一种m序列编码脉冲调制超宽带雷达回波处理方法

摘要

本发明是一种m序列编码脉冲调制超宽带雷达回波处理方法，涉及m序列编码超宽带雷达技术，包括，m序列编码超宽带雷达结合后处理方法的信号发射方案；m序列编码超宽带雷达回波处理方法。本发明方法可以有效地降低m序列编码信号脉冲压缩后旁瓣较高的问题，同时有效地引入了快速哈达码变换，提高了对回波处理速度。

说明书

技术领域

本发明涉及一种m序列编码脉冲调制超宽带雷达回波处理方法， 是一种将m序列编码调制超宽带雷达信号回波脉冲压缩后的主副旁 瓣比提高的处理方法，它可以提高雷达对弱目标信号的分辨能力。

背景技术

m序列是一种由线性反馈移位寄存器(LFSR)产生的伪随机序列。 m序列拥有良好的周期自相关特性和非周期自相关特性，其非周期自 相关函数的主副旁瓣比约为而其周期自相关函数 主副旁瓣比为20log₁₀N。m序列的编码长度灵活可变，n阶的LFSR产 生的m序列长度为N＝2ⁿ-1，选用不同的n就可以得到不同长度的m 序列。m序列越来越多的被用作雷达探测信号。

m序列编码脉冲调制信号用作雷达信号时，回波信号需要进行脉 冲压缩处理，才能得到目标信息。脉冲压缩后的信号会存在旁瓣，较 强信号的旁瓣有可能会淹没较弱信号的主瓣，从而丢失弱目标信息， 所以在使用m序列编码脉冲调制信号时，其脉冲压缩后的主副旁瓣比 越大越好。

目前在实际的应用中，m序列编码脉冲信号以两种方式发射出去： 第一种是连续发射，m序列编码脉冲信号被重复连续发射出去，这种 方法的缺点是要求发射机连续工作，一方面增加了系统功耗，另一方 面，当该系统应用于较深层探测时，较大功率信号的连续发射会让接 收机一直处于饱和而无法工作，其优点是回波信号可以进行快速哈达 码变换，计算速度较快，其处理结果的主副旁瓣比为m序列周期自相 关函数的主副旁瓣比20log₁₀N；第二种是m序列编码脉冲信号以任意 大于码长的脉冲重复周期发射出去，发射的脉冲信号在时间上不连续， 其优点是可以根据需要调整脉冲重复周期(PRF)，降低系统功耗，但 是目前其回波处理较之第一种发射方式要慢，其处理结果为m序列非 周期自相关函数主副旁瓣比

