天波超视距雷达空时联合自适应抗干扰方法 技术领域 本发明涉及雷达信号处理领域中的空时自适应抗干扰方法， 适用于天波超视距雷 达的信号处理系统， 可以用于存在各种方向性干扰背景下的运动目标检测。 同时， 核心理论 和方法还可应用于其他多种存在干扰抑制需求的信号处理系统中。
背景技术 天波超视距雷达利用电离层对电磁波的反射实现对视距外目标的检测， 工作距离 远、 覆盖范围大， 能够提供远程预警情报信息。但因为工作体制特殊， 易受到多种干扰的影 响， 造成以下问题 ： (1) 系统工作于拥挤的高频频段 (3 ～ 30MHz)， 工业干扰密集 ； (2) 探测 范围广阔、 目标信号微弱， 雷电、 流星余迹等瞬态干扰极易进入系统， 抬高多普勒谱噪声基 底掩盖目标 ； (3) 下视工作模式带来强大的地、 海杂波。若不采取相应措施抗干扰， 系统无 法正常工作。
目前， 在信号处理阶段已有的抗干扰措施包括 ： 采用时域挖除后再补偿的方法滤 除瞬态干扰 ； 利用自适应波束形成抑制各种方向性干扰 ； 利用多普勒技术抑制杂波等。但 它们均不同程度地存在一些问题 ：
时域挖除方法是针对雷电、 流星余迹等在时域上少数周期出现的特点而提出的， 只对具备瞬态特性的干扰有效。 为了检测瞬态干扰的位置， 挖除前需要抑制强大的地、 海杂 波； 为了避免挖除处杂波的突变使杂波谱展宽， 挖除后还需按杂波的特性对挖除的数据作 插值处理。因而该方法还存在瞬态干扰检测、 补偿误差等问题。
自适应波束形成技术针对目标信号与干扰信号在入射角度上的不同， 自适应地调 整天线波束， 利用零点、 主瓣等波束形状资源实现抑制干扰、 保留信号的目的， 对所有非主 瓣方向干扰有效。 然而， 当目标信号与干扰入射角度相同时， 就会出现误将目标信号作为干 扰加以对消的期望相消现象， 虽然理论上利用投影矩阵可阻塞从主瓣进入的干扰， 但由于 天线阵列误差的存在， 投影矩阵往往无法形成有效零点， 因而效果不佳。此外， 天波超视距 雷达系统天线阵列庞大， 阵元数目多达数百， 常规自适应波束形成技术还面临着计算量巨 大的问题。
虽然杂波并不直接影响对飞行目标的检测， 但对自适应波束形成等干扰抑制方法 来说， 杂波相当于从主瓣进入的干扰， 且在方向上呈分布特性。杂波抑制不彻底， 自适应 波束形成就无法有效与干扰对抗。常规的杂波抑制技术如动目标检测 (MTD)、 脉冲多普勒 (PD) 技术等利用杂波多普勒频率为零的特点从频域上加以抑制， 但都是在波束形成后进 行， 如果在波束形成前进行杂波抑制， 则每个阵元通道都需要进行相应处理， 计算量大大增 加。
发明内容 本发明的目的在于解决干扰环境下天波超视距雷达系统正常工作所面临的困难 和问题， 克服已有技术的不足。在不改变系统硬件结构的前提下， 以尽可能小的代价， 有效
抑制各种干扰， 实现目标信号的正常接收。
为了实现上述发明目的， 本发明提供了一种主瓣保形的降维自适应波束形成方 法， 包括如下步骤 ：
(1) 利用雷达固有的 M 个通道， 将雷达接收数据 X 送入信号处理系统， 对 X 进行 N 维波束空间降维， 得到 N×KL 维波束空间数据 X′ ：
X′＝ AHX
其中， A 为降维波束空间导向矩阵， L 为周期数， K 为每周期采样点数 ；
(2) 对 X′进行脉冲压缩， 形成距离单元数据， 将每一周期前 H 个距离单元数据取 出， 形成 N×HL 维盲区数据 H 由盲区大小确定 ；
后 (K-H) 个距离单元数据形成 N×(K-H)L 维观测区数据(3) 对 (4) 将每个周期的数据进行杂波滤除， 得到不含期望信号与杂波的干扰数据 中每个周期数据取平均， 得到 N×L 维干扰均值矩阵， 即 XM ＝ [x1 … xl … xL]
