没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
强的墙体直达波严重干扰了穿墙成像雷达的目标信号,而采用稀疏阵列天线的穿墙雷达,由于通道数少使得基于单次快拍数据分离目标和干扰信号难度更大。该文根据实际通道每次收发获取的距离像存在微弱起伏的现象,提出一种采用单通道多次快拍数据建立观察矩阵,并使用独立分量分析分离直达波与目标信号的方法。仿真及实测数据处理结果表明,在低信杂比(-30 dB)的条件下,该方法仍可有效分离目标和干扰成分,达到较好的直达波抑制效果。
资源推荐
资源详情
资源评论
第 3 卷第 5 期 雷 达 学 报 Vol. 3No. 5
2014 年 10 月 Journal of Radars Oct. 2014
基于独立分量分析法的稀疏阵列穿墙成像雷达直达波干扰抑制
张 驰
*
李悦丽 周智敏
(国防科技大学电子科学与工程学院 长沙 410073)
摘 要:强的墙体直达波严重干扰了穿墙成像雷达的目标信号,而采用稀疏阵列天线的穿墙雷达,由于通道数少
使得基于单次快拍数据分离目标和干扰信号难度更大。该文根据实际通道每次收发获取的距离像存在微弱起伏的
现象,提出一种采用单通道多次快拍数据建立观察矩阵,并使用独立分量分析分离直达波与目标信号的方法。仿
真及实测数据处理结果表明,在低信杂比(
-
30 dB)的条件下,该方法仍可有效分离目标和干扰成分,达到较好的
直达波抑制效果。
关键词:穿墙成像雷达(TWIR);直达波抑制;独立分量分析(ICA);稀疏阵列
中图分类号:TN951 文献标识码:A 文章编号:2095-283X(2014)05-0524-09
DOI: 10.3724/SP.J.1300.2014.14066
Wall Clutter Mitigation in Through-the-Wall Imaging Radar with Sparse
Array Antenna Based on Independent Component Analysis
Zhang Chi Li Yue-li Zhou Zhi-min
(College of Electronic Science and Engineering, National University of Defense Technology, Changsha 410073, China)
Abstract: For Through-the-Wall Imaging Radar (TWIR), wall clutter is critical for detecting target signals behind
a wall. For a system with a sparse antenna array, the lack of observation channels makes it more difficult to
separate the target signals and wall clutter. On the basis of fluctuation of the range profile in real transmit/receive
channels, this paper proposes to use Independent Component Analysis (ICA) on multiple down-range observations
of each transmit/receive channel to remove the wall clutter. The simulation and experimental results show that the
proposed method effectively separate target and clutter components, even though the signal-to-clutter ratio is only
-
30 dB.
Key words: Through-the-Wall Imaging Radar (TWIR); Wall clutter mitigation; Independent Component Analysis
(ICA); Sparse array antenna
1 引言
穿墙成像雷达(Through-the-Wall Imaging
Radar, TWIR)可对墙后态势进行感知,因而在军
事、反恐、救灾等领域有重大的应用前景,近年来
受到人们的广泛重视
[1,2]
。如何消除墙体直达波对目
标信号造成的严重干扰,是 TWIR 需要解决的关键
问题之一。对于静止目标,一种直接的方法是事先
录取背景信号,然后采用背景相消法去除墙体直达
波在内的静止干扰
[3]
,但该方法的局限性在于需要
获得成像区域的先验知识。以奇异值分解(Singular
Value Decomposition, SVD)、主元分析(Principal
Component Analysis, PCA)为代表的子空间法,
2014-04-04 收到,2014-06-05 改回;2014-09-01 网络优先出版
国家自然科学基金(61302146)资助课题
*通信作者: 张驰 finderzc@aliyun.com
无需场景的先验知识,按照奇异值(或特征值)的大
小,将原始信号投影到不同的子空间中,在一定程
度上可以达到抑制干扰的目的
[4,5]
。然而在信杂比
较低的情况下,弱目标的子空间特征往往无法突
显。子空间法的本质是把原始信号分解为互不相关
的分量,相比之下,独立分量分析法(Independent
Component Analysis, ICA)假设原始信号由若干统
计独立的源信号线性混合而成,这在许多应用中更
符合信号的本质结构
[6]
,因而能更有效地提取目标
信号。
单收发系统的 TWIR 常采用合成孔径模式,通
过扫描获取 B-scan(距离向-方位向 2 维观察数据)
矩阵进行杂波抑制
[4
-
