L型分布式面陣二維高精度角度估計方法研究

李洪兵 歐陽婉 楊明磊 葉 舟 陳業偉 陳伯孝

(1.西北工業大學 西安 710072；2.西安電子科技大學雷達信號處理國家重點實驗室西安 7100713；3.上海航天電子通訊設備研究所 上海 201109)

0 引言

米波雷達在反隱身和反輻射導彈等方面具有突出優勢[1]，但波長限制了它的分辨力，大口徑天線使雷達系統過于笨重，大大降低了其機動性，波束寬、角分辨率差等缺點也限制了其實現高精度目標定位與跟蹤的能力。2006年林肯實驗室提出分布式孔徑相參合成雷達體制，提高雷達分辨力的同時也保證了其機動性[2]。陣列的分布式配置等效增大了陣列孔徑，獲得了較窄的主瓣，然而同時產生了大量幅度與主瓣接近的柵瓣，導致測角模糊，因此在分布式陣列測角中需要解決角度模糊問題。文獻[3]基于雙尺度旋轉不變子空間算法(estimating signal parameter via rotational invariance techniques,ESPRIT)，分析了分布式陣列方向(Direction of arrival,DOA)估計的有效性與高精度性能，但是文中所提算法過程復雜，運算量大，難以應用于實際工程中的大型平面陣列。文獻[4]基于分布式MIMO的DOA估計提出了一種實值處理算法，與傳統的ESPRIT算法相比，減少了運算量，但是該算法需要解決優化問題，不滿足工程應用實時性。

為提高米波雷達的角度估計性能，考慮實際工程應用的可行性，本文基于L型二維面陣分布式雷達，提出基于行列合成數據預處理的二維高精度角度估計方法。先通過數字加權對二維面陣做方位、俯仰維合成，分別合成為一維線陣，再分別使用雙尺度酉ESPRIT[5]算法和合成導向矢量方法在方位維和俯仰維進行高精度角度估計，最后利用仿真實驗驗證本文算法的有效性和正確性。

1 陣列信號模型和算法描述

1.1 陣列模型

如圖1所示，假設L型分布式面陣垂直放置，陣元分布在y-z平面上，由S1,S2,S3三個相同的平面天線子陣構成分布式相參陣列。每個平面子陣的天線在Y方向上有Ny個陣元，陣元間距為dy，兩個子陣間距為Dy，在Z方向上有Nz個陣元，陣元間距為dz，兩個子陣間距為Dz。

圖1 L型二維面陣分布式相參陣列結構示意圖

假設K個不相關的遠場窄帶信源入射到該分布式面陣上，設(φk,θk)為第k個信源的方位角與俯仰角，則y軸方向余弦為uk=cosθk·sinφk，z軸方向余弦為vk=sinθk，以子陣S1第一行第一個陣元為參考陣元，子陣S1的導向矢量矩陣可表示為

(1)

其中τmnk=exp(-j2π((m-1)dyuk+(n-1)dzvk)/λ)為第m行第n個陣元相對于參考陣元的延時。

子陣S2的導向矢量矩陣可表示為

A2k(uk,vk)=asub2A1(uk,vk)

(2)

其中asub2=exp(j2πDyuk/λ)為子陣S2相對于S1的相位中心的偏移量。

子陣S3的導向矢量矩陣可表示為

A3k(uk,vk)=asub3A1(uk,vk)

(3)

其中asub3=exp(j2πDzvk/λ)為子陣S3相對于S1的相位中心的偏移量。

1.2 算法流程

對時域采樣的快拍數據首先分別沿行和列做數字波束形成(digital beam forming，DBF)，然后通過數字加權，等效得到兩個一維線陣的接收數據矢量。然后在方位維上對波束合成后的線陣使用酉ESPRIT算法，再結合雙尺度解模糊及自動配對算法[6]，實現方位維高精度角度估計。在俯仰維上低仰角和中高仰角情況采用不同算法，對于中高仰角情況，多徑和直達波在角度維可以分開，用類似方位維角度估計方法進行處理。但對于低仰角情況，多徑和直達波在角度維難以分開，上述方法不能準確估計俯仰角，因此需要針對低仰角情況下角度估計展開研究。利用雷達天線到目標的距離、鏡像目標與真實目標間的幾何關系等先驗信息建立低仰角多徑信號模型[3]。然后在俯仰維上對波束合成后的線陣采用基于合成導向矢量的超分辨算法[3]實現俯仰維高精度角度估計。因此二維高精度角度估計算法總體流程如圖2所示。

