CN105137396A - 一种smsp干扰和c&i干扰的检测方法 - Google Patents

Abstract

该发明公开了一种SMSP干扰和C&I干扰的检测方法，属于雷达信号检测技术领域，它特别涉及了雷达干扰信号检测技术。该方法利用广义似然比检测的方法对回波信号中的未知幅值参数和干扰向量进行估计，分别得到其最大似然估计值，进而将未知幅值参数和干扰向量的最大似然估计值带入广义似然比检测器，对干扰进行检测，最终达到提高干扰检测准确性的目的。

Description

一种SMSP干扰和C&I干扰的检测方法

技术领域

本发明属于雷达信号检测技术领域，它特别涉及了雷达干扰信号检测技术。

背景技术

随着雷达干扰技术的发展，特别是基于数字射频存储器(DRFM)的有源欺骗干扰技术的出现，现代雷达工作在日益复杂的电磁干扰环境中，这对雷达目标探测的准确性以及目标跟踪的稳定性带来了极大地挑战。特别是近年来出现的SMSP干扰和C&I干扰，同时具有压制和欺骗双重干扰特性，进入雷达接收机后可以在距离上产生多个假目标,并将真实目标掩没在假目标群中，使雷达目标检测面临着越来越大的困难，给现代雷达的生存能力带来极其严峻的挑战。

在采取一系列抗干扰措施来对抗电子干扰之前，为了提高雷达资源的利用率，我们首先要检测到干扰信号的存在。近年来，针对干扰检测问题不断有学者提出不同的检测方法。M.Greco等针对距离门拖引干扰提出了一种基于干扰信号误差角(JSEA)的两步干扰检测方法，第一步借助于白化滤波器(WMF)用于检测有无雷达信号，第二步借助于广义最大似然比检测(GLRT)或自适应相干估计检测(ACE)来识别目标信号或干扰信号，见[M.Greco,F.Gini,andA.Farina,Radardetectionandclassificationofjammingsignalsbelongingtoaconeclass.IEEETransactionsonsignalprocess,2008.56(5):1984-1993]。该方法只考虑了距离门内只有目标信号或只有干扰信号的情形，而且未能考虑干扰机的转发时延对检测性能的影响。孙闽红等针对距离门拖引干扰在捕获期距离门内同时存在目标信号与干扰信号的情形，提出了一种干扰检测方法，该方法借助于信号锥的思想与凸优化理论，推导出干扰信号的广义似然比检测器(GLRT)，实现干扰信号检测，见[孙闽红，唐斌。雷达DRFM欺骗干扰的检测。信号处理，2010，26(5)：672-676]。以上方法都是针对传统的距离们拖引干扰的检测方法，从目前公开发表的文献来看，针对具有复杂脉内调制特性的SMSP干扰和C&I干扰等新型多假目标干扰的检测方法还未有研究。

发明内容

针对背景技术的不足，本发明提供一种SMSP干扰和C&I干扰的检测方法，该方法利用广义似然比检测的方法对回波信号中的未知幅值参数和干扰向量进行估计，分别得到其最大似然估计值，进而将未知幅值参数和干扰向量的最大似然估计值带入广义似然比检测器，对干扰进行检测，最终达到提高干扰检测准确性的目的。

本发明技术方案为一种SMSP干扰和C&I干扰的检测方法，该方法包括以下步骤：

步骤1：回波信号预处理；

雷达不断向外发射线性调频脉冲信号，同时接收回波信号，截取单个脉冲对回波信号进行采样，形成如下二元假设检验模型：

H₀:{r＝αs+n

H₁:{r＝αs+βj+n

其中r＝[r(1),…r(N)]^T为回波向量，s＝[s(1),…s(N)]^T为目标信号向量，j＝[j(1),…j(N)]^T为干扰信号向量为SMSP干扰或C&I干扰，n＝[n(1),…n(N)]^T为协方差矩阵为M的零均值复高斯噪声向量,其中M先验已知且满足M＝E{nn^H}，N为采样点个数，α,β为未知幅值标量，H₀、H₁分别表示干扰不存在和存在两种假设检验结果；

