李秀友 董云龍 黃 勇 關(guān) 鍵

?

基于迭代線性約束最小方差的穩(wěn)健自適應(yīng)脈沖壓縮方法

李秀友*董云龍 黃 勇 關(guān) 鍵

(海軍航空工程學(xué)院電子信息工程系 煙臺 264001)

針對常規(guī)自適應(yīng)脈沖壓縮方法在目標(biāo)散射點(diǎn)與采樣中心失配時(shí)旁瓣抑制性能下降的問題，該文提出一種基于迭代線性約束最小方差(RLCMV)的自適應(yīng)脈沖壓縮方法。該方法首先將自適應(yīng)波束形成器算法引入到自適應(yīng)脈沖壓縮濾波器設(shè)計(jì)中。其次對目標(biāo)及干擾單元進(jìn)行線性約束，并用對角加載技術(shù)避免矩陣出現(xiàn)病態(tài)。最后構(gòu)造了迭代運(yùn)算方法，依次抑制不同大小目標(biāo)的距離旁瓣。仿真結(jié)果表明，該算法可以有效抑制散射點(diǎn)隨機(jī)分布目標(biāo)的距離旁瓣，對散射點(diǎn)與采樣中心失配情況具有較好的穩(wěn)健性，在多目標(biāo)及距離擴(kuò)展目標(biāo)場景中達(dá)到較好的旁瓣抑制性能，并在一定程度上提高了多普勒容性。

雷達(dá)信號處理；脈沖壓縮；旁瓣抑制；線性約束；多普勒容性

1 引言

脈沖壓縮技術(shù)可以同時(shí)提高雷達(dá)探測距離和距離分辨率，因此廣泛應(yīng)用于現(xiàn)代雷達(dá)系統(tǒng)。脈沖壓縮技術(shù)通常采用匹配濾波器實(shí)現(xiàn)，匹配濾波器在點(diǎn)目標(biāo)和高斯白噪聲條件下能夠達(dá)到最大輸出信噪比[1]。然而實(shí)際場景中，當(dāng)距離向包含多個(gè)點(diǎn)目標(biāo)或距離擴(kuò)展目標(biāo)時(shí)，匹配濾波的輸出會出現(xiàn)強(qiáng)目標(biāo)旁瓣掩蓋弱目標(biāo)現(xiàn)象。

為了解決這個(gè)問題，常采用失配濾波器進(jìn)行旁瓣抑制，失配濾波以一定的信噪比損失為代價(jià)，且旁瓣抑制效果有限。CLEAN算法首先搜索大目標(biāo)所在的位置，再剔除大目標(biāo)距離旁瓣的影響，這種算法對弱目標(biāo)的提取效果并不是很好[6]。文獻(xiàn)[7]提出了基于最小均方誤差準(zhǔn)則的迭代自適應(yīng)脈沖壓縮方法(RMMSE)，該方法利用目標(biāo)距離維功率值迭代處理實(shí)現(xiàn)自適應(yīng)距離旁瓣抑制，通過2~3次迭代處理可以有效實(shí)現(xiàn)抑制大目標(biāo)的距離旁瓣。文獻(xiàn)[8]研究了基于最小均方誤差的自適應(yīng)脈沖壓縮修復(fù)(Pulse Compression Repair, PCR)方法，通過對匹配濾波器輸出結(jié)果進(jìn)行修復(fù)，抑制目標(biāo)距離旁瓣，脈沖壓縮后修復(fù)將迭代次數(shù)降為1~2次。文獻(xiàn)[9]研究了目標(biāo)多普勒失配條件下的自適應(yīng)脈沖壓縮技術(shù)，利用多普勒補(bǔ)償技術(shù)抑制運(yùn)動目標(biāo)的距離旁瓣。文獻(xiàn)[10]研究了多基地雷達(dá)基于MMSE的自適應(yīng)脈沖壓縮技術(shù)。文獻(xiàn)[11~13]研究了一個(gè)分辨單元內(nèi)存在多個(gè)不同多普勒速度的目標(biāo)場景，提出了基于加權(quán)最小二乘的幅相迭代自適應(yīng)估計(jì)方法(Iterative Adaptive Approach for Amplitude and Phase EStimation, IAA-APES)，該方法能夠同時(shí)估計(jì)分辨單元內(nèi)多個(gè)不同多普勒速度目標(biāo)的幅度和相位，消除了鄰近目標(biāo)脈沖壓縮旁瓣的相互影響。

以上基于場景回波的自適應(yīng)脈沖壓縮方法考慮了脈沖壓縮旁瓣存在大目標(biāo)、旁瓣目標(biāo)多普勒失配及分辨單元內(nèi)存在多個(gè)不同多普勒速度目標(biāo)等場景，并提出相應(yīng)的旁瓣抑制方法，最后進(jìn)行了仿真驗(yàn)證[14]。但是以上分析都是假設(shè)分辨單元內(nèi)目標(biāo)散射點(diǎn)位于采樣點(diǎn)上，沒有考慮目標(biāo)散射點(diǎn)在分辨單元內(nèi)的空間分布特性，而實(shí)際場景中目標(biāo)一個(gè)或多個(gè)散射點(diǎn)隨機(jī)分布于距離單元內(nèi)。在匹配濾波處理過程中，目標(biāo)散射點(diǎn)位置與采樣點(diǎn)中心存在誤差時(shí)會造成采樣損失，通過加窗處理損失控制在-2 dB之內(nèi)，因此該問題往往被忽略。但是本文研究發(fā)現(xiàn)當(dāng)目標(biāo)散射點(diǎn)位置與采樣點(diǎn)中心失配時(shí)，基于回波數(shù)據(jù)的自適應(yīng)濾波器無法形成深凹口，旁瓣抑制方法性能急劇下降。

本文借鑒自適應(yīng)波束形成算法(Adaptive Beam Forming, ABF)中目標(biāo)信號及干擾信號入射方向失配模型，提出基于主瓣寬度約束及零點(diǎn)約束的自適應(yīng)脈沖壓縮技術(shù)，簡稱迭代線性約束最小方差自適應(yīng)脈沖壓縮(Reiterative Linearly Constrained Minimum Variance-Adaptive Pulse Compression, RLCMV-APC)，首先將最小方差無畸變響應(yīng)(MVDR)波束形成器引入到自適應(yīng)脈沖壓縮濾波器設(shè)計(jì)中，接著對目標(biāo)及旁瓣干擾進(jìn)行線性約束，提高算法在散射點(diǎn)與采樣中心失配條件下的穩(wěn)健性，并用對角加載技術(shù)避免矩陣出現(xiàn)病態(tài)，然后構(gòu)造迭代運(yùn)算方法，依次抑制不同大小目標(biāo)的距離旁瓣，最后通過仿真驗(yàn)證各種不同場景下算法的有效性和穩(wěn)健性。

2 MVDR自適應(yīng)脈沖壓縮算法

雷達(dá)回波信號為

其中，()為加性噪聲，則點(diǎn)接收回波采樣值為，因此匹配濾波的結(jié)果可表示為

MF()=H()=HT()+H() (2)

其中，

為了有效抑制距離旁瓣，借鑒自適應(yīng)波束形成問題中空間干擾抑制方法，將期望波形等價(jià)于期望信號的導(dǎo)向矢量，其余波形等價(jià)于空間干擾的導(dǎo)向矢量[18,19]?；谝陨系葍r(jià)關(guān)系，設(shè)計(jì)了基于最小方差無畸變響應(yīng)的自適應(yīng)脈沖壓縮方法(MVDR-APC)，自適應(yīng)脈沖壓縮濾波器可以表示為

上述算法假設(shè)目標(biāo)散射點(diǎn)位于采樣點(diǎn)中心，不考慮散射點(diǎn)位置與采樣中心失配情況，當(dāng)目標(biāo)散射點(diǎn)偏離采樣中心時(shí)，目標(biāo)主瓣會展寬，峰值功率存在損失；對于距離旁瓣強(qiáng)雜波，常規(guī)的MVDR算法形成凹口位置與干擾中心失配，無法有效抑制旁瓣強(qiáng)干擾，為了進(jìn)一步提高自適應(yīng)脈沖壓縮的穩(wěn)健性，需要增大接收波形主瓣的寬度及旁瓣凹口的寬度。

3 RLCMV自適應(yīng)脈沖壓縮算法

圖1(a), 1(b)分別給出了目標(biāo)散射點(diǎn)位于采樣點(diǎn)上和位于兩個(gè)采樣點(diǎn)之間時(shí)所設(shè)計(jì)的自適應(yīng)濾波器，當(dāng)目標(biāo)散射點(diǎn)與采樣中心失配時(shí)，濾波器無法形成深凹口。圖2給出了發(fā)射波形及接收波形的相位圖，其中接收波形對應(yīng)的散射點(diǎn)位于兩個(gè)采樣點(diǎn)之間，可以看出接收波形與發(fā)射波形在采樣失配的條件下相位存在較大差別。要使得根據(jù)發(fā)射波形設(shè)計(jì)的自適應(yīng)接收濾波器對采樣失配的接收回波具有較強(qiáng)的穩(wěn)健性，需要對接收濾波器進(jìn)行線性約束。

?? 圖1 目標(biāo)回波及相應(yīng)的RMMSE濾波器響應(yīng) ??????? ???? 圖2 發(fā)射波形s(l)及接收波形的相位圖

3.1 目標(biāo)主瓣寬度約束條件

當(dāng)目標(biāo)散射點(diǎn)位置與采樣中心存在偏差時(shí)，為在接近主瓣中心的距離單元上形成一個(gè)更寬的脈沖壓縮波形圖，即在點(diǎn)位置主瓣中心兩側(cè)增加兩個(gè)約束條件：

其中C為脈沖壓縮形狀圖峰值兩側(cè)對應(yīng)的幅值，且滿足約束方程：

3.2 干擾零點(diǎn)約束條件

對于距離旁瓣強(qiáng)干擾，強(qiáng)干擾散射點(diǎn)所在的位置與采樣點(diǎn)中心的關(guān)系是未知的，為了降低旁瓣抑制算法對干擾失配的敏感性，在干擾點(diǎn)兩側(cè)采取多點(diǎn)約束的方法，加寬干擾位置零點(diǎn)凹口寬度，即

3.3 約束條件下最優(yōu)自適應(yīng)脈沖壓縮

其中()是滿秩的，的列是線性獨(dú)立的。

研究中發(fā)現(xiàn)，在強(qiáng)干擾旁瓣邊沿位置，構(gòu)造的約束矢量非零值元素較少，從而導(dǎo)致矩陣不是滿秩的，矩陣求逆會發(fā)生病態(tài)，為了提高算法的穩(wěn)定性，將矩陣加上一個(gè)功率水平為的對角矩陣進(jìn)行修正(其中要足夠小，取為)。對角加載處理能夠更好地抑制旁瓣并控制主瓣形狀。因此式(20)修正為

3.4 迭代LCMV自適應(yīng)脈沖壓縮算法

以下給出基于迭代運(yùn)算的LCMV自適應(yīng)脈沖壓縮處理算法流程，具體操作步驟如下：

步驟1 假設(shè)迭代次數(shù)為，則脈沖壓縮濾波器的響應(yīng)長度為，為了保證完整的脈沖壓縮輸出，將回波信號個(gè)采樣點(diǎn)前后各延展個(gè)采樣點(diǎn)。

步驟4 根據(jù)更新的估計(jì)值進(jìn)一步提取被大目標(biāo)旁瓣遮擋的小目標(biāo)，并在小目標(biāo)位置設(shè)置零點(diǎn)約束。

步驟5 重復(fù)步驟3，修改距離單元估計(jì)值的下標(biāo)，直至次迭代終止，獲得點(diǎn)脈沖壓縮輸出結(jié)果。

4 仿真結(jié)果及性能分析

下面通過計(jì)算機(jī)仿真實(shí)驗(yàn)驗(yàn)證本文方法的有效性。相比于文獻(xiàn)[7]的RMMSE算法需要2~3次迭代抑制距離旁瓣，RLCMV-APC算法經(jīng)過2次迭代能夠有效抑制距離旁瓣。為了便于比較分析，參數(shù)設(shè)置與文獻(xiàn)[7]保持一致，雷達(dá)為X波段，脈沖時(shí)寬為，發(fā)射脈沖為長度的P3碼，P3碼的表達(dá)式為

仿真過程中，目標(biāo)散射點(diǎn)空間分布分別考慮了單個(gè)散射點(diǎn)隨機(jī)分布于距離單元內(nèi)及多個(gè)散射點(diǎn)均勻分布于距離單元內(nèi)兩種情況。

實(shí)驗(yàn)1 低信噪比點(diǎn)目標(biāo)

假設(shè)低信噪比點(diǎn)目標(biāo)脈沖壓縮前SNR為0 dB，匹配濾波輸出最大信噪比，輸出SNR約為15 dB。圖3給出了RLCMV-APC兩次迭代處理結(jié)果、歸一化匹配濾波(NMF)輸出及真實(shí)場景回波，可以看出本文算法能夠較好地提取噪聲中的微弱目標(biāo)，目標(biāo)失配損失較小。就均方誤差(MSE)分析，NMF算法的MSE為-5.6 dB，本文算法一次迭代MSE為1.1 dB，兩次迭代MSE為1.0 dB，相對于歸一化匹配濾波，MSE的損失約為6.6 dB。由于目標(biāo)SNR較低，產(chǎn)生的旁瓣功率水平較低，因此第2次迭代改善效果不明顯。

實(shí)驗(yàn)2 高信噪比多目標(biāo)場景

假設(shè)大目標(biāo)SNR為50 dB，匹配濾波輸出最大信噪比，但是距離旁瓣較高，在目標(biāo)兩側(cè)各有一個(gè)SNR為24 dB的小目標(biāo)。從圖4中可以看出小目標(biāo)淹沒在大目標(biāo)的距離旁瓣中。在多目標(biāo)場景中，首先選定大目標(biāo)，將大目標(biāo)所在位置設(shè)置零點(diǎn)約束。第1次迭代后小目標(biāo)能夠從旁瓣中冒出，在第2次迭代過程中將大目標(biāo)和小目標(biāo)均作為干擾，在對應(yīng)的位置設(shè)置零點(diǎn)凹口。圖4給出了兩次迭代之后脈沖壓縮輸出結(jié)果，可以看出小目標(biāo)兩側(cè)的旁瓣均得到有效的抑制。

匹配濾波受大目標(biāo)脈沖壓縮旁瓣干擾嚴(yán)重，RMMSE與本文算法均能將目標(biāo)旁瓣壓到接近噪聲功率水平，就均方誤差而言，NMF算法的MSE為30.7 dB, RMMSE算法的MSE為3.2 dB，本文算法的MSE為3.3 dB。但是本文算法需要已知大目標(biāo)的距離位置，即每次循環(huán)迭代前首先需要檢測出大目標(biāo)。

圖3 提取噪聲中低SNR點(diǎn)目標(biāo) ??? 圖4 高信噪比多目標(biāo)場景脈沖壓縮結(jié)果 ???? 圖5 高信噪比多目標(biāo)場景

實(shí)驗(yàn)3 高信噪比點(diǎn)目標(biāo)中心偏移場景

當(dāng)3個(gè)目標(biāo)散射點(diǎn)位置與采樣中心均存在偏差的情況下，假設(shè)散射點(diǎn)位于位置，其它參數(shù)與實(shí)驗(yàn)2相同，從圖5中可以看出，RMMSE算法經(jīng)過3次迭代后旁瓣功率水平仍然較高，兩個(gè)小目標(biāo)淹沒在大目標(biāo)的旁瓣中，不具有距離維采樣失配適應(yīng)性。本文算法在采樣失配情況下旁瓣抑制性能基本沒有降低，經(jīng)過兩次迭代后，旁瓣抑制到接近噪聲功率水平，且目標(biāo)損失也相對較小。NMF算法的MSE為30.3 dB, RMMSE算法的MSE為22.6 dB，本文算法的MSE為6.68 dB。

圖6給出了大目標(biāo)10個(gè)散射點(diǎn)均勻分布在第個(gè)距離單元之間，小目標(biāo)5個(gè)散射點(diǎn)均勻分布在距離內(nèi)情況下的自適應(yīng)脈沖壓縮結(jié)果，可以看出本文算法相對于RMMSE算法具有更好的旁瓣抑制性能。NMF算法的MSE為31.8 dB, RMMSE算法的MSE為21.2 dB，本文算法的MSE為5.1 dB。

實(shí)驗(yàn)4 高信噪比距離擴(kuò)展目標(biāo)中心偏移場景

同樣假設(shè)高信噪比大目標(biāo)SNR為50 dB，大目標(biāo)為距離擴(kuò)展目標(biāo)占據(jù)5個(gè)距離單元，且每個(gè)距離單元內(nèi)包含均勻分布的10個(gè)散射點(diǎn)，在大目標(biāo)兩側(cè)各有一個(gè)SNR為24 dB的小目標(biāo)。從圖7中可以看出RMMSE算法經(jīng)過兩次迭代后旁瓣仍然較高，本文算法大目標(biāo)旁瓣得到較好的抑制。NMF算法的MSE為37.8 dB, RMMSE算法的MSE為27.2 dB，本文算法的MSE為8.8 dB。

圖8假設(shè)高信噪比大目標(biāo)SNR為50 dB，大目標(biāo)為距離擴(kuò)展目標(biāo)占據(jù)10個(gè)距離單元，且每個(gè)距離單元內(nèi)包含隨機(jī)非均勻分布的10個(gè)散射點(diǎn)，在大目標(biāo)兩側(cè)各有一個(gè)SNR為24 dB的小目標(biāo)。從圖8中可以看出RMMSE算法經(jīng)過兩次迭代后旁瓣仍然較高，本文算法大目標(biāo)旁瓣仍然得到較好的抑制。NMF算法的MSE為37.8 dB, RMMSE算法的MSE為28.9 dB，本文算法的MSE為10.8 dB。通過比較圖7和圖8可以看出，距離擴(kuò)展目標(biāo)所占據(jù)的距離單元數(shù)增大對本文算法影響不大，且當(dāng)大目標(biāo)分辨單元內(nèi)散射點(diǎn)隨機(jī)非均勻分布時(shí)對旁瓣抑制性能影響較小，即本文旁瓣抑制方法對距離擴(kuò)展目標(biāo)所占據(jù)的距離單元數(shù)不敏感，且受目標(biāo)散射點(diǎn)分布特性影響較小。

圖9假設(shè)距離擴(kuò)展大目標(biāo)仿真參數(shù)與圖7仿真參數(shù)相同。在大目標(biāo)兩側(cè)各有一個(gè)SNR為24 dB的小目標(biāo)，且兩個(gè)小目標(biāo)均為距離擴(kuò)展目標(biāo)，占5個(gè)距離單元。從圖9中可以看出RMMSE算法經(jīng)過兩次迭代后旁瓣無法抑制，本文算法大目標(biāo)旁瓣仍然得到較好的抑制，距離擴(kuò)展小目標(biāo)得到較好的保留，且兩側(cè)旁瓣較低。NMF算法的MSE為38.8 dB, RMMSE算法的MSE為30.9 dB，本文算法的MSE為11.3 dB。通過圖9可以看出，大距離擴(kuò)展目標(biāo)旁瓣內(nèi)的小距離擴(kuò)展目標(biāo)能夠得到很好保留，且小目標(biāo)兩側(cè)的旁瓣也較低。

實(shí)驗(yàn)5 高信噪比大多普勒頻偏場景

以上重點(diǎn)考慮了目標(biāo)散射點(diǎn)與采樣中心失配情況下自適應(yīng)脈沖壓縮算法的性能，對于線性調(diào)頻信號及類線性調(diào)頻信號，如P3碼、P4碼等波形，模糊函數(shù)存在距離-多普勒耦合，即回波信號多普勒頻移等價(jià)于距離偏移。

圖10給出了X波段雷達(dá)，大目標(biāo)運(yùn)動速度為3倍聲速，脈沖時(shí)寬為(此處加大時(shí)寬為了對比)，多普勒偏移等價(jià)于回波信號脈內(nèi)相位偏移，從圖中可以看出RMMSE算法在多普勒失配條件下，大目標(biāo)距離旁瓣無法抑制，峰值旁瓣達(dá)到22.3 dB，掩蓋了兩側(cè)的小目標(biāo)，本文算法在多普勒失配條件下具有較好的穩(wěn)健性，峰值旁瓣為9.4 dB，兩個(gè)目標(biāo)峰值為23.5 dB，本文自適應(yīng)脈沖壓縮算法保證了小目標(biāo)較高的SNR，有利于后續(xù)CFAR檢測處理。NMF算法的MSE為37.8 dB, RMMSE算法的MSE為24.7 dB，本文算法的MSE為4.6 dB。該實(shí)驗(yàn)證明本文算法不僅提高了距離失配條件下旁瓣抑制性能，也提高了多普勒失配條件下旁瓣抑制性能。

表1給出了以上不同實(shí)驗(yàn)場景下3種算法的脈沖壓縮峰值旁瓣功率水平，由于受噪聲的影響，峰值旁瓣功率水平為估計(jì)值，由多次仿真平均求得，每次仿真峰值旁瓣功率水平為

圖6 高信噪比多目標(biāo)場景，? ??? 圖7 距離擴(kuò)展散射點(diǎn)均勻 ???? 圖8 距離擴(kuò)展散射點(diǎn)非均勻

目標(biāo)散射點(diǎn)均勻分布 ??? ?? 分布目標(biāo)脈沖壓縮結(jié)果 ?? ??? 隨機(jī)分布目標(biāo)脈沖壓縮結(jié)果

圖9 大目標(biāo)及兩側(cè)小目標(biāo)均為距離擴(kuò)展目標(biāo)脈沖壓縮結(jié)果 ???? 圖10 高多普勒運(yùn)動目標(biāo)脈沖壓縮結(jié)果

表1 5種不同場景峰值旁瓣功率水平(dB)

5 結(jié)論

為了提高距離旁瓣抑制算法在散射點(diǎn)隨機(jī)分布情況下的穩(wěn)健性，本文借鑒自適應(yīng)波束形成算法中干擾抑制方法，提出了迭代線性約束最小方差自適應(yīng)脈沖壓縮算法。該算法可以對散射點(diǎn)隨機(jī)分布的單目標(biāo)、多目標(biāo)及距離擴(kuò)展目標(biāo)的距離旁瓣實(shí)現(xiàn)穩(wěn)健有效的抑制，并對距離-多普勒耦合的類線性調(diào)頻波形具有較高的多普勒容性，可以有效提取強(qiáng)目標(biāo)旁瓣中的弱小目標(biāo)，并且通過與RMMSE及NMF算法進(jìn)行比較分析，該算法收斂速度和穩(wěn)健性得到較大的提高。

[1] Richards M A. Fundamentals of Radar Signal Processing[M]. New York: The McGraw-Hill Companies, 2005: 230-231.

[2] 李風(fēng)從, 趙宜楠, 喬曉林. 抑制特定區(qū)間距離旁瓣的恒模波形設(shè)計(jì)方法[J]. 電子與信息學(xué)報(bào), 2013, 35(3): 532-536.

Li Feng-cong, Zhao Yi-nan, and Qiao Xiao-lin. Constant modular waveform design method for suppressing range sidelobes in specified intervals[J].&, 2013, 35(3): 532-536.

[3] 趙宜楠, 張濤, 李風(fēng)從, 等. 基于交替投影的MIMO雷達(dá)最優(yōu)波形設(shè)計(jì)[J]. 電子與信息學(xué)報(bào), 2014, 36(6): 1368-1373.

Zhao Yi-nan, Zhang Tao, Li Feng-cong,.. Optimal waveform design for MIMO radar via alternating projection [J].&, 2014, 36(6): 1368-1373.

[4] 趙宜楠, 李風(fēng)從, 王軍, 等. 基于秩虧傅里葉變換的交替投影編碼波形設(shè)計(jì)[J]. 電子學(xué)報(bào), 2014, 42(6): 1216-1219.

Zhao Yi-nan, Li Feng-cong, Wang Jun,.. Coded waveform design via alternating projection based on rank deficient Fourier transform[J]., 2014, 42(6): 1216-1219.

[5] Cao Si-yang, Zheng Y F, and Ewing R L. Wavelet-based waveform for effective sidelobe suppression in radar signal[J]., 2014, 50(1): 265-284.

[6] Hai D. Effective CLEAN algorithms for performance enhanced detection of binary coding radar signals[J]., 2004, 52(1): 72-78.

[7] Blunt S D and Gerlach K. Adaptive pulse compression via MMSE Estimation[J]., 2006, 42(2): 572-584.

[8] Gerlach K and Blunt S D. Radar pulse compression repair[J]., 2007, 43(3): 1188-1195.

[9] Blunt S D, Shackelford A K, and Gerlach K. Doppler compensation & single pulse imaging using adaptive pulse compression[J]., 2009, 45(2): 647-658.

[10] Gerlach K and Blunt S D. Multistatic adaptive pulse compression[J]., 2006, 42(3): 891-903.

[11] Yardibi T, Li Jian, Stoica P,.. Source localization and sensing: a nonparametric iterative adaptive approach based on weighted least squares[J]., 2010, 46(1): 425-443.

[12] Roberts W, He Hao, Li Jian,.. Probing waveform synthesis and receiver filter design[J]., 2010, 27(4): 99-112.

[13] Li Jian, Stoica P, and Zheng Xia-yu. Signal synthesis and receiver design for MIMO radar imaging[J]., 2008, 56(8): 3959-3968.

[14] 張勁東, 王海青, 朱曉華, 等. 基于最大輸出信噪比準(zhǔn)則的自適應(yīng)脈沖壓縮[J]. 電子與信息學(xué)報(bào), 2009, 31(4): 790-793.

Zhang Jin-dong, Wang Hai-qing, Zhu Xiao-hua,.. Adaptive pulse compression via MSN criteria[J].&, 2009, 31(4): 790-793.

[15] Van Trees H L. Optimum Array Processing Part IV of Detection, Estimation and Modulation Theory[M]. New York: John Wiley & Sons, Inc., 2002: 513-518.

[16] Geng Zhe, Deng Hai, and Himed B. Adaptive radar beamforming for interference mitigation in radar wireless spectrum sharing[J]., 2015, 22(4): 484-488.

[17] Su Hong-tao, Liu Hong-wei, Shui Peng-lang,.. Adaptive beamforming for nonstationary HF interference cancellation in sky wave over-the-horizon radar[J]., 2013, 49(1): 312-324.

[18] Li N, Tang J, and Peng Y N. Adaptive pulse compression of MIMO radar based on GSC[J]., 2008, 44(20): 1217-1218.

[19] 關(guān)鍵, 黃勇, 何友. 基于自適應(yīng)脈沖壓縮-Capon濾波器的MIMO陣列雷達(dá)CFAR檢測器[J]. 中國科學(xué): 信息科學(xué), 2011, 41(10): 1268-1282.

Guan Jian, Huang Yong, and He You. A CFAR detector for MIMO array radar based on adaptive pulse compression- Capon filter[J]., 2011, 41(10): 1268-1282.

Robust Adaptive Pulse Compression Algorithm Based on Reiterative Linearly Constrained Minimum Variance

Li Xiu-you Dong Yun-long Huang Yong Guan Jian

(,,264001,)

In order to solve the problem of range side-lobes suppression performance degradation due to error between scatter and sample center of tradition methods, a new adaptive pulse compression algorithm based on Reiterative Linearly Constrained Minimum Variance (RLCMV) is presented in this paper. Firstly, adaptive beamformer is introduced into adaptive pulse compression. Then, linearly constraint is forced on range bins of target and interference, and diagonal loading techniques are applied. Finally,reiterative method is presented to suppress the side-lobe of target in range of different Radar Cross Section (RCS). Simulation results show that this algorithm can effectively suppress side-lobes of scatters random distributed in range bin, and it is robust to error between scatters and sample center. It keeps excellent performance even in multi-targets and range- extended target scenario, and improves performance of high Doppler target to a certain extend.

Radar signal processing; Pulse compression; Side-lobes suppression; Linear constrain; Doppler performance

TN957.51

A

1009-5896(2015)10-2300-07

10.11999/JEIT141631

2014-12-20；改回日期：2015-06-01；

2015-07-17

李秀友 lixiuyou2012@163.com

國家自然科學(xué)基金(61002045, 61179017, 61102167)和山東省自然科學(xué)基金(2015ZRA06052)

The National Natural Science Foundation of China (61002045, 61179017, 61102167); The Natural Science Foundation of Shandong Province (2015ZRA06052)

李秀友： 男，1983 年生，博士生，研究方向?yàn)檎J(rèn)知雷達(dá)波形設(shè)計(jì)、海雜波中目標(biāo)檢測等.

董云龍： 男，1974 年生，博士，副教授，研究方向?yàn)槔走_(dá)目標(biāo)組網(wǎng)檢測等.

黃 勇： 男，1979 年生，博士，研究方向?yàn)镸IMO雷達(dá)波形設(shè)計(jì)及目標(biāo)檢測等.

關(guān) 鍵： 男，1968 年生，教授，博士生導(dǎo)師，研究方向?yàn)槔走_(dá)目標(biāo)檢測與跟蹤、偵察圖像處理和信息融合等.