采用時(shí)延估計(jì)的外輻射源雷達(dá)雜波抑制算法

翟永惠,吳江,王鼎

(解放軍信息工程大學(xué)信息系統(tǒng)工程學(xué)院, 450001, 鄭州)

?

采用時(shí)延估計(jì)的外輻射源雷達(dá)雜波抑制算法

翟永惠,吳江,王鼎

(解放軍信息工程大學(xué)信息系統(tǒng)工程學(xué)院, 450001, 鄭州)

針對(duì)外輻射源雷達(dá)目標(biāo)探測(cè)中監(jiān)測(cè)通道存在分?jǐn)?shù)倍時(shí)延雜波而造成雜波抑制性能下降的問(wèn)題,提出了采用加權(quán)子空間擬合時(shí)延估計(jì)的外輻射源雷達(dá)雜波抑制算法(WSF-TDE-CM)。在假設(shè)接收數(shù)據(jù)中的目標(biāo)信號(hào)遠(yuǎn)遠(yuǎn)弱于雜波信號(hào)的前提下,該算法首先利用接收數(shù)據(jù)的自相關(guān)矩陣通過(guò)加權(quán)子空間擬合的方法建立雜波時(shí)延估計(jì)模型,將分?jǐn)?shù)時(shí)延估計(jì)問(wèn)題轉(zhuǎn)化為復(fù)正弦頻率估計(jì)的優(yōu)化問(wèn)題,然后利用量子粒子群算法求解雜波時(shí)延,最后通過(guò)估計(jì)的雜波時(shí)延構(gòu)造雜波矩陣,將接收信號(hào)投影到雜波空間的正交補(bǔ)子空間中,從而實(shí)現(xiàn)雜波的抑制。WSF-TDE-CM算法不需要設(shè)置濾波器階數(shù),在雜波時(shí)延為分?jǐn)?shù)時(shí)延的情況下仍能保持良好的雜波抑制性能。仿真實(shí)驗(yàn)表明,當(dāng)監(jiān)測(cè)通道存在分?jǐn)?shù)倍時(shí)延雜波時(shí),WSF-TDE-CM算法與擴(kuò)展相消算法相比,其雜波抑制比提高了約20 dB;同時(shí),在目標(biāo)回波信噪比為-30 dB時(shí)也能很好地檢測(cè)到弱目標(biāo)回波。

外輻射源雷達(dá);雜波抑制;分?jǐn)?shù)時(shí)延估計(jì);加權(quán)子空間擬合;量子粒子群算法

目前,雷達(dá)在軍事中的應(yīng)用越來(lái)越廣泛。其中,無(wú)源雷達(dá)將外界的輻射源(如調(diào)頻廣播信號(hào)、移動(dòng)通信信號(hào)、電視廣播信號(hào)和衛(wèi)星信號(hào)等[1])作為發(fā)射的信號(hào)源,其本身并不向外發(fā)射電磁波,因而具有良好的隱蔽性和反偵察性能[2-3]。由于無(wú)源探測(cè)傳播環(huán)境的復(fù)雜性,監(jiān)測(cè)通道中除了有微弱的目標(biāo)回波外,還有很強(qiáng)的直達(dá)波和多徑雜波,在做時(shí)頻二維互相關(guān)時(shí),目標(biāo)回波的尖峰被雜波信號(hào)所淹沒(méi),所以只有采用合適的雜波抑制方法才能檢測(cè)到目標(biāo)回波。

對(duì)于直達(dá)波與多徑雜波的抑制,目前主要有空域的方法和時(shí)域的方法兩類。其中,空域的方法[4]主要有自適應(yīng)波束形成,通常情況下它需要知道目標(biāo)回波的先驗(yàn)信息,例如目標(biāo)的來(lái)向等。時(shí)域的方法主要分為兩類:①自適應(yīng)干擾對(duì)消[5-6]的方法,這類方法計(jì)算量較小,但對(duì)于分?jǐn)?shù)倍時(shí)延雜波抑制性能急劇下降,此外這類方法需要設(shè)置濾波器的階數(shù),因此只能抑制時(shí)延小于濾波器階數(shù)倍采樣周期的雜波;②擴(kuò)展相消法[7-8](extensive cancellation algorithm,ECA),這類方法沒(méi)有收斂性的問(wèn)題,抑制性能較好,但是計(jì)算復(fù)雜度高,此外與干擾對(duì)消法類似,這類方法同樣假設(shè)雜波的時(shí)延在整數(shù)倍采樣周期處,而這在實(shí)際中往往是難以滿足的。文獻(xiàn)[9]利用矩陣束的方法對(duì)直達(dá)波與多徑雜波的時(shí)延與幅度進(jìn)行估計(jì),然后去除雜波,但是該方法對(duì)信噪比的要求較高,在低信噪比的情況下雜波抑制性能急劇下降。

