CN105044686A - 一种雷达密集假目标干扰抑制方法 - Google Patents

Abstract

本发明涉及一种雷达干扰抑制方法，特别涉及一种雷达密集假目标干扰抑制方法，包括：步骤1，导入雷达扫描的待检测目标方位视频数据，计算待检测目标方位噪声功率，得到噪声估值；步骤2，干扰感知：感知干扰环境，定位干扰源；步骤3，干扰识别：对干扰区域雷达扫描视频数据进行信号统计分析，判定是否存在密集假目标干扰；步骤4，干扰抑制：采用频域滤波技术对密集假目标干扰数据进行抗干扰抑制处理；步骤5，目标检测：采用CFAR处理抗干扰抑制后的待检测目标数据；步骤6，对待检测目标进行跟踪和航迹关联，完成目标跟踪。本方法保证雷达在密集假目标影响下的正常工作，通过特征分析的方法判别密集假目标是否存在。

Description

一种雷达密集假目标干扰抑制方法

技术领域

本专利涉及一种雷达干扰抑制方法，特别涉及一种雷达密集假目标干扰抑制方法。

背景技术

现代军事电子技术的一个重要特点，就是各种武器装备越来越广泛的采用和依赖于无线电技术。各种武器装备威力的发挥，战区的监视和警戒，诸兵种协同作战的调配、联系和控制等，都越来越多的依赖于雷达的效能，因而，电子战已成为现代战争的又一维战场，压制式和欺骗式有源电子干扰将贯穿战争的全过程，使雷达面临着越来越复杂的电磁环境。

近年来迅速发展起来的综合电子干扰技术，以干扰样式多、使用灵活、对抗性强等特点对雷达构成了严重威胁。因此，在复杂的现代电磁环境中，雷达要完成预警、制导、导航、战场监控等诸多作战任务，不但要具有良好的抗干扰性能，装备对付不同干扰类型的抗干扰措施，而且必须具有高度的灵活性和智能性，使雷达系统在复杂的干扰环境中，能实时而自动地根据所面临的干扰信号类型、样式和特点，有针对地选择抗干扰措施进行对抗，以保证雷达处于正常的工作状态。

就以往的雷达系统而言，往往需要雷达操作员根据雷达显示器画面以自己的经验来判断雷达遭受干扰的情况，并通过相应的操作来控制实施相应抗干扰措施。但面对如今快速的作战要求，这样人为、单一、主观的雷达反对抗措施已经很难适应当前电子战的发展水平。而现代电子技术的快速发展，特别是在自动控制与检测技术领域上的长足进步，使得在复杂干扰环境下实时地进行智能化的反对抗成为可能。因此，对雷达智能抗干扰技术进行深入研究，并对其有效性进行科学评估，已成为十分急迫和意义重大的任务。

国外80年代初期就开始了以智能技术寻求雷达抗干扰新方法的研究，目前在抗有源干扰方面已经取得了一定的进展，主要表现在利用智能技术实现对目标和干扰信号特征的分析和提取、对干扰和杂波的建模以及对目标和干扰的分类。

国内研究与国外的差距主要体现在：

(1)研究起步时间晚。国外早在20世纪80年代初期就开始了智能方法用于雷达抗干扰的研究，国内由于前期重视不够，投入的经费和人力少，一直到90年代中期，才进行了一些相关的研究；

(2)研究不够系统。国外将多种方法与技术相互融合，用于雷达抗干扰，如将时频分析与神经网络方法相结合，遗传算法与神经网络相结合。目前，国内开展的雷达抗干扰新方法、新技术的研究还都相对比较孤立，研究的深度还有较大的差距；

(3)试验验证与应用有差距。发达国家的理论研究成果大多已成功运用于军事装备，实现了理论方法与装备的实际结合，国内许多新的理论方法还没有很好的与武器装备相结合。

发明内容

发明目的：本专利的目的是设计一种算法简单、适用性强、效果良好、且适合硬件实时实现的一种杂波图分区方法。针对现有技术的不足，本发明提供一种雷达密集假目标干扰抑制方法，包括如下步骤：

步骤1，计算雷达扫描数据参数：导入雷达扫描待检测目标的原始视频数据，计算待检测目标方位噪声功率，得到噪声估值；

步骤2，干扰感知：感知干扰环境，定位干扰源，确定干扰中心和干扰区域；

步骤3，干扰识别：对步骤2中的干扰区域雷达原始视频进行信号统计分析，判定是否存在密集假目标干扰；

步骤4，干扰抑制：采用频域滤波技术对密集假目标干扰数据进行抗干扰抑制处理；

步骤5，目标检测：采用恒虚警CFAR处理干扰抑制后的待检测目标数据；

步骤6，对待检测目标进行跟踪和航迹关联，完成目标跟踪。

其中，步骤1包括：将雷达扫描的待检测目标方位区域划分为K个方位单元，K一般取4096，获取每个方位单元上的噪声功率均值，即待检测目标方位噪声功率，通过对所有方位单元的噪声功率数据采用选小处理，得到噪声估值P_noise。

