机载雷达空时三维非自适应预滤波方法

虞泓波 冯大政 曹 杨 么晓坤 解 虎



机载雷达空时三维非自适应预滤波方法

虞泓波*冯大政 曹 杨 么晓坤 解 虎

(西安电子科技大学雷达信号处理国家重点实验室 西安 710071)

该文提出一种机载雷达空时3维非自适应预滤波方法。利用可提前确定的载机偏航角、脉冲重复频率、阵元间距等雷达系统和载机平台信息，通过分析阵元在相邻两脉冲采样数据的结构，设计了一种空时3维非自适应滤波器，先滤除大部分杂波，使得剩余少部分杂波在降维自适应处理时能被充分抑制，提高了动目标检测性能。理论分析和仿真实验表明，该预滤波方法对载机偏航具有兼容性，能大大降低杂波自由度，在整个杂波区都有一定的性能改善，尤其在主瓣杂波区性能改善明显。

机载雷达；动目标检测；空时3维；非自适应预滤波

1 引言

2 3维空时预滤波降维STAP原理

雷达系统和载机平台信息在系统工作时可以提前获取，由此可以分析得到各散射单元时域导向矢量、空域导向矢量等信息。例如通过分析脉冲重复频率(PRF)，结合载机偏航等信息，可以得到一个距离环中各散射单元的时域导向矢量。本节中，充分利用已知的雷达系统和载机平台信息，分析阵元在单个脉冲接收采样数据的结构。根据相邻脉冲接收采样数据结构的关系，设计空时3维非自适应滤波器，在降维STAP算法前进行预滤波，滤除大部分杂波，进一步改善动目标检测性能。

2.1 预滤波器设计

其中

其中

又根据Cauchy Schwartz不等式，可以得到

为便于后续的降维处理，结合3维数据模型，可以得到空时3维非自适应滤波器为

2.2 预滤波降维处理

预滤波后的目标导向矢量为

降维变换后的目标导向矢量为

由式(15)，式(16)，式(17)可以得到自适应最优解向量为

式(18)即为对接收数据先进行预滤波处理再由EFA算法得到的最优解。滤除大部分杂波后，剩余杂波自由度小，能够被降维自适应处理充分抑制掉，从而动目标检测性能获得提高。

本文所提的非自适应预滤波方法与降维STAP技术结合应用，在空时3维降维STAP处理前进行预处理，滤除大部分杂波。(1)相对于传统空时2维STAP，在俯仰维有自由度，所形成的俯仰维波束可以有效抑制距离模糊杂波；(2)3维STAP较传统空时2维STAP，增大了系统自由度(天线阵元数)，提高了系统分辨率，能更加有效地抑制杂波，提高输出信干噪比，对主瓣杂波的抑制性能改善也可以提高对慢速运动目标的检测性能。但是与此同时，随着加入俯仰维进行处理，带来了更高的计算复杂度，因此针对空时3维STAP的降维技术值得进一步深入研究。

通过上述分析，可以看出相对于传统空时2维STAP，本文所提的非自适应预滤波方法与空时3维降维STAP技术相结合，更适合应用于距离模糊杂波影响较大，需要更好目标检测性能(更高的输出信干噪比及更好的慢速运动目标检测性能)的情况。

2.3 非自适应预滤波方法计算量分析

3 实验仿真与性能分析

从图1(b)可以看出对于正侧视雷达，相对于常规MTI方法，预滤波后常规MTI方法在副瓣杂波区有近15 dB的性能改善，在主瓣杂波区一些频率处性能改善达到30 dB；预滤波FA算法与FA算法相比，副瓣杂波区有5 dB左右的性能改善，在主瓣杂波区一些频率处性能改善达到25 dB；预滤波EFA算法较EFA算法，在副瓣杂波区性能相当，在主瓣杂波区性能改善约5 dB，因此预滤波EFA算法主要在主瓣杂波区性能改善明显。从图2(b)可以看出，对于斜侧视雷达，预滤波处理与常规算法相比性能同样得到改善，且均在主瓣杂波区性能改善明显，说明非自适应滤波器兼容了载机偏航。

实验结果说明空时3维非自适应滤波器充分滤除了较高比例的杂波，使得剩余杂波幅度降低，自由度减小，能够充分被降维自适应处理抑制掉，进而改善了动目标的检测性能，尤其是对低速动目标的检测性能。

图1 正侧视雷达

图2 斜侧视雷达

4 结束语

根据已知的雷达系统和载机平台信息，通过分析阵列天线在相邻两脉冲采样数据结构的关联性，设计了空时3维非自适应滤波器，在降维STAP前先滤除大部分杂波，使得剩余少部分杂波在降维自适应处理时能被充分抑制，提高了动目标检测性能。求解滤波器系数矩阵的计算复杂度低，易于实现，且对载机偏航具有兼容性。

[1] Klemm R. Principles of Space-time Adaptive Processing[M]. London: United Kingdom, The Institution of Electrical Engineer, 2002: 69-112.

