专利名称：一种基于样本训练的机载雷达非平稳杂波抑制方法
技术领域：
本发明涉及实际应用中机载雷达普遍具有杂波距离依赖性情况下的降维自适应 非平稳杂波抑制方法，其主要内容是提出了一种新型的样本训练策略，属于机载雷达空时 自适应信号处理(STAP)技术领域。
背景技术：
近年来，随着阵列天线技术、雷达信号处理技术的快速发展，空时自适应处理 (STAP)作为新一代先进雷达系统动目标检测的核心技术，结合了脉冲多普勒(PD)雷达和 相控阵天线的优点，采用空间与时间二维联合的自适应处理方式，能够有效抑制广泛分布 的大强度地杂波和干扰信号。其理论与技术的突破，将极大地提高系统的性能。同时，基于 STAP的地面运动目标检测技术也渗透到了国民经济生产生活的需求中，如应用于地面交通 监控、空中指挥、洋流监测等，弥补其他光学设备受观测条件限制的不足。
常规STAP方法获得较高杂波抑制性能的前提是必须具有充足的与待检测距离 单元杂波分布特性相近的满足独立同分布(IID)的训练样本。Reed等人提出的RMB准则 (Reed I S, Mallett J D, Brennan L E. Rapid convergence rate in adapt ive arrays [J].1EEE Trans, on AES，1974，10 (6) :853-863.)表明，在高斯型独立同分布环境中，训练 样本数至少要达到系统自由度两倍时，才能保证输出信杂噪比的损失不超过3dB。在机载雷 达正侧视的情形下，阵列轴线与载机航向完全一致，空时二维杂波谱呈斜直线分布且相互 重合，即杂波的多普勒频率和锥角余弦满足线性关系，各个距离门的杂波谱不随距离变化。 此时常规STAP方法采用距离向回波数据作为训练样本，可以获得较理想的杂波抑制性能。 然而，实际情况下多数体制和天线配置形式的机载雷达都具有较强的杂波距离依赖性，如 常见的非正侧视阵雷达和双基地雷达等。这种由雷达系统特征引起的杂波谱分布随距离变 化的现象，即使在地面场景十分均匀的环境下，也会导致协方差矩阵存在较大误差，进而使 得STAP杂波抑制凹口变宽，降低了算法对慢速运动目标的检测性能。
杂波的分布特性是设计二维处理器时参考的关键因素，其在STAP中以杂波协方 差矩阵的形式表现。自适应处理器的性能不在于杂波分布带是呈斜直线还是斜椭圆，而是 其分布特性是否随距离发生变化，即能否利用距离向回波数据准确估计得到待检测距离单 元的杂波协方差矩阵。因此，对于这种基于统计的自适应算法而言，样本训练策略尤为关 键。
目前，国内外解决杂波距离依赖性问题的方法大多是通过对距离向回波数据(或 其频域)进行预处理，补偿训练样本与待检测单元杂波特性的差异来实现的，如多普勒频 移法(DW)和尺度变换法等，但它们通常具有复杂的实现过程和较大的运算量。而从影响自 适应算法性能的根本原因出发可以得到另一种解决思路在STAP实现过程中，如果减少选 用的距离向训练样本，便可以降低由杂波距离依赖性引起的距离向非平稳特性对协方差矩 阵估计所产生的不利影响，从而提高系统自适应处理性能。
本发明的目的就是提供一种适用于机载雷达存在杂波距离依赖性情况下的简单高效的降维自适应非平稳杂波抑制方法。发明内容
本发明的目的是公开一种基于样本训练的机载雷达非平稳杂波抑制方法，在存在 杂波距离依赖性情况下，实现机载雷达降维自适应非平稳杂波抑制，即显著改善主瓣区杂 波抑制性能，提高输出信杂噪比，同时尽可能具有较高的稳健性能，满足实际应用需求。
为达到上述目的，本发明的技术解决方案是
一种基于样本训练的机载雷达非平稳杂波抑制方法，其特征在于，包括步骤步骤 I基于分段子CPI时域降维结构，联合快-慢时间维训练样本估计杂波协方差矩阵；步骤2 以步骤I中估计所得协方差矩阵计算自适应权值，应用到多通道回波数据，并将输出信号 进行相干叠加。
