基于非参数迭代自适应的捷变频雷达目标重构方法.pdf

《基于非参数迭代自适应的捷变频雷达目标重构方法.pdf》由会员分享，可在线阅读，更多相关《基于非参数迭代自适应的捷变频雷达目标重构方法.pdf（14页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201911100821.1 (22)申请日 2019.11.12 (71)申请人 西安电子科技大学 地址 710071 陕西省西安市雁塔区太白南 路2号 (72)发明人 梁毅殷志文秦翰林王文杰 (74)专利代理机构 西安睿通知识产权代理事务 所(特殊普通合伙) 61218 代理人 惠文轩 (51)Int.Cl. G01S 7/41(2006.01) G06F 30/20(2020.01) (54)发明名称 基于非参数迭代自适应的捷变频雷达目标 重构方法 (57)摘要 本发明公开。

2、了一种基于非参数迭代自适应 的捷变频雷达目标重构方法， 属于雷达信号处理 技术领域； 具体地， 本发明首先建立捷变频雷达 的回波信号模型， 然后将回波信号转换为对应的 捷变频雷达的压缩感知模型， 构建对应的观测矩 阵； 最后将捷变频雷达的压缩感知模型与阵列信 号的压缩感知模型进行对应转化， 采用非参数迭 代自适应算法对捷变频雷达的目标信号进行优 化求解得到目标信号列向量； 再对其进行重排， 得到重构的目标信号。 本发明通过构建观测矩阵 并将其类比到阵列流形矩阵之后， 将IAA引入捷 变频雷达信号的压缩感知求解过程， 实现了无需 稀疏度等额外参数条件下目标的准确重构。 权利要求书3页 说明书7页。

3、 附图3页 CN 110954883 A 2020.04.03 CN 110954883 A 1.基于非参数迭代自适应的捷变频雷达目标重构方法， 其特征在于， 包括以下步骤： 步骤1， 建立捷变频雷达的回波信号模型， 并据此获取目标的回波信号； 目标的回波信 号经过接收机混频解调， 得到基带信号； 将基带信号进行脉压和归一化处理， 得到脉压后的 回波信号； 步骤2， 将脉压后的回波信号转换为对应的捷变频雷达的压缩感知模型， 进而构建对应 的观测矩阵； 步骤3， 将捷变频雷达的压缩感知模型与阵列信号的压缩感知模型进行对应转化， 其 中， 捷变频雷达的观测矩阵的每一列与阵列流形矩阵的每一列对应， 。

4、阵列的DOA估计结果的 来波方向与捷变频雷达的目标参数对应； 采用非参数迭代自适应算法对捷变频雷达的目标 信号进行优化求解， 得到目标信号列向量； 对目标信号列向量进行重排， 得到重构的目标信 号； 其中， 目标参数为目标的位置和速度。 2.根据权利要求1所述的基于非参数迭代自适应的捷变频雷达目标重构方法， 其特征 在于， 步骤1中， 所述建立捷变频雷达的回波信号模型， 具体为： 首先， 设定雷达脉冲的初始载频为fc， 则第n个脉冲的载频为fnfc+dnf； 其中， n为脉冲序列号， n0， 1， .， N-1， N为一个相参处理间隔内的脉冲个数， f为最 小跳频间隔， dn为第n个脉冲的频率。

5、调制码字； 其次， 设定基带波形采用线性调频信号， 则捷变频信号模型可以表示为： 其中， j为虚数单位， rect()为矩形窗函数， Tp为脉冲宽度，为调频率， Br为线性 调频信号带宽，为快时间， tn为慢时间，tnnTr， Tr为脉冲重复周期； 最后， 设定观测场景中存在一个动目标点， 在t时刻径向距离为r(t)， 速度为v， 该动目 标朝远离雷达方向运动， 则雷达接收到回波的时延那么雷达接收到该目标 的回波信号表示为： 上式即为捷变频雷达的回波信号模型。 3.根据权利要求2所述的基于非参数迭代自适应的捷变频雷达目标重构方法， 其特征 在于， 所述基带信号的表达式为： 所述脉压后的回波信号。