圖2 分布式面陣二維高精度角度估計算法總體流程圖

下面分別詳細介紹算法的原理及實現。

2 方位-俯仰維波束合成

如圖1所示，分布式相參陣列包含S1,S2,S3三部雷達天線。估計方位角時，將S1和S2的數據先按列處理；估計俯仰角時，將S1和S3的數據按行處理，通過DBF將分布式相參陣列降維等效為方位維和俯仰維兩個分布式一維線陣，如圖3所示。

圖3 二維面陣行列合成

在行列合成過程中，第k個信源子陣S1和子陣S2俯仰維加權矢量有

belk(vk)=[exp(-jwτ1k) exp(-jwτ2k) … exp(-jwτNzk)]

其中τnk=exp(j2π((n-1)dzvk)/λ)。子陣S1和子陣S3方位維加權矢量為

bazik(uk)=[exp(-jwτ1k) exp(-jwτ2k) … exp(-jwτNyk)]

其中τmk=exp(j2π((m-1)dyuk)/λ)。則方位維和俯仰維合成的等效合成信號可分別表示為

(4)

(5)

其中sk為第k個信源，n(t)為與信號獨立的高斯白噪聲構成的噪聲矢量。

利用子陣S1和S2的列加權向量將面陣數據列合成為一行，利用子陣S1和S3的行加權向量將面陣數據行合成為一列。通過對各陣元數字化加權分別按行和列補齊相位，再對各子陣列通過數字加權求和，在方位維和俯仰維進行行列合成，得到方位維和俯仰維等效分布式線陣，可以增強信號能量，擴大天線孔徑、提高角度分辨率和測角精度。

3 二維高精度角度估計

3.1 方位維高精度估計

分布式相參陣列會使其方向圖主瓣變得窄，提升測角精度，但是也使得方向圖出現大量幅度與主瓣相近的柵瓣，造成了分布式相參陣列的測角模糊問題。設單個子陣陣元數為20個，兩個子陣間基線距離為30m，陣元間距取半波長時，可得陣列方向圖如圖4所示。其中，實線為分布式相參陣列的方向圖，虛線為單個陣列的方向圖。針對測角模糊問題，本文采用雙尺度解模糊算法[6]來提高測角精度。

圖4 分布式陣列和單個子陣方向圖

1)信號模型

S1和S2列合成后的等效陣列如圖5所示，可將其看成一維分布式陣列，它由兩個基線距離為Dy的子陣組成，每個子陣內等間隔分布Ny個陣元，因此總陣元數N=2Ny，陣元間距為dy，子陣間距大于子陣孔徑(Ny·dy)。

圖5 方位維分布式陣列示意圖

由第3節推導可知方位維等效信號為可表示為

Xazi(t)=AaziS(t)+N(t)

(6)

S(t)=[s1(t),s2(t)…sK(t)]T(上標T表示轉置)為K個信源組成的信源矢量，N(t)=[n1(t),n2(t)…nK(t)]T為K個與信號獨立的高斯白噪聲構成的噪聲矢量Aazi=[aazi1(u1),aazi2(u2),…,aaziK(uK)]為等效方位維陣列的導向矩陣，陣列的協方差矩陣為公式(7)。

(7)

