基于先验道路信息的杂波抑制方法技术

本发明专利技术属于雷达杂波抑制技术领域，特别涉及基于先验道路信息的杂波抑制方法，其具体步骤为：根据先验道路信息得到雷达主波束内公路所在的以及计算对应车辆所在距离多普勒单元的集合RDroad和RDvehicle，对于某待处理单元，剔除若干保护单元后从待处理单元附近挑选原始训练样本，从原始训练样本集合中根据样本数据与集合RDroad和RDvehicle分别对应的空域导向矢量的匹配程度判断样本是否被车辆污染，剔除被车辆目标污染的训练样本，用剩余的训练样本估计待处理单元的杂波协方差矩阵，并对待处理单元进行STAP。

【技术实现步骤摘要】
基于先验道路信息的杂波抑制方法
本专利技术属于雷达杂波抑制
，特别涉及基于先验道路信息的杂波抑制方法，涉及非均匀杂波环境背景下的杂波抑制，具体是一种基于先验道路信息的杂波抑制方法，用于解决在道路密集环境中车辆信号对空时自适应处理的影响，改善杂波抑制性能。
技术介绍
在空时自适应处理(Spacetimeadaptiveprocessing，STAP)计算自适应权值时需要杂波的协方差矩阵，该杂波的协方差矩阵通常是未知的，需要通过训练样本估计得到。为了估计杂波的协方差矩阵，通常选择待处理单元附近的距离采样数据作为训练样本。例如，如果需要L0个训练样本(L0为大于1的偶数)，那么在检测单元前后(为了防止目标自相消和目标信号在距离维的扩展，需要剔除待处理单元及其附近的若干保护单元)各选择L0/2个训练样本来估计杂波的协方差矩阵。此时，我们假设这种使用滑窗方法挑选出的训练样本能够代表待处理单元的杂波。然而，在非均匀杂波环境中，这种假设是不成立的。在服从高斯分布的杂波环境中，为了保证所估计的杂波协方差矩阵的性能，训练样本的数量要大于系统自由度的2倍。根据雷达系统参数和距离分辨率可以得知，采样数据所跨越的地面长度可长达数百米甚至数千米。雷达实际工作环境中存在的离散杂波点、功率非均匀性以及海陆交界等地形差异使得不同距离门的杂波具有不同的统计特性，用如上方法选出的训练样本与待处理单元的杂波统计特性并不一定相同，由此估计的杂波协方差矩阵与待处理单元的实际的杂波协方差矩阵存在偏差，此时空时自适应处理抑制杂波的性能会下降；当训练样本中含有目标信号时，所估计的杂波协方差矩阵中包含目标信号(称为奇异样本)，由此得到自适应权值进行STAP时会造成目标相消，引起漏警。为了改善非均匀杂波环境中STAP的性能，在估计杂波协方差矩阵的时候，必须剔除被目标信号污染的训练样本。由于含有目标信号的样本的统计特性与仅含有杂波加噪声的样本的统计特性是不一样的，我们一般用非均匀检测器剔除奇异样本。一些学者提出了基于广义内积(GIP)的样本挑选方法。在杂波协方差矩阵精确已知的情况下广义内积法可以检测出奇异样本并剔除。然而，当训练样本中包含很强的奇异样本时，GIP方法的性能会严重下降，此外，当训练样本中的奇异样本很多的时候，GIP方法检测并剔除奇异样本的性能也会严重下降。为此有人提出了一种改进的GIP算法，该算法首先通过雷达系统参数等先验信息计算理论的杂波协方差矩阵，然后用该理论协方差矩阵替换GIP中估计的杂波协方差矩阵，可以在一定程度上增加GIP的稳健性。然而，在杂波模型或者惯导数据不准的情况下，该方法所估计的理论协方差矩阵与实际协方差矩阵存在偏差，这会在一定程度上降低GIP挑选训练样本的性能。还有一些学者提出了基于先验知识的STAP方法，并证明了先验知识在STAP中的价值。基于知识的空时自适应处理用已有的雷达数据、地图数据、跟踪反馈和道路信息等来辅助空时自适应信号处理，可以改善STAP的性能。对于道路信息来说，道路上存在车辆，车辆的运动会引起多普勒的变化，主波束照射区域内道路上的车辆有可能与目标具有相同的多普勒频率，如果用含有这种车辆回波的训练样本来估计杂波协方差矩阵，就相当于在协方差矩阵中加入了目标信号分量，STAP时会造成目标相消，降低实际目标的功率，因此，在挑选训练样本估计杂波协方差矩阵时需要剔除这种被主波束内车辆污染的训练样本。有人提出将所有包含道路的距离单元剔除，可以在一定程度上改进STAP性能，然而这种方法在道路密集的环境中会剔除大量训练样本，从而导致STAP的训练样本不够而使其性能下降。
