復雜電磁環境下微弱目標探測技術研究?

(中國電子科技集團公司第三十八研究所,安徽合肥230088)

0 引言

外輻射源雷達本身并不發射信號,主要利用非合作的廣播電臺信號[1-3]、電視信號[4]、衛星信號及其他輻射源作為目標照射源,不容易被敵方所偵察和干擾,提高了雷達的隱蔽性。同時雷達照射源大多是低頻段的信號,增加了探測隱身飛機的能力。外輻射源雷達因具有反干擾強、抗反輻射導彈、反隱身及成本低等特點,逐漸受到重視,國內外高校及研究機構也進行了大量的研究和試驗[1-5]。

雷達系統利用民用電臺發射的直達波信號與目標反射的回波信號進行多普勒相關處理來進行目標的檢測和定位。由于系統必須接收來自電臺的直達波信號,系統與電臺間不能有遮擋,那么天線在接收目標回波的同時,必然會受到直達波和經高山及建筑物等反射的多徑信號所干擾。雖然天線的法線能避開電臺方向,但是通過反射和繞射所接收到的直達波信號仍遠遠大于目標所反射的回波信號;同時由于雷達站周圍的環境可能比較復雜,來自近距離不同固定物所反射的多徑信號同樣也強于回波信號;一般情況下,國家對電臺的分布是有一定限制的,不會出現電臺相互干擾的問題,但是高靈敏度的接收機經常能接收到較遠地方發射的電臺信號,在海邊和國境附近也會接收到對方的電臺干擾信號。由于電臺干擾信號遠遠強于目標所反射的回波信號,若不采取有效措施則限制了雷達系統的探測性能。

1 復雜電磁環境下的干擾信號分析

外輻射源雷達是一種特殊體制下的雙/多基地非合作雷達系統,其發射站為位置明確的民用廣播、電視信號和自主廣播等發射臺。發射塔全向輻射的電磁波信號連續不間斷地照射廣闊的空域,經電磁波信號照射的空中目標產生相應的反射回波信號。雷達系統的接收站采用兩個通道,其中回波接收通道采用陣列天線形式,用于接收目標所反射的回波信號;參考接收通道采用單天線形式,指向發射臺方向,用于接收直達波參考信號。其定位原理圖如圖1所示。

圖1 外輻射源雷達的定位圖

其中發射站的位置為T,雷達接收站的位置為R,目標的位置為G,收發站之間的距離為L,目標和接收站之間的距離為Rr,目標和發射站之間的距離為Rt,在目標探測中通過回波接收通道采集的信號與參考接收通道采集的信號進行長時相干積累處理,得到兩者之間的時差估計τ,即

式中,S=Rr+Rt為距離和,c為光速。根據幾何關系可得到Rr為

式中,φr為通過多波束比幅技術所測得的方位角。

從上面的外輻射源定位系統中可以看出,雷達所處的電磁環境較為復雜,經目標反射的回波信號完全淹沒在很強的雜波干擾中,特別是弱目標和處于探測遠區的目標回波。圖2顯示了在復雜電磁環境下回波的頻譜特性,在頻譜圖中不僅含有直達波和多徑信號,而且同頻和鄰頻電臺信號的干擾較為嚴重。在這種環境下進行目標檢測,根本不能發現微弱目標,嚴重時系統都無法檢測到目標。因此必須利用數字陣列雷達的優勢和信號濾波處理算法,從空域[6]和時域[7-10]等方面采取綜合抗干擾處理方法,實現干擾雜波的抑制,同時采用長時相干積累處理提高信號的增益,特別是微弱目標的檢測,實現在復雜電磁環境下的連續跟蹤探測。

圖2 復雜電磁環境下回波的頻譜特性

2 空時自適應處理的干擾抑制技術

2.1 基于空域的自適應干擾置零處理

其原理是根據不同的最優化準則,建立相應的數學模型,通過調整各陣元的加權系數在雜波干擾處形成零點,得到干擾抑制的目的。針對無源雷達采用最大信干噪比(MSINR)準則,使陣列輸出信號與干擾加噪聲之比最大。其陣列接收信號為

式中,a(θ0)為信號來波方向的導向矢量,s0(t)為信號的復包絡,Xi+n(t)為干擾加噪聲向量,與信號不相關。信號協方差矩陣Rs和干擾噪聲協方差矩陣Ri+n分別為

最大信干噪比準則是使輸出信干噪比最大,即

式中,W為權值,用拉格朗日乘子法,其目標函數為

對式(7)求導可得

式中,λ=SINR,最優權矢量Wopt是與最大特征值λ對應的特征向量,將式(4)代入式(8),解得

根據空域自適應置零算法的分析,利用雷達在復雜電磁環境下采集的實際回波數據,從圖2的回波頻譜中可以看出,回波中既有直達波和多徑信號的干擾,同時存在相鄰電臺的干擾。為此采用空域自適應干擾抑制處理,其結果如圖3所示。

