一种压缩感知抑制射频干扰的工程实现方法与流程

1.本发明涉及一种压缩感知抑制射频干扰的工程实现方法，是以压缩感知为基础，先对时域剔除射频干扰后的“干净”信号样本通过改进信号处理流程的方式改善其信噪比，再利用压缩感知理论对信号样本中舰船目标距离-多普勒信息准确估计的方法。


背景技术：

2.近几十年，高频地波雷达在海洋监测与探测领域一直发挥着重要作用。高频地波雷达工作在2~30mhz的短波段，由于该波段的垂直极化电磁波能够沿海面“爬行”且传播损耗小，因此具备超视距探测的能力；此外，由于高频电磁波较长（10~100cm），雷达天线阵列尺寸较大（几十米到几百米），因此高频地波雷达还具有一定的反隐身与发辐射导弹的能力。上述能力令高频地波雷达在军用方面为监控专属经济区与海上防控识别区提供了早期预警，在民用方面为海洋环境监测、海洋气象预报和海态遥感等提供了可靠的手段。
3.在高频地波雷达的工作频段内，经常会出现大量的短波电台和短波通信用户，它们占用了很大范围内的频谱资源，尤其与雷达工作在相同频带上的短波通信信号，一旦在雷达工作时进入雷达接收端，就会形成射频干扰，对雷达的目标检测性能产生严重影响。由于短波电台的工作时间和信号载频均是公开的，因此可预先通过实时选频等手段规避由此产生的干扰。然而，经电离层传播的远距离短波电台信号、海上渔船通信信号和无线电爱好者的私人电台信号的出现时间和信号频率是无法预知的，且数量众多，高频地波雷达的回波信号中时常夹杂的强弱不均、数量不等的射频干扰就是由这类短波信号产生的，它们也是高频地波雷达的主要干扰信号之一。
4.如何对高频地波雷达的射频干扰进行有效抑制，一直是各国在高频雷达领域的专家、学者研究的主要课题之一。根据射频干扰在高频地波雷达中的常见特性，国内外学者提出了一系列的干扰抑制方法，大致可分为五大类：空域自适应滤波类、旁瓣相消类、极化滤波类、特征子空间类和时域剔除类。其中，空域自适应滤波类方法在处理回波信号过程中，当目标与射频干扰同方向时无法有效抑制干扰信号；极化滤波类方法对极化天线的硬件质量要求过高，工程上难以实现；旁瓣相消类方法需要通过增设若干的辅助天线的方式才能达到干扰抑制效果。以上三类方法均需阵元数较多的大孔径天线阵列或额外增设其他天线作为硬件支撑，较为耗费沿海场地，且通用性差，不太适用于舰载高频地波雷达或岸-舰双基高频地波雷达这类天线可移动、灵活性强的高频地波雷达。特征子空间类方法和时域剔除类方法的通用性相较于前三类方法要好，特征子空间类方法通过构造射频干扰协方差矩阵并对其进行特征值分解获取干扰特征子空间，再采将待检测单元投影至干扰的正交投影子空间，实现干扰抑制，但该类方法仅适用于射频干扰强度明显大于目标回波强度的场合；时域剔除类方法从回波信号经混频和低通滤波后，目标能量分布在整个调频周期上而射频干扰能量只分布在调频周期的部分时间段这一特性入手，将被“污染”的时域采样数据从各个调频周期内剔除，实现干扰抑制，该类方法原理简单且易于工程实现，但也存在明显缺陷，射频干扰在夜间强度较大且占据调频周期的大部分时间段，使剔除后的剩余采样信号
数据量过少、采样率不足，这直接导致时域剔除后采用常规方法（直接fft或插值）对目标距离-多普勒信息估计的性能严重降低，使得常规时域剔除法也只适用于白天等射频干扰较少的时段。不过虽然存在明显缺陷，由于时域剔除类方法仍是通用性最强的射频干扰抑制方法，因此该类方法的也是最具有改进价值的一类方法。
5.针对常规时域剔除法存在的缺陷，可以采用压缩感知理论替换常规方法对目标距离-多普勒信息进行估计的射频干扰时域剔除法。压缩感知理论是于2006年提出一种新的数据处理理论，该理论指出如果数据中的待提取信息在某个表征域内是稀疏的，就可利用少量观测数据，通过求解一个非线性最优化问题提取该信息，其中观测数据的采样率可以远低于奈奎斯特采样定理所要求的采样率是压缩感知理论的最大特点和优势。压缩感知理论提出原本是为了解决数字图像的压缩存储与恢复的问题，但由于其突出的特点，该理论随后便受到医学成像、信息论、通信工程、雷达信号处理等领域的高度关注。在雷达信号处理中，压缩感知的应用通常分为三部分：首先是寻找待提取信息的稀疏表示，即根据具体场景构造合适的基矩阵（又称字典矩阵）；然后是压缩采样，即构造各型随机矩阵与待处理信号相乘或直接从待处理信号中随机选取部分采样点作为观测数据；最后是信息重构，即选取合适的重构算法对待处理信号中的目标信息通过重构的方式提取出来。
