发明名称 一种机载非正侧视阵雷达近程杂波对消方法
摘要 本发明公开了一种机载非正侧视阵雷达近程杂波对消方法,该方法先估计出近程模糊距离门对应的俯仰角,然后利用空时两维杂波谱的先验信息来对近程的杂波进行估计,最后对原始的接收数据进行近程杂波对消。该方法能够对近程杂波进行有效抑制,获得比直接处理好的杂波抑制性能。仿真实验结果验证了该方法的有效性。
申请公布号 CN103176168A 申请公布日期 2013.06.26
申请号 CN201310044903.5 申请日期 2013.02.05
申请人 西安电子科技大学 发明人 文珺;史林;包敏;李彩彩;朱明哲
分类号 G01S7/292(2006.01)I 主分类号 G01S7/292(2006.01)I
代理机构 代理人
主权项 1.一种机载非正侧视阵雷达近程杂波对消方法,其特征在于,包括以下步骤:1)估计出近程模糊距离门对应的俯仰角对应近程距离门俯仰角为<img file="FSA00000852820200011.GIF" wi="828" he="201" />进而可以获得近程的模糊距离门杂波散射点对应的多普勒频率与空间角频率分别为<img file="FSA00000852820200012.GIF" wi="677" he="123" /><img file="FSA00000852820200013.GIF" wi="525" he="112" />写出该距离门近程杂波对应的空时导向矢量<img file="FSA00000852820200014.GIF" wi="103" he="53" />和<img file="FSA00000852820200015.GIF" wi="125" he="53" />可以表示为<img file="FSA00000852820200016.GIF" wi="1264" he="153" /><img file="FSA00000852820200017.GIF" wi="1447" he="167" />2)利用杂波空时两维功率谱先验信息来对近程杂波进行估计根据杂波的先验信息,可以将近程杂波表示为<maths num="0001"><![CDATA[<math><mrow><msub><mi>x</mi><mrow><mi>l</mi><mo>,</mo><mn>1</mn></mrow></msub><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><msub><mi>N</mi><mi>c</mi></msub></munderover><mi>&alpha;</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><msub><mi>s</mi><mrow><mi>s</mi><mrow><mo>(</mo><mn>1</mn><mo>,</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow></mrow></msub><mo>&CircleTimes;</mo><msub><mi>s</mi><mrow><mi>t</mi><mrow><mo>(</mo><mn>1</mn><mo>,</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow></mrow></msub></mrow></math>]]></maths>3)对原始各个接收天线的数据进行自适应近程杂波对消近似重构出近程距离门杂波数据为<maths num="0002"><![CDATA[<math><mrow><msub><mi>c</mi><mi>a</mi></msub><mo>=</mo><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><msub><mi>N</mi><mi>c</mi></msub></munderover><mi>a</mi><mrow><mo>(</mo><mi>i</mi><mo>)</mo></mrow><mrow><mo>(</mo><msub><mi>s</mi><mrow><mi>s</mi><mrow><mo>(</mo><mn>1</mn><mo>,</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow></mrow></msub><mo>&CircleTimes;</mo><msub><mi>s</mi><mrow><mi>s</mi><mrow><mo>(</mo><mn>1</mn><mo>,</mo><msub><mi>&theta;</mi><mi>i</mi></msub><mo>)</mo></mrow></mrow></msub><mo>)</mo></mrow></mrow></math>]]></maths>将c<sub>a</sub>写成数据矩阵X<sub>a(N×K)</sub>,若第n根接收天线接收的数据矢量为X(n,:),则对该接收通道数据进行近程杂波对消后的输出Y(n,:)可以表示为<maths num="0003"><![CDATA[<math><mrow><mi>Y</mi><mrow><mo>(</mo><mi>n</mi><mo>,</mo><mo>:</mo><mo>)</mo></mrow><mo>=</mo><mi>X</mi><mrow><mo>(</mo><mi>n</mi><mo>,</mo><mo>:</mo><mo>)</mo></mrow><mo>-</mo><msubsup><mi>w</mi><mrow><mi>N</mi><mo>&times;</mo><mn>1</mn></mrow><mi>H</mi></msubsup><msub><mi>X</mi><mi>a</mi></msub></mrow></math>]]></maths>其中w为近程杂波对消自适应权矢量,通过下式求出<maths num="0004"><![CDATA[<math><mrow><mi>w</mi><mo>=</mo><mo>[</mo><msub><mi>w</mi><mn>1</mn></msub><mo>,</mo><msub><mi>w</mi><mn>2</mn></msub><mo>,</mo><msub><mi>w</mi><mn>3</mn></msub><mo>,</mo><mo>&CenterDot;</mo><mo>&CenterDot;</mo><mo>&CenterDot;</mo><mo>,</mo><msub><mi>w</mi><mi>N</mi></msub><mo>]</mo><mo>=</mo><msup><msub><mi>R</mi><mrow><msub><mi>X</mi><mi>a</mi></msub><msub><mi>X</mi><mi>a</mi></msub></mrow></msub><mrow><mo>-</mo><mn>1</mn></mrow></msup><msub><mi>R</mi><msub><mi>XX</mi><mi>a</mi></msub></msub></mrow></math>]]></maths>其中<img