CN105223557A - 基于辅助通道的机载预警雷达杂波抑制方法 - Google Patents

Abstract

本发明公开了一种基于辅助通道的机载预警雷达杂波抑制方法，其思路为：获取机载预警雷达接收到的三维回波数据，并据此得到所述三维回波数据的杂波脊，进而得到二维回波数据；再根据三维回波数据的杂波脊，分别获取num个辅助通道和num个搜索通道，得到num个辅助通道对应的空域频率向量和num个辅助通道对应的时域频率向量，进而依次得到num个辅助通道对应的降维矩阵和num个搜索通道对应的矩阵，并据此得到优化辅助通道的降维矩阵和基于辅助通道的变换矩阵；对所述二维回波数据和num个搜索通道对应的矩阵分别进行降维处理，得到降维后的回波数据和降维后的搜索通道导向矢量，进而得到降维后的滤波矢量，并据此对num个搜索通道的矩阵进行杂波抑制处理，得到距离多普勒图。

Description

基于辅助通道的机载预警雷达杂波抑制方法

技术领域

本发明属于雷达杂波抑制技术领域，特别涉及一种基于辅助通道的机载预警雷达杂波抑制方法，适用于解决非均匀杂波环境中机载预警雷达杂波抑制性能的下降问题，改善其杂波抑制性能。

背景技术

机载预警雷达以其可以灵活、快速地部署在所需要的地方而受到广泛重视，其主要任务是在杂波背景中探测目标，并对探测到的目标进行定位跟踪，而对杂波进行有效抑制是提高机载预警雷达工作性能的核心。因此，定位跟踪探测到的目标前，首先需要抑制杂波背景中存在的杂波或干扰。如果机载预警雷达下视照射在比较平坦的低散射区域时，产生的杂波或干扰会很弱，使用常规方法处理即可。但是，由于机载预警雷达的运动而生成的杂波谱在多普勒频域的主瓣展宽和旁瓣杂波扩散，使得呈现出很强的空时耦合特性,因此需要采用空时自适应信号处理(STAP)技术来抑制产生的杂波或干扰。空时自适应处理(STAP)技术能够充分利用空域信息和时域信息，并能够有效抑制杂波，但是在多数情况下几乎无法获得足够多的独立同分布(independentandidenticallydistributed，IID)训练样本来估计空时协方差矩阵。即使获得足够多的独立同分布训练样本数，对于高阶矩阵求逆的运算也存在计算量和精度方面难以实现的困难。

在八十年代，德国的R.Klemm博士对空时自适应信号处理(STAP)技术进行了开拓性的理论研究，他通过对杂波特性进行深入细致的分析，发现空时协方差矩阵的大特征值的个数不超过N+M-1个，其中N为机载预警雷达的阵元数，M为机载预警雷达在一个相干处理间隔内发射的脉冲数，说明用于抑制杂波的全空时自适应信号处理(STAP)的确存在降维处理的可能，在此基础上，他提出了辅助通道法(AuxiliaryChannelReceiver-ACR)，降维处理后的维数由NM到N+M-1。研究表明该种降维处理在性能上接近最优的全空时处理效果，但在实际应用中也存在如下两个问题：第一，降维处理在性能上接近最优的全空时处理效果是在无幅相误差的情况下得到的，如果考虑空域误差，机载预警雷达产生的杂波谱会沿空域方向扩展，使得其杂波维数明显增大，处理性能明显下降；第二，在机载预警雷达的阵元数N比较大时，所需的处理器维数也是比较大的。因此，辅助通道法在实际应用中仍需要进一步优化或改进，从而使得杂波抑制性能得到改善。

发明内容

针对以上现有技术存在的问题，本发明的目的在于提出一种基于辅助通道的机载预警雷达杂波抑制方法，该方法能够解决传统辅助通道法对空域误差的容忍性差和阵元数较多时难以应用的问题，并通过提高杂波脊的利用率进行降维处理，从而减少所需的独立同分布训练样本数，同时亦能在杂波脊处形成凹口，提高杂波抑制效果。

为达到上述技术目的，本发明采用如下技术方案予以实现。

一种基于辅助通道的机载预警雷达杂波抑制方法，其特征在于，包括以下步骤：

步骤1，获取机载预警雷达接收到的三维回波数据X_N×M×L，并据此得到机载预警雷达接收到的三维回波数据X_N×M×L形成的杂波脊和机载预警雷达发射的主波束空域频率θ_s，然后将机载预警雷达接收到的三维回波数据X_N×M×L按列的方式重新排列，得到机载预警雷达接收到的二维回波数据X_NM×L；其中，N为机载预警雷达的阵元个数，M为机载预警雷达在一个相干处理间隔内发射的脉冲数，L为机载预警雷达接收到的三维回波数据X_N×M×L的距离门个数；

