吳湘霖+呂暉

摘要： 基于和差脈沖多普勒雷達分辨波束內(nèi)多目標(biāo)的應(yīng)用需求， 建立了天線的陣列流形矩陣數(shù)學(xué)模型， 提出了一種有效的和差MUSIC算法。 該算法能夠在目標(biāo)角度、 多普勒頻率間隔均小于系統(tǒng)分辨率的條件下， 有效完成對多目標(biāo)的分辨與測量任務(wù)。 數(shù)字仿真實驗驗證了新算法的有效性。

關(guān)鍵詞： 脈沖多普勒雷達； 和差單脈沖天線； 多目標(biāo)； MUSIC算法

中圖分類號： TN959.1+7 文獻標(biāo)識碼： A文章編號： 1673-5048（2016）05-0039-06

Abstract： Based on the requirements of ∑Δ monopulse doppler radar resolving multitargets， an array manifold matrix model is established， and an efficient ∑Δ MUSIC algorithm is presented. This algorithm can resolve and measure multitargets in the condition that the target angle and doppler frequency interval are less than the system resolution. Simulation results verify the algorithm effectiveness.

Key words： pulse doppler radar； ∑Δ monopulse antenna； multitarget； MUSIC algorithm

0引言

脈沖多普勒（PD）體制、 和差單脈沖測角目前在機載[1]與彈載雷達領(lǐng)域廣泛使用， 但對目標(biāo)參數(shù)的測量分辨性能存在一定的限制。 和差比幅、 比相等單脈沖測角的角度分辨率為所使用天線的波束寬度， 該寬度由天線陣面孔徑的電尺寸決定； 而采用脈沖多普勒工作體制的雷達導(dǎo)引頭多普勒分辨率由相參積累周期的倒數(shù)決定， 同時受到抗頻域泄露所需窗函數(shù)對回波信號譜線的展寬， 以及分辨算法本身的損失影響， 通常為數(shù)百至數(shù)千赫茲。

對于比較理想的單目標(biāo)環(huán)境， 脈沖多普勒體制、 和差單脈沖測角的目標(biāo)分辨與參數(shù)測量能力已經(jīng)足以滿足需求。 但在實際作戰(zhàn)環(huán)境中， 往往面臨如群目標(biāo)攻擊、 拖曳或伴飛誘餌干擾等多目標(biāo)分辨的需求， 此類多個目標(biāo)（或真假目標(biāo)）之間的角度與多普勒頻率差異經(jīng)常小于雷達的波束與多普勒分辨單元， 使用現(xiàn)有脈沖多普勒體制、 和差單脈沖測角方法通常難以有效分辨[2-3]， 多目標(biāo)回波（或回波與干擾）相互干涉混疊， 測量輸出的目標(biāo)信息往往位于群目標(biāo)的矢量中心。 對于機載雷達而言， 這一現(xiàn)象就代表著對目標(biāo)威脅特性與對機載武器指示的誤差， 對彈載雷達而言則代表著攻擊方向偏差， 導(dǎo)致脫靶。

波束/多普勒分辨單元內(nèi)的多目標(biāo)檢測與測量問題， 已有較多文獻進行研究。 雙基SAR、 前視SAR技術(shù)理論上可以有效提高機載、 彈載雷達前視探測的角度分辨率， 但需要通過構(gòu)造復(fù)雜幾何觀測模型或者大天線陣列， 代價昂貴； 文獻[4-6]分別通過瞬時匹配矩方法、 模型簡化似然求解方法以及計算質(zhì)心角度與加窗聚類相結(jié)合的方法， 各自獲得了多目標(biāo)高分辨角度估計， 但這幾類方法或必須已知各目標(biāo)的信號功率、 或已知二者的相對功率比、 或僅適用于兩個完全對等目標(biāo)， 對于實際應(yīng)用難以保證。

基于特征子空間的高分辨率算法， 如MUSIC[7-8]等是有效的解決途徑。 此類算法通常要求使用多通道相控陣天線， 且要求多目標(biāo)之間具有非相干特性， 如何改造此類算法， 在現(xiàn)有和差單脈沖測角與脈沖多普勒體制基礎(chǔ)上， 實現(xiàn)對角度、 多普勒頻率差異小于常規(guī)分辨率的多目標(biāo)分辨與測量， 是本文需解決的主要問題。

