一种信号重构方法、装置及雷达制造方法及图纸

本公开实施例提供了一种信号重构方法、装置及雷达，属于雷达技术领域。包括：向预设区域发射雷达信号，并接收所述雷达信号的回波，其中，所述回波包含所需信号和杂波；根据所述雷达信号的回波，利用基于子空间追踪的基原子迭代扩展方法，扩展所述回波中的所需信号的支撑集；根据所述所需信号的支撑集，重构所述所需信号，并对所述回波中的杂波进行抑制。基于扩展子空间追踪ESP的稀疏恢复STAP算法可在少量训练样本下实现对杂波协方差矩阵的准确估计，并实现有效的杂波抑制，从而在实际杂波环境中获得更高的信噪比改善。

【技术实现步骤摘要】
一种信号重构方法、装置及雷达
本公开涉及雷达
，尤其涉及一种信号重构方法、装置及雷达。
技术介绍
在实际复杂环境中，由于均匀的分布样本数据很难得到保证，因此降维方法和降秩方法很难提高STAP滤波的性能。为此很多学者提出了非均匀的STAP方法。目前非均匀STAP方法主要有：功率非均匀抑制法、非均匀检测器、杂波距离依赖性补偿法、直接数据域(DDD)算法及基于先验知识的STAP(KB-STAP)算法。随着稀疏技术的发展，一些学者将稀疏恢复(SparseRecovery，SR)技术引入到STAP方法中，产生了一种基于稀疏恢复的STAP(SR-STAP)方法，该方法利用了散射点的空时谱在空时平面上的稀疏性，即回波中的强散射点的个数远远小于待检测多普勒单元的个数。传统STAP方法和SR-STAP方法的唯一区别是：传统STAP方法按照统计方法利用若干个训练样本估计CCM，而SR-STAP方法则利用散射点在空时平面上的稀疏性利用一个或少量距离单元门上的数据直接算出CCM，这样就避免了传统STAP需要用充分多的样本数据进行训练的难题。但它们的滤波器结构都一样。SR-STAP算法的最大优势是，只需少量快拍即可实现高分辨的空时谱估计，进而获得对杂波特性的较好估计。SR-STAP算法根据稀疏表示结果构造STAP滤波器，稀疏表示的组合优化问题已经被研究人员证明是非确定性多项式(NP-hard)难题，需要寻找可行的近似求解方法。为解决该问题，学者们提出了大量的稀疏表示方法，其中贪婪算法复杂度低，在运行速度上具有明显优势。常见的算法有如下这些：1、MP算法匹配追踪(MatchingPursuit,MP)算法是最经典的贪婪方法。该算法在每次迭代过程中首先计算残差信号与原子的相关性，接着选取与残差信号相关性最强的原子更新系数向量支撑集，并计算所选取原子对应的系数，然后对残差信号进行更新并进入下一次迭代，直到达到终止条件。MP算法原理上十分简单，性能也有限。2、OMP算法正交匹配追踪(OrthogonalMatchingPursuit,OMP)算法是对MP算法的改进。在每次迭代中，它将本次选取的原子与之前选出的所有原子组成原子集，然后采用最小二乘方法求解原子集中每个原子对应的系数，之后更新残差信号并进入下一次迭代，直到满足终止条件。然而，在实际应用中很难满足严格正交性的要求，通常情况下矩阵中的各列向量仅局部近似正交。由于该类算法没有剔除机制，因此错误的基原子会保留至最后，并导致重建误差的增加。3、SP算法子空间追踪(SubspacePursuit,SP)引入了一种“后退追踪”的剔除策略，这种策略可以有效地剔除前次迭代中错误引入的基原子，较好地克服了OMP算法的缺点，并在性能上有了较大的提升。唯一不足的是SP算法需要预先知道稀疏度K的先验信息，而在实际情况中，稀疏度K往往无法事先获取，因此限制了该算法在实际中的应用。4、SAMP算法SAMP算法较好地结合了OMP算法“盲”搜索特性(即在不知道稀疏度K的先验信息下搜索支撑集)和SP算法的“后退追踪”的优势。算法在设计过程中引入了对稀疏度K的估计机制。但随着稀疏度K的增大，SAMP算法的复杂度急剧升高，从而不利于实际应用。
技术实现思路
有鉴于此，本公开实施例提供一种信号重构方法、装置及雷达，至少部分解决现有技术中存在的问题。第一方面，本专利技术实施例提供一种信号重构方法，所述方法包括：向预设区域发射雷达信号，并接收所述雷达信号的回波，其中，所述回波包含所需信号和杂波；根据所述雷达信号的回波，利用基于子空间追踪的基原子迭代扩展方法，扩展所述回波中的所需信号的支撑集；根据所述所需信号的支撑集，重构所述所需信号，并对所述回波中的杂波进行抑制。可选的，所述利用基于子空间追踪的基原子迭代扩展方法，构建所述回波中的所需信号的支撑集的步骤，包括：初始化支撑集，其中所述支撑集为空；执行支撑集内基原子扩展迭代流程，直至迭代后残差的能量低于预设阈值时停止，其中，每次执行支撑集内基原子扩展迭代流程均增加S个基原子，其中，S为正整数。可选的，支撑集内基原子扩展迭代流程，包括：在第l次扩展迭代流程中，选取相关系数最大的l×s个基原子，其中，1＜l≤N，N为扩展迭代的总次数；获取第(l-1)次选取的(l-1)×s个基原子；将第l次选取的l×s个基原子，和第(l-1)次选取的(l-1)×s个基原子，构造包含(2l-1)×s个基原子的中间候选集；将所述中间候选集中相关系数最小的(l-1)×s个基原子删除后的集合，作为新的支撑集。可选的，所述在第l次扩展迭代流程中，选取相关系数最大的l×s个基原子的步骤之前，所述方法还包括：获取第(l-1)次迭代后的支撑集对应的残差；将每个基原子和第(l-1)次迭代后的支撑集对应的残差做内积，获得每个基原子对应的相关系数。可选的，所述执行支撑集内基原子扩展迭代流程，直至迭代后残差的能量低于预设阈值时停止的步骤之后，所述方法包括：确定所述所需信号的稀疏度为N；所述根据所述所需信号的支撑集，重构所述所需信号的步骤，包括：根据所述所需信号的支撑集和所确定的稀疏度N，重构所述所需信号。第二方面，本专利技术实施例提供了一种信号重构装置，所述装置包括：收发模块，用于向预设区域发射雷达信号，并接收所述雷达信号的回波，其中，所述回波包含所需信号和杂波；扩展模块，用于根据所述雷达信号的回波，利用基于子空间追踪的基原子迭代扩展方法，扩展所述回波中的所需信号的支撑集；重构模块，用于根据所述所需信号的支撑集，重构所述所需信号，并对所述回波中的杂波进行抑制。可选的，所述扩展模块用于：初始化支撑集，其中所述支撑集为空；执行支撑集内基原子扩展迭代流程，直至迭代后残差的能量低于预设阈值时停止，其中，每次执行支撑集内基原子扩展迭代流程均增加S个基原子，其中，S为正整数。可选的，所述重构模块用于：支撑集内基原子扩展迭代流程，包括：在第l次扩展迭代流程中，选取相关系数最大的l×s个基原子，其中，1＜l≤N，N为扩展迭代的总次数；获取第(l-1)次选取的(l-1)×s个基原子；将第l次选取的l×s个基原子，和第(l-1)次选取的(l-1)×s个基原子，构造包含(2l-1)×s个基原子的中间候选集；将所述中间候选集中相关系数最小的(l-1)×s个基原子删除后的集合，作为新的支撑集。可选的，所述重构模块还用于：获取第(l-1)次迭代后的支撑集对应的残差；将每个基原子和第(l-1)次迭代后的支撑集对应的残差做内积，获得每个基原子对应的相关系数。第三方面，本专利技术实施例提供了一种雷达，包括雷达本体和处理器，所述处理器用于执行第一方面中任一项所述的方法。本专利技术基于现有算法所存在的问题，提出一种基于扩展子空间追踪本文档来自技高网...

