CN116774162A - 用于均匀线性阵列的抗主副瓣干扰自适应单脉冲测角方法 - Google Patents

Abstract

本发明涉及一种用于均匀线性阵列的抗主副瓣干扰自适应单脉冲测角方法，包括：获取阵列回波数据，并计算协方差矩阵；利用协方差矩阵估计信源数和主瓣干扰角度；利用主瓣干扰角度构造主瓣干扰阻塞矩阵，并对阵列回波数据进行预处理，得到预处理后阵列数据；将波束指向对应的静态导向矢量投影到信号子空间，得到和波束投影矢量；利用和波束投影矢量对预处理后阵列数据进行维纳滤波，求解和波束自适应权值；利用和波束投影矢量计算差波束投影矢量，并利用差波束投影矢量求解差波束自适应权值；利用和波束自适应权值和差波束自适应权值，采用比幅单脉冲法，计算目标偏角。该方法具有抗主瓣干扰能力强、对主瓣干扰附近目标的测角精度高等优点。

Description

用于均匀线性阵列的抗主副瓣干扰自适应单脉冲测角方法

技术领域

本发明属于信号与信息处理技术领域，具体涉及一种用于均匀线性阵列的抗主副瓣干扰自适应单脉冲测角方法。

背景技术

随着电磁对抗环境日益激烈，主瓣干扰(Mainlobe jamming，MLJ)的出现对自适应单脉冲测角技术提出了挑战。常规的自适应单脉冲测角技术在对抗主瓣干扰时，自适应数字波束形成(Adaptive digital beamforming，ADBF)技术在主瓣干扰处形成的深零陷会使得和(差)波束指向(零陷)出现偏移，导致自适应单脉冲比特性曲线(Monopulse rateculve,MRC)在波束指向附近发生严重畸变，此时自适应单脉冲测角技术无法给出有效的角度估计结果。

目前较为成熟的抗主副瓣干扰的自适应单脉冲测角方法主要分为两大类：数据预处理类、线性约束类自适应单脉冲测角算法，能够抑制主瓣干扰、同时保证测角结果有效。然而，已有算法都是在回波数据不存在目标信号的前提下实现的，实际情况中由于目标真实角度无法精确已知以及有限的训练样本长度，当回波数据中包含目标信号时，算法将由于严重的信号相消导致测角结果失效，通常需要进行主瓣保形来缓解这一问题；而且，保形处理虽然能缓解信号相消现象、保证测角结果有效，但是当目标位于主瓣干扰附近时，由于此时的和差自适应通道输出的信噪比太低，这两类算法测出目标偏角为0，测角结果与目标真实方向不符，此时测角精度严重不足。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种用于均匀线性阵列的抗主副瓣干扰自适应单脉冲测角方法。本发明要解决的技术问题通过以下技术方案实现：

本发明实施例提供了一种用于均匀线性阵列的抗主副瓣干扰自适应单脉冲测角方法，包括步骤：

S1、获取阵列回波数据，并根据所述阵列回波数据计算协方差矩阵；

S2、利用所述协方差矩阵估计信源数和主瓣干扰角度；

S3、采用两两对消法，利用所述主瓣干扰角度构造主瓣干扰阻塞矩阵，并利用所述主瓣干扰阻塞矩阵对所述阵列回波数据进行预处理，得到预处理后阵列数据；

S4、利用所述协方差矩阵和所述信源数构造信号子空间，将波束指向对应的静态导向矢量投影到所述信号子空间，并舍弃子空间投影后的波束导向矢量的最后一个元素，得到和波束投影矢量；

S5、采用降秩广义旁瓣相消结构，利用所述和波束投影矢量对所述预处理后阵列数据进行维纳滤波，求解和波束自适应权值；

S6、对所述和波束投影矢量采用对称取反法计算差波束投影矢量，并采用降秩广义旁瓣相消结构，利用所述差波束投影矢量求解差波束自适应权值；

S7、利用所述和波束自适应权值和所述差波束自适应权值构造自适应和通道和自适应差通道，并结合所述自适应和通道和所述自适应差通道，采用比幅单脉冲法计算目标偏角。

在本发明的一个实施例中，所述主瓣干扰阻塞矩阵为：

其中，u_mlj表示主瓣干扰入射角度对应的波数矢量，u_mlj＝-2πsin(θ_mlj)/λ，θ_mlj表示主瓣干扰角度，d表示阵元间距，λ表示雷达工作波长；

所述预处理后阵列数据为：

y(k)＝Bx(k)。

在本发明的一个实施例中，步骤S4包括：

利用所述信源数对所述协方差矩阵进行特征分解：

其中，N表示阵元数，M表示信源数，λ_n表示前M个较大的协方差矩阵特征值，σ_n表示其余的噪声特征值，u_n表示协方差矩阵的特征矢量，表示降序排列的N个特征值，U＝[u₁,…,u_M]表示前M个大特征值对应的特征矢量；

将所述前M个大特征值对应的特征矢量张成的空间作为所述信号子空间：

P＝UU^H；

将波束指向对应的静态导向矢量投影到所述信号子空间，得到所述子空间投影后的波束导向矢量：

a_p＝Pa(θ₀)＝UU^Ha(θ₀)

其中，θ₀表示波束指向，a(θ₀)表示波束指向对应的静态导向矢量；

舍弃所述子空间投影后的波束导向矢量的最后一个元素，得到和波束投影矢量：

w_q＝{a_p}_1，...,N-1

其中，{*}_1，...,N-1表示矢量的前N-1个元素。

在本发明的一个实施例中，步骤S5包括：

利用所述和波束投影矢量对所述预处理后阵列数据进行加权，得到第一上支路目标数据：

利用所述和波束投影矢量构造第一下支路阻塞矩阵，并利用所述第一下支路阻塞矩阵处理所述预处理后阵列数据得到第一二次处理阵列数据：

x₀(k)＝B₀y(k)＝B₀Bx(k)

