一种抗速度欺骗干扰的自适应迭代估计方法与流程

本发明涉及雷达抗干扰
技术领域：
，特别涉及雷达抗干扰自适应迭代估计技术。
背景技术：
：脉冲多普勒雷达具有高的距离分辨力和速度分辨力，强的抑制杂波能力，能在较强的杂波背景下分辨出动目标回波，因此其在现在的电子战中很重要的战略地位。脉冲多普勒雷达的传统接受处理方法是通过相关处理来分辨目标和干扰。数字射频储存器(DRFM)构成的欺骗干扰机通过对雷达信号进行缩放、延时、调制及转发，可以产生灵活多样式、对抗性强的多种欺骗干扰。由于欺骗干扰与雷达发射信号具有极强的相干性，雷达接收端易形成虚假目标，使雷达难以分辨，严重耗费雷达资源，给雷达带来了严峻的挑战和威胁。因此，为提高雷达系统的抗干扰性能和探测能力，针对雷达有源欺骗干扰的抗干扰技术逐步成为了国内外学者研究的重点和热点。自适应迭代估计技术是对抗雷达速度欺骗干扰的一个有效措施。2013年，张劲冬提出了一种基于随机初始相位脉冲串的抗速度欺骗干扰方法，见文献“NewAntivelocityDeceptionJammingTechniqueUsingPulseswithAdaptiveInitialPhase,IEEETransactionsonAerospaceandElectronicSystem,vol.49,no.2,pp.1290-1300,April2013.”然而，在文章中其使用具有高的旁瓣电平并且性能在强的速度欺骗干扰下受到严重损坏的匹配滤波对接收信号进行处理。在高干扰能量下，匹配滤波的性能受到严重损坏，无法检测到目标。为了解决高干扰下的目标无法检测检测问题，针对随机初始相位脉冲串，本发明提出了自适应迭代估计技术，它具有很好的抗速度欺骗干扰性能，并且可以在高干扰能量下实现对目标的检测与估计。从目前公开发表的文章来看，自适应迭代估计技术具有重要的研究价值。技术实现要素：本发明的目的是，针对脉冲多普勒雷达的在高干扰能量下的目标检测与估计问题，提出适用于抗速度欺骗干扰的自适应迭代估计技术。该方法利用雷达发射信号、干扰信号与接收信号为先验信息，针对每个多普勒单元，利用最近一次迭代估计的目标和干扰的多普勒谱，分别设计目标与干扰的最优线性滤波器，以使每个多普勒单元的输出功率最小。以达到该算法可以同时识别目标和干扰，并且在高的干扰能量下可以有效的识别与估计目标的效果。本发明提供了一种抗速度欺骗干扰的自适应迭代估计方法，它包括以下步骤：步骤1：初始化迭代次数m＝0，对含有N个脉冲的接收信号进行慢时间采样获得接收信号的离散采样值y，对含有N个脉冲的发射脉冲信号进行慢时间采样得到发射脉冲信号的离散采样值sT，对含有N个脉冲的干扰脉冲信号进行慢时间采样得到干扰脉冲信号的离散采样值sJ；将接收信号与发射信号进行匹配滤波，并且对匹配滤波结果进行傅里叶变换，获得迭代次数m＝0时目标的多普勒初始估计⊙为点乘，(0)代表迭代次数为0；将接收信号与干扰信号进行匹配滤波，并且对匹配滤波结果进行傅里叶变换，获得干扰的多普勒初始估计步骤2：迭代次数加一，令m＝m+1，步骤3：计算：DT(m-1)=diag|d^T(m-1)[1]|2|d^T(m-1)[2]|2...|d^T(m-1)[K]|2DJ(m-1)=diag|d^J(m-1)[1]|2|d^J(m-1)[2]|2...|d^J(m-1)[K]|2---(0-1)]]>其中为第m-1次迭代得到的目标在第一个多普勒采样点上的多普勒估计，为第m-1次迭代得到的干扰在第一个多普勒采样点上的多普勒估计，diag为MATLAB中产生对角阵的函数，(m-1)代表迭代次数为m-1，||2为取绝对值并且平方，K为归一化多普勒频率(-0.5,0.5]的均匀采样点数，为由构成的对角阵，为由构成的对角阵；并构造如下第m次迭代的相关矩阵R(m)：R(m)=FTDT(m-1)FTH+FJDJ(m-1)FJH+σ2I---(0-2)]]>其中矩阵FT＝diag(sT)F，矩阵FJ＝diag(sJ)F，F为DFT变换矩阵，σ2为复高斯零均值白噪声的协方差，I为单位阵；步骤4：获得目标的第m次迭代的目标的多