样本不足条件下基于自动编码器的机载雷达杂波抑制方法技术

一种样本不足条件下基于自动编码器的机载雷达杂波抑制方法，雷达发射信号并获得匹配滤波处理和脉冲堆栈后的接收数据，设计维数小于系统自由度一半、经矩阵变换处理的待重构实域矩阵；再利用待重构实域矩阵结构特征及自编码器特点，设计编码、解码激活函数及网络损失函数，构造自动编码器神经网络；然后通过梯度下降迭代，减少总损失函数，实现对自动编码器的训练；最后利用待重构实域矩阵和解码器输出，设计矩阵变换数据逆处理过程，重构杂波加噪声协方差，并利用空时自适应处理抑制杂波和检测目标；本发明专利技术减小了训练样本不足引起的杂波谱展宽现象，提高了雷达杂波抑制性能，适应非均匀杂波环境和训练样本不足等现实应用面临的非理想样本条件。临的非理想样本条件。临的非理想样本条件。

【技术实现步骤摘要】
样本不足条件下基于自动编码器的机载雷达杂波抑制方法


[0001]本专利技术涉及机载雷达系统
，特别涉及一种样本不足条件下基于自动编码器的机载雷达杂波抑制方法。

技术介绍

[0002]机载雷达具有远视野和灵活性的巨大优势，但其核心问题是强杂波使目标淹没在展宽的杂波频谱中，机载雷达的空时自适应处理(STAP)已成为杂波抑制和目标检测的核心技术。准确估计杂波加噪声协方差矩阵(CNCM)对于STAP至关重要，要求独立同分布(IID)训练样本数量大于系统自由度(DOF)的两倍，以实现输出信杂噪比(SCNR)损失小于3dB。然而，由于阵列配置和复杂杂波环境，实际应用中的非均匀时变环境使STAP很难获得足够的IID训练样本，导致STAP性能显著下降。特别地，作为杂波非均匀性现象的一种，当阵列天线配置为非正侧视阵时，会出现杂波距离依赖性，这直接导致训练样本无法满足IID条件。
[0003]通常用降维或降秩解决上述问题，通过降低系统DOF并选择部分样本来估计待检测单元的CNCM。一种局域联合处理(JDL)方法(Electronics Letters，1996，32(3)：258)被提出将自适应处理的维数减小到所选处理局部区域的长宽乘积，它利用二维傅里叶变换并同时处理波束形成和多普勒频率，选择矩形联合处理局部区域。另一种辅助通道处理(ACP)方法(Journal of Circuits and Systems，2004，9(6)：100
‑
104)，将杂波脊附近的二维波束设置为辅助波束以降低DOF。但是，现有降维降秩类方法存在：1)被降低的系统自由度和被减少的样本数据直接导致STAP性能下降；2)并没有直接解决由距离依赖性等引起的样本非均匀问题，被选择的部分样本依然非均匀。
[0004]对此，为避免由杂波距离依赖性引起的样本非均匀问题，也可通过距离补偿和尺度转换解决。对相邻训练单元的杂波谱进行补偿，使补偿后杂波空时分布与待检测单元尽可能一致。一种基于非侧视阵列的多普勒频移补偿(DW)算法(IEE proceedings.Radar,sonar and navigation，2001，148(5)，390：253
‑
258)，通过使用雷达系统的惯性导航参数得到待检测及待补偿单元的多普勒频率，将二维杂波谱进行一维平移，使其在多普勒频率方向与待检测距离单元杂波谱相重合，消除杂波距离相关性。另外一种角度—多普勒补偿(ADC)方法(Proceedings of IEEE Radar Conference，Long Beach，CA，2002，311
‑
317)被提出，通过惯导参数计算及线性变换，平移各距离单元杂波谱中心，改善多普勒域和波束域的杂波扩散程度。此外，从多个空间角度方向补偿相邻距离单元的高阶多普勒频移补偿(HODW)方法(Adaptive Sensor Array Processing Workshop，MIT Lincoln Laboratory，Lexington，2001：13
‑
14)也被提出。然而，现有距离补偿类方法存在以下缺点：1)严重依赖惯导系统多个参数的给定与估计，为非自适应算法；2)很难同时考虑训练样本数量的不足、以及非正侧视阵配置和复杂时变杂波环境等引起的样本非均匀性。