步骤2，根据机载预警雷达接收到的三维回波数据X_N×M×L形成的杂波脊，分别获取num个辅助通道和num个搜索通道，进而分别得到由num个辅助通道各自对应的空域频率构成的空域频率向量θ、由num个辅助通道各自对应的时域频率构成的时域频率向量以及num个搜索通道各自对应的时域导向矢量，然后计算得到num个辅助通道对应的降维矩阵T_b；

步骤3，根据机载预警雷达发射的主波束空域频率θ_s，计算得到机载预警雷达发射的主波束空域导向矢量G_s，再根据num个搜索通道各自对应的时域导向矢量，任取第k个搜索通道的时域导向矢量F_k，然后根据机载预警雷达发射的主波束空域导向矢量G_s和第k个搜索通道的时域导向矢量F_k，计算得到第k个搜索通道对应的搜索通道列向量S_k，进而得到num个搜索通道对应的搜索通道矩阵S；其中，k∈{1,2,…num}；

步骤4，根据num个搜索通道对应的搜索通道矩阵S和num个辅助通道对应的降维矩阵T_b，计算得到num_s×num_t个辅助通道对应的优化降维矩阵进而计算得到基于辅助通道的变换矩阵T；其中，k∈{1,2,…num}，num_s为所述优化降维矩阵包含的空间频率个数，num_t为所述优化降维矩阵包含的多普勒频率个数，num_s×num_t<<num；

步骤5，根据基于辅助通道的变换矩阵T，对机载预警雷达接收到的二维回波数据X_NM×L和num个搜索通道对应的搜索通道矩阵S分别进行降维处理，分别得到降维后的回波数据X_T和降维后的搜索通道导向矢量S_T；

步骤6，根据降维后的回波数据X_T和降维后的搜索通道导向矢量S_T，计算得到降维后的滤波权矢量；

步骤7，根据降维后的滤波权矢量W_T，对降维后的回波数据X_T进行杂波抑制处理，得到距离多普勒图。

与现有技术相比，本发明的优点和改进在于：

第一，本发明利用杂波脊信息，对不同的搜索通道能够形成不同的降维矩阵，并通过与搜索通道具有相同多普勒频率的、沿杂波脊构成的部分辅助通道对消搜索通道的杂波分量，有效的改善了原始辅助通道算法对空域误差容忍性差的不足，提高实际应用。

第二，本发明利用基于辅助通道法的降维转换矩阵，对机载预警雷达接收的回波数据进行多普勒滤波处理的同时，也进行降维处理，有效改善了原始辅助通道算法由于可用独立同分布训练样本数不足而引起的杂波协方差矩阵估计不准确的问题，以及机载预警雷达的自由度大而造成的计算量过大和设备成本增加的问题，从而能够降低估计协方差矩阵所需要的样本数，使得本发明能够在训练样本数不足的同时，也不会降低杂波抑制性能。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细说明。

图1为本发明的一种基于辅助通道的机载预警雷达杂波抑制方法的流程示意图；

图2(a)为使用脉冲多普勒(PD)算法处理后得到的距离多普勒图，

图2(b)为使用原始辅助通道法(ACR)处理后得到的距离多普勒图；

图3为使用本发明方法处理后得到的距离多普勒图；

图4(a)为使用本发明方法得到的全局二维响应图，

图4(b)为使用本发明方法得到的局部放大二维响应图；

图5为分别使用脉冲多普勒(PD)算法、原始辅助通道法(ACR)和本发明方法处理后得到的杂波剩余功率对比图。

具体实施方式

参照图1，为本发明的一种基于辅助通道的机载预警雷达杂波抑制方法的流程示意图，该种基于辅助通道的机载预警雷达杂波抑制方法，包括以下步骤：

步骤1，获取机载预警雷达接收到的三维回波数据X_N×M×L，并据此得到机载预警雷达接收到的三维回波数据X_N×M×L形成的杂波脊和机载预警雷达发射的主波束空域频率θ_s，然后将机载预警雷达接收到的三维回波数据X_N×M×L按列的方式重新排列，得到机载预警雷达接收到的二维回波数据X_NM×L；其中，N为机载预警雷达的阵元个数，M为机载预警雷达在一个相干处理间隔内发射的脉冲数，L为机载预警雷达接收到的三维回波数据X_N×M×L的距离门个数。