為解決以上問(wèn)題,本文通過(guò)研究信號(hào)時(shí)延的估計(jì)模型與正弦頻率估計(jì)模型的關(guān)系,提出了采用加權(quán)子空間擬合和量子粒子群算法進(jìn)行時(shí)延估計(jì)的雜波抑制算法。利用子空間擬合算法在低信噪比、小樣本情況下估計(jì)性能良好的優(yōu)勢(shì)來(lái)估計(jì)雜波的時(shí)延,并且通過(guò)量子粒子群優(yōu)化(QPSO)算法解決加權(quán)擬合(WSF)中的多維非線性優(yōu)化問(wèn)題。仿真實(shí)驗(yàn)證明,在低信噪比情況下,該算法的雜波抑制性能和目標(biāo)檢測(cè)性能較現(xiàn)有算法有所提升。

1 信號(hào)模型

考慮到無(wú)源雷達(dá)系統(tǒng)的工作環(huán)境,雜波可以建模成一小組具有強(qiáng)鏡面反射的離散散射中心[7]。這里假設(shè)用包含大量這樣散射點(diǎn)的反射來(lái)模擬一個(gè)連續(xù)雜波后向散射環(huán)境,那么監(jiān)測(cè)通道信號(hào)的復(fù)包絡(luò)ssurv(t)可以表示為

(1)

式中:sref(t)是參考通道的信號(hào);D為直達(dá)波與多徑雜波的總數(shù)量;Nj為目標(biāo)回波的數(shù)量;Gmi、Gtj分別為直達(dá)波與多徑雜波、目標(biāo)回波的幅度;τmi、τtj分別為直達(dá)波與多徑雜波、目標(biāo)回波的時(shí)延;ftj為目標(biāo)回波的多普勒頻移;nR(t)是監(jiān)測(cè)通道的熱噪聲,一般假設(shè)為零均值的加性高斯白噪聲。

考慮到在進(jìn)行無(wú)源探測(cè)時(shí),直達(dá)波與多徑等雜波的強(qiáng)度遠(yuǎn)遠(yuǎn)高于目標(biāo)回波,即使噪聲也比目標(biāo)回波高數(shù)十分貝,因此,針對(duì)該模型,可以將式(1)中第2項(xiàng)目標(biāo)回波與第3項(xiàng)噪聲項(xiàng)合并,并對(duì)式(1)進(jìn)行傅里葉變換,可得式(1)的頻域表示

(2)

傅里葉變換后,對(duì)頻域信號(hào)采樣,設(shè)采樣的頻率為fs,采樣點(diǎn)數(shù)為N,同時(shí)用參考信號(hào)對(duì)上式進(jìn)行歸一化,可得

(3)

式中:x(n)=ssurv(n)/sref(n);ne(n)=ns(n)/sref(n)。

令fki=-fsτmi/N,式(3)變?yōu)?/p>

(4)

因此,對(duì)監(jiān)測(cè)通道直達(dá)波與多徑等雜波時(shí)延的估計(jì)問(wèn)題轉(zhuǎn)化為了對(duì)白噪聲中復(fù)正弦信號(hào)的頻率估計(jì)問(wèn)題。