普勒估计和干扰的第m次迭代的干扰的多普勒估计第m次迭代得到的目标在第k个多普勒采样点上的多普勒估计可以由下式计算可得d^T(m)(k)=fT,kH(R(m))-1yfT,kH(R(m))-1fT,k---(0-3)]]>其中fT,k为矩阵FT的第k列，H为矩阵的共轭转置，(R(m))-1为矩阵R(m)的逆，y为接收信号的离散采样值；改变k＝1,2,…,K，可得第m次迭代的目标多普勒估计第m次迭代得到的干扰在第k个多普勒采样点上的多普勒估计可以由下式计算可得d^J(m)(k)=fJ,kH(R(m))-1yfJ,kH(R(m))-1fJ,k---(0-4)]]>其中fJ,k为矩阵FJ的第k列，H为矩阵的共轭转置，(R(m))-1为矩阵R(m)的逆，y为接收信号的离散采样值。改变k＝1,2,…,K，可得第m次迭代的干扰多普勒估计步骤5：如果与均满足，则输出目标为和干扰为其中ε为我们设置的控制收敛的参数，其大小根据实际情况决定，为第m次迭代的目标多普勒估计，为第m次迭代的干扰多普勒估计，为第m-1次迭代的目标多普勒估计，为第m-1次迭代的干扰多普勒估计，||||为二范数；否则，重复步骤2～4，直致收敛。本发明的创新点：提供了一种抗速度欺骗干扰的自适应迭代估计算法，可以同时估计出目标和干扰，有低的旁瓣电平，并且在高的干扰能量下可以有效的识别与估计目标。本发明提供了一种抗速度欺骗干扰的自适应迭代估计算法，该方法利用雷达发射信号、干扰信号、接收信号为先验信息，针对每个多普勒单元，利用最近一次迭代估计的目标和干扰的多普勒谱，分别设计目标与干扰的最优线性滤波器，以达到输出功率在每个多普勒单元上都最小，即在目标的多普勒估计谱中干扰与噪声的能量被抑制，在干扰的多普勒估计谱中目标与噪声的能量被抑制。该算法不仅可以同时识别目标和干扰，有低的旁瓣电平，而且可以在高的干扰能量下可以有效的识别与估计目标。附图说明图1为发射脉冲与延迟i个PRI的干扰脉冲示意图；图2为对单目标和两个干扰的多普勒估计示意图；图2(a)为目标的多普勒估计示意图，图2(b)为干扰的多普勒估计示意图；图3为多目标和多干扰的多普勒估计示意图；图3(a)为目标的多普勒估计示意图，图3(b)为干扰的多普勒估计示意图。具体实施方式在初始化后，我们可以不断迭代直到满足收敛条件，得到目标的多普勒估计与特别的，在第m次迭代时，我们需要利用第m-1次的多普勒估计与来计算与因此，次循环迭代算法是可以进行的。输入：sT、sJ、y输出：目标的多普勒估计干扰的多普勒估计步骤1：初始化目标和干扰的多普勒估计步骤1-1：获得离散的sT、sJ、y假设单基地多普勒雷达发射含有N个脉冲的脉冲串，不同的脉冲含有不同的随机初始相位，则第n个脉冲的发射脉冲信号可以表示为sn(t)=ejφnu(t-nTr),n=1,2,...,N---(1-1)]]>其中Tr为脉冲重复间隔(PRI)，为随机初始相位，相互独立，且服从(-π,π]的均匀同分布，u(t)为单位阶跃函数如下u(t)=1TP,0≤t≤TP0,others---(1-2)]]>假设有Q个目标，它们含有不同的频率，并且处于相同的距离单元(即延时均为τ0)，则第n个脉冲的连续目标回波信号可以表示为sn(t)=ejφnΣq=1QσT,qexp(j2πnfT,q)u(t-τ0-nTr)---(1-3)]]>其中τ0为目标的双程时延，σT,q,q＝1,…,Q为目标的雷达截面积(RCS)的复振幅，fT,q＝r2vT,qT/λ为第q个目标的归一化多普勒频率，vT,q为第q个目标的径向速度，λ为雷达的载波波长。假设DRFM截获雷达发射信号，并产生干扰需要至少一个PRI。假设有P个干扰，它们含有不同的频率，均与目标处于相同的距离单元(即延时均为τ0)，干扰脉冲延迟发射脉冲i个PTIs，原理如图1，则第n个脉冲的连续干扰回波信号为Jn(t)=ejφn-iΣp=1PσT,qexp(j2πnfJ,p)u(t-τ0-nTr)---(1-4)]]>其中σJ,p、τ0、fJ,p＝2vJ,pTr/λ和vJ,p分别为干扰回波的复振幅、双程时延、第p个干扰的归一化都来频率和第p个干扰的径向速度。