﻿ 一种无源雷达频域扩展相消批处理杂波对消算法
«上一篇
 文章快速检索 高级检索

 雷达学报  2016, Vol. 5 Issue (3): 293-301  DOI: 10.12000/JR15098 0

### 引用本文 [复制中英文]

[复制中文]
Liu Yu, Lv Xiaode, and Yang Pengcheng. Batch Version of the Extensive Cancellation Algorithm for Clutter Mitigation in Frequency Domain of Passive Radar[J]. Journal of Radars, 2016, 5(3): 293-301. DOI: 10.12000/JR15098.
[复制英文]

### 文章历史

(中国科学院电子学研究所 北京 100190)
(中国科学院大学 北京 100049)

Batch Version of the Extensive Cancellation Algorithm for Clutter Mitigation in Frequency Domain of Passive Radar
Liu Yu①②, Lv Xiaode, Yang Pengcheng①②
(Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China)
(University of Chinese Academy of Sciences, Beijing 100049, China)
Foundation Item: The National Ministies Foundation
Abstract: Passive radar experiences a significant problem called multipath clutter. The Batch version of the Extensive Cancellation Algorithm (ECA-B) is an efficient method for clutter mitigation. With the increase in signal bandwidth, a greater number of segments is required to cancel the clutter across the entire frequency range. This affects the processing rate, detrimentally weakening and modulating the signal from low-speed targets. Thus, this paper proposes a method that uses ECA-B to process both reference and echo signals in the frequency domain. This method not only reduces the amount of calculation required but also avoids weakening and modulating the target signal, which is spread across many segments. The simulated and experimental data results confirm the correctness and validity of the proposed method.
Key words: Passive radar     Clutter cancellation     ECA-B in frequency domain
1 引言

ECA-B算法对数据进行分段处理，多普勒分辨率降低，会在对消距离单元的多普勒方向产生一个零陷凹槽，而且分段数越大，凹槽越宽，凹槽深度越深。凹槽会消弱对消单元的低速目标的信噪比，随着分段数的增加，低速目标受到的影响越大，甚至会影响到高速目标的检测，这成为限制分段数的一个重要因素。同样以DTTB信号为例，假设分段数为400时，会对300多普勒单元(径向速度约为 240 km/h)内的目标产生影响。针对这个问题，还没有公开文献提出解决方法。

2 频域ECA-B算法 2.1 ECA-B算法介绍

ECA算法就是利用最小二乘(LS)估计出多径杂波信号，然后从回波信号中减去杂波信号，从而去除杂波旁瓣的影响，凸显出目标。ECA-B算法是为了提高计算效率提出的一种分块的ECA算法。ECA-B算法的原理如图 1所示，其中N为数据长度，NB为每段的长度，i=0,1,…,b-1为分段数，R为对消的距离单元，第i段参考、回波信号表达式：
 ${s_{{\rm{surv}}i}} = {[{s_{{\rm{surv}}}}(i{N_{\rm{B}}}){\mkern 1mu} {\kern 1pt} {\mkern 1mu} {\kern 1pt} {s_{{\rm{surv}}}}(i{N_{\rm{B}}} + 1) \cdots {s_{{\rm{surv}}}}((i + 1){N_{\rm{B}}} - 1)]^{\rm{T}}}$ (1)
 ${s_{{\rm{ref}}i}} = {[{s_{{\rm{ref}}}}(i{N_{\rm{B}}} - R + 1)\;\;{s_{{\rm{ref}}}}(i{N_{\rm{B}}} - R) \cdots {s_{{\rm{ref}}}}((i + 1){N_{\rm{B}}} - 1)]^{\rm{T}}}$ (2)
i段的处理结果：
 ${s_{{\rm{ECA}}i}}{\rm{ = }}{s_{{\rm{surv}}i}} - {X_i}{\alpha _i}$ (3)

 ${\alpha _i} = {(X_i^{\rm{H}}{X_i})^{ - 1}}X_i^{\rm{H}}{s_{{\rm{surv}}i}}\quad \quad \quad \quad \quad \quad \quad \quad \quad \quad \quad$ (4)
 ${X_i} = B[{s_{{\rm{ref}}i}}(n)\;\;{s_{{\rm{ref}}i}}(n - 1)\; \cdots \;{s_{{\rm{ref}}i}}(n - R + 1)]\quad$ (5)
 $B = {\left\{ {{b_{ij}}} \right\}_{i = 1,\cdots {N_B};\;j = 1,\cdots ,\;{N_B} + R - 1}},\quad {b_{ij}} = \{ _{0,\;{\rm{otherwise}}}^{1,\;i = j - R{\rm{ + }}1}$ (6)

 图 1 ECA-B算法框图 Fig. 1 Sketch of ECA-B approach
2.2 频域ECA-B算法原理

 ${\rm{Refr}}(f) = {\rm{FFT}}\left\{ {{\rm{refr}}(t)} \right\} = S(f)\quad \quad \quad \quad \quad \quad \quad \quad$ (7)
 ${\rm{Echo}}(f) = {\rm{FFT}}\left\{ {{\rm{echo}}(t)} \right\} = {{\rm{e}}^{{\rm{j}}2\pi {\tau _1}{f_1}}}S(f - {f_1}){{\rm{e}}^{ - {\rm{j}}2\pi {\tau _1}f}}$ (8)

 ${\rm{Refr}}(f) = S(f)\quad \quad \quad \;$ (9)
 ${\rm{Echo}}(f) = S(f){{\rm{e}}^{ - {\rm{j}}2\pi {\tau _1}f}}$ (10)

 图 2 频域ECA-B实现框图 Fig. 2 Sketch of ECA-B approach

(1) 我们将原来的多普勒方向的凹槽展宽利用到距离方向，这样在距离方向就不需要逐个距离单元的对消，而是可以每隔一定的距离单元对消一个单元，这样就可以极大地减小子空间维数，减小计算量。

(2) 该方法不仅避免了由于多普勒方向的凹槽展宽对对消单元内的低速目标的消弱，而且还会对零多普勒的更远的距离单元的杂波产生一定的抑制作用。

(3) ECA-B算法由于分段不合适，会在多普勒方向对目标和杂波产生调制，从而出现虚警，而本文方法只会在零多普勒的距离方向产生调制，对于动目标检测不会带来影响。

2.3 参数选择

ECA-B算法分段由于多普勒分辨率下降会导致多普勒方向的零陷凹槽，随着分段数的增多凹槽宽度越宽。本文方法的优势是利用凹槽进行对消，分段数可以根据硬件的性能(如线程数、内存等)尽可能地选择大一些，而主要的参数是单元间隔的选择。下面利用仿真分析了分段数与凹槽之间的关系，相邻凹槽的相互影响，以便选择一个理想的参数。

 图 3 不同分段数凹槽情况 Fig. 3 Flute situations with different number of segments

 图 4 不同间隔的仿真结果 Fig. 4 Simulation results with different intervals

3 仿真及实测数据处理 3.1 仿真数据处理

 图 5 对消前参数设置 Fig. 5 Sketch of reference scenario before cancellation

 图 6 仿真结果 Fig. 6 Simulation results
3.2 实测数据处理

 图 7 实测数据处理结果 Fig. 7 Real-time results
4 结论