基于FRFT的單基地MIMO雷達穩(wěn)健波束形成算法

呂 巖, 曹 菲, 許劍鋒, 馮曉偉

(1. 火箭軍工程大學核工程學院, 陜西 西安 710025; 2. 中國人民解放軍96746部隊, 新疆 庫爾勒市 841000)

0 引 言

線性調頻(linear frequency modulation, LFM)[1-2]信號具有容易實現和對多普勒頻移不敏感等特點,近年來在雷達、聲吶和信息通信系統(tǒng)中得到了較為廣泛的應用[3-6]。分數階傅里葉變換(fractional Fourier transform, FRFT)[7-8]可以視為一種時頻平面上的旋轉算子,通過合理設置算子的變換階次或旋轉角度,能夠對LFM信號實現良好的能量集中。此外,FRFT還具備其他優(yōu)良的特性,例如自成像、連續(xù)性、線性、旋轉加法和比例特性等[9-10]。

目前,大量文獻對基于FRFT的自適應波束形成算法開展了研究。文獻[11]針對雷達或聲吶應用中信號回波信噪比(signal to noise ratio, SNR)較低且噪聲為色噪聲的情況,提出了一種基于FRFT的分數階數值選擇的自適應波束形成算法。該方法能夠最大限度地提高LFM信號的分數階譜峰度,將期望的LFM信號能量集中在最佳時頻域,但在SNR較高時性能將受到限制。文獻[12]針對FRFT在變SNR和多目標時的波束形成性能展開研究,仿真實驗的結果表明,FRFT較其他算法在計算效率、精度和分辨率方面具備一定的優(yōu)勢。文獻[13]將FRFT和四階累積量相結合用于寬帶信號波束形成,通過主動聲吶仿真實驗驗證了算法的性能。綜上可知,FRFT被廣泛應用于自適應波束形成算法中,但現有文獻尚未對算法在陣列信號模型存在多種失配條件下的穩(wěn)健性進行研究驗證[14-15]。

為了提升自適應波束形成算法的穩(wěn)健性,基于對角加載和最差情況性能優(yōu)化[16-19]等方法被相繼提出,有效提升了波束形成算法在期望信號(signal of interest,SOI)導向矢量誤差和快拍數較低時的穩(wěn)健性,但上述方法無法有效消除SOI分量對波束形成算法性能的影響。為了達到這一目的,諸多學者在協(xié)方差矩陣重構方面也做了大量的研究工作[20-22],有效解決了SNR較高時的SOI自消現象。

本文以單基地多輸入多輸出(multiple input multiple output, MIMO)雷達系統(tǒng)為研究對象,針對LFM形式的正交頻分復用(orthogonal frequency division multiplexing, OFDM)信號,提出了一種新的穩(wěn)健自適應波束形成算法。算法首先對匹配濾波后的雷達回波信號進行FRFT,得到峰值點,作為陣列的觀測數據。而后,利用觀測值構建接收信號的協(xié)方差矩陣,并使用Capon譜估計方法重構干擾加噪聲協(xié)方差矩陣。通過求解優(yōu)化問題估計實際導向矢量,最終得到陣列的最優(yōu)權值。

1 信號模型

如圖1所示,考慮一個由均勻線陣組成的收發(fā)共址單基地MIMO雷達系統(tǒng),假設發(fā)射天線陣元數為Q,接收陣元數為N。

圖1 MIMO雷達陣列結構Fig.1 Structure of MIMO radar array

在發(fā)射端,發(fā)射天線陣列的Q個陣元發(fā)射相互正交的信號,本文針對LFM-OFDM信號開展研究,則第q個陣元的發(fā)射信號[23-24]可表示為

(1)

式中:rect(·)為矩形窗函數;Tp為脈沖寬度;fc為發(fā)射信號載頻;μ=B/Tp為線性調頻信號的調頻斜率;B為頻偏;fp=1/Tp為陣元間的頻率步進量;sq(t)為第q個陣元的發(fā)射波形。

假設存在1個遠場SOI和L-1個干擾,分別以波達方向(direction of arrival, DOA)θl到達陣列,則第n個接收陣元收到的回波信號rn(t,τk)可表示為

(2)

式中:σl表示第l個目標或干擾的散射系數;τk=2r(tk)/c表示回波的時間延遲，tk表示慢時間，r(tk)為目標或干擾與雷達的距離，c為電磁波速;fd為多普勒頻移;wn(t)為高斯復噪聲;aq(θl)和bn(θl)分別為

aq(θl)=exp(j2π(q-1)dtrasinθl/λ)

(3)

bn(θl)=exp(j2π(n-1)drecsinθl/λ)

(4)

式中:λ=c/(fc+(B+(Q-1)fp)/2)為信號最短波長,為避免出現柵瓣或空間模糊,發(fā)射和接收陣元間距設置為dtra=drec=λ/2。

由于各陣元發(fā)射的信號相互正交,分別對每個接收陣元的接收回波信號進行匹配濾波,可將各接收信號分離,得到:

j2π(q-1)fpτk+j2πfdt)aq(θl)bn(θl)}+wn(t)

