专利名称：机载雷达杂波抑制方法
技术领域：
本发明属于雷达信号处理技术领域，特别是一种对机载雷达杂波的抑制方法， 可用于信号检测和动目标识别。
背景技术：
机载脉冲多普勒雷达是现代战场上最重要的军事传感器之一，动目标检测是其 一项重要功能。机载雷达常常处于下视工作，地面杂波对其检测性能的影响十分严 重。地杂波不仅强大，而且由于不同方向的杂波相对载机速度各异，从而使杂波谱 大大扩展，杂波呈现很强的空时耦合特性。如何有效地抑制地杂波，是机载雷达下 视工作的难题，也是必须解决的问题。在目前的工艺水平和技术支持下，对相控阵 天线的旁瓣提出过高要求是不切实际的，而且超低旁瓣技术只能抑制旁瓣杂波，对 直接影响最小可检测速度的主瓣杂波，它是无能为力的。空时自适应处理STAP技 术正是在这种情况下应运而生，它可以有效提高相控阵雷达的杂波抑制能力和动目 标检测性能。
1973年Brennan等人针对相控阵AEW雷达杂波抑制首先提出了空时二维自适 应处理的概念。经过几十年的探索和研究，STAP技术如今己形成为一个理论基础 较为坚实的实用技术。许多国家的新一代机载预警雷达和下一代机载火控雷达均采 用了有源相控阵体制，为STAP技术的应用提供了便利条件。
STAP在空时两维空间实现自适应杂波抑制和动目标信号的相干积累，理论上 可以实现最优处理，但实际中全维处理器至少存在以下两方面的主要问题
一，由于自适应处理器维数成千上万，需要对高维协方差矩阵求逆，其计算量 和设备量惊人，无法实时处理；
二，由于需要通过统计平均估计协方差矩阵，因此至少需要2倍处理器维数数 目的满足独立同分布的距离单元样本数据，这一点在实际机载雷达杂波环境特别是 非均匀环境中很难满足。
为推动STAP走向实用化，人们在降维STAP方面进行了大量的研究，提出了 许多降维方法。降维STAP得到广泛重视。降维STAP主要包括固定结构降维方法
5和自适应结构降维方法，都是在保证性能次优下，通过减少自适应自由度来降低训 练样本和计算量的。低秩逼近STAP (LRA-STAP)方法通过将最优STAP处理器分 解成若干空时可分离滤波器，实现了降维处理，从而有效地降低了运算量和样本要 求，但其在研究中主要针对全维空时数据进行，未考虑利用杂波空时分布的先验知 识。而事实上，当机载雷达平台特性、天线安装位置及工作波形等参数确定后，雷 达接收的杂波在方位角-多普勒平面的分布是一定的。对于正侧面阵，杂波沿直线分 布；对于斜侧面阵，杂波沿斜椭圆分布；对于正前视阵，杂波沿正椭圆分布。局域 化JDL自适应方法是一种用辅助通道进行杂波预处理的方法，但在非理想条件下， 需要增加空域自由度来补偿通道误差，这会带来U.d.样本和计算量的增加。
发明内容
本发明的目的在于克服上述巳有技术的不足，提出了一种新的机载雷达杂波抑 制方法，，以进一步降低低秩逼近STAP方法对样本的要求和计算量。
为实现上述目的，本发明鉴于低秩逼近STAP方法的缺点并结合杂波预处理方 法的优点，对杂波预处理后再进行低秩逼近，其实现步骤包括如下
1) 用均匀线阵结构或面阵经微波合成的等效线阵雷达天线接收NxK的空时二
维数据X，同时给出目标信号的空域导向矢量s(^)eC^和时域导向矢量
2) 对接收的空时二维数据X进行空时两维降维，得到杂波预处理后的MxJ (M<N，J<K)的空时二维数据X,，同时得到杂波预处理后的目标信号空域导向矢量
s,(化)e CMxl禾口时土或导向矢量s,(q) e C";
3) 对杂波预处理得到的空时二维数据X,和目标信号的空域导向矢量s,(^)和时 域导向矢量Sj(q)作低秩逼近自适应处理，得到滤波后的信号输出y。
本发明与现有技术相比具有以下特点-
1. 本发明由于在杂波抑制前先进行空时二维降维，实现杂波预处理，从而进一 步降低了低秩逼近STAP方法对样本的要求和计算量。