6、为： 权利要求书 1/3 页 2 CN 110954883 A 2 其中， sinc()为辛格函数， 将fnf0+dnf与代入上式中， 则 引入新的变量： 其中， 为目标的散射系数， p和q分别为高分辨距离相位因子和速度相位因子； 由于雷达回波信号可以看成观测场景中不同速度的所有目标回波的线性叠加， 则上式 改写为： 其中， 为目标所有高分辨距离和运动速度的集合。 4.根据权利要求1所述的基于非参数迭代自适应的捷变频雷达目标重构方法， 其特征 在于， 所述将脉压后的回波信号转换为对应的捷变频雷达的压缩感知模型， 具体为： 对于捷变频雷达， 在一个粗分辨单元内目标具有稀疏性， 因此， 使用压缩感。

7、知模型进行 目标回波信号重构； 不考虑噪声时， 压缩感知方程为yx； 其中， y为观测数据， 即为脉压后的回波信号， 为观测矩阵， x为目标信号； 仅考虑一个 粗分辨单元时， y为某个采样时刻的第n个脉冲的回波数据， 即yCN1。 5.根据权利要求3所述的基于非参数迭代自适应的捷变频雷达目标重构方法， 其特征 在于， 所述构造观测矩阵， 其具体为： 首先， 将捷变频雷达的回波信号看成观测场景中所有目标回波的线性叠加， 即距离-速 度维的积分形式； 将距离-速度的二维平面离散化， 即将积分形式转变为求和形式； 其次， 将一个粗分辨单元的距离维和速度维分别对应离散化为M和N个网格格点， 即p0， 。

8、p1， .， pM-1， q0， q1， .， qN-1； 根据压缩感知方程， 要对目标信号x进行重建， 需要求观测矩阵 ， 即对应的目标回波散射系数 (p， q)， 用二维MN复数矩阵 表示： 再次， 将目标回波散射系数矩阵 进行列向量化， 即为目标回波散射系数重构的向量x， 权利要求书 2/3 页 3 CN 110954883 A 3 xCMN1： x (p0， q0)， ， (pM-1， q0)， ， (p0， qN-1)， ， (pM-1， qN-1)T则离散化后所有目标的 第n个脉冲的回波信号改写为： 其中， k1， 2， MN， pk(n)为第n个脉冲时目标信号x中第k个元素x(k。

9、)对应的距离相位 因子， qk(n)为第n个脉冲时目标信号x中第k个元素x(k)对应的速度相位因子； 最后， 定义导引矢量k(n)CN1： k(n)exp(jpk(n)dn)exp(jqk(n)lnn) 对于一个固定的脉冲序列， 其导引矢量为k， 则构建的观测矩阵为： 0， 1， .， MN-1CNMN。 6.根据权利要求1所述的基于非参数迭代自适应的捷变频雷达目标重构方法， 其特征 在于， 所述采用非参数迭代自适应算法对捷变频雷达的目标参数进行优化求解， 具体过程 为： (a)设置最大迭代次数为L； 初始化迭代次数 为0； (b)计算重构目标信号的初始向量 其中，表示第 次迭代中的重构目标信。

10、号的第k个元素； k1， 2， MN； (k)为观 测矩阵的第k列， ()H表示共轭转置； (c)计算当前迭代次数的对角矩阵p， 其中， |表示求模操作； (d)计算当前迭代次数的协方差矩阵 其中， diag为对角化操作； (e)更新重构目标信号并将其作为下一次迭代的重构目标信号； 其中， ()-1表示求逆操作； (f)判断当前迭代次数是否满足 L， 若是， 则返回步骤(c)更新对角阵p， 并将其作为 下一次迭代的对角阵； 否则， 停止迭代， 将步骤(e)得到的更新后的重构目标信号作为最终 确定的目标信号， 即得到对应的一个MN1的目标信号列向量x。 7.根据权利要求1所述的基于非参数迭代自适。

