CN103954943A - 网络化雷达系统抗欺骗式干扰方法 - Google Patents

Abstract

本发明公开了一种网络化雷达系统抗欺骗式干扰方法，其包括以下步骤：(1)对n个节点雷达，根据检测得到P个点目标对应的距离单元，得到各个点目标的慢时间随机复包络序列(2)对第i节点雷达检测的第p_i个点目标的慢时间随机复包络序列和第j节点雷达检测的第p_j个目标的慢时间随机复包络序列之间的相关系数进行估计；(3)根据相关系数设定其实部为相关性度量(4)估计点目标的慢时间随机复包络序列和对应的目标噪声比TNR，求得相关性度量根据其期望值选择检验门限(5)根据检验门限对任意两个点目标进行有源假目标相关性检验；(6)遍历检验第i节点和第j节点雷达中的每一个目标，剔除其有源假目标，从而实现抗欺骗式干扰的目的。

Description

网络化雷达系统抗欺骗式干扰方法

技术领域

本发明涉及雷达技术领域，特别涉及数据融合抗干扰技术，具体地说是网络化雷达系统抗欺骗式干扰方法。

背景技术

有源干扰可分为压制式干扰和欺骗式干扰。压制式干扰主要通过发射大功率噪声或类似噪声的干扰信号遮盖或淹没目标回波信号，阻止雷达检测目标信息。欺骗式干扰通过对截获的雷达信号进行存储、调制和转发，从而在真实目标附近产生大量欺骗式假目标，以干扰和迷惑雷达的检测系统和跟踪系统。相比于压制式干扰，可利用接收机的脉冲压缩增益，以较小功率完成对雷达的有效干扰，故干扰效率较高，从而受到了广泛关注。尤其是数字射频存储器DRFM——先进的转发式干扰机的出现使得欺骗式干扰技术更加成熟，广泛用于自卫式干扰，以及随队干扰中。欺骗式干扰会占用大量的系统资源，严重影响雷达系统的探测和跟踪性能。

针对欺骗式假目标干扰，单站雷达由于视角单一，很难对其进行对抗，而组网雷达可利用点迹关联的方法对检测到的目标进行真假判别，并剔除掉假目标，从而实现欺骗式干扰的对抗。但是，由于组网雷达中各个节点雷达均会受到欺骗式干扰，密集假目标会导致各节点雷达的量测值间进行关联检验的错误率较高，且组网雷达布站位置不理想，也会影响组网雷达对抗欺骗式干扰的能力。

现有组网雷达都是利用数据级融合对欺骗式干扰进行对抗，在雷达对目标测量的过程中，只利用了目标的点迹信息或者航迹信息，但是其他信息并没有有效的利用，因此，数据级融合抗干扰方法不能完全发挥其抗干扰能力，无法充分利用雷达组网优势。

发明内容

针对上述现有方法对抗欺骗式假目标干扰的不足，本发明的目的在于提出一种网络化雷达系统抗欺骗式干扰方法，能够对不同欺骗式干扰产生的假目标进行有效鉴别。

为达到上述目的，本发明采用以下技术方案予以实现。

一种网络化雷达系统抗欺骗式干扰方法，其特征在于，包括以下步骤：

步骤1，网络化雷达系统中包含有n个节点雷达，n≥2，每个节点雷达对接收信号进行匹配滤波、相干积累和恒虚警检测后，根据检测得到P个点目标对应的距离单元，由一个相干处理周期中所有脉冲重复时间PRT在该距离单元匹配滤波后的复幅度构成各个点目标的慢时间随机复包络序列其中i＝1,2,3…n，p_i＝1,2,3…P，表示第i节点雷达检测到的第p_i个点目标；

步骤2，对第i节点雷达检测的第p_i个点目标的慢时间随机复包络序列和第j节点雷达检测的第p_j个点目标的慢时间随机复包络序列之间的相关系数进行估计，估计值为为：

${\widehat{\mathrm{\ρ}}}_{p_i,p_j}=\frac{{\left(A_{p_i}^i\right)}^H{A}_{p_j}^j}{\left|\right|A_{p_i}^i\left|\right|\·\left|\right|A_{p_j}^j\left|\right|},$ 其中i≠j，i＝1,2,3…n，j＝1,2,3…n

式中，|| ||表示对和取模值，H表示共轭转置；

步骤3，根据相关系数设定其实部为相关性度量

${\mathrm{\μ}}_{p_i,p_j}=\mathrm{real}\left({\widehat{\mathrm{\ρ}}}_{p_i,p_j}\right),$