具体地，机载预警雷达选取正侧阵机载预警雷达，正侧阵机载预警雷达天线包括N个阵元，所述N个阵元接收地面散射体反射的三维回波数据X_N×M×L，作为获取机载预警雷达接收到的三维回波数据X_N×M×L；其中，N为机载预警雷达的阵元个数，M为机载预警雷达在一个相干处理间隔内发射的脉冲数，L为机载预警雷达接收到的三维回波数据X_N×M×L的距离门个数。

其中，由于机载预警雷达采用正侧阵机载预警雷达，而正侧阵机载预警雷达的天线阵元轴向与载机的飞行方向一致，正侧阵机载预警雷达照射地面散射体的主波束方向与正侧阵机载预警雷达的天线阵元轴向形成的锥角余弦值，和地面散射体回波的多普勒频率是一种线性关系，而所述地面散射体回波就是杂波，该杂波在所述锥角余弦值与所述多普勒频率空间中，杂波分布是一条直线，将该条直线作为杂波脊，并且得到机载预警雷达发射的主波束空域频率θ_s为0，同时将机载预警雷达接收到的三维回波数据X_N×M×L按列的方式重新排列，得到机载预警雷达接收到的二维回波数据X_NM×L。

步骤2，根据机载预警雷达接收到的三维回波数据X_N×M×L形成的杂波脊，分别获取num个辅助通道和num个搜索通道，进而分别得到由num个辅助通道各自对应的空域频率构成的空域频率向量θ、由num个辅助通道各自对应的时域频率构成的时域频率向量以及num个搜索通道各自对应的时域导向矢量，然后计算得到num个辅助通道对应的降维矩阵T_b。

具体地，将机载预警雷达接收到的三维回波数据X_N×M×L的阵元个数和机载预警雷达在一个相干处理间隔内发射的脉冲数组成的空间，作为机载预警雷达接收到的三维回波数据X_N×M×L的阵元—脉冲域的二维空间，并根据所述阵元—脉冲域的二维空间内沿机载预警雷达接收到三维回波数据X_N×M×L形成的杂波脊，分别获取num个辅助通道和num个搜索通道，具体过程为：

设机载预警雷达接收到的三维回波数据X_N×M×L形成的杂波脊斜率为β，机载预警雷达接收到的三维回波数据X_N×M×L形成的杂波脊在空域频率上的最大值为θ_max，机载预警雷达接收到的三维回波数据X_N×M×L形成的杂波脊在空域频率上的最小值为θ_min，机载预警雷达接收到的三维回波数据X_N×M×L形成的杂波脊在多普勒频率上的最大值为机载预警雷达接收到的三维回波数据X_N×M×L形成的杂波脊在多普勒频率上的最小值为其表达式分别为：

${\mathrm{\&theta;}}_{\max }=\frac{d}{\mathrm{\&lambda;}}$

${\mathrm{\&theta;}}_{\min }=-\frac{d}{\mathrm{\&lambda;}}$

其中，N为机载预警雷达的阵元个数，M为机载预警雷达在一个相干处理间隔内发射的脉冲数，L为机载预警雷达接收到的三维回波数据X_N×M×L的距离门个数，V为载机飞行速度，λ为波长，f_r为脉冲重复频率，d表示机载预警雷达的相邻阵元间隔。

然后，对机载预警雷达接收到的三维回波数据X_N×M×L形成的杂波脊空域频率和机载预警雷达接收到的三维回波数据X_N×M×L形成的杂波脊多普勒频率分别进行均匀划分，得到num个辅助通道和num个搜索通道，以及num个搜索通道各自对应的时域导向矢量。

若第i个辅助通道的空域频率为θ_i，则第i个辅助通道的时域频率为其表达式分别为：

${\mathrm{\&theta;}}_i=\frac{({\mathrm{\&theta;}}_{\max }-{\mathrm{\&theta;}}_{\min })}{num}(i-1)+{\mathrm{\&theta;}}_{\min },i\&Element;\{1,2...num\}$

则由num个辅助通道各自对应的空域频率构成的空域频率向量θ，以及由num个辅助通道各自对应的时域频率构成的时域频率向量的表达式分别为：

θ＝[θ₁,θ₂,…θ_num]

再根据由num个辅助通道各自对应的空域频率构成的空域频率向量θ，以及由num个辅助通道各自对应的时域频率构成的时域频率向量分别计算得到由num个辅助通道各自对应的空域导向矢量构成的空域导向矢量列向量G_b和由num个辅助通道各自对应的时域导向矢量构成的时域导向矢量列向量F_b，其具体表达式分别为：

