冲击噪声下基于张量分解和K-means聚类的MIMO雷达阵列诊断方法技术

本发明专利技术公开了一种冲击噪声下基于张量分解和K‑means聚类的MIMO雷达阵列诊断方法，根据MIMO雷达接收阵列在第k个脉冲周期的输出信号矩阵

【技术实现步骤摘要】
冲击噪声下基于张量分解和K-means聚类的MIMO雷达阵列诊断方法
本专利技术属于阵列雷达故障阵元诊断领域，具体涉及一种冲击噪声下基于张量分解和K-means聚类的MIMO雷达阵列诊断方法。
技术介绍
多输入多输出(Multiple-InputMultiple-Output，MIMO)雷达是将通信系统中MIMO技术应用到雷达中而诞生的一种新体制雷达，一经提出立即引起了广大学者的关注。相比于传统的相控阵雷达，MIMO雷达利用波形分集技术即多个发射天线发射相互正交的波形，在接收端采用多个天线接收目标信号，并通过匹配滤波处理形成大孔径的虚拟阵列，从而增强系统的抗杂波与干扰能力，提高多目标探测和参数估计性能。天线阵列作为雷达的重要组成元器件，能够实现自适应波束形成、空间谱估计和目标角度估计等功能。但受雷达实际工作环境影响，如恶劣天气、元器件腐蚀等，MIMO雷达在长时间执行任务中收发阵列中不可避免地会存在故障阵元，而受损阵元无法正常发射和接收信号，从而导致MIMO雷达的目标探测和参数估计性能下降。阵列诊断的目的是在含有大量阵元的阵列中检测故障天线单元的位置和数量，这对雷达故障阵元的维修是至关重要的。传统阵列故障阵元诊断方法如反向传播法、遗传算法、神经网络算法和压缩感知方法等均以高斯噪声为假设前提。MIMO雷达实际工作环境中，阵列接收数据受到加性噪声的污染，通常假设加性噪声为高斯噪声，然而受雷电、大气等自然产生、系统电路上的瞬时尖峰以及人为干扰的影响，所涉及的加性噪声大多数为冲击噪声。冲击噪声的分布特性具有尖峰或厚重拖尾，通常以α稳定分布来表示。由于冲击噪声在时域中分布呈脉冲状，导致阵列接收数据呈非线性且不具备二阶统计量特性，从而导致现有基于高斯噪声背景下的阵列诊断方法性能下降甚至失效。现有的阵列诊断方法，需要设置额外的探头或者理想接收数据，在实际探测环境中，难以获取理想接收数据且额外的探头会将增加阵列诊断的成本。MIMO雷达通过匹配滤波处理在接收信号中分离出各个发射通道信号以形成大孔径虚拟阵列。在加性高斯白噪声信道中，由于二阶统计量的存在，因此保证了匹配滤波器的最优性。然而，冲击噪声往往带有冲击特性和厚拖尾特性，符合α稳态分布，不具有二阶及二阶以上的矩特性，因此在冲击噪声下匹配滤波效果会大为降低，从而严重影响MIMO雷达的通道分离效果，进而导致MIMO雷达阵列诊断失效。针对此问题，陈金立等人在论文“冲击噪声下基于无穷范数互信息的MIMO雷达阵列诊断”(中国电子科学研究院学报,2020,15(10):961-968)中提出一种基于无穷范数互信息的MIMO雷达阵列诊断方法，该方法对阵列接收数据进行无穷范数归一化处理来抑制冲击噪声，然后通过匹配滤波处理形成虚拟阵列，对虚拟阵列输出数据取模处理并等效于灰度图像数据，通过计算各阵元之间的互信息值实现故障阵元位置的诊断。由于无穷范数归一化处理方法对冲击噪声抑制效果有限，因此残余的冲击噪声仍然会对MIMO雷达匹配滤波处理产生影响。因此，需要对对基于二阶矩的传统匹配滤波器进行改进以适应非高斯噪声，并挖掘正常阵元和故障阵元的匹配滤波输出数据的多维度特征以呈现数据的真实结构，这对提高MIMO雷达在冲击噪声下的阵列诊断性能是非常有必要的。
技术实现思路
专利技术目的：为解决冲击噪声下MIMO雷达阵列诊断性能下降甚至失效的问题，本专利技术提出一种冲击噪声下基于张量分解和K-means聚类的MIMO雷达阵列诊断方法，在冲击噪声下具有较高的阵列诊断成功率，且无需额外的测量探头，在低信噪比或故障阵元较多时仍能有效检测MIMO雷达故障阵元的位置。技术方案：本专利技术提供一种冲击噪声下基于张量分解和K-means聚类的MIMO雷达阵列诊断方法，具体包括以下步骤：(1)根据MIMO雷达接收阵列在第k个脉冲周期的输出信号矩阵获得在第n个接收阵元回波信号中分离出第m个发射通道信号时所使用的匹配滤波器系数矢量Wm,n,k；(2)利用所设计的匹配滤波器系数矢量Wm,n,k对MIMO雷达接收阵列的输出信号进行匹配滤波处理，得到虚拟阵列输出yk，计算出虚拟阵列协方差矩阵R；(3)根据虚拟阵列输出数据的多维特性，由虚拟阵列协方差矩阵R构建三阶PARAFAC张量(4)利用COMFAC算法快速分解三阶协方差张量得到发射阵列和接收阵列流形矩阵的估计值(5)采用K-means聚类方法计算收发阵列流形矩阵估计值的聚类中心；(6)计算用于诊断发射阵列和接收阵列中故障阵元的门限阈值；(7)由发射阵列和接收阵列的流形矩阵估计值和获得矢量ωt和ωr，对ωt和ωr中每个元素分别关于阈值Tt和Tr进行门限检测，获得发射阵列和接收阵列故障阵元的位置。进一步地，步骤(1)所述的匹配滤波器系数矢量Wm,n,k为：式中，表示Hadamard乘积；为第n(n＝1,2,…,N)个接收阵元在第k个脉冲周期内的接收信号，即矩阵的第n行元素，其中N为接收阵元数；其中，σ>0为高斯核宽度；med(·)表示取中值；为第m(m＝1,2,…,M)个发射阵元的发射信号矢量,M为发射阵元数，P为每个脉冲周期内的采样个数，(·)T表示转置。进一步地，所述步骤(2)通过以下公式实现：式中，yk为将所有接收阵元的第k个脉冲周期内回波经匹配滤波后的输出ym,n,k(m＝1,2,…,M；n＝1,2,…,N)按顺序排成维度为MN×1的输出向量，即等效为MN个虚拟阵元的输出；⊙表示Khatri-Rao积；和为存在故障阵元时的发射阵列和接收阵列流形矩阵；gk为大小为MN×1的冲击噪声经匹配滤波后的输出向量；βl为第l个目标的反射系数，fdl表示第l个目标的多普勒频率，fs为脉冲重复频率；L为目标个数；K为脉冲重复周期数；(·)H表示复共轭转置运算。进一步地，步骤(3)所述协方差矩阵R的三阶PARAFAC张量为：式中，为L×L×L单位张量，即第(l,l,l)个(l＝1,2,…,L)个元素为1，其余均为零；×n为模-n张量与矩阵乘积；其中，为对角矩阵；(·)*表示复共轭；为三阶形式的噪声张量。进一步地，所述步骤(5)包括以下步骤：(51)随机选择两个簇类的聚类中心(52)定义第m行元素与每一个聚类中心的欧式距离，即：其中，为矩阵中各个元素取绝对值所得到的矩阵；为的第m行元素，m＝1,…,M；依次对比每一行元素与每一个聚类中心的距离，将中每一行元素分配到距离最近的簇类中：式中，Cm表示中第m行元素所属的簇类标签，其取值为1或2；(53)为了获取准确的聚类中心，重新计算聚类簇的中心：式中，为指示函数；(54)重复(52)和(53)两步，直到聚类中心μt1和μt2不再变化；(55)对接收阵列流形矩阵估计值中各元素取绝对值得到矩阵则接收阵列流形矩阵的聚类中心μr1和μr2选取方法与的聚类中心μt1和μt2的选取相同。进一步地，步骤(6)所述的本文档来自技高网...

