天波超视距雷达空时联合自适应抗干扰方法
专利汇可以提供天波超视距雷达空时联合自适应抗干扰方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种天波超视距雷达空时联合自适应抗干扰方法。该项技术综合利用自适应波束形成和时域挖除后插值补偿两种方法抑制干扰，通过合理的调度策略达到取长补短的目的。对副瓣进入的瞬态干扰，利用 空域 自适应波束形成进行对抗；对主瓣进入的瞬态干扰，通过时域挖除后插值补偿进行抑制，避免了时域挖除引入的补偿误差和主瓣干扰引起的波束畸变；对主瓣进入的非瞬态干扰，通过干扰空间分布信息，形成与干扰强度成正比的对 角 加载量，以避免强主瓣干扰引起自适应波束形状的严重畸变。该项技术建立在 降维 波束空间自适应波束形成方法 基础 上，大大减小了 信号 处理计算量，具体步骤见 附图 。技术并不局限于天波超视距雷达系统，可广泛应用于多种类型的大型 相控阵 雷达，具有推广应用价值。，下面是天波超视距雷达空时联合自适应抗干扰方法专利的具体信息内容。
1.天波超视距雷达空时联合自适应抗干扰技术，包括以下技术步骤：
(1)利用雷达固有的M个通道，将雷达接收数据X送入信号处理系统，对X进行N维波束空间降维，得到N×KL维波束空间数据X′：
X′＝AHX
其中，A为降维波束空间导向矩阵，L为周期数，K为每周期采样点；
(2)对X′进行脉冲压缩，形成距离单元数据，将每一周期前H个距离单元数据取出，形成N×HL维盲区数据后(K-H)个距离单元数据形成N×(K-H)L维观测区数据H由盲区大小确定；
(3)对每个周期的数据进行杂波滤除，得到不含期望信号与杂波的干扰数据
(4)将中每个周期数据取平均，得到N×L维干扰均值矩阵：
XM＝[x1 … xl … xL]
利用恒虚警(CFAR)方法对xl进行主瓣干扰检测，以rl为主瓣干扰标记变量，若检测判断该周期存在主瓣干扰，rl＝1，反之rl＝0，得到主瓣瞬态干扰识别矢量r：
r＝[r1 r2 … rl … rL]T
同时将xl中主瓣数据取出，形成主瓣干扰功率矢量xm：
(5)计算r的和范数‖r‖1并设置一门限值P，P由典型瞬态干扰长度与脉冲宽度综合决定，若‖r‖1＝0，说明主瓣中没有干扰，直接估计数据相关矩阵：
若‖r‖1≤P，说明存在于主瓣中的干扰为瞬态干扰，将这些存在瞬态干扰的周期从数据中除去，得到不含主瓣瞬态干扰的干扰数据估计其相关矩阵R：
若‖r‖1＞P，说明主瓣中存在非瞬态干扰，估计数据相关矩阵并对其进行对角加载以保证主瓣不畸变，加载量为主瓣干扰的平均功率rTxm/L I，得到加载后相关矩阵R：
(6)计算自适应权值N×1维权值w：
w＝αR-1AHa(θ0)
其中，α为一标量，用于权值的归一化，a(θ0)为系统主瓣导向矢量；
(7)对数据加权，得到抑制干扰后1×(K-H)L数据y：
(8)若‖r‖1≤P，将y中对应r元素为1的相应周期的数据挖除：
y((i-1)(K-H)+1∶i(K-H))|r(i)＝1＝0
并对挖除数据进行补偿，得到不含干扰的数据，送后续处理进行相干积累，若‖r‖1＞P或‖r‖1＝0，不进行挖除，直接将y送后续相干处理。
2.根据权利要求1所述的天波超视距雷达空时联合自适应抗瞬态干扰技术，其特征在于，步骤(1)中降维波束空间导向矩阵可选取均匀分布于主瓣指向θ0左右的N个方向，形成导向矩阵A：
A＝[a(θ0-(N-1/2)Δθ)…a(θ0)…a(θ0+(N-1/2)Δθ)]M×N
其中，a(θ)为系统阵列流型。
