基于AR模型外推的天波超视距雷达短时探测方法技术

本发明专利技术公开了基于AR模型外推的天波超视距雷达短时探测方法。该方法利用Burg法对经空时域处理后的原始脉冲数据进行AR模型重构外推，并综合利用原始数据与重构数据，使得到的结果与真实频谱紧密相关，又引入了重构数据的改善效果，大尺度模型阶数与外推长度的采用，提高了外推的效果，在改善谱估计效果的同时避免了畸变产生的可能。具体步骤见附图。技术并不局限于天波超视距雷达系统，可广泛应用于多种类型的大型相控阵雷达，具有推广应用价值。

Short time detection of sky wave over the horizon radar based on AR model extrapolation

The invention discloses a short-time detection method for sky wave over the horizon radar based on AR model extrapolation. This method uses the Burg method to reconstruct the original pulse data processed by the AR and extrapolated the original data, and uses the original data and the reconstructed data to make the result closely related to the real spectrum, and also introduces the improvement effect of the reconstructed data. The large scale model order and the extrapolation length are adopted, and the extrapolation is improved. The effect can improve the effect of spectrum estimation while avoiding the possibility of distortion. The specific steps are shown in the accompanying drawings. The technology is not limited to the sky wave over the horizon radar system, it can be widely applied to many types of large phased array radar, and has the value of popularization and application.

【技术实现步骤摘要】
基于AR模型外推的天波超视距雷达短时探测方法
本专利技术涉及雷达信号处理领域中的多普勒谱估计方法，适用于天波超视距雷达的信号处理系统，可以用于相干积累时间较长的慢速运动目标检测和需快速探测的机动目标检测。同时，核心理论和方法还可应用于其他多种存在短时探测需求的信号处理系统中。
技术介绍
天波超视距雷达利用电离层对电磁波的反射实现对视距外目标的检测，覆盖范围大，能够提供远程预警情报信息，其工作距离相对传统视距雷达增加达一个数量级以上。由雷达方程可知，要实现这一目标，系统接收到的SNR(SignalNoiseRatio)相对常规雷达会低40dB，须通过各种措施加以补偿。为此，天波雷达系统的发射功率通常设计为200-600kW，较常规雷达高20dB，部分补偿了SNR的损失，但进一步提高发射功率受到器件稳定性等一系列限制。另一方面，由于天波雷达工作在波长较长的高频频段，受此局限，天线电孔径难以扩展，天线增益提升有限，只能从积累时间上来挖掘潜力。因此，天波雷达探测飞机目标的典型CPI(CoherentProcessingInterval)为1-4s，这些CPI较微波雷达所采用的毫秒级CPI要高100倍，有效补偿了天波雷达由于传播路径的增加而引入的传播损耗。探测舰船目标时，为了从强海杂波中分辨目标，CPI还需进一步提升至10-40s或更高。然而，相干积累时间的增加带来了其他问题。首先，相干积累时间与数据率成反比，增加相干积累时间必然牺牲系统数据率，不利于目标的发现和跟踪。尤其对一些快速机动目标，时间较长时信号能量不能有效积累，影响此类目标的检测。其次，在长相干积累时间下，外部电磁环境非平稳变化的可能性大大增加，对回波信号的调制机理更复杂，导致海杂波谱呈现展宽、弯曲、漂移等现象，严重影响对舰船等慢速目标的有效检测。因此，缩短目标探测所需的相干积累时间有助于提升天波雷达系统性能。为此，在天波雷达多普勒谱分析中引入超分辨谱估计技术成为一种趋势。但是，一般超分辨谱估计方法如AR谱估计、MUSIC算法等存在阶数难以判定和对低信噪比目标估计效果差的问题，实用性难以保证。针对这些问题，文献[1]GuiseppeAurelianoFabrizio，”HIGHFREQUENCYOVER-THE-HORIZONRADARFUNCAMENTALPRINCIPLES，SIGNALPROCESSING，ANDPRACTIACALAPPLICATIONS”，McGRAWHill，2013，提出利用低阶AR模型可以精确反映天波雷达地海杂波多普勒谱的特性，通过建立在杂波低阶AR模型上的数据外推可以实现相干积累时间的减半，解决了常规超分辨谱估计方法实用性差的问题。但该方法的AR模型实质上没有计入可能存在的目标信号，而是利用相干积累过程中幅度加权中间高、两边低的特点，降低外推部分在最终多普勒频谱中的比例和权重，从而减小因模型失配引起的误差，在探测目标时存在信噪比损失，对所需相干积累时间的缩短也只有一半。只能起到将系统数据率提高一倍的效果，对单帧数据中的目标检测并无改善。
技术实现思路
本专利技术的目的在于解决天波雷达探测快速机动目标和慢速舰船目标面临的困难和问题，克服已有技术的不足。在不改变系统硬件结构的前提下，以尽可能小的代价，实现多种目标的正常探测与跟踪。为了实现上述专利技术目的，本专利技术提供了一种基于AR模型外推的天波超视距雷达短时探测方法，包括如下步骤：(1)利用雷达固有的S个通道，将雷达接收数据X送入信号处理系统，对X进行空域波束形成、时域脉冲压缩与瞬态干扰挖除，形成M×N×P维方位-距离-脉冲数据矩阵Z，M为形成的方位波束数，N为距离单元数目，P为脉冲数目；(2)取出Z中第m个方位波束，第n个距离单元的P维脉冲数据矢量zmn＝Z(m，n，：)：zmn＝[zmn(1)zmn(2)…zmn(p)…zmn(P)]T，p＝1，2，…，P设AR模型阶数为K，估计矢量zmn的K阶AR模型参数a：a＝[a1a2…aK]T(3)设单边外推长度为L，利用AR模型参数a，对数据zmn进行双边外推：后向外推：前向外推：得到外推后的P+2L维数据矢量z′mn：(4)对数据z′mn进行锥削加权，傅里叶变换后得到第m个方位波束，第n个距离单元的多普勒频谱ymn；(5)重复步骤(2)-(4)，得到全部通道的方位-距离-多普勒频谱数据矩阵Y，送后续处理。其中，步骤(2)中AR模型阶数K的确定根据不同的工作方式有所不同，探测飞机目标时，K值较小；探测舰船目标时，K值较大，具体数值可根据经验事先确定存储，工作时直接使用。步骤(2)中AR模型参数a的估计方法可采用Burg法。步骤(3)中外推长度L根据计算量与实时实现需求折中确定。本专利技术的优点在于：(1)本专利技术采用的基于AR模型外推的短时探测方法，可将相干积累时间缩短至常规方法的一半以下，同时目标信杂噪比不出现明显下降甚至得到提升，对天波雷达目标尤其是慢速舰船目标和快速机动目标的检测与跟踪性能改善明显。(2)本专利技术采用的基于AR模型外推的短时探测方法，采用较大的模型阶数与外推长度，外推时考虑了潜在目标信号的影响，在提升多普勒频率分辨率的同时亦有助于信噪比的改善，同时避免了复杂的模型阶数估计。(3)本专利技术采用的基于AR模型外推的短时探测方法，采用稳定的Burg法估计AR模型参数，外推结果对模型阶数不敏感，不会出现外推结果的畸变。(4)本专利技术方法只需要将程序下载到通用信号处理板上即可实现，因此易于推广，且只需要在通用可编程信号处理板上进行编程，无需改变系统结构，升级方便。附图说明附图图1是本专利技术的实施例的结构框图。参照附图图1，本专利技术的实施例由空时处理单元1、模型参数估计单元2、双向外推单元3、加权傅里叶变换单元4与后续处理单元5组成。上述的模型参数估计、外推计算、加权傅里叶变换均可在通用可编程信号处理系统上编程实现。具体实施方式相干积累在雷达系统中具有两大作用：一是将微弱的信号能量累积起来，使之能在噪声基底中脱颖而出；二是对频率接近的包括杂波在内的多个信号加以分辨。用来进行相干积累的数据时长与这两点的效果成正比。但正如前所述，相干积累时间越长，对系统工作产生的负面影响也越大。为解决这一矛盾，在较短时长前提下提升频率分辨率的超分辨方法成为雷达信号处理领域内研究的热点之一。目前，绝大多数超分辨谱估计方法均建立在参数模型基础上，即依据场景设计一套参数模型，利用数据估计该模型的参数，最后由这些参数重构出频谱。由于这些模型利用了某些先验信息，重构出的频谱往往具有更好的分辨率。但由于实际情况的复杂多变，这些方法存在着两大问题：一是模型与实际情况的失配对结果影响极大；二是重构的频谱均为伪谱，缺少与之对应的物理解释。因而在实际中应用效果欠佳。针对这些不足，基于AR模型的外推方法综合利用原始数据与重构数据，通过加权傅里叶变换权值锥削的特点，保持对原始数据的大权重，使得到的结果与真实频谱紧密相关，又引入了重构数据的改善效果，是具有实用价值的高分辨谱估计方法。为了避免外推出现畸变，已有的外推方法采用的模型阶数和外推长度均较小，其目的是使外推后的结果能逼近长相干积累时间的真实频谱。而在本方法中，Burg估计方法和大尺度模型阶数与外推长度的应用，进一步提高本文档来自技高网...

