CN102841337A - 一种天波超视距雷达回波信号去非线性相位污染方法 - Google Patents

Abstract

一种天波超视距雷达回波信号去非线性相位污染方法，涉及天波超视距雷达回波信号去污染方法领域。为解决在各种情况下尤其是信杂比较低的情况下，由于存在非线性相位污染而对天波超视距雷达回波信号产生影响，进而降低探测性能的问题。本发明由以下主要步骤实现：由数据采集模块采集待处理天波超视距雷达时域数据；由数据选取模块转化为处理用数据；由污染函数计算模块得出非线性相位污染函数

由信号校正模块获得去非线性相位污染后的天波超视距雷达回波信号。本方法解决了天波超视距雷达回波信号中非线性相位污染产生影响的问题，误差明显减小，在信杂比较低的时候效果更好。本方法用于对天波超视距雷达回波信号进行处理。

Description

一种天波超视距雷达回波信号去非线性相位污染方法

技术领域

本发明一种天波超视距雷达回波信号去非线性相位污染方法，涉及天波超视距雷达回波信号去污染方法领域。

背景技术

高频天波超视距雷达(OTHR)利用电离层对电磁波的反射作用来探测目标，其最大探测距离可达3000km以上。OTHR具有监测范围极大、预警时间长、可以防止低空超低空突防、能够发现隐身目标等优点。但是OTHR仍然存在着一些缺陷和问题需要解决。由于电离层介质受各种环境因素影响，是一个不稳定的传播媒质，所以它对OTHR的最终探测结果有着非常大的影响。OTHR主要关心的电离层问题是电离层对回波频谱产生的影响，其影响主要体现在通过电离层传播的电磁波可能会产生相位上的变化，相位污染分为线性相位污染和非线性相位污染。前者一般存在于短时相参积累的情况下，主要导致多普勒谱频率偏移，不会影响目标探测性能；而后者主要发生在较长时间相参积累的情况下，严重影响信息的相参积累效果，导致多普勒展宽，很容易使得弱目标信号被强杂波信号所影响甚至淹没。对用于慢速舰船目标探测的天波超视距雷达来讲，为了提高信噪比一般都需要进行较长的相参积累，但这也导致了非线性相位污染的产生，进而严重影响探测性能。

非线性相位污染的校正主要有三类：1、将非线性相位污染转化为线性相位污染再进行处理的方法，其主要代表为特征值分解法和最大熵法；2、估计信号的瞬时频率再进行积分以得到相位污染的方法，其主要代表为伪维纳分布法和相位梯度法(PGA)；3、使用待定系数多项式来模拟相位污染函数的方法，其主要代表为最小熵搜索法和多项式建模法。这些方法在一定程度上抑制了电离层相位污染，但是同样存在一些问题，例如当信杂比(SCR)较低的时候，处理结果会变坏甚至算法失效。

发明内容

本发明的目的是提供一种天波超视距雷达回波信号去非线性相位污染方法，以解决在各种情况下尤其是信杂比较低的情况下，由于存在非线性相位污染而对天波超视距雷达回波信号产生影响，进而影响探测性能的问题。

本发明通过以下步骤实现：

步骤一：由数据采集模块将天波超视距雷达回波信号转化为待处理天波超视距雷达时域数据；

步骤二：由数据选取模块将步骤一采集到的待处理天波超视距雷达时域数据通过FFT转化为对应的频域数据，对频域数据选取数据窗并对频谱中能量集中的区域进行截取，对截取后的频域数据进行IFFT得到新的天波超视距雷达时域数据做为处理用数据；

步骤三：由污染函数计算模块利用步骤二中得到的处理用数据通过构造时域相关矩阵，取出其相位矩阵，利用二维FFT处理得出回波频率，进而得出非线性相位污染函数

步骤四：由信号校正模块利用所得出的非线性相位污染函数

来校正待处理待处理天波超视距雷达时域数据，获得去除非线性相位污染的待处理天波超视距雷达时域数据，进而获得去非线性相位污染后的天波超视距雷达回波信号。

发明的有益效果

解决了天波超视距雷达回波信号中非线性相位污染产生影响的问题，误差明显减小，而且本方法应用起来有更好的稳定性。

附图说明

图1为本天波超视距雷达回波信号去非线性相位污染方法的流程图；图2为具体实施方式二中理想功率谱、污染后功率谱及本天波超视距雷达回波信号去非线性相位污染方法去污染后的信号功率谱之比较示意图；图3为具体实施方式二中添加的污染函数与得出的污染函数之比较示意图；图4为具体实施方式二中本天波超视距雷达回波信号去非线性相位污染方法与PGA方法在不同污染函数频率的条件下的比较图示意；图5为具体实施方式二中本天波超视距雷达回波信号去非线性相位污染方法与PGA方法在不同信噪比的条件下的比较示意图。

