一种改进的ML天波雷达机动目标参数估计方法技术

本发明专利技术公开了一种改进的ML天波雷达机动目标参数估计方法，属于通信雷达技术领域。本发明专利技术首先将天波雷达的机动目标信号建模为广义相位多项式，然后提出通过最大化接收信号似然函数来实现机动目标的参数估计。为了避免传统似然函数中的矩阵求逆运算，本发明专利技术将似然函数最大化问题转变为‘超定’非线性最小二乘估计的最优化问题，从而实现低信噪比下高精度的机动目标参数估计。相比于传统的机动目标参数估计算法，本发明专利技术不仅可以在更低的输入信噪比下实现更高精度的参数估计，而且可以同时估计多个机动目标的运动参数。

【技术实现步骤摘要】

本专利技术属于通信雷达
，特别涉及一种低输入信噪比、高精度的天波雷达机动目标参数估计方法。
技术介绍
天波超视距雷达(OTHR，over-the-horizonradar)利用电离层对高频电磁波的反射作用自上而下进行目标探测，从而实现对舰船、飞机等目标的超视距检测。然而，由于天波雷达射线工作距离远、工作环境复杂，因此在传输过程中信号衰减严重，目标能量往往较弱，不利于目标的检测。此外，为了获得高的多普勒分辨率，天波雷达通常采用较长的相干积累时间(CIT，coherentintegrationtime)，相干积累时间一般长达几十秒。然而在长相干积累条件下，目标机动性会造成目标回波多普勒谱严重扩展，使得目标回波能量扩散，削弱相干积累效果。因此，发展低输入信噪比(SNR，signal-to-noiseratio)、高精度的机动目标参数估计算法是天波超视距雷达的研究热点之一。迄今为止，已有的天波雷达机动目标参数估计算法大致可以分为两大类。第一类是基于时频分析的机动目标参数估计算法，其中典型的是Wigner-Ville分解(WVD)算法(见文献：Wigner-VilleanalysisofHFradarmeasurementsofanacceleratingtarget[C].GordonJ.FrazerandStuartJ.Anderson.SignalProcessinganditsApplications,1999:317-320)和自适应小波变换(ACT)算法(见文献：Manoeuvringtargetdetectioninover-the-horizonradarusingadaptiveclutterrejectionandadaptivechirplettransform[J].G.Wang,X.-G.Xia,B.T.Root,V.C.Chen,Y.ZhangandM.Amin.IEEEProc.-RadarSonarNavig.,2003,150(4):292-298)。该类方法通过传统的Wigner-Ville分解(WVD)或者Radon-Wigner变换(RWT)，从而得到目标信号的时频谱，进而估计出目标的运动参数；该类算法的参数估计精度高，然而当雷达回波中存在多个机动目标时会受到交叉项的干扰。第二类是基于相位多项式的机动目标运动补偿法，其中典型的是基于高阶模糊函数的机动目标参数估计算法(见文献：Enhancedvisibilityofmaneuveringtargetsforhigh-frequencyover-the-horizonradar[J].KunLuandXingzhaoLiu.IEEETransactiononAntennasandPropagation,2005,53(1):404-411)。该方法是通过计算接收信号的高阶模糊函数求解多项式的各阶系数，从而估计机动目标的运动参数，具有计算量低、运算速度快的优点，然而该方法在求解多项式的高阶系数时需要较高的输入信噪比，且存在明显的误差积累效应。最大似然(ML，MaximumLikelihood)准则是一个被广泛运用在参数估计中的渐进最佳优化方法(见文献：Maximum-likelihoodestimationofparametersofsignal-detectiontheoryanddeterminationofconfidenceintervals:Rating-methoddata[J].DonaldD.DorfmanandEdwardAlfJr.JournalofMathematicalPsychology,2004,6(3):487-496)。其主要思想是：当从模型总体随机抽取n组样本观测值后，选取最合理的参数估计值，使得从模型中抽取的该n组样本观测值的概率最大。当前，已有基于最大似然函数的DOA估计算法、加性高斯白噪声条件下单一正弦信号频率和载波相位的最大似然估计，以及将最大似然法应用于单脉冲雷达目标跟踪的参数估计中(见文献：Maximum-LikelihoodEstimationofParametersofanExtendedTargetinTrackingMonopulseRadars[J].Monakov,A.IEEETransactiononAerospaceandElectronicSystems,2012,48(3):2653-2665)，使其不仅能够精确估计目标的功率、角位置，还能估计目标跟踪过程中的角范围。目前尚未有将ML方法应用于天波雷达机动目标参数估计中，而传统的ML算法需要进行矩阵求逆运算，增加运算的复杂度，并且在矩阵奇异的情况下，求逆结果将会不准确。
技术实现思路
本专利技术的专利技术目的在于，提供一种改进的ML天波雷达机动目标参数估计算法。相比于传统的机动目标参数估计算法，本专利技术不仅可以在更低的输入信噪比下实现更高精度的参数估计，而且可以同时估计多个机动目标的运动参数。本专利技术首先将天波雷达目标信号x(n)建模为广义相位多项式，然后提出通过最大化接收信号似然函数来实现机动目标的参数估计。为了避免传统似然函数中的矩阵求逆运算，本发明将似然函数最大化问题转变为‘超定’非线性最小二乘估计的最优化问题，利用遗传算法优越的非线性优化特性，从而实现低信噪比下高精度的机动目标参数估计。本专利技术的改进的ML天波雷达机动目标参数估计方法，包括下列步骤：步骤1：输入预处理(包括波束形成、匹配滤波、海杂波抑制等)后的天波雷达接收信号的x(n)＝s(n)+w(n),n＝1,2,…,N，其中s(n)表示机动目标信号，w(n)表示加性高斯白噪声，N为每个相干积累周期内脉冲的个数。步骤2：将机动目标信号s(n)建模为一般阶相位多项式的形式，则接收信号x(n)可表示为：x(n)=A·exp(j2π(2fcc)(Σk=0Kvk(nT)kk!))+w(n)---(1)]]>其中，A为机动目标幅度参数，fc为雷达载波频率，c为光速，T为雷达脉冲周期，k！表示k的阶乘，即(·)！为阶乘算子，K为机动目标感兴趣的最高运动阶数。vk为机动目标k阶运动参数，当k＝0时，v0为目标的初始距离；当k＝1时，v1为目标的初始速度；当k＝2时，v2为目标的初始加速度。令则公式(1)简化为：x(n)＝Γ(n)A+w(n)(2)步骤3：不同于传统的ML方法，本专利技术将接收信号x(n)的似然函数p(x(1),x(2),…,x(N)|v,A,σ2)描述为‘超定’非线性最小二乘形式：p(x(1),x(2),...,本文档来自技高网...

