[发明专利]基于干扰和旁瓣均衡抑制的认知雷达波形设计方法

摘要

本发明公开了基于干扰和旁瓣均衡抑制的认知雷达波形设计方法，在自适应架构基础上，压制噪声干扰模型中，通过MMSE准则，引入并构造干扰与旁瓣均衡抑制的认知雷达波形优化模型，并将其转化为最小化多变量多约束目标函数模型，然后根据Lagrange乘子法，引出目标函数的Lagrange函数，再根据对偶原理，再次转化模型为最优化对偶函数，通过引入辅助变量和KKT最优性进行求解，最后设计交替迭代法联合优化发射波形和滤波器序列，并评估综合处理算法带来的性能提升。仿真结果表明，所提算法能够实现对干扰信号抑制和自身处理旁瓣的平衡，提高目标的检测性能。

主权项

1.基于干扰和旁瓣均衡抑制的认知雷达波形设计方法，其特征在于，包括如下步骤：步骤1，初始化认知雷达的发射信号s及码长N，将s的初始值设为恒模随机相位编码信号，根据s及N，计算发射信号旁瓣协方差矩阵Q_s；设定干扰信号U_j为压制性干扰信号，并计算干扰协方差矩阵R_n；步骤2，通过匹配滤波，得到认知雷达基带接收信号离散系数a₀的估计值对接收信号进行失配滤波，得到估计值的均方误差为：其中，表示的均方误差，w为失配滤波器的滤波信号，上标H表示共轭转置，R＝Q_s+R_n；步骤3，建立如下波形优化模型对步骤2的均方误差进行优化，具体如下：步骤31，当发射信号s已知时，求解滤波器w，子模型为：步骤32，当滤波器w已知时，求解发射信号s，子模型为：其中，Q_w为滤波器旁瓣协方差矩阵，c＝w^HR_nw为常数；步骤4，利用Lagrange对偶法对步骤3的模型进行优化求解，得到优化的发射信号和滤波器；具体过程为：步骤41，当发射信号s已知时，步骤31目标函数的Lagrange函数为：其中，Q_s为发射信号旁瓣协方差矩阵，R_n为干扰协方差矩阵，b₁是Lagrange乘子，a₁是不为0的常数，利用对偶原理求L(w,a₁,b₁)的最小值：且当下式成立时，L(w,a₁,b₁)取得最小值：将(2)式代入(1)式，得：要求(3)式的最大值，即求(4)式的最小值：模型简化为：令当时，得到：要求(7)式的最小值，即求(6)式的最小值min f(a₁)，利用线搜索法求得a₁，b₁，将a₁，b₁，s的表达式代入(2)式，得到滤波器w；步骤42，当滤波器w已知时，步骤32目标函数的Lagrange函数为：其中，c为常数，c＝w^HR_nw，Q_w为滤波器旁瓣协方差矩阵，a₂，b₂均是Lagrange乘子；利用对偶原理求L(s,a₂,b₂)的最小值：且当下式成立时，L(s,a₂,b₂)取得最小值：将(9)式代入(8)式，得：要求(10)式的最大值，即求(11)式的最小值：模型简化为：令当时，得到：要求(14)式的最小值min g(a₂)，利用线搜索法求得a₂，b₂，将a₂，b₂，w的表达式代入(9)式，得到发射信号s；步骤43，重复步骤41‑步骤42，继续优化滤波器w和发射信号s，直至求得优化的发射信号和滤波器，满足目标函数和约束要求。