本发明专利技术公开了一种基于三迭代的机载ＭＩＭＯ雷达空时降维自适应处理方法，以解决传统空时降维自适应处理技术所需训练样本数多、计算复杂度高且收敛速度慢的问题。其实现步骤是：首先对雷达接收到的回波信号进行距离压缩；然后利用三维级联结构将全维权矢量分解为空域发射权矢量、空域接收权矢量和时域权矢量Ｋｒｏｎｅｃｋｅｒ积的形式；最后构造降维变换矩阵并通过ＴＲＩＡ方法得到上述三个分离的权矢量，进而得到全维权矢量。本发明专利技术具有所需训练样本数少、计算复杂度低和收敛速度快的优点，可用于机载ＭＩＭＯ雷达空时自适应处理。
【技术实现步骤摘要】
本专利技术属于雷达
，具体说是一种多输入多输出MIMO雷达系统的自适应 杂波抑制方法，可用于波束形成，以提高雷达检测性能。
技术介绍
多输入多输出MIMO雷达是近年来学术界提出的一种新体制雷达，这种雷达在发 射端同时发射多个正交或非相干信号，并在接收端通过匹配滤波处理分离各发射信号分量 以实现发射波形分集。利用波形分集技术，MIMO雷达采用较小的天线规模即可形成很大的 虚拟阵列孔径，这在一定程度上克服了机载应用背景下传统雷达天线孔径和重量受载机平 台严格限制的缺点，从而提高了雷达的角度分辨率和杂波抑制能力。因此，机载MIMO雷达 逐渐成为雷达界的一个研究热点。空时自适应处理技术是机载预警雷达检测慢速运动目标 的关键技术，但在实际应用中受到独立同分布IID样本少和计算量大等问题的制约。在机 载相控阵雷达体制下，人们已经提出许多旨在降低样本需求和计算量的降维自适应算法， 如主分量算法PC、因子化算法FA以及扩展因子化算法EFA等。虽然这些方法同样适用于机 载MIMO雷达，但是发射波形分集大大增加了 MIMO雷达数据的维数，直接应用上述方法的样 本需求量和计算量依然很大，且收敛速度慢。
技术实现思路
本专利技术针对机载MIMO雷达的特点及以上现有技术存在的不足，提出一种基于三 迭代的机载MIMO雷达空时降维自适应处理方法。该方法同时利用空时可分离特性和杂波 协方差矩阵的低维特性构造降维变换矩阵，从而大大减小矩阵求逆的运算量，降低对IID 样本数目的要求，提高收敛速度。实现本专利技术目的的技术关键，是根据已有的目标信号三维空时导向矢量的 Kronecker积形式，将全维权矢量构造成目标发射权矢量、接收权矢量和时域权矢量三者的 Kronecker积形式，并通过空时级联三迭代自适应处理对三者进行求解，从而得到全维权矢 量。具体实现步骤如下1)对雷达接收到的回波信号进行距离压缩；2)将经距离压缩后的目标信号的三维空时导向矢量b分解成空域发射导向矢量、 空域接收导向矢量和时域导向矢量Kronecker积的形式 其中，b为目标信号经距离压缩后的三维空时导向矢量，a(的，钓)GCMx1， a應水)GCam和S,(DECM分别为目标的发射导向矢量、接收导向矢量和时域导向矢 量，圮悅，朽)= (S'ST)V2a讽，釣)为距离压缩后的目标发射导向矢量，表示发射信号 矩阵， 代表Kronecker积，{ · }τ代表转置，{ · 代表复共轭；3)根据所述Kronecker积的形式，构造目标信号的全维权矢量w = q u ν= (Ix u v)q = (q U(X)Ijv)v = (q IM v)u其中，发射权矢量ueCM>d对应距离压缩后的目标发射导向矢量圮悅,钓)，接收权 矢量VECjvxl对应目标接收导向矢量时域权矢量qECM对应目标时域导向矢量 st (fd, t)，IK、In和Im分别表示K维、N维和M维单位阵；4)将q、ν和u表示成q (ρ)、ν (ρ)和U (ρ)的形式，ρ表示迭代次数；根据LCMV准 则，对经距离压缩后的目标信号进行空时级联三迭代自适应处理，求解q、ν和u ；5)对得出的q、ν和u做Kronecker积，得到全维权矢量W。