(2)特征分解单元4-2将相关矩阵R进行特征分解，得到特征值矢量矩阵Λ和对应的特征矢量矩阵U：

R＝UΛU^H

其中，Λ＝diag{[λ₁ λ₂…λ_L]^H}，λ₁≥λ₂≥…≥λ_L，U＝[u₁ u₂…u_L]。

(3)特征矢量组划分单元4-3根据特征值大小将特征矢量矩阵U分成强杂波矢量u₁，杂波与干扰矢量组U_CI。

特征值大小在某种程度上反映了对应信号的功率大小，因此可以根据特征值大小来区分杂波、干扰和目标。但如何根据特征值大小来准确划分特征子空间一直是子空间投影类方法的难点之一。实施例中，由先验门限法确定大特征值数目门限取60，利用了杂波、干扰与目标之间的功率差别，避免了当子空间划分存在误差情况下算法失效的问题。当然，不排除存在个别目标信号功率较大从而进入杂波与干扰区间的情况，但这种信号因为功率较大，尽管存在干扰和杂波，仍可进行检测。至于强杂波信号，主要是利用其进行相位解污染，应尽量采用单频信号，故只需保留最大特征值对应的特征矢量即可。

(4)信号分类单元4-4利用得到的强杂波矢量u₁和杂波干扰矢量组U_CI对X进行信号分类，其中强杂波信号x_Cmn，杂波与干扰信号x_Imn和目标信号x_Tmn为：

$x_{\mathrm{Cmn}}=u_1{u}_1^H{x}_{\mathrm{mn}}$

$x_{\mathrm{Imn}}=U_{\mathrm{CI}}{U}_{\mathrm{CI}}^H{x}_{\mathrm{mn}}$

$x_{\mathrm{Tmn}}=(I-U_{\mathrm{CI}}{U}_{\mathrm{CI}}^H)x_{\mathrm{mn}}$

此处x_Cmn包括不同波束与不同距离单元的强杂波数据，但实际上只需要取其中相邻数个波束与杂波强度较大距离单元的强杂波数据作平均即可：

x_MC＝mean(x_Cmn)

杂波与干扰信号x_Imn不仅包含干扰，还包含可能存在的强功率信号，因此也要予以保留。

(5)利用信号分类单元4-4送来的数据x_MC，解相位污染单元4-5对数据x_Imn和x_Tmn进行相位解污染：

注意式中相位矢量

的元素均是解模糊后的相位。

最后，将完成了杂波与干扰抑制并进行了相位解污染后的数据送至后续处理单元，由相干积累单元5与恒虚警处理单元6分别进行相干处理和恒虚警处理，完成检测。

当实际杂波较强区域只包括第200至500距离门内的数据，为减小计算量，相关矩阵R的估计，可以只取强杂波区内200至500号距离门的数据，即M取300。

虽然结合附图描述了本发明的实施方式，但是本领域普通技术人员可以在所附权利要求的范围内作出各种变形或修改。

Claims (5)

1.基于功率区分的雷达杂波与多种干扰同时抑制方法，包括以下技术步骤：

(1)接收数据经脉冲压缩和波束形成后，得到脉冲周期数据矢量x_mn，估计其相关矩阵R：

$R=\frac{1}{\mathrm{MN}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{x}_{\mathrm{mn}}{x}_{\mathrm{mn}}^H$

其中，x_mn＝[x_mn(1)x_mn(2)…x_mn(l)…x_mn(L)]^T，x_mn(l)为第m个距离门、第n个波束通道的第l个脉冲周期的数据，L为脉冲周期数，M为距离门数、N为波束数；

(2)对R进行特征分解，得到按特征值大小排列的特征矢量组U；

(3)将最大特征值对应特征矢量定义为强杂波特征矢量u₁，确定一个大特征值数目门限，从第一个直至该门限的大特征值，其对应特征矢量组定义为杂波与干扰对应特征空间U_CI；

(4)利用强杂波特征矢量组、杂波与干扰特征矢量组对数据x_mn进行滤波，将数据分为强杂波、杂波与干扰和目标三种信号：

$x_{\mathrm{Cmn}}=u_1{u}_1^H{x}_{\mathrm{mn}}$

$x_{1\mathrm{mn}}=U_{\mathrm{CI}}{U}_{\mathrm{CI}}^H{x}_{\mathrm{mn}}$

$x_{\mathrm{Tmn}}=(I-U_{\mathrm{CI}}{U}_{\mathrm{CI}}^H)x_{\mathrm{mn}}$

其中，x_Cmn为强杂波信号，x_Imn为杂波与干扰信号，x_Tmn为目标信号；

(5)利用强杂波信号进行相位解污染，将解污染后的数据送相干积累、恒虚警检测等后续处理。

2.根据权利要求1所述的基于功率区分的雷达杂波与多种干扰同时抑制方法，其特征在于，相关矩阵R可由所有波束和距离单元数据x_mn(m＝1，2，…，Mn＝1，2，…，N)形成，也可由部分波束和部分存在强大杂波距离单元的数据估计而成。

3.根据权利要求1所述的基于功率区分的雷达杂波与多种干扰同时抑制方法，其特征在于，大特征值数目门限的确定还可以采用先验门限法，从小到大设定不同的判断门限分别进行处理；当门限较小时，由于对干扰杂波抑制不彻底，虚警较多；随着门限的提高，杂波干扰得到抑制，检测到的目标数目将逐渐减少，当处理结果中检测到的目标数目稳定时，将对应门限值作为该照射区域内的先验门限值；先验门限值可在平时离线得到并储存，实时处理时直接利用此门限值区分杂波干扰特征空间的大小。

4.根据权利要求3所述的基于功率区分的雷达杂波与多种干扰同时抑制方法，其特征在于，大特征值门限采用先验门限法，同时比较实时归一化特征谱与平时采集得到的期望归一化特征谱，在二者出现重大差别时对大特征值门限进行修正。

5.根据权利要求1所述的基于功率区分的雷达杂波与多种干扰同时抑制方法，其特征在于，利用强杂波信号进行相位解污染还可以采用相位梯度法，用强杂波信号的相位信息校正受到污染的杂波与干扰信号x_Imn与目标信号x_Tmn：

其中，angle{·}表示取括号内数据的解模糊相位，diag{·}表示由括号内数据矢量组成的对角阵。

Images