所述的机载雷达非平稳杂波抑制方法，其所述步骤步骤1，包括
(I)时域降维时，是将一个相干处理时间间隔内雷达回波数据的慢时间维数据均 匀划分成多个子CPI，相互之间可重叠或不重叠；
(2)样本训练时，同时采用雷达回波的快-慢时间维数据作为训练样本，用于估计 杂波协方差矩阵，其中所需样本总数依据RMB准则，由系统对估计精度的要求确定；
步骤步骤2，包括
(3)权值应用时，将由步骤步骤I中协方差矩阵计算得到的降维自适应权值，同时 应用到所有的子CPI回波作滤波运算；
(4)相干叠加时,根据各子CPI之间的固定相位关系,将所有的滤波输出作相干叠 加，以减少分段带来的时域孔径损失。
所述的机载雷达非平稳杂波抑制方法，其所述⑴步中，采用如下时域分段过程 确定好子CPI脉冲数以后，将一个CPI内的慢时间维回波数据均匀分段，不重叠分段时为顺 序选取固定数量的脉冲，相邻子CPI之间没有相同数据，重叠分段时是以滑动窗形式依次 滑动选取脉冲，相邻子CPI数据部分重叠，此过程增加了每一个距离单元可用的慢时间维 训练样本。
所述的机载雷达非平稳杂波抑制方法，其所述(2)步中，采用如下样本训练过程 根据系统对样本总数的要求，同时选取待检测单元邻近距离单元的雷达回波快-慢时间维 数据作为训练样本，估计得到降维后的杂波协方差矩阵，此过程避免了常规方法中对距离 向训练样本的巨大数量要求。
所述的机载雷达非平稳杂波抑制方法，其所述(3)步中，采用如下权值应用过程 根据CPI内回波数据具有平稳性的特征，将计算得到的最优自适应权值同时应用到待检测 距离单元的所有子CPI回波信号中，而不需要对每一个子CPI重新计算权值，提高效率。
所述的机载雷达非平稳杂波抑制方法，其所述⑷步中，采用如下相干叠加过程 由于各子CPI是均匀划分的，且通常不考虑时域采样的误差因素，它们之间存在固定的相 位关系，对输出信号进行相干叠加，可以获得更高的非平稳杂波抑制输出信杂噪比，以弥补 因降维带来的性能损失。
本发明的优点是
I)大多数机载雷达的空时杂波分布都具有距离依赖性的特点，尤其是近程距离内更加严重。即使在地面场景十分均匀的环境下，常规样本训练策略中仅利用距离向单元回 波数据估计得到的杂波协方差矩阵存在较大误差，进而使得STAP杂波抑制凹口变宽，利用 本发明巧妙地解决了机载雷达杂波距离依赖性问题，显著改善主瓣区的杂波抑制性能，更 有利于对慢速运动目标的检测。2)相比于目前常见的几类杂波距离依赖性补偿方法，本发明从根本上提出了更有 利于非平稳杂波的样本训练策略，方法简单，计算量小，不会存在目标相消的情况，且在系 统存在阵列误差和杂波内部运动(ICM)时，仍然能够有效抑制杂波，具有较高的稳健性。


图1为本发明方法处理流程方框示意图；图2为机载阵列雷达回波数据模型及常规样本选择方法示意图；图3为本发明中的联合时间维样本选取方法示意图；图4为本发明中的子CPI时域降维STAP原理框图及实现过程图；图5为机载非正侧视阵雷达近程杂波多普勒频率随距离变化的情况(仿真结果) 示意图；图6为机载非正侧视阵雷达在杂波协方差矩阵已知时的雷达近程杂波谱(仿真结 果)示意图；图7 (a)为常规STAP降维方法估计得到的机载非正侧视阵雷达杂波分布谱图(仿 真结果)示意图；图7(b)为基于本发明方法估计得到的机载非正侧视阵雷达杂波分布谱图(仿真 结果)示意图；图8(a)为没有系统误差和ICM时不同方法的SINR改善因子(仿真结果)示意 图；图8(b)为同时存在系统误差和ICM时不同方法的SINR改善因子(仿真结果)示 意图。