2. 本发明由于预先构建出杂波预处理的空域降维矩阵和时域降维矩阵，所以当 机载雷达平台特性、天线安装位置及工作波形等参数确定后，工作时就可直接调用 上述矩阵进行杂波抑制，有利于实时处理。
计算机仿真分析和实测数据处理结果表明，本发明的杂波抑制性能优于现有的
6FA方法和EFA方法。
图l是本发明的流程图2是本发明计算滤波器分量时采用的双迭代流程图； 图3是本发明双迭代的迭代收敛性能曲线图； 图4是采用不同方法时的改善因子IF曲线图5是采用不同方法获得的目标所在多普勒通道各距离单元处理输出结果比较图。
具体实施例方式
下面参照图1说明本发明的方法实施过程。
步骤l，接收空时二维数据X，同时给出目标信号的空域导向矢量s(A)和时域 导向矢量s(q)。
本发明中雷达天线为均匀线阵结构，也可以是面阵经微波合成的等效线阵，天
线阵元数目为N,在一个相干处理时间cpi内以脉冲重复频率y;发射K个脉冲，不 失一般的，假设iv《ii:。对一个cpi内接收的回波信号空时二维数据可以表示成一
个A^《的二维数据矩阵
<formula>formula see original document page 7</formula>
(1)
其中\m表示"列子阵接收的第^次回波，式(l)的二维数据既包含不需要的杂波和 噪声信号，也可能存在一个待检测的目标信号s,，其中目标信号矩阵s,可以表示如
下秩为1的矩阵形式
<formula>formula see original document page 7</formula>(2)
其中fl为目标信号的复幅度，^和w,分别是目标信号的归一化空域角频率和时域角 频率，S-s(化)/(q)为目标信号导引矩阵，卜f表示转置操作，s(^)eC潟和 s(w,)eC"i分别是空域导向矢量和时域导向矢量，分别表示为
<formula>formula see original document page 7</formula> (4)步骤2，对接收的空时二维数据X进行空时两维降维，得到杂波预处理后的空 时二维数据& ，同时得到杂波预处理后的目标信号空域导向矢量Sl(A)和时域导向
矢量Si(A)。
基于步骤1所说的信号模型，本发明首先用JDL方法对阵元-脉冲域数据X进 行空时两维降维并将数据转换到波束-多普勒域，采用的JDL方法中选择局域包含 三个波束角(化J,气,％+i= 3 )和三个多普勒频率点(《t,, ,。,;= 3 )，杂波
预处理后的空时二维数据X,和空域导向矢量s,(化)和时域导向矢量、(w,)为
Sl(q) = T
(5)
(6)
(7)
其中i; = 「s(w")， s(6^)， s(化,)"l ,为iVxM维空域变换矩阵
1>
s((yti)， s(气)，s( ,+i)]，为〖xj维时域变换矩阵。 步骤2的具体过程如下
2a)构建iVxM维空域变换矩阵i;，其各列由指向目标信号附近不同方位角的 空域导向矢量构成，记为i;二「s(6^)， s(wj， s(a,)， (M=3);
2b)构建《x/维时域变换矩阵T,，其各列由指向目标信号附近不同多普勒通 道的时域导向矢量构成，记为T,[s(气)，s(气)，s(气)](J = 3);
2c)利用T;和T,对接收数据X进行杂波预处理，得到预处理后的数据
& ="XT,* ;
2d)利用i;对空域导向矢量s(ao降维，得到降维后的空域导向矢量
Sl(A) = Tf s(ws)，该空域导向矢量、(^) e CMxl;
2e)利用T,对时域导向矢量s(w,)降维，得到降维后的时域导向矢量 Sl) = If s(w,)，该时域导向矢量SlOt) e C^1 。
步骤3，对杂波预处理得到的回波信号Xi进行第一次滤波。3a)为了最小化对X,滤波后的剩余杂波功率，构建如下代价函数-
