CN104749562A - 基于循环常数模盲均衡的无源双基地雷达信号处理方法 - Google Patents

Abstract

本发明公开了一种基于循环常数模盲均衡的无源双基地雷达信号处理方法，包括步骤：S101：采用循环常数模盲均衡方法从无源双基地雷达的参考通道接收的信号中恢复直达波信号；S102：根据无源双基地雷达的监测通道接收的信号，采用归一化最小均方误差算法对所述直达波信号进行多径自适应滤波处理；S103：将经多径自适应滤波处理后得到的信号与所述直达波信号进行多普勒修正后的互相关模糊函数计算，得到互模糊函数，并检测目标。本发明可以降低常数模盲均衡算法的均方误差，提高自适应收敛性能，从而提高整个信号处理流程的目标检测能力。

Description

基于循环常数模盲均衡的无源双基地雷达信号处理方法

技术领域

本发明涉及雷达信号处理技术领域，尤其涉及一种基于循环常数模盲均衡的无源双基地雷达信号处理方法。

背景技术

直达波恢复是无源双基地雷达的目标检测技术的关键技术之一，直达波的纯度关系到其后的自适应滤波算法的收敛性能，以及匹配滤波的虚警情况。现有技术一般采用数字波束形成或者盲均衡算法来实现直达波信号恢复。数字波束形成技术，由于主瓣较宽，不利于在复杂多径环境下的直达波恢复。常数模盲均衡算法由于其反卷积特性，可以有效的抑制主瓣的杂波与副瓣的杂波，从而受到更多的重视。但是该算法的收敛速度较慢。对于一帧数据，较慢的收敛导致了输入其后的自适应滤波算法后导致自适应滤波算法收敛困难。

发明内容

本发明所要解决的技术问题在于，提供一种基于循环常数模盲均衡的无源双基地雷达信号处理方法，其采用循环常数模盲均衡算法恢复直达波，可以降低常数模盲均衡算法的均方误差，提高了自适应收敛性能，从而提高了整个信号处理流程的目标检测能力。

为了解决上述技术问题，本发明提供了一种基于循环常数模盲均衡的无源双基地雷达信号处理方法，包括步骤：

S101：采用循环常数模盲均衡方法从无源双基地雷达的参考通道接收的信号中恢复直达波信号；

S102：根据无源双基地雷达的监测通道接收的信号，采用归一化最小均方误差算法对所述直达波信号进行多径自适应滤波处理；

S103：将经多径自适应滤波处理后得到的信号与所述直达波信号进行多普勒修正后的互相关模糊函数计算，得到互模糊函数，从而检测目标。

进一步的，所述S101具体包括：

S1011：计算无源双基地雷达的参考通道接收的信号x_R(k)，

其中，式中，表示卷积运算，为参考通道的多径杂波响应，L_ξ为多径杂波数量，a(k)为发射站的发射信号，n₂(k)为参考通道的噪声；

S1012：根据所述无源双基地雷达的参考通道接收的信号x_R(k)采用常数模盲均衡迭代公式进行N_x次迭代，获得直达波信号p(k)＝f^T(k)X_R(k)，

其中，常数模盲均衡迭代公式为f(k+1)＝f(k)+η·X_R ^*(k)e(k)，式中，η为步长因子，f(k)为常数模盲均衡器的权向量，具体的X_R(k)为递归向量，X_R(k)＝[x_R(k) x_R(k-1) … x_R(k-N_f+1)]^T，[·]^*为共轭运算，e(k)＝p(k)[γ-p²(k)]为将常数模盲均衡器输出的直达波信号p(k)经非线性变换获得的，E{·}表示求取数学期望；

S1013：截取所述直达波信号的长度为N_s的后端样本点，并计算所述样本点的均方误差，

其中， $\mathrm{\&rho;}=\frac{1}{N_s}\underset{k=1}{\overset{N_s}{\mathrm{\&Sigma;}}}p\left(k\right)p^{*}\left(k\right),N_s<N_x;$

S1014：设置经验门限为δ，设置循环变量为j，最大循环迭代次数为N_m，取若ρ₀>δ且j，<N_m则完成本帧迭代后返回执行所述S1012，否则执行所述S102。

进一步的，所述S102具体包括：

S1021：计算无源双基地雷达的监测通道接收的信号x_S(k)，

其中，式中，为监测通道的多径杂波响应，L_λ为多径杂波数量，n₁(k)为监测通道的噪声，x_T(k)为目标信号，τ_m为双基地时延，f_dm为双基地多普勒，M为目标数量；