其中，B₀表示第一下支路阻塞矩阵，I表示单位矩阵，I大小为(N-1)×(N-1)；

对所述第一二次处理阵列数据的协方差矩阵进行特征分解，得到第一分解特征：

其中，表示x₀(k)的协方差矩阵，/>大小为(N-1)×(N-1)，N表示阵元数，M表示信源数，λ_n表示与信源数目对应的前M-1个较大的协方差矩阵特征值，σ_n表示其余的噪声特征值，v_n表示协方差矩阵的特征矢量；

将所述第一分解特征中区别于噪声特征值的M-1个大特征值作为第一降秩转换矩阵：

T＝V^H＝[v₁,…,v_M-1]^H；

利用所述第一降秩转换矩阵对所述第一二次处理阵列数据进行降秩处理，得到第一下支路干扰数据：

z(k)＝Tx₀(k)＝TB₀y(k)＝TB₀Bx(k)；

根据维纳滤波理论，将所述第一下支路干扰数据与第一上支路目标数据进行维纳滤波，进而求解第一下支路自适应权：

其中，R_z表示第一下支路干扰数据的自相关矩阵，r_zd表示第一下支路干扰数据与第一上支路目标数据的互相关矢量；

利用所述第一下支路自适应权、所述第一降秩转换矩阵、所述第一下支路阻塞矩阵、所述和波束投影矢量和所述主瓣干扰阻塞矩阵求解所述和波束自适应权值：

w_sum＝B^H(w_q-(TB₀)^Hw_z)。

在本发明的一个实施例中，所述第一下支路阻塞矩阵的构造方法包括零空间法、特征矢量法或household法；

所述第一降秩转换矩阵的构造方法包括主分量法、交叉谱法或多级维纳滤波法。

在本发明的一个实施例中，步骤S6包括：

对所述和波束投影矢量采用对称取反法计算差波束投影矢量：

其中，⊙表示哈德蒙积；

利用所述差波束投影矢量对所述预处理后阵列数据进行加权，得到第二上支路目标数据：

利用所述差波束投影矢量构造第二下支路阻塞矩阵，并利用所述第二下支路阻塞矩阵处理所述预处理后阵列数据得到第二二次处理阵列数据：

x₀′(k)＝B₀′y(k)＝B₀′Bx(k)

其中，B₀′表示第二下支路阻塞矩阵，I表示单位矩阵，I大小为(N-1)×(N-1)；

对所述第二二次处理阵列数据的协方差矩阵进行特征分解，得到第二分解特征：

其中，表示x₀′(k)的协方差矩阵，/>大小为(N-1)×(N-1)，N表示阵元数，M表示信源数，λ′_n表示与信源数目对应的前M-1个较大的协方差矩阵特征值，σ′表示其余的噪声特征值，v′_n表示协方差矩阵的特征矢量；

将所述第二分解特征中区别于噪声特征值的M-1个大特征值作为第二降秩转换矩阵：

T′＝V′^H＝[v′₁,…,v′_M-1]^H

利用所述第二降秩转换矩阵对所述第二二次处理阵列数据进行降秩处理，得到第二下支路干扰数据：

z′(k)＝T′x₀′(k)＝T′B′₀y(k)＝T′B′₀Bx(k)

根据维纳滤波理论，将所述第二下支路干扰数据与第二上支路目标数据进行维纳滤波，进而求解第二下支路自适应权：

其中，R′表示第二下支路干扰数据的自相关矩阵，r′_zd表示第二下支路干扰数据与第二上支路目标数据的互相关矢量；

利用所述第二下支路自适应权、所述第二降秩转换矩阵、所述第二下支路阻塞矩阵、所述差波束投影矢量和所述主瓣干扰阻塞矩阵求解所述差波束自适应权值：

w_diff＝B^H(w_q-diff-(TB₀)^Hw_z)。

在本发明的一个实施例中，所述第二下支路阻塞矩阵的构造方法包括零空间法、特征矢量法或household法；

所述第二降秩转换矩阵的构造方法包括主分量法、交叉谱法或多级维纳滤波法。

与现有技术相比，本发明的有益效果：

本发明的测角方法首先利用主瓣干扰阻塞矩阵对阵列回波数据进行预处理，然后将波束指向对应的静态导向矢量投影到所述信号子空间，在此基础上采用降秩广义旁瓣相消结构求解和波束自适应权值和差波束自适应权值，最后利用和波束自适应权值、差波束自适应权值计算得到目标偏角，该方法和传统抗主副瓣干扰自适应单脉冲测角方法相比，不仅能在回波数据包含目标信号时避免信号相消，保证测角结果的有效性；且和、差波束自适应权值形成的单脉冲比鉴角曲线不会在主瓣干扰角度附近发生畸变，其零值响应处的偏角位置能随着目标入射角度自适应地变化，从而能在一定程度上修正波束指向与目标真实角度的失配误差；该方法具有抗主瓣干扰能力强、对主瓣干扰附近目标的测角精度高等优点。