minJ(Ul,Vl) = ,;^||2} = ￡{|ufXlVl 2} (8)
式中，u,和v,分别为第1次滤波的两个滤波器分量，该u,和^满足
ufs,(A)sf(q)" = 1 ， ￡{ }表示期望值；
3b)采用如图2所示的双迭代方法对代价函数(8)求解，得到第一次滤波的滤 波器分量u,和v,，具体实现步骤如下
3ba)选取初值u,(O);
3bb)计算v,(A:)-R:)(A:)s,(fi;》/((ii「(^: —1)s"oO)s「(q)R:;(A:)s,(w,))，其中 RJA:卜五械(A:)d「(A:"， d"A:)-X匸u,(A: —1)， A:表示迭代次数，A:-l,2,…； 3bc)计算uXA:)二R-(A:X(A)/lR:)(A:X(A)1，其中 HCl ， c州力州；
3bd )更新迭代次数A ，重复步骤3bb )和步骤3bc )，直到 |Ul(" —1^(A:-l)l〈e(CUe〈l)为止，且令u严uJA:)， v,、("，其中s表示阈值；
3c)利用上述求得的滤波器分量u,和、对回波信号进行滤波，得到滤波后的信
号:y,=ufXlVl。
步骤4，对回波信号X,和目标信号的空域导向矢量、(A)和时域导向矢量Si(q)
同时进行空域和时域降维。
4a)构建第p(^-l，2,…，r-l)次降维的空域和时域降维矩阵Gp和Hp:
对第p(/7:1,2，…，r-l)次滤波的滤波器分量Up和Vp进行归一化处理
分别定义归一化处理后的滤波器分量^和^的Householder矩阵卜％
式中，M为天线阵元个数，J为一个相干处理时间内的脉冲数，eM—p+l=[l,0, — ,0]T 为(M-p + l)xl维的单位列向量，e巧+严[l，0,…,0;r为C/-p + l)xl维的单位列向量， 为(M _ p +1) x (M - p +1)的单位矩阵，I +1为( / _ p +1) x ( / - p +1)的单位矩
阵，",p和v,，p分别为乙和乙的第一个元素，C表示复数域。
由Householder矩阵的性质可知，的最后M-p列是^的正交补空间， 的最后/-p列是^的正交补空间，于是构建出关于^和；的阻塞矩阵
二 LUM-/j ，置M匿p J ^ G u
丄一 "l，，
=「oi i 一 [vpW-p+"(" - e/-P) G co一"-
i、
式中，"^和 为^和^的第一个元素，M为天线阵元个数，J为一个相干 处理时间内的脉冲数，eM 呵l,0,…,0]T为(M -p)xl维的单位列向量，
=[1 ，0,…,0]T为(J 一 ; ) x 1维的单位列向量，p =
T为(ilf — p) x 1维的零 向量，0^呵0，0,…,0;f为0/ —/7)xl维的零向量，lM 为(M-p)x(M-p)的单位矩 阵，1 为(/-/7)><0/-p)的单位矩阵；
4b)利用上述空域和时域降维矩阵G^和H^对回波信号和空间导向矢量和时间
导向矢量进行降维，得到第p次降维后的回波信号Xp+1=GpXpH-，式中Xp表示
第p-l次降维后的回波信号；
4c)利用空域降维矩阵G^对空间导向矢量进行降维，得到第/7次降维后的空间
导向矢量s^(a) = G^(a)，式中s"A)表示第p-l次降维后的空间导向矢量；
104d)利用空域降维矩阵Hp对时间导向矢量进行降维，得到第p次降维后的时 间导向矢量sp+1(q) = HpSpOy,)，式中Sp(q)表示第p-l次降维后的空间导向矢量。 步骤5，对降维后的回波信号再进行滤波，并计算滤波后回波信号的剩余杂波功率。
5a)最小化p+l次滤波后的杂波总功率，构建代价函数
9=1
=1
} (9)
式中，~+1和 +1为第p+l次滤波的两个滤波器分量，并满足