6.由于仅随机采样少量数据样本即可重构提取目标完整信息，因此压缩感知理论的加入确实能够有效改善时域剔除法在夜间等射频干扰强、出现时间长等场合下的性能，但新问题也随之而来。压缩感知理论中最关键的重构算法只有在待处理数据信噪比大于0db时才有效，数据信噪比越高效果越好，反之越差，而在现实中，待处理的雷达回波信号的信噪比往往远低于0db（一般在-20db到-30db之间），因此在时域剔除法中，仅仅用压缩感知理论替换常规方法是无法应用于实际工程的。对于压缩感知重构算法在低信噪比环境下的工程应用问题，不少学者也做过相关研究，提出了一些改进方法，有通用性较强的改进方法，比如近几年提出了基于贝叶斯的压缩感知重构算法，也有依据具体场景对原始重构算法进行针对性调整的非通用改进方法，但无论哪种改进方法，其基本思想均是针对原始重构算法进行改进，这会造成两个问题，首先是大大增加了算法的复杂度，特别是基于贝叶斯的压缩感知，在原重构算法基础上还要引入贝叶斯理论框架，通过额外计算后验均值、方差、超参数、噪声参数来估计目标信息，这直接导致了该方法计算量过大，难以应用于实际工程；其次，为了使压缩感知理论适用于某场景，重构算法通常都要被修改，甚至多次修改，这无疑降低了重构算法的稳定性和通用性。因此，压缩感知理论在低信噪比环境下的工程应用问题一直未能得到有效解决。


技术实现要素：

7.针对常规时域剔除法的缺陷和压缩感知理论的不足之处，本发明拚弃修改压缩感知重构算法的思路，从信号处理流程入手改善待处理信号信噪比，以高频地波雷达的回波信号为处理对象，提出了一种压缩感知抑制射频干扰的工程实现方法。
8.为了达到上述目的，本发明的技术方案包括以下步骤：(1) 以高频地波雷达（雷达信号为线性调频中断连续波）回波信号为处理对象，假设回波信号由m个调频周期组成，每个周期有l个时域采样点，且其中存在射频干扰，则经过混频与低通滤波处理后回波信号可表示为l
×
m的矩阵x：
(1)其中，矩阵x中第l行第m列的元素x
lm
表示第m个调频周期内第l时刻的回波信号时域采样点，若不考虑射频干扰，该采样点除噪声之外，还包含了舰船目标的距离和多普勒信息，经过混频与低通滤波处理后，射频干扰已经集中于回波信号x的部分时域采样点；(2)假设x中调频周期（x中一列表示一个调频周期）内被射频干扰“污染”的时域采样点为p个，由射频干扰时域特性可知每个调频周期内相同射频干扰出现的位置相同，因此可直接在x中剔除掉p行，剩余“干净”的信号样本可表示为(l-p)
×
m的矩阵x1：(2)(3)对x1单独进行“快时间维”fft处理，获得处理后信号样本矩阵x1v，“快时间维”对应为x1中的每一列，指的是单个调频周期内的信号样本，“快时间维”fft指的是在x1中以列为单位作fft处理，“快时间维”fft会破坏信号样本中关于目标距离信息的相位项，使得重构算法无法再从中提取，但目标多普勒信息相位项仍然完好地保存在各个时域采样点中以便后续重构算法的处理，而且加入fft处理更会使x1的信噪比得到明显改善，令其满足重构算法的应用条件；(4)对x1单独进行“慢时间维”fft处理，获得处理后信号样本矩阵x1r，“慢时间维”对应为x1中的每一行，指的是各调频周期间同时刻的信号样本，“慢时间维”fft指的是在x1中以行为单位作fft处理，“慢时间维”fft会破坏信号样本中关于目标多普勒信息的相位项，但与“快时间维”fft类似，“慢时间维”fft会完好地保存各个时域采样点中的目标距离信息相位项以便后续重构算法的处理，“慢时间维”fft同样会使x1的信噪比得到明显改