《基于道路信息的知识辅助空时自适应处理》由会员分享,可在线阅读,更多相关《基于道路信息的知识辅助空时自适应处理(6页珍藏版)》请在金锄头文库上搜索。
1、第37卷第3期 电 子 与 信 息 学 报 Vol.37 No.3 2015 年 3 月 Journal of Electronics then the range-Doppler cells which may contain vehicle echo are obtained according to the velocity; in the following, this study distinguish whether the training samples contain vehicle echo according to the matching degree of the t
2、raining samples with the steering vector of the main lobe and the clutter; finally, the samples containing vehicle echo are discarded when the covariance matrix for the STAP is estimated. The theory analysis and experimental results illustrate that the proposed method advances the output of signal t
3、o clutter plus noise ratio, and improves the performance of STAP in the road network environments. Key words: Space Time Adaptive Processing (STAP); Knowledge Aided (KA); Road network data; Target self nulling 1 引言 空 时 自 适 应 处 理 (Space Time Adaptive Processing, STAP)需要杂波的协方差矩阵来计算自 适应权值,该矩阵通常是未知的,需要通
4、过训练样 本估计得到1。 为了估计杂波的协方差矩阵, 经典的 滑窗法2通常选择待处理单元附近的距离采样数据 作为训练样本。例如,如果需要0L个训练样本,那 么在检测单元前后(为了防止目标自相消和目标信2014-05-14 收到,2014-08-18 改回 国家自然科学基金(61372133, 61471285, 61401500)和国家留学基金资助课题 *通信作者:王彤 号在距离维的扩展,需要剔除待处理单元及其附近 的若干保护单元)各选择0/2L个训练样本来估计杂 波的协方差矩阵。此时,假设这种使用滑窗方法挑 选出的训练样本能够代表待处理单元的杂波。 然而, 在非均匀杂波环境中,这种假设是不
5、成立的。为了 保证所估计的杂波协方差矩阵的性能,训练样本的 数量要大于系统自由度的2倍3。根据雷达系统参数 和距离分辨率可以得知,训练样本数据所跨越的地 面长度可长达数百米甚至数千米。雷达工作的范围 如此之大以至于环境中存在的离散杂波点、功率非 均匀性以及海陆交界等地形差异使得不同距离门的 杂波具有不同的统计特性4 5, 用滑窗法挑选出的训614 电 子 与 信 息 学 报 第 37 卷 练样本与待处理单元的杂波统计特性并不一定相 同,由此估计的协方差矩阵与待处理单元的实际的 杂波协方差矩阵存在偏差,此时空时自适应处理抑 制杂波的性能会下降;当训练样本中含有目标信号 时,所估计的杂波协方差矩阵
6、中包含目标信号(称为 奇异样本),由此得到的自适应权值进行STAP时会 造成目标相消6 8,引起漏警。 为了防止STAP时目标自相消现象的发生, 在估 计杂波协方差矩阵的时候必须剔除被目标信号污染 的训练样本。一些学者提出了基于先验知识的 STAP9 11, 用已有的雷达数据、 地图数据和道路信 息等来辅助空时自适应信号处理,取得了不错的效 果, 证明了先验知识在STAP中的价值。 主波束内道 路上的车辆回波信号与目标信号具有相似的形式, 如果用含有这种车辆回波信号的训练样本来估计杂 波协方差矩阵,STAP时会造成目标自相消9。文献 9将所有包含道路的距离单元剔除,可以在一定程 度上改进STA
7、P性能, 然而这种方法在道路密集的环 境中会剔除大量训练样本, 从而导致STAP的训练样 本不足而使其性能下降12。 针对文献9的不足,本文提出了一种改进的基 于道路信息的STAP算法, 根据道路信息剔除被主波 束内车辆回波信号污染的训练样本。道路上存在许 多运动目标,雷达主波束中的车辆相对于雷达的多 普勒频率有可能与待处理单元中目标的多普勒频率 相同,那么车辆与待处理单元中所要检测的真实目 标具有相同的空时导向矢量,这样,在空时自适应 处理估计协方差矩阵时如果训练样本中含有主波束 的车辆回波信号,就相当于训练样本中含有目标信 号,所求得的自适应权值作用于待处理单元时就会 造成目标相消而使其性