利用恒虚警 (CFAR) 方法对 xl 进行主瓣干扰检测， 以 rl 为主瓣干扰标记变量， 若检 测判断该周期存在主瓣干扰， rl ＝ 1， 反之 rl ＝ 0， 得到主瓣干扰识别矢量 r， 即 T
r ＝ [r1 r2 … rl … rL]
同时将 xl 中主瓣数据取出， 形成主瓣干扰功率矢量 xm， 即
(5) 计算 r 的和范数 ‖r‖1， 并设置一门限值 P， P 由典型瞬态干扰长度与脉冲宽 度综合决定， 若 ‖r‖1 ＝ 0， 说明主瓣中没有干扰， 直接估计数据相关矩阵 ：
若 ‖r‖1 ≤ P， 说明存在于主瓣中的干扰为瞬态干扰， 将这些存在瞬态干扰的周期 中除去， 得到不含主瓣瞬态干扰的干扰数据 估计其相关矩阵 R ：从数据
若 ‖r‖1 ＞ P， 则说明主瓣中存在非瞬态干扰， 估计数据相关矩阵并对其进行对角 加载以保证主瓣不畸变， 加载量为主瓣干扰的平均功率 rTxm/L I， 得到加载后相关矩阵 R， 即
5(6) 形成自适应权值 N×1 维权值 w， 即 w ＝ αR-1AHa(θ0) 其中， α 为一标量， 用于权值的归一化， a(θ0) 为系统主瓣导向矢量 ； (7) 对数据 加权， 得到抑制干扰后 1×(K-H)L 数据 y ：101907703 A CN 101907707
说明书3/6 页(8) 若 ‖r‖1 ≤ P， 将 y 中对应 r 元素为 1 的相应周期的数据挖除 ：
y((i-1)(K-H)+1 ∶ i(K-H))|r(i) ＝ 1 ＝ 0
并对挖除数据进行插值补偿， 得到不含干扰的数据， 送后续处理进行相干积累， 若 ‖r‖1 ＞ P 或 ‖r‖1 ＝ 0， 不进行挖除， 直接将 y 送后续相干处理。
其中， 步骤 (1) 中降维波束空间矩阵可采用以下方法确定 ： 方法一、 选取均匀分布 于主瓣指向 θ0 左右的 N 个方向， 形成导向矩阵 A ：
A ＝ [a(θ0-(N-1/2)Δθ)… a(θ0)… a(θ0+(N-1/2)Δθ)]M×N
其中， a(θ) 为系统阵列流型 ； 方法二、 可以根据干扰的空间分布情况， 进行自适 应调整 ： 取降维前第一个周期数据， 对每一采样点矢量进行快速傅里叶变换， 平均后得到干 扰在空间中大致分布情况， 对其进行检测， 选择在一些主瓣区域之外且信号强度明显较大 的方位上分配少数波束通道， 若无明显干扰存在， 则同方法—将降维通道均匀分布于主瓣 指向附近， 形成导向矩阵 A。
步骤 (3) 中杂波滤除可通过 FIR 滤波器实现， 该滤波器为一高通滤波器， 其系数为 事先计算， 滤波时取出即可， 从实际出发， 其截止频点应略宽于杂波宽度， 以适用于不同情 况。 步骤 (8) 中对挖除数据进行补偿可利用 AR 模型估计进行， 也可采用线性插值的方 式， 以被挖数据两侧数据为样本， 用它们的线性插值来取代被挖数据来实现。
本发明的优点在于 ：
(1) 本发明采用基于波束空间的降维自适应波束形成技术， 大大减小了后续信号 处理所需的计算量， 并提供了主瓣附近干扰的分布情况， 为主瓣保形奠定了基础。
(2) 本发明根据干扰信号分布情况确定波束通道指向， 利用了自适应 - 自适应概 念进行波束空间降维， 能够加深自适应波束形成方法的干扰抑制深度， 提高干扰抑制性能。
(3) 本发明利用 FIR 滤波器抑制杂波， 以较小的计算量代价形成单独的干扰协方 差矩阵， 避免了由于通道误差对自适应波束形成方法产生的影响， 大大提高了自适应波束 形成方法的干扰抑制性能。 同时， 所输出的纯干扰数据还可用于瞬态干扰检测， 避免了重复 运算。
(4) 本发明通过主瓣干扰空时检测的简便方法对主瓣进入瞬态干扰加以识别， 将 传统瞬态干扰时域检测转化为空域检测， 实现了空域干扰抑制与时域挖除方法的有机结 合： 利用空域方法抑制副瓣瞬态干扰， 利用时域方法抑制主瓣瞬态干扰， 既避免了主瓣进入 瞬态干扰引起主瓣变形， 又消除了对进入副瓣的瞬态干扰进行时域挖除引入的补偿误差。