技术实现思路

[0005]为了克服上述现有技术的缺点，本专利技术的目的在于提供了一种样本不足条件下基
于自动编码器的机载雷达杂波抑制方法，在正侧视阵和非正侧视阵雷达情况下都能够提供明显优越的改善因子、及更窄更深的改善因子凹口，大大减小了IID训练样本不足引起的杂波谱展宽现象，显著提高了雷达杂波抑制性能，并且在不降低系统自由度的情况下提高了自适应性、能够更好地同时适应非均匀杂波环境和训练样本不足等现实应用面临的非理想样本条件。
[0006]为了达到上述目的，本专利技术采取的技术方案为：
[0007]一种样本不足条件下基于自动编码器的机载雷达杂波抑制方法，包括以下步骤：
[0008]1)雷达发射信号并获得匹配滤波处理和脉冲堆栈后的接收数据，根据接收数据空时多维结构和杂波加噪声协方差性质，设计维数小于系统自由度一半、经矩阵变换处理的待重构实域矩阵；
[0009]2)利用待重构实域矩阵结构特征及自编码器特点，为待重构实域矩阵设计编码、解码激活函数及网络损失函数，构造具有l2正则化和稀疏正则化的自动编码器神经网络；
[0010]3)通过梯度下降迭代，减少总损失函数，实现对所构造自动编码器的训练；
[0011]4)利用所设计的待重构实域矩阵特殊结构和解码器输出，设计矩阵变换数据逆处理过程，重构杂波加噪声协方差，并利用空时自适应处理抑制杂波和检测目标。
[0012]所述的步骤1)具体为：
[0013]1.1)由一个CPI的K个脉冲采集的N
×
K维回波数据的每列，被堆栈成为NK
×
1维向量x
cn,l
，如下：
[0014][0015]其中N
c
是杂波单元内杂波块总数，ξ
i
(l)是第i个杂波块的复幅度，l代表第l个距离单元，n(l)是零均值噪声向量，a
st
(f
s,i
,f
d,i
)是第i个杂波块的空时二维矢量，具体表示为：
[0016][0017]其中第i个杂波块时域导向矢量a
t
(f
d,i
)的表达式为：
[0018][0019]其中f
d,i
和f
PRF
是其多普勒频率及脉冲重复频率，K为脉冲数；另，第i个杂波块空域导向矢量a
s
(f
s,i
)的表达式为：
[0020][0021]其中f
s,i
是其空间频率，N为均匀线性阵列阵元数；根据空间几何关系，第i个杂波散射体的多普勒频率f
d,i
为：
[0022][0023]其中v
a
是运动平台速度，λ是波长，θ
i
和分别是散射体相对平台速度矢量的俯仰角和方位角，β
i
是空间锥角；杂波散射体空间频率为：
[0024][0025]其中d是阵列阵元间隔，是阵列和运动平台速度方向的角度，α
i
是第i个杂波散射
体和天线阵列形成的角度，式中其余含义与式(5)相同；
[0026]1.2)对于杂波加噪声协方差矩阵，其矩阵元素计算为：
[0027][0028]其中(
·
)
H
为共轭转置、(
·
)
*
为共轭，X
cn
＝[x
cn,1
,...,x
cn,L
]是由x
cn,l
组成的接收数据矩阵且x
cn,l
已由式(1)给出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种样本不足条件下基于自动编码器的机载雷达杂波抑制方法，其特征在于，包括以下步骤：1)雷达发射信号并获得匹配滤波处理和脉冲堆栈后的接收数据，根据接收数据空时多维结构和杂波加噪声协方差性质，设计维数小于系统自由度一半、经矩阵变换处理的待重构实域矩阵；2)利用待重构实域矩阵结构特征及自编码器特点，为待重构实域矩阵设计编码、解码激活函数及网络损失函数，构造具有l2正则化和稀疏正则化的自动编码器神经网络；3)通过梯度下降迭代，减少总损失函数，实现对所构造自动编码器的训练；4)利用所设计的待重构实域矩阵特殊结构和解码器输出，设计矩阵变换数据逆处理过程，重构杂波加噪声协方差，并利用空时自适应处理抑制杂波和检测目标。2.根据权利要求1所述的方法，其特征在于，所述的步骤1)具体为：1.1)由一个CPI的K个脉冲采集的N