G_b＝[1；e^j2πθ；…；e^j(N-1)2πθ]

进而，计算得到num个辅助通道对应的降维矩阵T_b，其表达式为：

$T_b=G_b\&CircleTimes;F_b$

其中，N为机载预警雷达的阵元个数，G_b为由num个辅助通道各自对应的空域导向矢量构成的空域导向矢量列向量，F_b为由num个辅助通道各自对应的时域导向矢量构成的时域导向矢量列向量，T_b为num个辅助通道对应的降维矩阵，为Kronecker积运算符号。

步骤3，根据机载预警雷达发射的主波束空域频率θ_s，计算得到机载预警雷达发射的主波束空域导向矢量G_s，再根据num个搜索通道各自对应的时域导向矢量，任取第k个搜索通道的时域导向矢量F_k，然后根据机载预警雷达发射的主波束空域导向矢量G_s和第k个搜索通道的时域导向矢量F_k，计算得到第k个搜索通道对应的搜索通道列向量S_k，进而得到num个搜索通道对应的搜索通道矩阵S；其中，k∈{1,2,…num}。

具体地，num个搜索通道中第k个搜索通道对应的搜索通道列向量S_k是根据机载预警雷达发射的主波束空域导向矢量G_s和第k个搜索通道的时域导向矢量F_k计算得到，其表达式为：

$S_k=G_s\&CircleTimes;F_k$

其中，G_s为机载预警雷达发射的主波束空域导向矢量，并且num个搜索通道各自对应的机载预警雷达发射的主波束空域导向矢量是一样的；F_k为第k个搜索通道的时域导向矢量，S_k为第k个搜索通道对应的搜索通道列向量，为Kronecker积运算符号。

机载预警雷达发射的主波束空域导向矢量G_s和第k个搜索通道的时域导向矢量F_k的表达式分别为：

$G_s=\&lsqb;1;e^{j2{\mathrm{\&pi;\&theta;}}_s};...;e^{j(N-1)2{\mathrm{\&pi;\&theta;}}_s}\&rsqb;$

θ_s＝0

其中，θ_s为机载预警雷达发射的主波束空域频率，为第k个搜索通道的时域频率，N为机载预警雷达的阵元个数，M为机载预警雷达在一个相干处理间隔内发射的脉冲数。

根据第k个搜索通道对应的搜索通道列向量S_k，得到num个搜索通道对应的搜索通道矩阵S。

步骤4，根据num个搜索通道对应的搜索通道矩阵S和num个辅助通道对应的降维矩阵T_b，计算得到num_s×num_t个辅助通道对应的优化降维矩阵进而计算得到基于辅助通道的变换矩阵T；其中，k∈{1,2,…num}，num_s为所述优化降维矩阵包含的空间频率个数，num_t为所述优化降维矩阵包含的多普勒频率个数，num_s∈{1,2,…num}num_t∈{1,2,…num}，num_s×num_t<<num。

具体地，若num个辅助通道中第i个(i∈{1,2,…num})辅助通道的多普勒频率为则选取num个辅助通道中第(i-(num_t-1)/2)个到第(i+(num_t-1)/2)个辅助通道各自对应的多普勒频率，作为优化辅助通道的多普勒频率，选取num个辅助通道中第(i-(num_s-1)/2)个到第(i+(num_s-1)/2)个辅助通道各自对应的空间频率，作为优化辅助通道的空间频率，则优化辅助通道包含num_s个空间频率和num_t个多普勒频率，并据此得到优化辅助通道的空域频率矢量θ_s'和优化辅助通道的时域频率矢量其表达式分别为：

θ_s'＝[θ_{i-(num_s-1)/2},θ_{i-[(num_s-1)/2]+1},…θ_i,…,θ_{i+[(num_s-1)/2]-1},θ_{i+(num_s-1)/2}]

一般，num_s、num_t和num的关系满足num_s×num_t<<num，并且num_s和num_t分别取奇数值。

根据优化辅助通道的空域频率矢量θ_s'和优化辅助通道的时域频率矢量分别计算得到优化辅助通道的空域导向矢量G_b'和优化辅助通道的时域导向矢量F_b'，其表达式分别为：

$G_{b^{\&prime;}}=\&lsqb;1;e^{j2{\mathrm{\&pi;\&theta;}}_{s^{\&prime;}}};...e^{j(N-1)2{\mathrm{\&pi;\&theta;}}_{s^{\&prime;}}}\&rsqb;$