善令其满足重构算法的应用条件；(5)根据回波信号形式构造目标距离信息基矩阵ψr，基矩阵又称为字典矩阵，基矩阵的作用除了定义目标信息的稀疏表征域之外，重构算法也会从基矩阵中寻找与待处理数据样本中目标信息最匹配的数据元素，以此重构目标信息，以岸-舰双基高频地波雷达回波信号为例，实际中舰船目标个数远远少于一个调频周期的时域采样点数，因此目标对于一个调频周期的时域采样点是稀疏的，则目标距离信息基矩阵ψr应构造为：(3)其中，exp表示以自然常数e为底的指数函数，表示第nr个距离单元对应的时延频点，且，μ表示雷达信号的调频斜率，τ
nr
表示第nr个距离单元对应的时延，nr表示待搜索的距离单元个数，ti表示调频周期内第i个时域采样点，i的取值范围为[1,l-p]；(6)根据回波信号形式构造目标多普勒信息基矩阵ψv，仍以岸-舰双基高频地波雷达回波信号为例，实际中舰船目标个数远远少于一个相干积累周期中调频周期的个数，因此目标对于一个相干积累周期中的调频周期是稀疏的，则目标多普勒信息基矩阵ψv应
构造为： (4)其中，exp表示以自然常数e为底的指数函数，fd(nv)表示第nv个多普勒频点，且fd(nv)=2fv
nv
/c，f表示雷达信号载频，v
nv
表示第nv个多普勒频点对应的速度，c表示光速，nv表示待搜索的多普勒频点个数，m表示一个相干积累周期内第m个也是最后一个调频周期；(7)构造“块基矩阵”，先将目标距离信息基矩阵ψr和目标多普勒信息基矩阵ψv构造为“块基矩阵”ψ：(5)(8)构造“块观测矩阵”，分别从矩阵x1r中的某列和矩阵x1v中的某行随机选取qr（qr《《l-p，qr具体数量参照压缩感知理论的等距容限特性的要求设定）和qv（qv《《m，qv具体数量参照压缩感知理论的等距容限特性的要求设定）个采样点作为距离观测数据向量yr(t)和多普勒观测数据向量yv(t)，再将yr(t)和yv(t)构造为(qr+qv)
×
1的“块观测矩阵”y：(6)需要注意的是“块基矩阵”ψ中各行与“块观测矩阵”y中各行必须一一对应，即[ψr0]对应yr(t)，[0ψv]对应yv(t)；(9)采用合适的压缩感知重构算法对“块基矩阵”ψ和“块观测矩阵”y进行舰船目标距离-多普勒信息的联合估计并获取(nr+nv)
×
1的稀疏系数矩阵s：(7)其中，sr表示长度为qr的距离稀疏系数向量，在sr中取与目标个数相同的最大的几个非零值，这些值在sr中的位置编号对应ψr中同编号的几列，而各列中的时延频点经过换算即可获得目标距离信息，sv表示长度为qv的多普勒稀疏系数向量，在sv中取与目标个数相同的最大的几个非零值，这些值在sv中的位置编号对应ψv中同编号的几列，而各列中的多普勒频点经过换算即可获得目标速度信息；(10)分别将向量sr和sv中的各元素值按顺序用笛卡尔坐标显示出来即为舰船目标的距离信息谱图和多普勒信息谱图。
[0009]
由于雷达信号载频、波形均为已知信息，因所述步骤(5)、(6)和(7)可以在信号处理之前预先构造完成，这样可在射频干扰抑制过程中节约时间。
[0010]
本发明所具有的有益效果：本发明应用场合更广。由于压缩感知理论本身具有利用远低于奈奎斯特采样率的少量观测数据即可准确重构目标信息的特点，因此本发明在射频干扰较多、可用的“干净”采样点较少的情况下仍能保证目标信息准确估计。
[0011]
本发明在低信噪比环境下仍能使压缩感知重构算法正常工作。由于本发明中重构算法处理的观测数据来源于已经过“快时间维”和“慢时间维”fft的信号样本x1v和x1r，样本信噪比得到改善，因此重构算法仍然有效。如果直接采用x1中的采样点作为观测数据，则重构算法会因为数据信噪比过低而失效。参考图2和图3关于目标距离和多普勒信息估计的均
方误差结果可知，本发明在低信噪比时的均方误差极小，证明本发明可有效支持压缩感知重构算法在低信噪比环境下正常工作。
附图说明
[0012]
