雷俊科,李锐洋，雷　浩

(1.西安科技大学 电气与控制工程学院，西安 710054；2.电子科技大学 电子工程学院，成都 611731；3.中国移动通信集团陕西有限公司，西安 710075)



知识辅助的两级自适应抗干扰技术*

雷俊科1,李锐洋2，雷浩3

(1.西安科技大学 电气与控制工程学院，西安 710054；2.电子科技大学 电子工程学院，成都 611731；3.中国移动通信集团陕西有限公司，西安 710075)

机载雷达通常工作在强杂波、强干扰的复杂电磁环境中，如何有效消除压制干扰抑制杂波是其中的关键问题。传统的两级空时自适应处理(STAP)算法在静默期采集信号得到干扰子空间，在开机阶段运用空间投影技术抑制干扰并采用降维STAP抑制杂波。虽然该算法在干扰平稳时具有较好的效果，但是在实际应用中，复杂的干扰环境会破坏广义平稳假设。因此，仅采集单个静默期的干扰样本来估计协方差矩阵会出现偏差。为了克服该问题，提出采集多个静默期的干扰信号来估计当前的干扰协方差矩阵，以此来提高估计准确度，可以更好地抑制干扰。仿真结果表明即使在当前静默期采集的干扰信息不完整时，该技术仍然能够利用以前的干扰信息准确估计干扰协方差矩阵。

机载雷达；基于知识的干扰抑制;空时自适应处理;贝叶斯滤波

1　引　言

空时自适应处理(Space-Time Adaptive Processing，STAP)技术[1-2]是机载相控阵雷达为了更好地抑制空时耦合的地杂波来检测地面动目标而提出的，但是全维的空时自适应处理算法的维数往往很大，因而计算复杂度高并且样本需求量大[3]，这在实际中往往很难满足，所以必须进行降维处理[4]。空时自适应处理技术相比于传统动目标检测(Moving-target-detection，MTD)处理，对于各种杂波干扰的抑制能力有质的提高。STAP技术通过同时联合处理多元天线阵(空域)和多个相参脉冲(时域)接收到的数据，使杂波抑制在空时二维空间中进行。STAP处理时依赖于对接收数据协方差矩阵的实时估计，根据估计结果实时地调整空时滤波的权值，从而达到最好的干扰/杂波抑制效果。

对于复杂环境中压制干扰的抑制，有大量的研究成果[5-6]。当同时存在干扰和杂波时，如果采用传统的降维STAP，当空域自由度不足以抑制较多的干扰时，需要在降维处理前先将干扰消除，有学者提出了两级处理方案[5]，后面又将其拓展到了多输入多输出(Multiple Input Multiple Output，MIMO)雷达的干扰抑制问题[6]，提出了一种在静默期采集电磁环境信息，对环境进行感知确定干扰信息，在雷达开机探测阶段利用空间投影进行空域干扰抑制的方法。

对于知识辅助的空时自适应处理(Knowledge-aided STAP，KA-STAP)的研究是近几年的热点。文献[7]首次提出了认知雷达的概念，明确了认知雷达的组成部分。文献[8]综述了基于知识的杂波抑制。文献[9]讨论了具有自适应最优发射和基于知识的处理技术。引入有价值的先验知识辅助估计干扰的信息，同样可以有效地改善干扰协方差矩阵的估计精度。

在工程应用中存在两方面问题：一是由于平台和干扰设备的相对运动，干扰相对于雷达的角度不断变化；二是雷达系统的时间资源是有限而宝贵的，用于采集干扰静默期不宜过长。

为了解决在样本数较少且变化的干扰环境中准确地估计干扰协方差矩阵，从而消除干扰的问题，本文提出了一种基于先验知识的两级干扰抑制方法：将每次开机前静默期采集到的纯粹的阻塞式压制干扰作为先验信息，构造先验协方差矩阵，利用着色加载技术辅助估计当前开机时的干扰协方差矩阵，以克服样本数不足和干扰环境变化带来的影响。

