非均匀杂波环境下机载雷达杂波协方差矩阵的估计方法

摘要

本发明属于雷达技术领域，公开了一种非均匀杂波环境下机载雷达杂波协方差矩阵的估计方法。首先取出雷达接收到的脉冲压缩后的待检测距离单元和邻近距离单元的回波数据，然后利用距离单元之间的相关性，得到基于相关系数的杂波协方差矩阵，最后根据相关系数的误差要求设置自动停止准则，使迭代能够自动停止。本发明考虑了非均匀杂波分布特点，利用训练样本单元与待检测单元之间的相关性计算相关系数，并作为训练样本单元的加权系数，有效衡量不同训练样本对待检测单元统计特性估计的贡献，提高了待检测单元统计特性估计的准确度，改善了非均匀杂波环境下待检测单元与训练样本之间的杂波功率起伏和样本污染对杂波协方差矩阵估计的影响。

说明书

技术领域

本发明涉及雷达技术领域，尤其涉及一种非均匀环境下机载雷达 杂波协方差矩阵的估计方法，用于估计机载雷达在非均匀杂波环境下 的杂波协方差矩阵。

背景技术

随着信息科学技术的飞速发展，国防事业已跨入信息化的时代。作为 打赢现代信息化战争的关键装备，机载预警雷达以其独特的战略特点， 被各国军方视为能够左右战场态势的信息获取利器。而杂波抑制性能是 影响机载预警雷达能否正常下视工作的主要因素。由Brennan和Reed首 先提出的空时自适应处理STAP技术能够有效抑制空时耦合的地杂波， 是一种STAP方法的雏形，即样本协方差矩阵求逆SMI方法。该方法假 设雷达的外部工作环境是均匀的，训练样本在待检单元临近的距离门中 选取。但实际上雷达的工作环境往往是非均匀的，例如非正侧视阵、双 基、共形阵雷达等杂波谱的距离非平稳性;地形、地貌的空间变化，人 造建筑等强散射点，高山遮挡造成的“阴影”以及强动目标污染等。Melvin 详细分析了各种非均匀环境对STAP性能的影响，指出：获取足够多且 满足与待检测单元独立同分布要求的训练样本是STAP获得良好杂波抑 制性能的关键。

为了能在非均匀环境下稳健地检测目标，可以采用性能次最优的降维 或降秩的STAP方法。这些方法可以减少协方差矩阵估计所要求的训练 样本数，从而可以在训练样本数较少的非均匀环境下取得较好的性能。 在这方面，以王宏等人提出的JDL法为代表，前人已经做了大量的工作。 这些降维或降秩的方法虽然降低了所要求的训练样本数，但都是以均匀 环境作为前提条件，并没有考虑到非均匀样本的影响。

为了解决非均匀样本污染的问题，Melvin和Wicks提出了一种基 于广义内积的非均匀样本筛选方法，但该方法能够发挥作用的前提条 件是估计出精确的杂波加噪声协方差矩阵，这在非均匀环境中几乎不 可能实现。近年来，知识辅助的空时自适应处理引起了人们的注意。 然而，获取精确的杂波统计特性的先验知识可能需要付出很大的代价， 例如需要多种传感器的协作，而且该技术对先验知识的精度要求较高， 实现起来成本很高，且该技术会使得雷达系统变得很复杂，工程上不 易实现。Stoica等人指出：如果采用的先验知识不够精确，不但不能提 高STAP的性能，反而会使其性能下降。Sakar等人提出的直接数据域 方法仅仅利用了待检测单元的数据，从理论上解决了非均匀环境下目 标检测的问题。虽然该方法在严重非均匀环境下有很大的优势，但子 孔径的形成必然会带来系统自由度的损失，而且，在实际情况中天线 不一定是均匀的等距线阵，互耦或阵列误差也会使该方法的性能下降。 Maria等人采用全局匹配滤波的方法对待检测距离门进行角度多普勒 成像，该方法实际上属于稀疏重构类方法，其估计结果的精度取决于 参数设置的合理程度，限制了其在实际工程当中的应用。

发明内容

针对杂波的非均匀性带来的杂波协方差矩阵估计精度不够的问 题，本发明的目的在于提供一种非均匀杂波环境下机载雷达杂波协方 差矩阵的估计方法，能够提高杂波协方差矩阵估计的精度。

