基于ESPRIT算法的机载雷达近程杂波抑制方法

摘要

本发明公开了一种基于ESPRIT算法的机载雷达近程杂波抑制方法，主要解决机载雷达非正侧视阵由于近程杂波导致STAP处理杂波抑制性能下降的问题。其实现过程为：（1）利用非正侧视阵杂波数据的不同方位阵元和不同脉冲对应的俯仰快拍矢量计算俯仰协方差矩阵；（2）对俯仰协方差矩阵进行特征分解，分离出信号子空间对应的特征矢量矩阵；（3）利用最小二乘法求解特征矢量矩阵的近程、远程杂波对应的导向矢量；（4）利用近程、远程导向矢量约束俯仰自适应权，并进行俯仰滤波处理；（5）将滤波处理后的杂波数据再进行STAP处理。本发明能够有效地抑制近程杂波，提高了空时自适应处理的性能，可用于对机载雷达非正侧视阵近程杂波的抑制。

主权项

一种基于ESPRIT算法的机载雷达近程杂波抑制方法，包括如下步骤：(1)依据Ward杂波模型，仿真得到机载雷达前视阵天线四维杂波数据X_N×M×P×L，其中N为俯仰向阵元个数，M为方位向阵元个数，P为脉冲数，L为距离门数；(2)利用旋转不变子空间算法即ESPRIT算法，依次对前视阵天线四维杂波数据X_N×M×P×L中的每个距离门在俯仰方向进行波达方向估计即DOA估计，得到天线阵列流形矩阵A(θ),θ∈[0，90°]：(2a)取前视阵天线四维杂波数据X_N×M×P×L中第l个距离门对应的第m个方位阵元第p个脉冲俯仰快拍列矢量x_mpl作训练样本，计算俯仰协方差矩阵R_l：$R_l=\frac{1}{M\times P}\underset{m=1}{\overset{M}{\Sigma }}\underset{p=1}{\overset{P}{\Sigma }}{x}_{\mathrm{mpl}}{x}_{\mathrm{mpl}}^H$其中，Η为共轭转置运算符号；(2b)对俯仰协方差矩阵R_l进行特征分解，得到信号子空间U_s：$R_l=\underset{i=1}{\overset{N}{\Sigma }}{\lambda }_i{e}_i{e}_i^H=U_s{\Sigma }_s{U}_s^H+U_N{\Sigma }_N{U}_N^H$其中，e_i为单位向量，Σ_s和Σ_N分别为信号和噪声对应的单位矩阵，λ_i为俯仰协方差矩阵R_l特征分解后得到的特征值，U_s是俯仰协方差矩阵R_l特征分解得到的信号子空间，U_N是俯仰协方差矩阵R_l特征分解得到的噪声子空间；(2c)将前视阵天线阵面沿俯仰方向分成两个结构相同的子阵1和子阵2，并将子阵1对应的信号子空间定义为U_s1，将子阵2对应的信号子空间定义为U_s2，它们的表达式为：U_s1＝U_s(1:N‑1,1:N)U_s2＝U_s(2:N,1:N)(2d)由ESPRIT算法原理可知两个信号子空间U_s1和U_s2满足式：U_s2＝Ψ_lU_s1，其中Ψ_l为阵列旋转不变关系矩阵，采用最小二乘法求解；(2e)对阵列旋转不变关系矩阵Ψ_l进行特征分解，得到特征矢量矩阵T_l即T_l＝eig(Ψ_l)，此时第l个距离门天线阵列流形矩阵A_l(θ)＝U_s×T_l；(3)利用天线阵列流形矩阵A_l(θ)，得到近程杂波俯仰向导向矢量S(θ₁)和远程杂波俯仰向导向矢量S(θ₂)分别为：S(θ₁)＝A_l(θ_max)，S(θ₂)＝A_l(θ_min)，其中，θ_max为近程杂波对应的俯仰角，θ_min为远程杂波对应的俯仰角；(4)将近程杂波俯仰向导向矢量S(θ₁)约束为0，将远程杂波俯仰向导向矢量S(θ₂)约束为1，得到第l个距离门对应的俯仰向自适应权矢量W_l第l个距离门俯仰向自适应权矢量W_l满足以下约束条件：$\left\{\begin{array}{c}{W}_l^{H}S\left({\theta }_1\right)=0\\ W_l^{H}S\left({\theta }_2\right)=1\end{array}\right.$对上式求解得：$W_l^H=\left[\begin{array}{cc}0& 1\end{array}\right]{\left[\begin{array}{cc}S\left({\theta }_1\right)& S\left({\theta }_2\right)\end{array}\right]}^{+}$其中，[]⁺表示广义求逆运算符号；(5)利用权矢量W_l对第l个距离门对应的第m个方位阵元的第p个脉冲俯仰快拍列矢量x_mpl进行俯仰向匹配滤波处理，得到滤波后的杂波数据${\hat{x}}_{\mathrm{mpl}}=W_l^H{x}_{\mathrm{mpl}};$(6)重复步骤(5)，直到第l个距离门对应的M个方位阵元的P个脉冲杂波数据X_N×M×P,l完成俯仰向匹配滤波处理，得到滤波后的杂波数据X_M×P,l；(7)重复步骤(2)～(6)，对其它距离门进行俯仰滤波，得到俯仰滤波后的杂波数据X_M×P×L，再对该杂波数据X_M×P×L在脉冲域作FFT变换，得到新的杂波数据(8)将新的杂波数据中第p个多普勒通道对应的杂波数据进行空时自适应STAP处理，得到STAP处理后的剩余杂波数据(9)重复步骤(8)，直到所有多普勒通道都完成处理为止，得到所有多普勒通道对应的剩余杂波数据