2 基于分?jǐn)?shù)時(shí)延估計(jì)的雜波抑制算法

2.1 雜波時(shí)延估計(jì)算法

由于一定情況下,時(shí)延估計(jì)、正弦頻率估計(jì)和波達(dá)方向(direction of arrival,DOA)估計(jì)三者之間具有等效性,可以將DOA估計(jì)中的算法應(yīng)用到時(shí)延估計(jì)中[10]。在空間譜估計(jì)中,子空間擬合這類方法思想簡(jiǎn)單,性能優(yōu)越[11]。這里通過(guò)加權(quán)子空間擬合(weighted subspace fitting,WSF)的方法估計(jì)雜波時(shí)延,并利用估計(jì)的時(shí)延抑制直達(dá)波與多徑雜波。

(5)

與DOA估計(jì)類似,可以得到時(shí)延的加權(quán)子空間擬合估計(jì)[10]為

(6)

近年來(lái),很多學(xué)者采用智能優(yōu)化算法來(lái)求解多維非線性問(wèn)題。其中較為成熟的是遺傳算法,而粒子群算法是一種新興的基于群體智能的優(yōu)化方法。這兩類方法都有各自的特點(diǎn),分別可適用于不同的應(yīng)用場(chǎng)景。其中:遺傳算法的健壯性好,但是收斂速度慢,求解精度不夠高;粒子群算法收斂速度快,估計(jì)精度高,但在求解多峰問(wèn)題時(shí)容易陷入局部最優(yōu)解。

考慮到外輻射源雜波抑制的應(yīng)用背景,估計(jì)雜波的時(shí)延是后續(xù)抑制雜波的先決條件,對(duì)估計(jì)精度和實(shí)時(shí)性要求較高,因此這里采用量子粒子群算法。此外,針對(duì)粒子群算法容易陷入局部最優(yōu)值的情況,需要設(shè)置算法的初始值,以保證最終能夠收斂至全局最優(yōu)解。下面,介紹量子粒子群算法的具體步驟。為保證收斂到全局最優(yōu)解,首先進(jìn)行初始值的設(shè)置[11]。

(1)初始化。求解僅有τ1時(shí)的目標(biāo)函數(shù)值,即

(7)

(8)

(2)通過(guò)QPSO算法進(jìn)行時(shí)延的精確估計(jì)。QPSO的粒子更新公式[12]如下

j=1,2,…,D;i=1,2,…,Q

(9)

(10)

粒子在進(jìn)化到第t代時(shí)在第j維的平均位置用Cj(t)表示,它是所有粒子個(gè)體最好位置的平均,其迭代公式為

(11)

式中:β(t)、φ(t)分為[0,1]的隨機(jī)數(shù)。

QPSO算法的目標(biāo)是找到位置最好的一組解,即尋找適應(yīng)度函數(shù)最大的一組解。這組解即為式(6)所要求解的時(shí)延參數(shù)。

2.2 采用時(shí)延估計(jì)的雜波抑制算法步驟

(1)自相關(guān)矩陣的構(gòu)造。對(duì)接收數(shù)據(jù)進(jìn)行第1節(jié)中的處理后,可以得到x(1),x(2),…,x(N),構(gòu)造如下矩陣

(12)

(2)通過(guò)量子粒子群的方法求解式(6)的多維參數(shù)估計(jì)問(wèn)題,得到D個(gè)直達(dá)波與多徑的估計(jì)時(shí)延參數(shù)τ=[τ1,τ2,…,τD]。

(3)根據(jù)集合τ中的任意一點(diǎn),可以得到經(jīng)過(guò)時(shí)延后的參考信號(hào)向量

(13)

因此,由集合中所有點(diǎn)構(gòu)成的參考向量集合可以組成如下的雜波矩陣

(14)

若使得雜波抑制后信號(hào)功率最小化,則直達(dá)波與多徑雜波抑制可以轉(zhuǎn)化為求解如下的優(yōu)化問(wèn)題

(15)

式中,θ為雜波矩陣的加權(quán)系數(shù),由最小二乘原理可以得到

(16)

因此雜波抑制后的監(jiān)測(cè)通道信號(hào)可以表示為

(17)