【技术保护点】
1.一种冲击噪声下基于张量分解和K-means聚类的MIMO雷达阵列诊断方法，其特征在于，包括以下步骤：/n(1)根据MIMO雷达接收阵列在第k个脉冲周期的输出信号矩阵

【技术特征摘要】
1.一种冲击噪声下基于张量分解和K-means聚类的MIMO雷达阵列诊断方法，其特征在于，包括以下步骤：
(1)根据MIMO雷达接收阵列在第k个脉冲周期的输出信号矩阵获得在第n个接收阵元回波信号中分离出第m个发射通道信号时所使用的匹配滤波器系数矢量Wm,n,k；
(2)利用所设计的匹配滤波器系数矢量Wm,n,k对MIMO雷达接收阵列的输出信号进行匹配滤波处理，得到虚拟阵列输出yk，计算出虚拟阵列协方差矩阵R；
(3)根据虚拟阵列输出数据的多维特性，由虚拟阵列协方差矩阵R构建三阶PARAFAC张量
(4)利用COMFAC算法快速分解三阶协方差张量得到发射阵列和接收阵列流形矩阵的估计值
(5)采用K-means聚类方法计算收发阵列流形矩阵估计值的聚类中心；
(6)计算用于诊断发射阵列和接收阵列中故障阵元的门限阈值；
(7)由发射阵列和接收阵列的流形矩阵估计值和获得矢量ωt和ωr，对ωt和ωr中每个元素分别关于阈值Tt和Tr进行门限检测，获得发射阵列和接收阵列故障阵元的位置。


2.根据权利要求1所述的冲击噪声下基于张量分解和K-means聚类的MIMO雷达阵列诊断方法，其特征在于，步骤(1)所述的匹配滤波器系数矢量Wm,n,k为：



式中，表示Hadamard乘积；为第n(n＝1,2,…,N)个接收阵元在第k个脉冲周期内的接收信号，即矩阵的第n行元素，其中N为接收阵元数；其中，σ>0为高斯核宽度；med(·)表示取中值；为第m(m＝1,2,…,M)个发射阵元的发射信号矢量,M为发射阵元数，P为每个脉冲周期内的采样个数，(·)T表示转置。


3.根据权利要求1所述的冲击噪声下基于张量分解和K-means聚类的MIMO雷达阵列诊断方法，其特征在于，所述步骤(2)通过以下公式实现：









式中，yk为将所有接收阵元的第k个脉冲周期内回波经匹配滤波后的输出ym,n,k(m＝1,2,…,M；n＝1,2,…,N)按顺序排成维度为MN×1的输出向量，即等效为MN个虚拟阵元的输出；⊙表示Khatri-Rao积；和为存在故障阵元时的发射阵列和接收阵列流形矩阵；gk为大小为MN×1的冲击噪声经匹配滤波后的输出向量；βl为第l个目标的反射系数，fdl表示第l个目标的多普勒频...

【专利技术属性】
技术研发人员：陈金立，王亚鹏，陈宣，李家强，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：江苏;32