实现本发明目的的技术方案是：首先取出待检测距离单元和邻近 距离单元的回波数据，然后利用距离单元之间的相关性，得到基于相 关系数的迭代加权的杂波协方差矩阵估计方法估计杂波协方差矩阵， 最后根据加权系数的误差要求设置自动停止准则，使迭代能够自动停 止。本发明通过加权系数控制样本参与协方差矩阵估计的程度，可以 应用于任意均匀和非均匀条件下的杂波协方差矩阵估计，大大扩展了 本发明技术方案的应用场合。本发明的杂波协方差矩阵估计方法不仅 可以应用于杂波抑制处理，也可以应用于杂波参数估计以及目标检测 领域。本发明可用于精确估计机载雷达非均匀杂波环境下的杂波协方 差矩阵。

为达到上述目的，本发明的实施例采用如下技术方案予以实现。

一种非均匀杂波环境下机载雷达杂波协方差矩阵的估计方法，所 述方法包括如下步骤：

步骤1，获取机载雷达接收到的回波数据，并对所述回波数据进行 距离向脉冲压缩，得到距离脉压后的回波数据;

步骤2，从所述距离脉压后的回波数据中获取第k个待检测距离单 元的回波数据，其中，k＝1,2,...,K，K为需要进行检测的距离单元的个 数;

步骤3，获取与所述第k个待检测距离单元邻近的L个距离单元作 为L个训练样本，并根据L个训练样本计算第k个待检测距离单元的杂 波协方差矩阵;

步骤4，根据所述杂波协方差矩阵、第l个训练样本和第k个待检测 距离单元，计算第l个训练样本和第k个待检测距离单元的相关系数， 从而得到L个对应的相关系数，所述L个对应的相关系数依次组成相关 系数向量；l＝1,2,...,L，L为与待检测距离单元邻近的训练样本个数;

步骤5，根据L个训练样本和L个相关系数的值，对所述杂波协方 差矩阵进行修正，得到修正后的杂波协方差矩阵;

步骤6，令所述修正后的杂波协方差矩阵为新的杂波协方差矩阵， 然后重复执行步骤4和步骤5直到相邻两个相关系数向量的范数差小 于预设值;并将最后一次修正后的杂波协方差矩阵作为第k个待检测距 离单元的杂波协方差矩阵;

步骤7，k值加一，重复执行步骤2至步骤6，依次估计K个需要 进行检测的距离单元的杂波协方差矩阵，从而得到非均匀杂波环境下 机载雷达杂波协方差矩阵的估计结果。

本发明技术方案的特点和进一步的改进为：

(1)步骤3具体包括：

第k个待检测距离单元的杂波协方差矩阵的初始值为： 其中，x_l为第l个训练样本，l＝1,2,...,L，L为与待检测距 离单元邻近的训练样本个数，(·)^H表示共轭转置。

(2)步骤4具体包括：

计算第i次迭代中第l个训练样本和第k个待检测距离单元的相关系 数为：

${\beta }_1^{\left(i\right)}=\frac{|{x_l}^H{\left(\widehat{{R_k}^{\left(i\right)}}\right)}^{-1}{x}_k{|}^2}{\left(x_l^H{\left(\widehat{{R_k}^{\left(i\right)}}\right)}^{-1}{x}_l\right)\left(x_k^H{\left(\widehat{{R_k}^{\left(i\right)}}\right)}^{-1}{x}_k\right)}$

其中，的初始值为为第k个 待检测距离单元的杂波协方差矩阵的初始值;为第k个待检测距 离单元的杂波协方差矩阵在第i次迭代中的值，x_l为第l个训练样本， l＝1,2,...,L，L为与待检测距离单元邻近的训练样本个数;x_k为第k个待 检测距离单元，k＝1,2,...,K，K为需要进行检测的距离单元的个数，(·)^-1表示求逆。

(3)步骤5具体包括：

计算第i次迭代时第k个待检测距离单元的杂波协方差矩阵

$\widehat{{R_k}^{\left(i\right)}}=\frac{1}{L}\underset{l=1}{\overset{L}{\Sigma }}{\beta }_l^{(i-1)}{x}_l{x}_l^H$

为第i-1次迭代中第l个训练样本和第k个待检测距离单元的相关系 数;i大于或者等于1，(·)^H表示共轭转置。

(4)步骤6具体包括：

当i≥1时，计算相邻两次迭代过程中相关系数向量β⁽ⁱ⁾和β^(i-1)的范数 之差其中，β⁽ⁱ)表示第i次迭代 中L个训练样本和第k个待检测距离单元的相关系数组成的向量， β^(i-1)表示第i-1次迭代中L个训练样本和第k个 待检测距离单元的相关系数组成的向量，表示求范数;