《+1sp+1K)s:(M)vp+1 =1， <+1 =0和《+1、 =0 ( = 1,2,…，p)， s州(",)和Vl(q)
分别为第p次降维后的空域和时域导向矢量；
5b)利用双迭代方法对代价函数(9)进行求解，得到第p+l次滤波的滤波器分量
5c)对第p次降维后的回波信号X^再进行滤波，得到第p+l次滤波后的信号
y^+l = Up+^Xp+jV- ;
5d)根据第次滤波后的信号y-，计算滤波后的剩余杂波功率
尸=峰』}。
步骤6，将计算出的剩余杂波功率P与第一次滤波后的杂波功率^ = ￡{|yi||2}进 行比较，如果该剩余杂波功率远小于第一次滤波后的杂波功率，则输出滤波后的信
号y-y,+y2+…+y,，式中r为满足要求时滤波的次数，反之进行步骤7。
步骤7，重复步骤4 步骤5，直到剩余杂波功率尸远小于第一次滤波后的杂波 功率S为止，输出滤波后的信号y-y,+^+…+ y,。
通过上述步骤3~7，可完成对空时二维数据X,和目标信号的空域导向矢量
s,(化)和时域导向矢量s,(^)的低秩逼近自适应处理，得到滤波后的信号输出y。
本发明的效果可通过以下实验进一步说明。
实验l，本实验基于计算机仿真数据研究本发明方法性能。
ii1. 实验条件
雷达工作波长为0.23m，相控阵天线为矩形平面阵，水平向的列阵元数为12， 垂直向的行阵元数为12，阵元间距为半波长，接收数据首先微波合成为12子天线 的线阵。载机速度为115m/s，载机高度为6000m，脉冲重复频率为2000Hz，发射方 位锥削加权为25dB，高低向锥削加权为25dB，阵面轴向与飞行方向平行，相干脉 冲积累数为24，主波束指向与阵面法向方向平行，要处理一个距离单元数据的维数 为躬2，《=24。
2. 实验结果
以M=12,J=5为例研究杂波预处理后的LRA-STAP处理器，即本发明的滤波性能。
图3给出了杂波预处理后的LRA-STAP方法和全维LRA-STAP方法3号多普勒 通道的迭代处理时收敛性能曲线，其中图3 (a)给出上述两种方法提取第一个滤波 器分量时3号多普勒通道的迭代收敛性能曲线；图3 (b)给出上述两种方法提取第 二个滤波器分量时3号多普勒通道的迭代收敛性能曲线。3号多普勒通道位于图3 (a)和图3(b)的主杂波区，从图3(a)和图3(b)中可以看到，现有的全维LRA-STAP 方法在有无随机阵元幅相误差时需要6步迭代才能实现收敛，而本发明通过4步迭 代即能实现快速收敛，这是由于本发明通过对维数的降低，提高了双迭代方法的收 敛性能。
通过比较图3 (a)和图3 (b)中本发明方法收敛时的改善因子可以发现，在没 有阵元误差时，本发明中两次滤波比一次滤波仅有0.41dB的性能增益，存在阵元误 差时也只有l.ldB的性能改善。由此可见，本发明通过对维数的降低，提取第一个 滤波器分量后就有足够的自适应自由度来对付局域化的杂波干扰，取得较优的动目 标检测性能，从而极大降低了杂波抑制的运算量。
图4给出了本发明方法、常规MTI处理方法、FA方法和EFA方法在有无阵元 误差时的改善因子IF曲线，其中图4 (a)是本发明方法、FA方法和EFA方法在 5%阵元误差时的IF曲线；图4 (b)是本发明方法、FA方法和EFA方法在5%阵元 误差时的IF曲线。图4 (a)和图4 (b)中的EFA方法选取与检测多普勒通道相邻 的两个多普勒通道作为辅助通道进行K合自适应处理。
从图4可以看到，常规MTI处理在有无误差时性能均最差，本发明方法随着时 域自由度即J的增加主杂叙区性能进一步改善。本发明方法性能优于FA方法，主杂波区性能改善明显，这一点有助于对低速目标的检测。当^3时，本发明方法性 能略差于EFA，但随着多普勒辅助通道的增加，在J=5或J=7时，性能逐渐优于 EFA。由于本发明方法需要估计的杂波相关矩阵最大维数与FA方法相同，均为12， 需要的最少样本数均为2x12，要小于EFA方法的最少样本数2x3xl2,这有利于实 际机载雷达杂波环境中距离单元分段自适应适时处理。