圖3 空域干擾抑制前后的處理結果

2.2 基于時域的改進型RLS自適應干擾抑制處理

外輻射源雷達主要是利用回波信號與參考信號的長時相干積累處理來探測目標,由于回波信號很弱,而回波通道接收到的信號含有強直達波、多徑信號以及電臺干擾信號,嚴重影響了目標信號的檢測,抑制干擾信號尤為重要,直接影響著雷達系統的性能。為此采用自適應信號處理的方法,通過實時更新自適應濾波的系數得到抑制干擾信號的目的,而自適應處理算法有很多種,比如最小均方(LMS)誤差算法[9-10]、遞推最小二乘(RLS)算法[11-12]、卡爾曼濾波(Kalman)算法、盲自適應算法等,其中RLS算法的處理效果及工程實現得到了很好的應用。

自適應RLS算法在第k個采樣點對應的一組輸入信號為xk(i),i=0,1,…,N,那么該算法對應的輸出為

式中,N為濾波器的階數,ek為誤差項,w(i)為濾波器的第i項系數。

式中,Pk為計算的遞歸項,Gk=。

在自適應RLS算法中,遺忘因子λ同LMS誤差算法中步長μ的作用相似,在常規處理算法中根據經驗值來選擇λ,不能實時調整來滿足系統要求,因此通過引入遺忘因子函數來解決這一問題。根據λ與誤差的關系來實時調整λ值,當輸出誤差e(n)較大時,應調整λ值使其較小而加快收斂速度;當輸出誤差e(n)較小時,應調整λ值使其較大而獲得較高的收斂精度;但是若只利用誤差信號e(n)來調整遺忘因子λ(n),可能會出現誤差信號使濾波系數偏離理想值。因此還需要調整λ,在系統初始狀態下使λ值較小而加快算法的收斂速度;當算法接近收斂時使λ值較大而獲得較好的收斂精度。因此改變這一設計函數,得到遺忘因子函數為

根據式(13)對遺忘因子函數的修改,對常規的RLS濾波算法進行修正,得到的改進型RLS算法計算流程如下所示:

利用在實驗系統中采集的實際數據進行仿真分析,其中圖4(a)表示按常規LMS處理算法對干擾抑制的處理結果,圖4(b)表示按改進型RLS處理算法對干擾抑制的處理結果。從兩個圖的比較可以看出,改進型RLS處理算法相對于LMS處理算法在干擾抑制上提高了10 dB以上,同時在收斂速度和穩態精度上也都得到一定的提高。改進型RLS處理算法采用閉環自適應處理算法,根據干擾的強度來快速調整濾波器的權系數,抑制回波中的干擾信號。對于不同環境下的直達波和多徑信號等干擾信號都具有較好的抑制作用,具有較好的穩健性。在實際數據的仿真中發現只有干擾強度發生變化時干擾抑制比變化較大,而與環境和頻率的變化影響不大。

圖4 LMS和改進RLS時域干擾抑制的處理結果比較

3 微弱目標的長時相干積累技術

外輻射源雷達在對低信噪比的微弱目標進行搜索檢測時,接收到目標的回波信噪比一般都很低,雖然采取空域和時域等多種干擾抑制措施,對這些低信噪比的目標也很難檢測到,因此對目標回波的能量進行長時有效積累,增加有用信號的能量,提高檢測目標的信噪比,從而保證雷達的探測性能。長時相干積累處理主要是利用陣列天線接收到的回波信號與輔助天線接收到的參考信號進行相關運算。由于該算法運算量大,工程上不易實現,因此采用二維處理方法獲得目標的距離和多普勒信息,其處理方法如圖5所示。

圖5 距離和多普勒的二維處理技術

雷達接收到的參考信號相當于外輻射源所發射的信號,若發射信號(即參考信號)為

根據二維處理技術,參考信號分成了n部分,則每部分的參考信號為

同時相應的回波信號為

因此根據參考信號與目標回波信號的積累處理,將參考信號延遲Δt后與接收到的目標回波信號共軛相乘,則輸出信號為

對式(21)中n部分的輸出結果,在實現頻域的FFT濾波處理[14],可搜索到在不同距離信息Δt和多普勒信息fd時與目標回波信號完全達到匹配,目標回波信號的能量得到了有效積累,實現了目標的檢測。