附图说明

图1为本发明实施例提供的用于均匀线性阵列的抗主副瓣干扰自适应单脉冲测角方法的流程示意图；

图2为本发明实施例提供的坐标系定义方法示意图；

图3为本发明实施例提供的求解和波束自适应权值的流程示意图；

图4为本发明实施例提供的求解差波束自适应权值的流程示意图；

图5为本发明实施例提供的主瓣干扰阻塞矩阵实施结构图；

图6是本发明实施例提供的子空间投影算法对不同程度角度失配误差的修正效果示意图；

图7a-图7d是目标分别从-3.2°、-1°、1°和3.2°入射时，经投影处理后的和差投影波束矢量方向图；

图8为本发明实施例提供的和差自适应方向图；

图9为由和差自适应方向图得到的自适应单脉冲比特性曲线图；

图10为本发明实施例提供的自适应单脉冲测角方法对不同来波方向目标的测角结果示意图；

图11为传统自适应单脉冲测角技术的和差自适应方向图；

图12为传统自适应单脉冲测角技术自适应单脉冲比特性曲线；

图13为传统自适应单脉冲测角技术对不同来波方向目标的测角结果随目标入射角度变化示意图；

图14a-图14b为两种改进自适应单脉冲测角技术的自适应和差方向图；

图15a-图15b为两种改进自适应单脉冲测角技术的自适应单脉冲比特性曲线；

图16a-图16b为两种改进自适应单脉冲测角技术测角结果随目标入射角度变化示意图图；

图17为本发明实施例提供的自适应单脉冲测角方法与传统方法对不同来波方向目标的的测角结果示意图。

具体实施方式

下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

实施例一

请参见图1，图1为本发明实施例提供的用于均匀线性阵列的抗主副瓣干扰自适应单脉冲测角方法的流程示意图。本实施例用于均匀线性阵列的抗主副瓣干扰自适应单脉冲测角方法包括步骤：

S1、获取阵列回波数据，并根据所述阵列回波数据计算协方差矩阵。

在实际应用过程中，天线接收到的回波数据经过信号采样、数字下变频和幅相误差校正，得到所需的阵列回波数据x(k)。

请参见图2，图2为本发明实施例提供的坐标系定义方法示意图。图2中，将一维线阵放置于x轴上，目标来波方向与线阵法线方向的夹角定义为到达角θ。本实施例中，令λ表示雷达工作波长，则来波方向θ_m对应的波数矢量可表示为u_m＝-2πsin(θ_m)/λ。记均匀线性阵列(Uniform linear array，ULA)的阵元间距为d、阵元个数为N，则来波方向θ_m的导向矢量可表示为：

a(θ₀)＝[1,exp(jdu_m),...,exp(j(N-1)du_m)]^T。

假设空间中存在M个远场信号，其中存在1个目标、1个主瓣干扰和M-2个旁瓣干扰，s_m(k)表示第m个信号的复包络，noise表示阵列的加性高斯白噪声，则阵列在某一次快拍采样下接收的回波数据x(k)为：

其中，x(k)表示第k次快拍采样的阵列回波数据，M表示信源数，s_m(k)表示第m个信号的复包络，θ_m表示其入射角，a(θ_m)表示信号导向矢量，a(θ_m)结构为[1,exp(jdu_m),...,exp(j(N-1)du_m)]^T，N表示阵元个数，d表示阵元间距，u_m＝-2πsin(θ_m)/λ表示波数矢量，λ表示雷达工作波长，T表示转置，noise表示阵列的加性高斯白噪声。

阵列回波数据的协方差矩阵为：

其中，K表示采样快拍数，H表示共轭转置。

S2、利用所述协方差矩阵估计信源数和主瓣干扰角度。

具体的，采用信息准则(Akaike information criterion，AIC)方法，利用协方差矩阵估计信源数，该方法为现有方法，本实施例不再赘述。

采用Capon法，利用协方差矩阵估计主瓣干扰(Mainlobe jamming，MLJ)角度：

其中，主波束为阵列方向图响应3dB范围内的角度范围，a(θ)表示方向为θ的阵列导向矢量，R_x表示协方差矩阵。上式最大值对应的自变量θ取值即为主瓣干扰角度θ_mlj。

S3、采用两两对消法，利用所述主瓣干扰角度构造主瓣干扰阻塞矩阵，并利用所述主瓣干扰阻塞矩阵对所述阵列回波数据进行预处理，得到预处理后阵列数据。

具体的，采用两两对消法，利用主瓣干扰角度θ_mlj构造主瓣干扰阻塞矩阵B_(N-1)×N，其表达式为：

其中，u_mlj表示主瓣干扰入射角度对应的波数矢量，u_mlj＝-2πsin(θ_mlj)/λ，θ_mlj表示主瓣干扰角度。

利用主瓣干扰阻塞矩阵对阵列回波数据进行预处理得到的预处理后阵列数据为：

y(k)＝Bx(k)。

S4、利用所述协方差矩阵和所述信源数构造信号子空间，将波束指向对应的静态导向矢量投影到所述信号子空间，并舍弃子空间投影后的波束导向矢量的最后一个元素，得到和波束投影矢量。

本实施例中，对协方差矩阵进行特征分解构造信号子空间P。具体的，利用所述信源数对所述协方差矩阵进行特征分解：

其中，N表示阵元数，M表示信源数，λ_n表示前M个较大的协方差矩阵特征值，σ_n表示其余的噪声特征值，u_n表示协方差矩阵的特征矢量，表示降序排列的N个特征值，U＝[u₁,…,u_M]表示前M个大特征值对应的特征矢量。

将前M个大特征值对应的特征矢量U＝[u₁,…,u_M]张成的空间为信号子空间作为信号子空间P(信号子空间P与目标、干扰导向矢量张成的空间同属一个空间)，其表达式为：

P＝UU^H。

记θ₀是波束指向，a(θ₀)是波束指向对应的静态导向矢量，对波束指向对应的静态导向矢量a(θ₀)投影到所述信号子空间，得到所述子空间投影后的波束导向矢量a_p：

a_p＝Pa(θ₀)＝UU^Ha(θ₀)