其中，上標H表示共軛轉置。

2)方向余弦的粗估計與精估計

對于方位維形成的分布式陣列，每個子陣內左側的Ny-1個陣元與右側的Ny-1個陣元具有偏移量為dy的平移不變性，同時兩個子陣間具有偏移量為Dy的平移不變性。由偏移量大的平移不變性可得到精度高但周期模糊的方向余弦精估計，而偏移量小的平移不變性可得到精度低但無模糊的方向余弦粗估計，用粗估計對精估計解模糊便可得到高精度無模糊的角度估計值[7]。由ESPRIT算法可知，陣列偏移量為dy的旋轉不變性[8]可描述為

(8)

(9)

(10)

由于旋轉矩陣為實值矩陣，因此可用自動配對算法實現方向余弦的粗估計與精估計配對，即Ψ=Ψc+jΨf從而得到正確配對的粗估計與精估計[6]。

(11)

其中γk為Ψ的特征值。

3)解模糊

分布式陣列的基線長度Dy遠大于子陣孔徑，方向余弦的精估計存在周期模糊，因此需要對精估計進行解模糊，利用雙尺度解模糊法可以得到高精度無模糊的方向余弦估計uk為

(12)

3.2 俯仰維高精度估計

如果目標信號在地面中高仰角處，多徑和直達波在角度維可以分開時，可以用類似方位維的角度估計方法進行處理，由第3節推導可知俯仰維等效信號可表示為

Xel(t)=AelS(t)+N(t)

(13)

Ael為等效俯仰維陣列的導向矩陣，角度估計方法與方位維高精度估計相同。如果目標信號在地面低仰角區域，除了目標直達波，還要考慮信號經過多個傳播路徑的多徑效應干擾，因此有必要針對低仰角條件下的分布式陣列俯仰維角度估計方法進行研究。

1)低仰角信號模型

俯仰維波束合成后的等效陣列如圖6所示，可以看做在垂直維分布式布置的兩個一維線陣，由子陣S1和S3的俯仰維組成，每個子陣由Nz個陣元等間隔分布，陣元間距為dz，子陣間距基線長度為Dz，分布式陣列天線相位中心高度為ha。

圖6 分布式陣列俯仰維低仰角目標信號模型

目標直達波與鏡像反射波的入射方向分別為θ1和θ2，兩者波程分別為R1和R2，波程差ΔR=R2-R1。俯仰維直達波等效信號為Xel(t)，考慮地面反射波，多徑信號可表示為

(14)

其中[a(θ1)a(θ2)]為分布式陣列的響應矢量；s(t)為直達信號復包絡；ρ為地面反射系數。

2)基于合成導向矢量的超分辨算法

由于分布式陣列接收的回波信號中包括直達波和多徑信號，因此將基于譜搜索的超分辨算法的導向矢量寫為直達波和反射波兩條路徑的合成導向矢量形式[9]，得到的合成導向矢量為

A(θ)=A(θd)+ΓA(θs)

(15)

其中A(θd)=[a1(θ1),a2(θ1),…,aK(θ1)]為K個信源信號直達波的導向矢量，A(θs)為對應K個信源信號反射波的導向矢量，Γ為反射系數。利用合成導向矢量，通過最大似然(ML)算法[10]在仰角區間進行搜索，得到對應的目標仰角。對于ML算法，首先構成合成導向矢量的投影矩陣PML(θ)[11]為

PML(θ)=A(θ)[AH(θ)A(θ)]-1AH(θ)

(16)

然后，得到直達角的最大似然估計，R為信號的協方差矩陣[12]。

(17)

4 仿真結果分析

仿真時取如下參數：方位維單個子陣陣元數Ny=20；中仰角情況下陣列基線長度為30m；陣元間距dy=dz=0.3m；載波頻率為580MHz；信噪比SNR定義為行列合成后單個等效陣元信噪比。

4.1 方位維測角結果

在以下方位維測角的仿真中，假設目標方位角為15°，快拍數L=16。

1)仿真1：分布式陣列方位角估計精度分析。

為對比分布式陣列和單個陣列方位角估計精度，取SNR=9dB，基線長度為30m時做500次Monte-Carlo實驗結果如圖7所示，從中可以看出分布式陣列比單個陣列的方位角估計精度更高，更穩定地趨近真實值。