11、应的捷变频雷达目标重构方法， 其特征 在于， 所述对目标信号列向量进行重排， 其具体为： 将目标信号列向量x按元素顺序重排成MN维矩阵， 即将x的前M个元素作为重排后矩 阵的第一行， 将x的第M+1到第2M个元素作为重排后矩阵的第2行， 依次类推， 即可得到重排 后的MN维矩阵； 即为目标的距离-速度矩阵， 亦即重构的目标信号。 权利要求书 3/3 页 4 CN 110954883 A 4 基于非参数迭代自适应的捷变频雷达目标重构方法 技术领域 0001 本发明属于雷达信号处理技术领域， 尤其涉及一种基于非参数迭代自适应的捷变 频雷达目标重构方法。 背景技术 0002 捷变频雷达的载频在一定范。

12、围内快速变化， 对于干扰机而言， 雷达下一个脉冲载 频未知， 欺骗式干扰和频率瞄准的压制式干扰很难起作用， 因此， 捷变频雷达可以提高抗干 扰性能， 而且还可以提高距离分辨力优势， 具有广阔的应用前景。 0003 压缩感知作为一项理论模型， 其最重要的突破性和创新性在于对奈奎斯特采样理 论的拓展； 基于先验的信号稀疏性， 在小于奈奎斯特或者远小于奈奎斯特采样率的欠采样 条件下， 通过非线性求解方法对压缩感知模型进行优化求解， 从而可以以高精度恢复出原 始信号。 因此， 在遥感探测、 图像压缩、 雷达信号处理等领域都采用该模型来解决数据缺失 条件下的信号处理问题。 0004 在捷变频雷达中， 观。

13、测场景具有明显的稀疏特性， 且在复杂条件下雷达数据会产 生一定丢失， 与压缩感知理论十分契合。 然而， 目前在捷变频领域所用的压缩感知算法如正 交匹配追踪(OMP)算法， 往往需要获取一些参数条件， 实际应用时往往需要反复测试参数， 计算量大， 结果稳定性差， 目标定位准确性较低。 发明内容 0005 为了解决上述问题， 本发明的目的是提出基于非参数迭代自适应(IAA， Iterative Adaptive Approach)的捷变频雷达目标重构方法。 由于IAA算法是处理阵列信号时提出的， 所以本发明方法是通过构建观测矩阵并将其类比到阵列流形矩阵之后， 将IAA算法引入捷 变频雷达信号的压缩。

14、感知求解过程， 实现了无需稀疏度等额外参数条件下目标的准确重 构。 0006 为了达到上述目的， 本发明采用以下技术方案予以解决。 0007 基于非参数迭代自适应的捷变频雷达目标重构方法， 包括以下步骤： 0008 步骤1， 建立捷变频雷达的回波信号模型， 并据此获取目标的回波信号； 目标的回 波信号经过接收机混频解调， 得到基带信号； 将基带信号进行脉压和归一化处理， 得到脉压 后的回波信号； 0009 步骤2， 将脉压后的回波信号转换为对应的捷变频雷达的压缩感知模型， 进而构建 对应的观测矩阵； 0010 步骤3， 将捷变频雷达的压缩感知模型与阵列信号的压缩感知模型进行对应转化， 其中， 。

15、捷变频雷达的观测矩阵的每一列与阵列流形矩阵的每一列对应， 阵列的DOA估计结果 的来波方向与捷变频雷达的目标参数对应； 采用非参数迭代自适应算法对捷变频雷达的目 标信号进行优化求解， 得到目标信号列向量； 对目标信号列向量进行重排， 得到重构的目标 信号； 说明书 1/7 页 5 CN 110954883 A 5 0011 其中， 目标参数为目标的位置和速度。 0012 与现有技术相比， 本发明的有益效果为： 0013 (1)本发明不需要已知额外参数例如稀疏度， 在捷变频雷达信号处理时， 对于各种 未知场景目标进行重构， 比常用的正交匹配追踪(OMP)法更具稳定性。 0014 (2)若观测噪声。