如果Δ_i小于或者等于ε，其中ε为一常数，则中止迭代过程，将第i-1 次迭代得到的相关系数值β^(i-1)代入协方差矩阵估计式中，得到并将其作为第k个待检测距离单元的杂波协方差矩阵。

本发明与现有技术相比具有以下优点：(1)传统的杂波协方差矩阵 估计方法认为训练样本是独立同分布的，因此在协方差矩阵估计时对样 本都是平等对待，但在非均匀杂波环境下训练样本并不满足同分布条件； 本发明考虑了非均匀杂波分布特点，利用训练样本单元与待检测单元之 间的相关性计算相关系数，并作为训练样本单元的加权系数，有效衡 量不同训练样本对待检测单元统计特性估计的贡献，提高了待检测单元 统计特性估计的准确度，改善了非均匀杂波环境下待检测单元与训练样 本之间的杂波功率起伏和样本污染对杂波协方差矩阵估计的影响；(2) 本发明利用训练样本单元与待检测单元之间的相关性来对训练样本加权 处理，可以有效消除待检测单元与训练样本之间的杂波功率起伏，使加 权后的训练样本与待检测单元之间具有相同的分布，即本发明估计出来 的杂波协方差矩阵具有CFAR特性；(3)本发明通过加权系数控制样本 参与协方差矩阵估计的程度，可以应用于任意均匀和非均匀条件下的杂 波协方差矩阵估计，大大扩展了本发明的应用场合；(4)本发明的杂波 协方差矩阵估计方法不仅可以应用于杂波抑制处理，也可以应用于杂波 参数估计以及目标检测领域。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实 施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面 描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲， 在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种非均匀杂波环境下机载雷达杂波 协方差矩阵的估计方法的流程示意图；

图2为传统SCM方法与本发明估计方法作STAP杂波抑制后的近程平 均杂波剩余功率对比曲线示意图；

图3为传统SCM方法与本发明估计方法作STAP杂波抑制后的远程平 均杂波剩余功率对比曲线示意图；

图4为传统SCM方法与本发明估计方法作STAP杂波抑制后的检测概 率对比曲线示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方 案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部 分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普 通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例， 都属于本发明保护的范围。

下视工作的机载预警雷达系统在执行战场侦查、监视等任务时需要 对地杂波进行有效的抑制。其中，STAP技术是下视工作的机载预警雷达 系统通常采用的一种杂波抑制技术。STAP技术能够有效抑制空时耦合的 地杂波，但STAP技术需要雷达系统能够精确的估计出杂波协方差矩阵。 因此，采用STAP技术进行杂波抑制的机载预警雷达系统需要有精确的 杂波协方差矩阵估计技术。本发明正是针对下视工作的机载预警雷达系 统的这一需求的技术方案。本发明首先取出待检测距离单元和周围距离 单元的回波数据，然后利用距离单元之间的相关性，得到基于相关系数 的迭代加权的杂波协方差矩阵估计方法估计杂波协方差矩阵，最后根据 加权系数的误差要求设置自动停止准则，使迭代能够自动停止。

本发明实施例提供一种非均匀杂波环境下机载雷达杂波协方差矩 阵的估计方法，如图1所示，所述方法包括如下步骤：

步骤1，获取机载雷达接收到的回波数据，并对所述回波数据进行 距离向脉冲压缩，得到距离脉压后的回波数据。

步骤2，从所述距离脉压后的回波数据中获取第k个待检测距离单 元的回波数据，其中，k＝1,2,...,K，K为需要进行检测的距离单元的个 数。

具体的，利用机载雷达天线接收回波信号。雷达接收机接收回波 信号，雷达信号处理机对接收到的回波信号进行脉冲压缩，取出经脉 冲压缩后第k号待检测单元的回波数据x_k以及周围的距离单元，其中 k＝1,2,...,K，K为需要进行目标检测的距离单元的个数。

步骤3，获取与所述第k个待检测距离单元邻近的L个距离单元作 为L个训练样本，并根据L个训练样本计算第k个待检测距离单元的杂 波协方差矩阵。

示例性的，根据均匀杂波背景下的传统采样协方差矩阵估计方法 (SCM)得到的作为杂波协方差矩阵的初始值，步骤3具体包括：

第k个待检测距离单元的杂波协方差矩阵的初始值为： 其中，x_l为第l个训练样本，l＝1,2,...,L，L为待检测距离 单元周围的训练样本个数，(·)^H表示共轭转置。