步骤2包括：将方位噪声估值与设定的阈值gate比较，判定噪声估值超过阈值gate的待检测目标方位存在干扰源，阈值gate由噪声估值P_noise决定：

gate＝1.2*P_noise；

步骤3包括如下步骤：

步骤3-1，开窗选择干扰区域：干扰区域的选择包括两种部分：部分一为以步骤2计算得到的干扰中心方位开窗，选择干扰区域；部分二为人工选择，通过人机交互在雷达视频数据的中间距离区域选择一个开窗作为干扰区域；由此得到连续两个窗口区域；选定的干扰区域数据由步骤1中M个距离和N个方位上的原始视频数据构成，用P(i,j)表示；

步骤3-2，斜度计算：计算选定的干扰区域视频数据P(i,j)的频谱S(i,j)：

S(i,j)＝log(|FFT(P(i,j))|)，0＜i≤M,0＜j≤N，

其中，i表示原始视频数据的距离单元，j表示原始视频数据的方位单元，FFT表示利用快速傅里叶变换(FastFourierTransform)计算频谱数据。对频谱数据S(i,j)进行统计分析，定义X1，X2，X3分别为一阶、二阶、三阶累积和的均值，计算公式为：

$X1=\frac{1}{MN}\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}S(i,j),$

$X2=\frac{1}{MN}\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{S}^2(i,j),$

$X3=\frac{1}{MN}\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{S}^3(i,j),$

定义斜度skew计算公式如下：

$skew=\frac{X3-3\·X1\·X2+2\·X{1}^3}{{\[X2-X{1}^2\]}^{3/2}};$

步骤3-3，干扰判别：当斜度统计量满足给定的门限T时，判定步骤3-1的干扰窗口区域存在密集假目标干扰，当连续两个窗口数据至少有一个满足密集假目标干扰判定，则输出干扰标识为真，否则输出干扰标识为假，完成当前扫描周期的干扰判别。

步骤4中，根据雷达扫描的待检测目标方位视频的FFT频谱分析，采用提取并消除干扰频谱能量的方法，抑制密集假目标干扰，包括以下步骤：

步骤4-1，对雷达原始视频经过FFT变换，得到包含干扰信息的频谱数据Fs(ω)：

Fs(ω)＝FFT[P(e),L]，

其中，FFT是快速傅里叶变换，P(e)是输入雷达原始视频的第e个方位上数据，L是FFT变换点数，ω是FFT后的频率频点；

步骤4-2，提取干扰能量位置并对干扰频谱清零：通过设定干扰门限Gate计算干扰能量位置，门限定义为：Gate＝3.5μ，其中频谱能量均值μ通过如下公式计算得到，

$\mathrm{\μ}=\frac{1}{L}\underset{\mathrm{\ω}=1}{\overset{L}{\Σ}}Fs\left(\mathrm{\ω}\right)$

其中，Fs(ω)是包含干扰信息的频谱数据。将Fs(ω)超过门限的频谱清零得到新的频谱数据Fs′(ω)；

步骤4-3，将新的频谱数据Fs′(ω)经过IFFT变换，得到密集假目标干扰抑制后的视频S′(i)，S′(i)＝IFFT[Fs′(ω),L]，其中，IFFT表示L点的傅里叶反变换。

有益效果：本专利与现有技术相比，具有以下显著优点：(1)本方法保证雷达在密集假目标影响下的正常工作，通过特征分析的方法判别密集假目标的是否存在。(2)存在密集假目标时，本方法能够准确提取假目标方位、强度、分布特征等信息，并采用频域滤波的方法抑制假目标干扰，保证目标正常检测，提升干扰区域目标检测和录取跟踪能力。(3)本专利一种雷达密集假目标干扰抑制方法，原理简单，设计方便，实时性好，适合工程实现。