其中，θ₀表示波束指向，a(θ₀)表示波束指向对应的静态导向矢量。

舍弃所述子空间投影后的波束导向矢量的最后一个元素，得到和波束投影矢量w_q：

w_q＝{a_p}_1，...,N-1

其中，{*}_1，...,N-1表示矢量的前N-1个元素。

S5、采用降秩广义旁瓣相消(RR-GSC)结构，利用所述和波束投影矢量对所述预处理后阵列数据进行最优滤波，求解和波束自适应权值。

请参见图3，图3为本发明实施例提供的求解和波束自适应权值的流程示意图。

具体的，利用和波束投影矢量w_q对预处理后阵列数据y(k)进行加权得到第一上支路目标数据。RR-GSC结构中，第一上支路目标数据d(k)可表示为：

然后采用零空间法，利用所述和波束投影矢量构造第一下支路阻塞矩阵B₀：

其中，I表示单位矩阵，I大小为(N-1)×(N-1)。

需要说明的是，本实施例构造第一下支路阻塞矩阵并不限于零空间法，也可采用现有的其他方法构建第一下支路阻塞矩阵B₀，例如特征矢量法、household法等。

最后利用第一下支路阻塞矩阵B₀对处理预处理后阵列数据y(k)得到第一二次处理阵列数据x₀(k)，即：

x₀(k)＝B₀y(k)＝B₀Bx(k)。

接着，采用主分量法构造第一降秩转换矩阵T。具体过程为：所述第一二次处理阵列数据的协方差矩阵为：

对第一二次处理阵列数据的协方差矩阵进行特征分解，得到第一分解特征：

其中，表示x₀(k)的协方差矩阵，/>大小为(N-1)×(N-1)，N表示阵元数，M表示信源数，λ_n表示与信源数目对应的前M-1个较大的协方差矩阵特征值(由于已经阻塞掉主瓣干扰信号，信源数减1)，σ_n表示其余的噪声特征值，v_n表示协方差矩阵的特征矢量。

特征分解后存在区别于噪声特征值σ²的M-1个大特征值，将M-1个大特征值作为第一降秩转换矩阵：

T＝V^H＝[v₁,…,v_M-1]^H。

需要说明的是，本实施例构建第一造降秩转换矩阵的方法并不限于主分量法，也可采用现有的其他方法构建第一降秩转换矩阵T，例如交叉谱法、多级维纳滤波法等。

之后，利用第一降秩转换矩阵T对所述第一二次处理阵列数据x₀(k)进行降秩处理，得到第一下支路干扰数据z(k)：

z(k)＝Tx₀(k)＝TB₀y(k)＝TB₀Bx(k)。

进一步，根据维纳滤波理论，将所述第一下支路干扰数据z(k)与第一上支路目标数据d(k)进行维纳滤波，进而求解第一下支路自适应权w_z：

其中，R_Z表示第一下支路干扰数据的自相关矩阵，r_zd表示第一下支路干扰数据与第一上支路目标数据的互相关矢量；第一下支路自适应权w_z为z(k)与d(k)的最优权求解表达式。

最后，利用所述第一下支路自适应权、所述第一降秩转换矩阵、所述第一下支路阻塞矩阵、所述和波束投影矢量和所述主瓣干扰阻塞矩阵求解所述和波束自适应权值：

w_sum＝B^H(w_q-(TB₀)^Hw_z)。

S6、对所述和波束投影矢量采用对称取反法计算差波束投影矢量，并利用所述差波束投影矢量，采用降秩广义旁瓣相消结构求解差波束自适应权值w_diff。

请参见图4，图4为本发明实施例提供的求解差波束自适应权值的流程示意图。

具体的，首先采用对称取反法求解差波束投影权值w_q-diff；然后利用RR-GSC结构求解w_diff。

利用所述和波束投影矢量w_q采用对称取反法计算差波束投影矢量w_q-diff的表达式为：

其中，⊙表示哈德蒙积。

进一步，利用差波束投影矢量w_q-diff替换掉步骤S5中的和波束投影矢量w_q，并通过步骤S5相同的步骤完成RR-GSC处理，得到差波束自适应权w_diff。其具体过程包括：

利用所述差波束投影矢量对所述预处理后阵列数据进行加权，得到第二上支路目标数据：

利用所述差波束投影矢量构造第二下支路阻塞矩阵，并利用所述第二下支路阻塞矩阵处理所述预处理后阵列数据得到第二二次处理阵列数据：

x₀′(k)＝B₀′y(k)＝B₀′Bx(k)

其中，B₀′表示第二下支路阻塞矩阵，I表示单位矩阵，I大小为(N-1)×(N-1)；

对所述第二二次处理阵列数据的协方差矩阵进行特征分解，得到第二分解特征：

其中，表示x₀′(k)的协方差矩阵，/>大小为(N-1)×(N-1)，N表示阵元数，M表示信源数，λ′_n表示与信源数目对应的前M-1个较大的协方差矩阵特征值，σ′表示其余的噪声特征值，v′_n表示协方差矩阵的特征矢量；

将所述第二分解特征中区别于噪声特征值的M-1个大特征值作为第二降秩转换矩阵：

T′＝V′^H＝[v′₁,…,v′_M-1]^H

利用所述第二降秩转换矩阵对所述第二二次处理阵列数据进行降秩处理，得到第二下支路干扰数据：

z′(k)＝T′x₀′(k)＝T′B′₀y(k)＝T′B′₀Bx(k)

根据维纳滤波理论，将所述第二下支路干扰数据与第二上支路目标数据进行维纳滤波，进而求解第二下支路自适应权：

其中，R′表示第二下支路干扰数据的自相关矩阵，r′_zd表示第二下支路干扰数据与第二上支路目标数据的互相关矢量；

利用所述第二下支路自适应权、所述第二降秩转换矩阵、所述第二下支路阻塞矩阵、所述差波束投影矢量和所述主瓣干扰阻塞矩阵求解所述差波束自适应权值：

w_diff＝B^H(w_q-diff-(T′B′₀)^Hw′_z)。

需要说明的是，本实施例构造第二下支路阻塞矩阵并不限于零空间法，也可采用现有的其他方法构建第二下支路阻塞矩阵B₀，例如特征矢量法、household法等；构建第二造降秩转换矩阵的方法并不限于主分量法，也可采用现有的其他方法构建第二降秩转换矩阵T，例如交叉谱法、多级维纳滤波法等。。

