基于干扰和旁瓣均衡抑制的认知雷达波形设计方法技术

本发明专利技术公开了基于干扰和旁瓣均衡抑制的认知雷达波形设计方法，在自适应架构基础上，压制噪声干扰模型中，通过MMSE准则，引入并构造干扰与旁瓣均衡抑制的认知雷达波形优化模型，并将其转化为最小化多变量多约束目标函数模型，然后根据Lagrange乘子法，引出目标函数的Lagrange函数，再根据对偶原理，再次转化模型为最优化对偶函数，通过引入辅助变量和KKT最优性进行求解，最后设计交替迭代法联合优化发射波形和滤波器序列，并评估综合处理算法带来的性能提升。仿真结果表明，所提算法能够实现对干扰信号抑制和自身处理旁瓣的平衡，提高目标的检测性能。

【技术实现步骤摘要】
基于干扰和旁瓣均衡抑制的认知雷达波形设计方法
本专利技术涉及基于干扰和旁瓣均衡抑制的认知雷达波形设计方法，具体涉及一种优化雷达工作性能的发射波形和数据处理的低复杂度方法，属于雷达抗干扰

技术介绍
雷达干扰是指一切破坏和扰乱雷达及相关设备正常工作的战术和技术措施的统称，按照干扰信号的作用机理可分为压制性干扰和欺骗性干扰。其中，压制式噪声干扰是当前雷达干扰系统一种重要干扰方式，主要以大功率的噪声淹没目标回波，使雷达无法检测到目标，大幅度降低警戒探测雷达的工作性能。雷达抗干扰的目的是将影响雷达正常工作的各种干扰信号减弱到能容许的程度,以保障雷达正常工作，其作用主要包括：(1)防止雷达饱和；(2)提高信噪比；(3)鉴别干扰的方位；(4)提高雷达系统的生存能力。传统雷达仅仅依靠接收端信号处理技术，对雷达干扰抑制性能提升程度有限；认知雷达作为一种新型智能雷达系统，最大优势在于获得环境交互信息后自适应改变发射，因此在信号检测层面对雷达相关性能的提升是最有可能的。
技术实现思路
本专利技术所要解决的技术问题是：提供基于干扰和旁瓣均衡抑制的认知雷达波形设计方法，针对雷达干扰设计有效的提升信干比的发射波形、以及能够与发射波形有效配合抑制干扰的数据处理方法，从而提升了检测终端的信干比。本专利技术为解决上述技术问题采用以下技术方案：基于干扰和旁瓣均衡抑制的认知雷达波形设计方法，包括如下步骤：步骤1，初始化认知雷达的发射信号s及码长N，将s的初始值设为恒模随机相位编码信号，根据s及N，计算发射信号旁瓣协方差矩阵Qs；设定干扰信号Uj为压制性干扰信号，并计算干扰协方差矩阵Rn；步骤2，通过匹配滤波，得到认知雷达基带接收信号离散系数a0的估计值对接收信号进行失配滤波，得到估计值的均方误差为：其中，表示的均方误差，w为失配滤波器的滤波信号，上标H表示共轭转置，R＝Qs+Rn；步骤3，建立如下波形优化模型对步骤2的均方误差进行优化，具体如下：步骤31，当发射信号s已知时，求解滤波器w，子模型为：s.t.wHRnw＝wHQsw，wHs＝1步骤3-2，当滤波器w已知时，求解发射信号s，子模型为：其中，Qw为滤波器旁瓣协方差矩阵，c＝wHRnw为常数；步骤4，利用Lagrange对偶法对步骤3的模型进行优化求解，得到优化的发射信号和滤波器。作为本专利技术的一种优选方案，所述步骤4的具体过程为：步骤41，当发射信号s已知时，步骤31目标函数的Lagrange函数为：其中，Qs为发射信号旁瓣协方差矩阵，Rn为干扰协方差矩阵，b1是Lagrange乘子，a1是不为0的常数，利用对偶原理求L(w,a1,b1)的最小值：且当下式成立时，L(w,a1,b1)取得最小值：将(2)式代入(1)式，得：要求(3)式的最大值，即求(4)式的最小值：模型简化为：令当时，得到：要求(7)式的最小值，即求(6)式的最小值minf(a1)，利用线搜索法求得a1，b1，将a1，b1，s的表达式代入(2)式，得到滤波器w；步骤42，当滤波器w已知时，步骤32目标函数的Lagrange函数为：其中，c为常数，c＝wHRnw，Qw为滤波器旁瓣协方差矩阵，a2，b2均是Lagrange乘子；利用对偶原理求L(s,a2,b2)的最小值：且当下式成立时，L(s,a2,b2)取得最小值：将(9)式代入(8)式，得：要求(10)式的最大值，即求(11)式的最小值：模型简化为：令当时，得到：要求(14)式的最小值ming(a2)，利用线搜索法求得a2，b2，将a2，b2，w的表达式代入(9)式，得到发射信号s；步骤43，重复步骤41-步骤42，继续优化滤波器w和发射信号s，直至求得优化的发射信号和滤波器，满足目标函数和约束要求。作为本专利技术的一种优选方案，所述干扰信号Uj的信号表达式为：其中，U0为射频信号的幅度，wc为中心频率，为初始相位，调幅噪声Un(t)是一个均值为0、方差为1、分布区间为[-U0,∞]的广义平稳随机过程，t表示时间，服从[0,2π]均匀分布。作为本专利技术的一种优选方案，所述步骤31的子模型的扩展如下：其中，Qs为发射信号旁瓣协方差矩阵，Rn为干扰协方差矩阵，s为发射信号，w为滤波器，r为干扰抑制程度。作为本专利技术的一种优选方案，所述步骤32的子模型的扩展如下：其中，Qs为发射信号旁瓣协方差矩阵，Rn为干扰协方差矩阵，s为发射信号，w为滤波器。本专利技术采用以上技术方案与现有技术相比，具有以下技术效果：1、本专利技术针对干扰先验信息基础上，开展发射、接收极化联合优化技术研究，提升认知雷达系统的抗干扰和旁瓣抑制性能。在接收端旁瓣电平和干扰电平相等的约束条件下，根据最小均方误差准则设计代价函数，设计优化雷达工作性能的发射波形和数据处理的低复杂度方法，提升检测终端的信干比。2、本专利技术能够实现对干扰信号抑制和自身处理旁瓣的平衡，提高目标的检测性能，为进一步开展认知雷达抗干扰波形设计奠定了理论基础。在本专利技术的扩展性上，更改干扰抑制和自身处理旁瓣的约束条件，能够实现良好的干扰抑制处理动态范围。附图说明图1是本专利技术基于干扰和旁瓣均衡抑制的认知雷达波形设计方法的流程图。图2是认知雷达均衡抑制干扰及旁瓣波形设计，优化前发射信号及干扰通过滤波器结果分析图。图3是认知雷达均衡抑制干扰及旁瓣波形设计，优化后发射信号及干扰通过滤波器结果分析图。图4是认知雷达均衡抑制干扰及旁瓣波形设计，迭代过程图。图5是认知雷达动态抑制干扰范围波形设计，优化前发射信号及干扰通过滤波器结果分析图。图6是认知雷达动态抑制干扰范围波形设计，优化后发射信号及干扰通过滤波器结果分析图。图7是认知雷达动态抑制干扰范围波形设计，迭代过程图。具体实施方式下面详细描述本专利技术的实施方式，所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。本专利技术着眼于干扰与旁瓣的均衡抑制性能，提出一种基于干扰和旁瓣均衡抑制的认知雷达波形设计方法。在自适应架构基础上，压制噪声干扰模型中，通过最小均方误差(MinimumMeanSquareError，MMSE)准则，引入并构造干扰与旁瓣均衡抑制的认知雷达波形优化模型，并将其转化为最小化多变量多约束目标函数模型，然后根据Lagrange乘子法，引出目标函数的Lagrange函数，再根据对偶原理，再次转化模型为最优化对偶函数，通过引入辅助变量和KKT(Karush-Kuhn-Tucker)最优性进行求解，最后设计交替迭代法联合优化发射波形和滤波器序列，并评估综合处理算法带来的性能提升。在本专利技术算法的扩展性上，更改干扰抑制和自身处理旁瓣的约束条件，能够实现良好的干扰抑制处理动态范围。本实施例仿真数据设置如下：发射信号s码长N为100，初始值设为恒模随机相位编码信号。干扰信号为压制性噪声调幅干扰信号，信号表达式为射频信号的幅度U0为0，中心频率wc为200MHz，初始相位为0，调幅噪声Un(t)是一个均值为0，方差为1，分布区间为[-U0,∞]的广义平稳随机过程，t表示时间，服从[0,2π]均匀分布，初始信干比为-19dB，进行仿真。如图1所示，为本专利技术基于干扰和旁瓣均衡抑制的认知雷达波形设计方法的流程图，包括如下步骤：步骤1，认知雷达均衡抑制干扰及本文档来自技高网...