附图说明

下面结合附图和具体实施方式对本发明做更进一步的具体说明，本发明的上述和/或其他方面的优点将会变得更加清楚。

图1是处理流程图。

图2是噪声均值估计和干扰判别示意图。

图3是干扰中心判别和干扰强度估计流程图。

图4是密集假目标判别流程图。

图5是假目标抑制流程。

图6a是假目标干扰抑制前示意图。

图6b是假目标干扰抑制后示意图。

图6c是干扰抑制示意图。

图7是实测数据的目标检测示意图。

具体实施方式

图1是整体的处理流程图。结合图1，本发明方法包括以下步骤：

步骤1-1，计算雷达参数：根据雷达的工作模式和系统参数，计算雷达方位噪声功率、噪声功率均值等参数。将雷达扫描区域划分为K个方位单元(K取4096)，获取每个方位单元上的噪声功率均值，即方位噪声功率；通过对所有方位单元的噪声功率数据采用选小处理，得到噪声估值P_noise。如图2所示。

步骤1-2，感知干扰环境:将方位噪声功率估计与设定的阈值gate比较，阈值由噪声估值决定，超过阈值的方位认为存在干扰影响。通过如图3所示的步骤，计算出干扰方位和干扰强度，实现干扰源定位。具体如下：

(1)单次扫描的方位噪声估计：取雷达数据的在距离上的平均值，估计数据的方位变化特性；

(2)高斯滤波：对方位噪声数据经过高斯窗实现滤波处理，过滤随机噪声。

(3)干扰峰值获取：方位噪声数据与门限gate比较，超过门限的方位认为是干扰所在方位，记录对应方位的干扰峰值与干扰宽度。

(4)干扰强度方位中心估计：计算干扰出现的位置，统计干扰能量强度和干扰方位中心值。

步骤1-3，干扰识别：对干扰区域雷达视频进行信号统计分析，提取信号特征参数，并与设定的阈值gate进行比较，判定干扰类型。实施流程见图4所示。具体如下：

(1)变量初始化：定义窗口序号，坐标位置，窗口大小等参数；

(2)更新干扰存在标识：保存上一个窗口的干扰标识，记作F0，初始化当前窗口窗口的干扰标识F1＝0；如果窗口内数据满足干扰特征，则标识为1；

(3)开窗选择：干扰区域的选择由两部分组成，一部分是与连续波干扰结合判断，对全程干扰而言，密集假目标也会导致方位噪声均值上升，以步骤1-2计算得到的干扰中心方位开窗，选择干扰判定区域。第二部分是人工选择区域，通过人机交互在雷达视频数据的中间距离区域选择一个开窗作为干扰区域。选定的干扰区域数据由步骤1-1中M个距离和N个方位上的原始视频数据构成，用P(i,j)表示。

(4)斜度计算：首先计算选定的干扰区域视频数据P(i,j)的频谱S(i,j)：

S(i,j)＝log(|FFT(P(i,j))|)，0＜i≤M,0＜j≤N，

其中，i表示原始视频数据的距离单元，j表示原始视频数据的方位单元，FFT表示利用快速傅里叶变换(FastFourierTransform)计算频谱数据。

对频谱数据S(i,j)进行统计分析，定义X1，X2，X3分别为一阶、二阶、三阶累积和的均值，计算公式为：

$X1=\frac{1}{MN}\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}S(i,j)$

$X2=\frac{1}{MN}\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{S}^2(i,j),$

$X3=\frac{1}{MN}\underset{i=1}{\overset{M}{\Σ}}\underset{j=1}{\overset{N}{\Σ}}{S}^3(i,j)$

定义斜度skew计算公式如下：

$skew=\frac{X3-3\·X1\·X2+2\·X{1}^3}{{\[X2-X{1}^2\]}^{3/2}};$

(5)干扰判别：判断斜度统计量skew是否满足给定的门限T时(T＝0.2)；

(6)当skew小于门限T，认为当前窗口数据存在密集干扰，那么干扰标识F1＝1，否则F1＝0。

(7)统计连续两个干扰标识F0和F1，输出干扰标识F＝F1+F0；当F＝1，认为存在密集假目标干扰；

(8)干扰窗口序号更新，如果当前序号1，下个窗口序号为2；如果当前序号为2，下个窗口序号为1；

(9)重复过程(2)到(9)，进入下一个窗口数据更新和干扰判断。当连续两个窗口数据至少有一个满足密集干扰判定，则输出干扰标识为真，否则输出干扰标识为假，完成当前扫描周期的干扰判别。

步骤1-4，干扰抑制：在密集假目标的情况下，旁路其他通道，采用频域滤波技术进行抗干扰处理，提升干扰条件下的目标检测能力。实施流程如图5所示。具体如下：

(1)变量定义：定义输入的原始视频S(i)，S(i)包含的数据长度为M(假设M＝2000)，视频方位i，(0<i<4096))，设置滤波门限变量名Gate，FFT计算点数L＝8192；

(2)数据补零：数据S(i)长度M少于8192，则数据补零到8192.