(5) 本发明通过主瓣干扰空时检测， 将对角加载量大小与主瓣干扰强度联系起来， 解决了对角加载量的自适应确定问题， 避免了主瓣进入干扰引起的期望相消， 实现了主瓣 保形。
(6) 本发明方法只需要将程序下载到通用信号处理板上即可实现， 因此易于推广， 且只需要在通用可编程信号处理板上进行编程， 无需改变系统结构， 升级方便。
附图说明
图 1 是本发明的实施例的结构框图。 参照图 1， 本发明的实施例由接收波束空间降维单元 1、 脉冲压缩单元 2、 杂波抑制单元 3、 主瓣干扰空时检测单元 4、 干扰相关矩阵估计单元 5、 自适应权值计算单元 6、 自适应 干扰抑制单元 7、 瞬态干扰抑制单元 8 组成。上述的波束空间降维、 脉冲压缩、 杂波抑制、 主 瓣干扰空时检测、 干扰相关矩阵估计、 自适应权值计算、 自适应干扰抑制和瞬态干扰抑制均 可在通用可编程信号处理系统上编程实现。 具体实施方式
时域挖除干扰抑制方法会引入补偿误差， 其大小与所需补偿的时间长度成正比， 因此该方法对干扰的时域特性有着严格的要求 ； 自适应波束形成在干扰从主瓣进入时， 却 会引起波束畸变， 尤其是主瓣的变形， 造成信号接收的混乱。两种方法各有不足。因此， 面 对复杂的干扰环境， 采取综合的干扰抑制措施， 成为对抗多种干扰的必由之路。
基于这一思路， 本发明将空时两种干扰抑制方法有机结合起来， 在干扰空时分布 检测基础上， 根据干扰的不同特点自适应地调整对抗方法， 达到良好的干扰抑制效果。 其具 体原理在于 ： 对副瓣进入干扰， 不论干扰时域特性如何， 均采用自适应空域波束形成方法加 以抑制。 而对主瓣进入干扰， 若其具有瞬态特点， 可以借助时域挖除避免干扰对波束形状产 生影响 ； 若其持续时间较长， 则可通过对角加载来缓解主瓣变形。 此外， 本发明所涉及到的波束空间降维自适应波束形成方法， 以不同波束指向形 成的数据为处理对象， 适用于数目较大的大型阵列， 可有效降低后续信号处理计算量。 形成 的不同波束指向数据还可以反映干扰信号在空间分布的情况， 为主瓣干扰的识别提供了基 础。 利用这一特点， 本发明在由波束空间数据提供的干扰分布情况识别基础上， 得到与主瓣 干扰强度直接相关的对角加载量， 较好地解决了计算量与主瓣保形的问题。
下面结合附图和实施例详细描述本发明的具体实施方式。
天波超视距雷达系统的空时频通道数目分别为 M、 K 和 L。实施例中 M ＝ 220， K＝ 500， L ＝ 256， 系统主瓣指向 0 度。
(1) 通过常规波束形成， 波束空间降维单元 1 对雷达接收中频采样数据 X 进行处 理， 以形成指向主瓣方向周围的 N 维波束空间数据 X′ ：
X′＝ AHX
其中， A ＝ [a(θ0-(N-1/2)Δθ)… a(θ0)… a(θ0+(N-1/2)Δθ)]M×N， a(θ) 为系 统导向矢量， θ0 为主瓣指向。降维前， X 维数为 M×KL 矩阵， 降维后的 X′维数为 N×KL， 将 X′存储到系统中。实施例中， θ0 ＝ 0°， Δθ ＝ 0.8°， N ＝ 41， 经过降维， 数据矩阵维数 从 220×(500×256) 减小为 41×(500×256)。
波束通道的指向还可根据信号空间分布情况进行调整。实施例中取 N ＝ 31， 将X 第一个周期即前 500 列数据按列进行快速傅里叶变换后求其平均， 据此判断干扰信号强度 分布。由于此时尚未进行脉冲压缩与相干积累， 在主瓣指向 0°左右的 15 个通道之外出现 较大强度信号只可能是干扰。将其余 10 个通道分布在这些大强度干扰信号方位上， 可有助 于提高自适应干扰抑制的深度 ； 若无较大强度信号出现， 将 10 个通道平均分布在 N 个波束 两侧。
