基于LSTM的LFMCW雷达相互干扰抑制方法_杨晨.pdf

第 卷 第 期（总第 期）年 月火控雷达技术 .（）.收稿日期：作者简介：杨晨（），男，硕士研究生。研究方向为雷达信号处理技术。基于 的 雷达相互干扰抑制方法杨 晨 于贵龙（西安电子工程研究所 西安）摘 要：随着汽车雷达的广泛应用，雷达之间的相互干扰越来越受到人们的关注。为了缓解雷达相互干扰的问题，本文提出了一种基于迭代阈值检测和 的干扰抑制方法，首先迭代检测干扰信号的位置，然后利用 恢复出被干扰的回波信号。经过仿真验证，所提方法能有效抑制 雷达的相互干扰，经过处理后雷达能准确获取目标信息。关键词：雷达；干扰抑制；迭代阈值；中图分类号：文献标志码：文章编号：（）引用格式：杨晨，于贵龙.基于 的 雷达相互干扰抑制方法.火控雷达技术，（）：.：.，（，）：，.，.，.，.，.：；引言近年来随着经济与科技的快速发展，汽车雷达得到了广泛应用，汽车雷达可以帮助驾驶员应对复杂的路况，提高汽车的安全性。但随着雷达数量的增多，雷达之间的相互干扰成为了一个不可忽视的问题，相互干扰会导致雷达无法正常工作，进而影响行车安全。针对汽车雷达相互干扰的问题，国内外学者从不同方向提出了许多解决方案。文献提出了一种基于 算法和自回归模型（，）的干扰抑制方法，首先利用 算法检测干扰的时间位置，经过干扰识别后利用 模型恢复受损信号。文献提出了一种在可调 因子小波变换（）域中的干扰抑制技术。利用形态学分量分析和 范数惩罚最小二乘法，推导了一种基于稀疏度的非线性信号分离模型，以减少干扰。文献提出了一种基于维纳滤波的干扰抑制方法。首先统计回波信号的噪声水平，然后利用短长度的滑动窗口对干扰信号进行维纳滤波，自适应动态地更新滤波器系数，从而抑制干扰。火 控 雷 达 技 术第 卷本文提出了一种基于长短期记忆网络（，）的干扰抑制方法，首先利用迭代阈值法检测干扰信号的位置，将干扰部分置零，然后通过 来恢复被干扰的信号，从而抑制干扰信号的影响，使雷达能准确获取目标信息。雷达原理及干扰分析线性调频连续波（，）雷达分为三角波 雷达和锯齿波 雷达，汽车雷达多采用锯齿波 雷达。雷达发射机产生 信号然后向外发射，发射信号在遇到目标后被反射然后被雷达接收，对接收信号与发射信号进行混频处理后得到差拍信号，差拍信号经过低通滤波器后进行二维 处理可以获取目标的距离和速度信息。假设雷达发射信号的表达式为（）（），（）其中，为发射信号的幅值，为发射信号的载波频率，为调频斜率，为调频带宽，为调频周期。发射信号经过目标反射后被雷达接收，假设目标与雷达的初始距离为，目标径向速度为，目标远离雷达速度为正，则接收信号与发射信号之间的时延 （），其中为光速，接收信号可以表示为（）（）（）（）（）其中，为接收信号的幅值，为多普勒频率，接收信号与发射信号经过混频，再通过低通滤波器滤除高频分量后得到的差拍信号表示为（）（）（）（）雷达之间的干扰可分为交叉干扰和平行干扰，当干扰雷达使用与观测雷达相同的调频斜率和调频方向时，会发生平行干扰，平行干扰导致雷达检测到虚假目标。当干扰雷达与观测雷达具有不同的调频斜率时，会发生交叉干扰，从而在时域中产生脉冲状干扰信号，导致频域中的噪声基底增加。雷达之间的干扰多为交叉干扰，因此本文只考虑发生交叉干扰的情况。假设此时有一个干扰信号进入雷达接收机，干扰信号表示为（）（），（）其中，为干扰信号的幅值；和 分别为干扰信号的载频和调频斜率；为干扰信号的调频周期。干扰信号与目标回波信号进行相同的处理后得到的差拍信号为（）（）（）（）（）其中，为接收到的干扰信号的幅值；为多普勒频率，为干扰信号的时延，最终的差拍信号为（）（）（）（）干扰抑制方法本文所提的方法首先利用阈值迭代法检测干扰的位置，将干扰部分置零，然后利用 恢复被干扰的部分，最后对恢复后的信号进行相应的处理。.迭代阈值法检测干扰信号由于干扰雷达发出的信号不需要经过目标的反射就被雷达接收，因此干扰信号能量衰减较小，其幅度远大于目标回波信号的幅度，根据这一特点，可以在时域上利用阈值来检测干扰信号的位置。