步骤4，根据所述杂波协方差矩阵、第l个训练样本和第k个待检测 距离单元，计算第l个训练样本和第k个待检测距离单元的相关系数， 从而得到L个对应的相关系数，所述L个对应的相关系数的值依次组成 相关系数向量；l＝1,2,...,L，L为与待检测距离单元邻近的训练样本个数。

本发明中利用相关系数来表征训练样本与待检测距离单元的相 关性，如果距离单元之间的相关性越强，则该训练样本单元的贡献就 越大。

步骤4具体包括：

计算第i次迭代中第l个训练样本和第k个待检测距离单元的相关系 数为：

${\beta }_1^{\left(i\right)}=\frac{|{x_l}^H{\left(\widehat{{R_k}^{\left(i\right)}}\right)}^{-1}{x}_k{|}^2}{\left(x_l^H{\left(\widehat{{R_k}^{\left(i\right)}}\right)}^{-1}{x}_l\right)\left(x_k^H{\left(\widehat{{R_k}^{\left(i\right)}}\right)}^{-1}{x}_k\right)}$

其中，的初始值为为第k个 待检测距离单元的杂波协方差矩阵的初始值；为第k个待检测距 离单元的杂波协方差矩阵在第i次迭代中的值，x_l为第l个训练样本， l＝1,2,...,L，L为待检测距离单元周围的训练样本个数；x_k为第k个待检 测距离单元，k＝1,2,...,K，K为需要进行检测的距离单元的个数，(·)^-1表 示求逆。

步骤5，根据L个训练样本和L个相关系数，对所述杂波协方差矩 阵进行修正，得到修正后的杂波协方差矩阵。

步骤5具体包括：

计算第i次迭代时第k个待检测距离单元的杂波协方差矩阵

$\widehat{{R_k}^{\left(i\right)}}=\frac{1}{L}\underset{l=1}{\overset{L}{\Sigma }}{\beta }_l^{(i-1)}{x}_l{x}_l^H$

为第i-1次迭代中第l个训练样本和第k个待检测距离单元的相关系 数；i大于或者等于1，(·)^H表示共轭转置。

本发明在估计杂波协方差矩阵时，由相关系数的公式可以看出，相 关系数不仅与训练样本x_l有关，而且还与待检测单元x_k有关，反映了 训练样本与待检测单元之间的相关性。相关系数值越大，其对应训练 样本x_l对协方差矩阵的贡献越大，说明x_l与x_k的相关程度较高，这也 就意味着两者之间的统计分布越相似，这样利用加权系数可以有效衡 量训练样本的均匀性从而提高样本的均匀性。

步骤6，令所述修正后的杂波协方差矩阵为新的杂波协方差矩阵， 然后重复执行步骤4和步骤5直到相邻两个相关系数向量的范数差小 于预设值；并将最后一次修正后的杂波协方差矩阵作为第k个待检测距 离单元的杂波协方差矩阵。

步骤6具体包括：

当i≥1时，计算相邻两次迭代过程中相关系数向量β⁽ⁱ⁾和β^(i-1)的范数 之差其中，β⁽ⁱ⁾表示第i次迭代 中L个训练样本和第k个待检测距离单元的相关系数组成的向量， β^(i-1)表示第i-1次迭代中L个训练样本和第k个 待检测距离单元的相关系数组成的向量，表示求范数；

如果Δ_i小于或者等于ε，其中ε为一常数，则中止迭代过程，将第 i-1次迭代得到的相关系数值β^(i-1)代入协方差矩阵估计式 中，得到并将其作为第k个待检测距离单元的杂 波协方差矩阵。

本发明实施例提供的技术方案是一种能自动收敛且收敛速度较快 的基于相关系数的杂波加权协方差矩阵估计方法，在较少的迭代次数 情况下就可以达到收敛。

步骤7，k值加一，重复执行步骤2至步骤6，依次估计K个需要 进行检测的距离单元的杂波协方差矩阵，从而得到非均匀杂波环境下 机载雷达杂波协方差矩阵的估计结果。

精确估计出杂波协方差矩阵后，雷达系统就可采取STAP技术进行 有效的杂波抑制。本发明利用加权系数，有效衡量不同训练样本对待 检测单元统计特性估计的贡献，提高了待检测单元统计特性估计的准确 度，改善了非均匀环境下待检测单元与训练样本之间的杂波功率起伏和 样本污染对杂波协方差矩阵估计的影响，使得雷达系统在非均匀环境下 仍能采用STAP技术对杂波进行有效的抑制。