(5)

式中:rq,n(t,τk)為第q個陣元的發(fā)射信號經第n個陣元接收后的匹配濾波輸出。

2 基于FRFT的波束形成算法

2.1 FRFT

FRFT可以視為一種時頻域的旋轉變換,可以建立時域和頻域之間的聯(lián)系。假設存在信號f(t),則其FRFT變換可以表達為

(6)

式中:Fp和Xα表示FRFT算子;α代表旋轉角度;p為FRFT的分數階數;Kα(t,u)表示變換的核函數:

(7)

典型的線性調頻信號可以表示為

(8)

式中:κ為調頻斜率。則h(t)的FRFT[25]為

(9)

當旋轉角α=α0=-arctan(1/κ)時,h(t)的FRFT將會形成峰值,可以表述如下:

(10)

式中:Tc是脈沖重復周期。當式(10)中u=0時,可得到最大值為

(11)

時移函數h1(t)=h(t-τ0)(τ0表示時移)的FRFT可以表述為

(12)

頻移函數h2(t)=h(t)exp(j2πf0t)(f0表示頻移)的FRFT為

(13)

2.2 本文信號模型的FRFT

為便于分析,選取式(5)中與第l個目標相關的輸出進行討論,定義A為包含σl的目標幅度衰減因子,因此可得

rq,n,l(t,τk)=Aexp(-j2πfcτk+jπμ(t-τk)2-
j2π(q-1)fpτk+j2πfdt)aq(θl)bn(θl)+wn(t)

(14)

對式(14)進行FRFT,可得

(15)

Rq,n,l=Bl(τk)F2(α0,-fd,u)F1(α0,τk,u-fdsinα0)·
Xα0(h)(u-τkcosα0-fdsinα0)

(16)

其中,

Bl(τk)=Aexp(-j2π(fc+(q-1)fp)τk)

(17)

(18)

(19)

根據式(16),當u=τkcosα0+fdsinα0時,可得最大值為

(20)

合并式(20),進一步可得出:

(21)

整理式(21)后可得

(22)

其中,

(23)

φ1=(fc+(n-1)fp+fdcos2α0)

(24)

(25)

根據式(22)～式(25),由于fc遠大于(n-1)fp、fdcos2α0和φ2,因此可得到峰值的估計為

(26)

根據式(14)和式(26),可以得到:

(27)

式中:c(θl)=aq(θl)bn(θl),Wn(τk,fd)表示噪聲wn(t)的FRFT。

假定為達到預期的欺騙干擾效果,干擾所產生回波信號的調頻斜率與目標信號相同,則可得

(28)

式中:Rq,n,σ(τk,fd)為干擾信號經FRFT后的輸出表達式。

2.3 穩(wěn)健波束形成算法

對MIMO雷達匹配濾波后的每一組信號進行FRFT,由于目標和干擾回波信號的調頻斜率相同,因此在相同的FRFT階次下,目標和干擾回波信號都可以形成峰值。選擇分數域上的峰值點作為該陣元的觀測值,則可得到矩陣:

Xe=[x1,e,x2,e,…,xV,e]T

(29)

式中:xv,e=[x1,x2,…,xM]代表M個較大的峰值點組成的矢量,v=1,2,…,V為匹配濾波后的信號數量,V=Q×N,e=1,2,…,E表示回波數量,因此可得

X=[X1,X2,…,XE]

(30)

根據式(30),構造接收信號的協(xié)方差矩陣為

(31)

使用Capon譜估計方法[27],可得

(32)

(33)

重構協(xié)方差矩陣后,可以通過求解優(yōu)化問題估計實際導向矢量:

(34)

(35)

3 仿真分析

仿真基于收發(fā)共址的MIMO雷達,發(fā)射陣元數Q=6,接收陣元數N=8。為驗證所提算法的性能,將本文提出的算法與文獻[19-22]中的算法相對比。對于所有的算法,SOI的扇形區(qū)域設置為Θ=[θ1-5°,θ1+5°],所得的仿真結果均為200次蒙特卡羅[29-30]實驗后的平均值,除實驗2外,其余仿真實驗回波數均設置為6,其余雷達相關的仿真參數如表1所示。

表1 雷達仿真參數

仿真中的模擬回波信號由SOI、干擾信號和噪聲組成,其中干擾信號的調頻斜率和SOI相同,目標和干擾信號相關的仿真參數設置如表2所示,其中INR表示干噪比(interference to noise ratio)。圖2為雷達回波經FRFT后的三維圖,根據圖2可知,經FRFT后回波信號主要形成了3個峰值,分別為一個SOI加兩個干擾信號。

