时空适应处理导论

打开生活的脚本

这个例子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™将STAP算法应用于接收脉冲。STAP是一种用于机载雷达系统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移动目标指示(MTI)雷达地杂波抑制(雷达工具箱)为脉冲消除器的一个详细例子。当雷达平台本身也在移动时，比如在飞机上，从地面返回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，杂波返回的能量很可能跨越多普勒频谱。因此，不能仅根据多普勒频率对杂波进行滤波。

干扰是另一个重要的干扰源，经常出现在接收信号。干扰最简单的形式是接二连三的干扰机，它是一种强的、连续的白噪声，直接指向雷达接收机，使接收机不能很容易地发现目标的返回。干扰机通常位于特定的位置，因此干扰信号与特定的方向相关联。然而，由于干扰机的白噪声特性，接收到的干扰信号占用了整个多普勒频段。

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模拟测试信号．

负载BasicMonostaticRadarExampleData.mat；负载单站脉冲雷达

天线的定义

假设天线单元在前半球为各向同性响应，后半球为零。工作频率范围设置为8 ~ 12ghz，以匹配系统的工作频率10ghz。

天线=分阶段。IsotropicAntennaElement.．.（“FrequencyRange”(8 e9 12 e9),“BackBaffled”,真正的);%困惑各向同性

用自定义元素模式定义一个6元素的ULA。元件间距假定为波形波长的一半。

fc = radiator.OperatingFrequency;c = radiator.PropagationSpeed;λ= c / fc;齿龈=分阶段。齿龈(“元素”、天线、“NumElements”6.．.“ElementSpacing”λ/ 2);模式(fc,齿龈“PropagationSpeed”c“类型”,“powerdb”)标题(“6元素折流板ULA响应模式”)视图(60、50)

雷达的设置

接下来，将天线阵列安装在散热器/集电极上。然后，定义雷达运动。该雷达系统安装在距离地面1000米的飞机上。飞机沿着ULA的阵列轴以这样的速度飞行，即它在一个脉冲间隔内移动阵列的半个元素间距。(下面的DPCA技术部分提供了对这种设置的解释。)

散热器。传感器=齿龈;收集器。传感器=齿龈;sensormotion =分阶段。平台(“InitialPosition”, (0;0;1000));arrayAxis = [0;1;0);脉冲重复频率= waveform.PRF;vr = ula.ElementSpacing *脉冲重复频率;%(米/秒)sensormotion。速度= vr / 2 * arrayAxis;

目标

接下来，定义一个在地面上移动的1平方米雷达横截面的非波动目标。

=阶段性目标。RadarTarget (“模型”,“Nonfluctuating”,“MeanRCS”, 1.．.“OperatingFrequency”、fc);tgtmotion =分阶段。平台(“InitialPosition”, 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准确地定义一个简单的弹幕干扰机有效辐射功率为100瓦。否则，模拟将使用保存的干扰器信号。

hasRadarToolbox = false;Fs = waveform.SampleRate;rngbin = c / 2 * (0:1 / Fs: 1 / prf-1 / Fs)。”;如果hasRadarToolbox jammer = barrageJammer(“ERP”, 100);干扰机。SamplesPerFrame =元素个数(rngbin);jammermotion =分阶段。平台(“InitialPosition”, 1000;1732;1000));结束

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;混乱= constantGammaClutter (“传感器”、齿龈“SampleRate”Fs,.．.“伽马”, -15,“PlatformHeight”, 1000,.．.“OperatingFrequency”足球俱乐部,.．.“PropagationSpeed”c.．.脉冲重复频率的脉冲重复频率,.．.“TransmitERP”, transmitter.PeakPower * db2pow (transmitter.Gain),.．.“PlatformSpeed”、规范(sensormotion.Velocity),.．.“PlatformDirection”(90, 0),.．.“ClutterMaxRange”做,.．.“ClutterAzimuthSpan”Azcov,.．.“PatchAzimuthSpan”10.．.“OutputFormat”,“脉冲”）;结束

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，目标信道被设置为模拟双向传播延迟。干扰机路径只计算单向传播延迟。

tgtchannel =分阶段。空闲空间(“TwoWayPropagation”,真的,“SampleRate”Fs,.．.“OperatingFrequency”、fc);jammerchannel =分阶段。空闲空间(“TwoWayPropagation”假的,.．.“SampleRate”Fs,“OperatingFrequency”、fc);