(3)频谱计算：对数据进行快速傅里叶变换，得到频谱数据Fs(ω)；

Fs(ω)＝FFT[P(i),L]，

其中，FFT是快速傅里叶变换，P(i)是输入雷达原始视频数据，L是FFT变换计算点数，这里L取1024，Fs是包含干扰信息的雷达频谱数据。

(4)通过设定干扰门限Gate计算干扰能量位置，门限定义为：Gate＝3.5μ，其中频谱能量均值通过计算得到。

(5)对干扰频谱清零。将Fs(ω)超过门限的频谱清零得到新的频谱数据Fs′(ω)。

(6)将新的频谱数据Fs′(ω)经过IFFT变换，得到频谱数据对应的时域数据S′(i)。

S′(i)＝IFFT[Fs′(ω),L]，

其中，IFFT表示L点的傅里叶反变换，L＝8192。

(7)数据截取：从干扰抑制后的视频S′(i)中截取M长度数据，得到干扰抑制后视频。

步骤1-5，目标检测：干扰抑制后雷达数据采用单元平均CFAR处理检测目标。

步骤1-6，采用直观法关联目标点迹航迹，完成目标检测和跟踪。直观法利用运动学的原理对目标进行航迹起始，相邻两次扫描任意两个量测，若属于同一目标，则两量测与扫描时间之比介于目标最大速度与最小速度之间，由此得到的加速度也要受到目标最大加速度的限制。设(i＝1，2，……，N)是第i次扫描的位置量测向量，则N次扫描的任意M次量测，航迹起始直观法满足下列要求：估计的速度介于最大速度ν_max与最小速度ν_min之间，即：

${\mathrm{\&nu;}}_{\min }\&le;\frac{x_i-x_{i-1}}{t_i-t_{i-1}}\&le;{\mathrm{\&nu;}}_{max}.$

下面结合实施例对本发明做进一步详细的描述。

实施例

1.对XX雷达实测数据分析，雷达工作在MTI体制，距离分辨单元30m，距离单元4000(合计120km)，天线扫描6转/分钟，脉冲重复频率300Hz，采集数据字长8位(0-255).将雷达扫描360°区域划分为4096个方位单元，获取每个方位单元上的噪声均值，即方位噪声功率；通过对所有方位单元数据采用选小处理，得到噪声估值。经过计算，噪声功率均值18，雷达方位噪声功率见图2。

2.感知干扰环境：将方位噪声功率估计与阈值比较，阈值由噪声估值决定，噪声估值15，阈值取值为18，超过阈值的方位认为存在干扰影响。经过计算，干扰方位分布在450、2200、2450、2900方位单元，干扰强度分别为40、30、28、25。

3.干扰识别：对干扰区域雷达视频进行信号统计分析，提取信号特征参数，并与设定的阈值20进行比较，判定干扰类型。

(1)开窗选择：分别在方位450、2200方位取连续2个窗数据，窗口大小选为M＝256，N＝128，尺寸选择为2的幂次方便硬件快速实现。

(2)斜度计算：计算区域数据(M＝256，N＝128)的斜度，skew1＝-0.1，skew2＝-0.05.

(3)干扰判别：当斜度统计量满足skew<0.2时，认为当前窗口数据存在密集干扰。当连续两个窗口数据至少有一个满足密集干扰判定，则输出干扰标识为真，否则为假。skew1和skew2满足统计条件，判别存在密集假目标。

4.干扰抑制：对4000*4096雷达视频进行8192点的FFT变换，然后提取干扰能量位置，对超过扰抑制门限2000的频谱清零，如图6c所示，再经过IFFT变换，得到密集假目标干扰抑制后的视频图，如图6b所示，干扰抑制前的视频见图6a。

5.干扰抑制后雷达数据采用单元平均CFAR处理检测目标。

6.目标跟踪和航迹关联，完成目标检测和跟踪。图7是实测数据的目标检测示意图。

本发明提供了一种雷达密集假目标干扰抑制方法，具体实现该技术方案的方法和途径都不多，以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。本实施例中未明确的各组成部分均可用现有技术加以实现。

Claims (5)

