方 明 劉宏偉 戴奉周 王小謨②

?

基于環(huán)境動(dòng)態(tài)感知的空時(shí)自適應(yīng)處理

方 明①劉宏偉①戴奉周*①王小謨①②

①(西安電子科技大學(xué)雷達(dá)信號(hào)處理國(guó)家重點(diǎn)實(shí)驗(yàn)室 西安 710071)②(中國(guó)電子科學(xué)研究院 北京 100041)

在非均勻環(huán)境中，缺乏獨(dú)立同分布的訓(xùn)練樣本會(huì)使空時(shí)自適應(yīng)處理(Space-Time Adaptive Processing, STAP)算法性能嚴(yán)重下降。針對(duì)這個(gè)問題，該文提出一種基于環(huán)境動(dòng)態(tài)感知的空時(shí)自適應(yīng)處理方法。該方法首先通過發(fā)射一組正交信號(hào)感知觀測(cè)場(chǎng)景獲取雜波信息；然后利用雜波信息結(jié)合平臺(tái)參數(shù)及系統(tǒng)參數(shù)預(yù)測(cè)未來一段時(shí)間內(nèi)雜波的協(xié)方差矩陣；最后將預(yù)測(cè)的協(xié)方差矩陣與樣本協(xié)方差矩陣進(jìn)行組合以構(gòu)造空時(shí)濾波器。仿真結(jié)果表明，與傳統(tǒng)的知識(shí)輔助類STAP算法相比，該方法在缺乏準(zhǔn)確先驗(yàn)知識(shí)的情況下依然可以有效地抑制非均勻環(huán)境中的雜波。

機(jī)載雷達(dá)；雜波抑制；空時(shí)自適應(yīng)處理；感知；正交信號(hào)

1 引言

對(duì)于架設(shè)在移動(dòng)平臺(tái)上的機(jī)載雷達(dá)，來自不同方向的雜波具有不同的多普勒頻率，因此其雜波具有空時(shí)2維的分布特性[1]。為了抑制回波中的雜波分量，我們需進(jìn)行空時(shí)2維的聯(lián)合濾波，即空時(shí)自適應(yīng)處理(Space-Time Adaptive Processing, STAP)。空時(shí)自適應(yīng)處理需要通過一定數(shù)量的訓(xùn)練樣本來估計(jì)檢測(cè)單元的雜噪?yún)f(xié)方差矩陣。但是在實(shí)際應(yīng)用中，由于環(huán)境的非均勻性，如地形地貌的變化，人造建筑物等，產(chǎn)生了非均勻樣本，導(dǎo)致自適應(yīng)濾波器的凹口位置與深度發(fā)生偏差，從而影響了機(jī)載雷達(dá)的雜波抑制性能。

對(duì)此，文獻(xiàn)[6,7]提出利用機(jī)載雷達(dá)探測(cè)環(huán)境的先驗(yàn)知識(shí)來改善STAP算法的雜波抑制性能，即知識(shí)輔助空時(shí)自適應(yīng)處理(Knowledge-Aided STAP, KA-STAP)。根據(jù)先驗(yàn)知識(shí)的使用方式，KA-STAP一般可分為兩類：(1)間接利用先驗(yàn)知識(shí)，例如智能地選擇濾波器和訓(xùn)練樣本；(2)直接利用先驗(yàn)知識(shí)，例如貝葉斯濾波及預(yù)白化類STAP。第(1)類方式利用數(shù)字地形高程數(shù)據(jù)、地面覆蓋/地面使用數(shù)據(jù)等先驗(yàn)知識(shí)選取與環(huán)境相匹配的自適應(yīng)濾波器以及均勻的訓(xùn)練樣本；第(2)類方式需通過先前的觀測(cè)數(shù)據(jù)或是其它方式獲取當(dāng)前檢測(cè)單元的先驗(yàn)協(xié)方差矩陣。在先驗(yàn)知識(shí)準(zhǔn)確的情況下，KA-STAP能夠極大地改善雷達(dá)在非均勻環(huán)境中的雜波抑制性能。但是在實(shí)際應(yīng)用中，由于外界環(huán)境的改變，造成了先驗(yàn)知識(shí)與實(shí)際環(huán)境的失配，使用這樣的先驗(yàn)知識(shí)不僅不會(huì)改善STAP的雜波抑制性能，甚至可能會(huì)降低其性能[2]。

針對(duì)上述問題，本文提出了一種基于環(huán)境動(dòng)態(tài)感知的空時(shí)自適應(yīng)處理方法。該方法利用天線陣發(fā)射正交信號(hào)時(shí)具有全向方向圖的特點(diǎn)，在檢測(cè)前發(fā)射一組正交信號(hào)探測(cè)外界環(huán)境，并通過環(huán)境的觀測(cè)數(shù)據(jù)估計(jì)場(chǎng)景內(nèi)雜波的散射特性，存入環(huán)境動(dòng)態(tài)數(shù)據(jù)庫(kù)，完成環(huán)境的實(shí)時(shí)在線感知；檢測(cè)時(shí)先利用數(shù)據(jù)庫(kù)中的雜波信息結(jié)合平臺(tái)參數(shù)及系統(tǒng)參數(shù)預(yù)測(cè)未來一段時(shí)間內(nèi)的雜波協(xié)方差矩陣；之后預(yù)測(cè)的雜波協(xié)方差矩陣與樣本協(xié)方差矩陣以一定的方式組合生成空時(shí)濾波器，抑制回波中的雜波分量。本文通過仿真實(shí)驗(yàn)表明：在先驗(yàn)知識(shí)與實(shí)際環(huán)境失配的情況下，該方法依然可以有效地抑制雜波。

2 雜波信息的獲取

檢測(cè)前，雷達(dá)發(fā)射探測(cè)信號(hào)主動(dòng)感知外界環(huán)境獲取雜波信息，本文將這一階段稱為感知階段。天線陣發(fā)射正交信號(hào)時(shí)具有全向的方向圖，因此通過發(fā)射一組正交信號(hào)即可獲得整個(gè)場(chǎng)景的觀測(cè)，從而節(jié)省大量的時(shí)間資源；相較于普通波形，發(fā)射正交信號(hào)時(shí)，系統(tǒng)可以獲得更高的參數(shù)辨別能力?；谝陨蟽蓚€(gè)點(diǎn)，本文將正交信號(hào)作為環(huán)境的探測(cè)信號(hào)。

2.1環(huán)境回波模型

2.2雜波散射特性估計(jì)

假設(shè)觀測(cè)場(chǎng)景內(nèi)的雜波是非均勻的，并且強(qiáng)雜波具有一定的稀疏性(即雜波RCS只有一部分元素的模值較大，其余元素的模值都相對(duì)較小)，則通過觀測(cè)數(shù)據(jù)，對(duì)具有稀疏特性的雜波RCS進(jìn)行估計(jì)的問題可以描述為

3 雜波協(xié)方差矩陣預(yù)測(cè)及空時(shí)自適應(yīng)處理

雷達(dá)完成環(huán)境的感知后，發(fā)射普通的相控陣信號(hào)，探測(cè)目標(biāo)，本文將這一階段稱為探測(cè)階段。探測(cè)階段，天線陣的個(gè)陣元發(fā)射線性調(diào)頻信號(hào)，其中表示探測(cè)階段每個(gè)陣元的發(fā)射功率，是歸一化復(fù)包絡(luò)。此時(shí)相干處理間隔內(nèi)的脈沖數(shù)為，脈沖重復(fù)間隔為。

3.1雜波塊位置信息更新

平臺(tái)的運(yùn)動(dòng)使雜波塊與雷達(dá)的相對(duì)位置不斷地發(fā)生變化，因此在利用雜波信息前，應(yīng)先更新雜波塊的位置信息。如圖1所示，假設(shè)感知階段雷達(dá)位于處，雜波塊相對(duì)雷達(dá)的距離及到達(dá)角為與，雷達(dá)切換到相控陣模式后，經(jīng)到達(dá)，此時(shí)該雜波塊相對(duì)雷達(dá)的距離及到達(dá)角變?yōu)榕c。在圖1中，由余弦定理及正弦定理分別可得

圖1 雜波塊與雷達(dá)的幾何關(guān)系

3.2雜波協(xié)方差矩陣預(yù)測(cè)

在非均勻的雜波環(huán)境中，為了避免非均勻樣本數(shù)據(jù)給雜波協(xié)方差矩陣估計(jì)帶來的影響，本文利用Ward的雜波模型[1]構(gòu)造檢測(cè)單元的雜波協(xié)方差矩陣。根據(jù)Ward的雜波模型，雜波協(xié)方差矩陣估計(jì)包括雜波強(qiáng)度估計(jì)及其導(dǎo)向矢量估計(jì)，其中雜波強(qiáng)度取決于雜波的RCS、雜波的距離以及天線的照射功率，導(dǎo)向矢量取決于雜波的到達(dá)角，則結(jié)構(gòu)化的雜波協(xié)方差矩陣可表示為

3.3空時(shí)濾波器設(shè)計(jì)

考慮到重構(gòu)場(chǎng)景與實(shí)際場(chǎng)景存在一定的誤差，且這種誤差會(huì)影響雜波子空間的估計(jì)精度，進(jìn)而造成雜波抑制性能的下降。因此本文在自適應(yīng)處理時(shí)先利用實(shí)際回波數(shù)據(jù)校正雜波子空間。

根據(jù)文獻(xiàn)[12]，校正后的協(xié)方差矩陣可以表示為

4 雜波信息的時(shí)效性分析

如圖1所示，對(duì)于場(chǎng)景內(nèi)任一雜波塊，雷達(dá)平臺(tái)的運(yùn)動(dòng)會(huì)使雜波塊內(nèi)部散射點(diǎn)間的相位差發(fā)生變化，導(dǎo)致散射點(diǎn)子回波的向量和的幅度發(fā)生變化，即雜波塊的RCS會(huì)隨著平臺(tái)的運(yùn)動(dòng)產(chǎn)生一定的起伏。為了保證雜波協(xié)方差矩陣估計(jì)的精度，需確保雷達(dá)在感知階段與探測(cè)階段對(duì)同一雜波塊的觀測(cè)是相關(guān)的，但是隨著平臺(tái)的運(yùn)動(dòng)，這種相關(guān)性逐漸減弱，因此感知階段獲取的雜波信息具有時(shí)效性。本節(jié)就雜波信息的時(shí)效性展開討論。

4.1稀疏重構(gòu)的分辨率

在研究雜波信息的時(shí)效性前，先討論稀疏重構(gòu)算法的分辨率問題。本文參考文獻(xiàn)[13]將稀疏重構(gòu)算法的分辨率定義為：在一定的虛擬孔徑()、相干積累脈沖及雜噪比CNR下，以概率成功地將兩個(gè)雜波塊檢測(cè)出來的最小角度間隔。

由于很難給出上述分辨率的理論值，因此本文通過蒙特卡洛實(shí)驗(yàn)的方法得到該理論值的估計(jì)。

4.2雜波信息的時(shí)效性

平臺(tái)的運(yùn)動(dòng)會(huì)導(dǎo)致雜波塊RCS的起伏，在這種情況下，雜波塊的點(diǎn)目標(biāo)模型[1]就不夠精確。為了更好地描述雜波塊RCS隨平臺(tái)運(yùn)動(dòng)的起伏特性，這里將雜波塊建模為分布式目標(biāo)。在圖1中，假設(shè)雜波塊由一組分布在中的個(gè)散射點(diǎn)組成。則根據(jù)文獻(xiàn)[14]，當(dāng)滿足式(21)時(shí)：

由4.1節(jié)定義的分辨率，重構(gòu)雜波的切向尺寸可表示為

將式(22)和式(23)代入式(21)，得到保持雜波RCS相關(guān)的平臺(tái)位移量

將式(24)右端定義為雜波的相關(guān)距離，且規(guī)定每當(dāng)平臺(tái)位移量超出雜波相關(guān)距離后，雷達(dá)需重新發(fā)射正交信號(hào)感知觀測(cè)場(chǎng)景，更新雜波信息，以保證雜波協(xié)方差矩陣估計(jì)的精度。

5 仿真實(shí)驗(yàn)

本節(jié)利用仿真數(shù)據(jù)來驗(yàn)證本文所提方法的有效性。

實(shí)驗(yàn)場(chǎng)景設(shè)置：將一幅SAR圖像作為實(shí)際場(chǎng)景，且每個(gè)像素的幅值作為散射點(diǎn)的強(qiáng)度，如圖2所示。

圖2 某地區(qū)的SAR圖像

系統(tǒng)參數(shù)設(shè)置：雷達(dá)的系統(tǒng)參數(shù)如表1所示，平臺(tái)參數(shù)如表2所示。

表1系統(tǒng)參數(shù)

表2平臺(tái)參數(shù)

5.1實(shí)驗(yàn)1：重構(gòu)算法的分辨率及雜波的相關(guān)距離

在上述的實(shí)驗(yàn)條件下，令環(huán)境回波的雜噪比分別為0 dB, 10 dB, 20 dB, 30 dB, 40 dB，對(duì)稀疏重構(gòu)算法進(jìn)行1000次蒙特卡洛實(shí)驗(yàn)，得到檢測(cè)概率時(shí)稀疏重構(gòu)的分辨率，實(shí)驗(yàn)結(jié)果如圖3所示。從圖中可以看出稀疏重構(gòu)算法較瑞利限具有一定的超分辨能力，且雜噪比越大稀疏重構(gòu)算法的分辨力也越強(qiáng)，但是隨著雜波到達(dá)角的增大，分辨力隨之下降，尤其是當(dāng)?shù)竭_(dá)角大于80°后，分辨力急劇下降。

圖3 重構(gòu)算法的分辨率

將重構(gòu)算法的分辨率代入式(24)，得到雜波的相關(guān)距離，如圖4所示。從圖中可以看出雜噪比越大雜波的相關(guān)距離也越大，且當(dāng)雜波到達(dá)角小于時(shí)雜波的相關(guān)距離基本固定。

圖4 雜波的相關(guān)距離

5.2實(shí)驗(yàn)2：雜波場(chǎng)景的重構(gòu)

圖5 實(shí)際雜波場(chǎng)景

圖6 重構(gòu)雜波場(chǎng)景

如圖5~圖7所示，通過稀疏重構(gòu)的方式可以較精確地重構(gòu)出場(chǎng)景中的強(qiáng)雜波塊，而強(qiáng)雜波塊對(duì)目標(biāo)的檢測(cè)有著重大影響，因此本文通過發(fā)射全向的正交信號(hào)感知觀測(cè)場(chǎng)景并將獲取的雜波信息用于隨后的空時(shí)自適應(yīng)處理是可行的。

5.3 實(shí)驗(yàn)3：空時(shí)自適應(yīng)處理

探測(cè)階段，對(duì)波束指向?yàn)?23°，雜噪比為40 dB的回波數(shù)據(jù)，分別采用最優(yōu)處理器，F(xiàn)MLACC[12]以及本文方法進(jìn)行處理。FMLACC方法是典型的預(yù)白化類STAP方法，且在先驗(yàn)協(xié)方差矩陣準(zhǔn)確的情況下，該算法很快收斂。實(shí)驗(yàn)時(shí)，本文算法以及FMLACC算法的樣本數(shù)分別為10個(gè)和40個(gè)。FMLACC算法的先驗(yàn)協(xié)方差矩陣可按如下方式構(gòu)造：雜波的空時(shí)導(dǎo)向矢量是精確的，但是利用先驗(yàn)知識(shí)估計(jì)的雜波強(qiáng)度與真實(shí)的雜波強(qiáng)度存在一定的偏差。根據(jù)文獻(xiàn)[15]，當(dāng)外界環(huán)境改變時(shí)，利用先驗(yàn)知識(shí)估計(jì)的雜波強(qiáng)度可能會(huì)嚴(yán)重偏離真實(shí)的雜波強(qiáng)度。因此，本文假設(shè)估計(jì)的雜波強(qiáng)度與真實(shí)的雜波強(qiáng)度相差30 dB。

一般空時(shí)濾波器的性能用雜波改善因子IF來衡量，其定義為輸出信雜噪比和輸入信雜噪比的比值：

圖8(a)~8(d)給出了最優(yōu)處理器、FMLACC以及本文算法在不同平臺(tái)位移下的雜波改善因子。對(duì)于FMLACC算法，當(dāng)先驗(yàn)知識(shí)不準(zhǔn)確時(shí)，預(yù)白化后的雜波子空間依然較大，導(dǎo)致該算法的收斂速度變慢，故本實(shí)驗(yàn)中FMLACC算法的性能并不理想。而本文算法由于通過實(shí)時(shí)獲取的雜波信息構(gòu)造雜波協(xié)方差矩陣，實(shí)現(xiàn)檢測(cè)單元雜噪?yún)f(xié)方差矩陣較精確地估計(jì)，因此可以明顯改善雷達(dá)在非均勻環(huán)境中的雜波抑制性能。但是當(dāng)平臺(tái)的空間位移量大于雜波的相關(guān)距離時(shí)(本實(shí)驗(yàn)中，雜波的相關(guān)距離為60 m左右)，感知階段獲取的雜波信息與實(shí)際雜波信息存在較大偏差，導(dǎo)致雜噪?yún)f(xié)方差矩陣的估計(jì)精度嚴(yán)重下降，故本文算法會(huì)有較大的性能損失。因此當(dāng)平臺(tái)的位移量大于雜波相關(guān)距離時(shí)，系統(tǒng)需重新感知場(chǎng)景，以完成雜波信息的實(shí)時(shí)更新。

圖8 雜波改善因子(第350個(gè)距離單元)

6 結(jié)束語

本文研究了在缺乏準(zhǔn)確先驗(yàn)知識(shí)的情況下抑制非均勻雜波的問題，提出一種基于環(huán)境動(dòng)態(tài)感知的空時(shí)自適應(yīng)處理方法。該方法首先通過發(fā)射一組正交信號(hào)感知觀測(cè)場(chǎng)景獲取雜波信息；然后利用雜波信息結(jié)合平臺(tái)參數(shù)及系統(tǒng)參數(shù)預(yù)測(cè)未來一段時(shí)間內(nèi)雜波的協(xié)方差矩陣；最后將預(yù)測(cè)的協(xié)方差矩陣與樣本協(xié)方差矩陣進(jìn)行組合以構(gòu)造空時(shí)濾波器，抑制雜波，提高輸出信雜比。仿真結(jié)果表明，在缺乏準(zhǔn)確先驗(yàn)知識(shí)的情況下，該方法依然可以有效地抑制非均勻環(huán)境中的雜波。然而，本文在重構(gòu)場(chǎng)景時(shí)，假設(shè)場(chǎng)景內(nèi)的強(qiáng)雜波是稀疏的，因此未來的一個(gè)研究方向是進(jìn)一步提高重構(gòu)算法對(duì)稀疏度的穩(wěn)健性。

參考文獻(xiàn)

[1] Ward J. Space-time adaptive processing for airborne radar[R]. MASS: Lincoln Lab, 1994.

[2] 范西昆, 曲毅. 知識(shí)輔助機(jī)載雷達(dá)雜波抑制方法研究進(jìn)展[J]. 電子學(xué)報(bào), 2012, 40(6): 1199-1206.

Fan Xi-kun and Qu Yi. An overview of knowledge-aided clutter mitigation methods for airborne radar[J]., 2012, 40(6): 1199-1206.

[3] Wang P, Wang Z, Li H,.. Knowledge-aided parametric adaptive matched filter with automatic combining for covariance estimation[J]., 2014, 62(18): 4713-4722.

[4] He M and Cao J. Recursive KA-STAP algorithm based on QR decomposition[C]. International Workshop on Microwave and Millimeter Wave Circuits and System Technology, Chengdu, China, 2013: 391-394.

[5] 陽召成, 黎湘, 王宏強(qiáng). 基于空時(shí)功率譜稀疏性的空時(shí)自適應(yīng)處理技術(shù)研究進(jìn)展[J]. 電子學(xué)報(bào), 2014, 42(6): 1194-1204.

Yang Zhao-cheng, Li Xiang, and Wang Hong-qiang. An overview of space-time adaptive processing technology based on sparsity of space-time power spectrum[J]., 2014, 42(6): 1194-1204.

[6] Melvin W and Showman G. An approach to knowledge-aided covariance estimation[J]., 2006, 42(3): 1021-1042.

[7] Capraro C, Capraro G, Bradaric Ivan,.. Implementing digital terrain data in knowledge-aided space-time adaptive processing[J]., 2006, 42(3): 1080-1099.

[8] 王旭, 糾博, 劉宏偉, 等. 一種基于先驗(yàn)信息的MIMO雷達(dá)發(fā)射方向圖設(shè)計(jì)方法[J]. 電子與信息學(xué)報(bào), 2013, 35(12): 2802-2808.

Wang Xu, Jiu Bo, Liu Hong-wei,.. A beampattern design method for MIMO radar based on a priori information[J].&, 2013, 35(12): 2802-2808.

[9] Hua G and Abeysekera S. Receiver design for range and doppler sidelobe suppression using MIMO and phased-array radar[J]., 2013, 61(6): 1315-1326.

[10] Khan W, Qureshi I, and Sultan K. Ambiguity function of Phased-MIMO radar with colocated antennas and its properties[J]., 2014, 11(7): 1220-1224.

[11] Chen X, Zhou P, Hou Q,.. Design of 2-D MIMO antenna arrays for high resolution burden surface[C]. The 11th IEEE International Conference on Electronic Measurement & Instruments, Harbin, China, 2013: 895-900.

[12] Wu Y, Tang J, and Peng Y. On the essence of knowledge- aided clutter covariance estimate and its convergence[J].,2011, 47(1): 569-585.

[13] Zhu X and Bamler R. Super-resolution power and robustness of compressive sensing for spectral estimation with application to spaceborne tomographic SAR[J].,2012, 50(1): 247-258.

[14] Fishler E, Haimovich A, Blum R,.. Spatial diversity in radars-models and detection performance[J]., 2006, 54(3): 823-838.

[15] Skolnik M. 周萬幸, 馬林, 胡明春, 等. 雷達(dá)手冊(cè)[M]. 第3版, 北京: 電子工業(yè)出版社, 2010: 644-655.

Space-time Adaptive Processing via Dynamic Environment Sensing

Fang Ming①Liu Hong-wei①Dai Feng-zhou①Wang Xiao-mo①②

①(,,710071,)②(,100041,)

In heterogeneous clutter environments, Space-Time Adaptive Processing (STAP) shows notable performance degradation for lacking sufficient Independent Identically Distributed (IID) training samples. To solve this problem, a STAP approach is proposed based on dynamic environment sensing. With transmitted signal being orthogonal waveform, the clutter information is achieved. Then the clutter information and platform parameters are used and a clutter covariance matrix at future time is obtained incorporating system parameters. Finally, the space-time processor can be built based on the combination of the predicted clutter covariance matrix and the sample covariance matrix. The simulation results demonstrate that the new approach still can achieve better clutter suppression performance under circumstance of inaccurate environmental knowledge.

Airborne radar; Clutter suppression; Space-Time Adaptive Processing (STAP); Sensing; Orthogonal signal

TN959.73

A

1009-5896(2015)08-1786-07

10.11999/JEIT141505

戴奉周 fzdai@xidian.edu.cn

2014-11-27收到，2015-05-11改回，2015-06-09網(wǎng)絡(luò)優(yōu)先出版

國(guó)家自然科學(xué)基金(61271291, 61201285)，新世紀(jì)優(yōu)秀人才支持計(jì)劃(NCET-09-0630)，全國(guó)優(yōu)秀博士學(xué)位論文作者專項(xiàng)資金(FANEDD- 201156)和中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助課題

方 明： 男，1987年生，博士生，研究方向?yàn)檎J(rèn)知雷達(dá)、空時(shí)自適應(yīng)處理、目標(biāo)檢測(cè).

劉宏偉： 男，1971年生，博士，教授，博士生導(dǎo)師，研究方向?yàn)槔走_(dá)信號(hào)處理、雷達(dá)自動(dòng)目標(biāo)識(shí)別等.

戴奉周： 男，1978年生，博士，講師，研究方向?yàn)榻y(tǒng)計(jì)與自適應(yīng)信號(hào)處理及其在雷達(dá)信號(hào)處理和目標(biāo)檢測(cè)中的應(yīng)用.

王小謨： 男，1938年生，教授，博士生導(dǎo)師，中國(guó)工程院院士，主要研究方向?yàn)槔走_(dá)信號(hào)處理等.