模拟循环

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 = 0 (size(rngbin,1)， ula。NumElements numpulse);jsig = tsig;tjcsig = tsig;tcsig = tsig;学会= tsig;如果hasRadarToolbox干扰机。SeedSource =“属性”；干扰机。种子= 5;杂乱。SeedSource =“属性”；杂乱。种子= 5;其他的负载STAPIntroExampleData；结束为m = 1: numpulse%更新传感器、目标，并计算传感器所看到的目标角度[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] = jammermotion(1/prf);[~, jamang] = rangeangle (jampos sensorpos);结束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) =收集器(脉搏、tgtang);在传感器上收集干扰和杂波信号如果hasRadarToolbox jamsig = jammer();jamsig = jammerchannel (jamsig jampos、sensorpos jamvel, sensorvel);jsig (:,:, m) =收集器(jamsig jamang);学会(:,:,m) =杂乱();结束接收采集信号tjcsig(:,:,米)=接收机(tsig (:,:, m) + jsig (:,:, m) +学会(:,:,米),.．.~ (txstatus > 0));目标+干扰器+杂波tcsig(:,:,米)=接收机(tsig (:,:, m) +学会(:,:,米),.．.~ (txstatus > 0));目标+杂波tsig(:,:,米)=接收机(tsig(:,:,米),.．.~ (txstatus > 0));%仅目标回波结束

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 = tgtLocation (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, tgtmotion。速度,.．.sensorpos sensormotion.Velocity);tgtDp = 2 * speed2dop (sp,λ);往返多普勒tgtDp /脉冲重复频率

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(的范围(m)), ylabel (“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。具有标题的轴对象，由ULA在第一个脉冲间隔内收集信号，包含7个类型为line的对象。

现在，在二维角度多普勒(或时空)域检查返回。通常，响应是通过扫描给定仰角的所有距离和方位角产生的。因为我们知道目标的确切位置，我们可以计算它的距离和仰角相对于天线阵。

tgtCellIdx = val2ind (tgtRng c / (2 * Fs));快照= shiftdim (ReceivePulse (tgtCellIdx,:,:));%删除singleton dimangdopresp =分阶段。AngleDopplerResponse (“SensorArray”、齿龈.．.“OperatingFrequency”足球俱乐部,“PropagationSpeed”c.．.脉冲重复频率的脉冲重复频率,“ElevationAngle”, tgtElAngle);plotResponse (angdopresp快照,“NormalizeDoppler”,真正的);文本(tgtAzAngle tgtDp /脉冲重复频率,' +目标”）

图中包含一个轴对象。标题为“角度-多普勒响应模式”的轴对象包含图像、文本两种类型的对象。

如果我们观察角度多普勒响应它由杂波回波控制，我们看到杂波回波不仅占据了零多普勒，还占据了其他的多普勒仓。杂波回波的多普勒也与角度有关。杂波返回在整个角度多普勒空间中看起来像一条对角线。这样的一条线通常被称为杂波脊．接收到的干扰信号是白噪声，它以一个特定的角度扩散到整个多普勒频谱，大约60度。

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来补偿平台的运动，使杂波返回不随脉冲的变化而变化。因此，该算法可以通过简单的两个连续脉冲的相减来去除杂波。

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元素的个数。天线1通过天线N-1在第一个脉冲期间接收到的杂波回波与天线2通过天线N在第二个脉冲期间接收到的杂波回波相同。通过减去在两个脉冲间隔期间在这两个子阵列接收的脉冲，杂波可以被抵消。这种方法的代价是孔径比原始阵列小一个单元。

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);stapdpca =分阶段。DPCACanceller (“SensorArray”、齿龈脉冲重复频率的脉冲重复频率,.．.“PropagationSpeed”c“OperatingFrequency”足球俱乐部,.．.“方向”rxmainlobedir,“多普勒”tgtDp,.．.“WeightsOutputPort”,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，对目标回波和杂波回波均应用DPCA消去器。

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

经过处理的数据将空间和脉冲之间的所有信息合并成一个单一的脉冲。接下来，在时域检查处理后的信号。

情节([tgtRng tgtRng], [0 1.2 e-5], rngbin, abs (y));包含(的范围(m)), ylabel (“级”）;标题('DPCA取消输出(无干扰)'）

图中包含一个轴对象。标题为DPCA Canceller Output (no Jammer)的轴对象包含2个类型为line的对象。

现在信号和噪声可以清楚地区别开来，杂波也被滤掉了。从下面DPCA处理器权值的角度多普勒响应可以看出，权值沿杂波脊产生一个深空。

angdopresp。ElevationAngle = 0;plotResponse (angdopresp w,“NormalizeDoppler”,真正的);标题(“0度仰角DPCA权重角多普勒响应”）

