基于路网信息辅助的多星编队...标径向速度估计与重定位方法_李相海.pdf

第 卷第期 年月系统工程与电子技术 文章编号：（）网址：收稿日期：；修回日期：；网络优先出版日期：。网络优先出版地址：基金项目：国家自然科学基金（）；上海航天科技创新基金（）资助课题通讯作者引用格式：李相海，杨志伟，贺顺，等基于路网信息辅助的多星编队系统 动目标径向速度估计与重定位方法系统工程与电子技术，（）：，（）：基于路网信息辅助的多星编队系统 动目标径向速度估计与重定位方法李相海，杨志伟，贺顺，廖桂生，韩超垒，姜岩（西安电子科技大学雷达信号处理国家重点实验室，陕西 西安 ；西安科技大学通信与信息工程学院，陕西 西安 ；上海卫星工程研究所，上海 ）摘要：针对混合多基线系统构型下由动目标高程导致的目标径向速度估计偏差和定位偏差问题，提出一种基于路网信息辅助的动目标径向速度估计与重定位方法。首先，利用目标邻域杂波样本估计动目标的高程干涉相位导向，并结合路网先验信息补偿目标成像位置与其真实位置之间的高程差；然后，采用自适应匹配滤波算法估计目标的径向速度，并进一步将目标径向速度估计及重定位结果与路网信息进行匹配，以消除虚假估计；最后，将目标径向速度估计与重定位结果用于辅助目标高程补偿，并通过迭代处理获得最终结果。基于多星仿真数据的实验结果表明，所提方法能够有效消除目标高程影响，提升多星编队系统在地形起伏背景下的目标径向速度估计和重定位性能。关键词：径向速度估计；多星编队；合成孔径雷达；地面运动目标指示；地形干涉相位中图分类号：文献标志码：，（.，；.，；.，）：，：；（）；（）；系统工程与电子技术第 卷引言多星编队雷达系统结合干涉合成孔径雷达（，）技术与地面运动目标指示（，）技术可执行高精度的测高、测速等重要任务 。动目标径向速度估计与重定位是 研究的重点内容。单星多通道系统可利用通道间的相干特性实现杂波抑制，通过进一 步 结 合 自 适 应 匹 配 滤 波（，），可 估 计 得 到 目 标 径 向 速 度。我 国 的 高 分 号 卫星具有双通道 模式 ，可满足高精度的动目标测速定位任务需求。多星编队系统可灵活构成多组有效基线，是实现更好的最小可检 测 速 度（，）和更高的测速定位精度的重要途径。文献 公 开 了 超 长 沿 航 迹 基 线 构 型 下 的 和 双星编队 实验结果，极大程度地提升了目标的定位、测速和测向精度。对于多星编队系统，混 合 基 线 构 型 引 入 的 地 形 干 涉 相 位 是 制 约 系 统 处理性能的关键因素 。一方面，地形干涉相位使得杂波空间分布具有高程依赖性，杂波非均匀问题突出，进而导致杂波抑制性能恶化；另一方面，地形干涉相位与动目标径向速度干涉相位的耦合问题，导致动目标参数估计性能严重恶化。针对杂波非均匀问题，已有相关研究工作提出基于地形干涉相位补偿的稳健杂波抑制方法，此处不再赘述。针对动目标参数估计，文献 提出了一种多通道多像素联合处理方法，文献 利用目标相邻像素对相干信息进行高度补偿，可实现目标参数估计和定位功能，其测速精度高于单像素法。但是，动目标径向速度易导致成像位置发生偏移，目标真实位置与成像位置存在高度偏差，进而导致出现径向速度估计偏差。为此，文献 提出基于非线性阵列结构的干涉相位解耦合策略，文献 利用数字高程测量（，）信息迭代补偿目标高程干涉相位。但是，这两种方法必须满足非线性阵列系统的约束条件，给系统设计和信号处理带来了挑战。针对上述动目标参数估计难题，本文提出一种基于路网信 息 的 迭 代 自 适 应 匹 配（，）算法，该算法可实现混合基线构型下的目标径向速度估计与重定位。算法核心是利用交通路网先验信息辅助补偿动目标成像位置与其真实位置之间的高程差，对补偿后的数据采用自适应匹配算法，进行动目标径向速度估计与重定位。为了提高算法的稳健性，进一步将重定位结果进行反馈并辅助目标高程补偿，采用迭代的方式获得最终的测速定位结果。