式中,P0為投影矩陣,它將接收向量ssurv投影到雜波子空間的正交補(bǔ)子空間上,從而得到目標(biāo)回波。

2.3 時(shí)延估計(jì)精度分析

對(duì)于參數(shù)估計(jì)的問(wèn)題,克拉美羅界(Cramer-Rao bound,CRB)給出了一個(gè)最小方程無(wú)偏估計(jì)器能夠達(dá)到的最好估計(jì)性能。這里可以通過(guò)CRB對(duì)提出算法的時(shí)延估計(jì)精度進(jìn)行評(píng)估。文獻(xiàn)[13]對(duì)于單條與兩條多徑的情況給出了具體表達(dá)式。若假設(shè)參考通道sref(k)與監(jiān)測(cè)通道ssurv(k)的信號(hào)滿足如下模型

(18)

式中:d(k)為直達(dá)波;τ1和τ2為兩條多徑的相對(duì)于直達(dá)波的時(shí)延;λ11、λ21和λ22為相應(yīng)的幅度增益;w1(k)、w2(k)為高斯白噪聲。當(dāng)τ2=0時(shí),時(shí)延估計(jì)的克拉美羅下界為

(19)

式中:d(n)的頻率范圍是(f2,f1);Ps、Pn分別為信號(hào)與噪聲的功率;Bs、Bn分別為信號(hào)與噪聲的帶寬;Td是信號(hào)的持續(xù)時(shí)間。

3 仿真結(jié)果與分析

3.1 時(shí)延估計(jì)性能分析

為了評(píng)估本文WSF-IDE-CM算法的時(shí)延估計(jì)性能,將本文算法與文獻(xiàn)[9]中的矩陣束時(shí)延估計(jì)(matrix pencil time delay estimation,MP-TDE)和多重信號(hào)分類時(shí)延估計(jì)(multiple signal classification time delay estimation,MUSIC-TDE)方法[14]進(jìn)行對(duì)比。仿真信號(hào)采用FM信號(hào),分別在不同目標(biāo)回波信噪比的情況下做300次獨(dú)立蒙特卡羅仿真實(shí)驗(yàn)。為了方便計(jì)算CRB,假設(shè)監(jiān)測(cè)通道中只有一條多徑,時(shí)延為12.927 μs(10.35倍的采樣周期);目標(biāo)回波的時(shí)延和多普勒頻移分別為375.63 μs(300.5倍的采樣周期)和300 Hz。

圖1為時(shí)延估計(jì)的均方根誤差與目標(biāo)回波信噪比的關(guān)系圖?？梢钥吹?隨著信噪比的提高,各算法估計(jì)性能均有提升。在低目標(biāo)回波信噪比的情況下,MP-TDE算法的時(shí)延估計(jì)精度最低,本文的WSF-TDE-CM算法精度最高,更加接近CRB。這說(shuō)明本文算法相比其他算法而言能夠更加準(zhǔn)確的估計(jì)出雜波的時(shí)延,對(duì)于噪聲相對(duì)不敏感。

圖1 時(shí)延估計(jì)的均方根誤差與目標(biāo)回波信噪比的關(guān)系圖

3.2 雜波抑制性能分析

本小節(jié)比較了本文算法與文獻(xiàn)[6]中的矩陣束時(shí)延估計(jì)算法的雜波抑制與目標(biāo)檢測(cè)性能。設(shè)監(jiān)測(cè)通道中的直達(dá)波信號(hào)的時(shí)延與信噪比為[13.281 μs(10.63倍的采樣周期),20 dB];有兩條多徑,其時(shí)延與信噪比分別為[125.16 μs(100.13倍的采樣周期),13.98 dB]、[250.31 μs(200.25倍的采樣周期),13.97 dB];有兩個(gè)目標(biāo)回波時(shí),其時(shí)延、多普勒頻移與信噪比分別為[375.16 μs(300.13倍的采樣周期),300 Hz,-30 dB]、[375.94 μs(300.75倍的采樣周期),-500 Hz,-28 dB]。