S7、利用所述和波束自适应权值和所述差波束自适应权值构造自适应和通道和自适应差通道，并结合所述自适应和通道、所述自适应差通道和理想单脉冲比斜率计算目标偏角。

具体的，首先，采用比幅单脉冲法利用所述和波束自适应权值w_sum和所述差波束自适应权值w_diff构造和方向图和差方向图：

P_sum(θ)＝(w_sum)^Ha(θ)

P_diff(θ)＝(w_diff)^Ha(θ)

其中，P_sum(θ)表示和方向图，P_diff(θ)表示差方向图，a(θ)表示阵列在不同方向上的导向矢量。

然后利用和方向图P_sum(θ)、差方向图P_diff(θ)求解单脉冲比特性曲线MRC(θ)，并进行一阶拟合得到理想单脉冲比斜率r，该过程如下式所示：

MRC(θ)＝P_diff(θ)/P_sum(θ)≈rθ

其中，MRC(θ)表示单脉冲比特性曲线，r表示理想单脉冲比斜率，θ表示目标来波方向(入射角度)。

最后，利用所述和波束自适应权值w_sum和所述差波束自适应权值w_diff分别对所述阵列回波数据进行加权，构造自适应和通道和自适应差通道：

c_sum(k)＝w_sum ^Hx(k)

c_diff(k)＝w_diff ^Hx(k)

其中，c_sum(k)表示自适应和通道，c_diff(k)表示自适应差通道，x(k)表示阵列回波数据。

再利用所述自适应和通道c_sum(k)和所述自适应差通道c_diff(k)计算出自适应差和比MR：

其中，K表示采样快拍数。

最后，利用所述理想单脉冲比斜率r和所述自适应差和比MR计算目标偏角：

本实施例的测角方法首先利用主瓣干扰阻塞矩阵对阵列回波数据进行预处理，然后将波束指向对应的静态导向矢量投影到所述信号子空间，在此基础上采用降秩广义旁瓣相消结构求解和波束自适应权值和差波束自适应权值，最后利用和波束自适应权值、差波束自适应权值计算得到目标偏角，该方法和传统抗主副瓣干扰自适应单脉冲测角方法相比，不仅能在回波数据包含目标信号时避免信号相消，保证测角结果的有效性；且和、差波束自适应权值形成的单脉冲比鉴角曲线不会在主瓣干扰角度附近发生畸变，其零值响应处的偏角位置能随着目标入射角度自适应地变化，从而能在一定程度上修正波束指向与目标真实角度的失配误差；该方法具有抗主瓣干扰能力强、对主瓣干扰附近目标的测角精度高等优点。

实施例二

在实施例一的基础上，本实施例利用发明实施例提供的用于均匀线性阵列的抗主副瓣干扰自适应单脉冲测角方法进行测角，具体包括步骤：

S1、获取阵列回波数据，并根据所述阵列回波数据计算协方差矩阵。

具体的，阵列及信号参数设置如表1所示：

表1.参数设置值

阵元个数	16
		阵元间距(λ)	1/2
采样快拍数	64
		波束指向(°)	0
入射角范围(°)	[-3.2，3.2]
		信噪比(dB)	0
干扰个数	2
		干扰入射角(°)	θ＝(3,10)
干噪比(dB)	(40,40)

本实施例的阵元个数是16，阵元间距为半波长，因此波束的主瓣宽度为6.4°。为体现对于不同方向目标的测角结果精度上的改善，本实施例考虑在主瓣范围-3.2°～3.2°均匀划分33个角度，作为目标信号的入射角，每个角度做100次蒙特卡洛实验，取同一角度处100次实验结果的平均值和均方根误差来表征本发明实施例提供的自适应单脉冲测角方法的性能。

S2、利用所述协方差矩阵估计信源数和主瓣干扰角度。

S3、采用两两对消法，利用所述主瓣干扰角度构造主瓣干扰阻塞矩阵，并利用所述主瓣干扰阻塞矩阵对所述阵列回波数据进行预处理，得到预处理后阵列数据。

具体的，利用估计出的主瓣干扰角度θ_mlj采用两两对消法构造主瓣干扰阻塞矩阵B_(N-1)×N的方式请参见图5，图5为本发明实施例提供的主瓣干扰阻塞矩阵实施结构图。从图5可以看出，具有M个阵元ULA，进行阻塞预处理后的自由度是M-1。特别的，当空间中存在两个主瓣干扰时，阻塞矩阵的构造方式相同，只是此时阵列自由度的损失为2。

S4、利用所述协方差矩阵和所述信源数构造信号子空间，将波束指向对应的静态导向矢量投影到所述信号子空间，并舍弃子空间投影后的波束导向矢量的最后一个元素，得到和波束投影矢量。

具体的，目标来波方向不同，目标相对于波束指向的偏离程度不同，此时自适应波束形成的约束响应失配程度不同。因此，首先通过投影处理后的和(差)波束投影矢量方向图的平均峰值(零陷)位置，来体现本实施例提供子空间投影算法对角度失配误差的修正效果，请结合参见图6、图7a-图7d。图6是本发明实施例提供的子空间投影算法对不同程度角度失配误差的修正效果示意图；图7a-图7d是目标分别从-3.2°、-1°、1°和3.2°入射时，经投影处理后的和差投影波束矢量方向图，图7a-图7d还对和差方向图的峰值响应、主瓣凹口做了标注。

