复杂电磁环境下微弱目标探测技术研究∗

(中国电子科技集团公司第三十八研究所,安徽合肥230088)

0 引言

外辐射源雷达本身并不发射信号,主要利用非合作的广播电台信号[1-3]、电视信号[4]、卫星信号及其他辐射源作为目标照射源,不容易被敌方所侦察和干扰,提高了雷达的隐蔽性。同时雷达照射源大多是低频段的信号,增加了探测隐身飞机的能力。外辐射源雷达因具有反干扰强、抗反辐射导弹、反隐身及成本低等特点,逐渐受到重视,国内外高校及研究机构也进行了大量的研究和试验[1-5]。

雷达系统利用民用电台发射的直达波信号与目标反射的回波信号进行多普勒相关处理来进行目标的检测和定位。由于系统必须接收来自电台的直达波信号,系统与电台间不能有遮挡,那么天线在接收目标回波的同时,必然会受到直达波和经高山及建筑物等反射的多径信号所干扰。虽然天线的法线能避开电台方向,但是通过反射和绕射所接收到的直达波信号仍远远大于目标所反射的回波信号;同时由于雷达站周围的环境可能比较复杂,来自近距离不同固定物所反射的多径信号同样也强于回波信号;一般情况下,国家对电台的分布是有一定限制的,不会出现电台相互干扰的问题,但是高灵敏度的接收机经常能接收到较远地方发射的电台信号,在海边和国境附近也会接收到对方的电台干扰信号。由于电台干扰信号远远强于目标所反射的回波信号,若不采取有效措施则限制了雷达系统的探测性能。

1 复杂电磁环境下的干扰信号分析

外辐射源雷达是一种特殊体制下的双/多基地非合作雷达系统,其发射站为位置明确的民用广播、电视信号和自主广播等发射台。发射塔全向辐射的电磁波信号连续不间断地照射广阔的空域,经电磁波信号照射的空中目标产生相应的反射回波信号。雷达系统的接收站采用两个通道,其中回波接收通道采用阵列天线形式,用于接收目标所反射的回波信号;参考接收通道采用单天线形式,指向发射台方向,用于接收直达波参考信号。其定位原理图如图1所示。

图1 外辐射源雷达的定位图

其中发射站的位置为T,雷达接收站的位置为R,目标的位置为G,收发站之间的距离为L,目标和接收站之间的距离为Rr,目标和发射站之间的距离为Rt,在目标探测中通过回波接收通道采集的信号与参考接收通道采集的信号进行长时相干积累处理,得到两者之间的时差估计τ,即

式中,S=Rr+Rt为距离和,c为光速。根据几何关系可得到Rr为

式中,φr为通过多波束比幅技术所测得的方位角。

从上面的外辐射源定位系统中可以看出,雷达所处的电磁环境较为复杂,经目标反射的回波信号完全淹没在很强的杂波干扰中,特别是弱目标和处于探测远区的目标回波。图2显示了在复杂电磁环境下回波的频谱特性,在频谱图中不仅含有直达波和多径信号,而且同频和邻频电台信号的干扰较为严重。在这种环境下进行目标检测,根本不能发现微弱目标,严重时系统都无法检测到目标。因此必须利用数字阵列雷达的优势和信号滤波处理算法,从空域[6]和时域[7-10]等方面采取综合抗干扰处理方法,实现干扰杂波的抑制,同时采用长时相干积累处理提高信号的增益,特别是微弱目标的检测,实现在复杂电磁环境下的连续跟踪探测。

图2 复杂电磁环境下回波的频谱特性

2 空时自适应处理的干扰抑制技术

2.1 基于空域的自适应干扰置零处理

其原理是根据不同的最优化准则,建立相应的数学模型,通过调整各阵元的加权系数在杂波干扰处形成零点,得到干扰抑制的目的。针对无源雷达采用最大信干噪比(MSINR)准则,使阵列输出信号与干扰加噪声之比最大。其阵列接收信号为

