基于環境動態感知的空時自適應處理

方 明 劉宏偉 戴奉周 王小謨②

?

基于環境動態感知的空時自適應處理

方 明①劉宏偉①戴奉周*①王小謨①②

①(西安電子科技大學雷達信號處理國家重點實驗室 西安 710071)②(中國電子科學研究院 北京 100041)

在非均勻環境中，缺乏獨立同分布的訓練樣本會使空時自適應處理(Space-Time Adaptive Processing, STAP)算法性能嚴重下降。針對這個問題，該文提出一種基于環境動態感知的空時自適應處理方法。該方法首先通過發射一組正交信號感知觀測場景獲取雜波信息；然后利用雜波信息結合平臺參數及系統參數預測未來一段時間內雜波的協方差矩陣；最后將預測的協方差矩陣與樣本協方差矩陣進行組合以構造空時濾波器。仿真結果表明，與傳統的知識輔助類STAP算法相比，該方法在缺乏準確先驗知識的情況下依然可以有效地抑制非均勻環境中的雜波。

機載雷達；雜波抑制；空時自適應處理；感知；正交信號

1 引言

對于架設在移動平臺上的機載雷達，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2維的分布特性[1]。為了抑制回波中的雜波分量，我們需進行空時2維的聯合濾波，即空時自適應處理(Space-Time Adaptive Processing, STAP)。空時自適應處理需要通過一定數量的訓練樣本來估計檢測單元的雜噪協方差矩陣。但是在實際應用中，由于環境的非均勻性，如地形地貌的變化，人造建筑物等，產生了非均勻樣本，導致自適應濾波器的凹口位置與深度發生偏差，從而影響了機載雷達的雜波抑制性能。

對此，文獻[6,7]提出利用機載雷達探測環境的先驗知識來改善STAP算法的雜波抑制性能，即知識輔助空時自適應處理(Knowledge-Aided STAP, KA-STAP)。根據先驗知識的使用方式，KA-STAP一般可分為兩類：(1)間接利用先驗知識，例如智能地選擇濾波器和訓練樣本；(2)直接利用先驗知識，例如貝葉斯濾波及預白化類STAP。第(1)類方式利用數字地形高程數據、地面覆蓋/地面使用數據等先驗知識選取與環境相匹配的自適應濾波器以及均勻的訓練樣本；第(2)類方式需通過先前的觀測數據或是其它方式獲取當前檢測單元的先驗協方差矩陣。在先驗知識準確的情況下，KA-STAP能夠極大地改善雷達在非均勻環境中的雜波抑制性能。但是在實際應用中，由于外界環境的改變，造成了先驗知識與實際環境的失配，使用這樣的先驗知識不僅不會改善STAP的雜波抑制性能，甚至可能會降低其性能[2]。

針對上述問題，本文提出了一種基于環境動態感知的空時自適應處理方法。該方法利用天線陣發射正交信號時具有全向方向圖的特點，在檢測前發射一組正交信號探測外界環境，并通過環境的觀測數據估計場景內雜波的散射特性，存入環境動態數據庫，完成環境的實時在線感知；檢測時先利用數據庫中的雜波信息結合平臺參數及系統參數預測未來一段時間內的雜波協方差矩陣；之后預測的雜波協方差矩陣與樣本協方差矩陣以一定的方式組合生成空時濾波器，抑制回波中的雜波分量。本文通過仿真實驗表明：在先驗知識與實際環境失配的情況下，該方法依然可以有效地抑制雜波。

2 雜波信息的獲取

檢測前，雷達發射探測信號主動感知外界環境獲取雜波信息，本文將這一階段稱為感知階段。天線陣發射正交信號時具有全向的方向圖，因此通過發射一組正交信號即可獲得整個場景的觀測，從而節省大量的時間資源；相較于普通波形，發射正交信號時，系統可以獲得更高的參數辨別能力。基于以上兩個點，本文將正交信號作為環境的探測信號。

2.1環境回波模型

2.2雜波散射特性估計

假設觀測場景內的雜波是非均勻的，并且強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較小)，則通過觀測數據，對具有稀疏特性的雜波RCS進行估計的問題可以描述為