具体实施方式

下面结合图1至图5说明本发明的具体实施方式：

具体实施方式一：

如图1所示，天波超视距雷达回波信号去非线性相位污染方法通过以下步骤实现：

步骤一：由数据采集模块将天波超视距雷达回波信号转化为待处理天波超视距雷达时域数据；

步骤二：由数据选取模块将步骤一采集到的待处理天波超视距雷达时域数据通过FFT转化为对应的频域数据，对频域数据选取数据窗并对频谱中能量集中的区域进行截取，对截取后的频域数据进行IFFT得到新的天波超视距雷达时域数据做为处理用数据；首先，假设有一雷达回波信号为X是一个来自某分辨单元的没有受到电离层相位污染的在一个相参积累周期内的回波信号。则其经过电离层传播后产生电离层相位污染的对应回波信号表示如下：

式中

为相位污染函数(rad)。

为了研究工作的方便，将存在电离层相位污染的雷达回波的定义如下：假设处理用数据包含N个脉冲重复周期，并且处理用数据含有未知的相位污染，处理用数据中第i时刻来自所有照射区域的天波超视距雷达时域数据表示为公式一：

式中f——回波信号频率(Hz)；

——初相(rad)；

γ_i——i时刻相位污染(rad)；

γ_i中包含微小杂波和噪声，并设时刻i＝1时为参考值并且有γ₁＝0。

步骤三：由污染函数计算模块利用步骤二中得到的处理用数据通过构造时域相关矩阵，取出其相位矩阵，利用二维FFT处理得出回波频率，进而得出非线性相位污染函数

构造的时域相关矩阵为公式二：

R＝E[SS^H]＝[r_m，k]_N×N

这里[·]^H表示共轭转置；

一个相参积累周期内接收的信号可以用矩阵形式表示为公式三：

S＝[S(1)，S(2)，...，S(N)]^T

这里[·]^T表示转置；

公式二中R的第m行k列元素为公式四：

r_m，k＝S(m)·S(k)^H＝|S(m)||S(k)|·exp{j[2πf(m-k)+(γ_m-γ_k)]}

m＝1，2，...，N；k＝1，2，...，N；

相位矩阵为：

设φ为时域相关矩阵R的相位矩阵，则φ_m，k为r_m，k的相位，则有公式五

φ_m，k＝arg(r_m，k)＝2πf(m-k)+(r_m-r_k)

于是φ的第一列元素为公式六：

φ_m，1＝arg(r_m，1)＝2πf(m-1)+(r_m-r₁)＝2πf(m-1)+r_m

公式五中数据经过二维FFT处理之后矩阵中将会产生一个峰值，其行、列位置与相位函数斜率2πf对应，当这一斜率被得出，相位污染函数也就可以由公式六得到，则得出的污染函数为公式七：

$\widehat{\mathrm{\γ}}={[{\widehat{\mathrm{\γ}}}_1,{\widehat{\mathrm{\γ}}}_2,...,{\widehat{\mathrm{\γ}}}_N]}^T$

这里用

来表示得出的i时刻的相位污染。

步骤四：由信号校正模块利用所得的非线性相位污染函数

来校正待处理待处理天波超视距雷达时域数据，获得去除非线性相位污染的待处理天波超视距雷达时域数据，进而获得去非线性相位污染后的天波超视距雷达回波信号。

具体实施方式二：

为了验证本方法的有效性，进行了如下的仿真：

一、仿真分析

采用模拟天波超视距雷达海面回波信号数据。设雷达接收回波为公式八：

s(t)＝s₁·exp(j2πf_bt)+s₂·exp(-j2πf_bt)+w(t)

式中s₁、s₂——分别为正、负一阶海杂波功率幅值；

f_b——Bragg频率；

w(t)——高斯白噪声。

公式八所对应功率谱如图1所示。

表1时域相关算法仿真实验参数

在其所示的理想信号基础上，添加相位污染(一般认为污染函数为类正弦函数)，这里定义相位污染函数如下：

γ(t)＝A(t)sin(2πf(t)·t)

式中A——污染函数幅值；

    f——污染函数频率。

时域相关算法的电离层污染校正仿真实验主要参数如表1所示。

图2中虚线为理想的功率谱，点划线为添加污染后的功率谱，实线为本天波超视距雷达回波信号去非线性相位污染方法处理后得到的功率谱；图3中虚线为添加的相位污染函数，实线为本天波超视距雷达回波信号去非线性相位污染方法得到的污染函数。可以看出，经本天波超视距雷达回波信号去非线性相位污染方法处理后的功率谱与原信号谱基本吻合，添加的污染函数与估计的污染函数一致性也比较好，达到了去污染的目的。

二、本方法与PGA性能比较

为进一步研究时域相关算法的性能，下面从两个方面对PGA和本方法进行比较分析。PGA所用的实验参数与上述本方法相同。

首先，分析算法对相位污染函数不同频率情况下进行处理的结果。这里利用估计的污染函数与添加的污染函数的RMSE(均方根误差)来评价其性能：

$\mathrm{RMSE}=\sqrt{\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(\mathrm{\γ}-\widehat{\mathrm{\γ}})}^2}$

