基于快速稀疏贝叶斯的宽带雷达高速目标的相参积累方法技术

本发明专利技术公开了一种基于快速稀疏贝叶斯的宽带雷达高速目标的相参积累方法，包括：建立雷达回波观测模型；基于雷达回波观测模型得到矩阵形式的雷达回波观测模型；基于矩阵形式的雷达回波观测模型的HRRP得到分层先验联合概率分布；基于分层先验联合概率分布得到待重构HRRP的第二后验均值和第二后验协方差矩阵；基于SBL框架和期望最大化算法更新离散形式的HRRP的精度向量和观测噪声精度；基于SBL框架和期望最大化算法更新高阶相位误差矩阵；得到最终的后验均值、后验协方差矩阵、离散形式的HRRP的精度向量、观测噪声精度和高阶相位误差矩阵，以获得最终的高速目标相参积累结果。本发明专利技术能够在速度未知的情况下对高速目标进行快速相参积累。快速相参积累。快速相参积累。

【技术实现步骤摘要】
基于快速稀疏贝叶斯的宽带雷达高速目标的相参积累方法


[0001]本专利技术属于雷达信号处理
，具体涉及一种基于快速稀疏贝叶斯的宽带雷达高速目标的相参积累方法。

技术介绍

[0002]在新体制宽带雷达系统中，高分辨率距离像(HRRP，High Resolution Range Profile)是目标距离范围内不同距离单元回波的相干叠加，反映了目标沿雷达视距(LOS，Line of Sight)的一维投影分布。HRRP包含了丰富的目标电磁散射特性、结构分布和形状轮廓等信息。同时，HRRP重构是目标识别、逆合成孔径雷达(ISAR，Inverse Synthetic Aperture Radar)和三维成像的第一步。与高维目标成像相比，HRRP具有测量简单、处理效率高、运动依赖性低等优点。这些独特的优点使HRRP重构成为新体制宽带雷达系统中不可缺少的功能，在空间目标监视和弹道目标防御等领域发挥着重要作用。然而，对于弹道导弹、人造卫星和空间碎片等高超声速空间目标，由于径向速度在回波中产生二次相位项，导致目标的HRRP拉伸和分裂。为了不影响后续基于HRRP的应用，有必要对高速目标的速度进行测量或估计，以补偿脉冲内高阶相位项。
[0003]在实际应用中，利用窄带测量数据来获得目标速度并补偿目标运动。然而，这种方法在处理空间目标时面临着重大挑战：(1)捕获高超音速目标很困难；(2)窄带测量的速度不能反映宽带观测过程中的目标速度；提高测速精度需要更多的系统资源。此外，传统基于信号处理的速度补偿方法大多以波形熵为评价准则，对速度进行搜索，该类方法计算量大并且对信噪比要求较高。
[0004]因此，如何提供一种高速运动目标的快速HRRP重构及自聚焦技术成为了亟待解决的问题。