如图6所示，当目标从角度区间-3.2°～0°入射时，子空间投影算法的修正效果不明显，但是当目标来波方向位于角度区间1.4°～3°即目标靠近主瓣干扰时，修正后的指向误差保持在1°，波束指向误差的修正效果明显，修正后的波束投影矢量的峰值响应更加接近目标来波方向。

图7a-图7d中目标从不同角度入射时，投影处理后的和差方向图的峰值/凹口位置如下表所示：

表2.目标不同角度时特征投影矢量和差方向图的峰值/凹口位置

目标入射角(°)	-3.2	-1	1	3.2
					峰值位置(°)	0	0	0.2	2.1
凹口位置(°)	-0.1	-0.2	0.2	1.9

在目标位于-3.2°和-1°时，投影算法对角度失配的修正效果一般。但是当目标位于1°和3.2°时，和差投影权值方向图的峰值/零陷位置位于0.2°，投影处理起到了一定的改善，如图7c所示；而图7d中则分别位于2.1°和1.9°。可以看出，相较于未投影时指向0°的静态权，此时角度失配已经大大减少，因为此时弱目标来波导向矢量与强主瓣干扰来波导向矢量相关性较强，所以子空间投影结果较好。

S5、采用降秩广义旁瓣相消(RR-GSC)结构，利用所述和波束投影矢量对所述预处理后阵列数据进行最优滤波，求解和波束自适应权值w_sum。对所述和波束投影矢量采用对称取反法计算差波束投影矢量，并利用所述差波束投影矢量，采用降秩广义旁瓣相消结构求解差波束自适应权值w_diff。

具体的，根据w_sum、w_diff可以得到和差自适应方向图与自适应单脉冲比特性曲线。请结合参见图8、图9。具体地，考虑目标2°入射时，图8为本发明实施例提供的和差自适应方向图，图9为由和差自适应方向图得到的自适应单脉冲比特性曲线图(也称鉴角曲线或角度误差曲线图)。

图8中的局部图展示了本实施例提供的自适应单脉冲测角方法在目标2°入射时自适应和方向图的峰值响应情况。可以看出，此时没有发生信号相消现象，且由于子空间投影算法的修正效果，自适应和方向图的响应峰值位置变为了1.5°，而自适应差方向图的主瓣零陷位于0.7°，说明实施例一所提算法自适应和方向图的波束指向能自适应地跟踪目标当前方向。图9中的自适应单脉冲比特性曲线线性度较高，并没有发生严重畸变，且其零值点出现在0.7°，此时其一阶拟合曲线对应的角度为1.7°。此时差波束的输出信噪比和干噪比较低，差和比的输出响应主要由阵列噪声决定，其响应均值为0，此时求得的角度将在1.7°左右波动，该结果与真实的目标入射角度2°相近。

S6、利用所述和波束自适应权值和所述差波束自适应权值构造自适应和通道和自适应差通道，并结合所述自适应和通道、所述自适应差通道和理想单脉冲比斜率计算目标偏角。

本实施例提供的自适应单脉冲测角方法的测角性能请参见图10，图10为本发明实施例提供的自适应单脉冲测角方法对不同来波方向目标的测角结果示意图。可以看出，本实施例提供的自适应单脉冲测角算法对整个主瓣范围内的目标都有较高的测角精度；并且克服了在目标接近主瓣干扰时，以往算法由于自适应方向图在主瓣干扰处形成零陷导致输出SINR急剧下降、测角结果的均值为0°，从而测角失败这一缺陷。

在上述利用用于均匀线性阵列的抗主副瓣干扰自适应单脉冲测角方法进行测角的基础上，本实施例还通过仿真实验，给出传统自适应单脉冲测角技术在主瓣干扰存在时的性能体现；以及在回波数据中包含目标信号时，若不进行稳健自适应波束形成(也称主瓣保形)处理，两种改进的抗主瓣干扰的自适应单脉冲测角方法由信号相消引起的性能下降。具体的阵列及信号参数设置请参见本实施例步骤S1的表1。

1)在主瓣干扰存在下，令目标从0°入射，请参见图11、图12和图13，图11为传统自适应单脉冲测角技术的和差自适应方向图，图12为传统自适应单脉冲测角技术自适应单脉冲比特性曲线，图13为传统自适应单脉冲测角技术对不同来波方向目标的测角结果随目标入射角度变化示意图。

传统自适应单脉冲测角技术使用SMI准则进行最优波束形成，图11中的局部图给出了传统自适应单脉冲测角技术中和差自适应方向图在主瓣零陷处的响应，可以看出，当主瓣干扰存在时，其和差自适应方向图发生了严重畸变，和波束指向发生了明显偏移，而差波束更是无法在波束指向处形成零陷，说明传统方法在抑制主瓣干扰的同时严重破坏了静态权值的特性(如差权值的凹陷、和权值的波束指向)。

图12显示，和差自适应方向图的畸变导致单脉冲比特性曲线出现严重失真，体现在其一阶拟合斜率较小，约为0.05每度；同时拟合误差较大。从图13可以看出，传统自适应单脉冲测角技术测角误差较大，当目标位于波束指向或主瓣干扰附近时，其测角均方根误差接近1.8°，只有当目标位于单脉冲比特性曲线拟合误差较小的角度区间时，测角精度较高。

2)请参见图14a-图14b、图15a-图15b和图16a-图16b，图14a-图14b为两种改进自适应单脉冲测角技术的自适应和差方向图，图14a为数据预处理雷，图14b为线性约束类，图15a-图15b为两种改进自适应单脉冲测角技术的自适应单脉冲比特性曲线，图15a为数据预处理雷，图15b为线性约束类，图16a-图16b为两种改进自适应单脉冲测角技术测角结果随目标入射角度变化示意图图，16a为数据预处理雷，图16b为线性约束类，。

