[发明专利]基于非参数迭代自适应的捷变频雷达目标重构方法

说明书

本发明公开了一种基于非参数迭代自适应的捷变频雷达目标重构方法，属于雷达信号处理技术领域；具体地，本发明首先建立捷变频雷达的回波信号模型，然后将回波信号转换为对应的捷变频雷达的压缩感知模型，构建对应的观测矩阵；最后将捷变频雷达的压缩感知模型与阵列信号的压缩感知模型进行对应转化，采用非参数迭代自适应算法对捷变频雷达的目标信号进行优化求解得到目标信号列向量；再对其进行重排，得到重构的目标信号。本发明通过构建观测矩阵并将其类比到阵列流形矩阵之后，将IAA引入捷变频雷达信号的压缩感知求解过程，实现了无需稀疏度等额外参数条件下目标的准确重构。

技术领域

本发明属于雷达信号处理技术领域，尤其涉及一种基于非参数迭代自适应的捷变频雷达目标重构方法。

背景技术

捷变频雷达的载频在一定范围内快速变化，对于干扰机而言，雷达下一个脉冲载频未知，欺骗式干扰和频率瞄准的压制式干扰很难起作用，因此，捷变频雷达可以提高抗干扰性能，而且还可以提高距离分辨力优势，具有广阔的应用前景。

压缩感知作为一项理论模型，其最重要的突破性和创新性在于对奈奎斯特采样理论的拓展；基于先验的信号稀疏性，在小于奈奎斯特或者远小于奈奎斯特采样率的欠采样条件下，通过非线性求解方法对压缩感知模型进行优化求解，从而可以以高精度恢复出原始信号。因此，在遥感探测、图像压缩、雷达信号处理等领域都采用该模型来解决数据缺失条件下的信号处理问题。

在捷变频雷达中，观测场景具有明显的稀疏特性，且在复杂条件下雷达数据会产生一定丢失，与压缩感知理论十分契合。然而，目前在捷变频领域所用的压缩感知算法如正交匹配追踪(OMP)算法，往往需要获取一些参数条件，实际应用时往往需要反复测试参数，计算量大，结果稳定性差，目标定位准确性较低。

发明内容

为了解决上述问题，本发明的目的是提出基于非参数迭代自适应(IAA，IterativeAdaptive Approach)的捷变频雷达目标重构方法。由于IAA算法是处理阵列信号时提出的，所以本发明方法是通过构建观测矩阵并将其类比到阵列流形矩阵之后，将IAA算法引入捷变频雷达信号的压缩感知求解过程，实现了无需稀疏度等额外参数条件下目标的准确重构。

为了达到上述目的，本发明采用以下技术方案予以解决。

基于非参数迭代自适应的捷变频雷达目标重构方法，包括以下步骤：

步骤1，建立捷变频雷达的回波信号模型，并据此获取目标的回波信号；目标的回波信号经过接收机混频解调，得到基带信号；将基带信号进行脉压和归一化处理，得到脉压后的回波信号；

步骤2，将脉压后的回波信号转换为对应的捷变频雷达的压缩感知模型，进而构建对应的观测矩阵；

步骤3，将捷变频雷达的压缩感知模型与阵列信号的压缩感知模型进行对应转化，其中，捷变频雷达的观测矩阵的每一列与阵列流形矩阵的每一列对应，阵列的DOA估计结果的来波方向与捷变频雷达的目标参数对应；采用非参数迭代自适应算法对捷变频雷达的目标信号进行优化求解，得到目标信号列向量；对目标信号列向量进行重排，得到重构的目标信号；

其中，目标参数为目标的位置和速度。

与现有技术相比，本发明的有益效果为：

(1)本发明不需要已知额外参数例如稀疏度，在捷变频雷达信号处理时，对于各种未知场景目标进行重构，比常用的正交匹配追踪(OMP)法更具稳定性。

(2)若观测噪声的强度随时间变换，则观测噪声的影响对于每次观测是不同的，而许多算法采用最小二乘估计则是同等对待每次观测量，反而是不合理的。本发明是采用加权最小二乘法进行估计，相对而言结果更精确。

(3)本发明首次在捷变频雷达信号重构中采用非参数迭代自适应(IAA)算法，并完成了目标场景的准确重构。IAA算法通过迭代过程获得最佳的重构结果，迭代过程相对简单，计算量低，容易工程实现。