实验2，用实测数据研究本发明方法的动目标检测性能。
l.实验条件
采用Multi-Channel Airborne Radar Measurements(MCARM)实测数据。该数据 是为研究STAP及其相关技术而实际录取的一批机载相控阵雷达数据，雷达天线有 16列8行共128个单元，正侧面安装在位于飞机前部左侧的天线罩内， 一个CPI 内有128个脉冲。具体参数可见表l。考虑计算量的原因，本实验主要处理220-310 号距离门中上面11子阵的前32个脉冲。为了便于性能分析，我们在第265和275 距离单元分别注入一信杂噪比为-43dB的动目标信号，其目标方位角为90。，多普勒
频率为力-0.156,，位于主杂波区。
表1 MCARM数据系统参数
载机高度(m)3073
载机速度(m/s)100
工作频率(GHz)1.24
脉冲重复频率(Hz)1984
杂波多普勒频率最大值(Hz)827
方位发射波束宽度(度)6.7
方位/俯仰通道间距(m)0.1092/0.1407
相干处理间隔内的脉冲数《128
距离单元数630
距离门宽度(m)120.675
阵面与速度的夹角(度)7.28
无模糊距离(km)66.9344
2.实验结果
图5给出了本发明方法、FA方法和EFA方法获得的目标所在多普勒通道各距
13离单元处理输出结果，其中图5 (a)是本发明方法获得的目标所在多普勒通道各距 离单元处理输出结果；图5 (b)是FA方法获得的目标所在多普勒通道各距离单元 处理输出结果；图5 (c)是EFA方法获得的目标所在多普勒通道各距离单元处理 输出结果。图5 (c)中的EFA方法选取与检测多普勒通道相邻的两个多普勒通道 作为辅助通道进行联合自适应处理。从图5可以看到，三种方法均能将加入的动目 标信号从背景残余杂波中提取出来，本发明方法的输出信杂噪比RARCP为 23.82dB， FA方法和EFA方法的RARCP分别为17.79dB和24.22dB。本发明方法 与EFA方法相比，计算量和样本要求有较大的降低，但仅有0.6dB的性能损益，而 与样本要求相当的FA方法相比，却有6.03dB性能改善。
权利要求
1.一种机载雷达杂波抑制方法，包括如下步骤1)用均匀线阵结构或面阵经微波合成的等效线阵雷达天线接收N×K的空时二维数据X，同时给出目标信号的空域导向矢量s(ωs)∈CN×1和时域导向矢量s(ωt)∈CK×1；2)对接收的空时二维数据X进行空时两维降维，得到杂波预处理后的M×J(M＜N，J＜K)的空时二维数据X1，同时得到杂波预处理后的目标信号空域导向矢量s1(ωs)∈CM×1和时域导向矢量s1(ωt)∈CJ×1；3)对杂波预处理得到的空时二维数据X1和目标信号的空域导向矢量s1(ωs)和时域导向矢量s1(ωt)作低秩逼近自适应处理，得到滤波后的信号输出y。
2. 根据权利要求1所述的杂波抑制方法，其中步骤2)所述的对接收的空时二维 数据X进行空时两维降维，具体过程如下2a)构建TVxM维空域变换矩阵i;，其各列由指向目标信号附近不同方位角的空 域导向矢量构成，记为i;-[sO")， s(气)，s(气》](M=3);2b)构建KxJ维时域变换矩阵i;，其各列由指向目标信号附近不同多普勒通道的 时域导向矢量构成，记为T,+(气)，s(气)，s( )](J=3);2c)利用i;和i;对接收数据x进行杂波预处理，得到预处理后的数据^ =if xt/; 2d)利用i;对空域导向矢量s(A)降维，得到降维后的空域导向矢量Sl(%) = Tf s(a)，该空域导向矢量s!(化)e CMxl;2e )利用T,对时域导向矢量s(w,)降维，得到降维后的时域导向矢量s!(q)^lfs(q)，该时域导向矢量s,(A) eC"。