下面结合仿真实验对本发明的效果做进一步说明。

1)仿真参数

本发明是一种基于相关系数的迭代加权的杂波协方差矩阵估计方 法，可用于估计机载雷达非均匀环境下的杂波协方差矩阵。本例中，机 载雷达处于下视工作模式下，雷达发射信号位于P波段，波长为0.55m， 地球曲率半径为6378km，载机高度为6000m，载机速度为95.16m/s，载 频为545MHz，带宽为7MHz，脉冲个数为183，天线接收通道数为8， 阵元间距为波长的0.5倍，主波束角度为0°。在主瓣附近的第76号至90 号多普勒通道加入目标，以便进行对检测概率的统计，所加信杂噪比范 围设置为-40dB至10dB。

2)仿真数据处理结果及分析

为了说明本发明性能的优越性，给出了传统方法以及本发明方法的 处理结果对比图。

参照图2，为对传统SCM方法与本发明估计方法作STAP杂波抑制 后的近程平均杂波剩余功率对比曲线。图中的纵坐标表示功率的大小， 单位为分贝(dB)，横坐标为多普勒通道，共183个，图例中的SCM即 为传统SCM估计方法，在图中用虚线表示，图例中的MSCM表示本发 明中的基于相关系数的迭代加权的杂波协方差矩阵估计方法，在图中用 实线表示。从图2可以看出，采用本发明中的杂波协方差矩阵估计方法 经过STAP处理后，近程的平均杂波剩余功率更低，取得了优于传统SCM 方法的杂波抑制效果。

同理，参照图3，为对传统SCM方法与本发明估计方法作STAP杂 波抑制后的远程平均杂波剩余功率对比曲线。图中的纵坐标表示功率的 大小，单位为分贝(dB)，横坐标为多普勒通道，共183个，图例中的 SCM即为传统SCM估计方法，在图中用虚线表示，图例中的MSCM表 示本发明中的基于相关系数的迭代加权的杂波协方差矩阵估计方法，在 图中用实线表示。从图3可以看出，采用本发明中的杂波协方差矩阵估 计方法经过STAP处理后，远程的平均杂波剩余功率更低，取得了优于 传统SCM方法的杂波抑制效果。

因此无论对于近程或远程杂波来说，本发明中的杂波协方差矩阵估 计方法提高了待检测单元统计特性估计的准确度，使得雷达系统在非均 匀环境下采用STAP技术对杂波进行了更为有效的抑制。

参照图4，为对传统SCM方法与本发明估计方法作STAP杂波抑制 后的检测概率对比曲线。为了仿真验证本发明的优势，在主瓣附近的第 76号至90号多普勒通道加入目标，所加信杂噪比范围设置为-40dB至 10dB，然后通过传统SCM方法与本发明方法作STAP杂波抑制后，作 CA-CFAR检测，进而得到检测概率随信杂噪比变化的曲线。图中的纵坐 标表示检测概率，横坐标表示信杂噪比的大小，单位为分贝(dB)，图 例中的CA-SCM即为传统SCM估计方法，在图中用虚线表示，图例中 的CA-MSCM表示本发明中的基于相关系数的迭代加权的杂波协方差矩 阵估计方法，在图中用实线表示。从图4可以看出，对应同一信杂噪比， 杂波协方差矩阵估计越准确，则检测概率越高，检测性能越好。显然， 本发明方法的检测概率更高，具有优于传统SCM方法的检测性能。

综上，本发明提出的一种基于相关系数的迭代加权的杂波协方差矩 阵估计方法，主要解决现有技术中存在的样本污染以及杂波协方差矩阵 估计精度不够的问题。本发明考虑了非均匀杂波分布特点，利用训练样 本单元与待检测单元之间的相关性计算相关系数，并作为训练样本单元 的加权系数，有效衡量不同训练样本对待检测单元统计特性估计的贡 献，提高了待检测单元统计特性估计的准确度，改善了非均匀环境下待 检测单元与训练样本之间的杂波功率起伏和样本污染对杂波协方差矩阵 估计的影响，使得雷达系统在非均匀环境下仍能高效的抑制杂波。通过 分析以上的仿真结果也证明了，较传统SCM方法而言，本发明方法有更 好的杂波抑制性能和更高的检测概率。本发明可用于精确估计机载雷达 非均匀环境下的杂波协方差矩阵。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并 不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范 围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。 因此，本发明的保护范围应以所述权利要求的保护范围为准。