×
K维回波数据的每列，被堆栈成为NK
×
1维向量x
cn,l
，如下：其中N
c
是杂波单元内杂波块总数，ξ
i
(l)是第i个杂波块的复幅度，l代表第l个距离单元，n(l)是零均值噪声向量；是第i个杂波块的空时二维矢量，且其时域和空域导向矢量分别为和对于a
t
(f
d,i
)，和f
PRF
分别是其多普勒频率和脉冲重复频率，K为脉冲数，v
a
是运动平台速度，λ是波长，β
i
是空间锥角；对于a
s
(f
s,i
)，是杂波散射体空间频率，N为均匀线性阵列阵元数，d是阵元间隔，α
i
是第i个杂波散射体和天线阵列形成的角度；1.2)杂波加噪声协方差特征包含于如下形式的协方差中：其中(
·
)
H
为共轭转置、(
·
)
*
为共轭，X
cn
＝[x
cn,1
,...,x
cn,L
]是由x
cn,l
组成的接收数据矩阵且x
cn,l
已由式(1)给出，X
cn
(i,:)和X
cn
(j,:)分别为X
cn
第i行和第j行，X
cn
(i,l)和X
cn
(j,l)为X
cn
第(i,l)个和第(j,l)个元素；L是去除待检测目标所在单元的附近距离环总数，N和K为阵元数和脉冲数；1.3)设计一个待编码和解码的特殊矩阵，首先，设计该矩阵维数、以及其原始数据矩阵如下：
其中p表示所设计待重构特殊实域矩阵的维数，l＝1,2,,...L表示第l个距离环，式中其余含义已由式(2)给出；原始数据矩阵行数和列数p的设计满足p＜NK/2，即p为小于系统自由度一半的正整数，并且，基于式(2)计算形式的包含所选取的杂波加噪声协方差特征；1.4)设计如下矩阵转换：其中C
re
是经如上转换后获得的新数据，为求和，原始数据矩阵和行数列数p已由式(3)给出，是元素为1的p
×
1维向量，为矩阵缩写，[
·
](i,p)代表矩阵[
·
]的第(i,p)个元素，且式中p
×
p维矩阵具体为：其中是原始数据矩阵由式(3)给出，表示第(i,p)个元素，式中其余含义见式(3)；进而，提出最终待重构实域矩阵，如下：其中real{
·
}是{
·
}的实部。3.根据权利要求2所述的方法，其特征在于，所述的步骤2)具体为：2.1)设计之后，为其构造自动编码网络，首先定义：其中H为编码器输出，F(
·
)是编码器激活函数，W和b分别为编码器网络层权重矩阵和偏置向量，代表由第p2列为输入的编码器总体函数；编码层后连接解码层，解码器表示为：
其中是解码器输出，H(:,p2)是编码器输出H的第p2列，Υ(
·
)是解码器激活函数，U和f为解码器权重和偏置，g(H(:,p2))代表总体函数；对于式(7)，为待重构实域矩阵选择如下编码器激活函数：其中1≤p2≤p且p为由式(3)定义的维数，H(i,p2)为第(i,p2)个元素，W(i,:)为第i行，为第p2列，b(i)和为向量第i个元素，其余含义与式(7)相同；2.2)基于非线性特性，待重构实域矩阵解码器激活函数设为：其中代表原始输入即所设计待重构特殊实域矩阵的估计，同时也是解码器输出，[
·
](:,p2)表示矩阵[
·
]第p2列，e
‑
[
·
]
为以自然常数e为底的指数函数，U和f为解码器权重和偏置，W和b为编码器权重和偏置，F(
·
)是编码器激活函数；令I
np
和O
up
分别表示编码器输入和解码器输出，则自编码器损失函数准则为Θ
loss
(I
np
,O
up
)＝Δ(I
np
,O
up
)≈0；2.3)为待重构实域矩阵所提的自动编码器网络，通过编码和解码使输出尽可能地接近输入故其输出视为对的重构；网络训练视为优化问题的重构；网络训练视为优化问题为所设计待重构特殊实域矩阵，为的估计且也是解码器输出，为网络训练后实际得到的编码器权重与...

【专利技术属性】
技术研发人员：刘婧，廖桂生，许京伟，朱圣棋，曾操，黄鹏程，李军，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：