因此，第n个脉冲的接收信号yn(t)可以表示如下：yn(t)=Tn(t)+Jn(t)+vn(t)=ejφnΣq=1QσT,qexp(j2πnfT,q)u(t-τ0-nTr)+ejφn-iΣp=1PσJ,qexp(j2πnfJ,p)u(t-τ0-nTr)+vn(t)---(1-5)]]>其中vn(t)为接收带内的复的零均值高斯白噪声，协方差为σ2。经过慢时间采样，接收回波信号yn(t)在时延为τ0的距离单元的离散形式可以表示为y(t)=T(t)+J(t)+v(t)=ejφnΣq=1QσT,qexp(j2πnfT,q)+ejφn-iΣp=1PσJ,qexp(j2πnfJ,p)+v(t)---(1-6)]]>这里我们用K个点将(-0.5,0.5]的归一化多普勒频率均匀采样，并定义为f＝[f1,f2,…,fK]T。定义dT＝[dT(1),…,dT(K)]T和dJ＝[dJ(1),…,dJ(K)]T分别为目标在多普勒域的估计与干扰在多普勒域的估计。当归一化多普勒频率fT,q在第k个多普勒点上时，dT(k)＝σT,q即有目标出现，否则dT(k)＝0无目标。同理，这也对dJ(k)适用。在本发明中，针对动目标的检测问题，我们主要感兴趣的是速度信息，因此我们主要的目的是估计dT与dJ。为此，我们将离散的接收脉冲信号为y＝[y(1),y(2),…,y(N)]T又可以表示为y＝FTdT+FJdJ+v(1-7)其中●dT＝[dT(1),dT(1),…,dT(K)]T为目标的多普勒估计，dJ＝[dJ(1),dJ(1),…,dJ(K)]T为干扰的多普勒估计，●FT与FJ为N×K的矩阵分别表示如下：FT＝diag(sT)F,FJ＝diag(sJ)F(1-8)其中：离散的发射脉冲信号为离散的干扰脉冲信号为F为DFT变换矩阵可表示如下：●v＝[v(1),v(2),…,v(N)]T为复高斯零均值白噪声，它的协方差矩阵为σ2I。步骤1-2：将接收信号与发射信号进行匹配滤波，并且对匹配滤波结果进行傅里叶变换，获得目标的初始估计：将接收信号与干扰信号进行匹配滤波，并且对匹配滤波结果进行傅里叶变换，干扰的初始估计：步骤2：迭代次数加一，即m＝m+1步骤3：计算与构造相关矩阵R(m)步骤3-1：假设dT、dJ与v相互独立，并且期望均为零，即E{dT}＝E{dJ}＝E{v}＝0。则接收信号的协方差矩阵R可表示如下：R=E{yHy}=E{(FTdT+FJdJ+v)H(FTdT+FJdJ+v)}=FTHE{dTHdT}FT+FJHE{dJHdJ}FJ+E{vHv}=FTHDTFTFJHDJFJ+σ2I---(1-12)]]>其中：又由于dT、dJ与v相互独立，并且期望均为零，则DT与DJ均为对角阵。另外，通常DT与DT未知，在这里我们用单个矩阵来表示，如下DT=diag|dT(1)|2|dT(2)|2...|dT(K)|2DJ=diag|dJ(1)|2|dJ(2)|2...|dJ(K)|2---(1-13)]]>步骤3-2：由上一次估计的和结果，计算第m-1次的与如下DT(m-1)=diag|d^T(m-1)[1]|2|d^T(m-1)[2]|2...|d^T(m-1)[K]|2DJ(m-1)=diag|d^J(m-1)[1]|2|d^J(m-1)[2]|2...|d^J(m-1)[K]|2---(0-14)]]>由与可得第m次迭代中R(m)为R(m)=FTHDT(m-1)FT+FJHDJ(m+1)FJ+σ2I---(1-15)]]>步骤4：计算第m次迭代的目标多普勒估计与干扰多普勒估计步骤4-1：接收信号y通过线性滤波器wT(k)，其中y和wT,k均为N×1的向量，可得目标的第k个多普勒点的估计为d^T(k)=wT,kHy---(1-16)]]>根据最小输出功率准则minwT,kE{|wT,kHy|2}=wT,kHRwT,ks.t.wT,kHfT,k=1---(1-17)]]>可得wT,k为wT,k=R-1fT,kfT,kHR-1fT,k---(1-18)]]>则，在第m次迭代中，最优的线性滤波器可表示如下wT,k(m)=(R(m))-1fT,kfT,kH(R(m))-1fT,k---(1-19)]]>步骤4-2：因此可得，第m次迭代的目标多普勒估计如下式：d^T(m)(k)=wT,k(m)y=fT,kH(R(m))-1yfT,kH(R(m))-1fT,k,k=1,...,K---(1-20)]]>其中fT,k为FT的第k列，为第m次迭代时的第k个多普勒单元的最优线性滤波器。