本发明专利技术提供一种基于稳健空时自适应处理的目标检测方法，能够提高目标检测的准确度和效率。包括：步骤1，机载雷达接收回波数据；步骤2，对回波数据进行时域滑窗处理；步骤3，构造目标视在导向矢量误差边界矩阵；步骤4，计算回波数据在目标张成的子空间的正交补空间上投影分量的自相关矩阵；步骤5，计算自相关矩阵对角加载后的相关矩阵；步骤6，求解权矢量；步骤7，判断所述边界矩阵的共轭转置矩阵与权矢量相乘得到的列向量的模值是否小于1；若小于1，则增加加载因子后执行步骤5至步骤6；否则将权矢量作为最优权矢量；步骤8，利用最优权矢量构造滤波器对滑窗后的回波数据进行滤波，得到目标回波数据。
【技术实现步骤摘要】
本专利技术涉及空时自适应处理
，特别涉及一种基于稳健空时自适应处理的 目标检测方法，本专利技术应用于机载雷达的回波信号处理。
技术介绍
机载雷达的地物回波呈现的空时耦合谱特性决定其采用空时自适应处理 (Space-Time Adaptive Processing，STAP)的杂波抑制效果优于一维杂波抑制技术。传 统的STAP方法利用训练数据估计待测数据的空时相关矩阵。均匀环境下，两组数据的 统计特性基本相似。该类方法有效地利用了回波的统计特性，可以获得较好地杂波抑制 性能；然而，机载雷达的实际工作环境往往是非均匀的，难以满足自适应处理对于均匀训 练样本数的需求，并且传统方法对于待测数据本身含有的干扰抑制效果较差。为此，基于 待测数据本身的STAP类方法被提出，例如直接数据域（Direct Data Domain，DDD)、反复 迭代自适应（Iterative Adaptive Approach，IAA)、基于幅度相位估计（Amplitude and Phase Estimation，APES)的STAP方法等。其中，APES方法保证接收信号的时域输出与目 标信号的均方误差最小，有效地利用了杂波的统计信息，从而能够较好地同时抑制杂波与 待测数据内的干扰，并且计算量小。但在实际应用中，目标的参数信息，即目标的波达方向 (Direction of Arrival，D0A)或多普勒频率往往不能准确获取，目标真实导向矢量产生失 配。APES方法对导向矢量失配非常敏感，导致目标检测性能下降。 针对上述导向矢量失配问题，目前主要有以下几种方法： 第一种方法是对角加载技术（diagonally loaded，DL)。DL可以降低空时相关 矩阵小特征值的扰动，增加波束形成器的稳健性，提供了到达角失配的稳健性，以及阵元位 置、增益位置和相位扰动的稳健性等。但在实际情况对于加载量的多少往往是根据经验值 设定，加载量的不确定严重影响对角加载的性能。 第二种方法是基于最差性能的最优的稳健方法，该方法将目标D0A及多普勒频率 约束在一个误差锥域内，通过凸优化方法求解最优滤波器权值，然而该方法并不能给出一 个解析解，并且计算量大。
技术实现思路
针对上述技术问题，本专利技术的目的在于提出一种基于稳健空时自适应处理的目标 检测方法，有效地利用回波的统计信息，根据两点正交约束及迭代对角加载方法，在不增加 较大计算量的前提下，有效保证存在导向矢量失配时APES方法的稳健性，从而提高稳健空 时自适应处理的目标检测方法的准确度。 为了达到上述目的，本专利技术采用以下技术方案予以实现。 一种，包括以下步骤： 步骤1，利用机载雷达发射信号，并接收相应的回波数据； 步骤2,对所述回波数据进行时域滑窗处理，得到滑窗后的回波数据； 步骤3,由先验信息构造目标视在导向矢量误差边界矩阵，其中所述先验信息包括 目标归一化多普勒的上限、目标归一化多普勒的下限、目标真实波达方向的上限和目标真 实波达方向的下限，所述导向矢量误差边界矩阵包括目标视在导向矢量的上限和目标视在 导向矢量的下限； 步骤4,计算所述滑窗后的回波数据在目标张成的子空间的正交补空间上的投影 分量的自相关矩阵； 步骤5,通过以下公式计算所述自相关矩阵对角加载后的相关矩阵： R' 丄=R丄 + y I 其中，Ri为自相关矩阵，R' ±为对角加载后的相关矩阵，I为单位矩阵，Y为加载 因子，初始值为1 ; 步骤6,根据所述目标视在导向矢量误差边界矩阵和对角加载后的相关矩阵求解 目标视在导向矢量误差边界矩阵的共轭转置矩阵的权矢量； 步骤7,判断所述目标视在导向矢量误差边界矩阵的共轭转置矩阵与所述权矢量 相乘得到的列向量的模值是否小于1 ;若所述模值小于1，则增加所述加载因子Y后重新执 行所述步骤5至步骤6;若所述模值大于等于1，则将对应的权矢量作为最优权矢量； 步骤8,利用所述最优权矢量构造滤波器对所述空时滑窗后的回波数据进行滤波， 得到目标回波数据。 