2　两级自适应处理原理

该算法的主要原理是雷达先不开机工作，那么在静默期雷达只接收信号，不发射信号，接收的信号包含有压制干扰和噪声。通过对接收信号的协方差矩阵进行特征分解，构造干扰的正交子空间。从而在雷达开机工作后用干扰的正交子空间对消干扰，达到抑制干扰的目的，接下来继续用降维STAP算法抑制杂波，处理流程如图1所示。

图1两级抑制干扰处理流程

Fig.1 The processing scheme of two-stage suppressing jamming

3　贝叶斯滤波和数据预白化

在进行两级空时自适应处理时，由于缺乏对外界干扰环境的先验知识，干扰协方差矩阵需要通过一定数量的样本数据来估计。有效估计未知的干扰协方差矩阵是两级干扰抑制的关键。上述两级处理假设有源干扰在一个相关处理时间(Coherent Processing Interval，CPI)内是平稳的，然后对CPI内每个脉冲数据都用相同的变换矩阵T进行两级处理。

然而，复杂的干扰环境会导致仅采集单个静默期的干扰样本来估计协方差矩阵会有偏差，这就需要讨论非平稳环境下的两级干扰抑制问题。将先验信息直接集成在滤波器中，以辅助对非均匀环境的自适应处理。该方法的框架是T.W.Aderson描述的贝叶斯协方差矩阵估计[10]。

(1)

(2)

在大多数情况下，先验知识构成的协方差矩阵失去了时效性，即使R0以及通过L0个样本得到，也仅含有少量的有效信息。为了处理这种样本陈旧的问题，我们使用着色加载方法：

(3)

式中：参数α表示先验协方差矩阵的加载权重。

4　基于知识修正干扰协方差矩阵

由上述介绍可知，在进行干扰协方差矩阵的估计时，考虑将以前静默期的观测当作先验知识的来源，构造先验协方差矩阵，利用着色加载技术估计当前干扰协方差矩阵，以克服样本数不足和干扰环境变化带来的影响。

假设当前静默期为第n次采集，得到的干扰协方差矩阵为

(4)

式中：Xn是当前静默期采集到的干扰和噪声数据。在复杂多变的干扰环境下，仅采用Xn估计干扰协方差矩阵会有偏差。这里引入先验知识，通过加载的方法修正协方差矩阵的估计结果，从而影响特征分解计算的干扰正交子空间结果，达到更好地抑制干扰目的。

在一个CPI内，将之前静默期采集的数据构成先验知识，则基于知识得到的干扰协方差矩阵可表现为加权求和：

(5)

式中：α1+α2+…+αn=1。α可通过式(5)的衰减法获得且随着n增大递增，这样不仅可以弱化干扰变化带来的影响，还解决了样本数不足的问题。处理框图如图2所示。

图2基于知识的两级处理

Fig.2Theknowledge-basedtwo-stageprocessing

那么得到基于知识的回波信号的协方差矩阵为

(6)

经过空间投影处理后，用于估计滤波器权值的协方差矩阵和目标空时导向矢量分别为

RU=RC+RN，

(7)

(8)

5　算法仿真

为了验证算法的有效性，下面给出了几种典型的复杂干扰环境，以常规的机载平台为例，仿真干扰源变化对两级STAP性能的影响以及加载先验知识后性能的变化。

考虑常见的雷达检测场景，模拟几种干扰源存在的情况。主要仿真参数如下：收发阵列为均匀线阵，正前视配置，阵元间距为半波长；单阵元发射功率30 W，噪声功率2×10-14W，波长1 m，脉冲重复频率2 kHz，CPI内积累脉冲数16；载机高度10 km，载机速度50 m/s；目标距离300 km，目标高度5 km，目标RCS为1 m2，杂噪比60 dB，收发阵元数为16。进行50次蒙特卡洛仿真试验。

情况一：空间存在1个干扰源，当前静默期未采集到，加载其余静默期先验信息获得。

图3展示了几种情况下的干扰协方差矩阵特征谱。可以看出：当未加载先验协方差矩阵时，当前静默期仅采集到噪声，特征分解未得到有效的干扰信息；而加载先验知识后，其余静默期采集到了干扰，影响了当前的协方差矩阵，可以提取有效的干扰信息。与当前静默期完全采集到干扰的情况相比，只是干扰功率的减小，频率信息没有变化，所以特征分解得到的干扰正交子空间同样可以有效抑制干扰。