改变k＝1,2,…,K，可得第m次迭代的目标多普勒估计步骤4-3：接收信号y通过线性滤波器wJ(k)，其中y和wJ,k均为N×1的向量，可得目标的第k个多普勒点的估计为d^J(k)=wJ,kHy---(1-21)]]>根据最小输出功率准则minwJ,kE{|wJ,kHy|2}=wJ,kHRwJ,ks.t.wJ,kHfJ,k=1---(1-22)]]>可得wJ,k为wJ,k=R-1fJ,kfJ,kHR-1fJ,k---(1-23)]]>则，在第m次迭代中，最优的线性滤波器可表示如下wJ,k(m)=(R(m))-1fJ,kfJ,kH(R(m))-1fJ,k---(1-24)]]>步骤4-4：因此可得，第m次迭代的干扰多普勒估计如下式：d^J(m)(k)=wJ(m)(k)y=fJ,kH(R(m))-1yfJ,kH(R(m))-1fJ,k,k=1,...,K---(1-25)]]>其中fJ,k为FJ的第k列，为第m次迭代时的第k个多普勒单元的最优线性滤波器。改变k＝1,2,…,K，可得第m次迭代的干扰多普勒估计步骤5：设置收敛条件为同时满足：||d^T(m)-d^T(m-1)||2≤ϵ||d^J(m)-d^J(m-1)||2≤ϵ---(1-26)]]>其中ε为收敛参数，为第m次迭代的目标多普勒估计，为第m次迭代的干扰多普勒估计，为第m-1次迭代的目标多普勒估计，为第m-1次迭代的干扰多普勒估计，||||为二范数。当目标的多普勒估计与干扰的多普勒估计均满足(1-26)时，则停止迭代，否则重复步骤2～4直到收敛。仿真参数图2的仿真参数为：脉冲个数为N＝64，多普勒域采样点数K＝1024，噪声的σ2＝1，迭代次数为n＝20。假设有一个真实目标，归一化多普勒频率为fT,1＝0.2，|σT,1|2＝20dB；两个干扰，归一化多普勒频率为fJ,1＝0.19、fJ,2＝0.21，|σJ,1|2＝|σJ,2|2＝50dB。图2(a)可得：本发明提出的自适应迭代估计(AIE)算法可以在的多普勒域检测到目标峰值，并且有15dB的峰值旁瓣电平(PSL)。然而，对于传统的匹滤波(MF)算法来说，目标完全被高干扰产生的旁瓣电平淹没，无法被检测到。在图2(b)中，在AIE的中，两个干扰被精确估计，并且有大约25dB的PSL，其检测性能比匹配滤波有显著的优势。图3的仿真参数为：脉冲个数为N＝64，多普勒域采样点数K＝1024，噪声的σ2＝1，迭代次数为n＝20。存在5个真实目标，归一化多普勒频率为fT,1＝-0.3、fT,2＝-0.1、fT,3＝0、fT,4＝0.3、fT,5＝0.45，|σT,1|2＝30dB、|σT,2|2＝20dB、|σT,3|2＝15dB、|σT,4|2＝40dB、|σT,5|2＝50dB；存在10个干扰，归一化多普勒频率为fJ,1＝-0.31、fJ,2＝-0.29、fJ,3＝-0.11fJ,4＝-0.09、fJ,5＝-0.01、fJ,6＝0.01、fJ,7＝0.29、fJ,8＝0.31、fJ,9＝0.44、fJ,10＝0.46，|σJ,p|2＝50dB,p＝1,…,10。图3(a)可得：在AIE算法的的多普勒估计中，多个目标可以被精确的检测到，并且有一定的峰值旁瓣电平(PSL)。然而，对于传统的匹滤波(MF)算法来说，目标同样的完全被高干扰产生的旁瓣电平淹没，无法被检测到。在图3(b)中，十个干扰被精确估计，并且有大约25dB的PSL，其检测性能比匹配滤波有显著的优势。通过本发明的具体实施可以得到：本发明提出的抗速度欺骗干扰的自适应算法，可以同时精确的检测到目标和干扰，并且有低的旁瓣电平，在强干扰下，依然可以检测和估计目标。当前第1页1 2 3