S1022：根据所述无源双基地雷达的监测通道接收的信号x_S(k)和所述直达波信号p(k)采用归一化最小均方误差算法对所述直达波信号进行多径自适应滤波处理，多径自适应滤波处理后得到的信号为y(k)，

其中，y(k)＝x_S(k)-P^H(k)F(k)，式中， $F=(k+1)=F\left(k\right)+\mathrm{\&alpha;}\frac{P\left(k\right)}{P^H\left(k\right)P\left(k\right)+\mathrm{\&beta;}}y\left(k\right),$ F(k)为N_L×1滤波器系数，具体的 $F={\left[\begin{array}{cccccc}{F}_0& F_1& ...& F_i& ...& F_{N_L-1}\end{array}\right]}^T,$ α、β为小正数，P(k)＝[p(k) … p(k-i) …p(k-N_L+1)]^T。

进一步的，所述S103具体包括：

将经多径自适应滤波处理后得到的信号y(k)与所述直达波信号p(k)进行多普勒修正后的互相关模糊函数计算，具体为将数据划分成长度为L的段进行互相关运算，得到互模糊函数ζ(κ,l)，

其中，式中κ为离散时延，l为离散多普勒频率。

实施本发明，具有如下有益效果：本发明使用盲均衡算法的输出作为盲均衡算法的输入，进行循环处理，通过对均方误差的判断，确定循环是否停止，从而可以有效地提高算法的收敛能力，降低常数模盲均衡算法的均方误差。经过循环盲均衡算法处理的信号送入自适应滤波直达波与杂波的抑制，其自适应收敛性能得到明显的提高，从而提高了整个信号处理流程的目标检测能力。

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，下面描述中的附图仅仅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是本发明提供的基于循环常数模盲均衡的无源双基地雷达信号处理方法的一个实施例的步骤流程示意图；

图2是本发明提供的基于循环常数模盲均衡的无源双基地雷达信号处理方法的一个实施例的信号处理流程图；

图3是现有技术的基于常数模盲均衡的雷达接收信号处理方法的信号处理流程图；

图4是图3的现有技术恢复的直达波信号模值；

图5是图3中经常数模盲均衡处理后得到的数据再经归一化最小均方算法处理后的输出信号的模值变化；

图6是图3的现有技术数据处理的目标检测平面；

图7是图2的本发明恢复的直达波信号模值；

图8是图2中经循环常数模盲均衡处理后得到的数据再经归一化最小均方算法处理后的输出信号的模值变化；

图9是图2的本发明数据处理的目标检测平面。

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，所描述的实施例仅仅是本发明一部分实施例，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作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。

图1是本发明提供的基于循环常数模盲均衡的无源双基地雷达信号处理方法的一个实施例的步骤流程示意图，图2是本发明提供的基于循环常数模盲均衡的无源双基地雷达信号处理方法的一个实施例的信号处理流程图，如图1和图2所示，本发明包括步骤：

S101：采用循环常数模盲均衡方法从无源双基地雷达的参考通道接收的信号中恢复直达波信号。

具体的，步骤S101具体包括：

S1011：计算无源双基地雷达的参考通道接收的信号x_R(k)，

其中，式中，表示卷积运算，为参考通道的多径杂波响应，L_ξ为多径杂波数量，a(k)为发射站的发射信号，n₂(k)为参考通道的噪声；

S1012：根据所述无源双基地雷达的参考通道接收的信号x_R(k)采用常数模盲均衡迭代公式进行N_x次迭代，获得直达波信号p(k)＝f^T(k)X_R(k)，

其中，常数模盲均衡迭代公式为f(k+1)＝f(k)+η·X_R ^*(k)e(k)，式中，η为步长因子，f(k)为常数模盲均衡器的权向量，具体的 $f={\left[\begin{array}{cccc}{f}_0& f_1& ...& f_{N_f-1}\end{array}\right]}^T,$ X_R(k)为递归向量，X_R(k)＝[x_R(k) x_R(k-1) … x_R(k-N_f+1)]^T，[·]^*为共轭运算，e(k)＝p(k)[γ-p²(k)]为将常数模盲均衡器输出的直达波信号p(k)经非线性变换获得的，E{·}表示求取数学期望；

S1013：截取所述直达波信号的长度为N_s的后端样本点，并计算所述样本点的均方误差，

其中， $\mathrm{\&rho;}=\frac{1}{N_s}\underset{k=1}{\overset{N_s}{\mathrm{\&Sigma;}}}p\left(k\right)p^{*}\left(k\right),N_s<N_x;$

