专利名称：一种基于csa-mwf的无源雷达目标回波信号子空间的估计方法
技术领域：
本发明属于无源雷达领域，具体涉及一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法。
背景技术：
无源雷达是指雷达本身不发射电磁波信号而只用目标辐射电磁波信号(外辐射源)进行目标探测和跟踪的雷达，它具有良好的“四抗性能”，并具有造价低、隐蔽性强、机动性高等优点。目标辐射的电磁信号可能是目标自身发射的信号，或者是第三方电磁波信号经目标反射后的电磁信号。因此，根据目标辐射信号源的类型，无源雷达可分为两类一是利用目标自身辐射源的无源雷达，包括待观测的目标自身携带的辐射源，如雷达、通信、 应答机、有源干扰和导航等电子设备；二是利用第三方发射信号经目标反射的信号的无源雷达，这类发射源包括地面广播电台、电视台、通信台站、直播电视卫星和卫星导航定位系统等。从雷达体制上讲，它的接收机和发出外辐射源的发射机是异地配置，因此它也属于双 (多)基雷达。无源雷达具有很多传统有源雷达没有的优点(1)无源雷达接收机由于没有大功率的器件，且不受发射机功率泄漏的影响，从而具有较高的灵敏度；( 多个接收机工作， 可以对干扰源进行无源定位；(3)由于收、发分置，接收机是静默的，也可以机动，所以系统具有抗电子侦查、抗干扰和抗反辐射导弹摧毁的能力；(4)在接收机前置时，可利用空中、 空间的照射源，可以探测到发射机的视线以下和远区超低空的目标，抗超低空突防能力强； (5)具有反隐身的效果，由于隐身目标只在鼻锥正负三十度范围内有极小的雷达截面积 (RCS)，而侧向及顶部散射和绕射并没有减小，还很强，使得无源雷达对隐身目标的探测具有很好的效果；(6)由于自身不发射电磁波，无源雷达系统具有隐蔽性和突然性，系统生存能力强。子空间类算法是一类重要的方法，该算法将观测空间分解为信号子空间和噪声子空间。传统的子空间分解方法是估计阵列协方差矩阵并对其进行特征分解(EVD)，大特征值对应的特征向量张成信号子空间，小特征值对应的矢量张成噪声子空间，需要的总运量为 0(Μ2Ν)+0(Μ3)，其中M、N分别为阵列个数和采样快拍数。若阵元数M较多，则计算量很大， 不利于实时处理。无源雷达的核心技术是无源相干定位技术，其基本的思想是以外辐射源发射的直达波信号作为参考，检测分析目标反射辐射源发射的信号能量，估计出目标反射信号的到达方向、到达时间和多普勒频移等参数，从而实现对目标的定位和跟踪。无源雷达系统在进行信号处理的过程中需要进行长时间的相干累积，计算量很大，尤其对其进行空时二维联合处理时，计算量更大。因此要考虑在空时二维联合处理时，对其进行降秩运算以减少计算量。为了降低计算复杂度，众多学者提出了一系列降秩算法，如主分量法、交叉谱法和Lanczos迭代算法等。但是这些算法都需要对观测数据的协方差进行分解，使得计算量仍旧很大。Goldstein等人提出的多级维纳滤波算法(GRS-MWF)是一种新的降秩处理方法，但是其前向分解滤波器相互并不正交，数值稳健性不好，用它进行无源雷达目标子空间估计时效果不好，无法达到无源雷达性能要求。
发明内容
针对现有技术中存在的不足，本发明提供一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法，在无源雷达接收系统中，在避免计算量过大的同时对接收信号进行有效地快速地目标回波子空间分解，从而检测到目标回波的方法。本发明提出的一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法，具体包括以下几个步骤步骤一在无源雷达接收系统中提取观测数据矢量，并将其赋值给相关相减结构的多级维纳滤波器(CSA-MWF)的初始观测数据，初始化期望信号(V无源雷达的接收阵元是阵元数为M的等距线阵(LUA)，则该接收阵元在k时刻接收的M维观测数据矢量x(k)为x(k) = Ia(Ql)^(Q2), -,a(0p)]s(k)+n(k) (1)= A ( θ ) s (k) +η (k)其中，s(k)表示目标回波信号复振幅矢量，为PXl阶矩阵，n(k)表示空时白噪声复矢量，n(k)为MXl阶矩阵，Α( θ)表示目标回波的方向矩阵，为MXP阶矩阵，k为采样时刻k = 0，l，…，N-，N是快拍数，P是目标回波信号的个数，θ ρ…，θρ分别为目标回波信号1至P的入射角，a( Q1^a(Q2),…，a(9p)分别为目标回波信号1至P的导向矢量。设定第一个接收阵元为基准阵元，则任一目标i的导向矢量a( θ》具有如下的结构
