一种基于灰色卡尔曼滤波的主瓣移动干扰消除方法与流程

本发明涉及信号处理技术领域，具体涉及一种基于灰色卡尔曼滤波的主瓣 移动干扰消除方法。

背景技术：

通信和雷达系统中，干扰是影响信息传输、目标探测的重要限制性因素。 当空间环境中存在干扰时，若要保证雷达系统正常的测角测距等性能，需要对 干扰信号进行抑制与消除。当干扰落入主瓣区域时，传统的自适应波束形成会 在主瓣内产生零陷，导致天线方向图畸变，使雷达的探测性能大大下降。因此， 在当今复杂的电磁环境中，研究基于单脉冲的主瓣抗干扰技术不仅具有重要的 理论意义，而且具有重大的工程应用价值。

近些年来，学者们对主瓣抗干扰方法进行了研究，为了解决阵列雷达在主 瓣干扰存在时性能严重下降的问题，提出了基于辅助阵的主瓣干扰抑制算法、 基于阻塞矩阵预处理(BMP)的方法、基于特征投影预处理(EMP)的方法以 及基于和差通道的主瓣干扰消除方法等。

基于辅助阵的主瓣干扰抑制算法的实质是在主天线附近添加辅助阵列，使 得原来位于主瓣的干扰信号落入整个阵列的旁瓣区域，之后可利用较为成熟的 旁瓣干扰自适应数字波束形成算法进行抑制。然而，当干扰信号落入雷达的主 瓣区域时，传统的自适应数字波束形成技术会带来天线方向图畸变、副瓣电平 升高等一系列问题，这会导致自适应数字波束形成算法性能的严重下降甚至失 效。

BMP、EMP算法能够改善消除主瓣干扰后波束畸变的问题，然而BMP算 法计算量大，同时算法的性能受主瓣干扰方位的估计值影响很大；EMP算法需 对协方差矩阵进行特征值分解，并要进行矩阵求逆，计算复杂。同时，EMP算 法存在波峰偏移的问题。

基于和差通道的主瓣抗干扰技术利用天线方向图在方位向和俯仰向可分离 的性质，在保持另一个方向上的和差波束天线方向图不畸变的同时沿着一个方 向消除主瓣干扰，从而导出一个无畸变的单脉冲比来进行角度估计，此技术的 关键在于准确确定干扰相消通道之间的比例系数。现有的比例系数确定方法是 将各和差通道的采样值作为维纳滤波器输入数据，采用维纳滤波的方法对比例 系数进行预测，最终得到的比例系数是和差通道的互相关系数和自相关系数的 比值。然而维纳滤波仅适用于平稳随机信号的估计，即该方法仅在干扰源静止 的条件下有效，当干扰源处于移动过程中时，干扰信号为非平稳随机信号，此 时维纳滤波的方法便失去作用。

技术实现要素：

有鉴于此，本发明提供了一种基于灰色卡尔曼滤波的主瓣移动干扰消除方 法，能够在干扰源处于移动状态时对相消通道间的比例系数进行准确地预测， 进而可以利用基于和差通道的主瓣干扰消除方法有效地消除移动干扰。

本发明的基于灰色卡尔曼滤波的主瓣移动干扰消除方法，包括如下步骤：

步骤1，干扰信号采样：在雷达发射机未开机并存在移动干扰源的条件下对 雷达接收机天线四个原始通道接收到的干扰信号进行采样，采样完成后雷达发 射机开始工作；

步骤2，利用步骤1得到的四个原始通道的干扰采样信号计算发射机未开机 时各采样时刻的和通道、俯仰差通道、方位差通道和差差通道的值；然后计算 各采样时刻的和差通道比例系数；其中和差通道比例系数为：和通道和方位差 通道之间的比值、俯仰差通道和差差通道之间的比值、和通道与俯仰差通道之 间的比值，以及方位差通道与差差通道之间的比值；

步骤3，针对步骤2得到的四组比例系数，对各组的采样时刻的比例系数分 别进行灰色卡尔曼滤波，得到各组比例系数的下一时刻的预测值；

步骤4，对四个原始通道接收到的回波信号在下一时刻进行采样，其中，下 一时刻的回波信号中包括目标信号和干扰信号；计算下一时刻的和通道、俯仰 差通道、方位差通道和差差通道的值；

