CN114217285B - 强地杂波环境雷达蜂群目标距离-速度两维超分辨方法 - Google Patents

Abstract

本发明属于蜂群无人机目标雷达探测跟踪技术领域，具体涉及了一种强地杂波环境雷达蜂群目标距离‑速度两维超分辨方法，通过快时间维带通滤波和慢时间维MTI滤波抑制发射泄露和地物杂波，通过对雷达回波进行滑动重排扩充样本数量，最后通过超分辨数字信号处理方法获得突破瑞利限的距离‑速度两维超分辨能力。本发明可对强地杂波背景下的LFMCW雷达蜂群无人机目标回波进行杂波抑制和距离‑速度两维超分辨处理，从而在雷达瞬时带宽资源和积累时间资源有限的情况下，获得突破瑞利限的距离‑速度两维超分辨能力。

Description

强地杂波环境雷达蜂群目标距离-速度两维超分辨方法

技术领域

本发明属于蜂群无人机目标雷达探测跟踪技术领域，具体涉及了一种强地杂波环境雷达蜂群目标距离-速度两维超分辨方法，可对强地杂波背景下的LFMCW雷达蜂群无人机目标回波进行杂波抑制和距离-速度两维超分辨处理，从而在雷达瞬时带宽资源和积累时间资源有限的情况下，获得突破瑞利限的距离-速度两维超分辨能力。

背景技术

由于连续波雷达具有杂波抑制能力强、无近距离盲区、近距离小目标探测能力强和距离-速度两维分辨能力高等优点，在低空目标监视等领域均有一定应用。

近年来，蜂群无人机为现代雷达精细化探测带来了新的挑战。蜂群无人机具有目标数量众多、位置交错、雷达发射截面积(RCS)小、机动性强等特点，利用雷达探测得到群目标特性、数量、个体空间轨迹等信息，具有非常大的难点。实际雷达装备要对其覆盖范围内的所有感兴趣目标进行监视跟踪，其带宽资源和积累时间资源是非常宝贵和有限的，这使得采用经典距离-速度两维匹配滤波方法的雷达的距离分辨率和速度分辨率分别受限于雷达信号带宽和积累时间，从而严重限制了雷达对蜂群无人机的分辨能力。

随着数字信号处理能力的飞速发展，分辨率可以通过超分辨数字信号处理方法获得明显改善，目前超分辨研究成果主要被应用到成像和角度超分辨领域，而在蜂群目标探测领域鲜有涉及。当前超分辨算法在以下两个方面存在明显不足：1)研究只聚焦于超分辨算法本身，并未考虑对强地杂波等目标环境的适应性；2)研究都基于样本数据充足的假设，当样本数量较少时，采样协方差矩阵的估计精度会明显变差。蜂群目标属于典型的低慢小目标，雷达必然面临极强的地杂波；此外，蜂群个体间相对位置动态易变，运动过程难以复现，加之雷达分配给单一蜂群的带宽和积累时间资源有限，故样本数量相对有限。以上两个问题为超分辨算法在蜂群探测领域的应用带来了困难。

发明内容

本发明提出了一种强地杂波背景下LFMCW雷达蜂群无人机目标距离-速度两维超分辨方法，通过快时间维带通滤波和慢时间维MTI滤波抑制发射泄露和地物杂波，通过对雷达回波进行滑动重排扩充样本数量，最后通过超分辨数字信号处理方法获得突破瑞利限的距离-速度两维超分辨能力。

本发明所要解决的问题是这样实现的：

一种强地杂波环境雷达蜂群目标距离-速度两维超分辨方法，包括以下步骤：

步骤1、LFMCW跟踪雷达在搜索雷达的引导下，产生并发射LFMCW波形，并利用模拟接收信道对接收的回波信号进行正交混频去斜处理，再进行ADC采样，并根据搜索雷达的引导信息对数字回波信号进行运动补偿；

步骤2、根据搜索雷达引导信息和雷达设计要求决定的先验目标参数信息，设计快时间维差拍带通滤波器和慢时间维多普勒MTI滤波器，对运动补偿后的信号分别进行快时间维带通滤波和慢时间维MTI滤波，记两维滤波后的稳态响应输出为s(m,n)；