进而计算得到num_s×num_t个辅助通道对应的优化降维矩阵其表达式为：

$T_{b^{*}}=G_{b^{\&prime;}}\&CircleTimes;F_{b^{\&prime;}}$

其中，N为机载预警雷达的阵元个数，M为机载预警雷达在一个相干处理间隔内发射的脉冲数。

因此，基于辅助通道的变换矩阵T是根据num个搜索通道对应的搜索通道矩阵S和num_s*num_t个辅助通道对应的优化降维矩阵计算得到，其表达式为：

$T={\left[\begin{array}{cc}{S}^H& {T_{b^{*}}}^H\end{array}\right]}^H$

其中，S为num个搜索通道对应的搜索通道矩阵，为num_s×num_t个辅助通道对应的优化降维矩阵，是num个辅助通道对应的降维矩阵T_b的子集，num_s为优化辅助通道包含的空间频率个数，num_t为优化辅助通道包含的多普勒频率个数，T为基于辅助通道的变换矩阵，H表示共轭转置。

步骤5，根据基于辅助通道的变换矩阵T，对机载预警雷达接收到的二维回波数据X_NM×L和num个搜索通道对应的搜索通道矩阵S分别进行降维处理，分别得到降维后的回波数据X_T和降维后的搜索通道导向矢量S_T。

具体地，根据基于辅助通道的变换矩阵T，对机载预警雷达接收到的二维回波数据X_NM×L和num个搜索通道对应的搜索通道矩阵S分别进行降维处理，得到降维后的回波数据X_T和降维后的搜索通道导向矢量S_T，其表达式分别为：

X_T＝T^HX_NM×L

S_T＝T^HS_k

其中，X_T为降维后的回波数据，T为基于辅助通道的变换矩阵，X_NM×L为机载预警雷达接收到的二维回波数据，S_T表示降维后的搜索通道导向矢量，S为num个搜索通道对应的搜索通道矩阵S，H表示共轭转置。

经过降维处理后回波数据X_T的维数由NM降维至((num_s×num_t)+1)，从而实现机载预警雷达接收到的二维回波数据的降维处理。

步骤6，根据降维后的回波数据X_T和降维后的搜索通道导向矢量S_T，利用最大似然法计算得到降维后的滤波权矢量。

具体地，根据降维后的回波数据X_T和降维后的搜索通道导向矢量S_T，利用最大似然方法估计降维后的回波数据X_T的协方差矩阵，即利用降维后的回波数据X_T作为独立同分布训练样本，通过最大似然法估计得到降维后的回波数据X_T的协方差矩阵R_T，其表达式为：

$R_T=\frac{1}{L1}\underset{j=1}{\overset{L1}{\&Sigma;}}{X}_{Tj}{X_{Tj}}^H$

L1＝2×num_s×num_t

其中，R_T表示降维后的回波数据X_T的协方差矩阵，L1表示待处理搜索通道的回波数据所需要的独立同分布样本个数，X_Tj表示第j个索引号的降维后的回波数据，j表示降维后的回波数据X_T的第j个索引号，H表示共轭转置。

自适应权矢量W的计算公式为：

$W=\frac{R_{Per}^{-1}{S}_{Per}}{{S_{Per}}^{\&prime;}{R}_{Per}^{-1}{S}_{Per}}$

其中，R_Per为使用传统辅助通道法得到的原始协方差矩阵，S_Per为使用传统辅助通道法得到的原始搜索通道导向矢量。

然后，将降维后的回波数据X_T的协方差矩阵R_T代替使用传统辅助通道法得到的原始协方差矩阵R_Per，用降维后的搜索通道导向矢量S_T代替使用传统辅助通道法得到的原始搜索通道导向矢量S_Per，并计算得到降维后的滤波权矢量W_T，其表达式为：

$W_T=\frac{R_T^{-1}{S}_T}{{S_T}^{\&prime;}{R}_T^{-1}{S}_T}$

其中，W_T表示降维后的滤波权矢量，R_T为降维后的回波数据X_T的协方差矩阵，S_T为降维后的搜索通道导向矢量。

步骤7，根据降维后的滤波权矢量W_T，并利用空时自适应处理方法对降维后的回波数据X_T进行杂波抑制处理，得到距离多普勒图。

具体地，第k个搜索通道形成第k个基于辅助通道法的变换矩阵，num个搜索通道各自对应的基于辅助通道法的变换矩阵，形成num个各不相同的基于辅助通道法的变换矩阵，从而形成num个各不相同的滤波权矢量，即降维后的滤波权矢量W_T。因此，根据降维后的滤波权矢量W_T，并利用空时自适应处理(STAP)法对降维后的回波数据X_T进行杂波抑制处理，得到杂波抑制处理后的回波数据Y，并将杂波抑制处理后的回波数据Y输出，得到距离多普勒图。