【技术保护点】
一种改进的ML天波雷达机动目标参数估计方法，其特征在于，包括下列步骤：输入预处理后的天波雷达接收信号x(n)＝s(n)+w(n),n＝1,2,…,N，其中s(n)表示机动目标信号，w(n)表示加性高斯白噪声，N为每个相干积累周期内脉冲的个数；基于机动目标信号s(n)的一般阶相位多项式获取天波雷达的机动目标运动参数v的最大似然估计令则可得到关于机动目标运动参数v的负对数似然函数其中A为机动目标幅度参数，fc为雷达载波频率，c为光速，T为天波雷达脉冲周期，(·)！表示阶乘算子，K为机动目标的最高运动阶数，vk为机动目标的k阶运动参数，当k＝0时，v0为目标的初始距离；当k＝1时，v1为目标的初始速度；当k＝2时，v2为目标的初始加速度；(·)H表示共轭转置；根据公式计算机动目标运动参数ν的最大似然估计

【技术特征摘要】
1.一种改进的ML天波雷达机动目标参数估计方法，其特征在于，包括下列步骤：
输入预处理后的天波雷达接收信号x(n)＝s(n)+w(n),n＝1,2,…,N，其中s(n)表示机动
目标信号，w(n)表示加性高斯白噪声，N为每个相干积累周期内脉冲的个数；
基于机动目标信号s(n)的一般阶相位多项式获取天波雷达的机动目标运动参数v的最大
似然估计令则可得到关于机动目标运动参数v的负对数似然
函数其中A为机动目标幅<...

【专利技术属性】
技术研发人员：胡进峰，陈汉文，薛长飘，胡天威，段杰，谢浩，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51