3 雜波協方差矩陣預測及空時自適應處理

雷達完成環境的感知后，發射普通的相控陣信號，探測目標，本文將這一階段稱為探測階段。探測階段，天線陣的個陣元發射線性調頻信號，其中表示探測階段每個陣元的發射功率，是歸一化復包絡。此時相干處理間隔內的脈沖數為，脈沖重復間隔為。

3.1雜波塊位置信息更新

平臺的運動使雜波塊與雷達的相對位置不斷地發生變化，因此在利用雜波信息前，應先更新雜波塊的位置信息。如圖1所示，假設感知階段雷達位于處，雜波塊相對雷達的距離及到達角為與，雷達切換到相控陣模式后，經到達，此時該雜波塊相對雷達的距離及到達角變為與。在圖1中，由余弦定理及正弦定理分別可得

圖1 雜波塊與雷達的幾何關系

3.2雜波協方差矩陣預測

在非均勻的雜波環境中，為了避免非均勻樣本數據給雜波協方差矩陣估計帶來的影響，本文利用Ward的雜波模型[1]構造檢測單元的雜波協方差矩陣。根據Ward的雜波模型，雜波協方差矩陣估計包括雜波強度估計及其導向矢量估計，其中雜波強度取決于雜波的RCS、雜波的距離以及天線的照射功率，導向矢量取決于雜波的到達角，則結構化的雜波協方差矩陣可表示為

3.3空時濾波器設計

考慮到重構場景與實際場景存在一定的誤差，且這種誤差會影響雜波子空間的估計精度，進而造成雜波抑制性能的下降。因此本文在自適應處理時先利用實際回波數據校正雜波子空間。

根據文獻[12]，校正后的協方差矩陣可以表示為

4 雜波信息的時效性分析

如圖1所示，對于場景內任一雜波塊，雷達平臺的運動會使雜波塊內部散射點間的相位差發生變化，導致散射點子回波的向量和的幅度發生變化，即雜波塊的RCS會隨著平臺的運動產生一定的起伏。為了保證雜波協方差矩陣估計的精度，需確保雷達在感知階段與探測階段對同一雜波塊的觀測是相關的，但是隨著平臺的運動，這種相關性逐漸減弱，因此感知階段獲取的雜波信息具有時效性。本節就雜波信息的時效性展開討論。

4.1稀疏重構的分辨率

在研究雜波信息的時效性前，先討論稀疏重構算法的分辨率問題。本文參考文獻[13]將稀疏重構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雜波塊檢測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驗的方法得到該理論值的估計。

4.2雜波信息的時效性

平臺的運動會導致雜波塊RCS的起伏，在這種情況下，雜波塊的點目標模型[1]就不夠精確。為了更好地描述雜波塊RCS隨平臺運動的起伏特性，這里將雜波塊建模為分布式目標。在圖1中，假設雜波塊由一組分布在中的個散射點組成。則根據文獻[14]，當滿足式(21)時：

由4.1節定義的分辨率，重構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相關的平臺位移量

將式(24)右端定義為雜波的相關距離，且規定每當平臺位移量超出雜波相關距離后，雷達需重新發射正交信號感知觀測場景，更新雜波信息，以保證雜波協方差矩陣估計的精度。

5 仿真實驗

本節利用仿真數據來驗證本文所提方法的有效性。

實驗場景設置：將一幅SAR圖像作為實際場景，且每個像素的幅值作為散射點的強度，如圖2所示。

圖2 某地區的SAR圖像

系統參數設置：雷達的系統參數如表1所示，平臺參數如表2所示。

表1系統參數

表2平臺參數

5.1實驗1：重構算法的分辨率及雜波的相關距離

在上述的實驗條件下，令環境回波的雜噪比分別為0 dB, 10 dB, 20 dB, 30 dB, 40 dB，對稀疏重構算法進行1000次蒙特卡洛實驗，得到檢測概率時稀疏重構的分辨率，實驗結果如圖3所示。從圖中可以看出稀疏重構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算法的分辨力也越強，但是隨著雜波到達角的增大，分辨力隨之下降，尤其是當到達角大于80°后，分辨力急劇下降。

