基于混沌序列預測的天波雷達海雜波抑制方法技術

本發明專利技術屬于天波雷達技術領域，目的是為了解決目前天波雷達海雜波抑制方法中慢速艦船目標檢測不理想，依賴多個雜波參考距離單元的相關性而導致工程實用性不強，循環迭代次數選取困難且精度較低等問題。本發明專利技術的基于混沌序列預測的天波雷達海雜波抑制方法，利用混沌預測器獲得海雜波內在的混沌動力學模型，通過非線性預測的方法對其進行對消而保留目標信號，包括兩個過程：訓練過程和工作過程。在訓練過程采用預測器對一段不包含目標或目標信號很弱的海雜波信號進行內在規律的學習，在工作過程將待檢測的目標單元信號通過訓練好的預測器實現對海雜波預測和對消，從而顯出目標信息。本發明專利技術適用于天波雷達。

【技術實現步驟摘要】

本專利技術屬于天波雷達
，主要應用于天波超視距雷達中海雜波抑制方面。
技術介紹
天波超視距雷達(OTHR,Over-The-Horizon Radar)利用電離層對高頻電波的反射作用自上而下對目標進行檢測，因此回波信號中往往帶有強大的海雜波干擾成分，嚴重影響目標檢測，特別是低速艦船目標。由于艦船目標本身速度較低，產生的多普勒頻率靠近海雜波，在頻譜上容易被海雜波掩蓋，此外，海面洋流和電離層擾動等因素還會造成海雜波頻譜的展寬，進一步增大了目標檢測的難度，因此，研究天波雷達海雜波抑制方法十分必要。目前天波雷達海雜波抑制方法主要有以下三種:I)動目標顯示(MTI, Moving Target Indication)方法，即多脈沖對消器這種方法實質上就是設計一個濾波器，利用運動目標和雜波在頻譜上的區別，有效地抑制雜波從而提取出目標信號。該方法包括兩脈沖對消器，三脈沖對消器和多脈沖對消器，對消器相當于一個高通濾波器，能夠把低頻部分的海雜波抑制掉，而留下多普勒頻率較高的目標信號。該方法使用于高速目標的檢測，但是對于低速目標的效果不理想，因為低速目標產生的多普勒頻率靠近海雜波，位于該濾波器的阻帶部分，無法在頻譜中和海雜波分辨出來，所以容易被當成雜波對消掉。2)子空間投影方法該方法是利用相鄰距離單元回波信號具有較高的相似性這個特點來進行雜波抑制的，研究表明相鄰距離單元的回波信號相似性可以達到0.8-0.9。因此，利用目標所在單元附近相鄰的純海雜波信號來構造濾波器，這樣就可以將目標所在距離單元的海雜波信號濾掉而留下目標信號。該方法的處理思路就是用多個參考距離單元的回波信號來構造雜波協方差矩陣，然后對矩陣進行特征分解，根據特征值大小來區分，得到回波信號的雜波子空間和信號子空間，將當前單元帶有目標的回波信號投影到信號子空間，從而實現雜波抑制，留下目標信號。該方法可以有效地抑制海雜波，而且適用于低速目標的檢測。但是該方法依賴于相鄰單元海雜波的相關性，實際情況下，海態情況復雜，海浪運動速度變化較快，降低了各個距離單元雜波之間的相關性，影響算法效果，使雜波抑制性能下降。3)海雜波循環對消方法該方法通過循環迭代的方法在時域上依次減去雜波峰值，從而實現雜波抑制。在艦船檢測前，直接利用傅里葉譜估計搜索最大譜峰來雜波分量頻率、幅度和相位，從而重構出雜波的時域信號，通過循環迭代的方法在時域將海雜波的主峰減去。研究表明，循環對消法能夠在短相干積累條件下實現慢速艦船目標的檢測，有一定的效果。但是具體實現方面仍然存在以下問題:第一，該方法需要循環迭代進行，需要一個判決門限來決定何時停止對消，不然目標信號也會被誤認為雜波而被對消掉，但是該門限目前只能根據經驗選取；第二，在估計雜波分量參數的時候，由于數據序列長度較短，僅利用傳統的傅里葉譜分析估計雜波參數，精度不高，造成對消性能降低。
技術實現思路
技術問題:針對目前天波雷達海雜波抑制方法中慢速艦船目標檢測不理想，依賴多個雜波參考距離單元的相關性而導致工程實用性不強，循環迭代次數選取困難且精度較低等問題。本專利技術的目的就是提供一種天波雷達海雜波抑制方法以解決上述技術問題。為達到所述目的，本專利技術提供一種，具體方法包括如下步驟:A.將臨近目標單元的一段不包含目標信息或目標信息很弱的海雜波信號作為訓練信號樣本對預測器進行訓練，收集訓練過程中預測器的各個狀態向量；B.根據預測器的狀態向量計算預測器的最優輸出權值矩陣；C.在預測器的各個狀態向量對應所述最優權值矩陣的狀態下，將需要檢測的目標單元的回波信號作為工作信號通過訓練好的預測器，得到預測器的輸出信號；D.將工作信號與預測器的輸出信號相減得到預測誤差序列，對預測誤差序列作快速傅里葉變換(FFT, Fast Fourier Transform)得到預測誤差序列的頻譜,設置合適的檢測門限從頻譜中得到目標信息。具體地，步驟A中對預測器進行訓練之前需要初始化預測器中的各個參數，包括預測器中儲備池內部預測單元的個數、儲備池預測單元權值矩陣、輸入單元的權值矩陣和反饋單元的權值矩陣、輸入單元的個數及輸出單元個數。具體地，所述輸出單元個數為I個。具體地，步驟A中所述訓練過程中預測器的各個狀態向量包括預測器儲備池內部狀態向量、輸入信號向量和期望輸出信號向量，其具體收集方法包括如下步驟:Al.初始化x(0) = O, d(0) = O, X(η)是儲備池的內部狀態，d(n)是期望輸出信號;A2.令η = 1，2，...，M，根據狀態更新方程:X (n+1) = tanh (ffmu (n+1) +Wx (n) +ffbackd (η) +ν (η))更新儲備池內部的狀態向量，M為訓練信號長度，W為預測單元權值矩陣，Win為輸入單元的權值矩陣，Wback為反饋單元的權值矩陣，ν (η)為隨機噪聲信號；A3.從η為Mtl時開始收集狀態向量X (η)、輸入信號向量u (η)以及期望輸出信號向量d(n)，構成狀態矩陣S = [S(Mtl) ；s(M0+1) ；...A(M1)]和期望輸出向量d = [d(M0)；d(M0+l) ；...J(M1)L 其中 s (i) = [x(i) ；u(i) ；d(1-l)]T, M1 = M-K+l，設信號的長度 T =M-Mtl+1，則狀態矩陣S e RTX(N+K+1)，期望輸出向量d e RTX1，其中，K為輸入單元個數，N為儲備池內部預測單元的個數，M0為大于I小于或等于M的整數。具體地，步驟B中根據預測器的輸出方程d(n+l) = Wout (u (n+1) ；x(n+l) ；d(n))T,采用遞歸最小二乘算法計算最優輸出權值矩陣，其思路為:在n-Ι時刻估計出的所求權向量的最小二乘估計?’(/7-1)的基礎上，利用當前η時刻引入的觀測數據，用迭代的方法得到η時刻所求權向量的最小二乘估計何《),根據遞推算法不斷修正，不斷減少輸出信號與期望信號的誤差，直到輸出信號達到所要求的精度為止；具體方法包括如下步驟:B1.初始化Ww(0) = 0, P(O) = S-1I, δ是小的正數，I是單位矩陣；Β2.更新η = 1，2，...，Τ，完成如下運算:.P( —l)s()本文檔來自技高網...