所述杂波抑制处理后的回波数据Y的表达式为：

Y＝W_T ^HX_T

其中，W_T为降维后的滤波权矢量，X_T为降维后的回波数据，H表示共轭转置。

下面结合仿真实验对本发明效果作进一步验证说明。

(一)回波数据仿真及实验条件：

本发明的仿真实验在MATLAB7.11软件下进行的，在本发明的仿真实验中，机载预警雷达的天线采用128个阵元均匀排列的线阵，相邻阵元间距与波长d/λ的比值为0.5，主波束指向机载预警雷达的天线法线方向，即与阵面法线方向夹角为0°，也就是正侧阵天线。在本发明的仿真实验中，使用的机载预警雷达接收到的三维回波数据是根据林肯实验室J.Ward提出的杂波模型仿真产生，并添加高斯白噪声，具体仿真参数如表1所示：

表1

载机高度	8km
		载机速度	150m/s
脉冲数	128
		波长	0.1m
脉冲重复频率	8000Hz
		天线轴向与载机速度夹角	0°
杂噪比	70dB
		距离门个数	500
主波束指向与天线阵元轴向夹角	90°

(二)仿真内容

为了说明改进辅助通道算法的优越性，图2(a)和图2(b)给出了其它几种算法的处理结果，其中图2(a)为使用现有脉冲多普勒(PD)算法处理后得到的距离多普勒图，图2(b)为使用原始辅助通道法(ACR)处理后得到的距离多普勒图。

图2(a)和图2(b)的横轴分别表示多普勒通道序号，纵轴分别表示距离门序号；图2(a)中的白色区域为使用现有脉冲多普勒(PD)算法处理后得到的主杂波剩余功率分布，颜色较浅部分区域为使用现有脉冲多普勒(PD)算法处理后得到的旁瓣杂波剩余功率分布，黑色区域为使用现有脉冲多普勒(PD)算法处理后得到的噪声剩余功率分布；图2(b)中的白色区域为使用原始辅助通道法(ACR)处理后的杂波剩余功率分布，黑色区域为现有算法ACR处理后的噪声剩余功率分布。

从图2(a)可以看出较强的剩余杂波占据了较多的距离-多普勒单元区域，直接影响所述距离—多普勒单元区域中的雷达目标检测，从图2(b)可以看出白色区域和颜色较浅区域已大为减小，表明回波数据中的杂波分量得到了抑制。

图3为使用本发明方法处理后得到的距离多普勒图。图3中的白色区域和颜色较浅区域已大为减小，表明回波数据机载预警雷达接收到的三维回波数据中的杂波分量得到了较好的抑制，并且独立同分布训练样本数由原始辅助通道法(ACR)所需要的(2*(num+1)-3)个降为本发明所需要的(2*(num_s*num_t+1)-3)个，降低了所需的独立同分布训练样本个数。

图4(a)为使用本发明方法得到的全局二维响应图，图4(b)为使用本发明方法得到的局部放大二维响应图；图4(a)和图4(b)的横轴分别表示归一化多普勒频率，纵轴分别表示归一化空间频率。从图4(b)中可以看到使用本发明方法可以在机载预警雷达接收到的三维回波数据形成的杂波脊处形成凹口。

图5为分别使用现有算法PD、ACR和本发明方法处理后得到的杂波剩余功率对比图；图5的横轴表示多普勒通道，纵轴表示杂波剩余功率；图5中的实线表示使用现有脉冲多普勒(PD)算法处理后得到的杂波剩余功率，虚线为使用原始辅助通道法(ACR)处理后得到的杂波剩余功率，点虚线为使用本发明方法处理后得到的杂波剩余功率。

从图5中可以看到本发明方法相对于原始辅助通道算法的主瓣增益降低的少，对空域误差容忍性好，并且可以利用较少的独立同分布训练样本数抑制旁瓣杂波，并且主瓣杂波区变窄，得到更好的杂波抑制效果。

该仿真结果表明，本发明可以在减少训练样本和阵元误差的情况下获得更好地杂波抑制效果。

综上所述，仿真实验验证了本发明的正确性，有效性和可靠性。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围；这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于辅助通道的机载预警雷达杂波抑制方法，其特征在于，包括以下步骤：