(2) 脉冲压缩单元 2 对 N×KL 维波束空间数据 X′进行脉冲压缩， 将压缩后每一周 期的数据分为前 H 个距离通道数据和后 K-H 个距离单元数据。由于仰角超过一定角度的电 磁波将穿出电离层， 不再返回系统， 因此离系统较近的 H 个距离单元为盲区， 此区域内出现
的信号以干扰和返回叠加的杂波为主， 经脉冲压缩后， 取盲区内数据进行自适应波束形成 可以避免期望相消。实施例中， H ＝ 200， 将脉冲压缩后每个周期前 200 个距离单元数据和 后 300 个距离单元数据分别形成 41×(200×256) 维干扰矩阵 矩阵
和 41×(300×256) 维信号进行后续处理。其中， 送往杂波抑制单元 3 ； 送往主瓣干扰空时检测单元 4。 (3) 杂波抑制单元 3 通过 FIR 滤波器抑制数据 中的杂波， FIR 滤波器系数的设计可根据先验知识， 稍宽于杂波带宽， 确保杂波得到彻底抑制， 实施例中， 滤波器为 64 阶高 通滤波器， 截止频率设为 3Hz， 将 信号与杂波干扰数据
中每个周期数据乘以滤波器系数后相加， 输出不含期望 中每个周期内数据取平均， 得到 N×L 维送往主瓣干扰空时检测单元 4。(4) 在主瓣干扰空时检测单元 4 中， 将干扰均值矩阵 ： XM ＝ [x1 … xl … xL]利用恒虚警 (CFAR) 方法对每一周期数据 xl 进行主瓣干扰检测， 以 rl 为主瓣干扰 标记变量， 若检测判断该周期存在主瓣干扰， rl ＝ 1， 反之 rl ＝ 0， 得到主瓣干扰识别矢量 r ：
r ＝ [r1 r2 … rl … rL]T
同时将 xl 中主瓣数据取出， 形成主瓣干扰功率矢量 xm ：
实施例中， 主瓣干扰数据为 xl(21)， 对应主瓣干扰功率矢量 xm ＝ [|xl(21)|2 … 将 r、 xm 送往干扰相关矩阵估计单元 5， 同|xL(21)|2]T。时将 r 送往瞬态干扰抑制单元 8。
(5) 干扰相关矩阵估计单元 5 中， 首先计算 r 的和范数 ‖r‖1 并设置一门限值 P， 若 ‖r‖1 ＝ 0， 说明主瓣中没有干扰， 直接估计数据相关矩阵 ：
P 的设置由典型瞬态干扰长度 t 与脉冲宽度 τ 综合决定。实施例中， t 为 0.5 秒， X″数据长度 HL 为 200×256。 估计其相关矩阵 R ：τ ＝ 0.012 秒， 则
若 ‖r‖1 ≤ P， 说明存在于主瓣中的干扰为瞬态干扰， 将这些存在瞬态干扰的周期 中除去， 得到不含主瓣瞬态干扰的干扰数据从数据
若 ‖r‖1 ＞ P， 则说明主瓣中存在非瞬态干扰， 估计数据相关矩阵并对其进行对角 加载以保证主瓣不畸变， 计算对角加载量 λ ：
λ ＝ rTxm/L
则
由此得出的加载量与主瓣干扰功率成正比。 由于对角加载量的较小变化对自适应 权值的形成影响极微， 即使出现少数检测错误， 也不会对自适应波束形成结果造成太大影 响。将干扰相关矩阵送往自适应权值计算单元 6。
(6) 自适应权值计算单元 6 形成自适应权值 w ：
w ＝ αR-1AHa(θ0)
其中， α 为一标量， 用于权值的归一化。
(7) 自适应干扰抑制单元 7 对信号数据加权， 得到抑制干扰后数据 y ：将数据 y 送往瞬态干扰抑制单元 8。
(8) 瞬态干扰抑制单元 8 首先考察 ‖r‖1 的值， 若 ‖r‖1 ≤ P， 将 y 中对应 r 元素 为 1 的周期数据挖除 ：
y((i-1)(K-H)+1 ∶ i(K-H))|r(i) ＝ 1， i ＝ 1， 2，…， L ＝ 0
并利用 AR 模型对挖除数据进行补偿， 得到不含瞬态干扰的数据， 送后续处理进行 相干积累 ； 若 ‖r‖1 ＞ P 或 ‖r‖1 ＝ 0， 直接将 y 送后续相干处理。
虽然结合附图描述了本发明的实施方式， 但是本领域普通技术人员可以在所附权 利要求的范围内作出各种变形或修改。