一种基于关注区逐步收缩与迭代重加权岭回归的雷达高速机动目标距离变化历程估计方法与流程

本技术属于雷达信号处理，且特别涉及一种基于关注区逐步收缩与迭代重加权岭回归的雷达高速机动目标距离变化历程估计方法。

背景技术：

1、目标距离变化历程的精确估计在雷达目标定位、运动参数估计、成像、分类与识别中起着至关重要的作用，是雷达信号处理领域的一个重要主题。随着航空航天技术的发展，越来越多高速机动目标（如战斗机、高超声速飞行器、弹道导弹等）出现在雷达视场中，其具有的一些显著区别于常规目标的特点，将给雷达目标距离变化历程的精确估计带来严峻挑战：高速机动目标几何尺寸一般就较小，并由于其本身就具有的高速机动外形和隐身技术的使用，和传统目标相比，其雷达等效散射截面积小得多，回波信号更加微弱；高速机动目标瞬时速度可高达2.5马赫到20马赫，其驻留在距离分辨单元上的时间严格受限，脉间积累对雷达回波信噪比的改善极其有限；高速机动目标不仅速度高，还能以跳跃、螺旋、蛇形机动（含s型机动、正弦机动）等复杂方式运动，目标运动特性复杂，关于目标相对于雷达具有恒定速度、恒定加速度、恒定加加速度的假设将不再适用。低信噪比条件下高速机动目标复杂的距离变化历程的精确估计已成为现代雷达技术研究领域亟需解决的问题。

技术实现思路

1、本技术的目的在于提供一种基于关注区逐步收缩与迭代重加权岭回归的雷达高速机动目标距离变化历程估计方法，该方法能以较小计算代价显著提升雷达估计高速机动目标（例如高速蛇形机动目标）复杂距离变化历程的鲁棒性。

2、本技术提供一种基于关注区逐步收缩与迭代重加权岭回归的雷达高速机动目标距离变化历程估计方法，该方法包括：s1：对离散采样、正交解调与脉冲压缩处理后的雷达回波信号沿慢时间方向进行短时滑窗积累，得到回波增强处理后的回波信号矩阵；s2：采用一种具有内外两层迭代结构的目标径向距离变化轨迹估计算法从回波信号矩阵中估计高速机动目标距离变化历程；其中，目标径向距离变化轨迹估计算法包括：步骤s21、步骤s22、步骤s23、步骤s24和步骤s25；s21：对回波增强处理后的回波信号矩阵的每一列，提取关注区内距离像关键特征，构造目标瞬时距离观测向量，并确定岭加权回归采用的正则化参数；每执行一次步骤s21，将外层迭代计数器的数值加1并重置加权矩阵；s22：利用岭加权回归估计目标距离变化历程，并估计目标瞬时距离观测向量相对于目标距离变化历程的估计量间的残差的分布的尺度参数；利用尺度参数的估计量对残差进行标准化，得到标准化残差估计量；基于标准化残差估计量确定加权向量；利用加权向量更新加权矩阵；每执行一次步骤s22，将内层迭代计数器的数值加1；s23：若加权矩阵收敛或内层迭代计数器的数值达到最大值，则执行步骤s24，否则执行步骤s22；s24：根据目标距离变化历程的估计量和尺度参数的估计量调整正则化参数与回波信号矩阵每一列上关注区的中心位置及关注区的宽度；s25：若满足条件m1或条件m2，则执行步骤s3，否则执行步骤s21；其中，条件m1为：关注区的宽度及关注区的中心位置均收敛且正则化参数已调整到零；条件m2为：外层迭代计数器的计数值达到最大值；s3：利用目标距离变化历程的估计量对脉冲压缩处理后的雷达回波信号进行距离徙动校正，并基于距离徙动校正后目标回波能量在距离维聚集的特性校验目标距离变化历程的估计量的有效性。

3、本技术可选的实施方式中，步骤s1中，根据式（1）对经离散采样、正交解调与脉冲压缩处理后的雷达回波信号沿慢时间方向进行短时滑窗积累；式（1）如下：

4、

5、其中：为回波增强处理后得到的回波信号；为离散快时间变量，，为距离门内快时间采样单元的个数；为慢时间变量，，为观察时间内雷达发射或接收脉冲的个数，为雷达发射脉冲重复周期；，用于控制滑窗长度；为包络检波操作；局部变量为慢时间索引号。

6、本技术可选的实施方式中，目标径向距离变化轨迹估计算法的目标函数如式（2）所示，式（2）如下：

7、

8、根据式（3）以及式（4），得到目标距离变化历程的估计量，式（3）如下：

9、

10、式（4）如下：

11、

12、其中：为外层迭代步索引号，，为外层迭代最大次数；为内层迭代步索引号，，为内层迭代最大次数；为解释变量矩阵，解释变量矩阵的第行为，为迭代重加权岭回归多项式拟合中多项式的阶次；为待定系数向量；、、分别为第迭代步采用的加权矩阵、获得的待定系数向量的估计量和获得的目标距离变化历程的估计量；、分别为在外层迭代步中确定采用的正则化参数和构造的目标瞬时距离观测向量；为单位矩阵；表示向量或矩阵的转置；为矩阵的逆。

13、本技术可选的实施方式中，对于扩展目标，距离像关键特征包括：距离像极值、前沿、质心的位置和目标扩展宽度；对于点状目标，距离像关键特征为距离像包络峰值所处距离采样单元的位置；本技术采用低分辨率雷达观测可视为点状目标的高速机动目标，步骤s21中，根据式（5）完成距离像关键特征的提取与目标瞬时距离的测量，并构造目标瞬时距离观测向量；式（5）如下：