经过时域相关算法及相位梯度法处理后的均方根误差与相位污染函数的频率之间的关系如表2以及图4所示。

表2RMSE与污染函数频率的关系

根据结果可知，无论本方法还是PGA算法均满足如下特征：当污染函数频率较小时RMSE较大，这时因为相参积累时间内仅含有少于一个周期的污染函数，所以数据仅包含部分污染函数信息；当污染函数频率较大时RMSE较小，这是因为此时相参积累时间内含多个污染函数周期，数据中污染函数信息完整；当污染函数频率大到一定程度时，RMSE趋于稳定。而两种算法存在一定的差异，相对来讲，本方法导致的误差略小于PGA算法的误差。

接下来对算法与信噪比之间的性能关系进行研究。这里仍采用RMSE作为对算法性能的评价指标以及采用PGA算法进行比较分析。

经过处理后的均方根误差与信噪比之间的关系如表3和图5所示。

表3RMSE与信噪比的关系

根据结果可知，两种算法均满足如下特征：算法在低信噪比的情况下RMSE较大，在高信噪比的情况下产生的RMSE较小，并且当信噪比足够高时RMSE趋于稳定。在此基础上，两种算法存在一定的差异，相对而言本方法RMSE小于PGA算法且本方法所得到的RMSE与信噪比的关系曲线相对PGA算法的曲线更加平滑。

由上仿真实验可见，本方法可以使信号回波频谱产生的展宽得到抑制，达到校正电离层相位污染的目的，且其稳定性优于PGA算法，整体算法误差略小于PGA算法。

Claims (3)

1.一种天波超视距雷达回波信号去非线性相位污染方法，其特征在于：所述方法包括以下步骤：

步骤一：由数据采集模块将天波超视距雷达回波信号转化为待处理天波超视距雷达时域数据；

步骤二：由数据选取模块将步骤一采集到的待处理天波超视距雷达时域数据通过FFT转化为对应的频域数据，对频域数据选取数据窗并对频谱中能量集中的区域进行截取，对截取后的频域数据进行IFFT得到新的天波超视距雷达时域数据做为处理用数据；

步骤三：由污染函数计算模块利用步骤二中得到的处理用数据通过构造时域相关矩阵，取出其相位矩阵，利用二维FFT处理得出回波频率，进而得出非线性相位污染函数

步骤四：由信号校正模块利用所得的非线性相位污染函数

来校正待处理待处理天波超视距雷达时域数据，获得去除非线性相位污染的待处理天波超视距雷达时域数据，进而获得去非线性相位污染后的天波超视距雷达回波信号。

2.如权利要求1所述的天波超视距雷达回波信号去非线性相位污染方法，其特征在于：

所述步骤二中：

假设处理用数据包含N个脉冲重复周期，并且处理用数据含有未知的相位污染，处理用数据中第i时刻来自所有照射区域的天波超视距雷达时域数据表示为公式一：

式中f——回波信号频率(Hz)；

——初相(rad)；

γ_i——i时刻相位污染(rad)；

γ_i中包含微小杂波和噪声，时刻i＝1时为参考值并且有γ₁＝0。

3.如权利要求1或2所述的天波超视距雷达回波信号去非线性相位污染方法，其特征在于：所述步骤三中：

构造的时域相关矩阵为公式二：

R＝E[SS^H]＝[r_m，k]_N×N

这里[·]^H表示共轭转置；

一个相参积累周期内接收的信号用矩阵形式表示为公式三：

S＝[S(1)，S(2)，...，S(N)]^T

这里[·]^T表示转置；

公式二中R的第m行k列元素为公式四：

r_m，k＝S(m)·S(k)^H＝|S(m)||S(k)|·exp{j[2πf(m-k)+(γ_m-γ_k)]}

m＝1，2，...，N；k＝1，2，...，N；

相位矩阵为：

设φ为时域相关矩阵R的相位矩阵，则φ_m，k为r_m，k的相位，则有公式五

φ_m，k＝arg(r_m，k)＝2πf(m-k)+(r_m-r_k)

φ的第一列元素为公式六：

φ_m，1＝arg(r_m，1)＝2πf(m-1)+(r_m-f₁)＝2πf(m-1)+r_m

公式五中数据经过二维FFT处理之后矩阵中将会产生一个峰值，其行、列位置与相位函数斜率2πf对应，这一斜率被得出，相位污染函数由公式六得到，则得出的污染函数为公式七：

$\widehat{\mathrm{\γ}}={[{\widehat{\mathrm{\γ}}}_1,{\widehat{\mathrm{\γ}}}_2,...,{\widehat{\mathrm{\γ}}}_N]}^T$

这里用

来表示得出的i时刻的相位污染。

Images