S1014：设置经验门限为δ，设置循环变量为j，最大循环迭代次数为N_m，取若ρ₀>δ且j，<N_m则完成本帧迭代后返回执行所述S1012，否则执行所述S102。

S102：根据无源双基地雷达的监测通道接收的信号，采用归一化最小均方误差算法对所述直达波信号进行多径自适应滤波处理。

具体的，步骤S102具体包括：

S1021：计算无源双基地雷达的监测通道接收的信号x_S(k)，

其中，式中，为监测通道的多径杂波响应，L_λ为多径杂波数量，n₁(k)为监测通道的噪声，x_T(k)为目标信号，τ_m为双基地时延，f_dm为双基地多普勒，M为目标数量，a(k)是发射站发射的信号；

S1022：根据所述无源双基地雷达的监测通道接收的信号x_S(k)和所述直达波信号p(k)采用归一化最小均方误差算法对所述直达波信号进行多径自适应滤波处理，多径自适应滤波处理后得到的信号为y(k)，

其中，y(k)＝x_S(k)-P^H(k)F(k)，式中， $F=(k+1)=F\left(k\right)+\mathrm{\&alpha;}\frac{P\left(k\right)}{P^H\left(k\right)P\left(k\right)+\mathrm{\&beta;}}y\left(k\right),$ F(k)为N_L×1滤波器系数，具体的 $F={\left[\begin{array}{cccccc}{F}_0& F_1& ...& F_i& ...& F_{N_L-1}\end{array}\right]}^T,$ α、β为小正数，P(k)＝[p(k) … p(k-i) …p(k-N_L+1)]^T。

S103：将经多径自适应滤波处理后得到的信号与所述直达波信号进行多普勒修正后的互相关模糊函数计算，得到互模糊函数，从而检测目标。

具体的，步骤S103具体包括：

将经多径自适应滤波处理后得到的信号y(k)与所述直达波信号p(k)进行多普勒修正后的互相关模糊函数计算，具体为将数据划分成长度为L的段进行互相关运算，得到互模糊函数ζ(κ,l)，

其中，式中κ为离散时延，l为离散多普勒频率。

现有技术中通常采用的基于常数模盲均衡的雷达信号处理方法，如图3所示，与本发明的区别为：直接采用常数模盲均衡算法恢复直达波。为了验证本发明的性能，采用基于调频广播的无源双基地雷达为例进行算法性能说明，调频广播***带宽设为50kHz,采样率设置为200kHz。信号积分时间取2s。权向量长度均衡器设置为31。假定3个目标分别具有(48点,-153Hz),(154点，-103Hz),(230点，60Hz)的双基地时延与多普勒参数。信杂比(SCNR)设为-48dB,信噪比为-2dB(脉压前)。从发射到参考通道的杂波信道如下

λ₀＝1 λ₇＝0.17e^j0.24 λ₉＝0.15e^-j2.8

从发射到监测通道的杂波信道如下

取迭代次数取N_x为10000点，计算均方误差ρ。设置最小均方误差算法权向量长度为40，设置迭代步长为0.001。选择门限δ为45，计算均方误差的样本N_s＝1000。

基于常数模盲均衡的算法处理流程的结果见图4-图6。其中图4为常数模盲均衡算法收敛的过程中输出的信号模值，也是输出到LMS算法的信号的模值。图5的最小均方算法输出信号模值可见，算法收敛并不稳定。从图6可见，三个目标的检测信噪比不高。

采用本发明后，常数模盲均衡算法经历了二次循环迭代，二次循环输出结果见图7。可见该算法收敛的模值波动明显减小。输入最小均方误差算法后的输出信号模值见图8。由图8可见，输出均方误差较原算法的图4明显较少。本发明的目标检测效果见图9，与原来算法相比较，信噪比提高了7dB。三个目标的检测清晰可见。

因此实施本发明，具有如下有益效果：本发明使用盲均衡算法的输出作为盲均衡算法的输入，进行循环处理，通过对均方误差的判断，确定循环是否停止，从而可以有效地提高算法的收敛能力，降低常数模盲均衡算法的均方误差。经过循环盲均衡算法处理的信号送入自适应滤波直达波与杂波的抑制，其自适应收敛性能得到明显的提高，从而提高了整个信号处理流程的目标检测能力。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本申请所提供的几个实施例中，应该理解到，所揭露的***和方法可以通过其它的方式实现。例如，以上所描述的***实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (4)