技术实现思路

[0005]为了解决现有技术中所存在的上述问题，本专利技术提供了一种基于快速稀疏贝叶斯的宽带雷达高速目标的相参积累方法。
[0006]本专利技术要解决的技术问题通过以下技术方案实现：一种基于快速稀疏贝叶斯的宽带雷达高速目标的相参积累方法，所述相参积累方法包括：步骤1、建立具有高阶相位误差的雷达回波观测模型；步骤2、基于所述雷达回波观测模型得到矩阵形式的雷达回波观测模型；步骤3、基于所述矩阵形式的雷达回波观测模型的HRRP得到待重构HRRP的分层先验联合概率分布；步骤4、基于所述待重构HRRP的分层先验联合概率分布和雷达回波观测数据，利用基于GS分解和PCG的快速算法得到待重构HRRP的第二后验均值和第二后验协方差矩阵；步骤5、基于SBL框架和期望最大化算法更新当前迭代的离散形式的HRRP的精度向
量和观测噪声精度；步骤6、基于SBL框架和期望最大化算法更新高阶相位误差矩阵；步骤7、重复步骤4
‑
步骤6，直至满足收敛条件停止迭代，得到最终的后验均值、后验协方差矩阵、离散形式的HRRP的精度向量、观测噪声精度和高阶相位误差矩阵，以获得最终的高速目标相参积累结果。
[0007]可选地，所述步骤1包括：步骤1.1、获取宽带雷达回波信号，所述宽带雷达回波信号表示为：；其中，表示宽带雷达回波信号，表示目标散射体的总数量，，表示第个目标散射体后向的散射系数，表示窗函数，表示快时间，表示时间延迟，表示脉冲宽度，表示虚数单位，表示工作频率，表示调频率；步骤1.2、对所述宽带雷达回波信号进行解线性调频处理，得到雷达回波观测初始模型，所述雷达回波观测初始模型表示为：；其中，表示雷达回波观测初始模型，表示第个目标散射体和雷达的初始距离，表示光速，表示目标的速度；步骤1.3、根据所述雷达回波观测初始模型得到所述雷达回波观测模型，所述雷达回波观测模型表示为：；其中，表示雷达回波观测模型。
[0008]可选地，所述步骤2包括：步骤2.1、对所述雷达回波观测模型进行相位补偿，得到相位补偿后的雷达回波观测模型；步骤2.2、对所述相位补偿后的雷达回波观测模型进行关于快时间的快速傅里叶变换并离散化，得到离散形式的HRRP，所述离散形式的HRRP表示为：；
其中，表示第个离散形式的HRRP，表示回波数据的时间索引，，表示时域样本个数，表示第个时域观测数据，表示虚数单位，表示距离单元格的索引，，表示距离单元的总数，表示调频率，表示目标的速度，表示光速，表示第个距离单元的环境噪声和系统噪声；步骤2.3、基于所述离散形式的HRRP，得到矩阵形式的雷达回波观测模型，所述矩阵形式的雷达回波观测模型表示为：；其中，表示接收到的观测信号，，表示高阶相位误差矩阵，表示逆傅里叶矩阵，表示离散形式的HRRP，，表示高斯白噪声。
[0009]可选地，所述步骤3包括：步骤3.1、获取HRRP服从的多元复高斯分布和观测信号的先验模型，所述HRRP服从的多元复高斯分布表示为：；所述观测信号的先验模型表示为：；其中，和表示HRRP服从的多元复高斯分布，表示观测信号的先验模型，表示接收到的观测信号，表示高阶相位误差矩阵，表示逆傅里叶矩阵，表示离散形式的HRRP，，表示对角矩阵，表示离散形式的HRRP的精度向量，，表示第个离散形式的HRRP的精度，，表示距离单元的总数，表示服从复高斯分布，表示观测噪声精度，表示单位矩阵；步骤3.2、对超参数施加Gamma先验以诱导稀疏性，得到第一概率密度函数和第二概率密度函数，所述第一概率密度函数表示为：；；所述第二概率密度函数表示为：；其中，表示第一概率密度函数，表示第二概率密度函数，
、、、均表示一个正数，和为的分布参数，和为的分布参数，表示Gamma函数，表示求积运算；步骤3.3、基于所述观测信号的先验模型、所述HRRP服从的多元复高斯分布、所述第一概率密度函数和所述第二概率密度函数得到待重构HRRP的分层先验联合概率分布，所述待重构HRRP的分层先验联合概率分布表示为：；其中，表示待重构HRRP的分层先验联合概率分布。
[0010]可选地，所述步骤4包括：步骤4.1、基于观测信号的先验分布和所述待重构HRRP的分层先验联合概率分布得到所述离散形式的HRRP的后验模型，所述离散形式的HRRP的后验模型表示为：；其中，表示离散形式的HRRP的后验模型，表示待重构HRRP的分层先验联合概率分布，，表示观测信号的先验模型，表示HRRP服从的多元复高斯分布，表示离散形式的HRRP，表示接收到的观测信号，表示高阶相位误差矩阵，表示离散形式的HRRP的精度向量，表示观测噪声精度；步骤4.2、获取所述离散形式的HRRP的后验模型的第一后验协方差矩阵和第一后验均值，所述第一后验协方差矩阵表示为：；所述第一后验均值表示为：；其中，表示第一后验协方差矩阵，表示第一后验均值，表示共轭转置，表示逆傅里叶矩阵，，表示对角矩阵；步骤4.3、根据Woodbury矩阵恒等式将所述第一后验协方差矩阵变换为第二后验协方差矩阵，所述第二后验协方差矩阵表示为：；其中，表示第二后验协方差矩阵，表示参数矩阵，，表示单位矩阵；步骤4.4、根据所述第二后验协方差矩阵将所述第一后验均值变换为第二后验均值，所述第二后验均值表示为：
