空时自适应处理简介

打开实时脚本

本例简要介绍了空时自适应处理（STAP）技术，并说明了如何使用相控阵系统工具箱™ 对接收到的脉冲应用STAP算法。STAP是机载雷达系统中用于抑制杂波和干扰的技术。

介绍

在地面移动目标指示器(GMTI)系统中，机载雷达收集地面移动目标的回波。然而，接收到的信号不仅包含来自目标的反射回波，还包括来自被照亮的地面的返回信号。从地面返回的信号一般称为杂乱.

回波来自所有被雷达波束照亮的区域，因此它占据了所有的范围和所有的方向。杂波总回波往往比回波信号强得多，这给目标检测带来了很大的挑战。杂波滤波是GMTI系统的重要组成部分。

在传统的MTI系统中，杂波滤波经常利用地面不移动的事实。因此，杂波占据了多普勒频谱中的零多普勒仓。这一原理导致了许多基于多普勒的杂波滤波技术，如脉冲抵消。有兴趣的读者可以参考利用动目标指示（MTI）雷达抑制地杂波(雷达工具箱)以脉冲消除器为详细示例。当雷达平台本身也在移动时，例如在平面内，地面回波的多普勒分量不再为零。此外，杂波回波的多普勒分量与角度有关。在这种情况下，杂波回波可能在多普勒频谱上具有能量。因此e、杂波不能仅根据多普勒频率进行滤波。

干扰是接收信号中经常出现的另一个重要干扰源。最简单的干扰形式是拦阻式干扰机，它是指向雷达接收机的强连续白噪声，因此接收机无法轻易检测到目标回波。干扰机通常位于特定位置，干扰信号因此，al与特定方向相关。但是，由于干扰机的白噪声特性，接收到的干扰信号占据了整个多普勒频带。

STAP技术在角域和多普勒域(因此被称为“空时自适应处理”)滤波信号以抑制杂波和干扰回波。在下面的部分中，我们将模拟从目标、杂波和干扰机返回的信号，并说明STAP技术如何从接收信号中过滤干扰。

系统设置

我们首先定义一个雷达系统，从示例中构建的系统开始雷达接收机的模拟测试信号.

负载基本经济雷达采样数据表；%负载单站脉冲雷达

天线的定义

假设天线单元在前半球具有各向同性响应，在后半球具有全零响应。工作频率范围设置为8至12 GHz，以匹配系统的10 GHz工作频率。

天线=分阶段。IsotropicAntennaElement．..(“FrequencyRange”，[8e9 12e9]，“背靠背”,真正的);%折流各向同性

定义具有自定义元素图案的6元素ULA。元素间距假定为波形波长的一半。

fc=散热器。工作频率；c=散热器。传播速度；λ=c/fc；ula=相控。ula(“元素”天线“NumElements”6．..“ElementSpacing”λ/ 2);模式(fc,齿龈“传播速度”C“类型”,“powerdb”)头衔(“6元件挡板式ULA响应模式”)视图（60,50）

雷达装置

接下来，将天线阵列安装在散热器/收集器上。然后，定义雷达运动。雷达系统安装在离地面1000米的飞机上。飞机以一定的速度沿ULA的阵列轴飞行，使其在一个脉冲间隔内以阵列的半个元素间隔飞行。（下面的DPCA技术部分提供了对这种设置的说明。）

散热器.Sensor=ula；收集器.Sensor=ula；sensormotion=phased.Platform(“初始位置”，[0；0；1000]）；arrayAxis=[0；1；0]；prf=waveform.prf；vr=ula.element间距*prf；%单位：米/秒sensormotion。速度= vr / 2 * arrayAxis;

目标

接下来，定义一个雷达横截面为1平方米的非起伏目标在地面上移动。

目标=相位。雷达目标(“模型”,“非幸运”,“MeanRCS”1.．..“OperatingFrequency”，fc）；tgtmotion=分阶段平台(“初始位置”,[1000; 1000; 0],．..“速度”, (30;30;0]);

