一种多通道无源雷达直达波干扰抑制方法

技术领域

本发明属于雷达干扰抑制技术领域，主要针对无源雷达系统，尤其涉及一种多通道无源雷达直达波干扰抑制技术。

背景技术

雷达系统与雷达技术是人类通过利用电磁波实现对目标的探测、定位、跟踪、成像及识别的一套重要的工具。雷达自二十世纪30年代出现后，就被应用于军事领域，并在此后得到了迅猛的发展。自第二次世界大战以来，雷达作为信息探测系统的主要传感器以及信息源，为使用者打赢信息战、赢得信息优势继而获得战场的胜利提供了至关重要的保证。

无源雷达，也称为外辐射源雷达、被动雷达，是一种自身不发射电磁波信号，而依靠空间中已经存在的电磁波来实现对目标探测、定位与跟踪等功能的雷达探测系统。无源雷达可以利用目标本身发射的电磁波信号来实现对目标的探测与跟踪，或通过接收目标反射的第三方合作/非合作的辐射源电磁波信号来实现对目标的探测。这类雷达系统具有隐蔽性好、反隐身潜力好、组网能力强、系统成本低、无电磁污染等优点。

对于利用第三方辐射源的无源雷达系统，辐射源的直达波功率通常远高于经过目标反射的回波信号功率，因此需要对直达波干扰进行有效抑制，才能够实现对目标的准确检测与定位。传统的直达波抑制方法是利用不同第三方辐射源的电磁波特性，通过提纯参考信号对直达波进行干扰相消。尽管这类方法能够一定程度上抑制直达波干扰，提高回波信号的信干比，但其信干比仍较低，需要进一步抑制直达波以及噪声信号的干扰。

发明内容

本发明目的在于针对目前无源雷达容易受到第三方辐射源直达波干扰影响的情况，利用本发明提出的方法解决多通道无源雷达抑制直达波干扰的问题。本发明能够将多通道无源雷达的原始雷达数据先后进行时域处理和空域滤波，自适应地对直达波干扰进行抑制。

为解决上述问题，本发明的具体技术方案如下：一种多通道无源雷达直达波干扰抑制方法，所述方法包括以下步骤：

步骤1：输入多通道雷达原始接收数据；

步骤2：利用RPCA方法进行时域干扰抑制；

步骤3：利用LCMV方法进行空域干扰抑制；

步骤4：得到经过时域、空域干扰抑制后的雷达数据，用于后续检测、跟踪。

具体如下：该方案先进行时域干扰抑制，后进行空域干扰抑制，自适应地抑制原始雷达信号中的直达波干扰，其具体实施步骤如下：

步骤1、读取多通道无源雷达接收到的原始数据，其中包含微弱的目标回波信号、强直达波干扰信号以及噪声信号。将每个通道的数据分开，分别进行距离-多普勒处理，将每个通道的一维的时域雷达数据转换为快时间-慢时间域的矩阵形式雷达数据。

步骤2、根据实际环境与雷达系统参数，由于直达波干扰具有低秩稀疏特性，与回波信号的性质存在差异，因此可以通过构建优化问题模型，提取信号的特征并将回波信号与直达波信号进行分离，优化问题数学模型如下式所示：

该优化问题本质上转化为稳健主成分分析（RPCA）问题，其中包含两部分，即一个非凸的低秩恢复问题和一个凸稀疏正则化问题，通过构建拉格朗日方程，并通过拉格朗日乘子法就求解得到各通道的

步骤2中构造的拉格朗日方程为

，其中引入了拉格朗日乘子以及惩罚超参数用于求解，同时使用核范数、/>

步骤2中求解变量

步骤3、将步骤2中求解得到各通道的回波信号数据矩阵重新转换为时域向量形式，再通过将各通道数据按阵列顺序进行堆叠，从而将向量形式组合成矩阵形式，随后，通过空域滤波技术领域中的线性约束最小方差（LCMV）方法可以对阵列天线的多通道数据进行自适应波束形成，主要目的为增强期望方向的信号，同时抑制干扰方向的信号，其优化问题模型如下式所示：