式中，real()表示对取实部；

步骤4，估计点目标的慢时间随机复包络序列和对应的目标噪声比TNR，并求得相关性度量其中相关性度量是一个随机变量，其期望值为根据期望值选择检验门限

步骤5，根据检验门限对任意两个点目标进行相关性检验的过程如下：若相关性度量则判断第i节点雷达中第p_i个点目标与第j节点雷达中第p_j个点目标均为有真实点目标，若相关系数则判断第i节点雷达中第p_i个点目标与第j节点雷达中第p_j个点目标均为有源假目标；

步骤6，遍历检验第i节点和第j节点雷达中的每一个点目标，剔除其有源假目标。

对第i节点雷达中的每一个点目标进行的p_j次检验，一次被列为有源假目标，则剔除该有源假目标，对第j节点雷达中的每一个点目标进行的p_i次检验，一次被列为有源假目标，则剔除有源假目标；

步骤7，依次对任意两个节点雷达中的全部目标进行步骤2至步骤6的检验，剔除有源假目标，从而实现抗欺骗式干扰的目的。

上述技术方案的进一步改进和特点在于：

(1)所述步骤4中，根据期望值选择检验门限

(2)所述步骤4的具体子步骤为：

4a)根据慢时间随机复包络序列和得到对应的目标噪声比TNR的估计值分别为：

$\begin{array}{c}T\hat{N}{R}_{p_i}^i=({\left|\right|A_{p_i}^i\left|\right|}^2/Q-{\mathrm{\σ}}_{w,i}^2)/{\mathrm{\σ}}_{w,i}^2,\\ T\hat{N}{R}_{p_j}^j=({\left|\right|A_{p_j}^j\left|\right|}^2/Q-{\mathrm{\σ}}_{w,j}^2)/{\mathrm{\σ}}_{w,j}^2,\end{array}$

上式中，Q为组成慢时间随机复包络序列的脉冲重复时间PRT的个数，为由估计得到的平均功率，为由估计得到的平均功率，和分别为第i节点雷达和第j节点雷达中的热噪声功率；

4b)在慢时间随机复包络序列和对应同一欺骗式干扰信号产生的假目标条件下，对第i节点雷达的目标噪声比和第j节点雷达的目标噪声比通过估计得到相关性度量期望

${\widehat{\mathrm{\Φ}}}_{p_i,p_j}=(\sqrt{{T\hat{N}R}_{p_i}^i}/\sqrt{T\hat{N}{R}_{p_i}^i+1})\·(\sqrt{T\hat{N}{R}_{p_j}^i}/\sqrt{T\hat{N}{R}_{p_j}^i+1});$

4c)根据在和对应同一欺骗式干扰信号产生的假目标条件下相关性度量的期望为选择检验门限为

${\mathrm{\ξ}}_{p_i,p_j}=\frac{{\mathrm{\Φ}}_{p_i,p_j}}{2}.$

优选地，子步骤4a)中，组成慢时间随机复包络序列的脉冲重复时间PRT的个数Q为40～60。

本发明与现有技术相比具有的优点如下：(1)相比于现有方法，本发明利用真实目标回波的复包络相互独立而干扰信号复包络相关的特点，使得目标的信息得到了较高的使用率，故可更有效的对抗欺骗式干扰。(2)能够不依赖于欺骗式干扰的信号调制方式，故可用于对不同欺骗式干扰方式产生的假目标进行有效鉴别。该方法可用于网络化雷达系统融合中心，通过对目标的包络进行相关性检验，以鉴别欺骗式干扰产生的有源假目标，实现网络化雷达系统有效对抗欺骗式干扰。

附图说明

下面结合附图和具体实施方式对本发明做进一步详细说明。

图1是本发明的网络化雷达系统抗欺骗式干扰方法的实现流程图；

图2(a)为TNR＝0dB时，真实目标的判别概率P_target和有源假目标的误判概率P_false随积累脉冲个数Q的变化曲线图，其中，横坐标为脉冲积累个数Q，纵坐标为判别概率P_target；

图2(b)为TNR＝6dB时，真实目标的判别概率P_target和有源假目标的误判概率P_false随积累脉冲个数Q的变化曲线图，其中，横坐标为脉冲积累个数Q，纵坐标为判别概率P_target；

