论文部分内容阅读
雷达是获取现代战场情报信息的重要手段。传统的单基地雷达由于观测视角单一,从而获取到的目标信息相对有限。面对电子对抗技术的飞速发展,单基地雷达在生存能力和抗干扰能力等方面也表现出明显的不足。与单基地雷达相比,组网雷达系统在目标探测、反电子侦察以及抗干扰能力等方面具备较大的优势。本论文以组网雷达系统为背景,针对组网雷达协同探测及干扰抑制中的若干问题开展研究,具体包括空时配准、融合处理、干扰抑制三个关键环节。主要的研究工作和创新性成果如下:1.空时配准是组网雷达协同探测的重要前提。组网雷达的位置和姿态角误差会影响数据配准和融合后的目标跟踪性能。针对静止平台组网雷达,提出了一种无需先验空间信息(包括雷达位置、姿态角)和时延的空时配准算法。待估计的参数包括组网雷达之间的旋转矩阵、平移向量和时延参数。根据网络中两部雷达分别测量的目标轨迹,建立了统一空时坐标系下的最小误差函数。采用空间时间交替迭代的方式估计出空时配准参数,并推导了对应参数的克拉美罗下界(Cramér-Rao Lower Bound,CRLB)。针对多目标场景,提出了基于随机抽样一致(RANdom SAmple Consensus,RANSAC)的多目标匹配及空时配准算法,通过最小化成对轨迹的误差之和,对各雷达的多目标轨迹进行匹配,然后利用所有满足匹配关系的轨迹优化空时配准参数。该算法无需雷达站的位置和姿态角信息以及雷达站之间的时间同步关系,仅根据测量得到的目标轨迹即可完成配准,避免了全球定位系统(Global Positioning System,GPS)和惯性测量单元(Inertial Measurement Unit,IMU)等的测量误差,同时降低了成本。2.当组网雷达位于运动平台时,雷达站之间的相对位置和姿态角度是时变的。针对运动平台上的组网雷达,提出了一种基于离散余弦变换(Discrete Cosine Transform,DCT)的空时配准算法。该算法采用DCT基函数线性表示雷达运动过程中时变的位置和姿态角(包括偏航角、俯仰角和横滚角),将运动雷达的时间异步和时变的空间参数配准问题建模为误差最小化问题,并采用梯度下降法求解。然后推导了运动平台组网雷达配准参数的CRLB。与现有算法需要每个采样时刻运动雷达的位置和姿态角等先验信息不同的是,本文所提的算法仅通过共享相参处理间隔(Coherent Processing Interval,CPI),根据不同雷达站分别测量的目标轨迹即可完成空时配准。此外,该算法中组网雷达无需同步,雷达站之间可以存在未知的时延以及不同的CPI时长。3.针对组网雷达回波域空间配准所需传输的数据量过大的问题,提出了一种距离-多普勒域的低通信速率下的空间配准算法。为了降低雷达站到融合中心的通信速率,采用初步恒虚警率检测方法对来自本地雷达的距离-多普勒域信号进行筛选。然后基于组网雷达的空间配准关系,构建以信号互相关为目标函数的最大化问题,并采用遗传算法求解,得到估计的空间配准参数。经过距离-多普勒域的配准和融合后,该算法提高了目标的检测概率。4.完成距离-多普勒域的配准后即可进行信号级融合,融合处理是实现协同探测的关键。网络中不同雷达站收到的目标回波是统计独立的,一般采用非相参融合处理。为了实现更高的融合信噪比,提出了一种基于距离-多普勒域单元的相参信号融合算法。当目标信号出现在不同的距离-多普勒单元时,由于相位差不同,融合的权重也不同,需要分别计算每个单元的权重。本文利用线性约束最小功率融合(Linearly Contrained Minimum Power Fusion,LCMPF)算法建立目标函数,估计每个距离-多普勒单元的融合权重。该算法中设计的相参权重保持目标所在的距离-多普勒单元融合后的信号功率固定,同时最小化所有距离-多普勒单元的功率。对于每个距离-多普勒单元,采用对应的权重融合信号,并对融合后的信号进行恒虚警检测(Constant False Alarm Rate,CFAR)。遍历所有的距离-多普勒单元后,输出检测到的目标的距离和速度值。相比于现有的融合算法,该算法提高了融合后的信噪比,在单站雷达由于低信噪比无法检测目标的情况下,相参融合后可以通过CFAR检测到目标。在半实物仿真平台和数字信号处理器上给出了硬件测试的方法和测试结果,在硬件上验证了该算法相参融合后的性能,三部雷达相参融合后的信噪比提高了4.3 d B,与仿真结果一致。5.针对复杂干扰环境下的协同探测问题,将组网雷达信号处理后的距离-多普勒域数据作为训练集,进行干扰态势感知,识别不同的干扰类型。针对威胁较大的欺骗式干扰,提出了一种基于Stretch处理的组网雷达协同抗干扰算法,该算法中每部本地雷达将信号处理后得到的点迹(包括真目标和欺骗干扰)送入融合中心,融合中心利用点迹信息进行同源检测得到真目标距离和速度的估计值,送回本地雷达。根据对应的时延和多普勒频率,本地雷达构造参考回波并与接收到的回波信号进行Stretch处理,将原本相干的目标信号与干扰信号从频域上分离,将处于高频处的干扰滤除,然后进行Stretch逆处理,恢复出只含有目标的信号,传输到融合中心进行后续的信号级融合等处理。仿真结果表明,采用所提出的抗干扰算法,在单个欺骗目标干扰和密集欺骗式干扰的场景下,都可以有效抑制干扰,并且该算法在机动目标和多目标跟踪的情景下仍然适用,可以正确跟踪目标信号。最后,给出了基于Stretch处理的组网雷达协同抗干扰算法在硬件电路上的实现方案,并在半实物仿真平台和数字信号处理器上验证了该算法的抗干扰性能。