式中,a(θ0)为信号来波方向的导向矢量,s0(t)为信号的复包络,Xi+n(t)为干扰加噪声向量,与信号不相关。信号协方差矩阵Rs和干扰噪声协方差矩阵Ri+n分别为

最大信干噪比准则是使输出信干噪比最大,即

式中,W为权值,用拉格朗日乘子法,其目标函数为

对式(7)求导可得

式中,λ=SINR,最优权矢量Wopt是与最大特征值λ对应的特征向量,将式(4)代入式(8),解得

根据空域自适应置零算法的分析,利用雷达在复杂电磁环境下采集的实际回波数据,从图2的回波频谱中可以看出,回波中既有直达波和多径信号的干扰,同时存在相邻电台的干扰。为此采用空域自适应干扰抑制处理,其结果如图3所示。

图3 空域干扰抑制前后的处理结果

2.2 基于时域的改进型RLS自适应干扰抑制处理

外辐射源雷达主要是利用回波信号与参考信号的长时相干积累处理来探测目标,由于回波信号很弱,而回波通道接收到的信号含有强直达波、多径信号以及电台干扰信号,严重影响了目标信号的检测,抑制干扰信号尤为重要,直接影响着雷达系统的性能。为此采用自适应信号处理的方法,通过实时更新自适应滤波的系数得到抑制干扰信号的目的,而自适应处理算法有很多种,比如最小均方(LMS)误差算法[9-10]、递推最小二乘(RLS)算法[11-12]、卡尔曼滤波(Kalman)算法、盲自适应算法等,其中RLS算法的处理效果及工程实现得到了很好的应用。

自适应RLS算法在第k个采样点对应的一组输入信号为xk(i),i=0,1,…,N,那么该算法对应的输出为

式中,N为滤波器的阶数,ek为误差项,w(i)为滤波器的第i项系数。

式中,Pk为计算的递归项,Gk=。

在自适应RLS算法中,遗忘因子λ同LMS误差算法中步长μ的作用相似,在常规处理算法中根据经验值来选择λ,不能实时调整来满足系统要求,因此通过引入遗忘因子函数来解决这一问题。根据λ与误差的关系来实时调整λ值,当输出误差e(n)较大时,应调整λ值使其较小而加快收敛速度;当输出误差e(n)较小时,应调整λ值使其较大而获得较高的收敛精度;但是若只利用误差信号e(n)来调整遗忘因子λ(n),可能会出现误差信号使滤波系数偏离理想值。因此还需要调整λ,在系统初始状态下使λ值较小而加快算法的收敛速度;当算法接近收敛时使λ值较大而获得较好的收敛精度。因此改变这一设计函数,得到遗忘因子函数为

根据式(13)对遗忘因子函数的修改,对常规的RLS滤波算法进行修正,得到的改进型RLS算法计算流程如下所示:

利用在实验系统中采集的实际数据进行仿真分析,其中图4(a)表示按常规LMS处理算法对干扰抑制的处理结果,图4(b)表示按改进型RLS处理算法对干扰抑制的处理结果。从两个图的比较可以看出,改进型RLS处理算法相对于LMS处理算法在干扰抑制上提高了10 dB以上,同时在收敛速度和稳态精度上也都得到一定的提高。改进型RLS处理算法采用闭环自适应处理算法,根据干扰的强度来快速调整滤波器的权系数,抑制回波中的干扰信号。对于不同环境下的直达波和多径信号等干扰信号都具有较好的抑制作用,具有较好的稳健性。在实际数据的仿真中发现只有干扰强度发生变化时干扰抑制比变化较大,而与环境和频率的变化影响不大。

图4 LMS和改进RLS时域干扰抑制的处理结果比较

3 微弱目标的长时相干积累技术

外辐射源雷达在对低信噪比的微弱目标进行搜索检测时,接收到目标的回波信噪比一般都很低,虽然采取空域和时域等多种干扰抑制措施,对这些低信噪比的目标也很难检测到,因此对目标回波的能量进行长时有效积累,增加有用信号的能量,提高检测目标的信噪比,从而保证雷达的探测性能。长时相干积累处理主要是利用阵列天线接收到的回波信号与辅助天线接收到的参考信号进行相关运算。由于该算法运算量大,工程上不易实现,因此采用二维处理方法获得目标的距离和多普勒信息,其处理方法如图5所示。

