一种强杂波背景下弱小目标长时间相参积累方法

作者:汪文英;杨帆;郑玄玄 刊名:现代雷达 上传者:赵晓辉

【摘要】伴随无人机技术的发展,低空慢速小目标面临杂波强和目标回波弱的问题,同时相控阵雷达需要兼顾空域警戒等多种任务,需要将弱小目标的多次观测信号进行积累检测。文中提出一种基于线性约束最小方差法(LCMV)稀疏基压缩感知(LCMV-CS)的相参积累技术,实现弱小目标多次观测信号片段相参积累,同时实现对强杂波的抑制处理。仿真条件不等间隔积累损失≤1dB,解决常规FFrll相参积累栅瓣的问题,同时抑制强地物杂波40dB,利用实录数据验证该方法可以有效抑制强杂波的同时提升目标信噪比。

全文阅读

0引言伴随无人机技术的发展,低空慢速小目标面临杂波强和目标回波弱的问题,需要将弱小目标的多次观测信号进行积累检测[1-4]。基于Radon、Hough和动态规划等变换的检测前跟踪(TBD)非相参积累方法无法抑制强地物杂波,且信噪比(SNR)得益不满足检测要求,因此,在强地物背景下不能解决低空慢速目标的探测问题。同时现代相控阵雷达需要兼顾空域警戒等多种任务,波束指向和波束形状快速切换,易于形成多个波束,从而使得雷达具备多种功能,具有稳定跟踪多批运动目标的能力[5-7],提高雷达的测量精度和观测包括隐身目标在内的低可观测目标的能力。但对于低空慢速目标就需要能够将多次观测的信号片段进行相参积累[8-9]。本文提出一种基于LCMV稀疏基的压缩感知(LCMV-CS)相参积累技术,实现弱小目标多次观测信号片段相参积累,同时实现强杂波的抑制。仿真条件下不等间隔61脉冲进行积累得益17 d B,同时抑制强地物杂波40 d B,利用实录数据验证该方法可以有效抑制强杂波的同时提升目标信噪比。1基于LCMV-CS多片段信号相参积累LCMV-CS方法能够实现强地物杂波环境下的多个数据片段进行相参积累,其处理流程框图如图1所示。图1基于LCMV-CS相参积累流程图1.1基于CS的多片段信号相参积累现代相控阵雷达波束指向和波束形状快速变化,雷达为了稳定跟踪多批运动目标,需要在不同目标之间不断切换波束,同一目标不能进行长时间连续观测,从而对于每一批目标只能获取多信号片段。传统利用傅里叶变换的相参积累方法会导致大量栅瓣信号,从而影响目标检测。本文采用压缩感知CS技术[10-12],实现多个片段信号的相参积累。为了描述CS过程,考虑一种通用的线性测量模型Φ,获得N维信号x的M个采样样本yy=Φx+n=ΦΨs+n=Θs+n(1)式中:Φ=M×N为测量矩阵。Θ=M×N矩阵M<N。其中Ψ为最优杂波抑制滤波器,在本文中利用LCMV方法设计一组最优滤波器组成,使得地物杂波集中的0多普勒附近出现较大的凹口Ψ=[Wopt(1PRFN),Wopt(2PRFN),…,Wopt(NPRFN)](2)式中:PRF为雷达的工作频率。采用Dantzig和Thapa(BPDN)算法,获取相参积累后的信号s^=arg mins‖s‖1s.t.‖y-Θs‖≤σ{(3)式中:σ是从数据中估计出的噪声的功率。1.2 LCMV最优滤波器设计采用LCMV方法进行设计式(2)中最优杂波抑制滤波器Ψ,需要在强地物杂波集中的零多普勒附近设计深凹口进行抑制。雷达接收到的信号分为两部分,考虑多个脉冲接收到的信号同一快时间的数据为X(t)=s(t)a(fd)+XN(t)(4)利用权矢量WH进行加权相参积累后的输出功率为Pout(W)=E|WHX(t)|2=WHRXW=σ2s|WHa(f)|2+WHRNW式中:前一部分为信号分量,后一部分为噪声分量,其中σ2s为单个脉冲接收到信号功率。LCMV方法[13-14]约束WHa(fd)为一定值,即固定信号分量。因此,LC-MV下的最优滤波器形成为min WHRNWs.t.WHa(f)=1{(5)构造拉格朗日代价函数为F(W,λ)=WHRNW+λ(WHa(f)-1)(6)求F(W,λ)对W和λ的导数置为0,可得最优滤波器为Wopt(f)=μR-1Na(f)(7)式中:RN为噪声和杂波的协方差矩阵。可以假设杂波具备高斯型功率谱C(f)∶N(f0,σ2f)。根据随机信号理论,如果杂波是平稳随机过程,其功率谱与其自相关函数是傅里叶变换对的关系。所以,杂波自相关函数rc(i,j)为功率谱C(f)的傅

参考文献

引证文献

问答

我要提问