本专利技术与现有技术相比具有如下优点本专利技术结合机载MIMO雷达目标导向矢量的Kronecker积结构，利用三维权矢量 空时可分离特性将最优权矢量近似表示为发射、接收和时域三个低维权矢量的Kronecker 积形式，从而方便构造降维矩阵；同时本专利技术基于循环迭代的思想依次固定其中的两个权 矢量，并由此构造相应的降维变换矩阵，在低维空间上优化另一个权矢量，使其在降维的同 时，降低了系统的样本需求和运算量，并提高了收敛的速度。附图说明图1为本专利技术流程图；图2为实验一中用本专利技术与现有方法改善因子的对比图；图3为实验一中用本专利技术和现有方法改善因子随迭代次数变化的曲线图；图4为实验一中用本专利技术与现有方法改善因子随训练样本数变化的曲线图；图5为实验二中用本专利技术与现有方法改善因子的对比图；图6为实验二中用本专利技术和现有方法改善因子随迭代次数变化的曲线图；图7为实验二中用本专利技术与现有方法改善因子随训练样本数变化的曲线图。具体实施例方式参照图1，本专利技术的具体步骤包括如下步骤1，对雷达接收到的回波信号进行距离压缩。1. 1)假设一个机载MIMO雷达系统，发射和接收阵元数分别为M和N，并把第1个 全向距离环分解为N。个小的杂波单元，灼表示该距离环的俯仰角，θ i表示其中第i个杂波 单元的方位角，若一个相干处理时间内每个阵元接收K个脉冲，则接收阵列在第k次回波对 第1个距离环的采样数据矩阵为 其中，β i为第i个杂波单元接收信号的复幅度，服从均值为0、方差为of的高斯分 布，/u= 2VC0S约COS釣/λ/为相应杂波单元的归一化多普勒频率，V为载机速度，λ为雷达 工作波长，fr为脉冲重复频率，a,悅，釣)GCmx1和ar(《,釣)GCM分别为空域发射导向矢量和 接收导向矢量，SGCmxp为发射信号矩阵；1. 2)设发射阵元同时发射码长为P的正交编码信号，为保证噪声是时域白噪声，利用Sh(SSh)代替S1^fX(Lk)进行距离压缩及按列堆栈处理后的输出为 其中，kxe^) = (S*ST)1/2 为距离压缩后的发射导向矢量，且满足S*ST# IM，Im为M维的单位阵，{ · }H代表复共轭转置。步骤2，将经距离压缩后的目标信号的三维空时导向矢量分解成空域发射导向矢 量、空域接收导向矢量和时域导向矢量Kronecker积的形式。2. 1)将距离压缩及按列堆栈处理后的输出c(l，k)，(k = 1,2,…，K)重新排列， 得到第1个距离环的NMKX 1维杂波采样数据为 其中Α(Λ》= [1,···, V2^FY为时域导向矢量；2.2)设目标的发射、接收和时域导向矢量分别为+悅，灼)，St (fd, t), 则目标信号经距离压缩后的三维空时导向矢量为(4)其中，圮树,钓) ar树，钓)表示目标的二维空域导向矢量，S讽,灼)= (S*ST广a浙，外)为距离压缩后的目标发射导向矢量，fs,t和别表示目标的 归一化空间频率和多普勒频率，即将机载MIMO雷达空域导向矢量转化为发射、接收导向矢 量的Kronecker积形式，而非传统机载雷达的单纯的接收导向矢量形式。步骤3，根据所述三维空时导向矢量b的Kronecker积形式，构造全维权矢量。设u = τ为空域发射权矢量，ν = τ为空域接收权矢量，q =T为时域权矢量，将全维权矢量表示成w = q u v = (Ijr u v)q = (q u IAr)y = (q Iw v)u 。 (5)步骤4，将q、ν和u表示成q (ρ)、ν (ρ)和U (ρ)的形式，ρ表示迭代次数；根据LCMV准则，采用空时级联(S-T)结构和时空级联(T-S)结构的处理器对信号进行处理，将自适应 处理分别应用于MIMO雷达STAP信号发射、接收及时域部分，进行空时级联三迭代自适应处 理，求解q、ν和U。4. 1)初始化 表示对矢量求2-范数；4. 2)固定 U (P-I)和 V (P-I)，令 T9 = -l) y(p -1)为第一线性变换矩阵，通 过下述代价函数求解q 本文档来自技高网...
