CN109061598B - 一种stap杂波协方差矩阵估计方法 - Google Patents
一种stap杂波协方差矩阵估计方法 Download PDFInfo
- Publication number
- CN109061598B CN109061598B CN201810984125.0A CN201810984125A CN109061598B CN 109061598 B CN109061598 B CN 109061598B CN 201810984125 A CN201810984125 A CN 201810984125A CN 109061598 B CN109061598 B CN 109061598B
- Authority
- CN
- China
- Prior art keywords
- clutter
- cut
- covariance matrix
- detected
- frequency channel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/414—Discriminating targets with respect to background clutter
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于雷达技术领域,具体涉及基于CUT自身先验知识的STAP杂波协方差矩阵估计方法。本发明公开了一种基于CUT自身先验知识的杂波协方差矩阵估计方法。该方法首先对CUT待检测频率通道的杂波进行重建,进一步从CUT中提取除了待检测频率以外的其他频率成分的杂波,最后由重建的杂波来计算CUT的杂波协方差矩阵。本发明解决了STAP中杂波协方差矩阵的估计问题,估计的杂波协方差矩阵更准确,提高了杂波的抑制性能。
Description
技术领域
本发明属于雷达技术领域,具体涉及利用待检测单元自身的先验知识估计其杂波协方差矩阵的技术。
背景技术
空时自适应处理(STAP)是雷达和通信信号处理中的一项关键技术,被广泛用于雷达及通信信号处理之中。STAP要求设计的最优权向量时,可以使得输出信杂噪比(SCNR)最大。其中,s是目标信号空时导向向量,RCUT为待检测距离单元的杂波协方差矩阵。然而实际中RCUT是未知的,需通过选取的训练样本来估计。
目前的STAP方法中,CUT的CCM(杂波协方差矩阵)完全用选取的训练样本来估计。典型的是:文献《Wu Y,Wang T,Wu J,et al.Training Sample Selection for Space-TimeAdaptive Processing in Heterogeneous Environments[J].IEEE Geoscience&RemoteSensing Letters,2014,12(4):691-695.》提出选择与CUT(Cell Under Test,测试单元)子孔径协方差矩阵相似的样本来估计CUT的CCM,然而该方法只考虑了局部相似,从而会遗漏掉一些局部不相似但整体相似的参考单元;针对该问题,文献《Wu Y,Wang T,Wu J,etal.Robust training samples selection algorithm based on spectral similarityfor space–time adaptive processing in heterogeneous interference environments[J].Radar Sonar& Navigation Iet,2015,9(7):778-782.》《X.Zhang,Q.Yang,W.Deng,Weak target detection within the nonhomogeneous ionospheric clutterbackground of HFSWR based on STAP,Int.J.Antennas Propag.2013(2013),doi:10.1155/2013/382516.》选择与CUT整体波形相似的训练样本来估计CCM。其中文献《Wu Y,Wang T,Wu J,et al.Robust training samples selection algorithm based onspectral similarity for space–time adaptive processing in heterogeneousinterference environments[J].Radar Sonar&Navigation Iet,2015,9(7):778-782.》选择与CUT的频域的波形相似的训练样本,文献《X.Zhang,Q.Yang,W.Deng,Weak targetdetection within the nonhomogeneous ionospheric clutter background of HFSWRbased on STAP,Int.J.Antennas Propag.2013(2013),doi:10.1155/2013/382516.》选择和CUT时域波形相似的样本。由于完全不相似的样本也可能有相同的协方差矩阵,因此文献《Wu Y,Wang T,Wu J,et al.Robust training samples selection algorithm based onspectral similarity for space–time adaptive processing in heterogeneousinterference environments[J].Radar Sonar&Navigation Iet,2015,9(7):778-782.》《X.Zhang,Q.Yang,W.Deng,Weak target detection within the nonhomogeneousionospheric clutter background of HFSWR based on STAP,Int.J.AntennasPropag.2013(2013),doi:10.1155/2013/382516.》可能会丢弃部分有用样本,针对该问题,文献《Li H,Bao W,Hu J,et al.A Training Samples Selection Method Based onSystem Identification for STAP[J].Signal Processing,2018,142:119-124.》提出了基于***辨识的样本选择方法,直接选择与CUT杂波协方差矩阵相似的样本作为参考单元。