干扰机

目标返回所需的信号;然而，在接收到的信号中也存在一些干扰。如果雷达工具箱可用，请设置变量hasRadarToolbox若为true，则定义有效辐射功率为100瓦的简单拦阻干扰机。否则，模拟将使用保存的干扰机信号。

hasRadarToolbox = false;Fs = waveform.SampleRate;rngbin = c / 2 * (0:1 / Fs: 1 / prf-1 / Fs)。”;如果hasRadarToolbox干扰机=拦阻干扰机(“ERP”，100）；jammer.sampleperframe=numel（rngbin）；jammermotion=phased.Platform(“初始位置”,[1000; 1732; 1000]);终止

杂乱

在这个例子中，我们使用常数gamma模型模拟杂波，gamma值为-15 dB。文献表明，这个伽马值可以用来模拟被森林覆盖的地形。对于每个范围，杂波的返回可以被认为是该范围环上许多小杂波补丁的返回的组合。由于天线是后挡板，杂波的贡献只来自前面。为了简化计算，每个patch使用10度的方位角宽度。同样，如果雷达工具箱不可用，模拟将使用保存的杂波信号。

如果hasRadarToolbox Rmax=5000；Azcov=120；杂波=ConstantGamma杂波(“传感器”，乌拉，“采样器”，财政司司长，．..“伽马”, -15,“PlatformHeight”,1000,．..“OperatingFrequency”足球俱乐部,．..“传播速度”C．..“PRF”，prf，．..“传送器”，发射机峰值功率*db2pow（发射机增益），．..“平台速度”、规范(sensormotion.Velocity),．..“平台方向”,[90;0],．..“ClutterMaxRange”，Rmax，．..“杂波方位角扫描”Azcov,．..“Patchazimutspan”10．..“输出格式”,“脉搏”）;终止

传播路径

最后，创建一个自由空间环境来表示目标和干扰机路径。因为我们使用的是单基地雷达系统，所以目标信道被设置为模拟双向传播延迟。干扰器路径仅计算单向传播延迟。

tgtchannel=phased.FreeSpace(“TwoWayPropagation”,真的,“采样器”，财政司司长，．..“OperatingFrequency”，fc）；jammerchannel=phased.FreeSpace(“TwoWayPropagation”错误的．..“采样器”，财政司司长，“OperatingFrequency”，fc）；

模拟回路

现在我们已经准备好模拟返回。处理前收集10个脉冲。将干扰机模型中的随机数生成器的种子设置为一个常数，以获得可重复的结果。

numpulse = 10;%脉冲数tsig=零（大小（rngbin，1），ula.NumElements，numpulse）；jsig=tsig；tjcsig=tsig；tcsig=tsig；csig=tsig；如果hasRadarToolbox干扰机。SeedSource =“财产”；干扰机。种子= 5;杂乱。SeedSource =“财产”；杂乱。种子= 5;其他的负载STAPIntroExampleData；终止对于m = 1: numpulse%更新传感器、目标并计算传感器看到的目标角度[sensorpos, sensorvel] = sensormotion(1 /脉冲重复频率);[tgtpos, tgtvel] = tgtmotion(1 /脉冲重复频率);[~, tgtang] = rangeangle (tgtpos sensorpos);%更新干扰机并计算传感器看到的干扰机角度如果hasRadarToolbox[jampos，jamvel]=干扰运动（1/prf）；[~，jamang]=范围角（jampos，sensorpos）；终止%模拟脉冲在目标方向上的传播脉冲=波形();[脉搏,txstatus] =发射机(脉冲);脉冲=散热器(脉搏、tgtang);脉冲= tgtchannel(脉搏、sensorpos、tgtpos、sensorvel tgtvel);在传感器处收集目标收益脉冲=目标（脉冲）；tsig（：，：，m）=采集器（脉冲，tgtang）；%在传感器处收集干扰和杂波信号如果hasRadarToolbox jamsig=jammer（）；jamsig=jammerchannel（jamsig，jampos，sensorpos，jamvel，sensorvel）；jsig（：，：，m）=采集器（jamsig，jamang）；csig（：，：，m）=杂波（）；终止接收采集信号tjcsig（：，：，m）=接收机（tsig（：，：，m）+jsig（：，：，m）+csig（：，：，m），．..~（txstatus>0））；目标+干扰器+杂波tcsig（：，：，m）=接收机（tsig（：，：，m）+csig（：，：，m），．..~（txstatus>0））；%目标+杂波tsig(:,:,米)=接收机(tsig(:,:,米),．..~（txstatus>0））；%仅目标回波终止