如何结合目前这两种方法的优点，即既要降低系统功耗又要提高 脉冲压缩主副旁瓣比，同时兼顾运算速度是本发明的主要讨论内容。

发明内容

本发明的目的是提出一种结合m序列编码脉冲调制超宽带雷达 信号非连续发射方法和回波处理方法方法，在降低系统功耗同时，提 高压缩脉冲主副旁瓣比，同时提高运算速度。

为实现上述目的，本发明的技术解决方案是：

一种m序列编码脉冲调制超宽带雷达回波处理方法，其包括：

步骤A)信号发射方式，m序列编码脉冲调制超宽带雷达采用以 任意大于码长的脉冲重复周期发射m序列编码信号，发射的m序列编 码信号在时间上不连续；

步骤B)回波脉冲压缩，使用原始的发射信号作为参考信号，与 回波信号进行脉冲压缩运算。

所述的雷达回波处理方法，其所述步骤B)回波脉冲压缩，包括：

步骤B1：使用参考信号生成脉冲压缩矩阵A；

步骤B2：对回波信号长度补零至2倍参考信号长度，得到的向 量为y；

步骤B3：用步骤B1和B2得到的A和y进行快速哈达码变换运算， 得到脉冲压缩结果。

所述的雷达回波处理方法，其所述步骤B1中的脉冲压缩矩阵A， A是由两个参考信号形成的循环矩阵A₁组成，即A＝[A₁|A₁]。

所述的雷达回波处理方法，其所述步骤B2中得到了向量为y后， 再将y切分成两个等长的向量，即

所述的雷达回波处理方法，其所述步骤B3中对A和y进行快速 运算，即得到再分别对A₁Y₁和A₁Y₂进行 快速哈达码变换，然后求和得出R向量。

所述的雷达回波处理方法，其所述步骤B3中求和计算所得的向 量R，对R向量的除第一位元素外的其他元素进行倒序，最终得到所 要求的结果。

本发明的效果是：在对非连续发射的m序列超宽带雷达回波信号 进行处理时，引入m序列周期自相关函数的优良特性，使得压缩脉冲 的主副旁瓣比提高到20log₁₀N；运用哈达码变换运算速度得到提高， 运算量由原来的(M-1)N＞2ⁿ(2ⁿ-1)个加法降低到2n2ⁿ+2ⁿ-1个加法，当 n越大时，节省的运算时间越明显；同时，m序列编码信号以实际系 统中需要的脉冲重复周期发射出去，发射机不需要持续工作，降低了 系统功耗。

附图说明

图1为本发明的一种m序列编码脉冲调制超宽带雷达回波处理 方法流程示意图；

图2a为采用本发明方法处理归一化结果曲线图；

图2b为没有采用本发明方法处理归一化结果曲线图。

具体实施方式

本发明是一种针对非连续发射m序列超宽带雷达信号回波信号 处理方法。令发射的m序列长度为N，采样时窗长度为MΔt(N，M均 为自然数，Δt为发射信号一个码元的时间宽度)。由于超宽带雷达的 穿透深度有限，可以保证选取的N满足N＜M＜2N。

处理步骤如下：

步骤1：将采样的回波数据补零至长度2N，设为

y＝[y₁y₂y₃…y_2N]^T，然后将y分为两个N×1的向量：修改为 $y={\left[Y_1^T\right|Y_2^T]}^T.$

步骤2：建立用于回波脉冲压缩的矩阵A，具体形式如下：

其中m₁，m₂…m_N∈(0，1)

将A分解为两块矩阵：A＝[A₁|A₁]，A₁为N×N的矩阵。

步骤3：设脉冲压缩后的向量为R，所以有

$R=\mathrm{Ay}=\left[A_1\right|A_1]\left(\begin{array}{c}{Y}_1\\ Y_2\end{array}\right)=A_1{Y}_1+A_1{Y}_2$

步骤4：矩阵A₁可分解为：A₁＝LS＝S^TL^T，其中L为N×n矩阵，S 为n×N矩阵。S和L矩阵产生办法如下：S矩阵为A₁的前n行元素， 取S矩阵的前三列作为n×n阶的σ矩阵，有L＝S^Tσ^-1。

步骤5：令矩阵

(0 1 2…2ⁿ-1)

所以L和S可分别分解为：

S＝Q^TP₁，L＝P₂Q

其中P₁、P₂分别为2ⁿ×(2ⁿ-1)和(2ⁿ-1)×2ⁿ的置换矩阵。

令H＝QQ^T，有1-2H为哈达码矩阵，将H中元素进行1-2H_ij运算 于是有：

A₁Y₁＝P₂HP₁Y₁

A₁Y₂＝P₂HP₁Y₂

步骤6：使用FHT对上面两式进行计算。运算量为2Nlog₂N＝2n2ⁿ次加法。

步骤7：对A₁Y₁和A₁Y₂求和，这一步运算量为N-1＝2ⁿ-2次加法。 再对求和后的向量除第一位元素外的其他元素进行倒序，所得新的 向量即为所要求的向量R。该方法的流程图如图1所示。

下面将结合实施例对本发明方法加以详细说明，应指出的是，所 描述的实施实例仅在便于对本发明的理解，而对本发明不起任何限定 作用。

步骤1：选取3阶移位寄存器产生的m序列(0010111)，其本原多 项式为f(x)＝x³+x+1，所以其对应的矩阵：

$A=\left[A_1\right|A_1]=\left(\begin{array}{cccccccccccccc}0& 0& 1& 0& 1& 1& 1& 0& 0& 1& 0& 1& 1& 1\\ 0& 1& 0& 1& 1& 1& 0& 0& 1& 0& 1& 1& 1& 0\\ 1& 0& 1& 1& 1& 0& 0& 1& 0& 1& 1& 1& 0& 0\\ 0& 1& 1& 1& 0& 0& 1& 0& 1& 1& 1& 0& 0& 1\\ 1& 1& 1& 0& 0& 1& 0& 1& 1& 1& 0& 0& 1& 0\\ 1& 1& 0& 0& 1& 0& 1& 1& 1& 0& 0& 1& 0& 1\\ 1& 0& 0& 1& 0& 1& 1& 1& 0& 0& 1& 0& 1& 1\end{array}\right)$