此外，本文基于混合基线系统构型下的动目标信号模型，重点分析了线性阵列与非线性阵列构型下动目标高程干涉相位耦合对径向速度估计的影响。最后，基于仿真的多星 图像数据 处理实验结果表明，本文方法能够有效消除目标高程的影响，在地形起伏场景中具有较好的径向速度估计和重定位性能，并且对线性和非线性阵列系统都具有很好的适用性与稳健性。信号模型假设由个卫星构成多星编队系统，其观测构型如图（）所示，目标存在高程起伏情形时，观测场景示意图如图（）所示。将不同通道的数据排成列矢量，其二元假设下的信号形式如下：（）式中：表示杂波信号，表示杂波强度，表示杂波导向矢量，表示杂波通道间的随机扰动，表示 积；（，）表示目标信号，表示目标信号强度，表示目标导向矢量；表示白噪声。图多星编队系统几何模型 如图（）所示，星载编队雷达系统沿航迹基线与垂直航迹基线同时存在。沿航迹基线对目标径向速度敏感，垂直航迹基线对目标高程敏感。因此，混合基线构型下动目第期李相海等：基于路网信息辅助的多星编队系统 动目标径向速度估计与重定位方法 标干涉相位与地形干涉相位相互耦合，动目标信号的导向矢量可表示为（，）（）（），（）式中：表示高程干涉相位导向矢量；为目标高程；系数 （，），表示垂直基线长度，表示雷达工作波长，表示目标斜距，表示下视角；表示动目标速度导向矢量，为目标径向速度，系数 ；为平台运动速度；表示沿航迹基线长度。显然，目标速度干涉相位与地形干涉相位相互耦合，在进行杂波抑制和目标参数估计时需要进一步对地形高程干涉相位进行估计及补偿处理。径向速度估计 干涉相位耦合问题在混合基线构型下，针对动目标干涉相位耦合问题，可通过地形高程干涉相位估计与补偿实现 任务。然而，在实际处理过程中，动目标的真实位置未知，在利用目标成像位置所在邻域的杂波高程干涉相位对目标进行补偿时，难免存在补偿剩余：（）（）（）（，）（）式中：（）表 示 目 标 成 像 位 置 邻 域 的 杂 波 导 向 矢 量；（）表示取共轭；表示动目标成像位置与真实位置之间的高程差。由式（）可见，利用目标邻域内的杂波导向进行补偿，无法完全消除地形高程干涉相位的影响，由此引入的高程补偿误差会进一步导致径向速度估计性能恶化。仅考虑目标导向矢量（，）的干涉相位，可将式（）中目标高程与速度的耦合关系表示为（）（）式中：表示第个空间通道与第个通道的干涉相位。由式（）可以看出，在混合基线构型下，目标速度干涉相位与高程干涉相位并非独立存在，在特定条件下，二者具有线性关系。因而，在自适应匹配处理过程中，目标高程补偿误差将转化为径向速度估计偏差。对于线性阵列构型，不同空间通道的基线关系为固定比例，即，为固定常数。对应的相位关系满足（，）（）由此可得目标导向关系满足：（，）（）（）由式（）可见，目标的速度导向和高程导向关系完全等效，高程补偿误差完全转化为径向速度估计偏差。因此，对于线性阵列构型，利用可空域自由度无法实现干涉相位解耦合。对于非线性阵列构型，不同空间通道对应的比例系数不同，与之对应的方位与俯仰维阵列导向结构不同。根据二维波达角（，）估计理论，可采用二维最优波束形成的方式估计 参数。因此，对于非线性阵列的干涉相位耦合问题，可利用空域自由度实现解耦合。式（）中的目标导向同时存在速度与高度两个未知变量，需要将自适应匹配滤波算法扩展为二维匹配估计：?，（，?）（，?）（，?）（）式中：表示杂波协方差矩阵；（）表示矩阵求逆操作。通常，为加快算法收敛速度，式（）可采用坐标轮换法（，）交替优化求解。利用空域自由度对速度和高度交替匹配搜索，即可得到径向速度的估计结果。下面根据式（）所给的信号模型，仿真分析目标高程补偿误差对径向速度估计的影响。设目标速度，目标信噪比为 ，杂波的杂噪比为 ，杂波通道幅相误差为 ，随机向量，服从复高斯分布，其他系统参数如表所示。在仿真实验中，通过设置不同的目标高程补偿误差，进行 次蒙特卡罗实验，统计速度估计均方根误差（，），并给出相应的变化曲线。图（）和图（）分别是非线性、线性阵列构型下采用方法时的速度估计均方根误差与目标高程误差的响应曲线。