3.根据权利要求1所述的天波超视距雷达空时联合自适应抗瞬态干扰技术，其特征在于，步骤(1)中降维波束空间导向矩阵在有明显干扰存在时可根据干扰的空间分布情况进行选取，取降维前第一个周期数据，对每一采样点矢量进行快速傅里叶变换，平均后得到干扰在空间中大致分布情况，对其进行检测，选择在一些主瓣区域之外且信号强度明显较大的方位上分配少数波束通道。
4.根据权利要求1所述的天波超视距雷达空时联合自适应抗瞬态干扰技术，其特征在于，步骤(3)中杂波滤除可通过FIR滤波器实现，该滤波器为一高通滤波器，其系数为事先计算，滤波时取出即可，从实际出发，其截止频点应略宽于杂波宽度，以适用于不同情况。
5.根据权利要求1所述的天波超视距雷达空时联合自适应抗瞬态干扰技术，其特征在于，步骤(8)中对挖除数据的补偿可利用AR模型估计进行。
6.根据权利要求1所述的天波超视距雷达空时联合自适应抗瞬态干扰技术，其特征在于，步骤(8)中对挖除数据的补偿可采用线性插值的方式，以被挖数据两侧数据为样本，用它们的线性插值来取代被挖数据来实现。
技术领域
本发明涉及雷达信号处理领域中的空时自适应抗干扰方法，适用于天波超视距雷达的信号处理系统，可以用于存在各种方向性干扰背景下的运动目标检测。同时，核心理论和方法还可应用于其他多种存在干扰抑制需求的信号处理系统中。
背景技术
目前，在信号处理阶段已有的抗干扰措施包括：采用时域挖除后再补偿的方法滤除瞬态干扰；利用自适应波束形成抑制各种方向性干扰；利用多普勒技术抑制杂波等。但它们均不同程度地存在一些问题：
时域挖除方法是针对雷电、流星余迹等在时域上少数周期出现的特点而提出的，只对具备瞬态特性的干扰有效。为了检测瞬态干扰的位置，挖除前需要抑制强大的地、海杂波；为了避免挖除处杂波的突变使杂波谱展宽，挖除后还需按杂波的特性对挖除的数据作插值处理。因而该方法还存在瞬态干扰检测、补偿误差等问题。
自适应波束形成技术针对目标信号与干扰信号在入射角度上的不同，自适应地调整天线波束，利用零点、主瓣等波束形状资源实现抑制干扰、保留信号的目的，对所有非主瓣方向干扰有效。然而，当目标信号与干扰入射角度相同时，就会出现误将目标信号作为干扰加以对消的期望相消现象，虽然理论上利用投影矩阵可阻塞从主瓣进入的干扰，但由于天线阵列误差的存在，投影矩阵往往无法形成有效零点，因而效果不佳。此外，天波超视距雷达系统天线阵列庞大，阵元数目多达数百，常规自适应波束形成技术还面临着计算量巨大的问题。
虽然杂波并不直接影响对飞行目标的检测，但对自适应波束形成等干扰抑制方法来说，杂波相当于从主瓣进入的干扰，且在方向上呈分布特性。杂波抑制不彻底，自适应波束形成就无法有效与干扰对抗。常规的杂波抑制技术如动目标检测(MTD)、脉冲多普勒(PD)技术等利用杂波多普勒频率为零的特点从频域上加以抑制，但都是在波束形成后进行，如果在波束形成前进行杂波抑制，则每个阵元通道都需要进行相应处理，计算量大大增加。
发明内容
为了实现上述发明目的，本发明提供了一种主瓣保形的降维自适应波束形成方法，包括如下步骤：
(1)利用雷达固有的M个通道，将雷达接收数据X送入信号处理系统，对X进行N维波束空间降维，得到N×KL维波束空间数据X′：
X′＝AHX
其中，A为降维波束空间导向矩阵，L为周期数，K为每周期采样点数；
(2)对X′进行脉冲压缩，形成距离单元数据，将每一周期前H个距离单元数据取出，形成N×HL维盲区数据后(K-H)个距离单元数据形成N×(K-H)L维观测区数据H由盲区大小确定；
(3)对每个周期的数据进行杂波滤除，得到不含期望信号与杂波的干扰数据
(4)将中每个周期数据取平均，得到N×L维干扰均值矩阵，即
XM＝[x1 … xl … xL]