上述方法在估计CUT的CCM时,CUT的所有频率通道的杂波都用选取的训练样本来估计。而CUT有自身的先验知识:CUT中只有待检测的频率通道可能含有目标信号,其他频率通道都是CUT的杂波,因此CUT的大部分频率通道的杂波是不需要用参考单元来估计的。
发明内容
本发明的发明目的在于:针对目前STAP在估计CUT的CCM时CUT的杂波全部采用训练样本估计,提出了一种新型的基于CUT自身先验知识的杂波协方差矩阵估计方法。
本发明的STAP杂波协方差矩阵估计方法,包括下列步骤:
步骤1:待检测频率通道的杂波重建:
步骤2:CUT的杂波重构:
基于CUT的信号xCUT,计算CUT的第i个待检测频率通道幅度为:ρi=si H·xCUT;
综上所述,由于采用了上述技术方案,与STAP中CUT的杂波全部采用训练样本估计的方法相比,本发明的有益效果是:
(1)采用CUT自身的先验知识,不需要实测的环境参数等外部知识;
(2)估计的杂波协方差矩阵更准确,杂波的抑制性能更好。
附图说明
图1是实施例中,第370距离单元雷达回波信号的频谱示意图;
图2是实施例中,截取图1中目标所在方位角的雷达回波信号的频谱;
图3是实施例中,本发明与两种现有方案的杂波抑制结果,其中图3-a、3-b分别为现有方案1、2的杂波抑制结果,图3-c为本发明的杂波抑制结果;
图4是实施例中,不同输入SCNR条件下的杂波抑制性能。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面结合实施方式和附图,对本发明作进一步地详细描述。
本发明技术方案为:将CUT的杂波分成两部分来重建:第一部分是待检测频率通道的杂波重建;第二部分杂波是除了待检测频率以外的其他频率成分的杂波,这部分杂波直接从CUT中提取。最后由重建的杂波来计算CUT的杂波协方差矩阵。在重构CUT的杂波时,只有待检测频率通道的杂波用训练样本来估计,其他频率通道的杂波直接从CUT中抽取。由于本发明利用了CUT自身的准确的杂波信息,因此估计的杂波协方差矩阵更准确,从而提高了STAP的性能。本发明适用于STAP中协方差矩阵的估计问题,提升了STAP的性能,是一种基于CUT自身先验知识的STAP杂波协方差矩阵估计方法。
本发明的工作原理如下:
设雷达天线由N个阵元组成,一个相干处理间隔(CPI)内的脉冲数为M,则第k个距离单元的回波数据xk可以如下表示:
xk=ξks+ck+nk (1)
STAP的最优权向量w可以通过求解如下优化问题得到:
其中RCUT为待检测距离单元的杂波协方差矩阵。计算可求得最优权向量为:
目前已有的方法是选择训练样本去估计CUT的所有频率通道的杂波进一步得到CUT的杂波协方差矩阵。然而CUT中只有待检测的频率通道可能含有目标信号,其他频率通道都是CUT的杂波,因此CUT的大部分频率通道的杂波是不需要用参考单元来估计的。
本发明将CUT的杂波分成两部分来重建:第一部分是待检测频率通道的杂波重建;第二部分杂波是除了待检测频率以外的其他频率成分的杂波,这部分杂波直接从CUT中提取。最后由重建的杂波来计算CUT的杂波协方差矩阵。其具体实现步骤如下:
步骤1:待检测频率通道的杂波重建。
检测CUT的第i个频率通道时,由于该频率通道中的杂波可能混有目标信号,因此需要用参考单元来估计该频率通道的杂波:
步骤2:CUT的杂波重构。
步骤3:CUT杂波协方差矩阵的估计。
实施例
为了简化描述过程,本实施例中不考虑空间导向矢量,仅用时间维导向向量,进行海杂波抑制的仿真。其中,天波雷达工作频率f0=18.3MHz,脉冲重复周期T=12ms,脉冲积累个数M=512,相干积累时间CIT=6.144s。回波数据中,已知待检测的第370距离单元有一个归一化多普勒频率为0.8138的目标,其频谱如图1所示。图2是图一中目标所在方向角的频谱。
传统的杂波协方差矩阵估计中,CUT的所有频率通道的杂波都由训练样本来估计。本发明所提方法中只有待检测频率通道的杂波由训练样本来估计。待检测频率以外的其他频率成分的杂波直接从CUT中提取。
现有方案1(参考文献《Wu Y,Wang T,Wu J,et al.Robust training samplesselection algorithm based on spectral similarity for space–time adaptiveprocessing in heterogeneous interference environments[J].Radar Sonar&Navigation Iet,2015,9(7):778-782.》)、现有方案2(参考文献《Li H,Bao W,Hu J,etal.A Training Samples Selection Method Based on System Identification forSTAP[J].Signal Processing,2018,142:119-124.》)、本发明所提方法对第370距离单元进行杂波抑制。
仿真结果如图3所示,其中图3-a是现有方案1的STAP方法处理结果,最大残留杂波谱是-10.1dB;图3-b是现有方案2的STAP方法处理结果,最大残留杂波谱是-12.46dB;图3-c是本文所提方法处理结果,最大残留杂波谱是-17.46dB。比较上述结果可知,与现有方案1和相比,本发明所提方法的输出SCNR提高了7.36dB;与现有方案2相比,本发明所提方法输出SCNR提高5dB。
为了比较本文所提方法与上述文献中的方法在不同输入SCNR条件下的杂波抑制性能,本次仿真实验在输入SCNR的取值从-40dB到-15dB取值时,比较三种方法在不同输入SCNR条件下的杂波抑制性能,结果如图4。纵坐标为目标频率处输出SCNR与其余频率范围内最大输出SCNR的差值。该差值表征了目标多普勒频率处的输出SCNR的凸起程度,差值越大,说明杂波抑制效果越好,目标更容易被检测到。经计算,与现有方案1相比,所提方法的输出SCNR提高了7.36dB;与现有方案2相比,所提方法输出SCNR提高5dB。
通过以上仿真,验证了本发明算法的优势:估计的杂波协方差矩阵更准确,杂波的抑制性能更好。
以上所述,仅为本发明的具体实施方式,本说明书中所公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换;所公开的所有特征、或所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以任何方式组合。
