[发明专利]基于动态和差波束的米波雷达低仰角目标DOA估计方法

说明书

本发明公开了一种基于动态和差波束的米波雷达低仰角目标DOA估计方法，包括：步骤1估计米波雷达天线阵列的阵列中心仰角值；步骤2基于阵列中心仰角值，计算关于阵列中心仰角呈偶对称的和波束和差波束的最优权矢量；步骤3利用和波束的最优权矢量加权处理形成和波束，利用差波束的最优权矢量加权处理形成差波束并完成波束发射；步骤4基于米波雷达天线阵列的接收信号计算和差波束的误差信号；步骤5根据误差信号利用查表方式确定目标仰角；步骤6判断是否满足迭代终止条件；步骤7若否则基于目标仰角修正阵列中心仰角值，并返回执行步骤2～步骤6；步骤8若是则完成目标仰角估计。本发明能提高低仰角目标DOA估计精度，实现良好阵地适应性。

技术领域

本发明属于雷达领域，具体涉及一种基于动态和差波束的米波雷达低仰角目标DOA估计方法。

背景技术

目前，在米波雷达领域中，对低仰角目标的DOA(Direction of Arrival，波达方向)估计精度和阵地适应性是亟待解决的重要难题，这是因为在探测低仰角目标时，由于米波雷达的波束较宽，回波信号会通过地面反射回来，雷达的主瓣将会同时接收到地面反射的多径信号和目标反射的直达信号，此时，直达信号特征将会带有幅相畸变，从而不再满足简单的远场平面波模型特征。

幅相畸变产生的原因就是雷达接收的多径信号。现有雷达DOA估计方法主要是超分辨DOA估计方法，主要包括特征子空间类超分辨算法和最大似然算法(MaximumLikelihood，ML)。

特征子空间类超分辨算法主要包括多重信号分类算法(Multiple SignalClassification，MUSIC)和旋转不变技术(Estimation of Signal Parameters viaRotation Invariance Technique，ESPRIT)。MUSIC算法的基本思想是对阵列观测信号的协方差矩阵进行特征值分解，根据信号特征值和噪声特征值，得到信号子空间和噪声子空间，利用信号子空间和噪声子空间的正交性实现目标仰角估计。由于多径传输，阵列有时会接收到不同方向上的相干信号，相干信号通常会导致信源协方差矩阵的秩亏缺，通过空间平滑的方法，恢复接收数据协方差矩阵的秩，再利用空间平滑相关矩阵进行特征值分解，能够实现目标角度的超分辨估计，即空间平滑MUSIC算法(Spatial Smoothing MUSIC,SSMUSIC)。由于空间平滑方法需要对阵列划分子阵列，子阵列比原阵列小，因此阵列有效孔径会有一定的损失。ESPRIT算法是利用观测数据估计自协方差函数，再利用自协方差函数构造自协方差矩阵和互协方差矩阵，将自协方差矩阵的最小特征值作为噪声方差求解旋转不变等式，求出矩阵束，再利用广义特征值分解实现阵列的DOA估计。

ML算法利用阵列观测信号的统计分布特性，将估计出的信号协方差矩阵投影到期望信号空间，实现目标仰角的最大似然估计。当信源数较多时，通常采用多维搜索的ML算法，但是这种算法的计算量非常大。在这种情况下，通常采用计算量更小的交替投影最大似然算法APML，APML算法是一种多维优化问题的化简求解方法，其原理是在多维参数的优化问题中每一步迭代优化过程仅对一个参数进行优化，每一个参数均收敛于其似然函数的一个极值点，可以减小最大似然算法的运算量。

但是传统超分辨DOA估计方法均是建立在理想远场平面波模型的基础上，在信号模型匹配、阵地起伏较小时估计效果良好。但由于实际阵列环境中多径信号分布的复杂性和人为干扰等影响，使得阵列观测信号可能不满足远场平面波模型，从而使信号模型出现失配。因此，由于信号模型的不匹配性，导致低空测角性能将显著下降，无法得到较高的DOA估计精度。

针对上述问题，Xu Z,Xiong提出了经典对称差波束DOA估计方法，在一定程度上解决了多径信号对米波雷达产生的影响，但是其算法中的条件较为理想化，与实际阵列环境不符，也无法针对米波雷达低仰角目标实现较高的DOA估计精度。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于动态和差波束的米波雷达低仰角目标DOA估计方法。本发明要解决的技术问题通过以下技术方案实现：