步骤1，获取机载预警雷达接收到的三维回波数据X_N×M×L，并据此得到机载预警雷达接收到的三维回波数据X_N×M×L形成的杂波脊和机载预警雷达发射的主波束空域频率θ_s，然后将机载预警雷达接收到的三维回波数据X_N×M×L按列的方式重新排列，得到机载预警雷达接收到的二维回波数据X_NM×L；其中，N为机载预警雷达的阵元个数，M为机载预警雷达在一个相干处理间隔内发射的脉冲数，L为机载预警雷达接收到的三维回波数据X_N×M×L的距离门个数；

步骤2，根据机载预警雷达接收到的三维回波数据X_N×M×L形成的杂波脊，分别获取num个辅助通道和num个搜索通道，进而分别得到由num个辅助通道各自对应的空域频率构成的空域频率向量θ、由num个辅助通道各自对应的时域频率构成的时域频率向量以及num个搜索通道各自对应的时域导向矢量，然后计算得到num个辅助通道对应的降维矩阵T_b；

步骤3，根据机载预警雷达发射的主波束空域频率θ_s，计算得到机载预警雷达发射的主波束空域导向矢量G_s，再根据num个搜索通道各自对应的时域导向矢量，任取第k个搜索通道的时域导向矢量F_k，然后根据机载预警雷达发射的主波束空域导向矢量G_s和第k个搜索通道的时域导向矢量F_k，计算得到第k个搜索通道对应的搜索通道列向量S_k，进而得到num个搜索通道对应的搜索通道矩阵S；其中，k∈{1,2,…num}；

步骤4，根据num个搜索通道对应的搜索通道矩阵S和num个辅助通道对应的降维矩阵T_b，计算得到num_s×num_t个辅助通道对应的优化降维矩阵进而计算得到基于辅助通道的变换矩阵T；其中，k∈{1,2,…num}，num_s为所述优化降维矩阵包含的空间频率个数，num_t为所述优化降维矩阵包含的多普勒频率个数，num_s×num_t<<num；

步骤5，根据基于辅助通道的变换矩阵T，对机载预警雷达接收到的二维回波数据X_NM×L和num个搜索通道对应的搜索通道矩阵S分别进行降维处理，分别得到降维后的回波数据X_T和降维后的搜索通道导向矢量S_T；

步骤6，根据降维后的回波数据X_T和降维后的搜索通道导向矢量S_T，计算得到降维后的滤波权矢量；

步骤7，根据降维后的滤波权矢量W_T，对降维后的回波数据X_T进行杂波抑制处理，得到距离多普勒图。

2.如权利要求1所述的一种基于辅助通道的机载预警雷达杂波抑制方法，其特征在于，在步骤2中，所述由num个辅助通道各自对应的空域频率构成的空域频率向量θ、由num个辅助通道各自对应的时域频率构成的时域频率向量其表达式分别为：

其中，i∈{1,2…num}，θ_max为机载预警雷达接收到的三维回波数据X_N×M×L形成的杂波脊在空域频率上的最大值，θ_min为机载预警雷达接收到的三维回波数据X_N×M×L形成的杂波脊在空域频率上的最小值，为机载预警雷达接收到的三维回波数据X_N×M×L形成的杂波脊在多普勒频率上的最大值，为机载预警雷达接收到的三维回波数据X_N×M×L形成的杂波脊在多普勒频率上的最小值，N为机载预警雷达的阵元个数，M为机载预警雷达在一个相干处理间隔内发射的脉冲数，L为机载预警雷达接收到的三维回波数据X_N×M×L的距离门个数。

3.如权利要求1所述的一种基于辅助通道的机载预警雷达杂波抑制方法，其特征在于，在步骤2中，所述得到由num个辅助通道构成的降维矩阵T_b，其过程为：

根据由num个辅助通道各自对应的空域频率构成的空域频率向量θ，以及由num个辅助通道各自对应的时域频率构成的时域频率向量分别计算得到由num个辅助通道各自对应的空域导向矢量构成的空域导向矢量列向量G_b和由num个辅助通道各自对应的时域导向矢量构成的时域导向矢量列向量F_b，其具体表达式分别为：

进而，计算得到num个辅助通道对应的降维矩阵T_b，其表达式为：

$T_b=G_b\&CircleTimes;F_b$

其中，N为机载预警雷达的阵元个数，G_b为由num个辅助通道各自对应的空域导向矢量构成的空域导向矢量列向量，F_b为由num个辅助通道各自对应的时域导向矢量构成的时域导向矢量列向量，T_b为num个辅助通道对应的降维矩阵，为Kronecker积运算符号。