3. 根据权利要求1所述的杂波抑制方法，其中步骤3)所述的对杂波预处理得到的 空时二维数据X,和目标信号的空域导向矢量s,(oO和时域导向矢量s,(q)作低秩逼近自适应处理，具体过程如下3a)最小化杂波功率，构建第1个代价函数<formula>formula see original document page 3</formula>式中，u,和"分别为第1次滤波的两个滤波器分量，该u,和v,满足 ufSl(^)《(《,)Vl =1 ， 表示期望值；3b)利用双迭代方法对第1个代价函数求解，得到滤波器分量U,和"；3c)利用^和、对回波信号进行滤波，得到滤波后的信号y,-ufXi"; 3d)利用Householder矩阵的性质，构建第p(P ",2,…，r-l)次降维的空域和时域 降维矩阵G^和Hp:<formula>formula see original document page 3</formula>式中，"和；分别为 和"的归一化矩阵，"&和 为^和^的第一个元素，似为 天线阵元个数，J为一个相干处理时间内的脉冲数，z[l,0,…,0f为(ilf -p)xl维的 单位列向量，ej 呵l,0,…,0f (p = l,2,'"， r-l)为G7-户)xl维的单位列向量，=[0,0, 为(M — ; ) x 1维的零向量，=[0，0, ，0f为( / - p) x 1维的零向量， Im—p为(M - p)x (M -; )的单位矩阵，为(/-p)x ( /-P)的单位矩阵；3e)利用上述空域和时域降维矩阵Gp和Hp对回波信号进行降维，得到第p次降维后的回波信号Xp+「GpXpHf，式中Xp表示第p-l次降维后的回波信号； 3f)最小化p+l次滤波后的杂波总功率，构建第p+l个代价函数<formula>formula see original document page 3</formula>式中，Up+1和V;)+1为第p+l次滤波的两个滤波器分量，并满足 别为第p次降维后的空域和时域导向矢量；3g)利用双迭代方法对第; +l个代价函数进行求解，得到第p+l次滤波的滤波器分3h)对第次降维后的回波信号X^再进行滤波，得到第p+l次滤波后的信号 y卩+i = U/7+iXp+iV一 ；3i)根据第/7+l次滤波后的信号y^，计算滤波后的剩余杂波功率尸=￡{|^+1|2};3j)将计算出的剩余杂波功率尸与第一次滤波后的杂波功率^ =五版1||2}进行比较，如果该剩余杂波功率远小于第一次滤波后的杂波功率，则输出滤波后的信号y二y,+y2+…+y,，式中r为满足要求时滤波的次数，反之进行步骤3k);3k)重复步骤3d) 步骤3i)，直到剩余杂波功率远小于第一次滤波后的杂波功率 为止，输出滤波后的信号y-y,+^+…+ y,。
全文摘要
本发明公开了一种机载雷达杂波抑制方法，它属于雷达信号处理技术领域，主要解决现有杂波抑制技术样本要求高、计算量大和实时处理性能差的问题。其实现步骤是首先根据杂波谱分布的先验信息对接收数据进行杂波预处理，实现空时两维降维，降低杂波自由度；然后级联低秩逼近自适应处理，对回波信号进行多次滤波和多次空时二维降维，实现信号的杂波抑制和目标检测。计算机仿真分析和实测数据处理结果表明，本发明在性能良好的前提下样本要求和计算量都有明显降低，同时在样本要求相当的情况下，滤波性能得到了极大改善，可用于动目标检测。
文档编号G01S7/36GK101561497SQ20091002264
公开日2009年10月21日 申请日期2009年5月22日 优先权日2009年5月22日
发明者冯大政, 聪 向, 洋 曹, 李晓明, 李运锋, 炜 王, 贾建超 申请人:西安电子科技大学