回波信号假设为一个直达波序列和一个延迟4个码元时间长度 的目标回波序列的叠加：y＝[1，1，-1，1，0，0，-2，1，-1，-1，-1]，此时M＝11。

补零到2N位后为向量

y＝[y₁y₂y₃…y₁₄]＝[1，1，-1，1，0，0，-2，1，-1，-1，-1，0，0，0]

步骤2：生成S和L矩阵。

取矩阵A₁的前三行作为S矩阵，

$S=\left(\begin{array}{ccccccc}0& 0& 1& 0& 1& 1& 1\\ 0& 1& 0& 1& 1& 1& 0\\ 1& 0& 1& 1& 1& 0& 0\end{array}\right)$

令σ为3阶方块矩阵，其3列向量等于S矩阵的前3列向量，即

$\sigma =\left(\begin{array}{ccc}0& 0& 1\\ 0& 1& 0\\ 1& 0& 1\end{array}\right)$

于是有

$L=S^T{\sigma }^{-1}=\left(\begin{array}{ccc}0& 0& 1\\ 0& 1& 0\\ 1& 0& 1\\ 0& 1& 1\\ 1& 1& 1\\ 1& 1& 0\\ 1& 0& 0\end{array}\right)\left(\begin{array}{ccc}1& 0& 1\\ 0& 1& 0\\ 1& 0& 0\end{array}\right)=\left(\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\\ 1& 1& 0\\ 0& 1& 1\\ 1& 1& 1\\ 1& 0& 1\end{array}\right)$

步骤3：分解L和S矩阵

$L=\left(\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\\ 1& 1& 0\\ 0& 1& 1\\ 1& 1& 1\\ 1& 0& 1\end{array}\right)=\left(\begin{array}{cccccccc}0& 0& 0& 0& 1& 0& 0& 0\\ 0& 0& 1& 0& 0& 0& 0& 0\\ 0& 1& 0& 0& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 1& 0\\ 0& 0& 0& 1& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 0& 1\\ 0& 0& 0& 0& 0& 1& 0& 0\end{array}\right)\left(\begin{array}{ccc}0& 0& 0\\ 0& 0& 1\\ 0& 1& 0\\ 0& 1& 1\\ 1& 0& 0\\ 1& 0& 1\\ 1& 1& 0\\ 1& 1& 1\end{array}\right)=P_{2}Q$

$S=\left(\begin{array}{ccccccc}0& 0& 1& 0& 1& 1& 1\\ 0& 1& 0& 1& 1& 1& 0\\ 1& 0& 1& 1& 1& 0& 0\end{array}\right)=\left(\begin{array}{cccccccc}0& 0& 0& 0& 1& 1& 1& 1\\ 0& 0& 1& 1& 0& 0& 1& 1\\ 0& 1& 0& 1& 0& 1& 0& 1\end{array}\right)\left(\begin{array}{ccccccc}0& 0& 0& 0& 0& 0& 0\\ 1& 0& 0& 0& 0& 0& 0\\ 0& 1& 0& 0& 0& 0& 0\\ 0& 0& 1& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 0& 1\\ 0& 0& 1& 0& 0& 0& 0\\ 0& 0& 0& 0& 0& 1& 0\\ 0& 0& 0& 0& 1& 0& 0\end{array}\right)=Q^T{P}_1$

所以有

A₁＝LS＝P₂QQ^TP₁＝P₂HP₁

将H矩阵的元素H_ij做1-2H_ij运算，于是

$H=\left(\begin{array}{cccccccc}1& 1& 1& 1& 1& 1& 1& 1\\ 1& -1& 1& -1& 1& -1& 1& -1\\ 1& 1& -1& -1& 1& 1& -1& -1\\ 1& -1& -1& 1& 1& -1& -1& 1\\ 1& 1& 1& 1& -1& -1& -1& -1\\ 1& -1& 1& -1& -1& 1& -1& 1\\ 1& 1& -1& -1& -1& -1& 1& 1\\ 1& -1& -1& 1& -1& 1& 1& -1\end{array}\right)$