步骤2：幅值标量参数估计；

对回波数据进行处理，首先假设干扰向量已知，条件广义似然比其中f(r/H₀)和f(r/H₁)分别为H₀假设下和H₁假设下的似然函数；借助于最优化理论求取使条件广义似然比最大时，对应的未知幅值标量的值即为其最大似然估计；基于此，可求得在H₀假设下，α的最大似然估计为在H₁假设下，α的最大似然估计为 ${\widehat{\mathrm{\α}}}_{ML1}=\frac{s^H{M}^{-1}(r-\mathrm{\β}j)}{s^H{M}^{-1}s},$ β的最大似然估计为 ${\widehat{\mathrm{\β}}}_{ML1}=\frac{z^H{M}^{-1}(r-{\widehat{\mathrm{\α}}}_{ML0}s)}{z^H{M}^{-1}z},$ 其中 $z=j-\left(\frac{s^H{M}^{-1}j}{s^H{M}^{-1}s}\right)s;$

步骤3：干扰向量估计；

将步骤2中所有未知幅值标量参数的最大似然估计带入条件广义似然比并取对数化简得 ${\mathrm{\η}}^{\′}(r/j)=2\mathrm{Re}\left\{{\widehat{\mathrm{\β}}}_{ML}{\left(r-{\widehat{\mathrm{\α}}}_{ML0}s\right)}^H{M}^{-1}z\right\}-|{\widehat{\mathrm{\β}}}_{ML}{|}^2{z}^H{M}^{-1}z,$ 其中η'(r/j)为化简后的条件广义似然比；当已知SMSP干扰信号子脉冲个数n或者C&I干扰采样子脉冲个数p及其时隙数q时就可以分别重构出SMSP干扰信号和C&I干扰信号；将雷达回波向量和按照不同特征参数(n,p,q)重构的干扰向量带入条件广义似然比η'(r/j)，获得不同特征参数(n,p,q)下的回波数据条件广义似然比，选取使条件广义似然比最大时对应的特征参数(n,p,q)，由该特征参数重构出干扰向量为干扰的最大似然估计；最后将干扰向量的最大似然估计带入条件广义释然比，得非条件广义似然比；

步骤4：由干扰向量估计步骤得到检测统计量，对干扰进行检测。

进一步的所述步骤3中获得的干扰向量最大似然估计为：

$\hat{j}=\arg \underset{j}{max}\left\{2\mathrm{Re}\left\{{\widehat{\mathrm{\β}}}_{ML1}{\left(r-{\widehat{\mathrm{\α}}}_{ML0}s\right)}^H{M}^{-1}z\right\}-|{\widehat{\mathrm{\β}}}_{ML1}{|}^2{z}^H{M}^{-1}z\right\}.$

本发明的有益效果是方法简单，干扰检测准确性较高，可以直接应用于电子对抗设备中。该方法首先利用广义似然比检测的方法对回波信号中的未知幅值参数进行估计，得到未知幅值参数的最大似然估计值，进而利用SMSP和C&I干扰的调制特性，对干扰向量进行估计，最后将未知幅值参数和干扰向量的最大似然估计带入广义似然比检测器，对干扰进行检测，从而达到提高干扰检测准确性的目的。

附图说明

图1为本发明的总体流程图；

图2为SMSP干扰向量估计时的多通道处理框图；

图3为分别采用传统的能量检测方法和本方法对干扰进行检测，检测性能仿真结果对比图

图3中，图3-1为采用传统的能量检测方法检测性能曲线；图3-2为采用本方法检测性能曲线。

具体实施方式

下面以SMSP干扰为例阐述本发明的具体实施方式，具体步骤如下：

预处理步骤：探测雷达不断向外发射线性调频脉冲信号，同时接收回波信号，截取单个脉冲对回波信号进行采样，形成如下二元假设检验模型：

H₀:{r＝αs+n

H₁:{r＝αs+βj+n

其中r＝[r(1),…r(N)]^T为回波向量，s＝[s(1),…s(N)]^T为目标信号向量，j＝[j(1),…j(N)]^T为干扰机截获雷达信号后生成的SMSP干扰信号向量，n＝[n(1),…n(N)]^T为协方差矩阵为M的零均值复高斯噪声向量，N为采样点个数，α,β为未知幅值标量，H₀、H₁分别表示干扰不存在和存在两种假设检验结果。

