APP下载

一种TWS雷达的干扰源跟踪实现方法

2020-02-27万亚淳孙超军

无线电工程 2020年3期
关键词:扇区干扰源门限

张 彪,万亚淳,孙超军

(上海航天电子技术研究所,上海 201109)

0 引言

随着现代军事的发展,对雷达干扰对抗提出了更高要求。目前电磁环境越来越复杂,对付雷达的各种干扰样式越来越多,这要求雷达采用灵活多样的抗干扰技术来检测和跟踪目标,但有时干扰强度很大,雷达简单地通过对抗并不能完全消除干扰达到检测目标的目的,或者影响雷达测角的精度。通常通过信号处理算法,包括MTD/MTI、旁瓣对消及旁瓣匿影[1]等,对抗各种干扰样式,而在数据处理直接对干扰源进行跟踪的尝试比较少见。在干扰情况下,只要达到干扰强度和干扰的检测门限,而不需要对干扰的样式进行区别,直接对干扰源进行定位和跟踪。本文主要讨论干扰源数据处理计算机录取到信号处理的干扰点迹信息,完成三坐标雷达的干扰源跟踪。

1 TWS雷达分区处理原则

基于边扫描边跟踪(Track-While-Scan,TWS)系统的一维相扫三坐标雷达在方位维上采用机械扫描,在航迹处理时,将扫描一周的点迹数据一次性传给航迹处理计算机将严重影响实时性,并将增大计算复杂度。为了保证雷达航迹处理的实时性,又综合考虑雷达计算复杂度,将雷达扫描区域平均分成N个区域,N一般取16,24或32等。每个区域称之为扇区,分别为第0扇区,第1扇区,......,第N-1扇区[2]。TWS分区图如图1所示。

图1 TWS分区图Fig.1 TWS partition diagram

2 干扰源跟踪处理

对空域已扫描过的扇区,用流水作业实现宏观上的并行处理,当天线扫过一个扇区时,处理向前滑动一个扇区,重复一个流水作业[2-3],干扰源跟踪处理如图2所示。

图2 干扰源跟踪处理Fig.2 The interference source tracking process diagram

在干扰源数据处理计算机中,存储信号处理的干扰点迹数据,并进行数据预处理。干扰点迹通常是干扰强度达到干扰门限,并由雷达信号处理进行检测形成的数据,包含干扰方位中心、干扰俯仰中心、主通道干扰回波功率、辅助通道回波功率和干扰宽度等信息。干扰航迹处理包括航迹预测、相关以及滤波处理[4-6]。通常雷达针对干扰环境,会设置主、辅助2个独立的接收通道,主天线(雷达天线)接主接收通道,辅助天线接辅助通道,一般用比主天线第一副瓣稍高些的全向天线作为辅助天线[7]。外部干扰强弱有别,如果雷达接收到的干扰强度过大或饱和,则影响雷达信号处理测角精度,根据主通道和辅助通道接收到的回波功率,对主接收通道进行自动增益控制[8],使信号处理的干扰强度适中,实现干扰源的稳定跟踪。

2.1 参数定义

相关参数设置如下:

T:雷达扫描周期;α,β:α-β滤波器系数;As(k),Es(k):第k次扫描时的航迹方位、俯仰的滤波位置;Ap(k),Ep(k):第k次扫描时的航迹方位、俯仰的预测位置;Ao(k),Eo(k):第k次扫描时的航迹方位、俯仰的量测位置;Vas(k),Ves(k):第k次扫描时的航迹方位、俯仰的滤波速度;Vap(k),Vep(k):第k次扫描时的航迹方位、俯仰的预测速度;Mjnr(k),Ajnr(k):第k次扫描时的主通道、辅助通道接收到的回波功率;agc(k):第k次扫描时的自动增益控制值。

2.2 干扰航迹预测

目标起始后,利用目标运动模型预测下一时刻的目标状态变量(位置、速度)[9-10],得到干扰航迹的预测值。

预测目标方位:

Ap(k+1)=Ap(k)+Vs(k)*T。

预测目标俯仰:

Ep(k+1)=Ap(k)+Vs(k)*T。

预测目标方位角速度:

Vap(k+1)=Vas(k)。

预测目标俯仰角速度:

Vep(k+1)=Ves(k)。

2.3 干扰航迹相关

相关波门就是以某次雷达扫描的预测值为中心的一个空间区域。在2.2节中,航迹预测的位置信息(Ap(k+1),Ep(k+1))作为干扰航迹相关波门的中心。干扰航迹相关算法根据落入相关波门的干扰点迹数据(即量测数据),挑选出最优的干扰点迹值[11-12]。

在航迹相关算法中,定义量测值与预测值的误差:

方位误差:

ΔA=Ao(k+1)-Ap(k+1)。

俯仰误差:

ΔE=Eo(k+1)-Ep(k+1)。

角度误差:

delta=|ΔA|+|ΔE|。

航点相关算法分2步进行:

第1步,根据航迹预测值及干扰量测值,得到最小角度差Mindelta,并得到角度差最小的干扰量测值;