表2 信號仿真參數

圖2 回波信號FRFT結果Fig.2 Result of echo signal after FRFT

圖3和圖4分別為信干噪比(signal to interferece plus noise ratio, SINR)隨SNR的變化曲線和SINR隨回波數的變化關系,由于信號模型為針對LFM-OFDM信號采樣回波的FRFT變換,所以仿真中的快拍數量被模擬回波的數量取代,使其更接近于真實應用場景。根據圖3可知,文獻[19]算法在SNR較高時性能嚴重下降,文獻[21-22]算法性能均低于文獻[20],本文所提算法的輸出SINR在不同SNR處均高于其他算法。值得引起注意的是,本文所提算法在SNR較高時性能曲線接近最優(yōu)值。根據圖4可得出,在回波數量小于3時,本文所提算法性能和文獻[19]及文獻[22]相近,輸出SINR較文獻[20]低。當回波數大于4時,本文算法性能大幅提升,輸出SINR迅速提高至最優(yōu)值附近并高于其他算法,原因可能為當回波數量較少時,由峰值點組成的FRFT域協(xié)方差矩陣維數低,影響算法性能。

圖3 SINR隨輸入SNR的變化曲線Fig.3 Variation curve of SINR with input SNR

圖4 SINR隨回波數變化趨勢Fig.4 Trend of SINR with the number of echose

實驗 1主要檢驗所提算法在信號源的速度和距離不同于表2 時的性能,仿真參數設置如表3所示。圖5和圖6分別為雷達回波經FRFT后的三維圖和輸出SINR隨SNR的變化趨勢。

表3 實驗1仿真參數

圖5 回波信號經FRFT的三維圖Fig.5 Three-dimensional diagram of echo signal after FRFT

圖6 不同算法SINR的變化趨勢Fig.6 Trends of SINRs of different algorithms

根據圖5可知,信號源的距離和速度變化后,經FRFT變換,回波信號同樣主要形成了3個峰值,分別為一個SOI和兩個干擾信號。從圖6可以看出,本文所提算法的輸出SINR在不同SNR處仍高于其他算法,且在SNR較高時比其他算法更加接近最優(yōu)SINR。

實驗 2主要檢驗所提算法在SNR不同時,輸出SINR隨回波數的變化關系,將SNR設置為20 dB進行仿真。圖7為SINR隨回波數的變化趨勢,根據圖7可知,回波數量小于2時,本文所提算法性能和文獻[22]相近,高于文獻[19]和文獻[21]。當回波數大于3時,本文算法輸出SINR高于其他算法。

圖7 實驗2中不同算法的輸出結果Fig.7 Output results of different algorithms in experiment 2

實驗 3主要檢驗所提算法在期望信號DOA失配情況下的性能,假設目標的估計DOA隨機分布在[θ1-4°,θ1+4°]范圍內,θ1代表SOI的DOA真實值,保持不變。圖8為SINR隨SNR的變化趨勢曲線,根據圖8可知,SNR較低時,文獻[19]和文獻[20]算法優(yōu)于本文算法,隨SNR逐漸提高,本文算法輸出SINR得到提升,尤其在高SNR情況下,性能優(yōu)于其他算法。

圖8 DOA隨機誤差下輸出SINR和SNR的對比Fig.8 Output SINR versus SNR in DOA radom error

實驗 4主要檢驗非相干局部散射對波束形成器輸出SINR性能的影響。假定SOI具有時變性的導向矢量,回波信號可以表示為

(36)

圖9 非相干局部散射下輸出SINR和SNR的對比Fig.9 Output SINR versus SNR in incoherent local scattering

實驗 5主要檢驗所提算法在陣元位置存在誤差情況下的性能,仿真中接收陣元位置隨機分布在[(n-1)drec-0.05,(n-1)drec+0.05]范圍內。圖10為SINR隨SNR的關系曲線,可以看出,各類算法的性能均受到陣元位置誤差影響,在SNR較低時,文獻[19]算法的輸出SINR略高于其他算法。隨著SNR逐漸提高,本文所提算法在高SNR時的優(yōu)越性得到彰顯,輸出的SINR雖較最優(yōu)值有所差距,但高于其他算法。

4 結 論

本文以單基地MIMO雷達系統(tǒng)為研究對象,針對LFM-OFDM信號,提出了一種新的穩(wěn)健自適應波束形成算法。所提算法首先利用LFM信號的性質,對匹配濾波后的雷達回波信號進行FRFT,經推導并化簡后得到較大的幾個峰值點作為陣列的觀測值。其次,利用觀測值構建接收信號的協(xié)方差矩陣,并使用Capon譜估計方法重構干擾加噪聲數據協(xié)方差矩陣。而后,通過求解優(yōu)化問題估計實際導向矢量,從而得到陣列的最優(yōu)權值。最后,通過計算機仿真實驗,分別對比了目標和干擾信號速度和距離不同、目標信號DOA失配、非相干局部散射、陣元位置誤差情況下,陣列輸出SINR隨SNR或回波數量的變化關系,對所提算法的性能進行了驗證。