file="FSA000008528202000112.GIF" wi="105" he="60" />为X<sub>a</sub>的自相关矩阵,<img file="FSA000008528202000113.GIF" wi="86" he="73" />为X<sub>a</sub>与X(n,:)之间的互相关矩阵,分别通过以下式可得<maths num="0005"><![CDATA[<math><mrow><msub><mi>R</mi><mrow><msub><mi>X</mi><mi>a</mi></msub><msub><mi>X</mi><mi>a</mi></msub></mrow></msub><mo>=</mo><mfrac><mn>1</mn><mi>K</mi></mfrac><munderover><mi>&Sigma;</mi><mrow><mi>t</mi><mo>=</mo><mn>1</mn></mrow><mi>K</mi></munderover><msub><mi>X</mi><mi>a</mi></msub><mrow><mo>(</mo><mn>1</mn><mo>:</mo><mi>N</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><msub><mi>X</mi><mi>a</mi></msub><msup><mrow><mo>(</mo><mn>1</mn><mo>:</mo><mi>N</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><mi>H</mi></msup></mrow></math>]]></maths><maths num="0006"><![CDATA[<math><mrow><msub><mi>R</mi><msub><mi>XX</mi><mi>a</mi></msub></msub><mo>=</mo><mfrac><mn>1</mn><mi>K</mi></mfrac><munderover><mi>&Sigma;</mi><mrow><mi>t</mi><mo>=</mo><mn>1</mn></mrow><mi>K</mi></munderover><mi>X</mi><mrow><mo>(</mo><mi>n</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow><msub><mi>X</mi><mi>a</mi></msub><mrow><mo>(</mo><mn>1</mn><mo>:</mo><mi>N</mi><mo>,</mo><mi>t</mi><mo>)</mo></mrow></mrow></math>]]></maths>重复上述步骤对所有的近程距离门进行处理,获得近程杂波抑制之后的数据Y<sub>l</sub>,l=1,2,...,η、这里η是近程距离范围内对应的最大距离门数目;4)对剩余的远程杂波采用降维STAP方法进行抑制由于剩下的远程杂波可以近似的看成是距离均匀杂波,已有的空时自适应处理算法便能够有效的对远程杂波进行抑制,将剩余杂波数据Y重新写成一NK×1维的数据矢量y<sub>l</sub>,假设动目标位于第k个多普勒通道,对应降维之后的样本为<maths num="0007"><![CDATA[<math><mrow><msub><mi>y</mi><mi>rl</mi></msub><mo>=</mo><mrow><mo>(</mo><mi>T</mi><mo>&CircleTimes;</mo><msub><mi>I</mi><mi>N</mi></msub><mo>)</mo></mrow><msub><mi>y</mi><mi>l</mi></msub></mrow></math>]]></maths>T为时域降维矩阵,对于EFA降维方法下T=[t<sub>k-1</sub>,t<sub>k</sub>,t<sub>k+1</sub>],其中t<sub>i</sub>(i=k-1,k,k+1)是对应第i个多普勒通道,对于该多普勒通道的自适应权通过下式求出<maths num="0008"><![CDATA[<math><mrow><msub><mi>w</mi><mi>k</mi></msub><mo>=</mo><mfrac><mrow><msup><mover><mi>R</mi><mo>^</mo></mover><mrow><mo>-</mo><mn>1</mn></mrow></msup><msub><mi>s</mi><mi>E</mi></msub></mrow><mrow><msubsup><mi>s</mi><mi>E</mi><mi>H</mi></msubsup><msup><mover><mi>R</mi><mo>^</mo></mover><mrow><mo>-</mo><mn>1</mn></mrow></msup><msub><mi>s</mi><mi>E</mi></msub></mrow></mfrac></mrow></math>]]></maths>上式中<img file="FSA00000852820200025.GIF" wi="325" he="65" />s<sub>s</sub>和s<sub>t</sub>为空域与时域导向矢量.<img file="FSA00000852820200026.GIF" wi="34" he="54" />是估计的杂波协方差矩阵,由独立同分布样本来进行估计<maths num="0009"><![CDATA[<math><mrow><mover><mi>R</mi><mo>^</mo></mover><mo>=</mo><mfrac><mn>1</mn><mrow><mi>&eta;</mi><mo>-</mo><mn>1</mn></mrow></mfrac><munderover><mi>&Sigma;</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn><mi>i</mi><mo>&NotEqual;</mo><mi>l</mi></mrow><mi>&eta;</mi></munderover><msub><mi>y</mi><mi>ri</mi></msub><msubsup><mi>y</mi><mi>ri</mi><mi>H</mi></msubsup></mrow></math>]]></maths>对于第l距离门在第k个多普勒通道的杂波抑制输出为<maths num="0010"><![CDATA[<math><mrow><msub><mi>y</mi><mrow><mi>out</mi><mrow><mo>(</mo><mi>k</mi><mo>)</mo></mrow></mrow></msub><mo>=</mo><msubsup><mi>w</mi><mi>k</mi><mi>H</mi></msubsup><mrow><mo>(</mo><mi>T</mi><mo>&CircleTimes;</mo><msub><mi>I</mi><mi>N</mi></msub><mo>)</mo></mrow><msub><mi>y</mi><mi>l</mi></msub><mo>.</mo></mrow></math>]]></maths>
地址 710071 陕西省西安市太白南路2号