步骤5，根据步骤3得到的各组比例系数的下一时刻的预测值，采用基于和 差通道的主瓣抗干扰方法对步骤4得到的和差通道的值进行干扰消除。

进一步的，所述步骤2中，首先对步骤1得到的四个原始通道的干扰采样 信号进行筛选替换，然后采用筛选替换后的值计算各采样时刻的和差通道的值； 其中，筛选替换的方法为：只有当同一采样时刻的四个原始通道的干扰信号采 样值均大于各通道的设定的门限值Thx时，对该采样时刻的干扰信号采样数据进 行保留；对于未保留有采样数据的采样时刻，其四个原始通道干扰信号的采样 值替换为：利用各通道的前一个保留的干扰信号采样数据和后一个保留的干扰 信号采样数据采用线性插值的方法确定的插值。

进一步的，所述门限值Thx为所属通道基底噪声均值的10倍。

进一步的，所述通道基底噪声均值采用如下方法获取：在雷达发射机未开 机、并且没有干扰源的条件下，对雷达接收机天线的四个原始通道a、b、c、d的 基底噪声进行采样，然后分别计算得到各原始通道的基底噪声采样值的均值na、 nb、nc、nd。

进一步的，所述步骤5中，消除干扰后的俯仰向单脉冲比ηE和方位向单脉 冲比ηA为：

其中，为步骤3获得的下一 时刻的4个比例系数的预测值；rΣ、rΔE、rΔA、rΔΔ分别为步骤4得到的下一时刻 的和通道的值、俯仰差通道的值、方位差通道的值和差差通道的值。

有益效果：

本发明以和通道和方位差通道之间的比值、俯仰差通道和差差通道之间的 比值、和通道与俯仰差通道之间的比值，以及方位差通道与差差通道之间的比 值作为和差通道间干扰相消的比例系数，构造出四组比例系数序列，进而利用 卡尔曼滤波的方法对下一时刻比例系数进行预测，从而获得各时刻的较为精确 的和差通道比例系数，进而实现在干扰源处于移动状态时干扰的有效消除，提 高雷达系统对目标的测角性能。

附图说明

图1为本发明的流程示意图；

图2为本发明中天线原始通道示意图；

图3为本发明中天线和差通道示意图；

图4为本发明的卡尔曼滤波法与传统维纳滤波法在移动干扰消除中单脉冲 比的对比图；

图5为本发明的卡尔曼滤波法与传统维纳滤波法在移动干扰消除中测角误 差的对比图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

本发明提供了一种基于灰色卡尔曼滤波的主瓣移动干扰消除方法，包括如 下步骤：

步骤1，干扰信号采样：

在雷达发射机未开机并存在移动干扰源的条件下对雷达接收机天线四个原 始通道a、b、c、d接收到的干扰信号进行采样，得到四组原始通道干扰信号的采 样值，分别表示为ra,i、rb,i、rc,i、rd,i，i＝1,2，…，N，N为采样点总个数；采样 完成后雷达发射机开始工作。

然后，利用1～N时刻的原始通道干扰信号采样值估计N+1时刻的比例系数。

步骤2，以和通道和方位差通道之间的比值、俯仰差通道和差差通道之间的 比值、和通道与俯仰差通道之间的比值，以及方位差通道与差差通道之间的比 值4个比值作为基于和差通道的主瓣抗干扰方法中的和差通道比例系数；计算 各采样时刻的和差通道比例系数；

首先，利用四组原始通道干扰信号的采样值，计算1～N各时刻的和差通道 (即和通道rΣi、俯仰差通道rΔEi、方位差通道rΔAi和差差通道rΔΔi)的值，然后计 算各时刻的和差通道比例系数；

其中，各时刻的和差通道(和通道rΣi、俯仰差通道rΔEi、方位差通道rΔAi、差 差通道rΔΔi)的值为：

rΣi＝ra,i+rb,i+rc,i+rd,i (1)

rΔEi＝ra,i+rb,i-rc,i-rd,i (2)

rΔAi＝ra,i-rb,i-rc,i+rd,i (3)

rΔΔi＝ra,i-rb,i+rc,i-rd,i (4)

和通道和方位差通道的比例系数we1,i、俯仰差通道和差差通道的比例系数 we2,i、和通道与俯仰差通道的比例系数wa1,i、方位差通道与差差通道的比例系数 wa2,i分别为：

考虑到某一采样时刻天线通道内的噪声幅值可能会远远大于进入天线通道 内的干扰信号幅值，造成该采样时刻的比例系数过大地偏离合理区间，本发明 对步骤1得到的四组原始通道干扰信号的采样值进行筛选替换，具体筛选方法 如下：

首先测量出基底噪声均值：在雷达发射机未开机，并且没有干扰源的条件 下，对雷达接收机天线的四个原始通道a、b、c、d的基底噪声进行采样，分别计 算各通道基底噪声采样值的均值na、nb、nc、nd；