1和差單脈沖測角

定義坐標(biāo)系如圖1所示。 其中坐標(biāo)系原點定義為天線陣面中心； x軸定義為天線法線方向； y， z軸在天線陣面上正交建立。 目標(biāo)空間位置信息通過失調(diào)角θy和θz確定， 失調(diào)角θy和θz分別定義為目標(biāo)與坐標(biāo)系原點連線在xoy， xoz平面上的投影與x軸之間的夾角。

2和差MUSIC

2.1MUSIC算法原理

多信號分類算法（MUSIC）最初由Schmit在1981年提出， 屬于特征結(jié)構(gòu)類高分辨率陣列處理技術(shù)。 該方法通過協(xié)方差矩陣的特征分解， 構(gòu)造與陣列流形空間相一致的信號子空間， 以及與之正交的噪聲子空間， 并利用子空間正交性構(gòu)造空間偽譜， 以實現(xiàn)對相關(guān)參數(shù)的漸進無偏估計。

2.2和差MUSIC算法

如前所述， 常規(guī)MUSIC算法存在的問題主要在于： 該算法是針對陣列天線系統(tǒng)設(shè)計， 輸出信號模型對于導(dǎo)向矢量/流形矩陣的定義根據(jù)獨立單元天線陣列建立， 未考慮最常使用的和差單脈沖天線模型； 另外， 上述定理成立的一個重要前提條件是多個回波信號之間不相關(guān)， 但實際應(yīng)用中多目標(biāo)之間的頻率差異往往小于系統(tǒng)分辨率， 這使得多個目標(biāo)的回波信號之間具有較強的相關(guān)性， 直接使用常規(guī)MUSIC算法會導(dǎo)致信號子空間非正常降維， 相關(guān)目標(biāo)的MUSIC偽譜發(fā)生譜峰融合， 算法失效。

該虛擬天線由物理天線的K個延時輸出在空間域上擴展得到， 實質(zhì)就是域輸出信號的對時平滑處理。

和差MUSIC算法時域平滑階數(shù)K的選取取決于多目標(biāo)之間的角度、 多普勒頻率以及幅度差異。 角度、 多普勒頻率差異越小、 幅度差異越大時， K值應(yīng)適當(dāng)取大。 時域平滑階數(shù)K設(shè)定過小將導(dǎo)致無法正常分辨多目標(biāo)， 但設(shè)定過大時會導(dǎo)致計算量增加。

按常規(guī)MUSIC算法原理， 對虛擬天線輸出z（t）構(gòu)造協(xié)方差矩陣， 并通過特征分解構(gòu)造噪聲子空間， 使用如上虛擬天線導(dǎo)向矢量（θy， θz， fd）對定義域范圍內(nèi)的失調(diào)角θy和θz， 以及多普勒頻率fd進行搜索， 即可通過三維譜峰獲得對目標(biāo)與誘餌的參數(shù)估計。

3數(shù)字仿真

3.1常規(guī)算法仿真

考慮一個典型的X波段彈載應(yīng)用環(huán)境：

（1） 工作頻段X波段λ=0.025 m；

（2） 天線分區(qū)間距d=0.07 m；

（3） 相參積累周期T=2 ms；

（4） FFT積累使用Hamming窗加權(quán)。

在此條件下天線波束寬度大約為±5°， 多普勒分辨率為714 Hz。 設(shè)置典型雙目標(biāo)， 如表1所示。

3.2MUSIC單次仿真分析

使用相同的X波段彈載雷達設(shè)置， 對如表2所示的典型三目標(biāo)場景進行單次的和差MUSIC仿真， 其中時域平滑階數(shù)K取8。

受多目標(biāo)相關(guān)性影響， 在為搜索矢量（θy，θz， fd）設(shè)置不同的多普勒頻率試探值fd后， （θy，θz）二維譜均會出現(xiàn)局部峰值， 但（θy， θz， fd）三維全局峰值僅在預(yù)設(shè)各個目標(biāo)位置出現(xiàn)。 因此三維譜全局搜索可以正常發(fā)現(xiàn)真實目標(biāo)， 全局峰值對應(yīng)的（θy， θz， fd）設(shè)置值即為三目標(biāo)的參數(shù)測量值， 如表3所示。