图3是多目标情况下两个节点雷达对真假目标的鉴别性能仿真结果图，横坐标为有源假目标个数，纵坐标为鉴别概率；

图4是多目标情况下四个节点雷达对真假目标的鉴别性能仿真结果图，横坐标为有源假目标个数，纵坐标为鉴别概率。

具体实施方式

参照图1，说明本发明的网络化雷达系统抗欺骗式干扰方法，其具体实现步骤如下：

步骤1，网络化雷达系统中包含有n个节点雷达，n≥2，每个节点雷达对接收信号进行匹配滤波、相干积累和恒虚警检测后，根据检测得到P个点目标对应的距离单元，由一个相干处理周期中所有脉冲重复时间PRT在该距离单元匹配滤波后的复幅度构成各个点目标的慢时间随机复包络序列其中i＝1,2,3…n，p_i＝1,2,3…P，表示第i节点雷达检测到的第p_i个点目标。

步骤2，对第i节点雷达检测的第p_i个点目标的慢时间随机复包络序列和第j节点雷达检测的第p_j个点目标的慢时间随机复包络序列之间的相关系数进行估计，估计值为为：

${\widehat{\mathrm{\ρ}}}_{p_i,p_j}=\frac{{\left(A_{p_i}^i\right)}^H{A}_{p_j}^j}{\left|\right|A_{p_i}^i\left|\right|\·\left|\right|A_{p_j}^j\left|\right|},$ 其中i≠j，i＝1,2,3…n，j＝1,2,3…n

上式中，|| ||表示对和取模值，H表示共轭转置。

步骤3，根据相关系数设定其实部为相关性度量

${\mathrm{\μ}}_{p_i,p_j}=\mathrm{real}\left({\widehat{\mathrm{\ρ}}}_{p_i,p_j}\right),$

上式中，real()表示对取实部。

步骤4，估计点目标的慢时间随机复包络序列和对应的目标噪声比TNR，并求得相关性度量其中相关性度量是一个随机变量，其期望值为根据期望值选择检验门限

这里，选择检验门限为

${\mathrm{\ξ}}_{p_i,p_j}=\frac{{\mathrm{\Φ}}_{p_i,p_j}}{2}.$

检验门限的具体选择说明如下：

4a)根据慢时间随机复包络序列和得到对应的目标噪声比TNR的估计值分别为：

$\begin{array}{c}T\hat{N}{R}_{p_i}^i=({\left|\right|A_{p_i}^i\left|\right|}^2/Q-{\mathrm{\σ}}_{w,i}^2)/{\mathrm{\σ}}_{w,i}^2,\\ T\hat{N}{R}_{p_j}^j=({\left|\right|A_{p_j}^j\left|\right|}^2/Q-{\mathrm{\σ}}_{w,j}^2)/{\mathrm{\σ}}_{w,j}^2,\end{array}$

上式中，Q为组成慢时间随机复包络序列的脉冲重复时间PRT的个数，为由估计得到的平均功率，为由估计得到的平均功率，和分别为第i节点雷达和第j节点雷达中的热噪声功率。

4b)在慢时间随机复包络序列和对应同一欺骗式干扰信号产生的假目标条件下，对第i节点雷达的目标噪声比和第j节点雷达的目标噪声比通过估计得到相关性度量期望

${\widehat{\mathrm{\Φ}}}_{p_i,p_j}=(\sqrt{{T\hat{N}R}_{p_i}^i}/\sqrt{T\hat{N}{R}_{p_i}^i+1})\·(\sqrt{T\hat{N}{R}_{p_j}^i}/\sqrt{T\hat{N}{R}_{p_j}^i+1});$

4c)基于核聚类的支持向量机分类器中的思想，根据在和对应同一欺骗式干扰信号产生的假目标条件下相关性度量的期望为选择检验门限为，

${\mathrm{\ξ}}_{p_i,p_j}=\frac{{\mathrm{\Φ}}_{p_i,p_j}}{2}.$

步骤5，根据检验门限对任意两个点目标进行相关性检验的过程如下：若相关性度量则判断第i节点雷达中第p_i个点目标与第j节点雷达中第p_j个点目标均为有真实目标，若相关系数则判断第i节点雷达中第p_i个点目标与第j节点雷达中第p_j个点目标均为有源假目标。

步骤6，遍历检验第i节点和第j节点雷达中的每一个目标，剔除其有源假目标。

对第i节点雷达中的每一个点目标进行的p_j次检验，一次被列为有源假目标，则剔除该有源假目标，对第j节点雷达中的每一个点目标进行的p_i次检验，一次被列为有源假目标，则剔除有源假目标。

步骤7，依次对任意两个节点雷达中的全部目标进行步骤2至步骤6的检验，剔除有源假目标，从而实现抗欺骗式干扰的目的。

本发明对抗欺骗式干扰的能力可通过以下仿真进一步验证。

(1)实验场景1

以两部节点雷达组成的组网雷达为例进行仿真实验，第一个节点雷达工作在收、发状态，第二个节点雷达工作在接收状态，对同一空间区域进行探测。在共同探测区域中有一个真实目标，携带有自卫式干扰机，产生有源假目标的个数为1，且设每部节点雷达对有源假目标检测概率均为1，则两部节点雷达均会检测到2个目标。