利用恒虚警(CFAR)方法对xl进行主瓣干扰检测，以rl为主瓣干扰标记变量，若检测判断该周期存在主瓣干扰，rl＝1，反之rl＝0，得到主瓣干扰识别矢量r，即
r＝[r1 r2 … rl … rL]T
同时将xl中主瓣数据取出，形成主瓣干扰功率矢量xm，即
(5)计算r的和范数‖r‖1，并设置一门限值P，P由典型瞬态干扰长度与脉冲宽度综合决定，若‖r‖1＝0，说明主瓣中没有干扰，直接估计数据相关矩阵：
若‖r‖1≤P，说明存在于主瓣中的干扰为瞬态干扰，将这些存在瞬态干扰的周期从数据中除去，得到不含主瓣瞬态干扰的干扰数据估计其相关矩阵R：
若‖r‖1＞P，则说明主瓣中存在非瞬态干扰，估计数据相关矩阵并对其进行对角加载以保证主瓣不畸变，加载量为主瓣干扰的平均功率rTxm/L I，得到加载后相关矩阵R，即
(6)形成自适应权值N×1维权值w，即
w＝αR-1AHa(θ0)
其中，α为一标量，用于权值的归一化，a(θ0)为系统主瓣导向矢量；
(7)对数据加权，得到抑制干扰后1×(K-H)L数据y：
(8)若‖r‖1≤P，将y中对应r元素为1的相应周期的数据挖除：
y((i-1)(K-H)+1∶i(K-H))|r(i)＝1＝0
并对挖除数据进行插值补偿，得到不含干扰的数据，送后续处理进行相干积累，若‖r‖1＞P或‖r‖1＝0，不进行挖除，直接将y送后续相干处理。
其中，步骤(1)中降维波束空间矩阵可采用以下方法确定：方法一、选取均匀分布于主瓣指向θ0左右的N个方向，形成导向矩阵A：
A＝[a(θ0-(N-1/2)Δθ)…a(θ0)…a(θ0+(N-1/2)Δθ)]M×N
其中，a(θ)为系统阵列流型；方法二、可以根据干扰的空间分布情况，进行自适应调整：取降维前第一个周期数据，对每一采样点矢量进行快速傅里叶变换，平均后得到干扰在空间中大致分布情况，对其进行检测，选择在一些主瓣区域之外且信号强度明显较大的方位上分配少数波束通道，若无明显干扰存在，则同方法—将降维通道均匀分布于主瓣指向附近，形成导向矩阵A。
步骤(3)中杂波滤除可通过FIR滤波器实现，该滤波器为一高通滤波器，其系数为事先计算，滤波时取出即可，从实际出发，其截止频点应略宽于杂波宽度，以适用于不同情况。
步骤(8)中对挖除数据进行补偿可利用AR模型估计进行，也可采用线性插值的方式，以被挖数据两侧数据为样本，用它们的线性插值来取代被挖数据来实现。
本发明的优点在于：
(1)本发明采用基于波束空间的降维自适应波束形成技术，大大减小了后续信号处理所需的计算量，并提供了主瓣附近干扰的分布情况，为主瓣保形奠定了基础。
(2)本发明根据干扰信号分布情况确定波束通道指向，利用了自适应-自适应概念进行波束空间降维，能够加深自适应波束形成方法的干扰抑制深度，提高干扰抑制性能。
(3)本发明利用FIR滤波器抑制杂波，以较小的计算量代价形成单独的干扰协方差矩阵，避免了由于通道误差对自适应波束形成方法产生的影响，大大提高了自适应波束形成方法的干扰抑制性能。同时，所输出的纯干扰数据还可用于瞬态干扰检测，避免了重复运算。
(4)本发明通过主瓣干扰空时检测的简便方法对主瓣进入瞬态干扰加以识别，将传统瞬态干扰时域检测转化为空域检测，实现了空域干扰抑制与时域挖除方法的有机结合：利用空域方法抑制副瓣瞬态干扰，利用时域方法抑制主瓣瞬态干扰，既避免了主瓣进入瞬态干扰引起主瓣变形，又消除了对进入副瓣的瞬态干扰进行时域挖除引入的补偿误差。
(5)本发明通过主瓣干扰空时检测，将对角加载量大小与主瓣干扰强度联系起来，解决了对角加载量的自适应确定问题，避免了主瓣进入干扰引起的期望相消，实现了主瓣保形。
(6)本发明方法只需要将程序下载到通用信号处理板上即可实现，因此易于推广，且只需要在通用可编程信号处理板上进行编程，无需改变系统结构，升级方便。
