CN105259541A - 一种多站雷达抗有源欺骗式干扰的方法 - Google Patents
一种多站雷达抗有源欺骗式干扰的方法 Download PDFInfo
- Publication number
- CN105259541A CN105259541A CN201510844434.4A CN201510844434A CN105259541A CN 105259541 A CN105259541 A CN 105259541A CN 201510844434 A CN201510844434 A CN 201510844434A CN 105259541 A CN105259541 A CN 105259541A
- Authority
- CN
- China
- Prior art keywords
- radar
- class
- euclidean distance
- distance value
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种多站雷达抗有源欺骗式干扰的方法,其主要思路为:任选一个节点雷达对接收信号进行匹配滤波和目标检测后,得到K+M个点目标,以第一个节点雷达为参考雷达,对K+M个点目标和其他N-1个节点雷达进行时间对齐操作,得到所述N-1个节点雷达检测到的点目标与参考雷达检测到的点目标之间的回波幅度对应关系,然后选取第p个点目标在第n个节点雷达的回波幅度,得到第p个点目标的幅度比特征矢量,设定虚假目标判定为真实目标的虚警率,得到用于N个节点雷达的鉴别门限θ,将第p个点目标的幅度比特征矢量Ωp归为第p类,进而得到K+M个各不相同的类,并进行聚类操作,获得最终的聚类结果,最后设定虚假点目标的判定门限值ε,据此获得所述最终的聚类结果中包含的虚假点目标。
Description
技术领域
本发明涉及雷达抗干扰技术领域,特别涉及一种多站雷达抗有源欺骗式干扰的方法,适用于组网雷达系统数据融合中心有效地识别并剔除欺骗式假目标,实现多站雷达系统对抗欺骗式干扰。
背景技术
电子欺骗技术致力于在方向、位置、跟踪起点等信息方面对受害雷达进行欺骗,或是在真实目标回波周围制造很多假目标以至于真实目标信息不能被提取出来。一种有效的电子欺骗技术类别为欺骗式电子欺骗技术,该欺骗式电子欺骗技术的欺骗目的是通过调制的发射或转发对雷达接收回波的幅度、相位等信息进行误导,尤其是数字射频存储器(DRFM),即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,广泛应用于自卫式干扰和随队干扰;此外,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性能和跟踪性能。
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,而多站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,由于多站雷达中各个节点雷达均会受到欺骗式干扰,使得密集假目标导致各节点雷达的量测值间进行关联检验的错误率较高,并且多站雷达的布站位置不理想,也会影响多站雷达对抗欺骗式干扰的能力。
现有的多站雷达大部分是利用数据级融合对欺骗式干扰进行对抗,在多站雷达对目标测量的过程中,只利用了目标的点迹信息或航迹信息,使得数据级融合抗干扰方法不能完全发挥其抗干扰能力,进而无法充分利用多站雷达的优势。
现有的对抗欺骗式干扰为信号级融合方法,虽然可以充分利用目标回波的各种信息,但也存在着诸多限制与不足,该信号级融合方法利用在不同雷达站中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鉴别真假目标,其鉴别效果依赖于慢时间复包络序列中脉冲重复周期(PRT)的个数,而在实际雷达工作环境中,可利用的脉冲重复周期(PRT)个数是非常有限的,甚至只有一个脉冲重复周期(PRT)可以利用,使得此时信号相关性检测的方法完全失效。同时,很有可能会将慢起伏的真目标鉴别为假目标。
发明内容