[2] Abramovich Y I. Performance analysis of two-dimensional parametric STAP for airborne radar using KASSPER data [J]., 2011, 47(1): 118-139.

[3] Klemm R. STAP I-architectures and algorithms[C]. IEEE Radar Conference,Rome, 2008: 1.

[4] Fertig L B and Krich S I. Benefits of 3D-STAP for X-band GMTI airborne radars[C]. ASAP Conference, Samos, Greece, 2005.

[5] 王万林, 廖桂生. 机载预警雷达三维空时自适应处理及其降维研究[J]. 系统工程与电子技术, 2005, 27(3): 431-434.

Wang Wan-lin and Liao Gui-sheng. Study on three dimensional space-time optimum and suboptimum processing for airborne early warning radar [J]., 2005, 27(3): 431-434.

[6] He Jie, Feng Da-zheng, Xiang Cong,.. Tri-iterative three-dimensional space-time adaptive processing based on correlation matrix for airborne radar[C]. Pervasive Computing Signal Processing and Applications (PCSPA), Harbin, 2011: 715-718.

[7] Hale T B, Temple M A, Raquet J F,.. Localized three- dimensional adaptive spatial-temporal processing for airborne radar[J].-,, 2003, 150(1): 18-22.

[8] Boizard M, Ginolhac G, and PascalLow F. Rank tensor STAP filter based on multilinear SVD[C]. Sensor Array and Multichannel Signal Processing Workshop (SAM), Hoboken, NJ, 2012: 305-308.

[9] Xie Wen-chong, Chen Jian-wen, and Wang Yong-liang. Study on STAP in non-homogeneous clutter environment[C]. IEEE Aerospace Conference, Big Sky, Montana, 2008: 1-6.

[10] Dippetro R C. Extended factored space-time processing for airborne radar system[C]. Proceedings of the 26th Asilomar Conference on Signals, Systems and Computers, IEEE, Pacific Grove, 1992: 425-430.

[11] Wang H and Cai L. On adaptive spatial - temporal processing for airborne surveillance radar systems[J].,1994, 30(3): 660-669.

[12] Xiang Cong, Feng Da-zheng, Lü Hui,.. Three- dimensional reduced-dimension transformation for MIMO radar space-time adaptive processing[J]., 2011, 91(8): 2121-2126.

[13] Wu J, Wang T, Meng X,.. Clutter suppression for airborne non-sidelooking radar using ERCB-STAP algorithm [J].,&, 2010, 4(4): 497-506.

[14] Baumgartner S V. A priori knowledge-based Post-Doppler STAP for traffic monitoring applications[C]. IEEE International Geoscience and Remote Sensing Symposium (IGARSS)Munich, 2012: 6087-6090.

[15] Wilcox D. Transmit beamforming for range ambiguous clutter mitigation in forward-looking STAP radar[C]. Sensor Signal Processing for Defence, London, 2011: 1-4.

[16] Wolfram B. Dealing with target nulling and clutter inhomogeneities in STAP[C]. European Conference on Synthetic Aperture Radar, Nuremberg, Germany, 2012: 380-383.

[17] 李晓明. 机载相控阵雷达降维STAP方法及其应用[D]. [博士论文], 西安电子科技大学, 2008.

[18] Klemm R. Adaptive airborne MTI with two-dimensional motion compensation[J].:, 1991, 138(6): 551-558.

虞泓波： 男，1988年生，硕士生，研究方向为空时自适应信号处理.

冯大政： 男，1959年生，教授，博士生导师，研究方向为自适应阵列信号处理、盲信号处理、MIMO雷达信号处理、神经网络等.

曹 杨： 男，1983年生，博士生，研究方向为空时自适应信号处理.

Three-dimensional Space-time Nonadaptive Pre-filtering Approach in Airborne Radar

Yu Hong-bo Feng Da-zheng Cao Yang Yao Xiao-kun Xie Hu

(,,710071,)

A 3-D space-time nonadaptive pre-filtering approach in airborne radar is proposed in this paper. It makes full use of predictable radar system and platform parameters such as airborne crab, Pulse Repetition Frequency (PRF) and interelement spacing, and the 3-D space-time nonadaptive filter is easily designed by analyzing the structure of the received sampling data of two adjacent pulses. Most clutter is filtered previously so that small part of residual clutter can be sufficiently suppressed by reduced-dimensional adaptive processing. The simulation results confirm that the proposed pre-filtering approach is compatible with airborne crab and can reduce the Degree of Freedom (DoF) of clutter, and the moving target detection performance is improved in the whole clutter region, especially in mainlobe region.

Airborne radar; Moving target detection; Three-dimensional space-time; Nonadaptive pre-filtering

TN959.73

A

1009-5896(2014)01-0215-05

10.3724/SP.J.1146.2013.00401

2013-03-28收到，2013-09-03改回

国家自然科学基金(61271293)资助课题

虞泓波 beyond_hongbo@126.com