為了驗(yàn)證本文算法在低目標(biāo)回波信噪比情況下的雜波抑制與目標(biāo)檢測(cè)性能,本文將雜波抑制前后監(jiān)測(cè)通道與參考通道信號(hào)的互模糊函數(shù)圖[15]進(jìn)行對(duì)比。圖2是在直達(dá)波與多徑雜波抑制之前信號(hào)的互模糊函數(shù)圖,可以看到,由于強(qiáng)直達(dá)波信號(hào)的影響,目標(biāo)回波被淹沒(méi)在它的旁瓣中,這里只能檢測(cè)到多普勒頻率為0 Hz處的直達(dá)波與多徑雜波。圖3是利用文獻(xiàn)[6]方法進(jìn)行雜波抑制后的互模糊函數(shù)圖。由于該算法在低信噪比的情況下,時(shí)延估計(jì)精度急劇下降,不能有效地抑制多普勒頻率為0 Hz處的強(qiáng)直達(dá)波與多徑雜波,只能對(duì)其產(chǎn)生大幅衰減,而微弱的目標(biāo)回波仍然被淹沒(méi)在多徑雜波的旁瓣中,難以檢測(cè)。圖4是利用本文算法進(jìn)行雜波抑制后的互模糊函數(shù)圖?？梢钥吹奖疚乃惴軌蛴行У匾种茝?qiáng)直達(dá)波與多徑雜波信號(hào),準(zhǔn)確地檢測(cè)到多普勒頻率為300 Hz和-500 Hz處的2個(gè)目標(biāo)回波,且目標(biāo)的尖峰突出。這是因?yàn)楸疚乃惴ㄔ诘湍繕?biāo)回波信噪比下也能保證一定的時(shí)延估計(jì)精度,因此改善了低目標(biāo)回波信噪比時(shí)的雜波抑制性能,提高了弱目標(biāo)的檢測(cè)性能。

圖2 雜波抑制前的信號(hào)互模糊函數(shù)圖

圖3 采用文獻(xiàn)[6]方法對(duì)雜波抑制后的互模糊函數(shù)圖

圖4 采用本文算法對(duì)雜波抑制后的互模糊函數(shù)圖

3.3 與目前主流算法對(duì)比分析

將本文算法與目前直達(dá)波與多徑雜波抑制的主流算法進(jìn)行對(duì)比,這里仿真了本文算法與歸一化最小均方算法(NLMS)、遞推最小二乘算法(RLS)和擴(kuò)展相消算法(ECA)在不同目標(biāo)回波信噪比情況下的雜波抑制比曲線,仿真參數(shù)與3.1節(jié)中相同,仿真結(jié)果如圖5所示。

由圖5可見(jiàn),本文算法的雜波抑制比在目標(biāo)回波信噪比為-40～0 dB的范圍內(nèi)均高于其他3種算法,尤其在目標(biāo)回波信噪比增加的情況下,本文算法的優(yōu)勢(shì)更加明顯。這是因?yàn)樽赃m應(yīng)干擾對(duì)消與擴(kuò)展相消這些方法只能對(duì)時(shí)延為整數(shù)倍采樣周期的雜波進(jìn)行有效抑制,而當(dāng)雜波的時(shí)延為分?jǐn)?shù)倍采樣周期時(shí),它們的雜波抑制性能就會(huì)急劇下降,本文的WSF-TDE-CM算法能夠?qū)Ψ謹(jǐn)?shù)倍采樣周期的時(shí)延準(zhǔn)確地估計(jì),并有效抑制這些雜波,提高了雜波抑制的性能。

圖5 不同算法的雜波抑制性能對(duì)比

3.4 計(jì)算復(fù)雜度分析

本文WSF-TDE-CM算法主要計(jì)算量在目標(biāo)函數(shù)的求解以及雜波抑制中,假設(shè)有D條待估計(jì)的雜波,構(gòu)造的自相關(guān)矩陣的維數(shù)為L(zhǎng),數(shù)據(jù)長(zhǎng)度為N。那么,目標(biāo)函數(shù)求解的計(jì)算復(fù)雜度為O(2D2L+L2D+L3),而雜波抑制的計(jì)算復(fù)雜度為O(2D2N+N2D+N2),因此總的復(fù)雜度為O(2D2N+N2D+N2+2D2L+L2D+L3)。