16、的强度随时间变换， 则观测噪声的影响对于每次观测是不同的， 而 许多算法采用最小二乘估计则是同等对待每次观测量， 反而是不合理的。 本发明是采用加 权最小二乘法进行估计， 相对而言结果更精确。 0015 (3)本发明首次在捷变频雷达信号重构中采用非参数迭代自适应(IAA)算法， 并完 成了目标场景的准确重构。 IAA算法通过迭代过程获得最佳的重构结果， 迭代过程相对简 单， 计算量低， 容易工程实现。 附图说明 0016 图1是本发明提供一种基于非参数迭代自适应的捷变频雷达目标重构方法的流程 示意图； 0017 图2(a)是本发明实施例提供的目标区域IAA算法迭代的初始值的距离-速度二维 图；。

17、 0018 图2(b)是本发明实施例提供的目标区域IAA算法迭代的初始值的距离-速度三维 图； 0019 图3(a)是本发明实施例提供的目标区域IAA算法迭代的最终值的距离-速度二维 图； 0020 图3(b)是本发明实施例提供的目标区域IAA算法迭代的最终值的距离-速度三维 图； 0021 图4是本发明实施例提供的目标区域正交匹配追踪(OMP)算法求解的距离-速度三 维图。 具体实施方式 0022 下面结合附图对本发明的实施例及效果作进一步详细描述。 0023 参考图1， 本发明的一种基于非参数迭代自适应的捷变频雷达目标重构方法， 按照 以下步骤实施： 0024 步骤1， 建立捷变频雷达的回。

18、波信号模型， 并据此获取目标的回波信号； 目标的回 波信号经过接收机混频解调， 得到基带信号； 将基带信号进行脉压和归一化处理， 得到脉压 后的回波信号； 0025 具体按照以下步骤进行： 0026 步骤1.1， 建立捷变频雷达的回波信号模型： 0027 首先， 设定雷达脉冲的初始载频为fc， 第n个脉冲的载频为fnfc+dnf， n0， 1， .， N-1， 其中n为脉冲序列号， N为一个相参处理间隔内的脉冲个数， f为最小跳频间 隔， dn为第n个脉冲的频率调制码字， 其取值范围为dn0， 1， .M-1。 0028 其次， 为了提高距离分辨率， 基带波形采用线性调频信号(LFM)， 捷变。

19、频信号模型 可以表示为： 说明书 2/7 页 6 CN 110954883 A 6 0029 0030其中， rect()为矩形窗函数， Tp为脉冲宽度，为调频率， Br为LFM信号带 宽， 为快时间， tn为慢时间，tnnTr， Tr为脉冲重复周期。 0031 最后， 设定观测场景中存在一个动目标点， 在t时刻径向距离为r(t)， 速度为v。 该 动目标朝远离雷达方向运动， 则雷达接收到回波的时延那么雷达接收到 该目标的回波信号可以表示为： 0032 0033 步骤1.2， 该目标的回波信号经过接收机混频解调， 得到基带信号表示为： 0034 0035 步骤1.3， 经过脉压之后， 将回波归。

20、一化处理后， 得到的回波信号为： 0036 0037其中， sinc()为辛格函数将fnf0+dnf与代入上式中， 则 0038 0039 为使上式简洁， 引入新的变量： 0040 0041 其中， | |、 p和q分别与幅度、 距离和速度成比例关系， 为目标的散射系数， p和q为 高分辨距离相位因子和速度相位因子。 0042 由于雷达回波信号可以看成观测场景中、 不同速度的所有目标回波的线性叠加， 说明书 3/7 页 7 CN 110954883 A 7 则上式改写为： 0043 0044 其中， 为目标所有高分辨距离和运动速度的集合。 0045 步骤2， 将脉压后的回波信号转换为对应的捷变。

