一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法技术

本发明专利技术公开了一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法，包括以下步骤：S1：对雷达的回波信号进行脉冲压缩，确定群目标雷达信号段；S2：对群目标雷达信号段进行频率去斜处理，得到单频信号；S3：利用稀疏贝叶斯学习算法对单频信号进行超分辨处理，得到群目标雷达信号的频点位置；S4：根据群目标雷达信号的频点位置确定雷达距离。与传统的脉冲压缩处理算法相比，基于稀疏贝叶斯学习算法的雷达距离超分辨算法分辨的效果可以提高1倍以上。距离超分辨算法分辨的效果可以提高1倍以上。距离超分辨算法分辨的效果可以提高1倍以上。

【技术实现步骤摘要】
一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法


[0001]本专利技术属于雷达信号处理
，具体涉及一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法。

技术介绍

[0002]常规处理情况下雷达距离分辨率取决于雷达所发射的基带信号带宽。在现代战争条件下，存在密集多目标或者单个扩展目标，包括飞行器编队飞行形成的编队目标，在真空段飞行的包含诱饵、碎片、弹头的弹道导弹群目标，轰炸机等较大型目标回波在距离向扩展等。如何分辨处间距较小的群目标，或者分离处遮蔽目标，或者对目标特征进行有效识别，这在军事指挥决策上具有重要的价值和意义。为此，在现有雷达测量精度条件下(或者基于现有雷达装备下)，研究具有更高雷达距离分辨率的超分辨信号处理算法具有重要意义。