14、

15、其中：为第迭代步获得的第帧距离像在关注区内包络峰值所处距离采样单元位置索引号；为回波增强处理后的回波信号的矩阵表示；为矩阵的行索引号，，为距离门内快时间采样单元的个数；为矩阵的列索引号，，为观察时间内雷达发射或接收脉冲的个数；为第迭代步第帧距离像上的关注区；为第迭代步第帧距离像上的关注区的下确界；为第迭代步获得的在时刻的目标瞬时距离的测量值，为慢时间变量；为电磁波传播速度；为快时间采样间隔；为距离门中心。

16、本技术可选的实施方式中，根据式（6）、式（7）、式（8）确定第迭代步第帧距离像上的关注区；式（6）如下：

17、

18、其中：为距离门，为距离门起始位置；为距离门终止位置；为距离门中心；为电磁波传播速度；为快时间采样间隔；为距离门内快时间采样单元的个数；为向下取整操作；为截断操作，、分别定义截断左右边界；、分别为第迭代步第帧距离像上关注区的中心位置和关注区的半宽度；

19、、由式（7）确定，式（7）如下：

20、

21、其中：为第迭代步结束后获得的目标在时刻相对于雷达的瞬时距离的估计值；为比例因子；用于控制关注区的最小宽度；为在的基础上引入的辅助尺度参数；为第迭代步获得的目标瞬时距离观测向量相对于目标距离变化历程的估计量间的残差的分布的尺度参数的估计量；

22、由式（8）确定，式（8）如下：

23、

24、其中：为关注区的收缩策略的切换阈值；为减缓收缩速度的控制因子。

25、本技术可选的实施方式中，根据式（9）调整第迭代步的正则化参数；式（9）如下：

26、

27、其中：为正则化参数的初始值；为第迭代步的正则化参数；为正则化参数的调整率；、为控制正则化参数调整策略选择的阈值系数；为雷达瑞利距离分辨率。

28、本技术可选的实施方式中，对于迭代步，所述加权矩阵设置为单位对角阵，即；对于迭代步，根据式（10）、式（11）、式（12）以及式（13）更新加权矩阵；式（10）如下：

29、

30、式（11）如下：

31、

32、式（12）如下：

33、

34、式（13）如下：

35、

36、其中：为第迭代步获得的目标瞬时距离观测向量相对于目标距离变化历程的估计量间的残差的分布的尺度参数的估计量；为外层迭代步中构造的目标瞬时距离观测向量；为第迭代步获得的目标距离变化历程的估计量；为标准化残差估计量；为的第个元素；为第迭代步采用的加权向量；为的第个元素值；为加权矩阵；为限制野值的常数项。

37、本技术可选的实施方式中，步骤s3中，首先利用目标距离变化历程的估计量构造距离徙动校正函数，对脉冲压缩处理后的雷达回波信号进行距离徙动校正，得到距离徙动校正后的雷达回波信号；如式（14）所示，式（14）如下：

38、

39、其中：为回波增强处理后得到的回波信号在域的表示；为构造的距离徙动校正函数；为相对于快时间频率的逆傅里叶变换；为对应于快时间的频率；为离散快时间变量，，为距离门内快时间采样单元的个数；为慢时间变量，，为观察时间内雷达发射或接收脉冲的个数，为雷达发射脉冲重复周期；为信号幅度；为发射信号的频率调制率；为发射信号的脉冲宽度；为时刻目标相对于雷达的瞬时距离；为时刻目标瞬时距离的估计值；为目标初始径向距离估计值；为电磁波传播速度；为单位复数；

λ为雷达发射载波波长；为距离徙动校正后雷达回波信号中的噪声项。

40、本技术可选的实施方式中，将表示为矩阵，并对矩阵的每一行进行积累，得到向量，并通过极大值位置检测估计距离徙动校正后目标所处距离单元的索引号，再根据利用距离徙动校正后的目标回波能量在距离维聚集的特性，利用式（15）判断目标距离变化历程的估计量的有效性，式（15）如下：

41、

42、其中：、为两个可调阈值系数；为求向量均值函数；为求向量标准差函数；为距离门内快时间采样单元的个数；为电磁波传播速度；为快时间采样间隔；为距离门中心；为目标初始径向距离估计值；为雷达瑞利距离分辨率。

43、本技术提供的基于关注区逐步收缩与迭代重加权岭回归的雷达高速机动目标距离变化历程估计方法至少具有以下有益效果：

44、本技术提出的方法首先利用相邻距离像间的幅度信息，通过对离散采样、正交解调与脉冲压缩处理后的雷达回波信号沿慢时间方向进行短时滑窗积累，实现回波增强，降低了测量数据集中野值出现的概率；

45、其次，本技术通过外层迭代步间自适应收缩距离像关键特征提取关注区的位置和宽度，实质地减小测量数据集中野值的数量并限制了野值出现的范围，进一步提升了数据质量，增强了模型的抗噪声能力；

46、本技术将岭回归、迭代重加权最小二乘法相结合构造迭代重加权岭回归法抑制野值影响的基础上，引入了一种正则化参数逐步调整策略，随着迭代间数据质量的提升，逐步增强模型的表征能力，可解决岭回归在提高抗噪声能力和提升估计精度间的固有矛盾，实现了稠密野值干扰下目标距离变化历程的精确估计。

47、本方法无目标运动参数空间搜索过程，和参数搜索类方法中的代表方法广义radon傅里叶变换（generalized radon fourier transform, grft）相比，估计强机动高速目标距离变化历程需要的计算量极低；和迭代重加权最小二乘法相比，本方法仅在关注区计算和距离像关键特征重提取与测量数据集构造步骤增加极少量的计算代价，就获得抗噪声能力高达2db的提升；和峰值搜索、滑动均值、滑动中值、最小二乘多项式回归等方法相比，抗噪声能力更是提高了5db到8db。