【技术保护点】
1.一种信号重构方法，其特征在于，所述方法包括：/n向预设区域发射雷达信号，并接收所述雷达信号的回波，其中，所述回波包含所需信号和杂波；/n根据所述雷达信号的回波，利用基于子空间追踪的基原子迭代扩展方法，扩展所述回波中的所需信号的支撑集；/n根据所述所需信号的支撑集，重构所述所需信号，并对所述回波中的杂波进行抑制。/n

【技术特征摘要】
1.一种信号重构方法，其特征在于，所述方法包括：
向预设区域发射雷达信号，并接收所述雷达信号的回波，其中，所述回波包含所需信号和杂波；
根据所述雷达信号的回波，利用基于子空间追踪的基原子迭代扩展方法，扩展所述回波中的所需信号的支撑集；
根据所述所需信号的支撑集，重构所述所需信号，并对所述回波中的杂波进行抑制。


2.根据权利要求1所述的方法，其特征在于，所述利用基于子空间追踪的基原子迭代扩展方法，构建所述回波中的所需信号的支撑集的步骤，包括：
初始化支撑集，其中所述支撑集为空；
执行支撑集内基原子扩展迭代流程，直至迭代后残差的能量低于预设阈值时停止，其中，每次执行支撑集内基原子扩展迭代流程均增加S个基原子，其中，S为正整数。


3.根据权利要求2所述的方法，其特征在于，支撑集内基原子扩展迭代流程，包括：
在第l次扩展迭代流程中，选取相关系数最大的l×s个基原子，其中，1＜l≤N，N为扩展迭代的总次数；
获取第(l-1)次选取的(l-1)×s个基原子；
将第l次选取的l×s个基原子，和第(l-1)次选取的(l-1)×s个基原子，构造包含(2l-1)×s个基原子的中间候选集；
将所述中间候选集中相关系数最小的(l-1)×s个基原子删除后的集合，作为新的支撑集。


4.根据权利要求3所述的方法，其特征在于，所述在第l次扩展迭代流程中，选取相关系数最大的l×s个基原子的步骤之前，所述方法还包括：
获取第(l-1)次迭代后的支撑集对应的残差；
将每个基原子和第(l-1)次迭代后的支撑集对应的残差做内积，获得每个基原子对应的相关系数。


5.根据权利要求4所述的方法，其特征在于，所述执行支撑集内基原子扩展迭代流程，直至迭代后残差的能量低于预设阈值时停止的步骤之后，所述方法包括：
确定所述所需信号的稀疏度为N；

【专利技术属性】
技术研发人员：韩晓东，周运运，陆臻，
申请(专利权)人：中国航空工业集团公司雷华电子技术研究所，
类型：发明
国别省市：江苏;32