具体实施例方式本发明的一种基于样本训练的机载雷达非平稳杂波抑制方法，处理流程方框图如 图1所示，包括(1)基于分段子CPI时域降维结构的联合时间维样本训练策略估计得到杂波协方 差矩阵。该部分起始于阵列雷达多通道原始回波信号处理，即距离向脉冲压缩和加窗，这与 雷达成像中的实现过程一致。基于统计信号处理的自适应算法都需要通过计算接收数据的 协方差矩阵，才能获得匹配滤波权值以实现自适应处理，因此是否准确地估计了杂波协方 差矩阵就决定了空时自适应处理的性能，而样本训练是其中不可或缺的一步。联合时间维 的样本训练策略包括以下具体步骤慢时间维数据分段、快-慢时间维训练样本选择、杂波 协方差矩阵估计。其中核心的是在统计估计待检测距离单元(CUT)的协方差矩阵时，利用 了机载阵列雷达回波数据在时间上的循环平稳性，联合快_慢时间维的采样一起作为训练 样本。同时本发明结合STAP时域降维的思想，进一步减少了样本训练对距离向回波数据的 要求，降低了由杂波距离依赖性引起的距离向非平稳特性对协方差矩阵估计所产生的不利影响，从而提高系统自适应处理性能。
(2)自适应权值的应用和输出信号的相干叠加。根据估计得到的杂波协方差矩阵， 运用自适应滤波算法，可以计算得到空时二维处理器的权矢量，并将其应用到待检测距离单元的每一个子CPI的回波信号中。其后，根据各子CPI相互之间存在的固定相位关系，对所有子CPI的输出信号进行相干叠加。如此便实现了待检测距离单元的杂波抑制，方便后续进行的动目标检测。
下面首先基于机载阵列雷达空时回波数据模型，结合附图和具体实施方式
对本发明作进一步详细描述。
设雷达天线有N个子阵(或阵元)。在一个相干处理时间(CPI)内，天线阵以恒定的脉冲重复频率Prf发射M个脉冲，并由每个子阵分别接收回波，这是系统的原始输入信号。经过距离向脉冲压缩和加窗处理后，对回波进行时间采样可以获得L个距离单元的信号，得到N*M*L的空间-脉冲-距离三维雷达回波数据。其中两个脉冲的时间间隔为pri =Ι/prf，距离维的采样间隔ts与雷达的距离分辨率有关，一般远小于pri，因此又称距离维为快时间维，脉冲维为慢时间维。用τ和t分别表示快时间和慢时间，表示第η个阵元\时刻所发射脉冲在回波延时τ j处的接收数据，则第j个距离单元的空时快拍为
Χτ} = [xu,tj ，，…，M,1,Tj，…，^nJhTj，…，]( I )
通常情况下，STAP杂波抑制在一个CPI内沿着距离向进行，协方差矩阵估计时的样本选取方法如图2所示。最中间红色的CUT表示待检测距离单元，包含杂波和可能存在的运动目标回波信号。其相邻两侧黑色的为保护单元，这是因为当前雷达大多发射线性调频信号(LFM)，距离向加窗后的脉冲压缩会使得目标向两边距离单元扩展，通过设置保护单元以确保待检测目标不会当成干扰信号被抑制掉。根据RMB准则，要使协方差矩阵的估计损失小于3dB，则沿着距离维至少需要取L = 2匪个空时快拍数据作为估计样本。由最大似然(ML)估计法，得到的杂波协方差矩阵为
Κ=τΣχΛΗ(2)
实际中，在机载雷达杂波具有距离依赖性的情况下，回波数据的快时间维表现出非平稳性特征。当采用常规样本选取方法时，估计得到的协方差矩阵误差增大，空时杂波谱展宽，杂波输出的平均功率上升，目标所在单元的信号功率下降。为了改善雷达距离依赖性对杂波抑制性能的影响，采用本发明的方法实现降维的非平稳自适应处理。方法的步骤为
第一大步骤，基于分段子CPI时域降维结构的联合时间维样本训练策略估计得到杂波协方差矩阵，如图3所示，其工作过程为
步骤I子CPI时域降维。将一个CPI内的慢时间维数据均匀划分成K个子CPI，在每一个子CPI内脉冲采样数降低为M' =Μ/Κ的同时，每一个距离单元的慢时间维数据都提供了 K个Ν*(Μ/Κ)维的空时快拍作为训练样本，即义I,Ti — -Ti 7TI 7 ·· - M _，义2,1,·^，...，·^ tt _，…，气rM ]