圖3 重構算法的分辨率

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

圖4 雜波的相關距離

5.2實驗2：雜波場景的重構

圖5 實際雜波場景

圖6 重構雜波場景

如圖5~圖7所示，通過稀疏重構的方式可以較精確地重構出場景中的強雜波塊，而強雜波塊對目標的檢測有著重大影響，因此本文通過發射全向的正交信號感知觀測場景并將獲取的雜波信息用于隨后的空時自適應處理是可行的。

5.3 實驗3：空時自適應處理

探測階段，對波束指向為-23°，雜噪比為40 dB的回波數據，分別采用最優處理器，FMLACC[12]以及本文方法進行處理。FMLACC方法是典型的預白化類STAP方法，且在先驗協方差矩陣準確的情況下，該算法很快收斂。實驗時，本文算法以及FMLACC算法的樣本數分別為10個和40個。FMLACC算法的先驗協方差矩陣可按如下方式構造：雜波的空時導向矢量是精確的，但是利用先驗知識估計的雜波強度與真實的雜波強度存在一定的偏差。根據文獻[15]，當外界環境改變時，利用先驗知識估計的雜波強度可能會嚴重偏離真實的雜波強度。因此，本文假設估計的雜波強度與真實的雜波強度相差30 dB。

一般空時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)給出了最優處理器、FMLACC以及本文算法在不同平臺位移下的雜波改善因子。對于FMLACC算法，當先驗知識不準確時，預白化后的雜波子空間依然較大，導致該算法的收斂速度變慢，故本實驗中FMLACC算法的性能并不理想。而本文算法由于通過實時獲取的雜波信息構造雜波協方差矩陣，實現檢測單元雜噪協方差矩陣較精確地估計，因此可以明顯改善雷達在非均勻環境中的雜波抑制性能。但是當平臺的空間位移量大于雜波的相關距離時(本實驗中，雜波的相關距離為60 m左右)，感知階段獲取的雜波信息與實際雜波信息存在較大偏差，導致雜噪協方差矩陣的估計精度嚴重下降，故本文算法會有較大的性能損失。因此當平臺的位移量大于雜波相關距離時，系統需重新感知場景，以完成雜波信息的實時更新。

圖8 雜波改善因子(第350個距離單元)

6 結束語

本文研究了在缺乏準確先驗知識的情況下抑制非均勻雜波的問題，提出一種基于環境動態感知的空時自適應處理方法。該方法首先通過發射一組正交信號感知觀測場景獲取雜波信息；然后利用雜波信息結合平臺參數及系統參數預測未來一段時間內雜波的協方差矩陣；最后將預測的協方差矩陣與樣本協方差矩陣進行組合以構造空時濾波器，抑制雜波，提高輸出信雜比。仿真結果表明，在缺乏準確先驗知識的情況下，該方法依然可以有效地抑制非均勻環境中的雜波。然而，本文在重構場景時，假設場景內的強雜波是稀疏的，因此未來的一個研究方向是進一步提高重構算法對稀疏度的穩健性。

參考文獻

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

[2] 范西昆, 曲毅. 知識輔助機載雷達雜波抑制方法研究進展[J]. 電子學報, 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. 基于空時功率譜稀疏性的空時自適應處理技術研究進展[J]. 電子學報, 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. 一種基于先驗信息的MIMO雷達發射方向圖設計方法[J]. 電子與信息學報, 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. 雷達手冊[M]. 第3版, 北京: 電子工業出版社, 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網絡優先出版

國家自然科學基金(61271291, 61201285)，新世紀優秀人才支持計劃(NCET-09-0630)，全國優秀博士學位論文作者專項資金(FANEDD- 201156)和中央高校基本科研業務費專項資金資助課題

方 明： 男，1987年生，博士生，研究方向為認知雷達、空時自適應處理、目標檢測.

劉宏偉： 男，1971年生，博士，教授，博士生導師，研究方向為雷達信號處理、雷達自動目標識別等.

戴奉周： 男，1978年生，博士，講師，研究方向為統計與自適應信號處理及其在雷達信號處理和目標檢測中的應用.

王小謨： 男，1938年生，教授，博士生導師，中國工程院院士，主要研究方向為雷達信號處理等.