4 實驗仿真和結果分析

在該雷達實驗系統中,以電臺發射的廣播信號為輻射源,采取陣列天線接收目標所反射的回波信號,輔助天線指向電臺發射信號,其中廣播信號的頻率為97.6 MHz,周邊環境干擾比較強,如圖2所示。通過該實驗采集的數據進行仿真分析,其中常規的LMS處理和積累技術得到的結果如圖6所示,其中圖6(a)為目標的距離維顯示結果,圖6(b)為目標的速度維顯示結果。從圖中可知,只能發現兩個較大的目標信息,其中目標1位于41.3 km處,徑向速度為-154.7 m/s;目標2位于63 km處,徑向速度為-200.6 m/s。而采取上面分析的針對復雜電磁環境下采取的處理方法得到結果如圖7所示,其中圖7(a)為目標的距離維顯示結果,圖7(b)為目標的速度維顯示結果。不僅發現了兩個近距離的大目標信息,而且還發現了遠距離處的另外兩個微弱目標信息,其中目標3位于123.8 km處,徑向速度為193.8 m/s;目標4位于225.8 km處,徑向速度為-20 m/s,同時大目標的信雜比也相應提高了近5 dB左右。因此在復雜電磁環境下,特別是多徑信號和強電臺信號的干擾,針對微弱目標的探測方法,大大提高目標的檢測概率,實現了目標的連續跟蹤和定位。

圖6 復雜電磁環境下常規處理檢測結果

圖7 復雜電磁環境下微弱目標檢測結果

5 結束語

基于外輻射源的無源雷達系統中,分析了在復雜電磁環境下的直達波、多徑信號和其他電臺信號的干擾,嚴重影響了無源雷達系統的探測性能,特別是微弱目標的檢測和定位。為此,提出了從空域自適應處理技術和時域自適應處理技術來抑制強干擾信號,利用實測數據進行處理和對比分析,驗證了算法的有效性,同時分析了低信噪比下目標回波的長時相干積累技術,降低了實時處理的運算量。最后在實驗中進行了實際數據的仿真和應用,針對在復雜電磁環境下的弱目標檢測技術提高了大目標的信噪比,而且探測到遠距離的微弱目標,在實際系統的應用中取得了很好的效果。

[1]OLSEN K E,BAKER C J.FM-Based Passive Bistatic Radar as a Function of Available Bandwidth[C]∥2008 IEEE Radar Conference,Rome:IEEE,2008:1266-1273.

[2]王俊,保錚,張守宏.無源探測與跟蹤雷達系統技術及其發展[J].雷達科學與技術,2004,2(3):129-135.WANG Jun,BAO Zheng,ZHANG Shou-hong.Passive Detecting/Tracking Radar System Technologies and Its Development[J].Radar Science and Technology,2004,2(3):129-135.(in Chinese)

[3]ZHENG Heng,ZHAO Hong-li,LI Fei.Accidental Radio Jamming Suppression in Passive Radar[C]∥2008 IEEE Radar Conference,Rome:IEEE,2008:294-298.

[4]萬顯榮.基于低頻段數字廣播電視信號的外輻射源雷達發展現狀與趨勢[J].雷達學報,2012,1(2):109-123.

[5]汪玲,卜曉楠,龐鑠,等.多徑環境下的無源分布式孔徑雷達成像方法[J].系統工程與電子技術,2013,35(1):61-67.

[6]PARIHAR M S,BESU A,KOUL S K.Efficient Spurious Rejection and Null Steering Using Slot Antennas[J].IEEE Antennas and Wireless Propagation Letters,2011,10(1):207-210.

[7]李飛,關堂新,趙洪立,等.基于DTV廣播的外輻射源雷達對消算法研究[J].雷達科學與技術,2011,9(5):397-400.LI Fei,GUAN Tang-xin,ZHAO Hong-li,et al.Research on Clutter Canceling Algorithm in Passive Radar Based on DTV Broadcast[J].Radar Science and Technology,2011,9(5):397-400.(in Chinese)

[8]KIM H W,PARK H S,LEE S K,et al.Modified-Filtered-u LMS Algorithm for Active Noise Control and Its Application to a Short Acoustic Duct[J].Mechanical Systems and Signal Processing,2011,25(1):475-484.

[9]許德剛,朱子平,洪一.自適應濾波在無源探測中對雜波抑制的應用[J].系統工程與電子技術,2006,28(2):202-204.

[10]田福慶,羅榮,李克玉,等.基于改進的雙曲正切函數變步長LMS算法[J].系統工程與電子技術,2012,34(9):1758-1763.

[11]ZAKHAROV Y V,WHITE G P,LIU J.Low-Complexity RLS Algorithms Using Dichotomous Coordinate Descent Iterations[J].IEEE Trans on Signal Processing,2008,56(7):3150-3161.

[12]劉梅,金龍.基于自適應RLS算法的系統辨識應用[J].中山大學研究生學刊(自然科學、醫學版),2013,34(1):80-89.