图5 距离和多普勒的二维处理技术

雷达接收到的参考信号相当于外辐射源所发射的信号,若发射信号(即参考信号)为

根据二维处理技术,参考信号分成了n部分,则每部分的参考信号为

同时相应的回波信号为

因此根据参考信号与目标回波信号的积累处理,将参考信号延迟Δt后与接收到的目标回波信号共轭相乘,则输出信号为

对式(21)中n部分的输出结果,在实现频域的FFT滤波处理[14],可搜索到在不同距离信息Δt和多普勒信息fd时与目标回波信号完全达到匹配,目标回波信号的能量得到了有效积累,实现了目标的检测。

4 实验仿真和结果分析

在该雷达实验系统中,以电台发射的广播信号为辐射源,采取阵列天线接收目标所反射的回波信号,辅助天线指向电台发射信号,其中广播信号的频率为97.6 MHz,周边环境干扰比较强,如图2所示。通过该实验采集的数据进行仿真分析,其中常规的LMS处理和积累技术得到的结果如图6所示,其中图6(a)为目标的距离维显示结果,图6(b)为目标的速度维显示结果。从图中可知,只能发现两个较大的目标信息,其中目标1位于41.3 km处,径向速度为-154.7 m/s;目标2位于63 km处,径向速度为-200.6 m/s。而采取上面分析的针对复杂电磁环境下采取的处理方法得到结果如图7所示,其中图7(a)为目标的距离维显示结果,图7(b)为目标的速度维显示结果。不仅发现了两个近距离的大目标信息,而且还发现了远距离处的另外两个微弱目标信息,其中目标3位于123.8 km处,径向速度为193.8 m/s;目标4位于225.8 km处,径向速度为-20 m/s,同时大目标的信杂比也相应提高了近5 dB左右。因此在复杂电磁环境下,特别是多径信号和强电台信号的干扰,针对微弱目标的探测方法,大大提高目标的检测概率,实现了目标的连续跟踪和定位。

图6 复杂电磁环境下常规处理检测结果

图7 复杂电磁环境下微弱目标检测结果

5 结束语

基于外辐射源的无源雷达系统中,分析了在复杂电磁环境下的直达波、多径信号和其他电台信号的干扰,严重影响了无源雷达系统的探测性能,特别是微弱目标的检测和定位。为此,提出了从空域自适应处理技术和时域自适应处理技术来抑制强干扰信号,利用实测数据进行处理和对比分析,验证了算法的有效性,同时分析了低信噪比下目标回波的长时相干积累技术,降低了实时处理的运算量。最后在实验中进行了实际数据的仿真和应用,针对在复杂电磁环境下的弱目标检测技术提高了大目标的信噪比,而且探测到远距离的微弱目标,在实际系统的应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,保铮,张守宏.无源探测与跟踪雷达系统技术及其发展[J].雷达科学与技术,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]万显荣.基于低频段数字广播电视信号的外辐射源雷达发展现状与趋势[J].雷达学报,2012,1(2):109-123.

[5]汪玲,卜晓楠,庞铄,等.多径环境下的无源分布式孔径雷达成像方法[J].系统工程与电子技术,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]李飞,关堂新,赵洪立,等.基于DTV广播的外辐射源雷达对消算法研究[J].雷达科学与技术,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]许德刚,朱子平,洪一.自适应滤波在无源探测中对杂波抑制的应用[J].系统工程与电子技术,2006,28(2):202-204.

[10]田福庆,罗荣,李克玉,等.基于改进的双曲正切函数变步长LMS算法[J].系统工程与电子技术,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]刘梅,金龙.基于自适应RLS算法的系统辨识应用[J].中山大学研究生学刊(自然科学、医学版),2013,34(1):80-89.