本发明专利技术涉及一种机载前视阵雷达杂波抑制方法,包括如下步骤:根据机载雷达非正侧视阵列几何结构,构建空时导向矢量模型,即机载雷达信号模型;基于所述机载雷达信号模型,对观测数据加入统计先验信息;基于先验分布矩阵,增加杂波协方差矩阵自身具有的对称约束;机载前视阵雷达杂波空时谱估计。本发明专利技术提供了一种基于联合统计和结构先验的机载前视阵雷达杂波抑制方法,能够在假设杂波协方差矩阵服从逆Wishart先验分布时,利用其自身具有的低秩对称特性得到杂波协方差矩阵的最大后验估计,以获得前视阵雷达情况下的高分辨杂波空时谱,在少量样本条件下实现高效计算的同时,有效改善机载雷达杂波抑制性能。机载雷达杂波抑制性能。机载雷达杂波抑制性能。
【技术实现步骤摘要】
一种机载前视阵雷达杂波抑制方法
[0001]本专利技术涉及空时自适应处理杂波抑制
,尤其涉及一种机载前视阵雷达杂波抑制方法。
技术介绍
[0002]空时自适应处理(space time adaptive processing,STAP)技术对于机载相控阵雷达信号处理尤为重要。STAP方法的关键是准确估计待测单元的杂波协方差矩阵,形成自适应权值,实现空时二维滤波。最简单的一种方法是均匀环境下,进行采样协方差矩阵求逆(sample matrix inversion,SMI),根据RMB准则该方法需要有超过系统自由度2倍的独立同分布(independently identically distribution,IID)样本,以确保输出杂噪比损失小于3dB。然而在非均匀或非正侧视阵条件下,雷达难以获得足够的IID样本,尤其在机载雷达前视阵架设时,杂波具有距离依赖性,采集到的IID样本数据非常少,无法进行准确的协方差矩阵估计。为了尽可能减少所需的独立同分布样本数量,提高算法收敛性,学者们先后提出了降维、降秩和直接数据域的STAP方法,但是这些方法在提高估计精度的同时会不可避免的损失部分系统性能,使得杂波抑制效果减弱。
[0003]近年来随着稀疏恢复(Sparse Recovery,SR)技术的发展,学者们对机载前视阵雷达条件下杂波协方差矩阵估计问题找到了新的解决途径:利用信号对应向量的稀疏性进行信号的采样与重建,这种方法可以实现小样本条件下的高精度杂波抑制。基于稀疏恢复的杂波抑制方法利用杂波谱在角度
‑<br/>多普勒域上的稀疏特性,通过合适的稀疏恢复算法,实现对杂波的精确恢复,其中低秩矩阵恢复是一种较为典型的稀疏恢复方法。如果对矩阵进行奇异值分解,并把其所有奇异值排列为一个向量,那么这个向量的稀疏性便对应于该矩阵的低秩性。利用矩阵与向量的关系,可以得到向量的稀疏性在矩阵维度上表现为低秩特性。协方差矩阵可以分解为低秩杂波分量和热噪声矩阵的和,因此可以通过直接恢复低秩矩阵得到待测协方差矩阵,避免稀疏恢复向量时产生的字典失配问题。
[0004]为进一步提高稀疏恢复方法的杂波抑制性能,实现小样本下的杂波协方差矩阵的精确估计,近年来学者们提出了各种利用STAP场景中有关协方差矩阵的先验知识的方法,与最大似然估计法相比,最大后验估计方法增加了杂波的统计特性,因此在相同快拍条件下,能够更准确的估计出杂波协方差矩阵。但是该方法同样需要迭代过程,在提高估计精度的同时也增加了计算量。
技术实现思路
[0005]本专利技术所要解决的技术问题是克服现有技术中存在的不足,提供一种联合统计和结构先验的机载前视阵雷达杂波抑制方法,实现具有在少量样本条件下实现高效计算。
[0006]本专利技术是通过以下技术方案予以实现:
[0007]一种机载前视阵雷达杂波抑制方法,包括如下步骤:
[0008]S1.根据机载雷达非正侧视阵列几何结构,构建空时导向矢量模型,所述空时导向
矢量模型为机载雷达信号模型;
[0009]S2.基于所述机载雷达信号模型,对观测数据加入统计先验信息;
[0010]S3.基于先验分布矩阵,增加杂波协方差矩阵自身具有的对称约束;
[0011]S4.机载前视阵雷达杂波空时谱估计。
[0012]根据上述技术方案,优选地,步骤S2包括:基于所述机载雷达信号模型的观测数据,利用杂波协方差矩阵具有逆Wishart分布的统计先验信息,求得协方差矩阵R的最大后验估计。