步骤4：P₁对Y₁和Y₂进行行变换。

$A_1{Y}_1=P_{2}H{P}_1{Y}_1=P_{2}H\left(\begin{array}{c}0\\ y_1\\ y_2\\ y_4\\ y_7\\ y_3\\ y_6\\ y_5\end{array}\right),$$A_1{Y}_2=P_{2}H{P}_1{Y}_2=P_{2}H\left(\begin{array}{c}0\\ y_8\\ y_9\\ y_{11}\\ y_{14}\\ y_{10}\\ y_{13}\\ y_{12}\end{array}\right)$

步骤5：FHT

结合FHT的蝶形运方法则，可得

$A_1{Y}_1=P_{2}H\left(\begin{array}{c}0\\ y_1\\ y_2\\ y_4\\ y_7\\ y_3\\ y_6\\ y_5\end{array}\right)=P_2\left(\begin{array}{c}{y}_1+y_2+y_4+y_7+y_3+y_6+y_5\\ -y_1+y_2-y_4+y_7-y_3+y_6-y_5\\ y_1-y_2-y_4+y_7+y_3-y_6-y_5\\ -y_1-y_2+y_4+y_7-y_3-y_6+y_5\\ y_1+y_2+y_4-y_7-y_3-y_6-y_5\\ -y_1+y_2-y_4-y_7+y_3-y_6+y_5\\ y_1-y_2-y_4-y_7-y_3+y_6+y_5\\ -y_1-y_2+y_4-y_7+y_3+y_6-y_5\end{array}\right)$

$A_1{Y}_2=P_{2}H\left(\begin{array}{c}0\\ y_8\\ y_9\\ y_{11}\\ y_{14}\\ y_{10}\\ y_{13}\\ y_{12}\end{array}\right)=P_2\left(\begin{array}{c}{y}_8+y_9+y_{11}+y_{14}+y_{10}+y_{13}+y_{12}\\ -y_8+y_9-y_{11}+y_{14}-y_{10}+y_{13}-y_{12}\\ y_8-y_9-y_{11}+y_{14}+y_{10}-y_{13}-y_{12}\\ -y_8-y_9+y_{11}+y_{14}-y_{10}-y_{13}+y_{12}\\ y_8+y_9+y_{11}-y_{14}-y_{10}-y_{13}-y_{12}\\ -y_8+y_9-y_{11}-y_{14}+y_{10}-y_{13}+y_{12}\\ y_8-y_9-y_{11}-y_{14}-y_{10}+y_{13}+y_{12}\\ -y_8-y_9+y_{11}-y_{14}+y_{10}+y_{13}-y_{12}\end{array}\right)$

每个式子的加法运算量为24，最后共计55个加法运算，与前面 所述公式相符，而不使用哈达码变换时需要(M-1)N＝70个加法运算。 当n越大时，这种差别越明显，例如n＝9时，不使用快速哈达码变换 时需要(M-1)N＞261121次加法，而使用快速哈达码变换时仅需9727 次加法运算。

步骤6：P₂对FHT后的向量进行行变换

$A_1{Y}_1=P_2\left(\begin{array}{c}{y}_1+y_2+y_4+y_7+y_3+y_6+y_5\\ -y_1+y_2-y_4+y_7-y_3+y_6-y_5\\ y_1-y_2-y_4+y_7+y_3-y_6-y_5\\ -y_1-y_2+y_4+y_7-y_3-y_6+y_5\\ y_1+y_2+y_4-y_7-y_3-y_6-y_5\\ -y_1+y_2-y_4-y_7+y_3-y_6+y_5\\ y_1-y_2-y_4-y_7-y_3+y_6+y_5\\ -y_1-y_2+y_4-y_7+y_3+y_6-y_5\end{array}\right)=\left(\begin{array}{c}{y}_1+y_2+y_4-y_7-y_3-y_6-y_5\\ y_1-y_2-y_4+y_7+y_3-y_6-y_5\\ -y_1+y_2-y_4+y_7-y_3+y_6-y_5\\ y_1-y_2-y_4-y_7-y_3+y_6+y_5\\ -y_1-y_2+y_4+y_7-y_3-y_6+y_5\\ -y_1-y_2+y_4-y_7+y_3+y_6-y_5\\ -y_1+y_2-y_4-y_7+y_3-y_6+y_5\end{array}\right)$