考慮本文算法屬于時(shí)域類方法,且圖5結(jié)果顯示ECA算法與本文算法的雜波抑制性能最為接近,因此這里主要與ECA算法進(jìn)行比較。假設(shè)ECA算法抑制M距離單元以內(nèi)的雜波,數(shù)據(jù)長(zhǎng)度為N,則在構(gòu)造雜波矩陣時(shí)需要(N+M)2M次乘法運(yùn)算,進(jìn)行雜波對(duì)消時(shí)由于矩陣求逆運(yùn)算需要2M2N+N2M+N2次乘法運(yùn)算,所以總的計(jì)算復(fù)雜度為O(4M2N+2N2M+N2+M3)。

由于在接收信號(hào)時(shí),天線一般朝向目標(biāo)信號(hào),主波束之外的雜波得到很大程度的衰減,而主波束內(nèi)殘留的雜波數(shù)量一般可以認(rèn)為是有限的幾條,因此相對(duì)于N和M,D是很小的;此外,M、L的數(shù)量級(jí)遠(yuǎn)小于N,因此數(shù)據(jù)長(zhǎng)度為N在復(fù)雜度計(jì)算中占主導(dǎo)地位,可以認(rèn)為本文算法的計(jì)算復(fù)雜度與ECA算法相當(dāng)。然而,當(dāng)遠(yuǎn)場(chǎng)存在強(qiáng)多徑雜波時(shí),ECA算法需要增大M來(lái)達(dá)到較好的抑制效果,這在很大程度上增加了算法的計(jì)算量,而本文算法由于是對(duì)雜波的時(shí)延進(jìn)行估計(jì)的,因此計(jì)算復(fù)雜度不會(huì)增加。與ECA算法相比,雖然本文算法基本沒(méi)有降低計(jì)算的復(fù)雜度,但是在相同復(fù)雜度的情況下提高了雜波抑制的性能,這在實(shí)際應(yīng)用中是有一定意義的。

4 結(jié) 論

本文提出一種基于加權(quán)子空間擬合和量子粒子群時(shí)延估計(jì)的外輻射源雷達(dá)雜波抑制算法——WSF-TDE-CM算法,并與目前雜波抑制的主要算法性能進(jìn)行了對(duì)比。仿真實(shí)驗(yàn)表明,在雜波時(shí)延為分?jǐn)?shù)倍采樣周期時(shí),本文算法的性能遠(yuǎn)遠(yuǎn)優(yōu)于其他算法。此外,本文算法在低目標(biāo)回波信噪比的情況下仍然有很好的雜波抑制性能,能夠較為準(zhǔn)確地檢測(cè)到目標(biāo)回波。

[1] MALANOWSKI M, KULPA K, KULPA J, et al. Analysis of detection range of FM-based passive radar [J]. IET Radar, Sonar & Navigation, 2014, 8(2): 153-159.

[2] 萬(wàn)顯榮. 基于低頻段數(shù)字廣播電視信號(hào)的外輻射源雷達(dá)發(fā)展現(xiàn)狀與趨勢(shì) [J]. 雷達(dá)學(xué)報(bào), 2012, 1(2): 109-123. WAN Xianrong. An overview on development of passive radar based on the low frequency band digital broadcasting and TV signals [J]. Journal of Radars, 2012, 1(2): 109-123.

[3] GOGINENI S, RANGASWAMY M, RIGLING B, et al. Ambiguity function analysis for UMTS-based passive multistatic radar [J]. IEEE Transactions on Signal Processing, 2014, 62(11): 2945-2957.

[4] TAO R, WU H Z, SHAN T. Direct-path suppression by spatial filtering in digital television terrestrial broadcasting-based passive radar [J]. IET Radar, Sonar & Navigation, 2010, 4(6): 791-805.

[5] MELLER M, TUJAKA S. Processing of noise radar waveforms using block least mean squares algorithm [J]. IEEE Transactions on Aerospace and Electronic Systems, 2012, 48(1): 749-761.

[6] PALMER J E, SEARLE S J. Evaluation of adaptive filter algorithms for clutter cancellation in passive bistatic radar [C]∥Proceedings of IEEE Radar Conference. Piscataway, NJ, USA: IEEE, 2012: 493-498.

[7] COLONE F, O’GAN D W, LOMBARDO P, et al. A

multistage processing algorithm for disturbance removal and target detection in passive bistatic radar [J]. IEEE Transactions on Aerospace and Electronic Systems, 2009, 45(2): 698-722.