由图可明显看出，目标高程干涉相位补偿误差导致一维算法的估计偏差较大，并且成像位置与真实位置地形高程变化越大，导致的径向速度估计偏差越大。对比图（）和图（）可见，在非线性阵列构型下，二维算法可实现速度 高程解耦合，其速度估计误差较小。但是，对于线性阵列系统构型二维方法估计目标径向速度偏差较大，甚至失效。这是因为线性阵列构型下目标的速度导向与高程导向完全等价，高程补偿误差完全转化为径向速度估计偏差。所提方法针对混合基线构型下目标高程干涉相位耦合导致的径向速度估计偏差问题，通常可借助外部先验信息辅助来完成目标参数估计。文献 的研究结果表明，利用交通路网先验信息辅助可提高目标径向速度估计精度。其中，路网信息一方面可通过地理信息系统（，）获取，另一方面可直接利用 图像在线提取 。文献 提出了一种基于 先验信息辅助的最 大 似 然 估 计（，）方法。算法的核心思想是利用先验 信息补偿目标成像位置与真实位置之间的高程差，进而采用一维匹配滤波估计径向速度，最后根据径向速度估计与重定位结果重新补偿目标高程差，通过交替迭代处理得到最终估计结果。方法可提高混合基线构型下的目标径 系统工程与电子技术第 卷向速度估计性能。但是，式（）中的目标速度和高度两个变量存在耦合关系，当目标高程差较大时，径向速度估计偏差较大，进而导致 算法无法收敛。图高程补偿误差导致的径向速度估计偏差 本文提出的 算法用于混合基线构型下的目标径向速度估计与重定位，其算法处理流程图如图所示。首先，基于交通路网先验信息补偿目标真实位置与成像位置之间的高程差，然后利用自适应匹配滤波算法估计目标径向速度，最后将目标重定位的结果与路网信息结合，重新补偿目标高程差，通过迭代处理获得最终的目标径向速度估计与重定位结果。算法的执行步骤如下。步骤杂波抑制与目标检测。混合基线构型下的杂波抑制首先需要通过地形干涉相位补偿来消除杂波的地形依赖性，补偿方法参见文献 。补偿后采用图像域的空时自适应算法进行杂波抑制，目标检测采用恒虚警（，）检测方式。步骤在目标邻域内估计高程导向矢量。依据地形缓变假设，目标检测位置邻域内的杂波具有近似相同的高程干涉相位导向。利用特征值分解的方式估计高程干涉相位导向：，（）式中：表示由目标周围区域杂波样本数据估计的杂波协方差矩阵；，表示特征值，从大到小排列；，表示与，对应的特征向量。最大特征值对应的特征向量即为高程干涉相位导向（）。图本文算法流程图 步骤利用路网先验信息补偿动目标成像位置的高程差。根据路网先验信息可初步得到动目标的真实位置区域，与步骤类似，利用道路附近区域的杂波样本估计目标真实位置的高程导向（），由此可得目标真实位置与成像位置之间的高程差：（）（）（）（）以（）对数据矢量做相位补偿处理，补偿后的数据矢量可表示为（）（）步骤利用自适应匹配滤波算法估计动目标径向速度。利用一维搜索估计目标的径向速度：（，）（，）（，）（）式中：表示经过道路补偿处理后的径向速度估计结果；（，）表示仅包含目标速度的导向矢量。步骤利用径向速度估计结果对动目标重定位。根据式（）中的径向速度估计结果对目标重定位：（）式中：表示目标检测结果对应的方位位置；表示目标斜距。第期李相海等：基于路网信息辅助的多星编队系统 动目标径向速度估计与重定位方法 步骤动目标重定位结果与路网位置信息匹配。依据动目标成像理论，当目标速度与高度完全匹配时，目标重定位误差最小。所以，动目标重定位结果与路网位置误差最小的估计结果为有效估计：（）式中：表示目标重定位位置；表示道路中心线位置；为给定常数，可根据系统重定位精度设定。步骤考虑到实际处理过程中先验信息误差的影响，将步骤中的重定位结果代入步骤中，辅助估计目标高程差。通过迭代处理重复执行步骤步骤，获得最终的目标径向速度估计与重定位结果。在实际观测场景中，可能同时存在多条道路，即式（）中的（）具有多组不同的取值。当目标径向速度较小时，目标成像位置偏离小，目标不会跨多条道路。以邻近的几条道路对应的高程差分别对数据进行补偿处理，然后利用 算法估计得到多个