技术实现思路
本专利技术的目的在于提出基于先验道路信息的杂波抑制方法，本专利技术可以剔除被主波束内车辆污染的训练样本解决在道路密集环境中车辆信号对空时自适应处理的影响，同时避免大量剔除训练样本，改善杂波抑制性能。为实现专利技术目的，本专利技术采用的技术方案是：针对含有多个阵元的等间距线阵雷达为例进行分析，首先根据雷达构型、惯导信息及道路网信息计算雷达主波束内道路所在的距离-多普勒单元；然后根据道路相对于雷达的角度和车辆的速度范围计算出道路上车辆相对于雷达的径向速度范围，从而得到可能存在车辆的距离-多普勒单元；接着，对于某待处理单元，在其相同多普勒通道中挑选与其临近的距离单元(剔除保护单元)作为原始训练样本，根据原始训练样本数据矢量与杂波导向矢量及道路导向矢量的匹配程度判断其是否为车辆，从而剔除被车辆目标信号污染的原始训练样本；最后，用挑选出的训练样本计算自适应权值进行基于知识辅助的空时自适应处理(knowledge-aidedSpacetimeadaptiveprocessing，KASTAP)。本专利技术的步骤为：步骤1，利用机载雷达向道路发送脉冲信号，利用机载雷达上正侧视的均匀线阵接收M个脉冲的回波数据，所述均匀线阵的阵元数为N，阵元间距为d；将机载雷达在第l个距离门所接收到的M个脉冲回波数据表示为矩阵Xl，l取1至L，L表示机载雷达的距离门个数；步骤2，对矩阵Xl作傅立叶变换，得到阵元多普勒域数据矩阵得出第m个多普勒通道的回波数据矢量m＝1，2，…，M；表示由阵元多普勒域数据矩阵第m行的所有元素组成的N×1维的矢量；得出机载雷达3dB波束宽度内的道路的回波信号进行多普勒偏移后的距离-多普勒二维坐标的集合RDvehicle，将集合RDvehicle中每个元素对应的多普勒通道序号的集合记为集合A，将集合A中每个元素对应的多普勒通道的回波数据矢量作为对应的一个训练样本，将所有的训练样本组合成训练样本集合；得出机载雷达的每个多普勒通道中地面静止散射点的空域导向矢量、以及机载雷达的每个多普勒通道的车辆所在道路的回波信号对应的空域导向矢量；步骤3，设m′∈A，当时，将机载雷达第m′个多普勒通道的回波数据矢量从步骤2得出的训练样本集合中剔除，asc(m′)表示机载雷达的第m′个多普勒通道中地面静止散射点的空域导向矢量，asr(m′)表示第m′个多普勒通道的车辆所在道路的回波信号对应的空域导向矢量；(·)H表示厄米共轭符号，γ为设定的大于0的调解系数，|·|表示取模值；当时，在步骤2得出的训练样本集合中保留机载雷达第m′个多普勒通道的回波数据矢量步骤4，根据步骤3得出的训练样本集合中的训练样本，求得对应的自适应权矢量wopt，然后，根据自适应权矢量wopt对机载雷达接收的回波信号进行空时自适应处理。本专利技术的有益效果为：1)本专利技术利用先验道路信息剔除可能被车辆信号污染的强样本点，可以避免STAP处理时目标相消，更好的抑制杂波，得到更高的输出信杂噪比。2)当机载雷达照射道路密集的环境中，本专利技术可以只剔除被车辆污染的训练样本，而不需要将所有包含道路的训练样本剔除，保证STAP处理时所需的足够的训练样本，提高检测性能，降低虚警。附图说明图1为本专利技术的基于先验道路信息的杂波抑制方法的流程图；图2为机载雷达照射区域内的道路的回波信号的距离-多普勒图像的举例示意图；图3为机载雷达3dB波束宽度内的道路的回波信号的距离-多普勒图像的举例示意图；图4为机载雷达3dB波束宽度内的道路的回波信号进行多普勒偏移后的距离-多普勒图像的举例示意图；图5为仿真实验1所用的MCARM数据工作环境内的道路本文档来自技高网...

