【雷达干扰】FMCW 雷达稀疏低秩 Hankel 矩阵分解的干扰抑制（Matlab实现）

“在代码的海洋里，有无尽的知识等待你去发现。我就是那艘领航的船，带你乘风破浪，驶向代码的彼岸。

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

调频连续波（Frequency Modulated Continuous Wave, FMCW）雷达因其成本效益高、功耗低和体积小巧的特点，在汽车防撞系统、无人机导航、环境监测等领域得到了广泛应用。然而，FMCW雷达信号易受各种干扰影响，包括同频干扰、宽带噪声和非线性效应，这些干扰会严重降低雷达系统的性能和可靠性。因此，开发有效的干扰抑制技术对于提升FMCW雷达的效能至关重要。

干扰信号特性与挑战：
在FMCW雷达系统中，目标反射的信号会产生拍频信号，表现为一系列复指数的叠加。相比之下，干扰信号通常表现为类似啁啾的短脉冲，其时间-频率特征与有用信号明显不同。这种差异为设计有效的干扰抑制算法提供了可能，但也带来了挑战，即如何在不损害有用信号质量的前提下，有效地识别和消除这些干扰。

 基于稀疏和低秩分解的优化方法：
本文提出了一种基于稀疏和低秩分解的优化方法，以解决FMCW雷达系统中的干扰抑制问题。该方法的核心思想是利用干扰和有用信号在时间和频率域的不同特性，将干扰抑制问题转化为汉克尔矩阵的稀疏和低秩分解问题。具体来说，通过对测量信号构建的汉克尔矩阵进行分解，可以将信号分解为两部分：一部分是低秩的，代表了连续的、可预测的有用信号；另一部分是稀疏的，代表了不连续的、随机分布的干扰信号。

优化算法与ADMM方案：
为了求解上述优化问题，本文提出了一种基于交替方向乘子法（Alternating Direction Method of Multipliers, ADMM）的迭代优化算法。ADMM方案通过交替更新低秩和稀疏成分，同时保持两者之间的耦合约束，实现了高效和稳健的求解。这种方法不仅能够有效地抑制干扰，还避免了传统干扰检测方法的复杂性和不确定性，从而提高了有用信号的估计精度。
综上所述，本文提出的基于稀疏和低秩分解的优化方法为FMCW雷达系统中的干扰抑制提供了一种新颖而有效的解决方案。通过利用信号的固有特性，结合先进的优化算法，该方法不仅能够有效抑制干扰，还能够在不牺牲有用信号质量的前提下，提升雷达系统的整体性能。未来的研究方向可能包括算法的进一步优化、与其他信号处理技术的集成以及在更多复杂场景下的应用探索，以进一步拓宽FMCW雷达在现代传感和通信系统中的应用前景。

📚2 运行结果

主函数部分代码：

flag_plot=0;
path = './figs/fig_20211108/';
%% FMCW
c = 3e8;
f_c = 3e9;
T_sw = 400e-6;
BW = 40e6;
sweep_slope = BW/T_sw;
Range_max = 8e3;          % max detection range
tau_max = 2*Range_max/c;   % max time delay
fb_max = sweep_slope * tau_max; % max beat frequency

BW_I = BW;
T_sw_I = T_sw;
sweep_slope_I = BW_I/T_sw_I;

f_s = 12e6;                 % sampling frequency
Npoint = floor(f_s*T_sw);

P_tx = 1;
SNR = 15; 
% SNR = inf;
%% Transmitter
t = (0 : 1 : Npoint-1)/f_s;
N_t = length(t);
amp     = sqrt(P_tx);
% sig_Tx  =  FMCW_sweep(t, T_sw, 0, f_c, -sweep_slope, amp);
%% Target
d_tar = [2e3,  3.5e3,  5e3 ];
N_tar = length(d_tar);
scat_coeff_tar = [0.5, 0.05, 0.4] .* exp( 1i*2*pi*rand(1, N_tar) );

sig_Rx = beatSig_FMCW(scat_coeff_tar(1:3), d_tar(1:3), t, f_c, T_sw, sweep_slope, c);
sigN_rx = awgn(sig_Rx,SNR,'measured');
%% FMCW Interference
amp_intf = [5, 3.6, 4.5];  %5, 3.6, 4.5
fr_intf = [3*sweep_slope_I, -2*sweep_slope_I, -1.5*sweep_slope_I ]; %3 -2 -1.5
fc_intf = [f_c, f_c, 1*f_c];
T_sw_intf = [T_sw_I, 1*T_sw_I, 1.2*T_sw_I];
t_d_intf = [10e-6, 150e-6,  -160e-6];

sig_I = beatInterfer_FMCW(amp_intf, fc_intf, fr_intf, T_sw_intf, t_d_intf,...
    t, f_c, sweep_slope, T_sw, fb_max);

%% Full signal (usable signal + interference + noise)
% sig_full = sigN_rx + sig_I;

%% Time truncation 
ind_t_eff = rectpuls(t-tau_max-T_sw/2, T_sw)>0.5;
t = t(ind_t_eff);
t_us = t*1e6;

sig_Rx_trc = sig_Rx(ind_t_eff);
sig_I_trc = sig_I(ind_t_eff);
% sig_full_trc = sig_full(ind_t_eff);

%====================================    
sigN_rx_trc = awgn(sig_Rx_trc,SNR,'measured');
% sigN_rx_trc = sig_Rx_trc;
sig_full_trc = sigN_rx_trc + sig_I_trc;

%=======================================================
len_sig = length(sig_full_trc);

🎉3 参考文献

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。

[1]唐军奎,刘峥,冉磊,等.基于稀疏和低秩先验的雷达前视超分辨成像方法[J].雷达学报,2023,12(02):332-342.

[2]彭成. 基于低秩稀疏分解模型的雷达有源欺骗干扰抑制方法研究[D].西安电子科技大学,2023.DOI:10.27389/d.cnki.gxadu.2022.000779.

🌈4 Matlab代码实现