基于子空间投影的网络化雷达抑制压制式主瓣干扰方法

摘要

本发明公开了一种基于子空间投影的网络化雷达抑制压制式主瓣干扰方法，主要解决单站雷达只能抑制一种干扰类型的问题。其实现步骤是：1.计算各节点雷达的基带接收信号，并将其在时域上以干扰信号为准对齐，得到节点雷达阵列信号；2.估计节点雷达阵列信号的协方差矩阵，对其进行特征分解，并根据特征分解结果构造噪声子空间，计算向其投影的投影矩阵；3.将节点雷达阵列信号向噪声子空间投影，得到用于目标检测的投影矢量；4.根据用于目标检测的投影矢量，构造广义似然比函数；5.设定检测门限，并将广义似然比函数每个时刻点的值与检测门限比较，得到目标检测的输出结果。本发明能有效抑制不同类型的干扰信号，可用于网络化雷达系统。

主权项

1.一种基于子空间投影的网络化雷达抑制压制式主瓣干扰方法，包括如下步骤：（1）假定网络化雷达由M个节点雷达组成，第一个节点雷达工作在收、发状态，而其余节点雷达只工作在接收状态，各节点雷达的波束主瓣都指向干扰机及目标所在区域，雷达探测区域内仅存在一个压制式干扰，在压制式干扰附近存在Q个真实目标，根据目标、干扰相对于网络化雷达的空间几何位置，计算第n个节点雷达的基带接收信号r_n(t)：r_n(t)＝r_nT(t)+r_nJ(t)+w_n(t)，其中，r_nT(t)是第n个节点雷达目标的基带接收信号，$r_{\mathrm{nT}}\left(t\right)=\underset{k=1}{\overset{Q}{\Sigma }}{\alpha }_{k,n}·s_{\mathrm{TX}}(t-\frac{R_{k,1}^{\left(T\right)}+R_{k,n}^{\left(T\right)}}{c})·e^{-j2\pi (R_{k,1}^{\left(T\right)}+R_{k,n}^{\left(T\right)})/\lambda },$α_k,n是第k个目标的回波到达第n个节点雷达时的复幅度，k=1,2,…,Q，Q是空间目标的个数，n=1,2,…,M，M是节点雷达的个数，M≥2,sTX(t)为基带发射信号，是第k个目标到达第1个节点雷达的距离，是第k个目标到第n个节点雷达的距离，c是光速，λ是雷达工作波长，是第n个节点雷达干扰的基带接收信号，β_n是干扰信号到达第n个节点雷达时的复幅度，J(t)是基带干扰信号，是干扰机到达第n个节点雷达的距离，w_n(t)是第n个节点雷达接收机噪声信号，且各节点雷达接收机的噪声信号互不相关；（2）将步骤（1）得到的各节点雷达的基带接收信号，在时域上以第一个节点雷达的干扰回波信号为准进行对齐，将对齐后的信号用向量的形式表示，得到节点雷达阵列信号矢量r(t)：r(t)＝[r₁(t),r₂(t-τ₁₂),…,r_M(t-τ_1M)]^T＝S(t)+J(t)+w(t),其中，τ_1n是第n个节点雷达的干扰回波信号相对于第一个节点雷达的干扰回波信号的延迟时间，表示使目标函数取最大值时的变量值，表示卷积运算，(·)*表示取共轭，(·)^T表示取转置，S(t)是节点雷达阵列的目标回波信号矢量，a_T是目标相对于节点雷达阵列的导向矢量，$a_T={[e^{-j4\pi R_{k,1}^{\left(T\right)}/\lambda },e^{-j2\pi (R_{k,1}^{\left(T\right)}+R_{k,2}^T)/\lambda },···,e^{-2\pi (R_{k,1}^{\left(T\right)}+R_{k,M}^{\left(T\right)})/\lambda }]}^T,$α_k是节点雷达阵列目标回波的复振幅矢量，αk＝[αk,1,αk,2,…,αk,M]^T，表示点乘运算，J(t)是节点雷达阵列的干扰回波信号矢量，a_J是干扰机相对于节点雷达阵列的导向矢量β是节点雷达阵列干扰回波的复振幅矢量，β＝[β₁,…,β_M]^T，w(t)是节点雷达阵列的噪声信号矢量；（3）根据步骤（2）得到的节点雷达阵列信号矢量r(t)，估计其协方差矩阵$\hat{R}=\underset{i=1}{\overset{T}{\Sigma }}r\left(i\right)r^H\left(i\right),$其中，i=1,2,…,T,T是用于训练协方差矩阵的时域采样样本数，(·)^H表示共轭转置；（4）通过下式对步骤（3）得到的协方差矩阵进行特征分解，得到协方差矩阵的最大特征值对应的特征向量v₁和其余特征值对应的特征向量v₂～v_M：$\hat{R}=({\sigma }_J^2+{\sigma }_w^2)v_1{v}_1^H+\underset{j=2}{\overset{M}{\Sigma }}{\sigma }_w^2{v}_j{v}_j^H,$其中，j=2,…,M，v_j表示第j个特征向量；（5）利用步骤（4）得到的特征向量v₂～v_M，构造噪声子空间，计算向噪声子空间投影的投影矩阵P_nr；（6）将步骤（2）得到的节点雷达阵列信号矢量r(t)投影到步骤（5）构造的噪声子空间中，获得用于目标检测的投影矢量z_r(t)：z_r(t)＝P_nrr(t)，其中，P_nr是向噪声子空间投影的投影矩阵；（7）对步骤（6）得到的投影矢量z_r(t)用广义似然比检测器进行目标检测，构造广义似然比函数Λ(t)：Λ(t)＝r(t)^HP_nrr(t)；（8）设定检测门限：$\delta =({\sigma }_w^2/2)F_{{\chi }_{2(M-1)}^2}^{-1}(1-P_{\mathrm{fa}}),$其中，表示自由度为2(M-1)的卡方分布，为分布函数的逆函数，P_fa是虚警概率；（9）将广义似然比函数Λ(t)的每个时刻点的函数值与检测门限δ进行比较，得到目标检测的输出结果：如果Λ(t)<δ，表示无目标，如果Λ(t)>δ，表示有目标。