[8] 方亮, 萬(wàn)顯榮, 易建新, 等. 外輻射源雷達(dá)擴(kuò)展相消批處理雜波抑制算法的調(diào)制補(bǔ)償 [J]. 電子與信息學(xué)報(bào), 2014, 36(1): 209-214. FANG Liang, WAN Xianrong, YI Jianxin, et al. Modulation compensation of the batch version of the extensive cancellation algorithm for clutter mitigation in passive radar [J]. Journal of Electronics & Information Technology, 2014, 36(1): 209-214.

[9] LU Hongchao, LI Sichuan, TAN Jin, et al. A new method for direct signal and multipath clutter cancellation in passive radar [C]∥Proceedings of 5th IET International Conference on Wireless, Mobile and Multimedia Networks. Stevenage, UK: IET, 2013: 177-180.

[10]王云龍, 吳瑛. 改進(jìn)SSMUSIC超分辨多徑時(shí)延估計(jì)算法 [J]. 信號(hào)處理, 2014, 30(8): 979-986. WANG Yunlong, WU Ying. Improved SSMUSIC algorithm of super resolution time delay estimation in multipath environments [J]. Journal of Signal Processing, 2014, 30(8): 979-986.

[11]王永良, 陳輝, 彭應(yīng)寧. 空間譜估計(jì)理論與算法 [M]. 北京: 清華大學(xué)出版社, 2004.

[12]SUN J, FENG B, XU W. Particle swarm optimization with particles having quantum behavior [C]∥Proceedings of 2004 Congress on Evolutionary Computation. Piscataway, NJ, USA: IEEE, 2004: 325-331.

[13]ZHONG S, XIA W, SONG J, et al. Super-resolution time delay estimation in multipath environments using normalized cross spectrum [C]∥Proceedings of IEEE International Conference on Communications, Circuits and Systems. Piscataway, NJ, USA: IEEE, 2013: 288-291.

[14]GE Fengxiang, SHEN Dongxu, PENG Yingning, et al. Super-resolution time delay estimation in multipath environments [J]. IEEE Transactions on Circuits and Systems: I, 2007, 54(9): 1977-1986.

[15]BERGER C R, DEMISSIE B, HECKENBACH J, et al. Signal processing for passive radar using OFDM waveforms [J]. IEEE Journal of Selected Topics in Signal Processing, 2010, 4(1): 226-238.

(編輯 劉楊)

A Clutter Suppression Method Utilizing Time Delay Estimation for Passive Radars

ZHAI Yonghui,WU Jiang,WANG Ding

(College of Information Systems Engineering, The PLA Information Engineering University, Zhengzhou 450001, China)

A novel clutter suppression method utilizing weighted subspace fitting time delay estimation (WSF-TDE-CM) is proposed to improve the performance degradation when the clutter has fractional time delay in external illuminators based radar. The method establishes a time delay estimation model by exploiting the weighted subspace fitting algorithm under the assumption that the target echo is far weaker than the clutter in the receiving signal. Then the model is solved by the quantum-behaved particle swarm optimization to obtain the estimated time delay, which is utilized to construct the clutter matrix. Finally, the clutter suppression is implemented by projecting the received signal to the orthogonal subspace of the clutter space. There is no need to set the order of filter in WSF-TDE-CM and the method keeps good cancellation performance even if the clutter has fractional time delay. Simulation results show that compared with the extensive cancellation algorithm, WSF-TDE-CM improves the clutter attenuation by 20 dB when the clutter has fractional time delay, and yields quite good weak target detection performance even when the SNR equals -30 dB.

external illuminators based radar; clutter cancellation; fractional time delay estimation; weighted subspace fitting; quantum-behaved particle swarm optimization

2015-04-12。

翟永惠(1990—),女,碩士生;吳江(通信作者),男,副教授,碩士生導(dǎo)師。

國(guó)家自然科學(xué)基金資助項(xiàng)目(61201381)。

時(shí)間:2015-10-26

10.7652/xjtuxb201512008

TN985

A

0253-987X(2015)12-0047-06

網(wǎng)絡(luò)出版地址:http:∥www.cnki.net/kcms/detail/61.1069.T.20151026.2044.004.html