[0013]根据上述技术方案,优选地,步骤S1中,在非正侧视阵的机载雷达系统中,雷达在一个相干处理周期内发射多个脉冲,若待检测单元内不存在目标,则该距离单元对应的空时快拍数据x=x
c
+x
n
,其中,x
c
为杂波分量,x
n
为噪声分量。
[0014]根据上述技术方案,优选地,步骤S2包括:收集多次所述空时快拍数据作为矩阵X的列,X的联合概率密度函数为:g(X;R)=π
‑
np
|R
‑1|
n exp{
‑
tr(R
‑1XX
H
)};求得使似然函数g(X;R)最大化的正定矩阵R。
[0015]根据上述技术方案,优选地,步骤S3包括:定义一个只在S∩T上非零的协方差矩阵的改进的逆Wishart分布矩阵CI W(R,l);利用空时自适应处理条件下杂波协方差矩阵具有低秩和Toeplitz对称性得到杂波协方差矩阵最大后验方法解。
[0016]根据上述技术方案,优选地,步骤S4中,根据杂波协方差矩阵的最大后验估计,获取机载前视阵雷达杂波功率谱。
[0017]本专利技术的有益效果是:
[0018]本专利技术提供的联合统计和结构先验的机载前视阵雷达杂波抑制方法,能够在假设杂波协方差矩阵服从逆Wishart先验分布时,利用其自身具有的低秩对称特性得到杂波协方差矩阵的最大后验估计,以获得前视阵雷达情况下的高分辨杂波空时谱,本专利技术具有在少量样本条件下实现高效计算的同时有效改善机载雷达杂波抑制性能的优点。
附图说明
[0019]图1为本专利技术方法基于联合统计和结构先验的机载前视阵雷达杂波抑制方法流程图。
[0020]图2为机载雷达阵列几何结构图。
[0021]图3为8个快拍时真实的前视阵雷达杂波谱结果。
[0022]图4为8个快拍时SMI的前视阵雷达杂波谱估计结果。
[0023]图5为8个快拍时MAP的前视阵雷达杂波谱估计结果。
[0024]图6为8个快拍时S
‑
MAP的前视阵雷达杂波谱估计结果。
[0025]图7为8个快拍时R
‑
MAP的前视阵雷达杂波谱估计结果。
[0026]图8为8个快拍时RS
‑
MAP的前视阵雷达杂波谱估计结果。
[0027]图9为16个快拍条件下不同方法的信噪比损失曲线。
[0028]图10为MAP、R
‑
MAP、S
‑
MAP和RS
‑
MAP方法随快拍数变化的平均信噪比损失曲线。
具体实施方式
[0029]为了使本
的技术人员更好地理解本专利技术的技术方案,下面结合附图和最
佳实施例对本专利技术作进一步的详细说明。基于专利技术中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于专利技术保护的范围。
[0030]实施例1:如图1所示,本专利技术包括如下步骤:
[0031]S1.根据机载雷达非正侧视阵列几何结构,构建空时导向矢量模型,所述空时导向矢量模型为机载雷达信号模型。
[0032]在非正侧视阵的机载雷达系统中,采用均匀线阵的形式,如图2所示,其中有M个阵元天线,阵元间距d=λ/2,λ为雷达工作波长,载机平台高度为H,且沿y轴运动,速度为v
p
,阵元到散本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种机载前视阵雷达杂波抑制方法,其特征在于,包括如下步骤:S1.根据机载雷达非正侧视阵列几何结构,构建空时导向矢量模型,所述空时导向矢量模型为机载雷达信号模型;S2.基于所述机载雷达信号模型,对观测数据加入统计先验信息;S3.基于先验分布矩阵,增加杂波协方差矩阵自身具有的对称约束;S4.机载前视阵雷达杂波空时谱估计。2.根据权利要求1所述一种机载前视阵雷达杂波抑制方法,其特征在于,步骤S2包括:基于所述机载雷达信号模型的观测数据,利用杂波协方差矩阵具有逆Wishart分布的统计先验信息,求得协方差矩阵R的最大后验估计。3.根据权利要求2所述一种机载前视阵雷达杂波抑制方法,其特征在于,步骤S1中,在非正侧视阵的机载雷达系统中,雷达在一个相干处理周期内发射多个脉冲,若待检测单元内不存在目标,则该距离单元对应的空时快拍数据x=x
c
+x
n
,其中,x
c
为杂波分量,x
n
【专利技术属性】
技术研发人员:章涛,刘孜雯,郑海芳,
申请(专利权)人:中国民航大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。