21、频雷达的压缩感知模型， 进而构建 对应的观测矩阵； 0046 具体按照以下步骤进行： 0047 步骤2.1， 在一个粗分辨距离单元内目标具有稀疏性， 使用压缩感知的方法重构目 标。 不考虑噪声的情况下， 压缩感知方程为yx； 0048 其中， y为观测数据， 即为脉压后的回波信号， 为观测矩阵， x为目标信号。 仅考虑 一个粗分辨单元时， y为某个采样时刻的第n个脉冲的回波数据， 即yCN1； 0049 子步骤2.2， 由于捷变频雷达的回波信号可以看成观测场景中所有目标回波的线 性叠加， 所以在距离-速度维是一个积分求解形式。 因此通常将距离-速度的二维平面离散 化， 以便将积分表达式近似简化。

22、为求和表达式。 0050 将一个粗分辨单元的距离维和速度维分别对应离散化为M和N个网格格点， 即p0， p1， .， pM-1， q0， q1， .， qN-1。 设粗分辨距离单元为R， 高分辨距离单元为rR/M， 速度 分辨单元vvmax/N， vmax为雷达最大不模糊速度； 0051 子步骤2.3， 构造观测矩阵。 0052 根据压缩感知方程可知， 要对目标信号x进行重建， 就需要求观测矩阵， 即对应 的目标回波散射系数 (p， q)， 用二维MN复数矩阵 表示 0053 0054 将目标回波散射系数矩阵 进行列向量化， 即是目标回波散射系数重构的向量x， x CMN1： 0055 x (。

23、p0， q0)， ， (pM-1， q0)， ， (p0， qN-1)， ， (pM-1， qN-1)T则离散化后所有目 标的第n个脉冲的回波信号可以改写为： 0056 0057 其中， k1， 2， MN， pk(n)、 qk(n)分别为第n个脉冲时目标信号x中第k个元素x(k) 对应的距离相位因子、 速度相位因子。 0058 定义导引矢量k(n)CN1： 0059 k(n)exp(jpk(n)dn)exp(jqk(n)lnn) 0060 对于一个固定的脉冲序列， 其导引矢量为k， 则构建的观测矩阵为： 0061 0， 1， .， MN-1CNMN。 0062 步骤3： 将捷变频雷达的压缩感。

24、知模型与阵列信号的压缩感知模型进行对应转化， 其中， 捷变频雷达的观测矩阵的每一列与阵列流形矩阵的每一列对应， 阵列的DOA估计结果 的来波方向与捷变频雷达的目标参数对应； 采用非参数迭代自适应算法对捷变频雷达的目 说明书 4/7 页 8 CN 110954883 A 8 标信号进行优化求解， 得到目标信号列向量； 对目标信号列向量进行重排， 得到重构的目标 信号。 0063 具体按照以下步骤进行： 0064 步骤3.1， 将捷变频的压缩感知模型转换成阵列信号模型的表示方式： 即捷变频雷 达的观测矩阵的每一列与阵列流形矩阵的每一列对应， 阵列的DOA估计结果的来波方向与 捷变频雷达的目标参数对。

25、应； 0065 其中， 目标参数为目标的位置和速度。 0066 因此， 将阵列信号模型中的IAA算法引入捷变频雷达中， 采用IAA算法确定阵列信 号的DOA来波方向， 就等价于采用IAA算法确定捷变频雷达的目标参数。 0067 步骤3.2， 采用非参数迭代自适应算法对捷变频雷达的目标参数进行优化求解， 具 体过程为： 0068 (a)设置最大迭代次数为L； 初始化迭代次数 为0； 0069(b)计算重构目标信号的初始向量 0070其中，表示第 次迭代中的重构目标信号的第k个元素； k1， 2， MN； (k)为观测矩阵的第k列， ()H表示共轭转置； 0071(c)计算当前迭代次数的对角矩阵p。

26、， 0072 其中， |表示求模操作； 0073(d)计算当前迭代次数的协方差矩阵 0074 其中， diag为对角化操作； 0075(e)更新重构目标信号并将其作为下一次迭代的重构目标 信号； 0076 其中， ()-1表示求逆操作； 0077 (f)判断当前迭代次数是否满足 L， 若是， 则返回步骤(c)更新对角阵p， 并将其 作为下一次迭代的对角阵； 否则， 停止迭代， 将步骤(e)得到的更新后的重构目标信号作为 最终确定的目标信号， 即得到对应的一个MN1的目标信号列向量x。 0078 以上过程中， L一般选10到15次。 0079 上述捷变频雷达中IAA算法的具体优化思路如下： 00。

27、80 首先， 设p是一个对角阵， 其对角元素是捷变频雷达离散化后网格上每个目标位置 的信号能量； 其中， 干扰和噪声的协方差矩阵为Q(kp， kq)R-Pk(kp， kq)H(kp， kq)， R (kp， kq)P(kp， kq)， kp， kq为观测矩阵的第k列对应的p， q参数， (kp， kq)即(k)。 0081 其次， 定义加权最小二乘代价函数如下： 0082 0083其中，y(n)为第n个脉冲对应的脉压后的回波信号， xk(n)表示第n 说明书 5/7 页 9 CN 110954883 A 9 次脉冲的第k个元素的复幅值。 0084 要得到精确的估计结果， 即要使得： 0085 。

28、0086达到最小， 此时的成为最小二乘加权量， W成为加权矩阵。 0087最后， 将上式对求偏导， 令结果等于0， 则得到最小二乘估计量： 0088 0089 步骤3.3， 将目标信号列矩阵x按元素顺序重排成MN维矩阵， 即将x的前M个元素 作为重排后矩阵的第一行， 将x的第M+1到第2M个元素作为重排后矩阵的第2行， 依次类推， 即可得到重排后的MN维矩阵； 即为目标的距离-速度矩阵， 亦即重构的目标信号。 0090 仿真实验 0091 以下通过仿真实验验证本发明的有效性， 仿真参数如表所示： 0092 表1 系统仿真参数 0093 0094 0095 整个仿真过程分为两部分， 第一部分是验。

29、证本发明方法能否准确恢复出信号的距 说明书 6/7 页 10 CN 110954883 A 10 离速度位置， 来验证方法的有效性； 第二部分在未知稀疏度情况下， 与常用的正交匹配追踪 (OMP)法比较， 验证本发明方法的实用性。 0096 第一部分仿真结果如图2(a)和2(b)所示， 从图2(a)的IAA算法迭代的初始值的二 维平面图和2(b)的IAA算法迭代的初始值的三维图中可以看出， 本发明方法求解的初始重 构信号即得到了目标的距离-速度信息， 说明本发明方法求解捷变频压缩感知问题有效。 0097 第二部分仿真， 分别采用本发明方法和传统的OMP方法对目标信号进行重构， 结果 如图3和图。

30、(4)所示， 图3(a)和3(b)分别为采用本发明方法的IAA算法迭代的最终值重构目 标的距离-速度二维平面图和三维图， 从图中可以看出， 本发明方法准确重构出的目标的距 离和速度信息， 且对比图2(b)可以看出， 本发明的IAA算法迭代过程能够消除干扰信号， 提 高目标重构的准确性。 0098 在未知稀疏度的情况下， OMP算法如果迭代次数大于稀疏度， 恢复结果变差， 当迭 代次数超过稀疏度一定程度后， 恢复结果会出现虚假目标； 如果迭代次数小于稀疏度时， 显 然也会丢失目标。 在稀疏度为3， OMP迭代次数为10时， 仿真结果如图4所示， 明显看出仿真结 果已经出现虚假目标。 因此， 在实。

31、际应用中， 未知场景稀疏度情况下进行压缩感知恢复， 传 统OMP算法必须不断修改算法迭代次数， 而IAA算法不需要额外参数设置， 具有更高的实用 价值。 0099 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。 说明书 7/7 页 11 CN 110954883 A 11 图1 图2(a) 说明书附图 1/3 页 12 CN 110954883 A 12 图2(b) 图3(a) 说明书附图 2/3 页 13 CN 110954883 A 13 图3(b) 图4 说明书附图 3/3 页 14 CN 110954883 A 14 。