图31个干扰源几种情况下的干扰协方差矩阵特征谱

Fig.3 Eigenvalue spectrum of jamming covariance matrix under the situation of 1 jamming

图4和图5分别展示了引入杂波前后采用3DT降维STAP处理几种情况的输出SINR。可以看出：当未加载先验协方差矩阵时，当前静默期仅采集到噪声，第一级的正交投影处理不能有效地抑制干扰，而第二级STAP处理由于干扰太强不能完全得到抑制，输出SINR降低约1 dB；而加载先验知识后，干扰在第一级得到完全抑制，输出SINR增大，接近完全采集到干扰的结果。

图41个干扰+噪声下几种情况的输出SINR

Fig.4 Output SINR in case of 1 jamming and noise as function of target velocity

图51个干扰+杂波+噪声下几种情况的输出SINR

Fig.5 Output SINR in case of 1 jamming,noise and clutter as function of target velocity

情况二：空间存在5个干扰源，当前静默期未采集到，加载其余静默期先验信息获得。

图6展示了几种情况下的干扰协方差矩阵特征谱，将干扰源数增加到5个。可以看出：当前静默期仅采集到噪声时，特征分解未得到有效的干扰信息；而加载先验知识后，可以提取有效的干扰信息。

图65个干扰源几种情况下的干扰协方差矩阵特征谱

Fig.6 Eigenvalue spectrum of jamming covariance matrix under the situation of 5 jamming

图7和图8分别展示了引入杂波前后采用3DT降维STAP处理几种情况的输出SINR，将干扰源数增加到5个。可以看出：随着干扰的增多，未加载先验协方差矩阵时不能在第一级有效地抑制干扰，仅靠STAP处理干扰抑制性能较差，输出SINR降低约3 dB；而加载先验知识后，干扰得到完全抑制，输出SINR增大，接近完全采集到干扰的结果。

图75个干扰+噪声下几种情况的输出SINR

Fig.7 Output SINR in case of 5 jamming and noise as function of target velocity

图85个干扰+杂波+噪声下几种情况的输出SINR

Fig.8 Output SINR in case of 5 jamming,noise and clutter as function of target velocity

6　结束语

在实际工作中，若干扰较为平稳，可采用两级自适应处理；然而面对复杂的电磁环境，常见的情况是干扰源不稳定或某个静默期未采集到干扰，仿真结果表明这会影响系统的干扰抑制性能。为了解决该问题，我们使用在每次静默期采集干扰时加载其余静默期的先验知识来辅助估计干扰协方差矩阵，提取干扰正交子空间，再在开机期进行干扰抑制的STAP处理算法，仿真结果表明该方法能有效地抑制干扰。然而在干扰变化复杂的环境中，先验知识加载量的多少是一大问题。在后续研究中，应考虑根据电磁环境自适应地选取合适的先验知识加权系数，进一步实现智能化。

[1]BRENNAN L E，REED I S. Theory of adaptive radar[J].IEEE Transactions on Aerospace and Electronic Systems,1973,9(2):237-252.

[2]KLEMM R. Principles of space-time adaptive processing[M]. London:IEE Press,2002.

[3]REED I S,MALLETT J D,BRENNAN L E. Rapid convergence rate in adaptive arrays[J].IEEE Transactions on Aerospace and Electronic Systems,1974,10(6):853-863.

[4]WANG H,CAI L. On adaptive spatial-temporal processing for airborne surveillance radar systems[J].IEEE Transactions on Aerospace and Electronic Systems,1994,30(3):660-669.

