基于DEM的机载认知雷达均匀样本选择方法

发布时间：2019-11-12 05:50

【摘要】：认知雷达作为一种新概念雷达,还有一些关键技术亟待解决,杂波/干扰的抑制技术就是其中之一。真实环境下杂波/干扰一般是非均匀的,机载认知雷达为了达到抑制杂波和干扰的目的,通常需要事先选择均匀样本并剔除干扰样本。样本质量的好坏直接影响到机载认知雷达杂波和干扰抑制性能的好坏。为此,文中设计了一种基于数字高程模型数据的样本选择方法。新方法首先从数字高程模型数据中提取雷达照射区域内的多种地形因子;接着,根据地形因子选择均匀样本;最后,采用知识辅助的非均匀检测器剔除含干扰的样本。仿真结果表明:文中设计的方法可以很好地完成对均匀样本的挑选以及对干扰目标的剔除,明显优于现有相关方法,可以有效地提高机载认知雷达的杂波和干扰抑制能力。
【图文】：

方框图,样本选择,方框图,方法

缺陷:(1)使用了机载雷达的系统参数，很大程度上会受到系统误差的影响;(2)只使用了待检测距离单元的先验信息，并未使用其他样本单元的先验信息;(3)计算过程中需要对矩阵求逆，而矩阵求逆计算量大，加大了机载雷达的工作量并且不利于实时处理。为此，我们提出基于地形因子挑选出均匀的训练样本后，再使用知识辅助的非均匀选择器［10－11］来剔除其中包含干扰目标的训练样本，用于估计协方差矩阵，以实现杂波干扰的同时抑制。图2是本文方法的总体方框图。该方法首先从DEM数据中提取出各种地形因子;然后，，基于单一地形因子选取初始样本集合Ω1;接着，使用多种地形因子从Ω1进一步选择均匀样本，得到样本集合Ω2;最后，使用知识辅助的非均匀选择器从Ω2中剔除含有干扰目标的样本，得到最终的样本集合Ω3，使用Ω3估计协方差矩阵，进行后续的空时自适应处理。我们命名这种均匀样本选择方法为MFKANHD法，它进一步可细分为MFKAAPＲ和MFKAGIP方法。图2基于知识辅助的均匀样本选择方法总体方框图1．4样本选择效果评估指标我们采用改善因子(IF)来评估被选择的样本是否均匀，是否能够被用来估计杂波/干扰协方差矩阵，其计算公式如下IF=|WHS|2(CNＲ+1)WHＲW(12)式中:W是空时二维权系数;［○］H表示共轭转置;S是空时二维导向矢量;CNＲ是杂噪比;Ｒ是杂波协方差矩阵。IF的值越大，说明选择的样本质量越好。2计算机仿真结果与分析我们通过仿真实验来验证本文所提方法的有效性和可行性。首先，为了说明地杂波的非均匀性，我们仿真了不同距离门的杂波概率分布;然后，我们验证了基于地形因子选择均匀样本的效果，并将结果与其他相关方法进行了对比;最后，我们在存在干扰目标的情况下，

概率分布,杂波,不同距离,概率分布

结果与分析我们通过仿真实验来验证本文所提方法的有效性和可行性。首先，为了说明地杂波的非均匀性，我们仿真了不同距离门的杂波概率分布;然后，我们验证了基于地形因子选择均匀样本的效果，并将结果与其他相关方法进行了对比;最后，我们在存在干扰目标的情况下，仿真了MFKANHD方法同时抑制杂波和干扰的效果。实验中的仿真参数如表1所示。本文选择的高程数据对应的实际地形包括海面、草地、树林、丘陵以及高山等多种地貌类型。表1仿真参数2．1杂波分布的非均匀性本文依据描述真实环境的DEM数据构建杂波模型，图3给出了机载雷达的4个距离单元上杂波的概率分布。传统的杂波模型一般假设待检测距离单元左右各个距离门的杂波分布是独立同分布的复高斯分布。从图3可以看出，4个距离单元上的杂波分布之间存在差异，只不过有的差异大，有的差异校例如，106号与117号距离单元上的杂波分布差异较小，但与96和100号距离单元上的杂波分布差别则较大，并且4个距离门都不满足复高斯分布。图3不同距离单元上杂波的概率分布图4表示不同距离门的杂波功率，横坐标是距离门编号，纵坐标是杂波功率。从图4可以看出，杂波功率随着距离门编号的增加以锯齿波形式增强。由此可知，实际环境产生的杂波是非均匀的。图4不同距离门的杂波功率2．2均匀样本选择效果我们以第100号距离门作为待检测距离单元为例—48—2017，39(2)现代雷达

【相似文献】