真实目标距离、角度和多普勒

目标方位角为45度，仰角约为-35.27度。

tgtLocation = global2localcoord (tgtpos,“rs”，sensorpos）；tgtAzAngle=tgtLocation（1）

tgtAzAngle = 44.9981

tgtElAngle=tgtLocation（2）

tgtElAngle=-35.2651

目标距离是1732米。

tgtRng=tgt位置（3）

tgtRng = 1.7320 e + 03

目标多普勒归一化频率约为0.21。

sp=径向速度（tgtpos，TGT运动速度，．..传感器位置、传感器运动、速度）；tgtDp=2*speed2dop（sp，λ）；%往返多普勒tgtDp/prf

ans = 0.2116

接收到的总信号包括目标、杂波和干扰机的综合回波。信号是一个三维的数据立方体(范围箱x元素数量x脉冲数量)。请注意，杂波返回在总返回中占主导地位，并掩盖了目标返回。如果不进行进一步处理，我们无法检测到目标(蓝色垂线)。

ReceivePulse = tjcsig;情节([tgtRng tgtRng], [0 0.01], rngbin, abs (ReceivePulse (:,: 1)));包含(‘射程（米）’)，伊拉贝尔(“震级”）;标题(“ULA在第一个脉冲间隔内收集的信号”)

图中包含一个轴对象。ULA在第一个脉冲间隔内收集到标题信号的轴对象包含7个line类型的对象。

现在，检查二维角度多普勒（或时空）域中的返回。一般来说，响应是通过扫描给定仰角的所有距离和方位角生成的。因为我们确切地知道目标在哪里，我们可以计算其相对于天线阵列的距离和仰角。

tgtCellIdx = val2ind (tgtRng c / (2 * Fs));快照= shiftdim (ReceivePulse (tgtCellIdx,:,:));%删除单件dimangdopresp =分阶段。AngleDopplerResponse (“传感器阵列”，乌拉，．..“OperatingFrequency”足球俱乐部,“传播速度”C．..“PRF”，prf，“升降角”，tgtElAngle）；plotResponse（angdopresp、快照、，“正常化供应商”,真正的);文本(tgtAzAngle tgtDp /脉冲重复频率,“+目标”)

图中包含一个Axis对象。具有标题角度多普勒响应模式的Axis对象包含两个图像、文本类型的对象。

如果我们观察由杂波回波控制的角度多普勒响应，我们会发现杂波回波不仅占据零多普勒，还占据其他多普勒位置。杂波回波的多普勒也是角度的函数。杂波回波在整个角度多普勒空间中看起来像一条对角线。这条线通常是r误认为杂波脊.接收到的干扰信号是白噪声，以特定角度（约60度）在整个多普勒频谱上传播。

用DPCA消除器抑制杂波

位移相位中心天线（DPCA）算法通常被认为是第一种STAP算法。该算法利用移动孔径补偿平台运动，使杂波回波在不同脉冲之间不发生变化。因此，该算法可以通过简单地减去两个连续脉冲来消除杂波。

DPCA消去器常用于超宽带系统，但需要特殊的平台运动条件。平台必须沿着天线的阵列轴以这样的速度移动，在一个脉冲间隔内，平台的移动正好是元件间距的一半。这里使用的系统是按照前面几节的描述设置的，以满足这些条件。

假设N是ULA单元的数量。在第一个脉冲期间，天线1通过天线N-1接收到的杂波回波与在第二个脉冲期间，天线2通过天线N接收到的杂波回波相同。通过减去两个脉冲间隔期间在这两个子阵列接收到的脉冲，杂波可以被消除t、这种方法的成本是孔径比原始阵列小一个元素。

现在，定义一个DPCA取消器。算法可能需要搜索所有角度和多普勒组合来定位目标，但在这个例子中，因为我们知道目标的确切位置，我们可以将处理器指向那个点。

rxmainlobedir=[0；0]；statdppca=phased.DPCACanceller(“传感器阵列”，乌拉，“PRF”，prf，．..“传播速度”C“OperatingFrequency”足球俱乐部,．..“方向”，rxmainlobedir，“多普勒”，tgtDp，．..“重量输出”,真正的)

stapdpca =分阶段。DPCACanceller with properties: SensorArray: [1x1 phase .]传播速度:299792458工作频率:1.0000e+10 PRF source: 'Property' PRF: 2.9979e+04 DirectionSource: 'Property' Direction: [2x1 double] NumPhaseShifterBits: 0 DopplerSource: 'Property' Doppler: 6.3429e+03 WeightsOutputPort: true PreDopplerOutput: false