步骤3、使用二维矩形窗以设定的时间间隔对s(m,n)进行二维滑动，得到多个二维子数据块，对所有二维子数据块统一进行重排，得到数据矩阵X；

步骤4、对数据矩阵X进行奇异值分解，得到由特征向量组成的信号子空间矩阵S和相应的正奇异值组成的对角阵Λ；

步骤5：定义滤波器系数矢量a，计算a在信号子空间矩阵S上的投影a_s＝S^Ha，并进一步计算二维超分辨输出功率其中，||·||²表示向量2范数的平方和。

进一步的，所述步骤1中，运动补偿后信号表示为：

式中，m为脉冲序号，n为快时间维采样序号，K为无人机蜂群内个体数量，A_i为蜂群内第i架无人机回波复幅度，τ_0i为第i架无人机在0时刻的回波时延，Δt为快时间维采样间隔，f_di为第i架无人机相对雷达的多普勒频率，T_r为发射波形的脉冲间隔，为与第i架无人机有关的固定相位。

进一步的，所述步骤2中，快时间维差拍带通滤波器的通带范围为f_bmin～f_bmax，且目的是为抑制蜂群距离范围外的发射泄露、杂波和干扰信号；慢时间维多普勒MTI滤波器的阶数不超过脉冲总数的1/5，目的是为抑制蜂群距离范围内的静止地物杂波和超低速杂波；其中，τ_0i为第i架无人机在0时刻的回波时延。

进一步的，所述步骤3具体包括以下过程：

使用二维矩形窗对s(m,n)进行二维滑动，其中，二维矩形窗矩阵大小为P＝M₁×N₁，M₁为二维矩形窗的慢时间维度，N₁为二维矩形窗的快时间维度，二维矩形窗沿两维滑动的步长均为1个数据值，总共滑动出L＝L₁×L₂个子数据块，L₁＝M-M₁+1,L₂＝N-N₁+1，N为快时间维稳态响应输出点数，M为慢时间维稳态响应输出点数；

将沿慢时间维滑动过l₁个数据点，沿快时间维滑动过l₂个数据点后得到的大小为M₁×N₁的子数据块矩阵记为：

式中，M₁＞M/2，N₁＞N/2，l₁＝0,1,...,L₁-1,l₂＝0,1,...,L₂-1；

将按列衔接排列成一个长为P的列向量，记为则的表达式为：

再将L个先沿l₁排列，再沿l₂排列，最终排列成1个大小为P×L的数据矩阵X，X的表达式为：

进一步的，步骤5中定义滤波器系数矢量a的表达式为：

式中，为差拍频率搜索值，为多普勒频率搜索值，表示Kronecker积。

本发明相比背景技术具有以下优点：

(1)相比于采用经典距离-速度两维匹配滤波方法的蜂群探测雷达，本发明所述方法可明显提高距离分辨率和速度分辨率；

(2)本发明所述超分辨方法可适用于强地杂波环境；

(3)本发明所述超分辨方法可适用于样本数量相对有限的场景。

附图说明

图1是本发明实施例的流程图。

具体实施方式

现结合附图1对本发明作进一步详细描述。

一种强地杂波环境雷达蜂群目标距离-速度两维超分辨方法，其特征在于，包括以下步骤：

步骤1、LFMCW跟踪雷达在搜索雷达的引导下，智能产生并发射LFMCW波形，利用模拟接收信道对接收的回波信号进行正交混频去斜处理，再进行ADC采样，并根据搜索雷达的引导信息对数字回波信号进行运动补偿，运动补偿后信号可近似表示为

式中，m为脉冲序号，n为快时间维采样序号，K为无人机蜂群内个体数量，A_i为蜂群内第i架无人机回波复幅度，τ_0i为第i架无人机在0时刻的回波时延，Δt为快时间维采样间隔，f_di为第i架无人机相对雷达的多普勒频率，T_r为发射波形的脉冲间隔，为与第i架无人机有关的固定相位；

步骤2、根据搜索雷达引导信息和雷达设计要求决定的先验目标参数信息，在线实时设计快时间维差拍带通滤波器和慢时间维多普勒MTI滤波器；其中，快时间维差拍带通滤波器的通带范围为f_bmin～f_bmax，且其目的为抑制蜂群距离范围外的发射泄露、杂波和干扰信号；慢时间维多普勒MTI滤波器的阶数建议不超过脉冲总数的1/5，其目的为抑制蜂群距离范围内的静止地物杂波和超低速杂波；

对p(m,n)分别进行快时间维带通滤波和慢时间维MTI滤波，记两维滤波后的稳态响应输出为s(m,n)，其中快时间维稳态响应输出点数为N，慢时间维稳态响应输出点数为M；