3.3蒙特卡羅仿真分析

為驗證和差MUSIC算法的有效性， 采用同樣仿真條件， 對3.1節(jié)所示雙目標(biāo)場景， 重復(fù)100次蒙特卡羅仿真實驗。

對和差MUSIC算法輸出的雙目標(biāo)三維參數(shù)測量信息進行統(tǒng)計， 結(jié)果如圖4所示。 其中圖4（a）給圖4和差MUSIC算法參數(shù)分布

出了100次仿真的θy， θz測量散布情況， 圖4（b）給出了這些仿真中局域峰值隨多普勒頻率的變化情況。 可以看出， 仿真算法有效， 通過三維譜的全局搜索可以有效分辨雙目標(biāo)。 給出的參數(shù)測量均值如表4所示， 進一步顯示和差MUSIC算法有效完成了對雙目標(biāo)的分辨任務(wù)， 雙目標(biāo)參數(shù)測量值與真實值差異很小， 滿足系統(tǒng)需求。

4結(jié)論

針對現(xiàn)有機載、 彈載單脈沖PD雷達對抗群目標(biāo)、 拖曳或伴飛誘餌干擾等多目標(biāo)分辨的需求， 在現(xiàn)有和差單脈沖天線與接收系統(tǒng)的基礎(chǔ)上建立了對應(yīng)的陣列流形矩陣數(shù)學(xué)模型， 提出了一種有效的和差MUSIC算法。 數(shù)字仿真結(jié)果顯示： 和差MUSIC算法能夠在目標(biāo)角度、 多普勒頻率間隔均小于系統(tǒng)分辨率的條件下， 有效完成對多目標(biāo)的分辨與測量任務(wù)。

參考文獻：

[1] 賁德， 韋傳安， 林幼權(quán). 機載雷達手冊技術(shù)[M].北京： 電子工業(yè)出版社， 2006.

[2] Zhang X， Willett P K， BarShalom Y. Monopulse Radar Detection and Localization of Multiple Unresolved Targets via Joint Bin Processing[J].IEEE Transactions on Signal Processing， 2005， 53（4）： 1225-1236.

[3] Sherman S M. Complex Indicated Angles Applied to Unresolved Radar Targets and Multipath [J]. IEEE Transactions on Aerospace and Electronic Systems， 1971， 7（1）： 160-170.

[4] Blair W D， BrandtPearce M. Monopulse DOA Estimation of Two Unresolved Rayleigh Targets [J]. IEEE Transactions on Aerospace and Electronic Systems， 2001， 37（2）： 452-469.

[5] Wang Z， Sinha A， Willett P， et al. Angle Estimation for Two Unresolved Target with Monopulse Radar [J]. IEEE Transactions on Aerospace and Electronic Systems， 2004， 40（3）： 998-1019.

[6] Zhou Lanfeng， Zhang Min， Zhao Yinan. Angle Estimation of Two Unresolved Swerling I Targets in Monopulse Radar[C]∥International Conference on Microwave and Millimeter Wave Technology， Chengdu， 2010： 1622-1625.

[7] Schmit R O. A Signal Subspace Approach to Multiple Emitter Location and Spectral Estimation[D]. Palo Alto： Stanford University， 1981.

[8] Farrier D R， Jeffries D J， Mardani R. Theoretical Performance Prediction of the MUSIC Algorithm[J].Communications， Radar and Signal Processing， IEE Proceedings F， 1988， 135（3）： 216-222.

[9] 劉德樹， 羅景青， 張劍云. 空間譜估計及其應(yīng)用[M]. 合肥： 中國科學(xué)技術(shù)大學(xué)出版社， 1997.

[10] Lemma A N， Van der Veen A-J， Deprettere E F. Analysis of Joint AngleFrequency Estimation Using ESPRIT[J]. IEEE Transactions on Signal Processing， 2003， 51（5）： 1264-1283.