在回波数据包含目标信号时，首先考虑目标从-3.2°入射，两种较为成熟的抗主瓣干扰的自适应单脉冲测角技术无主瓣保形处理时的和差自适应方向图与自适应单脉冲比特性曲线请参见图14a-图14b、图15a-图15b；此时这两种技术对不同来波方向目标的测角结果请参见图16a-图16b。

观察图14a可以看出，若不进行主瓣保形处理，预处理类自适应单脉冲测角方法的自适应差方向图的零陷将发生严重偏移，其主瓣零陷位于-3.1°，这是因为差方向图在目标入射角度处形成了零深，所以将差波束在波束指向处的凹陷抑制掉了。观察图14b，由于信号相消的影响，无主瓣保形的线性约束类算法的和差自适应方向图在-4°处形成了零陷，这导致和方向图无法在波束指向附近形成主瓣，而差方向图在主瓣范围内的增益很低，在-30dB以下，自适应方向图严重畸变。

观察图15a和图15b可知，无主瓣保形下，预处理类自适应单脉冲测角方法的自适应单脉冲比特性曲线的畸变明显，这是由偏移的主瓣零陷导致的，此时自适应单脉冲比特性曲线拟合误差很大；而线性约束类自适应的自适应单脉冲比特性曲线虽然线性度较高，但是其动态范围过小，此时，单脉冲比计算值的波动将导致较大的测角偏差，即测角结果的均方根误差较大。

观察图16a、图16b可以发现，由于信号相消、两种改进算法的测角结果都无效，无法反映待检测(跟踪)目标的真实位置。

综上，当干扰从波束主瓣进入时，使用常规自适应波束形成技术(如SMI)的自适应单脉冲测角技术的和差自适应方向图会在主瓣干扰位置处产生一个深凹口，自适应方向图的主瓣形状、峰值指向和增益电平都将不可避免地受到影响，单脉冲比特性曲线畸变严重，此时无法测角。在回波数据包含目标信号时，若不施加主瓣保形处理，针对主瓣干扰进行特殊处理的两种改进自适应单脉冲测角技术将会由于信号相消而出现严重的性能下降。相消原因有二：目标当前方向不能精确预知导致SMI自适应波束形成器的约束条件失配；快拍数过少导致阵列协方差矩阵不能精确已知。只有施加保形处理后，这两种改进自适应单脉冲测角技术才能抑制信号相消，从而保证测角结果有效。

实施例三

本实施例通过仿真实验，对主瓣保形处理后的抗主瓣干扰自适应单脉冲测角方法与实施例一提供的自适应单脉冲测角方法进行了性能对比。本实施例具体的阵列及信号参数设置同实施例一。性能对比结果请参见图17，图17为本发明实施例提供的自适应单脉冲测角方法与传统方法对不同来波方向目标的的测角结果示意图。

图17中，DL-3P-LCMV代表保形处理后的约束类自适应单脉冲测角算法、BP-DL代表保形处理后的数据预处理类自适应单脉冲测角算法、Traditional-SDC代表传统的自适应单脉冲测角算法、Block-Proj-RR-GSC代表本发明实施例提供的自适应单脉冲测角方法。可以看出在角度区间-3.2°～0°内，DL-3P-LCMV测角结果最好，这是因为该算法没有使用阻塞预处理矩阵分步抗主副瓣干扰，而是直接用约束条件限定了自适应差波束的幅相响应，其单脉冲比特性曲线线性度在该区间最高，所以其测角均方根误差最低，其余三种方法测角均方根误差相当。但是当目标来波方向接近主瓣干扰方向时，除Block-Proj-RR-GSC以外，其余三种自适应单脉冲方法都无法对目标测角、对目标的测角结果收敛于波束指向附近，此时测角结果不具有参考性。而实施例一所提算法的测角均方根误差依然没有较大的增加，说明该算法能对主瓣干扰附近的目标进行有效的测角。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (7)

1.一种用于均匀线性阵列的抗主副瓣干扰自适应单脉冲测角方法，其特征在于，包括步骤：

S1、获取阵列回波数据，并根据所述阵列回波数据计算协方差矩阵；

S2、利用所述协方差矩阵估计信源数和主瓣干扰角度；

S3、采用两两对消法，利用所述主瓣干扰角度构造主瓣干扰阻塞矩阵，并利用所述主瓣干扰阻塞矩阵对所述阵列回波数据进行预处理，得到预处理后阵列数据；

S4、利用所述协方差矩阵和所述信源数构造信号子空间，将波束指向对应的静态导向矢量投影到所述信号子空间，并舍弃子空间投影后的波束导向矢量的最后一个元素，得到和波束投影矢量；

S5、采用降秩广义旁瓣相消结构，利用所述和波束投影矢量对所述预处理后阵列数据进行维纳滤波，求解和波束自适应权值；

S6、对所述和波束投影矢量采用对称取反法计算差波束投影矢量，并采用降秩广义旁瓣相消结构，利用所述差波束投影矢量求解差波束自适应权值；

S7、利用所述和波束自适应权值和所述差波束自适应权值构造自适应和通道和自适应差通道，并结合所述自适应和通道和所述自适应差通道，采用比幅单脉冲法计算目标偏角。

2.根据权利要求1所述的用于均匀线性阵列的抗主副瓣干扰自适应单脉冲测角方法，其特征在于，所述主瓣干扰阻塞矩阵为：

其中，u_mlj表示主瓣干扰入射角度对应的波数矢量，u_mlj＝-2πsin(θ_mlj)/λ，θ_mlj表示主瓣干扰角度，d表示阵元间距，λ表示雷达工作波长；

所述预处理后阵列数据为：

y(k)＝Bx(k)。

3.根据权利要求1所述的用于均匀线性阵列的抗主副瓣干扰自适应单脉冲测角方法，其特征在于，步骤S4包括：

利用所述信源数对所述协方差矩阵进行特征分解：

其中，N表示阵元数，M表示信源数，λ_n表示前M个较大的协方差矩阵特征值，σ_n表示其余的噪声特征值，u_n表示协方差矩阵的特征矢量，λ₁>λ₂>…＞表示降序排列的N个特征值，U＝[u₁,…,u_M]表示前M个大特征值对应的特征矢量；