【技术保护点】
基于干扰和旁瓣均衡抑制的认知雷达波形设计方法，其特征在于，包括如下步骤：步骤1，初始化认知雷达的发射信号s及码长N，将s的初始值设为恒模随机相位编码信号，根据s及N，计算发射信号旁瓣协方差矩阵Qs；设定干扰信号Uj为压制性干扰信号，并计算干扰协方差矩阵Rn；步骤2，通过匹配滤波，得到认知雷达基带接收信号离散系数a0的估计值

【技术特征摘要】
1.基于干扰和旁瓣均衡抑制的认知雷达波形设计方法，其特征在于，包括如下步骤：步骤1，初始化认知雷达的发射信号s及码长N，将s的初始值设为恒模随机相位编码信号，根据s及N，计算发射信号旁瓣协方差矩阵Qs；设定干扰信号Uj为压制性干扰信号，并计算干扰协方差矩阵Rn；步骤2，通过匹配滤波，得到认知雷达基带接收信号离散系数a0的估计值对接收信号进行失配滤波，得到估计值的均方误差为：其中，表示的均方误差，w为失配滤波器的滤波信号，上标H表示共轭转置，R＝Qs+Rn；步骤3，建立如下波形优化模型对步骤2的均方误差进行优化，具体如下：步骤31，当发射信号s已知时，求解滤波器w，子模型为：步骤3-2，当滤波器w已知时，求解发射信号s，子模型为：其中，Qw为滤波器旁瓣协方差矩阵，c＝wHRnw为常数；步骤4，利用Lagrange对偶法对步骤3的模型进行优化求解，得到优化的发射信号和滤波器。2.根据权利要求1所述基于干扰和旁瓣均衡抑制的认知雷达波形设计方法，其特征在于，所述步骤4的具体过程为：步骤41，当发射信号s已知时，步骤31目标函数的Lagrange函数为：其中，Qs为发射信号旁瓣协方差矩阵，Rn为干扰协方差矩阵，b1是Lagrange乘子，a1是不为0的常数，利用对偶原理求L(w,a1,b1)的最小值：且当下式成立时，L(w,a1,b1)取得最小值：1将(2)式代入(1)式，得：要求(3)式的最大值，即求(4)式的最小值：模型简化为：令当时，得到：

【专利技术属性】
技术研发人员：张劲东，吴悦，贾逸群，陈婉迎，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32