权利要求
1. 一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法，其特征在于具体包括以下几个步骤步骤一在无源雷达接收系统中提取观测数据矢量，并将其赋值给相关相减结构的多级维纳滤波器CSA-MWF的初始观测数据，初始化期望信号Cltl 无源雷达的接收阵元是阵元数为M的等距线阵，则该接收阵元在k时刻接收的M维观测数据矢量x(k)为x(k) = [a(ei)，a(e2)，...,a(0p)]s(k)+n(k) (1) =Α( θ ) s (k) +η (k)其中，s(k)表示目标回波信号复振幅矢量，为PXl阶矩阵，n(k)表示空时白噪声复矢量，η (k)为MX 1阶矩阵，Α( θ )表示目标回波的方向矩阵，为MXP阶矩阵，k为采样时刻k =0,1,…，N-，N为快拍数，P为目标回波信号的个数，Θ”…，θ ρ分别为目标回波信号1 至P的入射角，a( Q1^a(Q2),…，a(9p)分别为目标回波信号1至P的导向矢量； 设定第一个接收阵元为基准阵元，则任一目标i的导向矢量a(9i)具有如下的结构1 Im](2)其中，目标i的入射角《e(-f，f)，d表示阵元间距，λ表示载波波长，T表示矩阵转置，M为阵元数，^苧―,..、/^1^ su^分别表示每个阵元相对基准阵元的相移；设定雷达接收阵元数大于目标回波信号个数，M > P ；加性噪声为独立同分布的满足 (0，σ2)的空时高斯白噪声矢量 E[n(k)nHa)] = σ2ΙΜ (3) E[n(k)nT(l)] =0(4)其中，卜广表示共轭转置，Ε[·]表示求取数学期望，ο 2表示空时高斯白噪声的方差， n(k)表示空时高斯白噪声，nH(l)表示空时高斯白噪声的共轭转置，ητ(1)表示空时高斯白噪声的转置，Im表示M维的单位矩阵；步骤二 推导目标回波子空间的估计方法的表达式 目标回波信号和加性噪声不相关，观测数据的协方差矩阵民为 Rx = E[x(k)xH(k)] =A(0)RsAh(0) + o2Im (5)其中，Rs为目标回波信号的协方差矩阵；Α( θ)表示目标回波信号的方向矩阵，Αη(Θ) 表示Α(θ)的共轭转置，x(k)表示观测数据矢量，xH (k)表示观测数据矢量的共轭转置，σ2 表示空时高斯白噪声的方差，E[ ·]表示求取数学期望，Im表示M维的单位矩阵； 对观测数据的协方差矩阵做特征值分解
2.根据权利要求1所述的一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法，其特征在于还包含步骤八，具体为(1)令j= P+1，返回执行步骤三，计算CSA-MWF的第j级前向滤波器，计算得出前向滤波器；(2)计算CSA-MWF中前向分解的第j级期望信号幻=Afxp(A)；(3)计算CSA-MWF中前向分解的第j级前向滤波器更新后的观测数据Xj (k) = Xjm (^-hjd^k)其中表示第j级前向滤波器的观测数据MjGO表示第j级前向滤波器的期望信号；(4)判断j=M是否成立，若成立，将计算得到的各级前向滤波器hP+1，hP+2,…， hM代入公式Spcm、hP+1,hP+2,…,hM) =《…中，计算得到噪声子空间 Φ『-η=^^^/^,/^,···,/^ ；否则令j = j+1，返回步骤八(1)，计算下一级前向滤波器。
全文摘要
本发明提供一种基于CSA-MWF的无源雷达目标回波信号子空间的估计方法，包括步骤一在无源雷达接收系统中提取观测数据矢量，并将其赋值给CSA-MWF的初始观测数据，并初始化期望信号；步骤二推导目标回波子空间的估计方法表达式；步骤三计算CSA-MWF中本级的前向滤波器；步骤四计算CSA-MWF中本级的期望信号；步骤五计算CSA-MWF中更新后的观测数据；步骤六进行门限判决；步骤七计算得出目标回波信号子空间。本发明将CSA-MWF这种有效的降维方法应用于无源雷达中，可以避免估计观测数据的协方差矩阵，避免对其进行特征值分解，可以有效降低计算量，非常适合信号多变的复杂环境。
文档编号G01S7/41GK102353947SQ20111019058
公开日2012年2月15日 申请日期2011年7月8日 优先权日2011年7月8日
发明者党超, 单志明, 吕东泽, 周宇, 徐定杰, 李志强, 沈锋, 王兆龙, 盖猛, 贺瑞 申请人:哈尔滨工程大学