CN115792843A - 一种基于波束域加权的局域联合空时自适应杂波抑制方法 - Google Patents
一种基于波束域加权的局域联合空时自适应杂波抑制方法 Download PDFInfo
- Publication number
- CN115792843A CN115792843A CN202211297523.8A CN202211297523A CN115792843A CN 115792843 A CN115792843 A CN 115792843A CN 202211297523 A CN202211297523 A CN 202211297523A CN 115792843 A CN115792843 A CN 115792843A
- Authority
- CN
- China
- Prior art keywords
- space
- time
- local area
- array
- adaptive
- 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.)
- Pending
Links
- 230000001629 suppression Effects 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000013598 vector Substances 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 33
- 239000011159 matrix material Substances 0.000 claims abstract description 28
- 230000003044 adaptive effect Effects 0.000 claims abstract description 26
- 238000012549 training Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 230000002401 inhibitory effect Effects 0.000 claims abstract description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000003491 array Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于波束域加权的局域联合空时自适应杂波抑制方法,包括:S1:使用子阵划分结合和差波束形成的方式对数据进行处理得到波束域加权值;S2:基于S1计算得到波束域加权值构造加权后的空时导向矢量,在距离维度上收集训练样本,使用局域联合降维的空时自适应方法,计算包含杂波信息的协方差矩阵,再对电离层杂波抑制。对于小孔径高频地波雷达,在复杂的电磁环境下,阵列自由度不足会导致的杂波抑制性能降低,目标的信杂比不足并且在角度上不能形成明显的峰。本发明针对这一问题,使小孔径高频地波雷达在杂波抑制后,改善目标信杂比,并且角度精度更高。
Description
技术领域
本发明属于雷达杂波抑制领域,具体涉及一种基于波束域加权的局域联合空时自适应杂波抑制方法。
技术背景
高频地波超视距雷达在反隐身、抗低空突防以及超视距探测等方面具有得天独厚的优势。在现有岸基高频地波雷达中,主要用于目标探测的雷达***多为大型阵列结构。然而,随着海洋在国民经济中占有越来越重要的地位,大面积地占用稀缺海岸资源已经成为限制地波雷达发展的重要因素。因此,亟需发展一种以目标探测为主的高频地波雷达小孔径阵列***。
小孔径的高频地波雷达***虽然极大地减小了占地面积,但同时也为信号处理方法的研究带来巨大挑战。尤其在有杂波的复杂背景下,小孔径阵列自由度更少,波束主瓣宽度更宽,被展宽的电台与杂波角度谱使得目标更容易被其淹没,很难被检测。在进行杂波抑制处理时,需要有符合独立同分布特性的训练样本来构造协方差矩阵,波束展宽会严重空时自适应杂波抑制方法的性能,同时自由度的降低导致电离层杂波数据的独立同分布特性降低,使携带杂波信息的协方差矩阵估计严重不准确,使杂波抑制后的目标信息被破坏。
发明内容
本发明的目的是为了解决小孔径高频地波雷达在进行杂波抑制时,自由度不足导致主波束变宽,杂波抑制性能低的问题。从而使目标大幅提高信杂比和角度信息的准确性。
为了实现上述目的,本发明采用了如下技术方案:
一种基于波束域加权的局域联合空时自适应杂波抑制方法,包括以下步骤:
S1:使用子阵划分结合和差波束形成的方式对数据进行处理得到波束域权值;
S2:基于S1计算得到的波束域权值构造加权后的空时导向矢量,在距离维度上收集训练样本,使用一种局域联合降维的空时自适应方法,计算包含杂波信息的协方差矩阵,使用该协方差矩阵对电离层杂波抑制;
优选地,S1包括以下子步骤:
S11:设置使用的接收天线阵列为包含Ne个阵元的均匀直线阵,阵列间距为d;假设入射信号是远场平面波;以最左边的第一个阵元为参考阵元,垂直于阵列的方向为法线方向;脉冲重复周期为Np个,fs为采样频率;第l个距离单元的M=NeNp维的数据表示为:
其中[·]T为矩阵转置,则回波的空时导向矢量定义为:
其中,φt为目标的回波方位,ft为目标的径向多普勒频率;
接收到的数据表示为目标信号、外部干扰和噪声的总和:
X=ξtv(ft,φt)+c+n
其中,ξ为目标的信号幅度,c为杂波信号,n为噪声信号;
S12:将空时域设置为K=NsNd个均匀的离散网格点,
其中,Ns和Nd分别表示空间单元个数和多普勒单元个数。并且网格上的每个点都对应一个空时导向矢量:vk,k=1,...,K。
S13:如图1所示,将接收阵等分成左右两个子阵,假设阵元数是偶数,左子阵由第1到笫Ne/2个阵元组成,右子阵为第Ne/2+1到第Ne个阵元组成,分别对左右子阵进常规波束形成,可以得到指向φt的左波束RL和RR右波束:
其中In为第n个阵列单元的信号幅度,再将左波束和右波束输出按照以下公式构建和波束Sum(θ)和差波束Diff(θ):
Sum(φt)=|RL|+|RR|
Diff(φt)=|RL-RR|
S14:将所得的和波束和差波束构造波束系数:
AFHyper={(|RL|+|RR|)u-(|RL-RR|)u}1/u
其中μ∈(0.3,1]为调制系数。再将得到的超波束系数作为权向量与空间导向矢量结合得到超波束空间导向矢量,可以表示为:
aHyper(φt)=AFHyper·a(φt)
因此重构的加权后波束空时导向矢量表达式为:
vHyper(ft,φt)即是波束域加权后的空时导向矢量,可以在后续的空时自适应算法替代一般的空时导向矢量。波束域加权后的数据在距离维度上更符合独立同分布特性,可以提升杂波抑制的性能。
优选地,S2包括以下子步骤:
S21:空时自适应处理是求解一个最优权向量来对数据进行处理,可以表示为:
y=wHXl
其中[·]H为矩阵的转置,y即是空时自适应处理的结果。
对于波束域加权后的空时自适应处理,最优权向量可以表示为:
w=R-1vHyper
其中R为带有噪声和杂波信息的协方差矩阵。对于实际***来说,协方差矩阵R需要通过在距离维度上获得训练样本构造:
其中L为训练样本的个数,并且l=[0,1,...,L-1]。这种全空时自适应算法的问题是难以获得杂波的先验知识,并且至少需要2M个独立同分布的样本数据来准确估计协方差矩阵。然而对于实际的高频地波雷达***来说样本数量是远远不满足条件的。为了解决这个问题,这里使用了局域联合降维空时自适应(JDL)的方法。
S22:JDL算法是将维度为M×1的训练样本进行局域联合处理,转换为ηaηd×1维的空时数据,波束域加权后的空时转换矩阵THyper设置为:
其中,ηd和ηa分别为降维后多普勒分辨单元的个数和波束个数。
则降维后的数据和空时导向矢量可以表示为:
则协方差矩阵可以由训练样本估计得到:
则对于基于波束域加权的局域联合降维处理的自适应权向量为:
S23:使用基于波束域加权的局域联合降维处理求得的自适应权向量对数据进行杂波抑制处理可以得到输出结果:
y=wHyper HXl
循环步骤S22,处理第l个距离单元的角度和多普勒数据,得到:
其中,Nd和Na分别为选取数据的多普勒分辨单元个数和波束个数;Yl为第l个距离单元经过该方法处理得到的杂波抑制输出结果。
S24:循环步骤S23,计算全部的距离单元Yl的结果。
本发明提供的技术方案可以使小阵列高频地波雷达得到更窄的主瓣宽度,并且可以高效的对电离层杂波进行抑制,弥补传统空时自适应处理在小阵列情况下性能下降的问题,从而使目标的信杂比大幅提高,并且在角度上有更准确的峰值。
附图说明
图1是本发明的流程图;
图2实测回波数据的距离-多普勒谱。
图3加入仿真目标后该距离单元的角度-多普勒谱。
图4均匀直线阵列的双子阵模型。
图5杂波抑制处理后的距离-多普勒谱。
图6杂波抑制处理后距离单元的角度-多普勒谱。
图7目标位置的多普勒剖面。
图8目标位置的角度剖面。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,一种基于波束域加权的局域联合空时自适应杂波抑制方法,包括:
S1:使用子阵划分结合和差波束形成的方式对数据进行处理得到波束域权值;具体的子步骤为:
S11:设置高频地波雷达设置为Ne=8个单元的均匀直线阵列,阵列间距为d=14.5米,信号包含Np=2048个脉冲重复周期,信号的采样频率为fs,得到M=NeNp维度的数据,其中,第i个距离单元表示为:
其中[·]T为矩阵转置,则带有目标的数据的空时导向矢量表示为:
其中,a(φt)和b(ft)分别为空间导向矢量和时间导向矢量:
S12:将空时域设置为K=NsNd个均匀的离散网格点,
其中,Ns和Nd分别表示空间单元个数和多普勒单元个数,选取Ns=61,Nd=251。并且网格上的每个点都对应一个空时导向矢量,角度间隔为3°,多普勒间隔为0.0093Hz:vk,k=1,...,K。优选地,在实测回波数据中加入信杂比为0dB的仿真目标,目标所在角度为12°,多普勒频率为-0.18Hz。处理后的实测回波数据的距离-多普勒谱和角度-多普勒谱如图2、图3所示。由于存在很强的电离层杂波,目标不能被探测到。
S13:如图4所示,将接收阵等分成左右两个子阵,此时阵元数是偶数,左子阵由第1到笫Ne/2=4个阵元组成,右子阵为第Ne/2+1=5到第Ne=8个阵元组成,分别对左右子阵进常规波束形成,可以得到指向φt的左波束RL和RR右波束:
其中In为第n个阵列单元的信号幅度,再将左波束和右波束输出按照以下公式构建和波束Sum(θ)和差波束Diff(θ):
Sum(φt)=|RL|+|RR|
Diff(φt)=|RL-RR|
然后将所得的和波束和差波束构造波束域加权系数:
AFHyper={(|RL|+|RR|)u-(|RL-RR|)u}1/u
其中μ=0.8,μ∈(0.3,1]为调制系数。再将得到的波束域加权系数作为权向量与空间导向矢量结合得到波束加权后的空间导向矢量,可以表示为:
aHyper(φt)=AFHyper·a(φt)
因此重构的波束加权空时导向矢量表达式为:
vHyper(ft,φt)即是波束加权后的空时导向矢量,可以在后续的空时自适应算法替代一般的空时导向矢量。波束域加权后的数据在距离维度上更符合独立同分布特性,可以提升杂波抑制的性能。
S2:基于S1计算得到的波束域权值构造加权后的空时导向矢量,在距离维度上收集训练样本,使用一种局域联合降维的空时自适应方法,计算包含杂波信息的协方差矩阵,使用该协方差矩阵对电离层杂波抑制;
S2包括以下子步骤:
S21:空时自适应处理是求解一个最优权向量来对数据进行处理,可以表示为:
y=wHXl
其中[·]H为矩阵的转置,y即是空时自适应处理的结果。
对于全空时自适应处理,最优权向量可以表示为:
w=R-1vHyper
其中R为带有噪声和杂波信息的协方差矩阵。对于实际***来说,协方差矩阵R需要通过在距离维度上获得训练样本构造:
其中L为训练样本的个数,本实例选取样本个数为30个,并且l=[0,1,...,L-1]。
S22:JDL算法是将维度为M×1的训练样本进行局域联合处理,转换为ηaηd×1维的空时数据。则空时转换矩阵THyper表示为:
其中,ηd和ηa分别为降维后多普勒分辨单元的个数和波束个数,其中设置ηa=5,ηd=3。
则降维后的数据和空时导向矢量可以表示为:
则协方差矩阵可以由训练样本估计得到:
则对于基于波束域加权的局域联合降维处理的自适应权向量为:
S23:使用基于波束域加权的局域联合降维处理求得的自适应权向量对数据进行杂波抑制处理可以得到输出结果:
y=wHyper HXl
循环步骤S22,处理第l个距离单元的角度和多普勒数据,得到:
其中,Nd和Na分别为选取数据的多普勒分辨单元个数和波束个数;Yl为第l个距离单元经过该方法处理得到的杂波抑制输出结果。
S24:循环步骤S23,计算全部的距离单元Yl的结果。
经过本发明提出的杂波抑制算法处理后的距离-多普勒谱和角度-多普勒谱如图5和图6所示。圆圈处为加入目标位置,可以观察到杂波抑制后目标被清晰地凸显出来。
如图7和图8所示,为提出算法的处理结果的多普勒频率剖面图和角度剖面图。为了对比效果,同时加入了杂波抑制前的剖面图。图中虚线为目标所在的多普勒频率和角度。在多普勒频率剖面图中可以看到,经过提出算法杂波抑制处理后目标的多普勒频率可以形成明显的尖峰;在角度剖面,未经过处理的数据是很高幅度的难以区分的杂波,处理后可以在目标所在方向形成尖锐的峰。目标的信杂比提升了17.9dB,目标可以被很容易的探测到。
通过以上结果可以得出结论,本发明提出的基于波束域加权的局域联合空时自适应杂波抑制方法可以有效的对小阵列下的复杂杂波进行处理,尽可能完整地保留目标信息,大幅度提升目标的信杂比,尤其是在角度上可以形成尖锐且准确的峰值,可以有效的帮助后续的目标检测。