Claims (1)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810984125.0A CN109061598B (zh) | 2018-08-28 | 2018-08-28 | 一种stap杂波协方差矩阵估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810984125.0A CN109061598B (zh) | 2018-08-28 | 2018-08-28 | 一种stap杂波协方差矩阵估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109061598A CN109061598A (zh) | 2018-12-21 |
CN109061598B true CN109061598B (zh) | 2022-10-14 |
Family
ID=64756245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810984125.0A Active CN109061598B (zh) | 2018-08-28 | 2018-08-28 | 一种stap杂波协方差矩阵估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109061598B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110109066B (zh) * | 2019-04-28 | 2022-05-03 | 电子科技大学 | 一种新的迭代stap优化方法 |
CN110632571B (zh) * | 2019-09-20 | 2021-05-14 | 中国人民解放军国防科技大学 | 一种基于矩阵流形的稳健stap协方差矩阵估计方法 |
CN113433527B (zh) * | 2021-08-26 | 2021-11-09 | 南京隼眼电子科技有限公司 | 基于mimo雷达的静杂波抑制方法、装置、存储介质及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106872982A (zh) * | 2017-03-24 | 2017-06-20 | 中国民航大学 | 基于多普勒预滤波的降维stap微下击瀑流中心风速估计方法 |
CN107462877A (zh) * | 2017-06-27 | 2017-12-12 | 电子科技大学 | 一种基于先验知识的天波雷达海杂波抑制方法 |
CN107544061A (zh) * | 2017-09-11 | 2018-01-05 | 深圳大学 | 基于知识的稀疏恢复空时自适应处理方法及*** |
CN108020817A (zh) * | 2017-09-28 | 2018-05-11 | 西安电子科技大学 | 基于配准的机载前视阵雷达杂波抑制方法 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB9500878D0 (en) * | 1995-01-17 | 1995-03-15 | Thorn Emi Electronics Ltd | Method and apparatus for estimating the detection range of a radar |
US6400306B1 (en) * | 1999-12-17 | 2002-06-04 | Sicom Systems, Ltd | Multi-channel moving target radar detection and imaging apparatus and method |
US7212150B2 (en) * | 2005-04-21 | 2007-05-01 | The United States Of America As Represented By The Secretary Of The Navy | Doppler-sensitive adaptive coherence estimate detector methods |
US8013781B2 (en) * | 2008-09-24 | 2011-09-06 | Lockheed Martin Corporation | Method and apparatus for radar surveillance and detection of sea targets |
CN103018727A (zh) * | 2011-09-27 | 2013-04-03 | 中国科学院电子学研究所 | 一种基于样本训练的机载雷达非平稳杂波抑制方法 |
CN103364764B (zh) * | 2013-06-25 | 2015-06-17 | 西安电子科技大学 | 一种机载雷达非平稳杂波抑制方法 |
US9772402B2 (en) * | 2014-06-09 | 2017-09-26 | Src, Inc. | Multiplatform GMTI radar with adaptive clutter suppression |
WO2016097890A1 (en) * | 2014-12-15 | 2016-06-23 | Airbus Group Singapore Pte. Ltd. | Automated method for selecting training areas of sea clutter and detecting ship targets in polarimetric synthetic aperture radar imagery |
CN106772302A (zh) * | 2015-12-22 | 2017-05-31 | 中国电子科技集团公司第二十研究所 | 一种复合高斯背景下的知识辅助stap检测方法 |
US10317520B2 (en) * | 2016-03-18 | 2019-06-11 | Src, Inc. | Radar system |
CN105785339B (zh) * | 2016-03-21 | 2018-04-10 | 西安电子科技大学 | 非均匀杂波环境下机载雷达杂波协方差矩阵的估计方法 |
CN106483516A (zh) * | 2016-11-25 | 2017-03-08 | 西安电子科技大学 | 基于先验知识的雷达杂波空时自适应处理方法 |
