[发明专利]基于结构化递归最小二乘的米波雷达测高方法

摘要

本发明公开一种基于结构化递归最小二乘的米波雷达测高方法，主要解决现有方法在复杂地形环境下多径信号数目未知时，无法保证对低仰角目标高度有效估计的问题。其方案是：1)估计米波雷达回波数据的协方差矩阵，并对其进行特征值分解，获取噪声子空间；2)在复杂地形情况下，利用雷达回波数据对目标仰角及镜像仰角进行联合估计，得到目标仰角及镜像仰角集合的初始估计值；3)在多径数目信息未知的情况下，利用1)和2)的结果迭代估计目标仰角及镜像仰角，得到目标仰角最终估计值；4)利用最终估计值，计算出目标高度。本发明能有效实现对低仰角目标仰角及高度的测量，提升雷达对复杂多径环境下低仰角目标的跟踪性能，可用于目标跟踪与定位。

主权项

1.基于结构化递归最小二乘的米波雷达测高方法，包括：(1)利用阵列天线接收目标回波数据X，估计该接收数据的协方差矩阵R_X；(2)对协方差矩阵R_X进行特征值分解，得到噪声子空间U_n；(3)在复杂阵地及多径数目未知的情况下，利用目标回波数据X，对目标仰角及镜像仰角进行联合估计，得到目标仰角及镜像仰角的初始估计值：(3a)设定最大迭代次数I＝20，令初始迭代序列i＝1，通过目标回波数据X构造如下代价函数：其中，Φ＝[γ(1),…,γ(l),…,γ(L)]表示包含所有权重系数矢量的稀疏参数矩阵，γ(l)表示第l次阵列接收信号所对应的权重系数矢量，l＝1,2,…L，L表示快拍数，(·)^H表示共轭转置运算，||·||₂表示二范数，W表示自适应滤波器系数，和分别表示对Φ和W的估计值；(3b)构建整个观测空间上的完备字典B＝[a(θ₁),a(θ₂),…,a(θ_n),…,a(θ_N)]，其中，a(θ_n)表示第n个观测方向上的目标信号基向量，θ_n表示第n个观测方向角度，n＝1,2,…N，N表示离散化的目标信号观测方向的个数；(3c)在复杂阵地环境、多径数目信息未知的情况下，将(3a)中代价函数转化为如下数学模型估计权重系数矢量：其中，表示在第i次迭代中对自适应滤波器系数W的估计值，表示在第i次迭代中对稀疏参数矩阵Φ的估计值，在初始i＝1时，(3d)对(3c)中的优化函数进行求解，得到第i次迭代中对自适应滤波器系数的估计值其中，表示空间谱矩阵，⊙表示Hadamard积，I_N表示维度为N×N的单位阵，表示噪声功率，(·)^‑1表示矩阵求逆运算；(3e)利用自适应滤波器系数的估计值将(3a)中代价函数转化为如下数学模型估计第i次迭代中稀疏参数矩阵：(3f)对(3e)中的数学模型进行求解，得到第i次迭代稀疏参数矩阵的估计值(3g)设定阈值ε₁＝10^‑5，判断i＞I或是否成立，若成立，则终止迭代，得到最终稀疏参数矩阵的估计值执行步骤(4)，否则，令i＝i+1，返回步骤(3c)，其中，|·|表示取绝对值；(4)利用(3g)中得到的最终稀疏参数矩阵的估计值估计目标仰角的初始值及镜像仰角集合的初始值(5)在复杂地形，多径数目信息未知的情况下，对目标仰角及镜像角度进行联合估计，得到目标仰角最终估计值：(5a)设定最大迭代次数J，令j＝0，并通过(2)中的噪声子空间U_n构造如下优化函数：其中，eig_min(·)表示取最小特征值，θ_d表示目标仰角，θ_s表示镜像仰角集合，A(θ_d,θ_s)表示导向矢量矩阵，和分别表示对θ_d和θ_s的估计值；(5b)在复杂阵地环境、多径数目信息未知的情况下，将(5a)中优化函数转化为如下数学模型：其中，表示在第j次迭代中对目标仰角θ_d的估计值，表示在第j次迭代中对镜像仰角集合θ_s的估计值，在初始j＝1时，等于(4)中得到的镜像仰角的初始估计值(5c)利用(5b)中得到的目标仰角的估计值估计第q个镜像仰角：其中，表示在第j次迭代中对第q个镜像仰角θ_s,q的估计值，表示在第j次迭代中去掉θ_s中角度θ_s,q后的向量；(5d)设定阈值ε₂＝10^‑6，判断j＞J或是否成立，若成立，则终止迭代，得到最终目标仰角的估计值执行步骤(6)，否则，令j＝j+1，返回步骤(5b)；(6)利用最终估计得到的目标仰角计算出目标高度