步骤3、使用大小为P＝M₁(慢时间维)×N₁(快时间维)的二维矩形窗对s(m,n)进行二维滑动，其中二维矩形窗沿两维滑动的步长均为1个数据值，总共能滑动出L＝L₁×L₂(L₁＝M-M₁+1,L₂＝N-N₁+1)个子数据块；将沿慢时间维滑动过l₁个数据点、沿快时间维滑动过l₂个数据点后得到的大小为M₁×N₁的子数据块矩阵记为

式中，l₁＝0,1,...,L₁-1,l₂＝0,1,...,L₂-1；

将按列衔接排列成一个长为P的列向量，记为则的表达式为

式中，T表示转置；

再将L个先沿l₁排列、再沿l₂排列，最终排列成1个大小为P×L的数据矩阵X，其中L＜P，X的表达式为

步骤4、对X进行奇异值分解，得到L个特征向量组成的信号子空间矩阵S和相应的L个正奇异值组成的对角阵Λ，则X的协方差矩阵R可表示为

R＝XX^H＝SΛ²S^H

式中，H表示共轭转置；

步骤5：定义滤波器系数矢量a，其表达式为

式中，为差拍频率搜索值，为多普勒频率搜索值，表示Kronecker积；

计算a在信号子空间矩阵S上的投影a_s＝S^Ha，进一步可计算二维超分辨输出功率为

式中，||·||²表示向量2范数的平方和。

Claims (1)

1.一种强地杂波环境雷达蜂群目标距离-速度两维超分辨方法，其特征在于，包括以下步骤：

步骤1、LFMCW跟踪雷达在搜索雷达的引导下，产生并发射LFMCW波形，并利用模拟接收信道对接收的回波信号进行正交混频去斜处理，再进行ADC采样，并根据搜索雷达的引导信息对数字回波信号进行运动补偿；

步骤2、根据搜索雷达引导信息和雷达设计要求决定的先验目标参数信息，设计快时间维差拍带通滤波器和慢时间维多普勒MTI滤波器，对运动补偿后的信号分别进行快时间维带通滤波和慢时间维MTI滤波，记两维滤波后的稳态响应输出为s(m,n)；

步骤3、使用二维矩形窗以设定的时间间隔对s(m,n)进行二维滑动，得到多个二维子数据块，对所有二维子数据块统一进行重排，得到数据矩阵X；

步骤4、对数据矩阵X进行奇异值分解，得到由特征向量组成的信号子空间矩阵S和相应的正奇异值组成的对角阵Λ；

步骤5：定义滤波器系数矢量a，计算a在信号子空间矩阵S上的投影a_s＝S^Ha，并进一步计算二维超分辨输出功率其中，||·||²表示向量2范数的平方；

其中，所述步骤1中，运动补偿后信号表示为：

式中，m为脉冲序号，n为快时间维采样序号，K为无人机蜂群内个体数量，A_i为蜂群内第i架无人机回波复幅度，τ_0i为第i架无人机在0时刻的回波时延，Δt为快时间维采样间隔，f_di为第i架无人机相对雷达的多普勒频率，T_r为发射波形的脉冲间隔，为与第i架无人机有关的固定相位；

其中，所述步骤2中，快时间维差拍带通滤波器的通带范围为f_bmin～f_bmax，且目的是为抑制蜂群距离范围外的发射泄露、杂波和干扰信号；慢时间维多普勒MTI滤波器的阶数不超过脉冲总数的1/5，目的是为抑制蜂群距离范围内的静止地物杂波和超低速杂波；其中，τ_0i为第i架无人机在0时刻的回波时延；

其中，所述步骤3具体包括以下过程：

使用二维矩形窗对s(m,n)进行二维滑动，其中，二维矩形窗矩阵大小为P＝M₁×N₁，M₁为二维矩形窗的慢时间维度，N₁为二维矩形窗的快时间维度，二维矩形窗沿两维滑动的步长均为1个数据值，总共滑动出L＝L₁×L₂个子数据块，L₁＝M-M₁+1,L₂＝N-N₁+1，N为快时间维稳态响应输出点数，M为慢时间维稳态响应输出点数；

将沿慢时间维滑动过l₁个数据点，沿快时间维滑动过l₂个数据点后得到的大小为M₁×N₁的子数据块矩阵记为：

式中，M₁＞M/2，N₁＞N/2，l₁＝0,1,...,L₁-1,l₂＝0,1,...,L₂-1；

将按列衔接排列成一个长为P的列向量，记为则的表达式为：

再将L个先沿l₁排列，再沿l₂排列，最终排列成1个大小为P×L的数据矩阵X，X的表达式为：

其中，步骤5中定义滤波器系数矢量a的表达式为：

式中，为差拍频率搜索值，为多普勒频率搜索值，表示Kronecker积。