1.一种基于循环常数模盲均衡的无源双基地雷达信号处理方法，其特征在于，包括步骤：

S101：采用循环常数模盲均衡方法从无源双基地雷达的参考通道接收的信号中恢复直达波信号；

S102：根据无源双基地雷达的监测通道接收的信号，采用归一化最小均方误差算法对所述直达波信号进行多径自适应滤波处理；

S103：将经多径自适应滤波处理后得到的信号与所述直达波信号进行多普勒修正后的互相关模糊函数计算，得到互模糊函数，从而检测目标。

2.如权利要求1所述的基于循环常数模盲均衡的无源双基地雷达信号处理方法，其特征在于，所述S101具体包括：

S1011：计算无源双基地雷达的参考通道接收的信号x_R(k)，

其中， $x_R\left(k\right)=h_2\&CircleTimes;a\left(k\right)+n_2\left(k\right),$ 式中，表示卷积运算，为参考通道的多径杂波响应，L_ξ为多径杂波数量，a(k)为发射站的发射信号，n₂(k)为参考通道的噪声；

S1012：根据所述无源双基地雷达的参考通道接收的信号x_R(k)采用常数模盲均衡迭代公式进行N_x次迭代，获得直达波信号p(k)＝f^T(k)X_R(k)，

其中，常数模盲均衡迭代公式为f(k+1)＝f(k)+η·X_R ^*(k)e(k)，式中，η为步长因子，f(k)为常数模盲均衡器的权向量，具体的 $f={\left[\begin{array}{cccc}{f}_0& f_1& ...& f_{N_f-1}\end{array}\right]}^T,$ X_R(k)为递归向量，X_R(k)＝[x_R(k) x_R(k-1) … x_R(k-N_f+1)]^T，[·]^*为共轭运算，e(k)＝p(k)[γ-p²(k)]为将常数模盲均衡器输出的直达波信号p(k)经非线性变换获得的，E{·}表示求取数学期望；

S1013：截取所述直达波信号的长度为N_s的后端样本点，并计算所述样本点的均方误差，

其中， $\mathrm{\&rho;}=\frac{1}{N_s}\underset{k=1}{\overset{N_s}{\mathrm{\&Sigma;}}}p\left(k\right)p^{*}\left(k\right),N_s<N_x;$

S1014：设置经验门限为δ，设置循环变量为j，最大循环迭代次数为N_m，取若ρ₀>δ且则完成本帧迭代后返回执行所述S1012，否则执行所述S102。

3.如权利要求1或2所述的基于循环常数模盲均衡的无源双基地雷达信号处理方法，其特征在于，所述S102具体包括：

S1021：计算无源双基地雷达的监测通道接收的信号x_S(k)，

其中， $x_S\left(k\right)=h_1\&CircleTimes;a\left(k\right)+n_1\left(k\right),$ 式中， $h_1={[{\mathrm{\&lambda;}}_0,{\mathrm{\&lambda;}}_1,...,{\mathrm{\&lambda;}}_{L_{\mathrm{\&lambda;}}-1}]}^T$ 为监测通道的多径杂波响应，L_λ为多径杂波数量，n₁(k)为监测通道的噪声，x_T(k)为目标信号，τ_m为双基地时延，f_dm为双基地多普勒，M为目标数量；

S1022：根据所述无源双基地雷达的监测通道接收的信号x_S(k)和所述直达波信号p(k)采用归一化最小均方误差算法对所述直达波信号进行多径自适应滤波处理，多径自适应滤波处理后得到的信号为y(k)，

其中，y(k)＝x_S(k)-P^H(k)F(k)，式中， $F(k+1)=F\left(k\right)+\mathrm{\&alpha;}\frac{P\left(k\right)}{P^H\left(k\right)P\left(k\right)+\mathrm{\&beta;}}y\left(k\right),$ F(k)为N_L×1滤波器系数，具体的 $F={\left[\begin{array}{cccccc}{F}_0& F_1& ...& F_i& ...& F_{N_L-1}\end{array}\right]}^T,$ α、β为小正数，P(k)＝[p(k) …p(k-i) …p(k-N_L+1)]^T。

4.如权利要求3所述的基于循环常数模盲均衡的无源双基地雷达信号处理方法，其特征在于，所述S103具体包括：

将经多径自适应滤波处理后得到的信号y(k)与所述直达波信号p(k)进行多普勒修正后的互相关模糊函数计算，具体为将数据划分成长度为L的段进行互相关运算，得到互模糊函数ζ(κ,l)，

其中，式中κ为离散时延，l为离散多普勒频率。