，

该问题通过常规的拉格朗日乘子法求解得到相对应的闭式解，即对各通道的加权系数，其中，

步骤3中通过LCMV算法可以很容易地求解得到的阵列各通道权值矢量为

，其中/>

步骤4、使用步骤3求解得到的加权系数分别对步骤2得到的对应的各通道数据进行加权求和，从而得到经过空域滤波后的单通道雷达数据。经过上述一系列处理，该雷达数据中的直达波干扰将被极大地抑制，从而可以应用于后续的目标检测、目标识别、目标跟踪等处理。

步骤4中求解变量

进一步的，在求解的过程中还需要使用奇异值阈值（SVT）方法求解干扰信号和使用软阈值（ST）方法求解回波信号。SVT方法通过对要求解的变量矩阵进行奇异值分解（SVD），并通过奇异值阈值函数进行变换，从而可以将非凸优化问题松弛为凸优化问题，通过核范数与F范数进行近似，从而使优化问题可以求得闭式解。ST方法通过软阈值函数对目标函数进行变换，从而得到闭式解。

本发明的一种多通道无源雷达直达波干扰抑制方法，具有以下优点：

1、本发明结合了低秩恢复方法与空域自适应波束形成方法；

2、本发明先求解时域干扰抑制优化问题，再求解空域自适应波束形成优化问题；

3、本发明可以自适应地处理输入的多通道无源雷达原始信号，输出抑制干扰后的回波信号，有效实现了对直达波干扰的抑制；

4、本发明在求解优化问题时使用了奇异值阈值函数和软阈值函数辅助，提高了估计的准确性和抗干扰能力，降低了抑制干扰后的均方根误差，提高了抑制干扰后结构相似性；

5、本发明相比于目前抗干扰能力较好的方法提高性能的同时，一定程度上降低了计算复杂度，减少了计算时间。

附图说明

图1为本发明的流程示意图；

图2为本发明应用的具体场景；

图3为本发明使用的仿真无干扰信号的雷达数据；

图4为本发明使用的仿真受到干扰信号影响的雷达数据；

图5为使用LCMV方法抑制干扰后的雷达数据；

图6为使用ESP方法抑制干扰后的雷达数据；

图7为使用RPCA方法抑制干扰后的雷达数据；

图8为使用本发明方法抑制干扰后的雷达数据。

具体实施方式

下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。

实施例1：参见图1、图2，一种多通道无源雷达直达波干扰抑制方法，所述方法包括以下步骤：

步骤1：输入多通道雷达原始接收数据；

步骤2：利用RPCA方法进行时域干扰抑制；

步骤3：利用LCMV方法进行空域干扰抑制；

步骤4：得到经过时域、空域干扰抑制后的雷达数据，用于后续检测、跟踪。

具体如下：该方案先进行时域干扰抑制，后进行空域干扰抑制，自适应地抑制原始雷达信号中的直达波干扰，其具体实施步骤如下：

步骤1、读取多通道无源雷达接收到的原始数据，其中包含微弱的目标回波信号、强直达波干扰信号以及噪声信号。将每个通道的数据分开，分别进行距离-多普勒处理，将每个通道的一维的时域雷达数据转换为快时间-慢时间域的矩阵形式雷达数据。

步骤2、根据实际环境与雷达系统参数，由于直达波干扰具有低秩稀疏特性，与回波信号的性质存在差异，因此可以通过构建优化问题模型，提取信号的特征并将回波信号与直达波信号进行分离，优化问题数学模型如下式所示：

，

该优化问题本质上转化为稳健主成分分析（RPCA）问题，其中包含两部分，即一个非凸的低秩恢复问题和一个凸稀疏正则化问题，通过构建拉格朗日方程，并通过拉格朗日乘子法就求解得到各通道的

