一种基于瞬时自相关矩阵稀疏分解的OTHR机动目标参数估计方法技术

本发明专利技术公开了一种基于瞬时自相关矩阵稀疏分解的OTHR机动目标参数估计方法，属于雷达技术领域。本发明专利技术针对天波雷达机动目标参数估计的两个问题：相差积累时间长，因而导致机动目标频谱扩展严重；波束覆盖范围大，通常同时存在多个机动目标，提出了一种基于瞬时自相关矩阵的稀疏矩阵分解的天波雷达机动目标检测新方法，该方法首先对回波进行瞬时自相关变换，然后对瞬时自相关矩阵进行交叉项抑制，再对瞬时自相关矩阵进行稀疏分解，最后对分解后的稀疏矩阵进行Hough变换得到信号的瞬时频率，从而估计目标运动参数。本发明专利技术与现有的OTHR机动目标参数估计方法方法相比，其参数估计精度高，尤其在‑13dB信噪比条件下仍能检测出目标，并且能同时检测多个目标。

A OTHR maneuvering target parameter estimation method based on instantaneous autocorrelation matrix sparse decomposition

【技术实现步骤摘要】
一种基于瞬时自相关矩阵稀疏分解的OTHR机动目标参数估计方法
本专利技术属于雷达
，具体涉及利用稀疏矩阵分解来实现天波雷达机动目标参数估计。
技术介绍
天波超视距雷达(over-the-horizonradar,OTHR)机动目标参数估计不同于其它雷达：(1)OTH的相干积累时间很长(长达十几秒)，从而导致机动目标的多普勒扩展更严重，因而更高精度的机动目标参数估计方法成为天波雷达的迫切需求；(2)OTHR波束覆盖范围大(单个波束可以覆盖800～3500平方公里)，回波中通常会同时存在多个机动目标，因此多个机动目标同时探测成为天波雷达的迫切需求。于是天波超视距雷达机动目标检测受到广泛关注，其中典型的是基于多项式相位法(KLu,XLiu.Enhancedvisibilityofmaneuveringtargetsforhigh-frequencyover-the-horizonradar.IEEETransactionsonAntennasandPropagation,2005,53(1):404-411.)和基于时频类的方法(BKim,SHKong,SKim.LowComputationalEnhancementofSTFT-BasedParameterEstimation.IEEEJournalofSelectedTopicsinSignalProcessing,2015,9(8):1610-1619)。多项式相位法中高阶模糊函数法(high-orderambiguityfunction,HAF)将机动目标信号的相位用多项式建模，求取各阶加速度，需要较高的输入信噪比。时频分析类方法中，STFT(AGholami.SparseTime–FrequencyDecompositionandSomeApplications.IEEETransactionsonGeoscience&RemoteSensing,2013,51(6):3598-3604.)通过加窗来扩展傅里叶变换，估计精度不高。WVD(ZCZhang.UnifiedWigner–Villedistributionandambiguityfunctioninthelinearcanonicaltransformdomain.SignalProcessing,2015,114(C):45-60.)类方法通过运动目标时频能量分布估计参数，具有参数估计精度高的优点，然而存在多个目标时该方法会受到交叉项的影响。为了解决交叉项的干扰，文献“WCDu,XQGao,GHWang.UsingFRFTtoestimatetargetradialacceleration.InternationalConferenceonWaveletAnalysis&PatternRecognition,2007,1:442-447.”提出分数阶傅里叶变换(FRFT)进行机动目标参数估计，然而FRFT方法在时域上加了窗，导致参数估计精度不高。文献“XChen,JGuan,NLiu,YHe.ManeuveringTargetDetectionviaRadon-FractionalFourierTransform-BasedLong-TimeCoherentIntegration.IEEETransactionsonSignalProcessing,2014,62(4):939-953.”进一步提出了RFRFT算法,通过选择一个合适的旋转角度，提高了参数估计精度，然而该方法不能同时估计多个目标的参数，当有多个机动目标时，该算法需要用“CLEAN”方法逐个估计机动目标参数，导致误差积累，降低了多目标检测性能。
技术实现思路
本专利技术的专利技术目的在于：针对上述存在的问题，提出了一种基于瞬时自相关矩阵稀疏分解的OTHR机动目标参数估计方法，从而解决现有方法因加窗而导致参数估计精度不高的技术问题，以及现有方法不能对多目标同时估计的技术问题。本专利技术的基于瞬时自相关矩阵稀疏分解的OTHR机动目标参数估计方法，首先构造天波雷达回波信号的瞬时自相关矩阵，然后对瞬时自相关矩阵进行交叉项抑制，接着对该矩阵进行稀疏分解，最后对分解后的矩阵进行Hough变换，从而同时估计多个机动目标的多个参数。其具体步骤为：步骤1：对OTHR信号进行海杂波抑制：在OTHR中，通常存在多个目标，用s(n)表示目标信号，w(n)表示杂波，其中s(n)由J个匀速目标a(n)和K个机动目标e(n)组成，回波信号y(n)＝s(n)+w(n)＝a(n)+e(n)+w(n)，n＝1,2,...N，N为脉冲积累个数(即采样点数)。则抑制掉海杂波后，回波信号可以写为：其中AJ表示J个匀速目标的回波幅度，Ak表示K个机动目标的回波幅度，vJ表示J个匀速目标的速度，vk表示第k个机动目标的速度，j表示虚数单位，n表示信号采样点，ΔT表示雷达脉冲重复间隔，f0表示雷达载波频率，c表示光速；步骤2：构造大小为N×N的瞬时自相关矩阵D：分为两种情况，当机动目标只有1个时，则根据第n+m个和第n-m个采样点的回波信号y(n+m)和y(n-m)的值，根据公式(2)设置自相关矩阵D的第m+1行第n列的元素值D(m+1,n)，其中n＝1,2,…N，m＝{-τ,-τ+1,…,τ},τ＝min(n-1,N-n)；并将自相关矩阵D中其余部分补0值，即直接将自相关矩阵D非D(m+1,n)的元素值设置为0。其中，上标符号“T”表示矩阵转置。而当存在多个机动目标的时，则为多个机动目标的自相关矩阵以及干扰项的和，例如对于两个机动目标的情况，则此时的D(m+1,n)＝D1(m+1,n)+D2(m+1,n)+2R{D1,2(m+1,n)}，其中2R{D1,2(m+1,n)}表示干扰项，因干扰项会和信号项互相重叠，故需要削弱该干扰项的干扰，即通过抑制处理来获取此时对应的D(m+1,n)：D(m+1,n)＝g(θ)h(m)y(n-θ+m)y(n-θ-m)(3)式(3)中y(·)表示对应采样点的回波信号，g(θ)、h(m)为平滑函数：由于匀速目标的多普勒频率单一且固定，其仅仅存在于时域或频域矩阵的某一行或某一列，有几个匀速目标，矩阵中就有几行(列)，且目标个数远小于脉冲积累数，因此可以构造一个低秩的瞬时自相关矩阵D。由于机动目标构成的矩阵D只有部分元素为非零，且分布在不同的行，数学上具有稀疏性，故需要对其进行稀疏和低秩分解处理。步骤3：对所构造的瞬时自相关矩阵D进行稀疏和低秩分解：D＝A+E，其中A对应匀速目标的瞬时自相关矩阵，E对应机动目标的瞬时自相关矩阵。由于矩阵A的低秩性和矩阵E的稀疏性，可通过线性最优化的方法求解D在低维子空间上的投影。因此将其转化为基于无约束的RPCA(RobustPrincipalcomponentanalysis,鲁棒性主成分分析法)线性凸优化问题，奇异值分解可以稳定高效地求解恢复两个矩阵A和E，可以实现多个机动目标的同时探测，如式(6)所示：minA,E||A||*+λ||E||1s.tD＝A+E(6)其中||·||*表示矩阵的核范数，即矩阵的奇异值之和，||·||1表示矩阵的L1范数，即矩阵所有元素的绝对值之和，选取λ＞0的作用本文档来自技高网...