将所述前M个大特征值对应的特征矢量张成的空间作为所述信号子空间：

P＝UU^H；

将波束指向对应的静态导向矢量投影到所述信号子空间，得到所述子空间投影后的波束导向矢量：

a_p＝Pa(θ₀)＝UU^Ha(θ₀)

其中，θ₀表示波束指向，a(θ₀)表示波束指向对应的静态导向矢量；

舍弃所述子空间投影后的波束导向矢量的最后一个元素，得到和波束投影矢量：

w_q＝{a_p}_1，...,N-1

其中，{*}_1，...,N-1表示矢量的前N-1个元素。

4.根据权利要求1所述的用于均匀线性阵列的抗主副瓣干扰自适应单脉冲测角方法，其特征在于，步骤S5包括：

利用所述和波束投影矢量对所述预处理后阵列数据进行加权，得到第一上支路目标数据：

利用所述和波束投影矢量构造第一下支路阻塞矩阵，并利用所述第一下支路阻塞矩阵处理所述预处理后阵列数据得到第一二次处理阵列数据：

x₀(k)＝B₀y(k)＝B₀Bx(k)

其中，B₀表示第一下支路阻塞矩阵，I表示单位矩阵，I大小为(N-1)×(N-1)；

对所述第一二次处理阵列数据的协方差矩阵进行特征分解，得到第一分解特征：

其中，表示x₀(k)的协方差矩阵，/>大小为(N-1)×(N-1)，N表示阵元数，M表示信源数，λ_n表示与信源数目对应的前M-1个较大的协方差矩阵特征值，σ_n表示其余的噪声特征值，v_n表示协方差矩阵的特征矢量；

将所述第一分解特征中区别于噪声特征值的M-1个大特征值作为第一降秩转换矩阵：

T＝V^H＝[v₁,…,v_M-1]^H；

利用所述第一降秩转换矩阵对所述第一二次处理阵列数据进行降秩处理，得到第一下支路干扰数据：

z(k)＝Tx₀(k)＝TB₀y(k)＝TB₀Bx(k)；

根据维纳滤波理论，将所述第一下支路干扰数据与第一上支路目标数据进行维纳滤波，进而求解第一下支路自适应权：

其中，R_z表示第一下支路干扰数据的自相关矩阵，r_zd表示第一下支路干扰数据与第一上支路目标数据的互相关矢量；

利用所述第一下支路自适应权、所述第一降秩转换矩阵、所述第一下支路阻塞矩阵、所述和波束投影矢量和所述主瓣干扰阻塞矩阵求解所述和波束自适应权值：

w_sum＝B^H(w_q-(TB₀)^Hw_z)。

5.根据权利要求1所述的用于均匀线性阵列的抗主副瓣干扰自适应单脉冲测角方法，其特征在于，所述第一下支路阻塞矩阵的构造方法包括零空间法、特征矢量法或household法；

所述第一降秩转换矩阵的构造方法包括主分量法、交叉谱法或多级维纳滤波法。

6.根据权利要求1所述的用于均匀线性阵列的抗主副瓣干扰自适应单脉冲测角方法，其特征在于，步骤S6包括：

对所述和波束投影矢量采用对称取反法计算差波束投影矢量：

其中，⊙表示哈德蒙积；

利用所述差波束投影矢量对所述预处理后阵列数据进行加权，得到第二上支路目标数据：

利用所述差波束投影矢量构造第二下支路阻塞矩阵，并利用所述第二下支路阻塞矩阵处理所述预处理后阵列数据得到第二二次处理阵列数据：

x₀′(k)＝B₀′y(k)＝B₀′Bx(k)

其中，B₀′表示第二下支路阻塞矩阵，I表示单位矩阵，I大小为(N-1)×(N-1)；

对所述第二二次处理阵列数据的协方差矩阵进行特征分解，得到第二分解特征：

其中，表示x₀′(k)的协方差矩阵，/>大小为(N-1)×(N-1)，N表示阵元数，M表示信源数，λ′_n表示与信源数目对应的前M-1个较大的协方差矩阵特征值，σ′表示其余的噪声特征值，v′_n表示协方差矩阵的特征矢量；

将所述第二分解特征中区别于噪声特征值的M-1个大特征值作为第二降秩转换矩阵：

利用所述第二降秩转换矩阵对所述第二二次处理阵列数据进行降秩处理，得到第二下支路干扰数据：

z′(k)＝T′x₀′(k)＝T′B′₀y(k)＝T′B′₀Bx(k)

根据维纳滤波理论，将所述第二下支路干扰数据与第二上支路目标数据进行维纳滤波，进而求解第二下支路自适应权：

其中，R′表示第二下支路干扰数据的自相关矩阵，r′_zd表示第二下支路干扰数据与第二上支路目标数据的互相关矢量；

利用所述第二下支路自适应权、所述第二降秩转换矩阵、所述第二下支路阻塞矩阵、所述差波束投影矢量和所述主瓣干扰阻塞矩阵求解所述差波束自适应权值：

w_diff＝B^H(w_q-diff-(T′B′₀)^Hw′_z)。

7.根据权利要求1所述的用于均匀线性阵列的抗主副瓣干扰自适应单脉冲测角方法，其特征在于，所述第二下支路阻塞矩阵的构造方法包括零空间法、特征矢量法或household法；

所述第二降秩转换矩阵的构造方法包括主分量法、交叉谱法或多级维纳滤波法。