[发明专利]多个静止目标超分辨测向的方法

说明书

本发明公开的一种多个静止目标超分辨测向的方法，属于信号处理技术领域。本发明通过下述技术方案实现：在脉冲缺失情况下，引入感知字典构造测量矩阵，通过重建向量的非零元素脚标与字典中的原子的对应关系确定多个静止目标的角度，利用随机缺失的脉冲信号建立雷达回波信号的稀疏化模型；根据天线方向图调制信息，将角度估计区域划分，构成冗余字典；利用随机缺失的脉冲信号及干扰信号构成回波脉冲信号，分辨出雷达对前视向波束内的稀疏目标；在目标的距离‑方位单元进行压缩感知稀疏重构，对未知目标复幅度向量估计，实现同一个距离方向单元内的静止多目标的方位估计，最终获取超分辨目标测向目标信息，进行蒙特卡洛实验，给出测向误差积累分布。

技术领域

本发明属于信号处理技术领域，具体涉及一种结合压缩感知技术，利用常规雷达机械扫描产生的天线波束图对缺失的脉冲调幅，实现同一距离单元主波束内多个静止目标的超分辨测向的方法。

背景技术

随着雷达技术的发展，需要检测或估计多目标的场景非常普遍。高频超视距雷达在低空防御、远海预警、隐身目标探测领域有重要的应用价值，同时也是海面环境数据采集、海态遥感的重要手段。然而由于高频雷达采用频率范围较低：3-30MHz，雷达阵列形成的波束宽度很宽，对空间目标分辨能力很差，严重影响其应用范围。另外，高频雷达监测环境复杂，外部噪声和干扰很强，目标容易淹没在噪声背景下很难检测出来。为了将目标信息从雷达回波信号中提取出来，需要较长的相干积累时间，甚至达到上百秒，这会导致积累后用于目标方位估计的快拍数非常少，给信号处理方法带来巨大挑战。

现代电子侦察要求接收设备在密集复杂的电磁环境中不漏测信号，并且对脉冲信号有100％的截获概率。但是信号丢失是不可避免的，如随机交迭的脉冲列，相互之间会产生脉冲重合，导致脉冲丢失。解漏信号的特性对装备的论证与设计不可或缺。传统到达时间/到达时间差(TOA/TDOA)估计算法中，时域分辨率是受到信号带宽限制的。当信号带宽有限或者不可控，而且被观测目标处于密集目标环境中或者存在较强多径效应时，为了在距离/时间维度上区分来自于不同信号源的信号，需要考虑使用超分辨技术。超分辨技术是解决雷达阵列分辨力低的有效手段，但是传统的超分辨算法易受观测条件的限制，如阵元数过少、目标回波多径效应、采样数据量不足等，这些因素都会造成传统的超分辨技术估计结果不够理想。由于高频雷达特殊背景带来的问题与传统超分辨技术应用条件之间存在尖锐矛盾，因此，建立新的超分辨方法来解决二者之间的矛盾对高频雷达的发展以及应用领域的拓展有重要的实际意义。压缩感知理论的确立为稀疏信号的恢复提供了完整的理论支持，同时也为空间谱估计理论注入了新的活力。随着宽带高分辨雷达技术的发展，目标的高度稀疏与复杂的雷达系统、海量数据呈现极度的不平衡，压缩感知是有效地减弱这种不平衡的可能技术之一。压缩感知与凸优化联合估计算法可以解决DOA估计问题。由于高频雷达接收信号易存在多路径干扰以及相干积累时间过长导致的空域采样信息量不足的问题，会造成观测信号矩阵是非满秩的，传统的子空间分解算法无法直接求解；而压缩感知方法由于其独特的信号重构方式，可以不必求解观测信号的二阶统计信息，因此可以有效解决信号相干和快拍数过少的问题，但也存在对多次测量数据利用率低、算法稳定性差的缺陷。但目前成熟的测向方法，如单脉冲测向法，目标脉冲信号需连续且无丢失，这在实际工作场景中是无法完全实现的。目前，利用雷达天线方向图峰值信息估计来波方向的方法，如利用希尔伯特变换内插法、多分辨率方法、傅里叶变换时移不变方法和辛克函数内插法应用广泛，但这些常规估计峰值位置的方法大多只能估计同一距离单元内的单一目标，没有压缩采样能力，无法满足多目标超分辨测向需求。研究表明，雷达回波信号的原始数据经过某一个变化域或者矢量集都存在被稀疏化的可能，常用的变换矩阵有傅里叶变换、小波变换和gabor稀疏变换等。目前对于雷达信号稀疏模型的建立，主要基于目标在空间域的稀疏性，将发射信号的时延序列构成的字典作为稀疏基，但是这种稀疏表示形式一方面需要根据雷达的观测距离进行调整，不适应于雷达的实际应用，另一方面需要将原始的雷达回波信号通过高速A/D转换为数字信号，进而建立稀疏模型，没有从根本上实现回波信号的压缩。为了能够对目标参数准确估计，要求构造的观测矩阵尽量包含稀疏信号的结构特征。因此，观测矩阵需要充分完整的原子构成，也就是更密集的网格划分。然而对DOA估计来说，字典是由阵列流型矢量构成的，原子本身就具有较高的相关性，当网格划分更精细的时候，相邻原子之间的相关性会很高，破坏了压缩感知理论对观测矩阵的结构限制。另外，由于高频雷达环境背景复杂，雷达接收阵列形成波束较宽，容易引入大量的外部环境噪声，影响对最优原子的判断，导致估计稳定性很差。压缩感知方法通常利用一组离散的基向量来近似拟合稀疏信号，如果信号的非零元素正好落在对应基向量的网格点上，那么该信号就可以用这组基向量构成的基矩阵准确表示。然而实际应用中，稀疏或可压缩信号通常是一个连续变化的量。因为空间目标的角度可以是任意的方位，不可能准确落在我们预设的网格点上，这种情况下会出现能量泄露(也叫基失配)问题，更严重的会令信号无法用构造的字典线性表示，那么信号也就不能称作该字典下的稀疏或可压缩信号，不满足压缩感知理论对信号的基本要求。