Claims (5)
1.一种基于波束域加权的局域联合空时自适应杂波抑制方法,其特征在于,包括以下步骤:
S1:使用子阵划分结合和差波束形成的方式对数据进行处理得到波束域权值;
S2:基于S1计算得到的波束域权值构造加权后的空时导向矢量,在距离维度上收集训练样本,使用局域联合降维的空时自适应方法,计算包含杂波信息的协方差矩阵,使用该协方差矩阵对电离层杂波抑制。
2.根据权利要求1所述的一种基于波束域加权的局域联合空时自适应杂波抑制方法,其特征在于,S1包括以下子步骤:
S11:设置使用的接收天线阵列为包含Ne个阵元的均匀直线阵,阵列间距为d;假设入射信号是远场平面波;以最左边的第一个阵元为参考阵元,垂直于阵列的方向为法线方向;脉冲重复周期为Np个,fs为采样频率;第l个距离单元的M=NeNp维的数据表示为:
其中[·]T为矩阵转置,则回波的空时导向矢量定义为:
其中,φt为目标的回波方位,ft为目标的径向多普勒频率;
接收到的数据表示为目标信号、外部干扰和噪声的总和:
X=ξtv(ft,φt)+c+n
其中,ξ为目标的信号幅度,c为杂波信号,n为噪声信号;
S12:将空时域设置为K=NsNd个均匀的离散网格点,
其中,Ns和Nd分别表示空间单元个数和多普勒单元个数;并且网格上的每个点都对应一个空时导向矢量:vk,k=1,...,K;
S13:将接收阵等分成左右两个子阵,假设阵元数是偶数,左子阵由第1到第Ne/2个阵元组成,右子阵为第Ne/2+1到第Ne个阵元组成,分别对左右子阵进常规波束形成,得到指向φt的左波束RL和RR右波束:
其中In为第n个阵列单元的信号幅度,再将左波束和右波束输出按照以下公式构建和波束Sum(θ)和差波束Diff(θ):
Sum(φt)=|RL|+|RR|
Diff(φt)=|RL-RR|
S14:将所得的和波束和差波束构造波束系数:
AFHyper={(|RL|+|RR|)u-(|RL-RR|)u}1/u
其中μ∈(0.3,1]为调制系数;再将得到的波束加权系数作为权向量与空间导向矢量结合得到波束空间导向矢量,表示为:
aHyper(φt)=AFHyper·a(φt)
因此重构的加权后空时导向矢量表达式为:
vHyper(ft,φt)即是波束域加权后的空时导向矢量,在后续的空时自适应算法替代一般的空时导向矢量;波束域加权后的数据在距离维度上更符合独立同分布特性,提升杂波抑制的性能。
4.根据权利要求1所述的一种基于波束域加权的局域联合空时自适应杂波抑制方法,其特征在于,,S2包括以下子步骤:
S21:空时自适应处理是求解一个最优权向量来对数据进行处理,表示为:
y=wHXl
其中[·]H为矩阵的转置,y即是空时自适应处理的结果;
对于波束域加权后的空时自适应处理,最优权向量表示为:
w=R-1vHyper
其中R为带有噪声和杂波信息的协方差矩阵;
之后使用局域联合降维空时自适应JDL的方法;
S22:JDL算法是将维度为M×1的训练样本进行局域联合处理,转换为ηaηd×1维的空时数据,加权后的空时转换矩阵THyper设置为:
其中,ηd和ηa分别为降维后多普勒分辨单元的个数和波束个数;
则降维后的数据和空时导向矢量表示为:
则协方差矩阵由训练样本估计得到:
则对于基于波束域加权的局域联合降维处理的自适应权向量为:
S23:基于波束域加权的局域联合降维处理的自适应权向量对数据进行杂波抑制处理得到输出结果:
y=wHyper HXl
循环步骤S22,处理第l个距离单元的角度和多普勒数据,得到:
其中,Nd和Na分别为选取数据的多普勒分辨单元个数和波束个数;Yl为第l个距离单元经过该方法处理得到的杂波抑制输出结果;
S24:循环步骤S23,计算全部的距离单元Yl的结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211297523.8A CN115792843A (zh) | 2022-10-22 | 2022-10-22 | 一种基于波束域加权的局域联合空时自适应杂波抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211297523.8A CN115792843A (zh) | 2022-10-22 | 2022-10-22 | 一种基于波束域加权的局域联合空时自适应杂波抑制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115792843A true CN115792843A (zh) | 2023-03-14 |