第2步,考虑量测值误差及预测值误差带来的影响,如果其他干扰量测值计算得到的角度差与Mindelta相差半个波束宽度内,则在这些点迹值里找干噪比最大的一个量测数据作为最优量测数据。具体流程如图3所示。

图3 航点相关算法流程Fig.3 Track correlation algorithm diagram

2.4 干扰航迹滤波

根据2.2、2.3节步骤,得到干扰航迹的预测值、量测值,再结合滤波器系数α,β,可以计算目标状态的滤波值[13-15]。

方位滤波值:

As(k+1)=Ap(k+1)+α*(Ao(k+1)-Ap(k+1))。

俯仰滤波值:

Es(k+1)=Ep(k+1)+α*(Eo(k+1)-Ep(k+1))。

方位角速度滤波值:

Vas(k+1)=Vap(k+1)+(β/T)*

(Ao(k+1)-Ap(k+1))。

俯仰角速度滤波值:

Ves(k+1)=Vep(k+1)+(β/T)*

(Eo(k+1)-Ep(k+1))。

为了使目标位置及速度的滤波误差最小,应该选择合适的滤波器系数α,β。由于目标运动轨迹偏差较大或雷达探测的随机误差较大,导致预测值与量测值相差较大时,需要将滤波器系数α,β增大,更多相信实际量测数据,如果预测值与量测值相差较小时,则将滤波器系数α,β减小,更多相信跟踪过程形成的预测。雷达根据每次滤波结果,适时调整滤波器系数,便于下一圈形成更好的滤波结果。

2.5 自动增益控制

在2.4节中,得到了干扰航迹的量测值并完成了滤波,但由于回波功率大小影响雷达测角的精度。由于量测值数据中还包括主通道接收到的回波功率Mjnr(k+1)以及辅助通道接收到的回波功率Ajnr(k+1),可以利用2个通道的回波功率数据进行自动增益控制,使主通道的接收回波功率在一个合适的范围[8]。

根据雷达主、辅天线的方向图,对主、辅通道回波功率分别设置若干门限,分为饱和门限、控制上限、控制下限以及低门限,其中,饱和门限表示该通道已经饱和,控制上限和控制下限是希望得到的主通道回波功率范围,低门限表示该通道接收回波功率较小。主通道的饱和门限设为Vmb,控制上限设为Vmh,控制下限设为Vml,低门限设为Vmq,辅助通道的饱和门限设为Vab,控制上限设为Vah,控制下限设为Val,低门限Vaq。

自动增益控制的原则:如果主通道饱和,则使用辅助通道回波功率进行增益控制;如果主通道未饱和,则用主通道回波功率进行增益控制。最终主通道回波功率处于控制下限与控制上限的范围内,具体流程如图4所示。

图4 自动增益控制流程Fig.4 Automatic gain control diagram

3 干扰源跟踪试验结果处理

通过目标携带干扰机设备相对雷达从60 km水平平飞进入,速度220 m/s,飞行高度3 km,对雷达释放宽带噪声干扰进行干扰压制,雷达实测干扰,并对干扰源进行稳定跟踪。对雷达每次扫描周期内的数据进行解析,结合干扰的真实数据可以得到干扰方位、俯仰的跟踪效果。其中,根据雷达接收回波统计干噪比信息如图5所示,可见通过自动增益控制,最终雷达接收回波功率趋于一个较稳定的范围。

图5 雷达接收干噪比Fig.5 Radar received jammer to noise ratio

雷达的方位、俯仰滤波值与真值的对比效果如图6和图7所示。分析数据可得,干扰源方位、俯仰跟踪精度能小于0.5°。

图6 干扰航迹方位值与真值比较Fig.6 The compensation of the jammer trace azimuth filter value and the true value

图7 干扰航迹俯仰值与真值比较Fig.7 The compensation of the jammer trace elevation filter value and the true value

4 结束语

通常在雷达信号处理采用各种复杂的抗干扰算法消除或减小干扰的影响,但很多情况下,抗干扰的效果并不明显。本文对干扰样式不加区别,只关注干扰强度的影响,通过信号处理检测出的干扰点迹数据,对干扰源进行稳定跟踪,能为外部指挥系统有效地提供尽可能多的干扰数据信息。由于本文讨论的TWS体制下雷达的干扰源跟踪只对干扰源的方位、俯仰进行处理,后续工作可以在距离维上做相应的工作,对某些干扰可以尽量给出距离信息,同时,在自动增益控制方面,可以设计更加精细的增益控制,更有利于干扰源的稳定跟踪。

猜你喜欢

扇区干扰源门限
机载紫外告警干扰源处理研究∗
分阶段调整增加扇区通行能力策略
基于规则的HEV逻辑门限控制策略
基于六旋翼无人机平台的GNSS 干扰源测向与定位系统设计与实现
基于复杂网络理论的空域扇区网络特性及抗毁性分析
基于接收机位置信息的GNSS干扰源定位技术
随机失效门限下指数退化轨道模型的分析与应用
基于Neyman-Pearson准则的自适应门限干扰抑制算法*
空域扇区网络级联失效抗毁性及优化策略
U盘故障排除经验谈