针对上述现有技术存在的不足,本发明的目的在于提出一种多站雷达抗有源欺骗式干扰的方法,该方法能够使得多站雷达系统信号级抗欺骗式密集假目标干扰,也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,本发明采用如下技术方案予以实现。
一种多站雷达抗有源欺骗式干扰的方法,包括以下步骤:
步骤1,建立多站雷达系统,所述多站雷达系统中包含N个节点雷达,所述N个节点雷达分别接收信号,N为自然数,且N≥2,并且在一个脉冲重复时间内,所述N个节点雷达中的任意一个节点雷达对接收信号进行匹配滤波和目标检测后,得到K+M个点目标;其中,K表示接收信号中存在的真实点目标个数,M表示接收信号中存在的虚假点目标个数;
步骤2,以第一个节点雷达为参考雷达,对K+M个点目标和其他N-1个节点雷达进行时间对齐操作,得到所述N-1个节点雷达检测到的点目标与参考雷达检测到的点目标之间的回波幅度对应关系,然后从第n个节点雷达的回波中选取第p个点目标在第n个节点雷达的回波幅度εp,n,并据此计算得到第p个点目标的幅度比特征矢量Ωp;其中,
p∈{1,2,…,K+M},n∈{2,…,N};
步骤3,设定虚假点目标判定为真实点目标的虚警率γ,并根据多站雷达系统中包含的N个节点雷达,计算得到用于N个节点雷达的鉴别门限θ;
步骤4,将第p个点目标的幅度比特征矢量Ωp归为第p类,进而得到K+M个各不相同的类,然后根据所述鉴别门限θ对K+M个各不相同的类进行聚类操作,获得最终的聚类结果;
步骤5,设定虚假点目标的判定门限值ε,并据此获得所述最终的聚类结果中包含的真实点目标和虚假点目标;其中,ε为自然数。
本发明与现有技术相比,具有以下优点:
第一,相比于现有技术,本发明利用各雷达站真实目标回波的幅度比离散分布,以及虚假目标回波的幅度比近似相同,而采用系统聚类分析的方法,能够更有效地对抗欺骗式密集假目标的干扰;
第二,本发明不依赖于欺骗式干扰的信号调制方式,能够对不同欺骗式干扰方式产生的假目标进行有效鉴别;
第三,本发明不依赖于长期的数据积累,仅需要一个脉冲重复周期(PRT)的时间就能够完成对真假目标的鉴别,效率更高,实用性更强;
第四,本发明可以保证恒定虚假目标的正确鉴别概率,即进行虚假目标判定为真实目标的恒虚警检测。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1为本发明的一种多站雷达抗有源欺骗式干扰的方法的实现流程图;
图2为虚警率为0.001时真实目标和虚假目标分别在幅度比特征空间的分布情况示意图;
图3为三种布站方式下,真实目标的正确鉴别概率PPT分别随干燥比(JNR)的变化曲线示意图;其中,横坐标为干燥比(JNR),纵坐标为真实目标的正确鉴别概率PPT;
图4为三种布站方式下,虚假目标的正确鉴别概率P'FT分别随干燥比(JNR)的变化曲线示意图;其中,横坐标为干燥比(JNR),纵坐标为虚假目标的正确鉴别概率P'FT。
具体实施方式
参照图1,为本发明的一种多站雷达抗有源欺骗式干扰的方法的实现流程图,该种多站雷达抗有源欺骗式干扰的方法,包括以下步骤:
步骤1,建立多站雷达系统,所述多站雷达系统中包含N个节点雷达,所述N个节点雷达分别接收信号,N为自然数,且N≥2,并且在一个脉冲重复时间(PRT)内,所述N个节点雷达中的任意一个节点雷达对接收信号进行匹配滤波和目标检测后,得到K+M个点目标;其中,K表示接收信号中存在的真实点目标个数,M表示接收信号中存在的虚假点目标个数。
步骤2,以第一个节点雷达为参考雷达,对K+M个点目标和其他N-1个节点雷达进行时间对齐操作,得到所述N-1个节点雷达检测到的点目标与参考雷达检测到的点目标之间的回波幅度对应关系,然后从第n个节点雷达的回波中选取第p个点目标在第n个节点雷达的回波幅度εp,n,并据此计算得到第p个点目标的幅度比特征矢量Ωp;其中,
p∈{1,2,…,K+M},n∈{2,…,N},K表示接收信号中存在的真实点目标个数,M表示接收信号中存在的虚假点目标个数。
具体地,以第一个节点雷达为参考雷达,对K+M个点目标和其他N-1个节点雷达进行时间对齐操作,得到所述N-1个节点雷达检测到的点目标与参考雷达检测到的点目标之间的回波幅度对应关系,然后从第n个节点雷达的回波中选取第p个点目标在第n个节点雷达的回波幅度εp,n,并据此计算得到第p个点目标的幅度比特征矢量Ωp,其表达式为:
其中,εp,1表示第p个点目标在第一个节点雷达上的回波幅度,εp,n表示第p个点目标在第n个节点雷达上的回波幅度,K表示接收信号中存在的真实点目标个数,M表示接收信号中存在的虚假点目标个数。
步骤3,设定虚假点目标判定为真实点目标的虚警率γ,并根据多站雷达系统中包含的N个节点雷达,计算得到用于N个节点雷达的鉴别门限θ。
具体地,设定第j个节点雷达回波中远离点目标包络的部分为第j个节点雷达的噪声样本,并根据所述第j个节点雷达的噪声样本估计第j个节点雷达的噪声方差,即噪声功率,然后选取第j个节点雷达回波中点目标幅度模值最大的幅度模值,据此估计得到第j个雷达的干扰噪声功率比δj,并根据设定虚假点目标判定为真实点目标的虚警率γ,计算得到用于N个节点雷达的鉴别门限θ。
所述用于N个节点雷达的鉴别门限θ的表达式为:
其中,||||2表示2范数,
j∈{1,2,…,N},p∈{1,2,…,K+M},K表示接收信号中存在的真实点目标个数,M表示接收信号中存在的虚假点目标个数,γ表示设定的虚假点目标判定为真实点目标的虚警率,N表示建立的多站雷达系统包含的节点雷达个数,表示F(2/δ1,2/δj)的逆累积分布函数,F(2/δ1,2/δj)表示自由度为(2,2)、非中心参数为(δ1,δj)的双非中心F分布,δ1表示第一个节点雷达的干扰噪声功率比,δj表示第j个节点雷达的干扰噪声功率比。
步骤4,将第p个点目标的幅度比特征矢量Ωp归为第p类,进而得到K+M个各不相同的类,然后根据应用系统聚类分析方法和所述鉴别门限θ对K+M个各不相同的类进行聚类操作,获得最终的聚类结果。
步骤4的子步骤具体为:
4.1将第p个点目标的幅度比特征矢量Ωp归为第p类,进而得到K+M个各不相同的类C1,C2,…,CK+M,并且所述K+M个各不相同的类分别只包含一个元素,即分别为单独类;其中,p∈{1,2,…,K+M},p表示第个点目标,p也表示第p个类。
4.2获取K+M个各不相同的类中任意两个类之间的欧氏距离值,其中K+M个各不相同的类中两个类之间的欧式距离值,为其对应的两个类的元素之间的欧式距离值。
具体地,在K+M个各不相同的类中,当第i个类Ci仅包含特征矢量Ωi,第t个类Ct仅包含特征矢量Ωt时,则第i个类Ci和第t个类Ct之间的欧氏距离值为||Ωi-Ωt||2,进而据此计算K+M个各不相同的类中每两个类之间的欧氏距离值,获得H1个欧式距离值,并选取所述H1个欧式距离值中最小的欧式距离值并进行合并类操作。
如果所述H1个欧式距离值中最小的欧式距离值小于所述鉴别门限θ,就将所述H1个欧式距离值中最小的欧式距离值对应的两个类合并为第一个合并类,此时K+M个各不相同的类转变为K+M-1个各不相同的类;其中,||||2表示2范数,t,i∈{1,2,…,K+M}。
4.3在所述K+M-1个各不相同的类中,如果任意两个类中至少有一个类包含两个或两个以上元素时,其对应的两个类之间的欧式距离值为对应的两个类各自包含的元素之间的最大欧式距离值。
具体地,由于所述第一个合并类合并了所述H1个欧式距离值中最小的欧式距离值对应的两个类,使得K+M-1个各不相同的类中有一个类包含了两个幅度比特征矢量;在所述K+M-1个各不相同的类中,当第l个类Cl仅包含特征矢量Ωl,第r个类Cr包含特征矢量Ωr和时,第l个类Cl和第r个类Cr之间的欧氏距离值为进而据此计算K+M-1个各不相同的类中每两个类之间的欧氏距离值,获得H2个欧式距离值,并选取所述H2个欧式距离值中最小的欧式距离值并进行合并类操作。
如果所述H2个欧式距离值中最小的欧式距离值小于所述鉴别门限θ,就将所述H2个欧式距离值中最小的欧式距离值对应的两个类合并为第二个合并类,此时所述K+M-1个各不相同的类转变为K+M-2个各不相同的类;其中,max(·)表示选取最大值操作,i,l∈{1,2,…,K+M},||||2表示2范数。
4.4再重复合并类操作y次,将K+M-2个各不相同的类转变为K+M-2-y个各不相同的类,直到K+M-2-y个各不相同的类中每两个类之间的欧式距离值分别大于所述鉴别门限θ,停止合并类操作,并将所述K+M-2-y个各不相同的类作为最终的聚类结果。