[5]董李梅. 基于空时联合抗干扰算法的复矩阵求逆[J].电讯技术,2015,55(7):792-796.DONG Limei. Matrix inversion implementation based on joint space-time anti-jamming algorithm[J].Telecommunication Engineering,2015,55(7) :792-796.(in Chinese)

[6]ADVE R S,HALE T B,WICKS M C.A two stage hybrid space-time adaptive processing algorithm[C]//Proceedings of 1999 IEEE Radar Conference.Boston,MA:IEEE,1999:279-284.

[7]HAYKIN S.Cognitive radar:a way of the future[J].IEEE Signal Processing Magazine,2006,23(1):30-40.

[8]范西坤，曲毅.知识辅助机载雷达杂波抑制方法研究进展[J].电子学报，2012,40(6):1199-1206.FAN Xikun,QU Yi.An overview of knowledge-aided clutter mitigation methods for airborne radar[J].Acta Electronica Sinica,2012,40(6):1199-1206.(in Chinese)

[9]BESSON O,BIDON S,TOURNERET J Y.Covariance matrix estimation with heterogeneous samples[J].IEEE Transactions on Signal Processing,2008,56(3):909-920.

[10]SCHONHOFF T A.Detection and estimation theory and its applications[M].New Jersey:Person Prentice Hall,2006.

[11]BAO Z,LIAO G S,WU R B,et al.Adaptive spatial-temporal processing for airborne radar[J].Chinese Journal of Electronics,1993,2(1):2-7.

雷俊科(1960—)，男，陕西合阳人，1989年获学士学位，现为高级工程师,主要研究方向为无线电技术与应用、电工理论与新技术；

LEI Junke was born in Heyang,Shaanxi Province,in 1960.He received the B.S. degree in 1989.He is now a senior engineer.His research concerns radio technology and application,electrical theory and new technology.

Email：leijk@xust.edu.cn

李锐洋(1988—)，男，陕西西安人，博士研究生，主要研究方向为无线电通信与雷达；

LI Ruiyang was born in Xi′an,Shaanxi Province,in 1988.He is currently working toward the Ph.D. degree.His research concerns wireless communication and radar.

雷浩(1988—)，男，陕西西安人，2014年获硕士学位，现为工程师。

LEI Hao was born in Xi′an,Shaanxi Province,in 1988.He received the M.S. degree in 2014.He is now an engineer.

Knowledge-aided Two-stage Adaptive Anti-jamming Technology

LEI Junke1，LI Ruiyang2，LEI Hao3

(1.College of Electronic and Control Engineering,Xi′an University of Science and Technology，Xi′an710054，China;2.School of Electronic Engineering,University of Electronic Science and Technology of China，Chengdu 611731，China;3.China Mobile Group Shaanxi Company Limited,Xi′an 710075,China)

Airborne radar usually works in complex electromagnetic environment with strong clutter and strong jamming. How to eliminate the interference and suppress clutter is one of the key issues. Traditional two-stage space-time adaptive processing(STAP) method collects signal in the quiet period to acquire jamming subspace while suppress interference at the starting period using space projection technique.Although the algorithm has good effect when interference is stable,in the actual application,complex jamming environment will damage the generalized stationary hypothesis. Therefore,using only a single silent period interference samples may not estimate the covariance matrix accurately. To solve this problem,a method for collecting interference signals in several silent period to estimate the current jamming covariance matrix to improve the estimation accuracy is proposed. The simulation results show that even the jamming information collected in the current silent period is not complete,the interference covariance matrix can still be accurately estimated using previous jamming information.

airborne radar;knowledge-based interference suppression；space-time adaptive processing(STAP)；Bayesian filtering

10.3969/j.issn.1001-893x.2016.09.014

2015-12-08；

2016-05-10Received date:2015-12-08；Revised date：2016-05-10

leijk@xust.edu.cnCorresponding author：leijk@xust.edu.cn

TN957.5；TN973

A

1001-893X(2016)09-1029-05

引用格式：雷俊科,李锐洋，雷浩.知识辅助的两级自适应抗干扰技术[J].电讯技术，2016,56(9):1029-1033.[LEI Junke，LI Ruiyang,LEI Hao.Knowledge-aided two-stage adaptive anti-jamming technology[J].Telecommunication Engineering,2016,56(9):1029-1033.]