假设两个节点雷达的接收信号进行脉冲压缩以后，得到真实目标的复包络序列的目标噪声比TNR相等，有源假目标的复包络序列的目标噪声比TNR相等。

(2)实验内容与结果分析

实验一：本发明提出的有源假目标鉴别方法的鉴别性能与目标噪声比TNR和不同积累脉冲个数Q有关。设TNR取为0dB，并对每一个TNR的取值，均在不同积累脉冲个数Q下，对本发明提出的有源假目标鉴别方法进行10万次Moto Carlo蒙特卡罗实验，统计得到真实目标的判别概率P_target和有源假目标的误判概率P_false，如图2(a)所示。其中，积累脉冲个数Q的变化范围为4～64，图2(a)为TNR＝0dB时，真实目标的判别概率P_target和有源假目标的误判概率P_false随积累脉冲个数的变化曲线。

实验二：设TNR取为6dB，并对每一个TNR的取值，均在不同积累脉冲个数Q下，对本发明提出的有源假目标鉴别方法进行10万次Moto Carlo蒙特卡罗实验，统计得到真实目标的判别概率P_target和有源假目标的误判概率P_false，如图2(b)所示。其中，积累脉冲个数Q的变化范围为4～64，图2(b)为TNR＝6dB时，真实目标的判别概率P_target和有源假目标的误判概率P_false随积累脉冲个数的变化曲线。

从图2(a)和图2(b)对比中可以看到：随着积累脉冲个数不断增加，P_target不断提高，P_false不断降低，这是由于积累脉冲数越多，相关性度量对相关系数的估计结果更有效，对假目标的鉴别性能越好；TNR越大，P_target越高，P_false越低，这是由于TNR越大，和对应同一欺骗式干扰信号产生的假目标条件下的理论相关系数越大，检验统计量的差异增大，则鉴别性能越好。积累脉冲个数Q在40～60之间判别效果较好。

(3)实验场景2

实验场景2与实验场景1的区别在于：有源假目标个数设置为1～10，脉冲积累个数Q＝16，TNR＝6dB。

(4)实验内容与结果分析

实验三：干扰机在实施欺骗式干扰时，一般产生假目标个数较多。为验证多目标情况下本发明方法对真假目标的鉴别性能，将假目标个数设置为1～10，在Q、TNR确定的情况下，进行10万次Moto Carlo蒙特卡罗实验，统计得到不同假目标个数下真实目标的判别概率P_target和有源假目标的误判概率P_false如图3所示。

从图3中可以看到，随着有源假目标个数不断增多，P_target缓慢下降，从97.52％下降到87.31％。这主要是由于随着假目标个数的增多，真实目标与假目标进行相关性检验的次数增多，尽管单次出错的概率较低，但多次检验中一次出错将导致真实目标被误判为假目标，所以P_target随假目标个数的增加不断降低；随着假目标个数不断增多，有源假目标的误判概率P_false始终很小，保持在0.005％以下，说明本发明的方法可有效鉴别有源假目标。

(5)实验场景3

实验场景3与实验场景1的区别在于：由四个节点雷达组成的组网雷达为例进行仿真实验，第一个节点雷达工作在收、发状态，第二至四个节点雷达工作在接收状态，对同一空间区域进行探测。有源假目标个数设置为1～10，脉冲积累个数Q＝16，TNR＝6dB。

(6)实验内容与结果分析

实验四：对不同节点雷达个数的抗欺骗式干扰，节点雷达个数使鉴别效果不同。为验证多节点雷达情况下本发明方法对真假目标的鉴别性能的改变，将节点雷达个数设置为四个，在Q、TNR确定不变，有源假目标个数为1～10个的情况下，进行10万次MotoCarlo蒙特卡罗实验，统计得到四个节点雷达下真实目标的判别概率P_target和有源假目标的误判概率P_false如图4所示。

从图4中可以看到，随着有源假目标个数不断增多，P_target缓慢下降，从98.99％下降到96.05％。有源假目标的误判概率P_false始终很小，保持在0.002％以下，但和实验三的数据比较可以发现，四个节点雷达P_target的最低值高于两个节点雷达P_target的最低值，P_false的最低值也低于两个节点雷达P_false的最低值。这是由于节点雷达数量越多，相关积累后干噪比的提升越多，从而P_target在多目标下的下降幅度越小，从而说明本发明的方法可有效鉴别有源假目标。

Claims (4)