步骤5,设定虚假点目标的判定门限值ε,并据此获得所述最终的聚类结果中包含的真实点目标和虚假点目标;其中,ε为自然数。
具体地,由于在幅度比特征空间内,所述多站雷达系统中的每一个节点雷达的真实点目标回波的幅度比离散分布,并且虚假点目标回波的幅度比近似相同,分布集中,使得对所述最终的聚类结果中包含的点目标的幅度比特征矢量进行聚类分析后,每一个真实点目标会单独成为一个类,而虚假点目标会因幅度比分布集中而归结到同一个类,据此设定虚假点目标的判定门限值ε,若所述最终的聚类结果包含的K+M-2-y个各不相同的类中任意一个类包含点目标的个数小于ε,则其对应的类包含的点目标分别对应真实点目标。
若所述最终的聚类结果包含的K+M-2-y个各不相同的类中任意一个类包含ε个或ε以上个点目标,则判定该类中包含的点目标分别对应虚假点目标。
其中,所述虚假点目标的判定门限值ε一般取为2;若考虑到所述最终的聚类结果中任意一个合并类包含的虚假点目标的个数大于真实点目标的个数,可以将ε取成一个大于2的整数。
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。
(一)仿真参数
以四个节点雷达组成的多站雷达系统为例进行仿真实验,第一个节点雷达的工作模式为发射-接收模式,其余三个节点雷达雷达分别为接收模式,然后使得所述四个节点雷达组成的多站雷达系统对同一空间区域进行探测,在探测的同一空间区域中有五个真实点目标,其中一个点目标携带自卫式干扰机,并产生30个有源欺骗式虚假点目标。为叙述方便,将所述真实点目标和虚假点目标分别称之为真实目标和虚假目标。
假设每一个节点雷达上的接收信号进行脉冲压缩后,得到的30个有源欺骗式假目标分别对应的有源欺骗式虚假目标的复包络干燥比(JNR)相等。
(2)实验内容与结果分析
实验一:在上述试验场景中,四个节点雷达布站情况为[0,0],[-300,0],[300,0],和[600,0],以第一个节点雷达为参考点建立直角坐标系,五个真实目标的尺寸均为15m,该五个真实目标的初始状态如下所示:
当设定的虚假目标判定为真实目标的虚警率γ为0.001时,第一个节点雷达的干燥比(JNR)为30dB,所述多站雷达系统内的噪声为高斯白噪声时,真假目标在幅度比特征空间的分布情况如图2所示,图2为虚警率为0.001时真实目标和虚假目标分别在幅度比特征空间的分布情况示意图;其中,虚警率为设定的虚假目标判定为真实目标的虚警率。
从图2中可以看到,在幅度比特征空间内,五个真实目标随机分布,而虚假目标是集中分布的,这是由于所述多站雷达系统内高斯白噪声的存在,使得虚假目标的幅度比不完全一样,但却十分接近。
然后采用本发明提出的方法,获得最后的鉴别结果为:检测目标序号分别为23,26,28,30,32的目标为真实目标,其余目标均为虚假目标。由以上结果和分析,可见本发明方法的有效性。
实验二:分析雷达几何布站对该方法鉴别性能的影响。将实验一中的四个节点雷达组成的多站雷达系统设为布站方式1,除雷达位置外,其余设定均保持不变,其他两种布站方式分别为:
布站2:[0,0],[-200,0],[200,0],[400,0];
布站3:[0,0],[-300,0],[300,0],[600,0],[-600,0]。
设定以第一个节点雷达的干燥比JNR为变量,每一次递增5dB,其余节点雷达的JNR可由双站雷达方程求得。设定的虚假目标判定为真实目标的虚警率γ=0.001,并根据每一个固定的干燥比(JNR),对本发明提出的有源假目标鉴别方法进行104次蒙特卡罗实验,统计得到真实目标的正确鉴别概率PPT以及虚假目标的正确鉴别概率P'FT,分别如图3和图4所示;图3为三种布站方式下,真实目标的正确鉴别概率PPT分别随干燥比(JNR)的变化曲线示意图;其中,横坐标为干燥比(JNR),纵坐标为真实目标的正确鉴别概率PPT;图4为三种布站方式下,虚假目标的正确鉴别概率P'FT分别随干燥比(JNR)的变化曲线示意图;其中,横坐标为干燥比(JNR),纵坐标为虚假目标的正确鉴别概率P'FT;图3和图4中的干燥比(JNR)的变化范围分别为20~60。