首先，将DPCA消除器应用于目标回波和杂波回波。

ReceivePulse = tcsig;[y, w] = stapdpca (ReceivePulse tgtCellIdx);

处理后的数据将空间和脉冲中的所有信息合并为单个脉冲。接下来，在时域中检查处理后的信号。

情节([tgtRng tgtRng], [0 1.2 e-5], rngbin, abs (y));包含(‘射程（米）’)，伊拉贝尔(“震级”）;标题('DPCA消除器输出（无干扰器）')

图中包含一个Axis对象。标题为DPCA取消器输出（无干扰器）的Axis对象包含2个line类型的对象。

现在，信号与噪声清晰区分，杂波已被滤除。从下面DPCA处理器权重的角度多普勒响应中，我们还可以看到权重沿杂波脊产生一个深空。

angdopresp。ElevationAngle = 0;绘图仪响应（昂多普雷斯，w，“正常化供应商”，对）；头衔(“0度仰角时DPCA加权角度多普勒响应”)

图中包含一个轴对象。具有标题DPCA权重角多普勒响应在0度仰角包含类型图像的对象。

虽然DPCA获得了非常好的结果，但雷达平台在使用该技术时必须满足非常严格的运动要求。此外，DPCA技术无法抑制干扰机干扰。

将DPCA处理应用于总信号会产生下图所示的结果。我们可以看到，DPCA无法从信号中过滤干扰机。由此产生的权重角度多普勒模式与之前相同。因此，处理器无法适应新添加的干扰机干扰。

接收脉冲=tjcsig；[y，w]=stapdpca（接收脉冲，tgtCellIdx）；绘图（[tgtRng tgtRng]，[0 8e-4]，rngbin，abs（y））；xlabel(‘射程（米）’)，伊拉贝尔(“震级”）;标题('DPCA消除器输出（带干扰器）')

图中包含一个轴对象。标题为DPCA Canceller Output (with Jammer)的轴对象包含2个类型为line的对象。

绘图仪响应（昂多普雷斯，w，“正常化供应商”，对）；头衔(“0度仰角时DPCA加权角度多普勒响应”)

图中包含一个轴对象。具有标题DPCA权重角多普勒响应在0度仰角包含类型图像的对象。

SMI波束形成器的杂波和干扰抑制

为了同时抑制杂波和干扰，我们需要一种更复杂的算法。当干扰为高斯分布时，最佳接收机权重由[1]给出

$W = K R^{- 1.} s$

在哪里K是一个标量因子，R是干扰信号的时空协方差矩阵，并且s是所需的时空转向矢量。确切的信息R通常不可用，因此我们将使用样本矩阵求逆（SMI）算法R从训练细胞样本中提取，然后用在前面提到的等式中。

现在，定义SMI波束形成器并将其应用于信号。除了DPCA中需要的信息外，SMI波束形成器还需要知道保护单元的数量和训练单元的数量。该算法使用训练单元中的样本来估计干扰。因此，我们不应该使用接近目标单元格的单元格进行估计，因为它们可能包含一些目标信息，即我们应该定义保护单元格。保护单元的数量必须为偶数，以便在目标单元前后平均分割。训练单元的数量也必须是偶数，并且在目标前后平均分配。通常，训练单元的数量越大，干扰估计就越好。

tgtAngle = [tgtAzAngle;tgtElAngle];stapsmi =分阶段。STAPSMIBeamformer (“传感器阵列”，乌拉，“PRF”，prf，．..“传播速度”C“OperatingFrequency”，fc，．..“方向”tgtAngle,“多普勒”，tgtDp，．..“重量输出”,真的,．..“NumGuardCells”4.“NumTrainingCells”, 100)

stapsmi=phased.STAPSMIBEAMENTER，具有以下属性：传感器阵列：[1x1 phased.ULA]传播速度：299792458工作频率：1.0000e+10 PRFSource:'Property'PRF:2.9979e+04 DirectionSource:'Property'方向：[2x1 double]NumPasseShift位：0 DopplerSource:“属性”多普勒：6.3429e+03 NumGuardCells:4 NumTrainingCells:100权重输出：true