1.一种网络化雷达系统抗欺骗式干扰方法，其特征在于，包括以下步骤：

步骤1，网络化雷达系统中包含有n个节点雷达，n≥2，每个节点雷达对接收信号进行匹配滤波、相干积累和恒虚警检测后，根据检测得到P个点目标对应的距离单元，由一个相干处理周期中所有脉冲重复时间PRT在该距离单元匹配滤波后的复幅度构成各个点目标的慢时间随机复包络序列其中i＝1,2,3…n，p_i＝1,2,3…P，表示第i节点雷达检测到的第p_i个目标；

步骤2，对第i节点雷达检测的第p_i个点目标的慢时间随机复包络序列和第j节点雷达检测的第p_j个目标的慢时间随机复包络序列之间的相关系数进行估计，估计值为为：

${\widehat{\mathrm{\ρ}}}_{p_i,p_j}=\frac{{\left(A_{p_i}^i\right)}^H{A}_{p_j}^j}{\left|\right|A_{p_i}^i\left|\right|\·\left|\right|A_{p_j}^j\left|\right|},$ 其中i≠j，i＝1,2,3…n，j＝1,2,3…n

式中，|| ||表示对和取模值，H表示共轭转置；

步骤3，根据相关系数设定其实部为相关性度量

${\mathrm{\μ}}_{p_i,p_j}=\mathrm{real}\left({\widehat{\mathrm{\ρ}}}_{p_i,p_j}\right),$

式中，real()表示对取实部；

步骤4，估计点目标的慢时间随机复包络序列和对应的目标噪声比TNR，并求得相关性度量其中相关性度量是一个随机变量，其期望值为根据期望值选择检验门限

步骤5，根据检验门限对任意两个点目标进行相关性检验的过程如下：若相关性度量则判断第i节点雷达中第p_i个目标与第j节点雷达中第p_j个目标均为有真实目标，若相关系数则判断第i节点雷达中第p_i个目标与第j节点雷达中第p_j个目标均为有源假目标；

步骤6，遍历检验第i节点和第j节点雷达中的每一个目标，剔除其有源假目标。

对第i节点雷达中的每一个目标进行的p_j次检验，一次被列为有源假目标，则剔除该有源假目标，对第j节点雷达中的每一个目标进行的p_i次检验，一次被列为有源假目标，则剔除有源假目标；

步骤7，依次对任意两个节点雷达中的全部目标进行步骤2至步骤6的检验，剔除有源假目标，从而实现抗欺骗式干扰的目的。

2.根据权利要求1所述的网络化雷达系统抗欺骗式干扰方法，其特征在于，所述步骤4中，根据期望值选择检验门限

3.根据权利要求1所述的网络化雷达系统抗欺骗式干扰方法，其特征在于，所述步骤4的具体子步骤为：

4a)根据慢时间随机复包络序列和得到对应的目标噪声比TNR的估计值分别为：

$\begin{array}{c}T\hat{N}{R}_{p_i}^i=({\left|\right|A_{p_i}^i\left|\right|}^2/Q-{\mathrm{\σ}}_{w,i}^2)/{\mathrm{\σ}}_{w,i}^2,\\ T\hat{N}{R}_{p_j}^j=({\left|\right|A_{p_j}^j\left|\right|}^2/Q-{\mathrm{\σ}}_{w,j}^2)/{\mathrm{\σ}}_{w,j}^2,\end{array}$

上式中，Q为组成慢时间随机复包络序列的脉冲重复时间PRT的个数，为由估计得到的平均功率，为由估计得到的平均功率，和分别为第i节点雷达和第j节点雷达中的热噪声功率；

4b)在慢时间随机复包络序列和对应同一欺骗式干扰信号产生的假目标条件下，对第i节点雷达的目标噪声比和第j节点雷达的目标噪声比通过估计得到相关性度量期望

${\widehat{\mathrm{\Φ}}}_{p_i,p_j}=(\sqrt{{T\hat{N}R}_{p_i}^i}/\sqrt{T\hat{N}{R}_{p_i}^i+1})\·(\sqrt{T\hat{N}{R}_{p_j}^i}/\sqrt{T\hat{N}{R}_{p_j}^i+1});$

4c)根据在和对应同一欺骗式干扰信号产生的假目标条件下相关性度量的期望为选择检验门限为

${\mathrm{\ξ}}_{p_i,p_j}=\frac{{\mathrm{\Φ}}_{p_i,p_j}}{2}.$

4.根据权利要求3所述的网络化雷达系统抗欺骗式干扰方法，其特征在于，子步骤4a)中，组成慢时间随机复包络序列的脉冲重复时间PRT的个数Q为40～60。