8、能下降,所以空时自适应处 理估计协方差矩阵挑选训练样本时剔除主波束内车 辆回波所在的距离门可以提高STAP的性能。 为了防 止训练样本过度剔除问题,本文根据一定的准则判 断训练样本是否被主波束内车辆回波信号污染,进 而由此剔除被主波束车辆回波信号污染的训练样 本。 本文算法首先根据雷达构型、惯导信息及道路 网信息计算雷达主波束内道路所在的距离-多普勒 单元;然后根据道路相对于雷达的角度和车辆的速 度范围计算出道路上车辆相对于雷达的径向速度范 围,从而得到可能包含主波束车辆回波信号的距离- 多普勒单元;接着,对于某待处理单元,在其相同 多普勒通道中挑选与其临近的距离单元(剔除保护 单元)作为原始
9、训练样本,根据原始训练样本数据矢 量与杂波导向矢量及道路导向矢量的匹配程度判断 其是否为车辆回波,从而剔除被主波束车辆回波信号污染的原始训练样本;最后,用挑选出的训练样 本计算自适应权值进行STAP。 2 信号模型 以机载正侧视均匀线阵雷达为例进行分析,假 设该雷达包含N个间距为d的阵元,雷达与杂波散 射点的几何关系如图 1 所示。载机的速度v平行于 地面沿X轴正方向,雷达轴向与载机速度平行,杂 波散射点相对于雷达的俯仰角、方位角和直线距离 分别为,和lR。 图 1 雷达与杂波散射点的几何关系图 N个阵元在第l个距离门所接收到的M个脉冲 回波数据矩阵可表示为 llll=+XSCN (1) 式中
10、lC和lN分别为杂波和噪声信号,l为目标幅 度, 目标空时导向矢量T()( )=Sba, 其中表 示 Kronecker 积,T()表示转置运算符。 ()()()T( )1,exp2, exp1 2jj N=a? (2) 为归一化空间频率等于的空域导向矢量, ()()()T()1,exp2,exp1 2jj M=b? (3) 为归一化多普勒频率等于的时域导向矢量。 杂波信号可表示为 T11rcNNlikliklikl ik=Cba (4) 其中rN为距离模糊次数,cN为每个距离门划分的 杂波散射点的个数,ikla,iklb和ikl分别为第i次距离 模糊在第l个距离门的第k个杂波块对应的空域导
11、向矢量、时域导向矢量和回波复幅度,具有形式为 ()()()T1,exp2, exp1 2ikliklikljj N=a? (5) ()()()T1,exp2,exp1 2ikliklikljj M=b? (6) 式中 ()()coscosikliklilkd= (7) 第 3 期 吴亿锋等: 基于道路信息的知识辅助空时自适应处理 615 ()()2coscosikliklilk rv f= (8) 分别为第i次距离模糊在第l个距离门的第k个杂波 块对应的归一化空域频率和归一化多普勒频率,ilk 和ikl分别为对应的俯仰角和锥角,和rf分别为雷 达发射波长和脉冲重复频率。 3 基于道路信息的 S
12、TAP 3.1 问题描述 全空时自适应处理由于计算量大并且所需的训 练样本较多,在实际应用中通常是不可行的,实际 应用中经常采用降维的空时自适应处理。本文以常 用的因子方法(Factor Approach, FA)13方法为例进 行分析。 首先将阵元脉冲域数据lX通过MM的傅 里叶变换矩阵F转换到阵元多普勒域: ?ll=XFX (9) 第(1, 2,)m mM=?个多普勒通道的?lX记为 ?()T,:lmlm=xX? (10) 表示由矩阵?lX的第m行的所有列对应的数据组成 的1N 维的矢量。 由 STAP 理论14可知对该多普勒 通道进行空时自适应处理时需要计算自适应权矢 量: 1 opts
13、ub( )=wRa (11) 式中表示归一化系数,subR表示待处理单元的杂 波协方差矩阵,在实际处理中是通过其周围具有独 立同分布的训练样本估计得到的。如果挑选的训练 样本含有目标信号,由此计算的自适应权值进行 STAP 时会造成目标相消,降低 STAP 的性能。 针对以上问题,本文根据先验的道路信息剔除 可能被目标污染的训练样本。为了描述方便,本文 以多通道机载雷达测量(Multi-Channel Airborne Radar Measurement, MCARM)数据15为例进行分 析。MCARM 数据是由工作于 L 波段的 2 行 11 列 的机载相控阵雷达(为减小运算量和所需的训练样
14、 本个数,本文仅采用上面一行的阵元)录取的,一个 相干处理间隔内具有 128 个脉冲。本文所用的 MCARM 数据的录取环境如图 2 所示。由图 2 可以 看出雷达工作区域内有很多道路,由于道路上的车 辆可能会引起 STAP 时目标自相消现象的发生,所 以本文根据训练样本中是否包含主波束内的车辆回 波信号挑选训练样本。 3.2 雷达信号与道路的配准 由于本文中所用雷达数据的照射区域是相对平 整的(最高点和最低点的高程差小于 90 m)并且非常 接近于水平面,所以本文假设地面处于同一海拔高 度。根据雷达系统参数及惯导信息,可以计算雷达 照射范围对应的经纬度,文献11详细介绍了该过 图 2 MCA
15、RM 数据的录取环境及其内的道路信息 程,本文就不再赘述。在地形高度变化很大的情况 下,配准方程要用数字高程数据进行校正才能进行 配准。通过谷歌地图可以获得道路采样的经纬度信 息。 雷达的照射范围及其内的道路信息如图 3 所示, 灰色区域表示雷达照射范围,黑色的线条表示该区 域的道路。 3.3 剔除被主波束车辆回波信号污染的训练样本 高速公路上存在车辆,车辆的运动会引起多普 勒频率的变化,主波束照射区域内道路上的车辆有 可能与目标具有相同的多普勒频率,如果用含有这 种车辆回波信号的训练样本来估计杂波协方差矩 阵, 就相当于在协方差矩阵中加入了目标信号分量, STAP 时会造成目标相消,降低实际目标的功率, 因此,在挑选训练样本估计杂波协方差矩阵时需要 剔除这种被主波束内车辆回波信号污染的训练样 本。根据第 3.2 节雷达信号