幅值标量参数估计步骤：对上述预处理步骤生成的回波数据进行处理，首先假设干扰向量已知，计算条件广义似然比有其中f(r/H₀)和f(r/H₁)分别为H₀假设下和H₁假设下的似然函数。借助于最优化理论求取使条件广义似然比最大时，对应的未知幅值标量的值即为其最大似然估计。基于此，在H₀假设下，α的最大似然估计为在H₁假设下，我们首先假设β已知，则α的最大似然估计为然后将α的最大似然估计代入似然函数f(r/H₁)，最后可求得β的最大似然估计 ${\widehat{\mathrm{\β}}}_{ML1}=\frac{z^H{M}^{-1}(r-{\widehat{\mathrm{\α}}}_{ML0}s)}{z^H{M}^{-1}z},$ 其中 $z=j-\left(\frac{s^H{M}^{-1}j}{s^H{M}^{-1}s}\right)s.$

干扰向量估计步骤：将上述所有未知幅值标量参数的最大似然估计带入条件广义似然比并取对数化简得 ${\mathrm{\η}}^{\′}(r/j)=2\mathrm{Re}\left\{{\widehat{\mathrm{\β}}}_{ML}{\left(r-{\widehat{\mathrm{\α}}}_{ML0}s\right)}^H{M}^{-1}z\right\}-|{\widehat{\mathrm{\β}}}_{ML}{|}^2{z}^H{M}^{-1}z,$ 其中η'(r/j)为化简后的条件广义似然比。由SMSP干扰和C&I干扰的生成机理可知，当我们知道SMSP干扰信号子脉冲个数n或者C&I干扰采样子脉冲个数p及其时隙数q时就可以分别重构出SMSP干扰信号和C&I干扰信号，基于此，将雷达回波向量和按照不同特征参数(n,p,q)重构的干扰向量带入条件广义似然比η'(r/j)，组成多通道处理系统，通过比较各通道条件广义似然比输出值的大小，选取使条件广义似然比最大时对应的干扰向量的值即得干扰向量的最大似然估计 $\hat{j}=\arg \underset{j}{max}\left\{2\mathrm{Re}\left\{{\widehat{\mathrm{\β}}}_{ML1}{\left(r-{\widehat{\mathrm{\α}}}_{ML0}s\right)}^H{M}^{-1}z\right\}-|{\widehat{\mathrm{\β}}}_{ML1}{|}^2{z}^H{M}^{-1}z\right\},$ 最后将干扰向量的最大似然估计带入条件广义释然比，得非条件广义释然比，对干扰进行检测。

干扰检测步骤：由干扰向量估计步骤得到广义似然比(检测统计量)，首先在H₀假设下设定恒虚警检测门限，基于该检测门限完成干扰检测。

本发明的效果通过以下仿真对比试验进一步说明：

仿真场景：假设雷达发射线性调频脉冲信号，其脉宽T＝10μs，带宽B＝10MHz，调频斜率k＝B/T,雷达接收机采样频率f_c＝20MHz,干扰机截获雷达信号后调制的SMSP干扰信号子脉冲个数n＝4，高斯噪声协方差矩阵M_k,l＝σ^k-l，试验中我们假设σ＝0.9(高斯色噪声)，信噪比SNR＝0dB,假设虚警概率为0.01，蒙特卡洛次数为10000次。