$A_1{Y}_2=P_2\left(\begin{array}{c}{y}_8+y_9+y_{11}+y_{14}+y_{10}+y_{13}+y_{12}\\ -y_8+y_9-y_{11}+y_{14}-y_{10}+y_{13}-y_{12}\\ y_8-y_9-y_{11}+y_{14}+y_{10}-y_{13}-y_{12}\\ -y_8-y_9+y_{11}+y_{14}-y_{10}-y_{13}+y_{12}\\ y_8+y_9+y_{11}-y_{14}-y_{10}-y_{13}-y_{12}\\ -y_8+y_9-y_{11}-y_{14}+y_{10}-y_{13}+y_{12}\\ y_8-y_9-y_{11}-y_{14}-y_{10}+y_{13}+y_{12}\\ -y_8-y_9+y_{11}-y_{14}+y_{10}+y_{13}-y_{12}\end{array}\right)=\left(\begin{array}{c}{y}_8+y_9+y_{11}-y_{14}-y_{10}-y_{13}-y_{12}\\ y_8-y_9-y_{11}+y_{14}+y_{10}-y_{13}-y_{12}\\ -y_8+y_9-y_{11}+y_{14}-y_{10}+y_{13}-y_{12}\\ y_8-y_9-y_{11}-y_{14}-y_{10}+y_{13}+y_{12}\\ -y_8-y_9+y_{11}+y_{14}-y_{10}-y_{13}+y_{12}\\ -y_8-y_9+y_{11}-y_{14}+y_{10}+y_{13}-y_{12}\\ -y_8+y_9-y_{11}-y_{14}+y_{10}-y_{13}+y_{12}\end{array}\right)$

步骤7：对A₁Y₁和A₁Y₂求和，即为所求的向量R

$R=A_1{Y}_1+A_1{Y}_2=\left(\begin{array}{c}{y}_1+y_2-y_3+y_4-y_5-y_6-y_7+y_8+y_9-y_{10}+y_{11}-y_{12}-y_{13}-y_{14}\\ y_1-y_2+y_3-y_4-y_5-y_6+y_7+y_8-y_9+y_{10}-y_{11}-y_{12}-y_{13}+y_{14}\\ -y_1+y_2-y_3-y_4-y_5+y_6+y_7-y_8+y_9-y_{10}-y_{11}-y_{12}+y_{13}+y_{14}\\ y_1-y_2-y_3-y_4+y_5+y_6-y_7+y_8-y_9-y_{10}-y_{11}+y_{12}+y_{13}-y_{14}\\ -y_1-y_2-y_3+y_4+y_5-y_6+y_7-y_8-y_9-y_{10}+y_{11}+y_{12}-y_{13}+y_{14}\\ -y_1-y_2{+y}_3+y_4-y_5+y_6-y_7-y_8-y_9+y_{10}+y_{11}-y_{12}+y_{13}-y_{14}\\ -y_1+y_2+y_3-y_4+y_5-y_6-y_7-y_8+y_9+y_{10}-y_{11}+y_{12}-y_{13}-y_{14}\end{array}\right)$

$={\left(\begin{array}{ccccccc}6& -2& -2& 6& -2& -2& -2\end{array}\right)}^T$

对求和后的向量除第一位元素外的其他元素进行倒序，得新的向 量为：[6 -2 -2 -2 6 -2 -2]即为所要求的向量R。

使用本发明对该实施例的处理结果与未用本发明的处理结果对 比图如附图2所示，可见使用本发明处理的结果峰值旁瓣对比明显， 设定的目标与旁瓣对比清晰，而未使用该方法处理结果效果不理想。

于此同时，与连续发射m序列编码脉冲信号的方法相比，本处理 方法不要求m序列连续发射，可以根据实际需要以任意大于码长的脉 冲重复周期发射m序列即可，减小了系统能量浪费，降低系统功耗。 在计算速度上，引入快速哈达码变换，速度亦优于以前的处理方法。 该方法在实际系统中已得到验证。

图2所示为采用本发明方法和没有采用本发明方法进行归一化 处理的结果曲线对比示意图，其中，图2a为采用本发明方法处理归 一化结果曲线，图2b为没有采用本发明方法处理归一化结果曲线。

以上所用到的实施例，并非对本发明作任何形式上的限制，凡是 依据本发明的技术实质进行相关的修改，均属于本发明权利要求保护 的范围。