权利要求
1.一种基于样本训练的机载雷达非平稳杂波抑制方法，其特征在于，包括步骤 步骤1:基于分段子CPI时域降维结构，联合快-慢时间维训练样本估计杂波协方差矩阵； 步骤2 :以步骤I中估计所得协方差矩阵计算自适应权值，应用到多通道回波数据，并将输出信号进行相干叠加。
2.如权利要求1所述的机载雷达非平稳杂波抑制方法，其特征在于，所述步骤步骤1，包括 (1)时域降维时，是将一个相干处理时间间隔内雷达回波数据的慢时间维数据均匀划分成多个子CPI，相互之间可重叠或不重叠； (2)样本训练时，同时采用雷达回波的快-慢时间维数据作为训练样本，用于估计杂波协方差矩阵，其中所需样本总数依据RMB准则，由系统对估计精度的要求确定； 步骤步骤2，包括 (3)权值应用时，将由步骤I中协方差矩阵计算得到的降维自适应权值，同时应用到所有的子CPI回波作滤波运算； (4)相干叠加时，根据各子CPI之间的固定相位关系，将所有的滤波输出作相干叠加，以减少分段带来的时域孔径损失。
3.如权利要求2所述的机载雷达非平稳杂波抑制方法，其特征在于，所述(I)步中，采用如下时域分段过程确定好子CPI脉冲数以后，将一个CPI内的慢时间维回波数据均匀分段，不重叠分段时为顺序选取固定数量的脉冲，相邻子CPI之间没有相同数据，重叠分段时是以滑动窗形式依次滑动选取脉冲，相邻子CPI数据部分重叠，此过程增加了每一个距离单元可用的慢时间维训练样本。
4.如权利要求2所述的机载雷达非平稳杂波抑制方法，其特征在于，所述(2)步中，采用如下样本训练过程根据系统对样本总数的要求，同时选取待检测单元邻近距离单元的雷达回波快-慢时间维数据作为训练样本，估计得到降维后的杂波协方差矩阵，此过程避免了常规方法中对距离向训练样本的巨大数量要求。
5.如权利要求2所述的机载雷达非平稳杂波抑制方法，其特征在于，所述(3)步中，采用如下权值应用过程根据CPI内回波数据具有平稳性的特征，将计算得到的最优自适应权值同时应用到待检测距离单元的所有子CPI回波信号中，而不需要对每一个子CPI重新计算权值，提高效率。
6.如权利要求2所述的机载雷达非平稳杂波抑制方法，其特征在于，所述(4)步中，采用如下相干叠加过程由于各子CPI是均匀划分的，且通常不考虑时域采样的误差因素，它们之间存在固定的相位关系，对输出信号进行相干叠加，可以获得更高的非平稳杂波抑制输出信杂噪比，以弥补因降维带来的性能损失。
7.如权利要求2、3或4所述的机载雷达非平稳杂波抑制方法，其特征在于，所述快时间维也称距离维，即为天线阵各通道回波进行时间采样所获得的距离单元信号，所述慢时间维也称脉冲维，即为不同脉冲回波的脉冲重复采样信号，所述联合时间维样本训练策略为同时利用回波的快-慢时间维数据进行杂波协方差矩阵估计的过程。
全文摘要
本发明公开了一种基于样本训练的机载雷达非平稳杂波抑制方法，涉及机载雷达技术，包括步骤(1)基于联合时间维样本训练策略的杂波协方差矩阵估计；(2)自适应权值应用和输出信号相干叠加。具体包括原始回波数据输入；距离向脉冲压缩及加窗；慢时间维数据分段；快-慢时间维训练样本选择；杂波协方差矩阵估计；自适应权值计算；自适应权值应用；输出信号相干叠加。本发明方法针对机载雷达存在的杂波距离依赖性，在空时自适应处理(STAP)时域降维结构下，通过改变样本训练策略，有效提高了杂波协方差矩阵的估计精度，改善主瓣区杂波抑制性能。在工程应用中具有较强的稳健性，尤其适合于慢速运动目标的检测。
文档编号G01S7/41GK103018727SQ20111028930
公开日2013年4月3日 申请日期2011年9月27日 优先权日2011年9月27日
发明者吕晓德, 赵耀东, 金威 申请人:中国科学院电子学研究所