在上述仿真中，分别采用传统的能量检测方法和本方法对干扰进行检测，检测性能曲线如图3所示。对比图3-1和图3-2可知，采用本方法对干扰进行检测的检测性能明显优于传统的能量检测方法，具体的当检测概率P_d＝0.8时，本方法对比能量检测方法的干噪比增益大约为7dB。

Claims (2)

1.一种SMSP干扰和C&I干扰的检测方法，该方法包括以下步骤：

步骤1：回波信号预处理；

雷达不断向外发射线性调频脉冲信号，同时接收回波信号，截取单个脉冲对回波信号进行采样，形成如下二元假设检验模型：

H₀:{r＝αs+n

H₁:{r＝αs+βj+n

其中r＝[r(1),…r(N)]^T为回波向量，s＝[s(1),…s(N)]^T为目标信号向量，j＝[j(1),…j(N)]^T为干扰信号向量为SMSP干扰或C&I干扰，n＝[n(1),…n(N)]^T为协方差矩阵为M的零均值复高斯噪声向量,其中M先验已知且满足M＝E{nn^H}，N为采样点个数，α,β为未知幅值标量，H₀、H₁分别表示干扰不存在和存在两种假设检验结果；

步骤2：幅值标量参数估计；

对回波数据进行处理，首先假设干扰向量已知，条件广义似然比其中f(r/H₀)和f(r/H₁)分别为H₀假设下和H₁假设下的似然函数；借助于最优化理论求取使条件广义似然比最大时，对应的未知幅值标量的值即为其最大似然估计；基于此，可求得在H₀假设下，α的最大似然估计为在H₁假设下，α的最大似然估计为 ${\widehat{\mathrm{\α}}}_{ML1}=\frac{s^H{M}^{-1}(r-\mathrm{\β}j)}{s^H{M}^{-1}s},$ β的最大似然估计为 ${\widehat{\mathrm{\β}}}_{ML1}=\frac{z^H{M}^{-1}(r-{\widehat{\mathrm{\α}}}_{ML0}s)}{z^H{M}^{-1}z},$ 其中 $z=j-\left(\frac{s^H{M}^{-1}j}{s^H{M}^{-1}s}\right)s;$

步骤3：干扰向量估计；

将步骤2中所有未知幅值标量参数的最大似然估计带入条件广义似然比并取对数化简得 ${\mathrm{\η}}^{\′}(r/j)=2\mathrm{Re}\left\{{\widehat{\mathrm{\β}}}_{ML}{\left(r-{\widehat{\mathrm{\α}}}_{ML0}s\right)}^H{M}^{-1}z\right\}-|{\widehat{\mathrm{\β}}}_{ML}{|}^2{z}^H{M}^{-1}z,$ 其中η'(r/j)为化简后的条件广义似然比；当已知SMSP干扰信号子脉冲个数n或者C&I干扰采样子脉冲个数p及其时隙数q时就可以分别重构出SMSP干扰信号和C&I干扰信号；将雷达回波向量和按照不同特征参数(n,p,q)重构的干扰向量带入条件广义似然比η'(r/j)，获得不同特征参数(n,p,q)下的回波数据条件广义似然比，选取使条件广义似然比最大时对应的特征参数(n,p,q)，由该特征参数重构出干扰向量为干扰的最大似然估计；最后将干扰向量的最大似然估计带入条件广义释然比，得非条件广义似然比；

步骤4：由干扰向量估计步骤得到检测统计量，对干扰进行检测。

2.如权利要求1所述的一种SMSP干扰和C&I干扰的检测方法，其特征在于所述步骤3中获得的干扰向量最大似然估计为：

$\hat{j}=\arg \underset{j}{max}\left\{2\mathrm{Re}\left\{{\widehat{\mathrm{\β}}}_{ML1}{\left(r-{\widehat{\mathrm{\α}}}_{ML0}s\right)}^H{M}^{-1}z\right\}-|{\widehat{\mathrm{\β}}}_{ML1}{|}^2{z}^H{M}^{-1}z\right\}.$