【技术保护点】
1.一种基于AR模型外推的天波超视距雷达短时探测方法，包括如下步骤：(1)利用雷达固有的S个通道，将雷达接收数据X送入信号处理系统，对X进行空域波束形成、时域脉冲压缩与瞬态干扰挖除，形成M×N×P维方位‑距离‑脉冲数据矩阵Z，M为形成的方位波束数，N为距离单元数目，P为脉冲数目；(2)取出Z中第m个方位波束，第n个距离单元的P维脉冲数据矢量zmn＝Z(m，n，：)：zmn＝[zmn(1) zmn(2) … zmn(p) … zmn(P)]T，p＝1，2，…，P设AR模型阶数为K，估计矢量zmn的K阶AR模型参数a：a＝[a1 a2 … aK]T(3)设单边外推长度为L，利用AR模型参数a，对数据zmn进行双边外推：后向外推：

【技术特征摘要】
1.一种基于AR模型外推的天波超视距雷达短时探测方法，包括如下步骤：(1)利用雷达固有的S个通道，将雷达接收数据X送入信号处理系统，对X进行空域波束形成、时域脉冲压缩与瞬态干扰挖除，形成M×N×P维方位-距离-脉冲数据矩阵Z，M为形成的方位波束数，N为距离单元数目，P为脉冲数目；(2)取出Z中第m个方位波束，第n个距离单元的P维脉冲数据矢量zmn＝Z(m，n，：)：zmn＝[zmn(1)zmn(2)…zmn(p)…zmn(P)]T，p＝1，2，…，P设AR模型阶数为K，估计矢量zmn的K阶AR模型参数a：a＝[a1a2…aK]T(3)设单边外推长度为L，利用AR模型参数a，对数据zmn进行双边外推：后向外推：前向外推：得到外推后的P+2L维数据矢量z′mn：(4)对数据z′mn进行锥...

【专利技术属性】
技术研发人员：鲍拯，陈建文，卢琨，
申请(专利权)人：中国人民解放军空军预警学院，
类型：发明
国别省市：湖北,42