【技术保护点】
基于先验道路信息的杂波抑制方法，其特征在于，包括以下步骤：步骤1，利用机载雷达向道路发送脉冲信号，利用机载雷达上正侧视的均匀线阵接收M个脉冲的回波数据，所述均匀线阵的阵元数为N，阵元间距为d；将机载雷达在第l个距离门所接收到的M个脉冲回波数据表示为矩阵Xl，l取1至L，L表示机载雷达的距离门个数；步骤2，对矩阵Xl作傅立叶变换，得到得出阵元多普勒域数据矩阵得出第m个多普勒通道的回波数据矢量表示由元多普勒域数据矩阵第m行的所有元素组成的N×1维的矢量；得出机载雷达3dB波束宽度内的道路的回波信号进行多普勒偏移后的距离‑多普勒二维坐标的集合RDvehicle，将集合RDvehicle中每个元素对应的多普勒通道序号的集合记为集合A，将集合A中每个元素对应的多普勒通道的回波数据矢量作为对应的一个训练样本，将所有的训练样本组合成训练样本集合；得出机载雷达的每个多普勒通道中地面静止散射点的空域导向矢量、以及机载雷达的每个多普勒通道的车辆所在道路的回波信号对应的空域导向矢量；步骤3，设m'∈A，当时，将机载雷达第m'个多普勒通道的回波数据矢量从步骤2得出的训练样本集合中剔除，asc(m')表示机载雷达的第m'个多普勒通道中地面静止散射点的空域导向矢量，asr(m')表示第m'个多普勒通道的车辆所在道路的回波信号对应的空域导向矢量；(·)H表示厄米共轭符号，γ为设定的大于0的调解系数，|·|表示取模值；当时，在步骤2得出的训练样本集合中保留机载雷达第m'个多普勒通道的回波数据矢量步骤4，根据步骤3得出的训练样本集合中的训练样本，求得对应的自适应权矢量wopt，然后，根据自适应权矢量wopt对机载雷达接收的回波信号进行空时自适应处理。...

【技术特征摘要】
1.基于先验道路信息的杂波抑制方法，其特征在于，包括以下步骤：步骤1，利用机载雷达向道路发送脉冲信号，利用机载雷达上正侧视的均匀线阵接收M个脉冲的回波数据，所述均匀线阵的阵元数为N，阵元间距为d；将机载雷达在第l个距离门所接收到的M个脉冲回波数据表示为矩阵Xl，l取1至L，L表示机载雷达的距离门个数；步骤2，对矩阵Xl作傅立叶变换，得到阵元多普勒域数据矩阵得出第m个多普勒通道的回波数据矢量m＝1，2，…，M；表示由阵元多普勒域数据矩阵第m行的所有元素组成的N×1维的矢量；得出机载雷达3dB波束宽度内的道路的回波信号进行多普勒偏移后的距离-多普勒二维坐标的集合RDvehicle，将集合RDvehicle中每个元素对应的多普勒通道序号的集合记为集合A，将集合A中每个元素对应的多普勒通道的回波数据矢量作为对应的一个训练样本，将所有的训练样本组合成训练样本集合；得出机载雷达的每个多普勒通道中地面静止散射点的空域导向矢量、以及机载雷达的每个多普勒通道的车辆所在道路的回波信号对应的空域导向矢量；步骤3，设m′∈A，当时，将机载雷达第m′个多普勒通道的回波数据矢量从步骤2得出的训练样本集合中剔除，asc(m′)表示机载雷达的第m′个多普勒通道中地面静止散射点的空域导向矢量，asr(m′)表示第m′个多普勒通道的车辆所在道路的回波信号对应的空域导向矢量；(·)H表示厄米共轭符号，γ为设定的大于0的调解系数，|·|表示取模值；当时，在步骤2得出的训练样本集合中保留机载雷达第m′个多普勒通道的回波数据矢量步骤4，根据步骤3得出的训练样本集合中的训练样本，求得对应的自适应权矢量wopt，然后，根据自适应权矢量wopt对机载雷达接收的回波信号进行空时自适应处理。2.如权利要求1所述的基于先验道路信息的杂波抑制方法，其特征在于，在步骤1中，矩阵Xl为：Xl＝ρlS+Cl+Nl，其中，ρl表示第l个距离门的目标幅度，S表示目标信号的空时导向矢量，Cl表示第l个距离门的杂波信号，Nl表示第l个距离门的噪声信号；得出目标信号的空时导向矢量S的表达式，其中，表示Kronecker积，(·)T表示转置运算符，表示目标归一化多普勒频率，表示目标信号的时域导向矢量，v表示目标归一化空间频率，a(v)表示目标信号的空域导向矢量；第l个距离门的杂波信号Cl为：其中Nr为距离模糊次数，Nc为每个距离门划分的杂波散射点的个数，aikl表示第i次距离模糊在第l个距离门的第k个杂波块对应的空域导向矢量，bikl表示第i次距离模糊在第l个距离门的第k个杂波块对应的时域导向矢量，ρikl表示第i次距离模糊在第l个距离门...

【专利技术属性】
技术研发人员：王彤，王志林，吴建新，吴亿峰，李春海，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61