然后以10倍基底噪声均值作为筛选的门限值Thx，即Thx＝10nx，对步骤1得 到的四组原始通道干扰信号的采样值进行筛选替换：只有当同一时刻的四个通 道的干扰信号采样值均大于门限值Thx时，即满足式(9)时，对该时刻的干扰 信号采样数据进行保留：

ra,i≥Tha；rb,i≥Thb；rc,i≥Thc；rd,i≥Thd； (9)

而对于未保留有采样数据的时刻(即剔除时刻)k，其四个原始通道干扰信 号的采样值替换为：利用各通道的前一个保留的干扰信号采样数据和后一个保 留的干扰信号采样数据采用线性插值的方法确定的插值。

由此，四个通道各得到一组筛选后的有效采样值该有效 值的干噪比较大，能减小噪声对采样得到的干扰信号的影响，使得计算得到的 比例系数更为合理。

然后利用四组筛选后的有效采样值计算对应时刻的和差通 道(和通道rΣi、俯仰差通道rΔEi、方位差通道rΔAi、差差通道rΔΔi)的值，即：

步骤3，利用灰色卡尔曼滤波器预测下一时刻的比例系数：

将步骤2得到的四组比例系数分别通过由灰色模型构造的卡尔曼滤波器， 对N+1时刻的比例系数进行预测，得到N+1时刻的比例系数的预测值

具体过程为：

步骤31：模型假设，对与每个通道的前M(1＜M＜N)个比例系数，假设四个 通道比例系数的过程模型为s(n)＝as(n-1)+w(n)，测量模型为x(n)＝cs(n)+v(n)，其 中a为过程转移系数，c为测量系数，过程噪声Q＝E(w²[n])，测量噪声R＝E(v²[n])。

步骤32：预测，在前M个时刻，根据时刻n-1的估计值得到时刻n(1＜n＜M) 预测值:

此时a、c均设为1，初始条件ξ(0)可定为任意值，Q、R则根据经 验值设置；在M时刻后，预测方法采用当前时刻n(M＜n≤N)的前M个卡尔曼滤 波估计值构成的灰色模型对n时刻预测值进行预测。

具体的，利用灰色模型进行预测过程为：

步骤321：构造灰色预测输入序列，使用n时刻之前的M个卡尔曼滤波器估 计值作为灰色预测输入序列 X⁽⁰⁾＝[x(1),x(2),..x(N1)]；

步骤322：构造X⁽⁰⁾的1-AGO序列X⁽¹⁾，X⁽¹⁾＝[x⁽¹⁾(1),x⁽¹⁾(2),..x⁽¹⁾(N1)]，构造函 数为：

步骤323，构造GM(1,1)均值形式模型x(k)+pz⁽¹⁾(k)＝q，其中 参数向量可运用最小二乘法求出，求解公式 如下：

其中：

步骤324，计算n时刻预测值

步骤33：计算最小预测均方误差P(n)

P(n)＝a²ξ(n-1)+Q (16)

步骤34：计算卡尔曼增益G(n)

步骤35：对预测值进行修正，得到n时刻估计值

步骤36：计算n时刻估计值的最小均方误差ξ(n)

ξ(n)＝(1-cG(n))P(n) (19)

对四组比例系数均进行步骤31至步骤36，得到N+1时刻的四个比例系数的 预测值

步骤4，计算和差通道值：

对四个通道接收到得回波信号在N+1时刻进行一次采样，其中，N+1时刻 的回波信号中包括目标信号和干扰信号；计算N+1时刻的和通道的值rΣ、俯仰 差通道的值rΔE、方位差通道的值rΔA和差差通道的值rΔΔ；

步骤5，根据步骤3得到的N+1时刻的比例系数预测值，采用现有的基于 和差通道的主瓣抗干扰方法对步骤4得到的和差通道值(和通道的值rΣ、俯仰差 通道的值rΔE、方位差通道的值rΔA和差差通道的值rΔΔ)进行干扰消除，得到消除 干扰后的俯仰向单脉冲比ηE和方位向单脉冲比ηA，从而获得N+1时刻目标俯仰 向与方位向的角度。

计算公式为：

重复步骤1至步骤5，可以每隔N个采样时刻便获得一次目标角度，适当减 小采样时刻可以提高对目标角度的测量性能。

下面给出使用上述方法，对模拟的移动干扰源进行消除，并与采用传统的 维纳滤波方法进行干扰消除下的测角性能进行比较的仿真。

仿真参数设置：

由上述仿真参数可得图3、图4仿真结果，从仿真结果中可以看出本发明所 述方法下得到的单脉冲比曲线与无干扰下单脉冲比曲线更加吻合，测角误差更 小，由此可以得出结论本发明方法相较于传统的采用维纳滤波的方法进行干扰 消除在测角性能上有明显优势。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保 护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等， 均应包含在本发明的保护范围之内。