；其中，表示第二后验均值；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于快速稀疏贝叶斯的宽带雷达高速目标的相参积累方法，其特征在于，所述相参积累方法包括：步骤1、建立具有高阶相位误差的雷达回波观测模型；步骤2、基于所述雷达回波观测模型得到矩阵形式的雷达回波观测模型；步骤3、基于所述矩阵形式的雷达回波观测模型的HRRP得到待重构HRRP的分层先验联合概率分布；步骤4、基于所述待重构HRRP的分层先验联合概率分布和雷达回波观测数据，利用基于GS分解和PCG的快速算法得到待重构HRRP的第二后验均值和第二后验协方差矩阵；步骤5、基于SBL框架和期望最大化算法更新当前迭代的离散形式的HRRP的精度向量和观测噪声精度；步骤6、基于SBL框架和期望最大化算法更新高阶相位误差矩阵；步骤7、重复步骤4
‑
步骤6，直至满足收敛条件停止迭代，得到最终的后验均值、后验协方差矩阵、离散形式的HRRP的精度向量、观测噪声精度和高阶相位误差矩阵，以获得最终的高速目标相参积累结果。2.根据权利要求1所述的相参积累方法，其特征在于，所述步骤1包括：步骤1.1、获取宽带雷达回波信号，所述宽带雷达回波信号表示为：；其中，表示宽带雷达回波信号，表示目标散射体的总数量，，表示第个目标散射体后向的散射系数，表示窗函数，表示快时间，表示时间延迟，表示脉冲宽度，表示虚数单位，表示工作频率，表示调频率；步骤1.2、对所述宽带雷达回波信号进行解线性调频处理，得到雷达回波观测初始模型，所述雷达回波观测初始模型表示为：；其中，表示雷达回波观测初始模型，表示第个目标散射体和雷达的初始距离，表示光速，表示目标的速度；步骤1.3、根据所述雷达回波观测初始模型得到所述雷达回波观测模型，所述雷达回波观测模型表示为：
；其中，表示雷达回波观测模型。3.根据权利要求1所述的相参积累方法，其特征在于，所述步骤2包括：步骤2.1、对所述雷达回波观测模型进行相位补偿，得到相位补偿后的雷达回波观测模型；步骤2.2、对所述相位补偿后的雷达回波观测模型进行关于快时间的快速傅里叶变换并离散化，得到离散形式的HRRP，所述离散形式的HRRP表示为：；其中，表示第个离散形式的HRRP，表示回波数据的时间索引，，表示时域样本个数，表示第个时域观测数据，表示虚数单位，表示距离单元格的索引，，表示距离单元的总数，表示调频率，表示目标的速度，表示光速，表示第个距离单元的环境噪声和系统噪声；步骤2.3、基于所述离散形式的HRRP，得到矩阵形式的雷达回波观测模型，所述矩阵形式的雷达回波观测模型表示为：；其中，表示接收到的观测信号，，表示高阶相位误差矩阵，表示逆傅里叶矩阵，表示离散形式的HRRP，，表示高斯白噪声。4.根据权利要求1所述的相参积累方法，其特征在于，所述步骤3包括：步骤3.1、获取HRRP服从的多元复高斯分布和观测信号的先验模型，所述HRRP服从的多元复高斯分布表示为：；所述观测信号的先验模型表示为：；其中，和表示HRRP服从的多元复高斯分布，表示观测信号的先验模型，表示接收到的观测信号，表示高阶相位误差矩阵，表示逆傅里叶矩阵，表示离散形式的HRRP，，表示对角矩阵，表示离散形式的HRRP的精度向量，，表示第个离散形式的HRRP的精度，，表示距离单元的总数，表示服从复高斯分布，表示观测噪
声精度，表示单位矩阵；步骤3.2、对超参数施加Gamma先验以诱导稀疏性，得到第一概率密度函数和第二概率密度函数，所述第一概率密度函数表示为：；；所述第二概率密度函数表示为：；其中，表示第一概率密度函数，表示第二概率密度函数，、、、均表示一个正数，和为的分布参数，和为的分布参数，表示Gamma函数，表示求积运算；步骤3.3、基于所述观测信号的先验模型、所述HRRP服从的多元复高斯分布、所述第一概率密度函数和所述第二概率密度函数得到待重构HRRP的分层先验联合概率分布，所述待重构HRRP的分层先验联合概率分布表示为：；其中，表示待重构HRRP的分层先验联合概率分布。5.根据权利要求1所述的相参积累方法，其特征在于，所述步骤4包括：步骤4.1、基于观测信号的先验分布和所述待重构HRRP的分层先验联合概率分布得到所述离散形式的HRRP的后验模型，所述离散形式的HRRP的后验模型表示为：；其中，表示离散形式的HRRP的后验模型，表示待重构HRRP的分层先验联...

【专利技术属性】
技术研发人员：刘宏伟，戴奉周，董行，王敏，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：