7]
。而采用阵列天线的 TWIR,
则多采用单发多收或多发多收模式,通过快拍方式
(指雷达系统完成一次收发通道的遍历)由各收发通
道对场景进行观察
[8,9]
。其阵元的稀疏分布将导致观
第 5 期 张 驰等: 基于独立分量分析法的稀疏阵列穿墙成像雷达直达波干扰抑制 525
察信号的欠缺,这使得单次快拍难以获取足够的观
察信号用于分离其中目标和干扰分量。
针对上述问题,本文首先推导了 1 维距离像的
形成过程及其数学表达,引入了 ICA 数据模型。之
后分析了实际通道每次收发获取的信号存在微弱起
伏的现象,并研究了 ICA 对确定性源信号的适用
性,在此基础上提出一种采用单通道多次快拍数据
建立观察矩阵,使用 ICA 分离直达波与目标信号的
方法。仿真及实测数据表明,在信杂比低至
-
30 dB
的情况下,该方法仍可分离目标和直达波干扰,解
决了稀疏阵列 TWIR 因单次快拍观察信号不足造
成的无法有效提取墙后目标的问题。
2 1 维距离像形成
假设稀疏阵列 TWIR 采用步进频连续波
(Stepped-Frequency Continuous Wave, SFCW)体
制,其频点数为
N
,
则阵列天线第
l 个收发通道,
在第
k 个频点发射的子脉冲
()
l
k
St为
[10]
:
()
()
0
/2
cos 2 rect ,
0,1, , 1
(1)
l
kl
tkTT
St f kft
T
k N
πϕ
⎛⎞
−−
⎟
⎜
⎡⎤
=+Δ+
⎟
⎜
⎣⎦
⎟
⎜
⎝⎠
=−"
其中 T,
0
f
和
f
Δ
分别为子脉冲持续时间、初始频率
和频率步进增量;
l
ϕ 为通道l 初始相位(不失一般
性,设
0
l
ϕ = );矩形函数为:
1, /2 /2
rect
0,
TtT
t
T
⎧
−≤≤
⎪
⎛⎞
⎪
⎪
⎟
⎜
=
⎨
⎟
⎜
⎟
⎜
⎝⎠
⎪
⎪
⎪
⎩
其它
设场景中包括目标在内的理想散射点的个数为
P ,
第
i
个散射点散射强度为
i
δ
,与 通 道
l
收发天线间的
双程延时为
l
i
τ (当散射点静止时,
l
i
τ 不随时间变化),
则接收信号为:
()
()
()
0
1
cos 2
/2
rect , 0,1, , 1
P
ll
ki i
i
l
i
Rt f kf t
tkTT
k N
T
δπ τ
τ
=
⎡⎤
=+Δ−
⎢⎥
⎣⎦
⎛⎞
−− −
⎟
⎜
⎟
⋅=−
⎜
⎟
⎜
⎟
⎜
⎝⎠
∑
"
(2)
经理想解调,对输出的复信号在其中心处进行采样
的结果为
[11,12]
:
()
()
0
1
exp 2 ,
0, 1, , 1
P
ll
ii
i
Uk j f kf
k N
δπ τ
=
⎡⎤
=−+Δ
⎢⎥
⎣⎦
=−
∑
"
(3)
若将
()
l
Uk
视为频域样点,则对所有频点构成的序
列做
N 点逆离散傅里叶变换(Inverse Discrete
Fourier Transform, IDFT),可得到理想情况下通道
l 的 1 维距离像
[12]
:
()
()
()
1
0
0
1
1
0
12
() exp
1
exp 2
2
exp
N
ll
k
P
l
ii
i
N
l
i
k
n
Hn U k j k
NN
jf
N
k
jnNf
N
π
δπτ
π
τ
−
=
=
−
=
⎛⎞
⎟
⎜
=
⎟
⎜
⎟
⎜
⎝⎠
=−
⎡
⎤
⋅−Δ
⎢
⎥
⎢
⎥
⎣
⎦
∑
∑
∑
(4)
其中 0, 1, , 1n N=−" 为距离单元编号,令
l
in
α =
()
0
2/ 2 , 1/,
l
in c
nN f nN N f fππτβπ−Δ = − = +
()
1/2Nf−Δ ,则:
()
()
()
1
1
sin 2
1
() exp 2
sin 2
()
(5)
l
P
in
ll
icin
l
i
in
P
l
ii
i
N
Hn j f
N
h n
α
δπτβ
α
δ
=
=
⎡⎤
=−−
⎢⎥
⎣⎦
=
∑
∑
式中分量 ()
l
ii
hnδ 表示了散射点i 在该通道中的距离
像,当
2
l
in
mαπ= ( 0, 1, 2,m =±±" )时,即 nmN=
l
i
Nfτ+Δ 时其包络取得最大值,该峰值位置取决于
散射点的双程延时
l
i
τ 。
假设墙体是匀质的,则其前表面也可等效为理
想散射点
[11]
,那么 ()
l
Hn中直达波分量可表示为
(),
l
dd
hnδ
{}
1, 2, ,d P∈ " 。由于实际中直达波能量远
大于目标散射点回波能量,且墙体会对后者造成较
大衰减
[13]
,这使得直达波分量往往将目标分量“淹
没”。为了有效提取目标信号,抑制直达波干扰,首
先需要对
()
l
Hn中各分量进行有效分离。
3 ICA 模型
ICA 作为一种盲源分离方法
[14
-
16]
,近年来被引
入到
TWIR 领域中。ICA 假设观察变量是若干统计
独立的源变量线性混合而成,并依据非高斯性最大
化准则,从观察变量中估计出各源变量。其基本模
型如下
[14]
:
=XAS (6)
其中
H
12
,, ,
P
ss s
⎡
⎤
=
⎢
⎥
⎣
⎦
S "
为源变量组成的 P 维矢量,经
MP×
维矩阵 A 线性混合,形成
M
维观察矢量
=X
H
12
,, ,
M
xx x
⎡
⎤
⎢
⎥
⎣
⎦
"
。模型中 S,A 均为未知量,需通过 X
估计出
PM×
解混矩阵
W
以分离各源变量,即:
=SWX (7)
由于实际中只能获取各随机变量的采样,若采样数
为
N ,则式(6),式(7)中 X 和S 分别扩展为 MN×
维和 PN× 维采样矩阵,其每一行
HH
,
ij
sx分别表示
N 点源信号和观察信号,并且:
1
P
j
ji i
i
a
=
=
∑
xs (8)
其中
j
i
a 表示矩阵 A 的元素。由式(6)和式(7)可知,
剩余8页未读,继续阅读
资源评论
weixin_38522253
- 粉丝: 2
- 资源: 878
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功