为了更清楚地说明本发明实施过程，下面将对项目实施例描述中所需要使用的附图作简单介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0013]
图1为本发明所提射频干扰抑制方法的具体实施方法流程图。
[0014]
图2为从中x1中直接选取观测数据和从本发明的x1v中选取观测数据的多普勒均方误差对比图。
[0015]
图3为从中x1中直接选取观测数据和从本发明的x1r中选取观测数据的距离均方误差对比图。
[0016]
图4为未抑制射频干扰的回波信号距离-多普勒二维谱图（仿真数据）。
[0017]
图5为本发明具体实施所得到的射频干扰抑制后目标距离信息谱图（仿真数据）。
[0018]
图6为本发明具体实施所得到的射频干扰抑制后目标多普勒信息谱图（仿真数据）。
[0019]
图7为未抑制射频干扰的回波信号距离-多普勒二维谱图（实测数据）。
[0020]
图8为本发明具体实施所得到的射频干扰抑制后目标距离信息谱图（实测数据）。
[0021]
图9为本发明具体实施所得到的射频干扰抑制后目标多普勒信息谱图（实测数据）。
具体实施方式
[0022]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。实施例共有两个，一个是仿真数据实施例，设定回波信号信噪比为-20db，目标出现在第41距离单元和第105多普勒单元，另外还包含出现在第49、79多普勒单元的海杂波以及出现在第45多普勒单元的射频干扰；另一个是实测数据实施例，实测数据来源于青岛外场高频地波雷达，且事先经过动目标检测处理（因此海杂波不明显），实测数据中加入了仿真目标（距离100km，多普勒频率1.5hz）和射频干扰（多普勒频率2.49hz）。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0023]
参考图1。本发明采用改进后的信号处理流程获取的观测数据，在射频干扰时域剔除后，利用压缩感知重构算法对观测数据进行目标距离-多普勒信息的重构提取，具体实施流程步骤如下：(1) 通过对含有射频干扰的原始回波信号进行混频与低通滤波处理，将射频干扰集中于回波信号的部分时域采样点；(2) 将经过步骤(1)处理后的回波信号中含有射频干扰的时域采样点剔除，只保留“干净”的那部分回波信号；(3) 对经过步骤(2)处理后的回波信号进行“快时间维”fft处理以改善回波信号
的信噪比；(4) 对经过步骤(2)处理后的回波信号进行“慢时间维”fft处理以改善回波信号的信噪比；(5) 采用压缩感知重构算法对事先构造好的“距离”基矩阵、“多普勒”基矩阵，以及从步骤(3)、步骤(4)获得的两组信号样本处理，对舰船目标距离-多普勒信息联合估计；(6) 选取步骤(4)中舰船目标距离-多普勒联合估计信息向量关于距离信息那部分向量元素，其元素值以迪卡尔坐标方式显示出来，即为舰船目标的距离信息谱图，再将向量中剩余元素（与多普勒信息相关）的元素值以迪卡尔坐标方式显示出来，即为舰船目标的多普勒信息谱图。
[0024]
射频干扰经时域剔除后，采用压缩感知对低信噪比回波信号进行目标信息估计的方法为：所述步骤(3)中对“干净”回波信号预处理，对其进行“快时间维”fft处理，改善信噪比的同时保留舰船目标多普勒信息，对其进行“慢时间维”fft处理，改善信噪比的同时保留舰船目标距离信息，所述步骤(4)从步骤(3)获取的两组信号样本中分别随机抽取少量样本数据组成“块观测矩阵”，并将预先构造好的“距离”基矩阵和“多普勒”基矩阵组合为“块基矩阵”，最后采用压缩感知理论对“块观测矩阵”和“块基矩阵”处理，联合估计舰船目标的距离-多普勒信息。
[0025]
以图4为例，利用本发明对高频地波雷达回波信号仿真数据进行处理，效果如图5、图6。
[0026]
以图7为例，利用本发明对高频地波雷达回波信号实测数据进行处理，效果如图8、图9。
[0027]
以上所述仅为本发明的部分实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。