Family
ID=85433464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211297523.8A Pending CN115792843A (zh) | 2022-10-22 | 2022-10-22 | 一种基于波束域加权的局域联合空时自适应杂波抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115792843A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118018081A (zh) * | 2024-02-29 | 2024-05-10 | 国家工业信息安全发展研究中心 | 一种面向数据安全通信的环形天线***分层波束训练方法 |
-
2022
- 2022-10-22 CN CN202211297523.8A patent/CN115792843A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118018081A (zh) * | 2024-02-29 | 2024-05-10 | 国家工业信息安全发展研究中心 | 一种面向数据安全通信的环形天线***分层波束训练方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108549059B (zh) | 一种复杂地形条件下的低空目标仰角估计方法 | |
CN101770022B (zh) | 基于遗传算法的mimo雷达阵列位置误差自校正方法 | |
CN108693511B (zh) | 时分复用mimo雷达的运动目标角度计算方法 | |
CN109581352B (zh) | 一种基于毫米波雷达的超分辨测角*** | |
CN110488255A (zh) | 一种相控阵雷达单脉冲高分辨测角***及方法 | |
CN109143190B (zh) | 一种零陷展宽的宽带稳健自适应波束形成方法 | |
CN108535698B (zh) | 基于波束空间的米波雷达低仰角估计方法 | |
CN112612005B (zh) | 基于深度学习的雷达抗主瓣干扰方法 | |
CN1752771A (zh) | 单通道相控阵接收信号重构及空间信号处理方法 | |
CN112612010A (zh) | 一种基于波瓣***预处理的米波雷达低仰角测高方法 | |
CN113835068B (zh) | 一种基于独立成分分析的盲源分离实时抗主瓣干扰方法 | |
CN101881822A (zh) | 一种针对共享谱雷达同频干扰的抑制方法 | |
Ji et al. | Target monitoring using small-aperture compact high-frequency surface wave radar | |
CN112612006A (zh) | 基于深度学习的机载雷达非均匀杂波抑制方法 | |
CN108872947B (zh) | 一种基于子空间技术的海杂波抑制方法 | |
CN115792843A (zh) | 一种基于波束域加权的局域联合空时自适应杂波抑制方法 | |
CN113238211A (zh) | 一种干扰条件下参数化自适应阵列信号检测方法与*** | |
CN109188373B (zh) | 基于子阵阻塞矩阵预处理的抗主瓣干扰方法 | |
CN111366904A (zh) | 一种基于二维频谱相干合并的cfar检测方法 | |
CN111896913A (zh) | 高频雷达单极子/交叉环天线通道增益校准方法及装置 | |
Wang et al. | Evaluation of beamforming and direction finding for a phased array HF ocean current radar | |
CN110940953A (zh) | 地波雷达海杂波中目标的三维检测方法 | |
CN112858994B (zh) | 一种基于均匀圆阵的比幅测向方法 | |
CN115436888A (zh) | 一种天基预警雷达非平稳杂波抑制方法及*** | |
CN113625265B (zh) | 基于波束空间的方位超分辨方法 |
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 |