固定阈值法只能检测到幅度较大的干扰，所以采用迭代阈值法。首先确定初始阈值，其表达式为 （）（）其中（）为信号样本；为信号长度；为预定的常数，以避免错误检测。由于初始阈值较大，仍有部分干扰信号未被检测到，因此将检测出的干扰部分置零，然后更新阈值，更新后的阈值 的表达式为 （）（）其中 是在上一步中置零的样本点数量，随着迭代次数的增加，阈值不断减小，利用长度为 的矩形窗口函数来抑制干扰，当阈值的变化量小于设定值 时停止迭代过程，完整的检测过程如图 所示。第 期杨 晨等：基于 的 雷达相互干扰抑制方法图 迭代阈值法检测流程经过迭代阈值法处理之后，干扰部分基本被完全检测到，图 为迭代阈值法和固定阈值法的检测效果对比，可以看出迭代阈值法的效果明显好于固定阈值法。图 迭代阈值法和固定阈值法对比图.恢复被干扰信号在上一小节中，干扰信号部分被置零，在抑制干扰信号的同时也丢失了一部分有用信号，因此我们采用 来恢复被干扰的部分，从而减少有用信号的损失。循环神经网络（，）是一种用于处理时间序列数据的神经网络，是一种特殊的，主要是为了解决中存在的梯度消失和梯度爆炸问题。梯度消失是指历史时间步的信息距离当前时间步越长，反馈的梯度信号就会越弱；梯度爆炸是指网络层之间的梯度重复相乘导致的指数级增长使模型无法有效学习。相比普通的，适用于长序列的处理。的基本结构如图 所示。图 结构示意图图 中，是 函数，为正切激励函数；为时刻的状态单元；为时刻的隐藏状态信息；为 时刻的输入信息；为待更新至 的候选状态信息，乘号和加号分别代表矩阵按位乘法和按位加法。的结构可以分为三个门单元，门是一种选择性通过信息的结构，由一个激活函数是 的神经网络层和一个乘法运算组成。激活函数使得神经网络层的输出是到之间的数字，值为表示不通过任何信息，值为 表示通过所有信息。图中从左至右依次为遗忘门，输入门和输出门。遗忘门的功能是确定数据中需要遗忘的信息，根据上一单元的输出 和本单元的输入 来确定为（，）（）输入门的作用是在状态信息中添加新的信息，这个阶段需要更新 以及候选值 为（，）（）（，）（）然后根据遗忘门和输入门产生的结果来更新。火 控 雷 达 技 术第 卷 （）最后输出门确定输出的结果 和 为（，）（）（）（）式（）至式（）中，、是相应的权值矩阵，是截距项。的原理可以概括为通过门控状态来控制传输状态，记住需要长时间记忆的信息，忘记不重要的信息，对于需要长期记忆的任务效果较好，但同时它的运算复杂度也更高。仿真验证本节利用 对所提方法进行仿真验证。设置两个目标车辆，与本车雷达的距离分别为 和，其中一辆车安装有干扰雷达，仿真场景如图 所示。本车雷达和干扰雷达均发射 信号，雷达参数如表 所示。图 仿真场景示意图表 雷达参数参数数值单位本车雷达载波频率调频带宽调频周期干扰雷达载波频率.调频带宽调频周期距离 图 为没有干扰时的差拍信号时域图和频域图，从频域波形中可以获取目标的距离。图 无干扰的波形 图 为存在干扰时的差拍信号时域图和频域图，在时域图中干扰信号幅度远大于目标回波信号幅度，在频域图中目标峰值被干扰信号淹没，不能读取目标的距离。图 有干扰的波形第 期杨 晨等：基于 的 雷达相互干扰抑制方法 图 为应用本文所提方法抑制干扰后的差拍信号时域图和频域图，在时域上干扰信号基本被消除，在频域上目标的峰值比较清楚。将本文所提方法与迭代阈值法进行比较，结果如图 所示，从图 中可以看出，两种方法都能检测出目标的距离，但应用本文的方法后，目标信噪比更高，检测效果更好。图 干扰抑制后的波形图 干扰抑制效果对比 结束语针对汽车 雷达之间的相互干扰问题，本文提出了一种解决方法，首先对接收信号利用迭代阈值法检测出干扰信号的位置，将干扰部分置零，然后通过 恢复出干扰位置处的目标回波信号。经过仿真验证，所提方法可以有效地缓解 雷达的相互干扰。参考文献：，：，（）：袁敏，施佺，许致火 基于维纳滤波的汽车毫米波雷达干扰自适应抑制 电子测量与仪器学报，（）：，（）：，：夏容，江官星 基于 的软件时间序列延迟预测仿真 计算机仿真，（）：杜丽霞 基于 预测方法的应用研究 太原：山西大学，