圖7 方位角估計結果對比

2)仿真2：方位角估計性能與信噪比的關系。

圖8 方位角估計性能隨SNR的變化情況

3)仿真3：方位角估計性能與基線長度的關系。

當兩個子陣間間距越大，測角精度越高，但當基線大于某個值時，解模糊失敗，估計性能迅速下降[15]。為分析分布式陣列和單個陣列方位角估計精度與基線長度的關系，取SNR=0dB時做500次Monte-Carlo實驗結果如圖9所示。從圖中可以看出當基線長度大于57m時，分布式陣列解模糊后測角性能迅速變差，而分布式陣列粗估計和單個陣列估計則不受基線距離影響。當基線長度小于32m時，分布式陣列解模糊后均方根誤差值隨基線長度增大而減小。取基線距離為29.87m時，分布式陣列的測角均方根誤差可以達到單個陣列的1/36。

圖9 方位角估計性能隨方位維方向上基線長度的變化情況

4.2 俯仰維角度估計

俯仰維θ1選低仰角(3.44°)和高仰角(23.58°)兩個目標，目標與天線參考單元的距離為R1為10km，目標的高度h=R1·sinθ1，分別為0.6km和4km，時域采樣快拍數L=16。

1)仿真1：分布式陣列俯仰角估計精度分析。

為對比分布式陣列和單個陣列俯仰角估計精度，取信噪比為-3dB，基線長度為60m時做500次Monte-Carlo實驗結果如圖10所示，從中可以看出無論是在低仰角情況下還是在中仰角情況下，分布式陣列比單個陣列的方位角估計精度更高，更穩定地趨近真實值。

圖10 分布式陣列和單個陣列俯仰維角度估計結果

2)仿真2：俯仰角估計性能與信噪比的關系。

由前文可知，角度估計中會出現SNR門限效應[13-14]。為分析分布式陣列和單個陣列俯仰角估計精度與信噪比的關系，低仰角和中仰角取基線長為62m(120倍波長)時做500次Monte-Carlo實驗結果如圖11所示，由圖可知，隨著信噪比的增長，角度估計的均方根誤差逐漸變小。對比分布式陣列測量值與單個陣列測量值可知，取SNR=0dB時，不論是在低仰角還是中仰角情況下，分布式陣列的測角均方根誤差可以達到單個陣列的1/10。

圖11 分布式陣列和單個陣列俯仰維角度估計性能隨信噪比的變化情況

3)仿真3：俯仰角估計性能與基線長度的關系。

由前文可知，角度估計會存在基線門限。為分析分布式陣列和單個陣列俯仰角估計精度與基線長度的關系，取SNR=-3dB時做500次Monte-Carlo實驗結果如圖12所示。從圖中可以看出當基線長度分別大于101m和82m時，分布式陣列測角性能迅速變差。當基線長度小于基線門限時，分布式陣列均方根誤差值隨基線長度增大而減小。在低仰角情況和高仰角情況下，基線距離分別取66m和65m時，分布式陣列在俯仰維上的測角均方根誤差可以達到單個陣列的1/10。

圖12 分布式陣列和單個陣列俯仰維角度估計性能隨基線長度的變化情況

5 結束語

針對米波雷達波束寬、測角精度低、硬件成本高及實現復雜度高等問題，本文提出一種L型二維面陣分布式雷達及其角度估計方法。在數字波束行列合成的基礎上，將二維面陣合成等效為一維線陣，在方位維上運用雙尺度酉ESPRIT算法，俯仰維低仰角條件下運用合成導向矢量算法進行二維高精度角度估計。仿真驗證了分布式相參陣列相比于單個陣列大大提高了測角精度，同時也驗證了分布式陣列的信噪比門限效應和基線門限效應。仿真結果證明了本文所提模型及其高精度角度估計算法的有效性，為實現高效的高精度角度估計打下了基礎。