步骤2中，构造的拉格朗日方程为

，其中引入了拉格朗日乘子以及惩罚超参数用于求解，同时使用核范数、/>

步骤2中求解变量

步骤3、将步骤2中求解得到各通道的回波信号数据矩阵重新转换为时域向量形式，再通过将各通道数据按阵列顺序进行堆叠，从而将向量形式组合成矩阵形式，随后，通过空域滤波技术领域中的线性约束最小方差（LCMV）方法可以对阵列天线的多通道数据进行自适应波束形成，主要目的为增强期望方向的信号，同时抑制干扰方向的信号，其优化问题模型如下式所示：

，

该问题通过常规的拉格朗日乘子法求解得到相对应的闭式解，即对各通道的加权系数，其中，

步骤3中通过LCMV算法可以很容易地求解得到的阵列各通道权值矢量为

，其中/>

步骤4、使用步骤3求解得到的加权系数分别对步骤2得到的对应的各通道数据进行加权求和，从而得到经过空域滤波后的单通道雷达数据。经过上述一系列处理，该雷达数据中的直达波干扰将被极大地抑制，从而可以应用于后续的目标检测、目标识别、目标跟踪等处理。

步骤4中求解变量

进一步的，在求解的过程中还需要使用奇异值阈值（SVT）方法求解干扰信号和使用软阈值（ST）方法求解回波信号。SVT方法通过对要求解的变量矩阵进行奇异值分解（SVD），并通过奇异值阈值函数进行变换，从而可以将非凸优化问题松弛为凸优化问题，通过核范数与F范数进行近似，从而使优化问题可以求得闭式解。ST方法通过软阈值函数对目标函数进行变换，从而得到闭式解。

实施例2：本发明公开的一种多通道无源雷达直达波干扰抑制方法，选择使用仿真的雷达数据实施本发明。如图1所示，本发明的具体实施方法如下，应用场景如图2所示：

（1）使用matlab软件读取多通道无源雷达接收到的原始数据如图4所示，其中包含微弱的目标回波信号、强直达波干扰信号以及噪声信号。将每个通道的数据分开，分别进行距离-多普勒处理，将每个通道的一维的时域雷达数据转换为快时间-慢时间域的矩阵形式雷达数据。

（2）根据实际环境与雷达系统参数，利用直达波干扰具有的低秩稀疏特性，构建优化问题模型，使用稳健主成分分析（RPCA）方法求解该优化问题，从而能够得到抑制直达波干扰后的雷达数据。步骤1中分开的每个通道数据需要分别进行这一步处理，优化问题数学模型如下式所示：

，

该优化问题本质上可以转化为稳健主成分分析（RPCA）问题，其中包含两部分，即一个非凸的低秩恢复问题和一个凸稀疏正则化问题。通过构建拉格朗日方程，并通过拉格朗日乘子法就可以求解得到各通道的

（3）将（2）中求解得到各通道的回波信号数据矩阵重新转换为时域向量形式，再通过将各通道数据按阵列顺序进行堆叠，从而将向量形式组合成矩阵形式。随后，通过空域滤波技术领域中的线性约束最小方差（LCMV）方法可以对阵列天线的多通道数据进行自适应波束形成，主要目的为增强期望方向的信号，同时抑制干扰方向的信号，其优化问题模型如下式所示：

，

该问题可以通过常规的拉格朗日乘子法求解得到相对应的闭式解，即对各通道的加权系数，阵列各通道权值矢量为

（4）使用（3）中求解得到的加权系数分别对（2）中得到的对应的各通道数据进行加权求和，从而得到经过空域滤波后的单通道雷达数据。经过上述一系列处理，该雷达数据中的直达波干扰将被极大地抑制，从而可以应用于后续的目标检测、目标识别、目标跟踪等处理。

图5、图6、图7为使用其他方式得到的结果，用于与本发明方法进行比较。其中，图5、6、7在受到干扰的情况下几乎无法检测到目标，使用本发明方法的图8可以清晰地展现目标的距离、方位信息。在数据上，使用其他方法的图5、6、7的均方根误差均高于本发明方法的图8，同时结构相似性均低于本发明方法。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。