CN106872949B (zh) * | 2017-02-21 | 2019-06-21 | 南京邮电大学 | 一种基于自适应平衡加载的杂波谱配准补偿方法 |
CN107180259B (zh) * | 2017-05-15 | 2021-03-30 | 电子科技大学 | 一种基于***辨识的stap训练样本选择方法 |
CN107255797B (zh) * | 2017-06-27 | 2020-06-16 | 电子科技大学 | 基于发射空时权优化及ka-stap的机载雷达杂波抑制方法 |
CN107167783B (zh) * | 2017-06-28 | 2020-04-10 | 西安电子科技大学 | 一种共形阵列杂波协方差矩阵的稀疏重构方法 |
CN108387884B (zh) * | 2018-05-25 | 2022-01-07 | 西安电子科技大学 | 基于知识辅助稀疏渐进最小方差的机载雷达杂波抑制方法 |
-
2018
- 2018-08-28 CN CN201810984125.0A patent/CN109061598B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106872982A (zh) * | 2017-03-24 | 2017-06-20 | 中国民航大学 | 基于多普勒预滤波的降维stap微下击瀑流中心风速估计方法 |
CN107462877A (zh) * | 2017-06-27 | 2017-12-12 | 电子科技大学 | 一种基于先验知识的天波雷达海杂波抑制方法 |
CN107544061A (zh) * | 2017-09-11 | 2018-01-05 | 深圳大学 | 基于知识的稀疏恢复空时自适应处理方法及*** |
CN108020817A (zh) * | 2017-09-28 | 2018-05-11 | 西安电子科技大学 | 基于配准的机载前视阵雷达杂波抑制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109061598A (zh) | 2018-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4727311B2 (ja) | レーダ装置 | |
CN106125053B (zh) | 脉冲多普勒雷达极化抗干扰方法 | |
CN109188385B (zh) | 杂波背景下的高速微弱目标检测方法 | |
CN109061598B (zh) | 一种stap杂波协方差矩阵估计方法 | |
Fischer et al. | Robust detection and mitigation of mutual interference in automotive radar | |
US9857455B2 (en) | Radar filter process using antenna patterns | |
CN104267379A (zh) | 一种基于波形设计的主被动雷达协同抗干扰方法 | |
CN109324322A (zh) | 一种基于被动相控阵天线的测向与目标识别方法 | |
CN110632573B (zh) | 一种机载宽带雷达空时二维keystone变换方法 | |
Wang et al. | Hand gesture recognition using radial and transversal dual micromotion features | |
Guo et al. | Transient interference excision in over-the-horizon radar using adaptive time-frequency analysis | |
KR101908455B1 (ko) | 저전력 주파수 변조 연속파 레이더 시스템 및 그 제어 방법 | |
CN109507654B (zh) | 一种基于ls的复杂环境下相位信息计算方法 | |
Mao et al. | An efficient anti-interference imaging technology for marine radar | |
CN106209715B (zh) | 一种基于时域对消的噪声调幅干扰抑制方法 | |
Colone | Spectral slope-based approach for mitigating bistatic space-time adaptive processing clutter dispersion | |
CN114428228B (zh) | 高重频和差天线雷达导引头的杂波抑制方法 | |
Yang et al. | Phase imbalance estimation for azimuth multi-channel ScanSAR system | |
Ginolhac et al. | Spatio-temporal adaptive detector in non-homogeneous and low-rank clutter | |
Xie et al. | Range-dependence compensation method for bistatic STAP radar | |
Dragosevic | Autofocusing of moving objects in SAR data based on adaptive notch filtering | |
Sarac et al. | A subspace-aware kelly's detector using reduced secondary data with fast and slow time preprocessing | |
TWI677696B (zh) | 一種雷達估測目標方位之方法 | |
Dzvonkovskaya et al. | HF radar ship detection and tracking using WERA system | |
Hou et al. | Clutter suppression for multichannel synthetic aperture radar ground moving target indication system with the capability of high-resolution wide-swath imaging |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |