雷俊科,李銳洋，雷　浩

(1.西安科技大學(xué) 電氣與控制工程學(xué)院，西安 710054；2.電子科技大學(xué) 電子工程學(xué)院，成都 611731；3.中國(guó)移動(dòng)通信集團(tuán)陜西有限公司，西安 710075)

?

知識(shí)輔助的兩級(jí)自適應(yīng)抗干擾技術(shù)*

雷俊科1,李銳洋2，雷浩3

(1.西安科技大學(xué) 電氣與控制工程學(xué)院，西安 710054；2.電子科技大學(xué) 電子工程學(xué)院，成都 611731；3.中國(guó)移動(dòng)通信集團(tuán)陜西有限公司，西安 710075)

機(jī)載雷達(dá)通常工作在強(qiáng)雜波、強(qiáng)干擾的復(fù)雜電磁環(huán)境中，如何有效消除壓制干擾抑制雜波是其中的關(guān)鍵問(wèn)題。傳統(tǒng)的兩級(jí)空時(shí)自適應(yīng)處理(STAP)算法在靜默期采集信號(hào)得到干擾子空間，在開(kāi)機(jī)階段運(yùn)用空間投影技術(shù)抑制干擾并采用降維STAP抑制雜波。雖然該算法在干擾平穩(wěn)時(shí)具有較好的效果，但是在實(shí)際應(yīng)用中，復(fù)雜的干擾環(huán)境會(huì)破壞廣義平穩(wěn)假設(shè)。因此，僅采集單個(gè)靜默期的干擾樣本來(lái)估計(jì)協(xié)方差矩陣會(huì)出現(xiàn)偏差。為了克服該問(wèn)題，提出采集多個(gè)靜默期的干擾信號(hào)來(lái)估計(jì)當(dāng)前的干擾協(xié)方差矩陣，以此來(lái)提高估計(jì)準(zhǔn)確度，可以更好地抑制干擾。仿真結(jié)果表明即使在當(dāng)前靜默期采集的干擾信息不完整時(shí)，該技術(shù)仍然能夠利用以前的干擾信息準(zhǔn)確估計(jì)干擾協(xié)方差矩陣。

機(jī)載雷達(dá)；基于知識(shí)的干擾抑制;空時(shí)自適應(yīng)處理;貝葉斯濾波

1　引　言

空時(shí)自適應(yīng)處理(Space-Time Adaptive Processing，STAP)技術(shù)[1-2]是機(jī)載相控陣?yán)走_(dá)為了更好地抑制空時(shí)耦合的地雜波來(lái)檢測(cè)地面動(dòng)目標(biāo)而提出的，但是全維的空時(shí)自適應(yīng)處理算法的維數(shù)往往很大，因而計(jì)算復(fù)雜度高并且樣本需求量大[3]，這在實(shí)際中往往很難滿(mǎn)足，所以必須進(jìn)行降維處理[4]?？諘r(shí)自適應(yīng)處理技術(shù)相比于傳統(tǒng)動(dòng)目標(biāo)檢測(cè)(Moving-target-detection，MTD)處理，對(duì)于各種雜波干擾的抑制能力有質(zhì)的提高。STAP技術(shù)通過(guò)同時(shí)聯(lián)合處理多元天線陣(空域)和多個(gè)相參脈沖(時(shí)域)接收到的數(shù)據(jù)，使雜波抑制在空時(shí)二維空間中進(jìn)行。STAP處理時(shí)依賴(lài)于對(duì)接收數(shù)據(jù)協(xié)方差矩陣的實(shí)時(shí)估計(jì)，根據(jù)估計(jì)結(jié)果實(shí)時(shí)地調(diào)整空時(shí)濾波的權(quán)值，從而達(dá)到最好的干擾/雜波抑制效果。

對(duì)于復(fù)雜環(huán)境中壓制干擾的抑制，有大量的研究成果[5-6]。當(dāng)同時(shí)存在干擾和雜波時(shí)，如果采用傳統(tǒng)的降維STAP，當(dāng)空域自由度不足以抑制較多的干擾時(shí)，需要在降維處理前先將干擾消除，有學(xué)者提出了兩級(jí)處理方案[5]，后面又將其拓展到了多輸入多輸出(Multiple Input Multiple Output，MIMO)雷達(dá)的干擾抑制問(wèn)題[6]，提出了一種在靜默期采集電磁環(huán)境信息，對(duì)環(huán)境進(jìn)行感知確定干擾信息，在雷達(dá)開(kāi)機(jī)探測(cè)階段利用空間投影進(jìn)行空域干擾抑制的方法。

對(duì)于知識(shí)輔助的空時(shí)自適應(yīng)處理(Knowledge-aided STAP，KA-STAP)的研究是近幾年的熱點(diǎn)。文獻(xiàn)[7]首次提出了認(rèn)知雷達(dá)的概念，明確了認(rèn)知雷達(dá)的組成部分。文獻(xiàn)[8]綜述了基于知識(shí)的雜波抑制。文獻(xiàn)[9]討論了具有自適應(yīng)最優(yōu)發(fā)射和基于知識(shí)的處理技術(shù)。引入有價(jià)值的先驗(yàn)知識(shí)輔助估計(jì)干擾的信息，同樣可以有效地改善干擾協(xié)方差矩陣的估計(jì)精度。

在工程應(yīng)用中存在兩方面問(wèn)題：一是由于平臺(tái)和干擾設(shè)備的相對(duì)運(yùn)動(dòng)，干擾相對(duì)于雷達(dá)的角度不斷變化；二是雷達(dá)系統(tǒng)的時(shí)間資源是有限而寶貴的，用于采集干擾靜默期不宜過(guò)長(zhǎng)。

為了解決在樣本數(shù)較少且變化的干擾環(huán)境中準(zhǔn)確地估計(jì)干擾協(xié)方差矩陣，從而消除干擾的問(wèn)題，本文提出了一種基于先驗(yàn)知識(shí)的兩級(jí)干擾抑制方法：將每次開(kāi)機(jī)前靜默期采集到的純粹的阻塞式壓制干擾作為先驗(yàn)信息，構(gòu)造先驗(yàn)協(xié)方差矩陣，利用著色加載技術(shù)輔助估計(jì)當(dāng)前開(kāi)機(jī)時(shí)的干擾協(xié)方差矩陣，以克服樣本數(shù)不足和干擾環(huán)境變化帶來(lái)的影響。

2　兩級(jí)自適應(yīng)處理原理

該算法的主要原理是雷達(dá)先不開(kāi)機(jī)工作，那么在靜默期雷達(dá)只接收信號(hào)，不發(fā)射信號(hào)，接收的信號(hào)包含有壓制干擾和噪聲。通過(guò)對(duì)接收信號(hào)的協(xié)方差矩陣進(jìn)行特征分解，構(gòu)造干擾的正交子空間。從而在雷達(dá)開(kāi)機(jī)工作后用干擾的正交子空間對(duì)消干擾，達(dá)到抑制干擾的目的，接下來(lái)繼續(xù)用降維STAP算法抑制雜波，處理流程如圖1所示。

圖1兩級(jí)抑制干擾處理流程

Fig.1 The processing scheme of two-stage suppressing jamming

3　貝葉斯濾波和數(shù)據(jù)預(yù)白化

在進(jìn)行兩級(jí)空時(shí)自適應(yīng)處理時(shí)，由于缺乏對(duì)外界干擾環(huán)境的先驗(yàn)知識(shí)，干擾協(xié)方差矩陣需要通過(guò)一定數(shù)量的樣本數(shù)據(jù)來(lái)估計(jì)。有效估計(jì)未知的干擾協(xié)方差矩陣是兩級(jí)干擾抑制的關(guān)鍵。上述兩級(jí)處理假設(shè)有源干擾在一個(gè)相關(guān)處理時(shí)間(Coherent Processing Interval，CPI)內(nèi)是平穩(wěn)的，然后對(duì)CPI內(nèi)每個(gè)脈沖數(shù)據(jù)都用相同的變換矩陣T進(jìn)行兩級(jí)處理。

然而，復(fù)雜的干擾環(huán)境會(huì)導(dǎo)致僅采集單個(gè)靜默期的干擾樣本來(lái)估計(jì)協(xié)方差矩陣會(huì)有偏差，這就需要討論非平穩(wěn)環(huán)境下的兩級(jí)干擾抑制問(wèn)題。將先驗(yàn)信息直接集成在濾波器中，以輔助對(duì)非均勻環(huán)境的自適應(yīng)處理。該方法的框架是T.W.Aderson描述的貝葉斯協(xié)方差矩陣估計(jì)[10]。

(1)

(2)

在大多數(shù)情況下，先驗(yàn)知識(shí)構(gòu)成的協(xié)方差矩陣失去了時(shí)效性，即使R0以及通過(guò)L0個(gè)樣本得到，也僅含有少量的有效信息。為了處理這種樣本陳舊的問(wèn)題，我們使用著色加載方法：

(3)

式中：參數(shù)α表示先驗(yàn)協(xié)方差矩陣的加載權(quán)重。

4　基于知識(shí)修正干擾協(xié)方差矩陣

由上述介紹可知，在進(jìn)行干擾協(xié)方差矩陣的估計(jì)時(shí)，考慮將以前靜默期的觀測(cè)當(dāng)作先驗(yàn)知識(shí)的來(lái)源，構(gòu)造先驗(yàn)協(xié)方差矩陣，利用著色加載技術(shù)估計(jì)當(dāng)前干擾協(xié)方差矩陣，以克服樣本數(shù)不足和干擾環(huán)境變化帶來(lái)的影響。

假設(shè)當(dāng)前靜默期為第n次采集，得到的干擾協(xié)方差矩陣為

(4)

式中：Xn是當(dāng)前靜默期采集到的干擾和噪聲數(shù)據(jù)。在復(fù)雜多變的干擾環(huán)境下，僅采用Xn估計(jì)干擾協(xié)方差矩陣會(huì)有偏差。這里引入先驗(yàn)知識(shí)，通過(guò)加載的方法修正協(xié)方差矩陣的估計(jì)結(jié)果，從而影響特征分解計(jì)算的干擾正交子空間結(jié)果，達(dá)到更好地抑制干擾目的。

在一個(gè)CPI內(nèi)，將之前靜默期采集的數(shù)據(jù)構(gòu)成先驗(yàn)知識(shí)，則基于知識(shí)得到的干擾協(xié)方差矩陣可表現(xiàn)為加權(quán)求和：

(5)

式中：α1+α2+…+αn=1。α可通過(guò)式(5)的衰減法獲得且隨著n增大遞增，這樣不僅可以弱化干擾變化帶來(lái)的影響，還解決了樣本數(shù)不足的問(wèn)題。處理框圖如圖2所示。

圖2基于知識(shí)的兩級(jí)處理

Fig.2Theknowledge-basedtwo-stageprocessing

那么得到基于知識(shí)的回波信號(hào)的協(xié)方差矩陣為

(6)

經(jīng)過(guò)空間投影處理后，用于估計(jì)濾波器權(quán)值的協(xié)方差矩陣和目標(biāo)空時(shí)導(dǎo)向矢量分別為

RU=RC+RN，

(7)

(8)

5　算法仿真

為了驗(yàn)證算法的有效性，下面給出了幾種典型的復(fù)雜干擾環(huán)境，以常規(guī)的機(jī)載平臺(tái)為例，仿真干擾源變化對(duì)兩級(jí)STAP性能的影響以及加載先驗(yàn)知識(shí)后性能的變化。

考慮常見(jiàn)的雷達(dá)檢測(cè)場(chǎng)景，模擬幾種干擾源存在的情況。主要仿真參數(shù)如下：收發(fā)陣列為均勻線陣，正前視配置，陣元間距為半波長(zhǎng)；單陣元發(fā)射功率30 W，噪聲功率2×10-14W，波長(zhǎng)1 m，脈沖重復(fù)頻率2 kHz，CPI內(nèi)積累脈沖數(shù)16；載機(jī)高度10 km，載機(jī)速度50 m/s；目標(biāo)距離300 km，目標(biāo)高度5 km，目標(biāo)RCS為1 m2，雜噪比60 dB，收發(fā)陣元數(shù)為16。進(jìn)行50次蒙特卡洛仿真試驗(yàn)。

情況一：空間存在1個(gè)干擾源，當(dāng)前靜默期未采集到，加載其余靜默期先驗(yàn)信息獲得。

圖3展示了幾種情況下的干擾協(xié)方差矩陣特征譜?？梢钥闯觯寒?dāng)未加載先驗(yàn)協(xié)方差矩陣時(shí)，當(dāng)前靜默期僅采集到噪聲，特征分解未得到有效的干擾信息；而加載先驗(yàn)知識(shí)后，其余靜默期采集到了干擾，影響了當(dāng)前的協(xié)方差矩陣，可以提取有效的干擾信息。與當(dāng)前靜默期完全采集到干擾的情況相比，只是干擾功率的減小，頻率信息沒(méi)有變化，所以特征分解得到的干擾正交子空間同樣可以有效抑制干擾。

圖31個(gè)干擾源幾種情況下的干擾協(xié)方差矩陣特征譜

Fig.3 Eigenvalue spectrum of jamming covariance matrix under the situation of 1 jamming

圖4和圖5分別展示了引入雜波前后采用3DT降維STAP處理幾種情況的輸出SINR?？梢钥闯觯寒?dāng)未加載先驗(yàn)協(xié)方差矩陣時(shí)，當(dāng)前靜默期僅采集到噪聲，第一級(jí)的正交投影處理不能有效地抑制干擾，而第二級(jí)STAP處理由于干擾太強(qiáng)不能完全得到抑制，輸出SINR降低約1 dB；而加載先驗(yàn)知識(shí)后，干擾在第一級(jí)得到完全抑制，輸出SINR增大，接近完全采集到干擾的結(jié)果。

圖41個(gè)干擾+噪聲下幾種情況的輸出SINR

Fig.4 Output SINR in case of 1 jamming and noise as function of target velocity

圖51個(gè)干擾+雜波+噪聲下幾種情況的輸出SINR

Fig.5 Output SINR in case of 1 jamming,noise and clutter as function of target velocity

情況二：空間存在5個(gè)干擾源，當(dāng)前靜默期未采集到，加載其余靜默期先驗(yàn)信息獲得。

圖6展示了幾種情況下的干擾協(xié)方差矩陣特征譜，將干擾源數(shù)增加到5個(gè)。可以看出：當(dāng)前靜默期僅采集到噪聲時(shí)，特征分解未得到有效的干擾信息；而加載先驗(yàn)知識(shí)后，可以提取有效的干擾信息。

圖65個(gè)干擾源幾種情況下的干擾協(xié)方差矩陣特征譜

Fig.6 Eigenvalue spectrum of jamming covariance matrix under the situation of 5 jamming

圖7和圖8分別展示了引入雜波前后采用3DT降維STAP處理幾種情況的輸出SINR，將干擾源數(shù)增加到5個(gè)。可以看出：隨著干擾的增多，未加載先驗(yàn)協(xié)方差矩陣時(shí)不能在第一級(jí)有效地抑制干擾，僅靠STAP處理干擾抑制性能較差，輸出SINR降低約3 dB；而加載先驗(yàn)知識(shí)后，干擾得到完全抑制，輸出SINR增大，接近完全采集到干擾的結(jié)果。

圖75個(gè)干擾+噪聲下幾種情況的輸出SINR

Fig.7 Output SINR in case of 5 jamming and noise as function of target velocity

圖85個(gè)干擾+雜波+噪聲下幾種情況的輸出SINR

Fig.8 Output SINR in case of 5 jamming,noise and clutter as function of target velocity

6　結(jié)束語(yǔ)

在實(shí)際工作中，若干擾較為平穩(wěn)，可采用兩級(jí)自適應(yīng)處理；然而面對(duì)復(fù)雜的電磁環(huán)境，常見(jiàn)的情況是干擾源不穩(wěn)定或某個(gè)靜默期未采集到干擾，仿真結(jié)果表明這會(huì)影響系統(tǒng)的干擾抑制性能。為了解決該問(wèn)題，我們使用在每次靜默期采集干擾時(shí)加載其余靜默期的先驗(yàn)知識(shí)來(lái)輔助估計(jì)干擾協(xié)方差矩陣，提取干擾正交子空間，再在開(kāi)機(jī)期進(jìn)行干擾抑制的STAP處理算法，仿真結(jié)果表明該方法能有效地抑制干擾。然而在干擾變化復(fù)雜的環(huán)境中，先驗(yàn)知識(shí)加載量的多少是一大問(wèn)題。在后續(xù)研究中，應(yīng)考慮根據(jù)電磁環(huán)境自適應(yīng)地選取合適的先驗(yàn)知識(shí)加權(quán)系數(shù)，進(jìn)一步實(shí)現(xiàn)智能化。

[1]BRENNAN L E，REED I S. Theory of adaptive radar[J].IEEE Transactions on Aerospace and Electronic Systems,1973,9(2):237-252.

[2]KLEMM R. Principles of space-time adaptive processing[M]. London:IEE Press,2002.

[3]REED I S,MALLETT J D,BRENNAN L E. Rapid convergence rate in adaptive arrays[J].IEEE Transactions on Aerospace and Electronic Systems,1974,10(6):853-863.

[4]WANG H,CAI L. On adaptive spatial-temporal processing for airborne surveillance radar systems[J].IEEE Transactions on Aerospace and Electronic Systems,1994,30(3):660-669.

[5]董李梅. 基于空時(shí)聯(lián)合抗干擾算法的復(fù)矩陣求逆[J].電訊技術(shù),2015,55(7):792-796.DONG Limei. Matrix inversion implementation based on joint space-time anti-jamming algorithm[J].Telecommunication Engineering,2015,55(7) :792-796.(in Chinese)

[6]ADVE R S,HALE T B,WICKS M C.A two stage hybrid space-time adaptive processing algorithm[C]//Proceedings of 1999 IEEE Radar Conference.Boston,MA:IEEE,1999:279-284.

[7]HAYKIN S.Cognitive radar:a way of the future[J].IEEE Signal Processing Magazine,2006,23(1):30-40.

[8]范西坤，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 Xikun,QU Yi.An overview of knowledge-aided clutter mitigation methods for airborne radar[J].Acta Electronica Sinica,2012,40(6):1199-1206.(in Chinese)

[9]BESSON O,BIDON S,TOURNERET J Y.Covariance matrix estimation with heterogeneous samples[J].IEEE Transactions on Signal Processing,2008,56(3):909-920.

[10]SCHONHOFF T A.Detection and estimation theory and its applications[M].New Jersey:Person Prentice Hall,2006.

[11]BAO Z,LIAO G S,WU R B,et al.Adaptive spatial-temporal processing for airborne radar[J].Chinese Journal of Electronics,1993,2(1):2-7.

雷俊科(1960—)，男，陜西合陽(yáng)人，1989年獲學(xué)士學(xué)位，現(xiàn)為高級(jí)工程師,主要研究方向?yàn)闊o(wú)線電技術(shù)與應(yīng)用、電工理論與新技術(shù)；

LEI Junke was born in Heyang,Shaanxi Province,in 1960.He received the B.S. degree in 1989.He is now a senior engineer.His research concerns radio technology and application,electrical theory and new technology.

Email：leijk@xust.edu.cn

李銳洋(1988—)，男，陜西西安人，博士研究生，主要研究方向?yàn)闊o(wú)線電通信與雷達(dá)；

LI Ruiyang was born in Xi′an,Shaanxi Province,in 1988.He is currently working toward the Ph.D. degree.His research concerns wireless communication and radar.

雷浩(1988—)，男，陜西西安人，2014年獲碩士學(xué)位，現(xiàn)為工程師。

LEI Hao was born in Xi′an,Shaanxi Province,in 1988.He received the M.S. degree in 2014.He is now an engineer.

Knowledge-aided Two-stage Adaptive Anti-jamming Technology

LEI Junke1，LI Ruiyang2，LEI Hao3

(1.College of Electronic and Control Engineering,Xi′an University of Science and Technology，Xi′an710054，China;2.School of Electronic Engineering,University of Electronic Science and Technology of China，Chengdu 611731，China;3.China Mobile Group Shaanxi Company Limited,Xi′an 710075,China)

Airborne radar usually works in complex electromagnetic environment with strong clutter and strong jamming. How to eliminate the interference and suppress clutter is one of the key issues. Traditional two-stage space-time adaptive processing(STAP) method collects signal in the quiet period to acquire jamming subspace while suppress interference at the starting period using space projection technique.Although the algorithm has good effect when interference is stable,in the actual application,complex jamming environment will damage the generalized stationary hypothesis. Therefore,using only a single silent period interference samples may not estimate the covariance matrix accurately. To solve this problem,a method for collecting interference signals in several silent period to estimate the current jamming covariance matrix to improve the estimation accuracy is proposed. The simulation results show that even the jamming information collected in the current silent period is not complete,the interference covariance matrix can still be accurately estimated using previous jamming information.

airborne radar;knowledge-based interference suppression；space-time adaptive processing(STAP)；Bayesian filtering

10.3969/j.issn.1001-893x.2016.09.014

2015-12-08；

2016-05-10Received date:2015-12-08；Revised date：2016-05-10

leijk@xust.edu.cnCorresponding author：leijk@xust.edu.cn

TN957.5；TN973

A

1001-893X(2016)09-1029-05

引用格式：雷俊科,李銳洋，雷浩.知識(shí)輔助的兩級(jí)自適應(yīng)抗干擾技術(shù)[J].電訊技術(shù)，2016,56(9):1029-1033.[LEI Junke，LI Ruiyang,LEI Hao.Knowledge-aided two-stage adaptive anti-jamming technology[J].Telecommunication Engineering,2016,56(9):1029-1033.]