【技术保护点】
一种基于瞬时自相关矩阵稀疏分解的天波超视距雷达OTHR机动目标参数估计方法，其特征在于，包括下列步骤：步骤1：对采样的回波信号进行海杂波抑制处理；步骤2：基于海杂波抑制后的回波信号构造大小为N×N的瞬时自相关矩阵D：若机动目标数为1，则基于下述方式构造瞬时自相关矩阵D：根据第n+m个和第n‑m个采样点的回波信号y(n+m)和y(n‑m)的值，设置矩阵D的第m+1行第n列的元素值D(m+1,n)为：

【技术特征摘要】
1.一种基于瞬时自相关矩阵稀疏分解的天波超视距雷达OTHR机动目标参数估计方法，其特征在于，包括下列步骤：步骤1：对采样的回波信号进行海杂波抑制处理；步骤2：基于海杂波抑制后的回波信号构造大小为N×N的瞬时自相关矩阵D：若机动目标数为1，则基于下述方式构造瞬时自相关矩阵D：根据第n+m个和第n-m个采样点的回波信号y(n+m)和y(n-m)的值，设置矩阵D的第m+1行第n列的元素值D(m+1,n)为：其中信号采样点标识符n＝1,2,…N，N为采样点数，m＝{-τ,-τ+1,…,τ}，τ＝min(n-1,N-n)，上标符号(·)T表示矩阵转置；并矩阵D中非D(m+1,n)的元素的值设置为0；若机动目标数大于1，则基于下述方式构造瞬时自相关矩阵D：根据公式设置矩阵D的第m+1行第n列的元素值D(m+1,n)为：D(m+1,n)＝g(θ)h(m)y(n-θ+m)y(n-θ-m)，其中y(·)表示对应采样点的回波信号，g(θ)、h(m)为平滑函数：g(θ)＝0.5-0.5*cos(2*π*θ/α),h(m)＝0.5-0.5*cos(2*π*m/β),并将矩阵D中非D(m+1,n)的元素的值设置为0；步骤3：根据公式minA,E||A||*+λ||E||1，s.tD＝A+E对瞬时自相关矩阵D进行稀疏和低秩分解，得到低秩矩阵A和稀疏矩阵E，其中||·||*表示矩阵的核范数，||·||1表示矩阵的L1范数，λ表示权衡稀疏性和低秩性的参数，且λ＞0；步骤4：对矩阵E做霍夫变换，基于变换域上的峰值位置(ρ0,θ0)计算对应机动目标的运动参数v1和v2：其中v1表示速度，v2表示加速度，ρ0表示距离，θ0表示角度，ΔT表示脉冲重复周期，2.如权利要求1所述的方法，其特征在于，瞬时自相关矩阵D进行稀疏和低秩分解的包括下列步骤：参量初始化步骤...

【专利技术属性】
技术研发人员：陈卓，蔡雷雷，夏玉燕，李健萍，胡进峰，姚冯，鲍伟伟，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51