4.如权利要求1所述的一种基于辅助通道的机载预警雷达杂波抑制方法，其特征在于，在步骤3中，所述由num个搜索通道构成的搜索通道矩阵S，其过程为：

num个搜索通道中第k个搜索通道对应的搜索通道列向量S_k是根据机载预警雷达发射的主波束空域导向矢量G_s和第k个搜索通道的时域导向矢量F_k计算得到，其表达式为：

$S_k=G_s\&CircleTimes;F_k$

其中，G_s为机载预警雷达发射的主波束空域导向矢量，并且num个搜索通道各自对应的机载预警雷达发射的主波束空域导向矢量是一样的；F_k为第k个搜索通道的时域导向矢量，S_k为第k个搜索通道对应的搜索通道列向量，为Kronecker积运算符号；

机载预警雷达发射的主波束空域导向矢量G_s和第k个搜索通道的时域导向矢量F_k的表达式分别为：

其中，θ_s为机载预警雷达发射的主波束空域频率，为第k个搜索通道的时域频率，N为机载预警雷达的阵元个数，M为机载预警雷达在一个相干处理间隔内发射的脉冲数；

根据第k个搜索通道对应的搜索通道列向量S_k，得到num个搜索通道对应的搜索通道矩阵S。

5.如权利要求1所述的一种基于辅助通道的机载预警雷达杂波抑制方法，其特征在于，在步骤4中，所述得到num_s*num_t个辅助通道对应的优化降维矩阵其表达式为：

$T_{b^{*}}=G_{b^{\&prime;}}\&CircleTimes;F_{b^{\&prime;}}$

其中，

num_s为优化辅助通道包含的空间频率个数，num_t为优化辅助通道包含的多普勒频率个数，i∈{1,2…num}，N为机载预警雷达的阵元个数，M为机载预警雷达在一个相干处理间隔内发射的脉冲数。

6.如权利要求1所述的一种基于辅助通道的机载预警雷达杂波抑制方法，其特征在于，在步骤4中，所述基于辅助通道的变换矩阵T，其表达式为：

$T={\left[\begin{array}{cc}{S}^H& {T_{b*}}^H\end{array}\right]}^H$

其中，S为num个搜索通道对应的搜索通道矩阵，为num_s×num_t个辅助通道对应的优化降维矩阵，是num个辅助通道对应的降维矩阵T_b的子集，num_s为优化辅助通道包含的空间频率个数，num_t为优化辅助通道包含的多普勒频率个数，T为基于辅助通道的变换矩阵，H表示共轭转置。

7.如权利要求1或权利要求5或权利要求6所述的一种基于辅助通道的机载预警雷达杂波抑制方法，其特征在于，在步骤4中，所述num_s为优化辅助通道包括的空间频率个数和所述num_t为优化辅助通道包括的多普勒频率个数，其关系为：

num_s×num_t<<num

并且，num_s和num_t分别取奇数值；其中，num为搜索通道个数，num也为辅助通道个数。

8.如权利要求1所述的一种基于辅助通道的机载预警雷达杂波抑制方法，其特征在于，在步骤5中，所述降维后的回波数据X_T和降维后的搜索通道导向矢量S_T，其表达式分别为：

X_T＝T^HX_NM×L

S_T＝T^HS

其中，X_T为降维后的回波数据，T为基于辅助通道的变换矩阵，X_NM×L为机载预警雷达接收到的二维回波数据，S_T表示降维后的搜索通道导向矢量，S为num个搜索通道对应的搜索通道矩阵，H表示共轭转置。

9.如权利要求1所述的一种基于辅助通道的机载预警雷达杂波抑制方法，其特征在于，在步骤6中，所述得到降维后的滤波权矢量W_T，包含num个各不相同的滤波权矢量，其特点为：第k个搜索通道形成第k个基于辅助通道法的变换矩阵，num个搜索通道各自对应的基于辅助通道法的变换矩阵，形成num个各不相同的基于辅助通道法的变换矩阵，从而形成num个各不相同的滤波权矢量。

10.如权利要求1所述的一种基于辅助通道的机载预警雷达杂波抑制方法，其特征在于，在步骤7中，所述得到距离多普勒图，其过程为：

根据降维后的滤波权矢量W_T，并利用空时自适应处理STAP法对降维后的回波数据X_T进行杂波抑制处理，得到杂波抑制处理后的回波数据Y，并将杂波抑制处理后的回波数据Y输出，得到距离多普勒图；所述杂波抑制处理后的回波数据Y，其表达式为：

Y＝W_T ^HX_T

其中，W_T为降维后的滤波权矢量，X_T为降维后的回波数据，H表示共轭转置。