单天线FMCW雷达发射泄漏信号抑制技术研究

2025-08-19 来源：21ic

由于受到体积、重量、成本等限制，多数连续波体制的雷达导引头采用单天线技术，由于收发隔离不足致使发射信号泄漏到接收机中产生泄漏信号，而信号泄漏会导致连续波体制雷达接收机灵敏度下降，中放、微波混频器或前置低噪声放大器饱和。

随着元器件的发展，毫米波前端器件的饱和功率，如混频器，可到十几dBm以上，而在弹载环境中，连续波发射机功率一般为几百mW，因此，饱和不是主要问题，只需重点解决接收机灵敏度下降的问题。同时，考虑到实际信息过程具有不确定性，本文采用自适应数

字对消技术综合处理该信息过程，并使得由于收发隔离不足导致的发射泄漏信号得到最大限度的抑制。

1 自适应数字对消基本原理

自适应数字对消系统工作原理如图1所示。

在该模型中，接收机有两个独立通道，参考接收通道和主接收通道。参考通道对发射信号进行采样，主接收通道包含发射泄漏信号和目标回波信号。将主回波信号和参考信号分别送入中频自适应数字对消器，两通道所接收到的信号幅度和相位不同，为提取有用的目标反射信号，只需调整接收到的参考信号，使其与主路信号中发射泄漏信号一致，从而获得良好的对消效果。

自适应滤波器与普通滤波器不同，它的冲激响应或滤波参数是随外部环境的变化而变化的，经过一段自动调节的收敛时间达到最佳滤波的要求。对消原理框图如图2所示。

设主回波信号d(n)为目标回波信号s(n)与发射泄漏信号z(n)之和，x(n)为参考信号，x(n)与目标回波信号不相关，但与z(n)具有某种未知的相关性，x(n)经滤波后产生和z(n)相似的信号z’(n)，最终得到系统的输出

y(n)=s(n)+z(n)-z’(n) (1)

假设z(n)、x(n)及s(n)是零均值的平稳随机过程。s(n)与z(n)不相关。而

y2(n)=s2(n)+(z(n)-z’(n))2+2s(n)(z(n)-z’(n)) (2)

对式(2)两边取数学期望，由于s(n)与z(n)、x(n)不相关，s(n)与z’(n)也不相关，故

E[y2(n)]=E[s2(n)]+E[(z(n)-z’(n))2] (3)

信号功率E[s2(n)]与自适应滤波器的调节无关，因此，自适应滤波器调节使E[y2(n)]最小，即E[(z(n)-z’(n))2]最小。又因为z(n)-z’(n)=y(n)-s(n)，所以当E[(z(n)-z’(n))2]最小时，自适应泄漏信号抵消系统的输出信号y(n)与有用信号s(n)的均方差E[(y(n)-s(n))2]也最小，在理想情况下，z(n)=z’(n)，则y(n)=s(n)。

但在实际系统中，从天线接收到的信号比理论分析复杂，对消比较低。

自适应滤波器本身有一个重要的自适应算法，该算法可以根据输入、输出及原参量值，按照一定准则修改滤波参量，以使自适应滤波器能有效地跟踪外部环境的变化。

目前，自适应滤波算法主要有以下3种：

(1)基于维纳滤波器理论的最小均方误差(LMS)算法。LMS算法简单、运算量小、无需计算相关函数和矩阵求逆运算，易实现且在正确条件下，可获得满意的性能。其主要缺点是收敛速率较缓慢，而且对抽头输入相关矩阵的最大特征值与最小特征值之比变化敏感，即使这样，LMS算法仍然应用广泛。

(2)基于最小二乘法的递推最小二乘法(RLS)算法。RLS算法的优点是收敛速度快、跟踪能力强，但其由于要进行矩阵求逆，计算量较LMS算法大得多，这使其应用受到限制。

(3)基于卡尔曼滤波理论的卡尔曼算法。卡尔曼算法收敛性能好、跟踪能力强、收敛速率具有鲁棒性(Robust)。对输入相关短阵特征值不敏感;并且，该算法适用于平稳随机过程和非平稳随机过程。主要缺点是直接使用卡尔曼滤波公式中的矩阵表示式，算法复杂、运算量大、数值稳定性差。

本文选择LMS算法完成自适应数字对消。

2 理论数据仿真分析

仿真结果如图3和图4所示。