技术实现思路

[0003]本专利技术的目的是为了解决雷达距离分辨率处理的问题，提出了一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法。
[0004]本专利技术的技术方案是：一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法包括以下步骤：
[0005]S1：对雷达的回波信号进行脉冲压缩，确定群目标雷达信号段；
[0006]S2：对群目标雷达信号段进行频率去斜处理，得到单频信号；
[0007]S3：利用稀疏贝叶斯学习算法对单频信号进行超分辨处理，得到群目标雷达信号的频点位置；
[0008]S4：根据群目标雷达信号的频点位置确定雷达距离。
[0009]本专利技术的有益效果是：本专利技术针对常规的脉冲压缩处理对群目标距离分辨能力受到信号带宽限制，目标分辨识别难度大的问题，在现有雷达的测量精度下，提出基于稀疏贝叶斯学习算法的雷达距离超分辨算法。将雷达回波信号通过去斜率预处理后成为单频信号，并且目标的距离位置信息转换为信号频率信息，再利用贝叶斯学习算法完成信号频率超分辨分析得到频率估值，进而转换为目标距离估值分辨出各目标。与传统的脉冲压缩处理算法相比，基于稀疏贝叶斯学习算法的雷达距离超分辨算法分辨的效果可以提高1倍以上。
[0010]进一步地，步骤S1中，对雷达的回波信号进行脉冲压缩包括以下子步骤：
[0011]S11：将线性调频信号作为雷达的发射信号
[0012]S12：根据雷达的发射信号确定雷达的接收基带回波信号
[0013]S13：对雷达的发射信号和接收基带回波信号进行卷积，完成对雷达的回波信号的脉冲压缩处理。
[0014]上述进一步方案的有益效果是：在本专利技术中，对回波信号进行脉冲压缩可以初步
判断是否存在目标以及群目标回波所在的粗略位置，为避免截取的信号段中只含有噪声导致超分辨不准确的情况。
[0015]进一步地，步骤S11中，雷达的发射信号的表达式为：
[0016][0017]其中，rect(
·
)表示门函数运算，μ表示线性调频信号的调频斜率，T
p
表示发射脉冲持续时间，表示快时间，exp(
·
)表示指数运算，j表示虚数；
[0018]步骤S12中，雷达的接收基带回波信号的计算公式为：
[0019][0020]其中，C
v
表示光速，R表示目标与雷达的径向距离；
[0021]步骤S13中，对雷达的发射信号和接收基带回波信号进行卷积的计算公式为：
[0022][0023]其中，表示脉冲压缩后的雷达回波信号，sinc(
·
)表示辛格函数运算，B表示发射信号的带宽，表示雷达载波波长。
[0024]进一步地，步骤S2包括以下子步骤：
[0025]S21：基于群目标雷达信号段，利用雷达的发射信号构建参考信号
[0026]S22：将参考信号和接收基带回波信号共轭相乘，得到去斜处理后的单频信号
[0027]上述进一步方案的有益效果是：在本专利技术中，通过频率去斜率处理，将信号转化为单频信号，也将测距转化为测频率，提升了贝叶斯学习算法对雷达信号的适应能力。
[0028]进一步地，步骤S21中，参考信号的计算公式为：
[0029][0030]其中，exp(
·
)表示指数运算，μ表示调频斜率，表示快时间，R
ref
表示参考信号对应的距离，C
v
表示光速，j表示虚数；
[0031]步骤S22中，单频信号的计算公式为：
[0032][0033]其中，表示接收基带回波信号，conj[.]表示取共轭运算，rect(
·
)表示门函数运算，φ0为常数相位项，t0表示，δ表示参考信号相对于距离R处回波信号的延迟时间。
[0034]进一步地，步骤S3包括以下子步骤：
[0035]S31：构建超完备字典集，并在超完备字典集中对单频信号中噪声w的噪声功率σ和可压缩信号x的先验方差α赋初值；
[0036]S32：根据当前先验方差，计算可压缩信号x的后验协方差矩阵Σ和后验均值矢量β；
[0037]S33：更新单频信号中噪声w的噪声功率σ和可压缩信号x的先验方差α；
[0038]S34：判断更新后的单频信号中噪声w的噪声功率σ
new
和可压缩信号x的先验方差α
new
是否满足收敛条件，若是则结束迭代更新，并将后验均值矢量β中模最大的元素对应的频点位置作为群目标雷达信号的频点位置，否则返回步骤S32。
[0039]上述进一步方案的有益效果是：在本专利技术中，通过利用贝叶斯算法对原信号的精确重构的特性，实现对群目标的超分辨。
[0040]进一步地，步骤S32中，可压缩信号x的后验协方差矩阵Σ的计算公式为：
[0041][0042]其中，diag(α)表示以α为对角元的对角矩阵，α表示可压缩信号x的先验方差，σ2表示噪声w的方差，A表示，H表示；
[0043]可压缩信号x的后验均值矢量β的计算公式为：
[0044][0045]进一步地，步骤S33中，更新单频信号中噪声w的噪声功率σ和可压缩信号x的先验方差α的计算公式为：
[0046][0047][0048]其中，σ
new
表示更新后的噪声w的噪声功率，α
new
表示更新后的可压缩信号x的先验方差，表示α
new
的第n个元素，y表示，A表示，β表示可压缩信号的后验均值矢量，H表示，M表示，γ表示，sum(γ)表示γ中所有值之和，γ
n
表示，β
n
表示β的第n个元素，α
n
表示α的第n个元素。
[0049]进一步地，步骤S34中，收敛条件的表达式为：
[0050][0051]其中，σ表示噪声w的噪声功率，α
n
表示可压缩信号的先验方差α的第n个元素，α
new
表示更新后的可压缩信号x的先验方差，表示α
new
的第n个元素，σ
new
表示更新后的噪声本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法，其特征在于，包括以下步骤：S1：对雷达的回波信号进行脉冲压缩，确定群目标雷达信号段；S2：对群目标雷达信号段进行频率去斜处理，得到单频信号；S3：利用稀疏贝叶斯学习算法对单频信号进行超分辨处理，得到群目标雷达信号的频点位置；S4：根据群目标雷达信号的频点位置确定雷达距离。2.根据权利要求1所述的基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法，其特征在于，所述步骤S1中，对雷达的回波信号进行脉冲压缩包括以下子步骤：S11：将线性调频信号作为雷达的发射信号S12：根据雷达的发射信号确定雷达的接收基带回波信号S13：对雷达的发射信号和接收基带回波信号进行卷积，完成对雷达的回波信号的脉冲压缩处理。3.根据权利要求2所述的基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法，其特征在于，所述步骤S11中，雷达的发射信号的表达式为：其中，r(
·
)表示门函数运算，μ表示线性调频信号的调频斜率，T
p
表示发射脉冲持续时间，表示快时间，exp(
·
)表示指数运算，j表示虚数；所述步骤S12中，雷达的接收基带回波信号的计算公式为：其中，C
v
表示光速，R表示目标与雷达的径向距离；所述步骤S13中，对雷达的发射信号和接收基带回波信号进行卷积的计算公式为：其中，表示脉冲压缩后的雷达回波信号，sinc(
·
)表示辛格函数运算，B表示发射信号的带宽，表示雷达载波波长。4.根据权利要求2所述的基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法，其特征在于，所述步骤S2包括以下子步骤：S21：基于群目标雷达信号段，利用雷达的发射信号构建参考信号
S22：将参考信号和接收基带回波信号共轭相乘，得到去斜处理后的单频信号5.根据权利要求4所述的基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法，其特征在于，所述步骤S21中，参考信号的计算公式为：其中，exp(
·
)表示指数运算，μ表示调频斜率，表示快时间，R
ref
表示参考信号对应的距离，C
v
表示光速，j表示虚数；所述步骤S22中，单频信号的计算公式为：其中，表示接收基带回波信号，conj[.]表示取共轭运算，rect(
·
)表示门函数运算，φ0为常数相位项，t0表示，δ表示参考信号相对于距离R处回波信号的延迟时间。6.根据权利要求1所述的基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法，其特征在于，所述步骤S3包括以下子步骤：S31：构建超完备字典集，并在超完备字典集中对单频信号中噪声w的噪声功率σ和可压缩信号x的先验方差...

【专利技术属性】
技术研发人员：曹建蜀，陈岁新，于昕凝，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：