【技术保护点】
一种基于三迭代的用于机载ＭＩＭＯ雷达的空时降维自适应处理方法，包括如下步骤：１）对雷达接收到的回波信号进行距离压缩；２）将经距离压缩后的目标信号的三维空时导向矢量ｂ分解成空域发射导向矢量、空域接收导向矢量和时域导向矢量Ｋｒｏｎｅｃｋｅｒ积的形式：ｂ＝ｓ↓［ｔ］（ｆ↓［ｄ，ｔ］）＊＊↓［ｔ］（θ↓［ｔ］，φ↓［ｔ］）＊ａ↓［ｒ］（θ↓［ｔ］，φ↓［ｔ］）其中，ｂ为目标信号经距离压缩后的三维空时导向矢量，ａ↓［ｔ］（θ↓［ｔ］，φ↓［ｔ］）∈＊↑［Ｍ×１］、ａ↓［ｒ］（θ↓［ｔ］，φ↓［ｔ］）∈＊↑［Ｎ×１］和ｓ↓［ｔ］（ｆ↓［ｄ，ｔ）∈＊↑［Ｋ×１］分别为目标的发射导向矢量、接收导向矢量和时域导向矢量，＊↓［ｔ］（θ↓［ｔ］，φ↓［ｔ］）＝（Ｓ↑［＊］Ｓ↑［Ｔ］）↑［１／２］ａ↓［ｔ］（θ↓［ｔ］，φ↓［ｔ］）为距离压缩后的目标发射导向矢量，Ｓ∈＊↑［Ｍ×Ｐ］表示发射信号矩阵，＊代表Ｋｒｏｎｅｃｋｅｒ积，｛.｝↑［Ｔ］代表转置，｛.｝↑［＊］代表复共轭；３）根据所述Ｋｒｏｎｅｃｋｅｒ积的形式，构造目标信号的全维权矢量：ｗ＝ｑ＊ｕ＊ｖ＝（Ｉ↓［Ｋ］＊ｕ＊ｖ）ｑ＝（ｑ＊ｕ＊Ｉ↓［Ｎ］）ｖ＝（ｑ＊Ｉ↓［Ｍ］＊ｖ）ｕ其中，发射权矢量ｕ∈＊↑［Ｍ×１］对应距离压缩后的目标发射导向矢量＊↓［ｔ］（θ（ｔ），φ↓［ｔ］），接收权矢量ｖ∈＊↑［Ｎ×１］对应目标接收导向矢量ａ↓［ｒ］（θ↓［ｔ］，φ↓［ｔ］），时域权矢量ｑ∈＊↑［Ｋ×１］对应目标时域导向矢量ｓ↓［ｔ］（ｆ↓［ｄ，ｔ］），Ｉ↓［Ｋ］、Ｉ↓［Ｎ］和Ｉ↓［Ｍ］分别表示Ｋ维、Ｎ维和Ｍ维单位阵；４）将ｑ、ｖ和ｕ表示成ｑ（ｐ）、ｖ（ｐ）和ｕ（ｐ）的形式，ｐ表示迭代次数；根据ＬＣＭＶ准则，对经距离压缩后的目标信号进行空时级联三迭代自适应处理，求解ｑ、ｖ和ｕ；５）对得出的ｑ、ｖ和ｕ做Ｋｒｏｎｅｃｋｅｒ积，得到全维权矢量ｗ。...
【技术特征摘要】
【专利技术属性】
技术研发人员：冯大政，向聪，李倩，曹杨，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87[中国|西安]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。