优选地，所述步骤1包括以下子步骤： la)利用机载雷达采用N元等距线阵，阵元间隔为d，一个相干采样间隔内的脉冲 数为K来发射信号； lb)接收相应的回波数据X，其中回波数据X包括目标回波数据、杂波回波数据、干 扰回波数据、噪声回波数据。 3、根据权利要求1所述的，其特征在 于，所述步骤2包括以下子步骤： 2a)根据先验信息确定目标的真实波达方向及归一化多普勒频率的范围，得到目 标的NX 1维空域导向矢量SdP KX 1维时域导向矢量S t，所述空域导向矢量Ss和时域导向 矢量St分别通过以下公式计算得到： 其中，0为目标的真实波达方向，fd为目标的归一化多普勒频率，d为阵元间隔， 供为目标俯仰角，A为波长，（*) T表示矩阵转置，K为一个相干采样间隔内的脉冲数，j为 虚数单位； 2b)根据以下公式对所述回波信号进行时域滑窗处理，滑窗后得到的NM tXKt维回 波数据^为： X1D = + C1D + J1D + iV1D 其中，（?）T表示矩阵转置，X1D为时域滑窗处理后的回波数据，a为目标复幅度， 一細咖耐…]T为Kt>a维时域导向矢量，为匪t>a维滑 窗后的空时导向矢量，Mt为时域窗大小，NM tXKt维矩阵C 1D、J1D和N 1D分别为通过滑窗处理 后的杂波、干扰及噪声，.表示克罗内克积，&D=[1 …为M tXl维滑窗 后的时域矢量，Kt= K-Mt+1。 优选地，所述步骤3包括以下子步骤： 3a)根据目标归一化多普勒的下限、目标归一化多普勒的上限fu、目标真实波达 方向的下限和目标真实波达方向的上限0U，通过以下公式构造目标视在导向矢量上限 T(f\，0)、目标视在导向矢量下限T(fu，0 U): T(f\，0 丄）=SJA，0 0+E，| |E| | 彡 e T(fu, 0U) = S1D(fu, 0U)+E, | |E| | ^ e 其中，E为视在导向矢量与真实导向矢量之间的误差，常数e多0，S1D为匪 tXl维 滑窗后的空时导向矢量； 3b)根据所述目标视在导向矢量上限和目标视在导向矢量下限，通过以下公式构 造目标视在导向矢量误差边界矩阵T : T = 〇 优选地，所述步骤4包括以下子步骤： 4a)通过以下公式计算目标张成的子空间P||: 其中，（?）$表示取共轭，（?）T表示矩阵转置，t1D为KtXl维时域导向矢量，&为 t1D的维数； 4b)通过以下公式计算目标张成的子空间的正交补空间Pi : P丄=I-P 丨 其中，I为KtXKt维的单位对角矩阵，P u表示目标张成的子空间； 4c)通过以下公式计算所述滑窗后的回波数据在Pi上的投影分量Xi : X丄=X1DP 丄 其中，^为滑窗后的回波数据，P 1为目标张成的子空间的正交补空间； 4d)通过以下公式计算所述滑窗后的回波数据在目标张成的子空间的正交补空间 上的投影分量的自相关矩阵Ri: 其中，Xi为滑窗后的回波数据在Pi上的投影分量，H表示矩阵的共轭转置。 优选地，所述步骤6包括以下子步骤： 6a)依据所述目标视在导向矢量误差边界矩阵T和对角加载后的相关矩阵R' 1，结 合杂噪协方差矩阵的厄米特性，求解第一中间变量组0、1'(|、1本文档来自技高网...
【技术保护点】
一种基于稳健空时自适应处理的目标检测方法，其特征在于，包括以下步骤：步骤1，利用机载雷达发射信号，并接收相应的回波数据；步骤2，对所述回波数据进行时域滑窗处理，得到滑窗后的回波数据；步骤3，由先验信息构造目标视在导向矢量误差边界矩阵，其中所述先验信息包括目标归一化多普勒的上限、目标归一化多普勒的下限、目标真实波达方向的上限和目标真实波达方向的下限，所述导向矢量误差边界矩阵包括目标视在导向矢量的上限和目标视在导向矢量的下限；步骤4，计算所述滑窗后的回波数据在目标张成的子空间的正交补空间上的投影分量的自相关矩阵；步骤5，通过以下公式计算所述自相关矩阵对角加载后的相关矩阵：R′⊥＝R⊥+γI其中，R⊥为自相关矩阵，R'⊥为对角加载后的相关矩阵，I为单位矩阵，γ为加载因子，初始值为1；步骤6，根据所述目标视在导向矢量误差边界矩阵和对角加载后的相关矩阵求解目标视在导向矢量误差边界矩阵的共轭转置矩阵的权矢量；步骤7，判断所述目标视在导向矢量误差边界矩阵的共轭转置矩阵与所述权矢量相乘得到的列向量的模值是否小于1；若所述模值小于1，则增加所述加载因子γ后重新执行所述步骤5至步骤6；若所述模值大于等于1，则将对应的权矢量作为最优权矢量；步骤8，利用所述最优权矢量构造滤波器对所述空时滑窗后的回波数据进行滤波，得到目标回波数据。...
【技术特征摘要】
【专利技术属性】
技术研发人员：周宇，林春辉，陈展野，张林让，张娟，
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。