基于壓縮感知的天波雷達(dá)瞬態(tài)干擾抑制?

(中國(guó)電子科技集團(tuán)公司第十四研究所,江蘇南京210039)

0 引言

瞬態(tài)干擾是天波超視距雷達(dá)(Over-the-Horizon Radar,OTHR)中一種常見的干擾,經(jīng)常抬高雷達(dá)的距離-多普勒二維檢測(cè)背景,造成目標(biāo)檢測(cè)困難,因此需要加以抑制。在相干積累前瞬態(tài)干擾通常鑲嵌在OTHR的強(qiáng)大雜波中,采用矩陣分解[1]、高通濾波器[2]、小波-矩陣法[3]、S變換[4]等方法可以將其從強(qiáng)雜波中提取出來。在消除瞬態(tài)干擾時(shí),會(huì)造成同位置上雜波和目標(biāo)回波信號(hào)的缺損,因此需要對(duì)兩者進(jìn)行重構(gòu),目前主要采用基于自回歸建模的重構(gòu)方法[5],但是這種方法需要足夠的數(shù)據(jù)樣本估計(jì)模型階數(shù)和參數(shù),而有時(shí)這樣的樣本不夠多。近年來廣受關(guān)注的壓縮感知(Compressive Sensing,CS)理論[6-9]利用信號(hào)的稀疏性特征,通過少量的觀測(cè)信息重構(gòu)信號(hào),為上述問題的解決提供了新思路。OTHR雜波和目標(biāo)回波在傅里葉基下具有稀疏性,因此可以應(yīng)用CS理論重構(gòu)雜波和目標(biāo)回波信號(hào);另外,為了避免瞬態(tài)干擾的影響,文中將CS觀測(cè)矩陣設(shè)計(jì)為隨機(jī)采樣矩陣,該觀測(cè)矩陣與傅里葉基矩陣之間有著最大不相關(guān)性,從而使得所需要的觀測(cè)樣本數(shù)最少[6]。

1 基本原理

設(shè)脈壓后某個(gè)距離單元上的OTHR接收信號(hào)為

式中,z(k)為雜波與目標(biāo)回波信號(hào)之和,i(k)為瞬態(tài)干擾,K為相干脈沖數(shù)。i(k)具有如下形式:

式中,N為瞬態(tài)干擾數(shù),gn(k)為第n個(gè)瞬態(tài)干擾的波形,kn和Kn分別為第n個(gè)瞬態(tài)干擾的中心位置和持續(xù)時(shí)間,Kn?K。

OTHR接收信號(hào)的主體成分是海雜波,瞬態(tài)干擾是鑲嵌其中的奇異分量。為了從強(qiáng)雜波和干擾背景中檢測(cè)目標(biāo),OTHR需要進(jìn)行相干積累處理,因此瞬態(tài)干擾會(huì)在多普勒域上擴(kuò)展開來,并且抬高背景電平,增加了目標(biāo)檢測(cè)的難度。瞬態(tài)干擾需要在相干積累之前進(jìn)行抑制,但是難以直接估計(jì)其波形,通常先濾除強(qiáng)雜波,再確定瞬態(tài)干擾的位置,最后重構(gòu)這些位置上的雜波和目標(biāo)回波信號(hào),從而實(shí)現(xiàn)瞬態(tài)干擾抑制[1]。

OTHR海雜波主要包括一階Bragg分量以及一些較弱的高階分量[10],因此z(k)是若干諧波之和,其在傅里葉基下具有稀疏性。記z=[z(1), z(2),…,z(K)]T,則z=Θθ,其中Θ為傅里葉基矩陣,θ為系數(shù)向量,其非零系數(shù)(或大系數(shù))個(gè)數(shù)遠(yuǎn)小于K。根據(jù)CS理論,若采用一個(gè)與正交基Θ不相關(guān)的觀測(cè)矩陣Φ:L×K(L?K),對(duì)z執(zhí)行一個(gè)壓縮觀測(cè)y=Φz(mì),得到L個(gè)線性觀測(cè),則這些少量觀測(cè)中包含了重構(gòu)z的足夠信息。

問題是現(xiàn)有OTHR接收信號(hào)x(k)中包含著瞬態(tài)干擾,因此重構(gòu)z的關(guān)鍵是合理設(shè)計(jì)觀測(cè)矩陣Φ。如前所述,瞬態(tài)干擾具有短時(shí)性,并且其位置可以預(yù)先確定,因此這里從K維單位矩陣中隨機(jī)選取L行構(gòu)成觀測(cè)矩陣Φ,且在選取時(shí)避開瞬態(tài)干擾的位置。設(shè)計(jì)這樣的觀測(cè)矩陣Φ,使得觀測(cè)y僅由雜波和目標(biāo)回波構(gòu)成,即y=Φx=Φz(mì)=ΦΘθ,其中x=[x(1),x(2),…,x(K)]T,因此可以用來重構(gòu)z,此時(shí)瞬態(tài)干擾位置上的z信號(hào)成為所需要的雜波和目標(biāo)回波估計(jì)。

上述分析忽略了OTHR接收信號(hào)中的背景噪聲,在考慮該噪聲項(xiàng)的情況下,可以通過求解以下優(yōu)化問題得到稀疏系數(shù)向量θ:

然后通過運(yùn)算z=Θθ重構(gòu)z。式(3)是一個(gè)二階錐規(guī)劃凸問題,可以高效地求解[6],式中ε是一個(gè)表示噪聲強(qiáng)度的量,實(shí)踐中可以在關(guān)閉發(fā)射機(jī)只開接收機(jī)的情況下取得。

OTHR抑制瞬態(tài)干擾的流程如圖1所示。

圖1 瞬態(tài)干擾抑制流程

2 實(shí)測(cè)數(shù)據(jù)處理

這一節(jié)通過實(shí)測(cè)數(shù)據(jù)處理檢驗(yàn)基于壓縮感知的OTHR瞬態(tài)干擾抑制性能。圖2是某個(gè)距離單元上OTHR接收信號(hào)的幅度,雜波是主體成分,瞬態(tài)干擾鑲嵌其中,強(qiáng)度與雜波相當(dāng),難以直接檢測(cè)。由于雜波位于零多普勒頻率附近,這里采用高通濾波器將其濾除,瞬態(tài)干擾也會(huì)濾掉一部分,但是因?yàn)樗矐B(tài)干擾的譜較寬,因此剩余較大,如圖3所示,不難通過設(shè)置門限將其檢測(cè)出來并確定其位置,在設(shè)計(jì)壓縮感知的觀測(cè)矩陣時(shí)應(yīng)避開這些位置。采用壓縮感知重構(gòu)雜波和目標(biāo)信號(hào),用其代替瞬態(tài)干擾位置處的原始OTHR接收信號(hào),從而實(shí)現(xiàn)瞬態(tài)干擾抑制。圖4示出了瞬態(tài)干擾抑制前后的多普勒頻譜比較,可見抑制瞬態(tài)干擾后檢測(cè)背景降低約15 dB,且趨于平穩(wěn),目標(biāo)的信噪比顯著提高,變得重新可檢測(cè)了;另外,對(duì)OTHR接收信號(hào)進(jìn)行傅里葉變換后,大系數(shù)的個(gè)數(shù)遠(yuǎn)小于脈沖數(shù)512,表明接收信號(hào)具有稀疏性,是進(jìn)行壓縮感知重構(gòu)的基礎(chǔ)。大量實(shí)測(cè)數(shù)據(jù)處理驗(yàn)證了本文給出的OTHR瞬態(tài)干擾抑制方法的效果。

圖2 OTHR接收信號(hào)的幅度

圖3 濾除雜波后瞬態(tài)干擾的幅度

圖4 抑制瞬態(tài)干擾前后的比較

3 結(jié)束語

實(shí)踐表明,瞬態(tài)干擾是OTHR中常見的干擾,經(jīng)常導(dǎo)致雷達(dá)的距離-多普勒二維檢測(cè)背景抬高,甚至淹沒目標(biāo),是需要解決的重要問題。本文提出了基于壓縮感知的OTHR瞬態(tài)干擾抑制方法,首先確定瞬態(tài)干擾的位置,然后利用壓縮感知重構(gòu)該位置上的雜波和目標(biāo)信號(hào),從而實(shí)現(xiàn)瞬態(tài)干擾抑制。實(shí)測(cè)數(shù)據(jù)表明,本文方法可以有效地抑制瞬態(tài)干擾,顯著改善OTHR的檢測(cè)性能。

[1]陳希信,黃銀河.基于矩陣奇異值分解的高頻雷達(dá)瞬態(tài)干擾抑制[J].電子與信息學(xué)報(bào),2005,27(12): 1879-1882.

[2]蔣志焱,陳希信,黃銀河.一種高頻雷達(dá)流星余跡回波干擾消除方法[J].現(xiàn)代雷達(dá),2007,29(5):39-41.

[3]趙曉燕,于長(zhǎng)軍,陳磊.基于改進(jìn)的小波-矩陣法實(shí)現(xiàn)雷電干擾抑制[J].雷達(dá)科學(xué)與技術(shù),2013,11(4): 401-408. ZHAO Xiao-yan,YU Chang-jun,CHEN Lei.Lightning Interference Suppression Based on Improved Wavelet-Matrix Combined Algorithm[J].Radar Science and Technology,2013,11(4):401-408.(in Chinese)

[4]徐興安,吳雄斌,陳驍鋒,等.一種基于S變換的高頻地波雷達(dá)瞬態(tài)干擾抑制方法[J].電子學(xué)報(bào),2014,42 (3):602-606.

[5]TURLEY M.Impulsive Noise Rejection in HF Radar Using a Linear Prediction Technique[C]∥IEEE International Radar Conference,Adelaide,SA,Australia: IEEE,2003:358-362.

[6]CANDES E J,WAKIN M B.An Introduction to Compressive Sampling[J].IEEE Signal Processing Magazine,2008,25(2):21-30.

[7]ENGELBERG S.Compressive Sensing[J].IEEE Instrumentation&Measurement Magazine,2012,15 (1):42-46.

[8]ANILA SATHEESH B,DEEPA B,BHAI S,et al. Compressive Sensing for Array Signal Processing[C]∥2012 Annual IEEE India Conference,Kochi:IEEE, 2012:555-560.

[9]PICCIOLO M L,GOLDSTEIN J S,MYRICK W L. Compressive Sensing for Radar STAP[C]∥IEEE Radar Conference,Ottawa,Canada:IEEE,2013:101-104.

[10]BARRICK D.First-Order Theory and Analysis of MF/HF/VHF Scatter from the Sea[J].IEEE Trans on Antennas and Propagation,1972,20(1):2-10.