1.一种雷达密集假目标干扰抑制方法，其特征在于，包括如下步骤：

步骤1，计算雷达扫描数据参数：导入雷达扫描的待检测目标的原始视频数据，计算待检测目标方位噪声功率，得到噪声估值；

步骤2，干扰感知：感知干扰环境，定位干扰源，确定干扰中心和干扰区域；

步骤3，干扰识别：对步骤2中的干扰区域雷达原始视频数据进行信号统计分析，判定是否存在密集假目标干扰；

步骤4，干扰抑制：采用频域滤波技术对密集假目标干扰数据进行抗干扰抑制处理；

步骤5，目标检测：采用恒虚警CFAR处理抗干扰抑制后的待检测目标数据；

步骤6，对待检测目标进行跟踪和航迹关联，完成目标跟踪。

2.根据权利要求1所述的一种雷达密集假目标干扰抑制方法，其特征在于，步骤1包括：将雷达扫描的待检测目标方位区域划分为K个方位单元，获取每个方位单元上的噪声功率均值，即待检测目标方位噪声功率，通过对所有方位单元的噪声功率数据采用选小处理，得到噪声估值P_noise。

3.根据权利要求2所述的一种雷达密集假目标干扰抑制方法，其特征在于，步骤2包括：将待检测目标方位噪声估值与设定的阈值gate比较，判定噪声估值超过阈值gate的待检测目标方位存在干扰源，阈值gate由噪声估值P_noise决定：

gate＝1.2*P_noise。

4.根据权利要求3所述的一种雷达密集假目标干扰抑制方法，其特征在于，步骤3包括如下步骤：

步骤3-1，选择干扰区域：干扰区域的选择包括两种部分：部分一为以步骤2计算得到的干扰中心方位开窗，选择干扰区域；部分二为人工选择，通过人机交互在雷达视频数据的中间距离区域选择一个开窗作为干扰区域；由此得到连续两个窗口区域；选定的干扰区域数据由步骤1中M个距离和N个方位上的原始视频数据构成，用P(i,j)表示；

步骤3-2，斜度计算：计算选定的干扰区域视频数据P(i,j)的频谱S(i,j)：

S(i,j)＝log(|FFT(P(i,j))|)，0<i≤M,0<j≤N，

其中，i表示原始视频数据的距离单元，j表示原始视频数据的方位单元，FFT表示利用快速傅里叶变换计算频谱数据；

对频谱数据S(i,j)进行统计分析，定义X1，X2，X3分别为一阶、二阶、三阶累积和的均值，计算公式为：

$\begin{array}{c}X1=\frac{1}{MN}\underset{i=1}{\overset{M}{\&Sigma;}}\underset{j=1}{\overset{N}{\&Sigma;}}S(i,j),\\ X2=\frac{1}{MN}\underset{i=1}{\overset{M}{\&Sigma;}}\underset{j=1}{\overset{N}{\&Sigma;}}{S}^2(i,j),\\ X3=\frac{1}{MN}\underset{i=1}{\overset{M}{\&Sigma;}}\underset{j=1}{\overset{N}{\&Sigma;}}{S}^3(i,j),\end{array}$

定义斜度skew计算公式如下：

$skew=\frac{X3-3\&CenterDot;X1\&CenterDot;X2+2\&CenterDot;X{1}^3}{{\&lsqb;X2-X{1}^2\&rsqb;}^{3/2}};$

步骤3-3，干扰判别：当斜度统计量skew满足给定的门限T时，判定步骤3-1的干扰区域存在密集假目标干扰，当连续两个窗口数据至少有一个满足密集假目标干扰判定，则输出干扰标识为真，否则输出干扰标识为假，完成当前扫描周期的干扰判别。

5.根据权利要求4所述的一种雷达密集假目标干扰抑制方法，其特征在于，步骤4中，根据雷达扫描的待检测目标方位视频的FFT频谱分析，采用提取并消除干扰频谱能量的方法，抑制密集假目标干扰，包括以下步骤：

步骤4-1，对雷达原始视频经过FFT变换，得到包含干扰信息的频谱数据Fs(ω)：

Fs(ω)＝FFT[P(e),L]，

其中，FFT是快速傅里叶变换，P(e)是输入雷达原始视频的第e个方位上数据，L是FFT变换点数，ω是FFT后的频率频点；

步骤4-2，提取干扰能量位置并对干扰频谱清零：通过设定干扰门限Gate计算干扰能量位置，门限定义为：Gate＝3.5μ，其中频谱能量均值μ通过如下公式计算得到，

$\mathrm{\&mu;}=\frac{1}{L}\underset{\mathrm{\&omega;}=1}{\overset{L}{\&Sigma;}}Fs\left(\mathrm{\&omega;}\right),$

将Fs(ω)超过门限的频谱清零得到新的频谱数据Fs′(ω)；

步骤4-3，将新的频谱数据Fs′(ω)经过IFFT变换，得到密集假目标干扰抑制后的视频S′(i)，S′(i)＝IFFT[Fs′(ω),L]，其中，IFFT表示L点的傅里叶反变换。