[y，w]=statsmi（接收脉冲，tgtCellIdx）；绘图（[tgtRng tgtRng]，[0 2e-6]，rngbin，abs（y））；xlabel(‘射程（米）’)，伊拉贝尔(“震级”）;标题('SMI波束形成器输出（带干扰机）')

图中包含一个轴对象。标题为SMI波束形成器输出(带有干扰器)的轴对象包含2个类型为line的对象。

绘图仪响应（昂多普雷斯，w，“正常化供应商”，对）；头衔(“SMI权重角度多普勒响应在0度仰角”)

图中包含axes对象。标题为SMI权重的axes对象在0度仰角的角度多普勒响应包含image类型的对象。

结果表明，SMI波束形成器既能区分杂波信号，又能区分干扰信号。SMI权值的角度多普勒图沿干扰机方向显示深零。

SMI提供了最大的自由度，因此，在所有STAP算法中最大的增益。它常被用作比较不同STAP算法的基线。

使用ADPCA消除器降低计算成本

虽然SMI是最佳的STAP算法，但它有几个固有的缺点，包括计算成本高，因为它使用每个单元的全维数据。更重要的是，SMI需要跨越多个脉冲的稳定环境。这种环境在实际应用中并不常见。因此，许多降维STAP alg算法已经被提出。

一种自适应DPCA（ADPCA）消除器以与DPCA相同的方式滤除杂波，但它也具有抑制干扰机的能力，因为它使用两个连续的脉冲估计干扰协方差矩阵。由于只涉及两个脉冲，计算量大大减少。此外，由于算法适应干扰，它可以机器人也能忍受一些运动干扰。

现在，定义一个ADPCA消除器，然后将其应用于接收信号。

stapadpca=phased.adpccanceller(“传感器阵列”，乌拉，“PRF”，prf，．..“传播速度”C“OperatingFrequency”，fc，．..“方向”，rxmainlobedir，“多普勒”，tgtDp，．..“重量输出”,真的,．..“NumGuardCells”4.“NumTrainingCells”, 100)

stapadpca =分阶段。ADPCACanceller with properties: SensorArray: [1x1 phase .]ULA]传播速度:299792458工作频率:1.0000e+10 PRFSource: 'Property' PRF: 2.9979e+04 DirectionSource: 'Property' Direction: [2x1 double] NumPhaseShifterBits: 0 DopplerSource: 'Property' Doppler: 6.3429e+03 NumGuardCells: 4 NumTrainingCells: 100 WeightsOutputPort: true PreDopplerOutput: false

[y，w]=stapadpca（接收脉冲，tgtCellIdx）；绘图（[tgtRng tgtRng]，[0 2e-6]，rngbin，abs（y））；xlabel(‘射程（米）’)，伊拉贝尔(“震级”）;标题('ADPCA消除器输出（带干扰器）')

图中包含一个轴对象。标题为ADPCA Canceller Output (with Jammer)的axis对象包含2个类型为line的对象。

绘图仪响应（昂多普雷斯，w，“正常化供应商”，对）；头衔(“ADPCA加权0度仰角时的角度多普勒响应”)

图中包含一个axes对象。标题为ADPCA权重的axes对象在0度仰角处的角度多普勒响应包含一个image类型的对象。

时域图显示信号成功恢复。ADPCA权重的角度多普勒响应与SMI权重产生的角度多普勒响应相似。

总结

本实例简要介绍了空时自适应处理，并说明了如何使用不同的STAP算法，即SMI、DPCA和ADPCA来抑制接收脉冲中的杂波和干扰。

参考

[1] J.R.Guerci，雷达空时自适应处理，Artech House，2003年

空时自适应处理简介

介绍

系统设置

模拟回路

用DPCA消除器抑制杂波

SMI波束形成器的杂波和干扰抑制

使用ADPCA消除器降低计算成本

总结

参考

相控阵系统工具箱文档

金宝app

探索5G系统的混合波束形成体系结构