附图说明
图1是本发明的实施例的结构框图。
参照图1，本发明的实施例由接收波束空间降维单元1、脉冲压缩单元2、杂波抑制单元3、主瓣干扰空时检测单元4、干扰相关矩阵估计单元5、自适应权值计算单元6、自适应干扰抑制单元7、瞬态干扰抑制单元8组成。上述的波束空间降维、脉冲压缩、杂波抑制、主瓣干扰空时检测、干扰相关矩阵估计、自适应权值计算、自适应干扰抑制和瞬态干扰抑制均可在通用可编程信号处理系统上编程实现。
具体实施方式
基于这一思路，本发明将空时两种干扰抑制方法有机结合起来，在干扰空时分布检测基础上，根据干扰的不同特点自适应地调整对抗方法，达到良好的干扰抑制效果。其具体原理在于：对副瓣进入干扰，不论干扰时域特性如何，均采用自适应空域波束形成方法加以抑制。而对主瓣进入干扰，若其具有瞬态特点，可以借助时域挖除避免干扰对波束形状产生影响；若其持续时间较长，则可通过对角加载来缓解主瓣变形。
此外，本发明所涉及到的波束空间降维自适应波束形成方法，以不同波束指向形成的数据为处理对象，适用于数目较大的大型阵列，可有效降低后续信号处理计算量。形成的不同波束指向数据还可以反映干扰信号在空间分布的情况，为主瓣干扰的识别提供了基础。利用这一特点，本发明在由波束空间数据提供的干扰分布情况识别基础上，得到与主瓣干扰强度直接相关的对角加载量，较好地解决了计算量与主瓣保形的问题。
下面结合附图和实施例详细描述本发明的具体实施方式。
天波超视距雷达系统的空时频通道数目分别为M、K和L。实施例中M＝220，K＝500，L＝256，系统主瓣指向0度。
(1)通过常规波束形成，波束空间降维单元1对雷达接收中频采样数据X进行处理，以形成指向主瓣方向周围的N维波束空间数据X′：
X′＝AHX
其中，A＝[a(θ0-(N-1/2)Δθ)…a(θ0)…a(θ0+(N-1/2)Δθ)]M×N，a(θ)为系统导向矢量，θ0为主瓣指向。降维前，X维数为M×KL矩阵，降维后的X′维数为N×KL，将X′存储到系统中。实施例中，θ0＝0°，Δθ＝0.8°，N＝41，经过降维，数据矩阵维数从220×(500×256)减小为41×(500×256)。
波束通道的指向还可根据信号空间分布情况进行调整。实施例中取N＝31，将X第一个周期即前500列数据按列进行快速傅里叶变换后求其平均，据此判断干扰信号强度分布。由于此时尚未进行脉冲压缩与相干积累，在主瓣指向0°左右的15个通道之外出现较大强度信号只可能是干扰。将其余10个通道分布在这些大强度干扰信号方位上，可有助于提高自适应干扰抑制的深度；若无较大强度信号出现，将10个通道平均分布在N个波束两侧。
(2)脉冲压缩单元2对N×KL维波束空间数据X′进行脉冲压缩，将压缩后每一周期的数据分为前H个距离通道数据和后K-H个距离单元数据。由于仰角超过一定角度的电磁波将穿出电离层，不再返回系统，因此离系统较近的H个距离单元为盲区，此区域内出现的信号以干扰和返回叠加的杂波为主，经脉冲压缩后，取盲区内数据进行自适应波束形成可以避免期望相消。实施例中，H＝200，将脉冲压缩后每个周期前200个距离单元数据和后300个距离单元数据分别形成41×(200×256)维干扰矩阵和41×(300×256)维信号矩阵进行后续处理。其中，送往杂波抑制单元3；送往主瓣干扰空时检测单元4。
(3)杂波抑制单元3通过FIR滤波器抑制数据中的杂波，FIR滤波器系数的设计可根据先验知识，稍宽于杂波带宽，确保杂波得到彻底抑制，实施例中，滤波器为64阶高通滤波器，截止频率设为3Hz，将中每个周期数据乘以滤波器系数后相加，输出不含期望信号与杂波干扰数据送往主瓣干扰空时检测单元4。