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。

DPCA方法虽然取得了很好的效果，但要使雷达平台在运动过程中满足非常严格的要求。DPCA技术也不能抑制干扰机的干扰。

对总信号进行DPCA处理，得到如下图所示的结果。我们可以看到DPCA不能从信号中滤除干扰器。由此得到的权值的角度多普勒图与之前相同。因此，处理器无法适应新增加的干扰。

ReceivePulse = tjcsig;[y, w] = stapdpca (ReceivePulse tgtCellIdx);情节([tgtRng tgtRng],[0 8]的军医,rngbin, abs (y));包含(的范围(m)), ylabel (“级”）;标题('DPCA Canceller Output (with Jammer)'）

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。

plotResponse (angdopresp w,“NormalizeDoppler”,真正的);标题(“0度仰角DPCA权重角多普勒响应”）

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，最佳接收机权值为[1]

$w ＝ k R^{- 1} 年代$

在哪里k是一个标量因子，R干扰信号的时空协方差矩阵，和年代为所需的时空导向矢量。准确的信息R通常是不可用的，所以我们将使用样本矩阵反演(SMI)算法。该算法估计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，定义一个SMI波束形成器并将其应用于信号。除了DPCA所需的信息外，SMI波束形成器还需要知道保护单元和训练单元的数量。该算法利用训练单元中的样本对干扰进行估计。因此，我们不应该使用接近目标单元的单元进行估计，因为它们可能包含一些目标信息，也就是说，我们应该定义保卫单元。保卫单元的数量必须是偶数，以便在目标单元的前后平均分割。训练单元的数量也必须是偶数，并在目标的前后等分。一般情况下，训练单元数目越大，干扰估计越好。

tgtAngle = [tgtAzAngle;tgtElAngle];stapsmi =分阶段。STAPSMIBeamformer (“SensorArray”、齿龈脉冲重复频率的脉冲重复频率,.．.“PropagationSpeed”c“OperatingFrequency”足球俱乐部,.．.“方向”tgtAngle,“多普勒”tgtDp,.．.“WeightsOutputPort”,真的,.．.“NumGuardCells”4“NumTrainingCells”, 100)

stapsmi =分阶段。STAPSMIBeamformer with properties: SensorArray: [1x1 phase .]传播速度:299792458工作频率:1.0000e+10 PRFSource: '属性' PRF: 2.9979e+04 DirectionSource: '属性' Direction: [2x1 double] NumPhaseShifterBits: 0 DopplerSource: '属性'多普勒:6.3429e+03 NumGuardCells: 4 NumTrainingCells: 100 WeightsOutputPort: true

[y, w] = stapsmi (ReceivePulse tgtCellIdx);情节([tgtRng tgtRng], [0 2 e-6], rngbin, abs (y));包含(的范围(m)), ylabel (“级”）;标题(SMI波束形成器输出(带干扰器)）

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。

plotResponse (angdopresp w,“NormalizeDoppler”,真正的);标题(“SMI权重角度多普勒响应在0度仰角”）

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

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。

利用ADPCA抵消器降低计算成本

尽管SMI是最优的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需要一个跨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，人们提出了许多降维STAP算法。

自适应DPCA (ADPCA)抵消器以与DPCA相同的方式滤除杂波，但它也有抑制干扰的能力，因为它使用两个连续脉冲估计干扰协方差矩阵。因为只涉及两个脉冲，所以计算量大大减少。此外，由于该算法对干扰具有适应性，可以容忍某些运动干扰。

现在，定义ADPCA抵消器，然后将其应用到接收信号。

stapadpca =分阶段。ADPCACanceller (“SensorArray”、齿龈脉冲重复频率的脉冲重复频率,.．.“PropagationSpeed”c“OperatingFrequency”足球俱乐部,.．.“方向”rxmainlobedir,“多普勒”tgtDp,.．.“WeightsOutputPort”,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 (ReceivePulse tgtCellIdx);情节([tgtRng tgtRng], [0 2 e-6], rngbin, abs (y));包含(的范围(m)), ylabel (“级”）;标题(ADPCA取消器输出(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。

plotResponse (angdopresp w,“NormalizeDoppler”,真正的);标题('ADPCA权重角度多普勒响应在0度仰角'）

图中包含一个轴对象。以ADPCA权重角多普勒响应为标题的轴对象在0度仰角包含类型图像的对象。

时域图显示信号已成功恢复。ADPCA权值的角多普勒响应与SMI权值产生的角多普勒响应相似。

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

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

时空适应处理导论

介绍

系统设置

模拟循环

用DPCA消除器抑制杂波

SMI波束形成器的杂波和干扰抑制

利用ADPCA抵消器降低计算成本

总结

参考

相控阵系统工具箱文档

金宝app

探索用于5G系统的混合波束形成架构