[发明专利]一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法

说明书

本发明公开了一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法，包括以下步骤：S1：对雷达的回波信号进行脉冲压缩，确定群目标雷达信号段；S2：对群目标雷达信号段进行频率去斜处理，得到单频信号；S3：利用稀疏贝叶斯学习算法对单频信号进行超分辨处理，得到群目标雷达信号的频点位置；S4：根据群目标雷达信号的频点位置确定雷达距离。与传统的脉冲压缩处理算法相比，基于稀疏贝叶斯学习算法的雷达距离超分辨算法分辨的效果可以提高1倍以上。

技术领域

本发明属于雷达信号处理技术领域，具体涉及一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法。

背景技术

常规处理情况下雷达距离分辨率取决于雷达所发射的基带信号带宽。在现代战争条件下，存在密集多目标或者单个扩展目标，包括飞行器编队飞行形成的编队目标，在真空段飞行的包含诱饵、碎片、弹头的弹道导弹群目标，轰炸机等较大型目标回波在距离向扩展等。如何分辨处间距较小的群目标，或者分离处遮蔽目标，或者对目标特征进行有效识别，这在军事指挥决策上具有重要的价值和意义。为此，在现有雷达测量精度条件下(或者基于现有雷达装备下)，研究具有更高雷达距离分辨率的超分辨信号处理算法具有重要意义。

发明内容

本发明的目的是为了解决雷达距离分辨率处理的问题，提出了一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法。

本发明的技术方案是：一种基于稀疏贝叶斯学习算法的雷达距离超分辨计算方法包括以下步骤：

S1：对雷达的回波信号进行脉冲压缩，确定群目标雷达信号段；

S2：对群目标雷达信号段进行频率去斜处理，得到单频信号；

S3：利用稀疏贝叶斯学习算法对单频信号进行超分辨处理，得到群目标雷达信号的频点位置；

S4：根据群目标雷达信号的频点位置确定雷达距离。

本发明的有益效果是：本发明针对常规的脉冲压缩处理对群目标距离分辨能力受到信号带宽限制，目标分辨识别难度大的问题，在现有雷达的测量精度下，提出基于稀疏贝叶斯学习算法的雷达距离超分辨算法。将雷达回波信号通过去斜率预处理后成为单频信号，并且目标的距离位置信息转换为信号频率信息，再利用贝叶斯学习算法完成信号频率超分辨分析得到频率估值，进而转换为目标距离估值分辨出各目标。与传统的脉冲压缩处理算法相比，基于稀疏贝叶斯学习算法的雷达距离超分辨算法分辨的效果可以提高1倍以上。

进一步地，步骤S1中，对雷达的回波信号进行脉冲压缩包括以下子步骤：

S11：将线性调频信号作为雷达的发射信号

S12：根据雷达的发射信号确定雷达的接收基带回波信号

S13：对雷达的发射信号和接收基带回波信号进行卷积，完成对雷达的回波信号的脉冲压缩处理。

上述进一步方案的有益效果是：在本发明中，对回波信号进行脉冲压缩可以初步判断是否存在目标以及群目标回波所在的粗略位置，为避免截取的信号段中只含有噪声导致超分辨不准确的情况。

进一步地，步骤S11中，雷达的发射信号的表达式为：

其中，rect(·)表示门函数运算，μ表示线性调频信号的调频斜率，T_p表示发射脉冲持续时间，表示快时间，exp(·)表示指数运算，j表示虚数；

步骤S12中，雷达的接收基带回波信号的计算公式为：

其中，C_v表示光速，R表示目标与雷达的径向距离；

步骤S13中，对雷达的发射信号和接收基带回波信号进行卷积的计算公式为：