(4)在主瓣干扰空时检测单元4中，将中每个周期内数据取平均，得到N×L维干扰均值矩阵：
XM＝[x1 … xl … xL]
利用恒虚警(CFAR)方法对每一周期数据xl进行主瓣干扰检测，以rl为主瓣干扰标记变量，若检测判断该周期存在主瓣干扰，rl＝1，反之rl＝0，得到主瓣干扰识别矢量r：
r＝[r1 r2 … rl … rL]T
同时将xl中主瓣数据取出，形成主瓣干扰功率矢量xm：
实施例中，主瓣干扰数据为xl(21)，对应主瓣干扰功率矢量xm＝[|xl(21)|2 … |xL(21)|2]T。将r、xm送往干扰相关矩阵估计单元5，同时将r送往瞬态干扰抑制单元8。
(5)干扰相关矩阵估计单元5中，首先计算r的和范数‖r‖1并设置一门限值P，若‖r‖1＝0，说明主瓣中没有干扰，直接估计数据相关矩阵：
P的设置由典型瞬态干扰长度t与脉冲宽度τ综合决定。实施例中，t为0.5秒，τ＝0.012秒，则X″数据长度HL为200×256。
若‖r‖1≤P，说明存在于主瓣中的干扰为瞬态干扰，将这些存在瞬态干扰的周期从数据中除去，得到不含主瓣瞬态干扰的干扰数据估计其相关矩阵R：
若‖r‖1＞P，则说明主瓣中存在非瞬态干扰，估计数据相关矩阵并对其进行对角加载以保证主瓣不畸变，计算对角加载量λ：
λ＝rTxm/L
则
由此得出的加载量与主瓣干扰功率成正比。由于对角加载量的较小变化对自适应权值的形成影响极微，即使出现少数检测错误，也不会对自适应波束形成结果造成太大影响。将干扰相关矩阵送往自适应权值计算单元6。
(6)自适应权值计算单元6形成自适应权值w：
w＝αR-1AHa(θ0)
其中，α为一标量，用于权值的归一化。
(7)自适应干扰抑制单元7对信号数据加权，得到抑制干扰后数据y：
将数据y送往瞬态干扰抑制单元8。
(8)瞬态干扰抑制单元8首先考察‖r‖1的值，若‖r‖1≤P，将y中对应r元素为1的周期数据挖除：
y((i-1)(K-H)+1∶i(K-H))|r(i)＝1，i＝1，2，…，L＝0
并利用AR模型对挖除数据进行补偿，得到不含瞬态干扰的数据，送后续处理进行相干积累；若‖r‖1＞P或‖r‖1＝0，直接将y送后续相干处理。
虽然结合附图描述了本发明的实施方式，但是本领域普通技术人员可以在所附权利要求的范围内作出各种变形或修改。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种FHSS-GMSK系统多重同步方法 | 2020-05-08 | 901 |
| 一种基于双光梳光谱技术的温度和浓度测量系统和方法 | 2020-05-08 | 600 |
| 一种PGC相位解调法中相位延迟提取与补偿方法 | 2020-05-08 | 551 |
| 一种基于单张图片的三维头发重建方法 | 2020-05-08 | 414 |
| 载波多普勒及其变化率的高精度测量方法 | 2020-05-08 | 293 |
| 一种磁轴承控制方法及其控制平台 | 2020-05-08 | 802 |
| 一种特征权重自学习的睡眠质量检测关键脑区判定方法 | 2020-05-08 | 594 |
| 一种基于深度卷积神经网络的深度图增强方法 | 2020-05-08 | 646 |
| 电磁近场相干传感的方法和系统 | 2020-05-11 | 177 |
| 一种基于蓝牙技术的踢脚线取暖器远程控制系统 | 2020-05-11 | 424 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