【技術保護點】
基于混沌序列預測的天波雷達海雜波抑制方法，其特征在于，包括如下步驟：A.將臨近目標單元的一段不包含目標信息或目標信息很弱的海雜波信號作為訓練信號樣本對預測器進行訓練，收集訓練過程中預測器的各個狀態向量；B.根據預測器的各個狀態向量計算預測器的最優輸出權值矩陣；C.在預測器的各個狀態向量對應所述最優權值矩陣的狀態下，將需要檢測的目標單元的回波信號作為工作信號通過訓練好的預測器，得到預測器的輸出信號；D.將工作信號與預測器的輸出信號相減得到預測誤差序列，對預測誤差序列作快速傅里葉變換得到預測誤差序列的頻譜，設置合適的檢測門限從頻譜中得到目標信息。

【技術特征摘要】
1.基于混沌序列預測的天波雷達海雜波抑制方法，其特征在于，包括如下步驟: A.將臨近目標單元的一段不包含目標信息或目標信息很弱的海雜波信號作為訓練信號樣本對預測器進行訓練，收集訓練過程中預測器的各個狀態向量； B.根據預測器的各個狀態向量計算預測器的最優輸出權值矩陣； C.在預測器的各個狀態向量對應所述最優權值矩陣的狀態下，將需要檢測的目標單元的回波信號作為工作信號通過訓練好的預測器，得到預測器的輸出信號； D.將工作信號與預測器的輸出信號相減得到預測誤差序列，對預測誤差序列作快速傅里葉變換得到預測誤差序列的頻譜，設置合適的檢測門限從頻譜中得到目標信息。2.如權利要求1所述的基于混沌序列預測的天波雷達海雜波抑制方法，其特征在于，步驟A中對預測器進行訓練之前需要初始化預測器中的各個參數，包括預測器中儲備池內部預測單元的個數、預測單元權值矩陣、輸入單元的權值矩陣和反饋單元的權值矩陣、輸入單元的個數及輸出單元個數。3.如權利要求2所述的基于混沌序列預測的天波雷達海雜波抑制方法，其特征在于，所述輸出單元個數為I個。4.如權利要求1所述的基于混沌序列預測的天波雷達海雜波抑制方法，其特征在于，步驟A中所述訓練過程中預測器的各個狀態向量包括預測器儲備池內部狀態向量、輸入信號向量和期望輸出信號向量，其具體收集方法包括如下步驟: Al.初始化X (O) = O, d(0) = O, X (η)是儲備池的內部狀態，d(n)是期望輸出信號； A2.令η = 1，2，...，M，根據狀態更新方程: X (n+1) = tanh (ffmu (η+1) +Wx (n) +Wback d (η) +ν (η)) 更新儲備池內部的狀態向量，M為訓練信號長度，W為預測單元權值矩陣，Win為輸入單元的權值矩陣，Wback為反饋單元的權值矩陣，ν (η)為隨機噪聲信號； A3.從η為Mtl時開始收集狀態向量χ...

【專利技術屬性】
技術研發人員：張亞璇，林志榕，李萬閣，艾慧，胡進峰，
申請(專利權)人：電子科技大學，
類型：發明
國別省市：四川;51