从图3中可以看到,随着干燥比(JNR)的增大,真实目标正确鉴别概率PPT不断增加,尤其是当干燥比(JNR)>30以后,具有相当高的鉴别概率。实际上,为了获得更好的欺骗性能,干燥比(JNR)通常会更大,也因此本发明提出的方法能够更有效地鉴别虚假目标,保留真实目标。
并且,从图3中还可以看到,对于不同的干燥比(JNR),虚假目标的正确鉴别概率基本保持恒定,这就意味着,本发明提出的方法能够保证恒虚警。
从图3和图4中可以看到,在三种布站方式下,本发明方法均具有十分满意的真实目标正确鉴别概率和虚假目标的正确鉴别概率,而且性能十分接近,说明雷达布站对本发明方法的鉴别性能影响很小,但分别对比第一、第二种布站方式的结果,第一种布站具有更好的鉴别性能,这是因为第一种布站方式具有更长的雷达站间基线,基线越长,真实目标的相关性越小,在幅度比特征空间离散分部随机性越大,鉴别性能就越好。分别对比第一、三种布站方式的结果,可以得出,接收站越多,鉴别性能越好。这是因为,接收站越多,使得能够提供更多的信息建立一个多维的特征空间,进而能够极大地增加真实目标与虚假目标之间的可分离性。
综上所述,仿真实验验证了本发明的正确性,有效性和可靠性。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围;这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (5)
1.一种多站雷达抗有源欺骗式干扰的方法,其特征在于,包括以下步骤:
步骤1,建立多站雷达系统,所述多站雷达系统中包含N个节点雷达,所述N个节点雷达分别接收信号,N为自然数,且N≥2,并且在一个脉冲重复时间内,所述N个节点雷达中的任意一个节点雷达对接收信号进行匹配滤波和目标检测后,得到K+M个点目标;其中,K表示接收信号中存在的真实点目标个数,M表示接收信号中存在的虚假点目标个数;
步骤2,以第一个节点雷达为参考雷达,对K+M个点目标和其他N-1个节点雷达进行时间对齐操作,得到所述N-1个节点雷达检测到的点目标与参考雷达检测到的点目标之间的回波幅度对应关系,然后从第n个节点雷达的回波中选取第p个点目标在第n个节点雷达的回波幅度εp,n,并据此计算得到第p个点目标的幅度比特征矢量Ωp;其中,p∈{1,2,…,K+M},n∈{2,…,N};
步骤3,设定虚假点目标判定为真实点目标的虚警率γ,并根据多站雷达系统中包含的N个节点雷达,计算得到用于N个节点雷达的鉴别门限θ;
步骤4,将第p个点目标的幅度比特征矢量Ωp归为第p类,进而得到K+M个各不相同的类,然后根据所述鉴别门限θ对K+M个各不相同的类进行聚类操作,获得最终的聚类结果;
步骤5,设定虚假点目标的判定门限值ε,并据此获得所述最终的聚类结果中包含的真实点目标和虚假点目标;其中,ε为自然数。
2.如权利要求1所述的一种多站雷达抗有源欺骗式干扰的方法,其特征在于,在步骤2中,所述第p个点目标的幅度比特征矢量Ωp,其表达式为:
其中,εp,1表示第p个点目标在第一个节点雷达上的回波幅度,εp,n表示第p个点目标在第n个节点雷达上的回波幅度,K表示接收信号中存在的真实点目标个数,M表示接收信号中存在的虚假点目标个数。
3.如权利要求1所述的一种多站雷达抗有源欺骗式干扰的方法,其特征在于,在步骤3中,所述N个节点雷达的鉴别门限θ的表达式为:
其中,||||2表示2范数,
j∈{1,2,…,N},p∈{1,2,…,K+M},K表示接收信号中存在的真实点目标个数,M表示接收信号中存在的虚假点目标个数,γ表示设定的虚假目标判定为真实目标的虚警率,N表示建立的多站雷达系统包含的节点雷达个数,表示F(2/δ1,2/δj)的逆累积分布函数,F(2/δ1,2/δj)表示自由度为(2,2)、非中心参数为(δ1,δj)的双非中心F分布,δ1表示第1个节点雷达的干扰噪声功率比,δj表示第j个节点雷达的干扰噪声功率比。
4.如权利要求1所述的一种多站雷达抗有源欺骗式干扰的方法,其特征在于,在步骤4中,所述获得最终的聚类结果,其过程为:
4.1将第p个点目标的幅度比特征矢量Ωp归为第p类,进而得到K+M个各不相同的类C1,C2,…,CK+M,并且所述K+M个各不相同的类分别只包含一个元素,即分别为单独类;其中,p∈{1,2,…,K+M};
4.2获取K+M个各不相同的类中任意两个类之间的欧氏距离值,其中K+M个各不相同的类中两个类之间的欧式距离值为其对应的两个类的元素之间的欧式距离值;
具体地,在K+M个各不相同的类中,当第i个类Ci仅包含特征矢量Ωi,第t个类Ct仅包含特征矢量Ωt时,则第i个类Ci和第t个类Ct之间的欧氏距离值为||Ωi-Ωt||2,进而据此计算K+M个各不相同的类中每两个类之间的欧氏距离值,获得H1个欧式距离值,并选取所述H1个欧式距离值中最小的欧式距离值并进行合并类操作;
如果所述H1个欧式距离值中最小的欧式距离值小于所述鉴别门限θ,就将所述H1个欧式距离值中最小的欧式距离值对应的两个类合并为第一个合并类,此时K+M个各不相同的类转变为K+M-1个各不相同的类;其中,||||2表示2范数,t,i∈{1,2,…,K+M};
4.3在所述K+M-1个各不相同的类中,如果任意两个类中至少有一个类包含两个或两个以上元素时,其对应的两个类之间的欧式距离值为对应的两个类各自包含的元素之间的最大欧式距离值;
具体地,在所述K+M-1个各不相同的类中,当第l个类Cl仅包含特征矢量Ωl,第r个类Cr包含特征矢量Ωr和时,第l个类Cl和第r个类Cr之间的欧氏距离值为max(||Ωl-Ωr||2,进而据此计算K+M-1个各不相同的类中每两个类之间的欧氏距离值,获得H2个欧式距离值,并选取所述H2个欧式距离值中最小的欧式距离值并进行合并类操作;
如果所述H2个欧式距离值中最小的欧式距离值小于所述鉴别门限θ,就将所述H2个欧式距离值中最小的欧式距离值对应的两个类合并为第二个合并类,此时所述K+M-1个各不相同的类转变为K+M-2个各不相同的类;其中,max(·)表示选取最大值操作,i,l∈{1,2,…,K+M},||||2表示2范数;
4.4再重复合并类操作y次,将K+M-2个各不相同的类转变为K+M-2-y个各不相同的类,直到K+M-2-y个各不相同的类中每两个类之间的欧式距离值分别大于所述鉴别门限θ时停止合并类操作,并将所述K+M-2-y个各不相同的类作为最终的聚类结果。
5.如权利要求1所述的一种多站雷达抗有源欺骗式干扰的方法,其特征在于,在步骤5中,所述设定虚假点目标的判定门限值ε,其中ε为大于或等于2的整数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510844434.4A CN105259541B (zh) | 2015-11-26 | 2015-11-26 | 一种多站雷达抗有源欺骗式干扰的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510844434.4A CN105259541B (zh) | 2015-11-26 | 2015-11-26 | 一种多站雷达抗有源欺骗式干扰的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105259541A true CN105259541A (zh) | 2016-01-20 |
CN105259541B CN105259541B (zh) | 2017-10-13 |
Family
ID=55099302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510844434.4A Active CN105259541B (zh) | 2015-11-26 | 2015-11-26 | 一种多站雷达抗有源欺骗式干扰的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105259541B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107607943A (zh) * | 2017-09-07 | 2018-01-19 | 西安电子科技大学 | 基于干涉相位辅助的延迟多普勒雷达高度表的测高方法 |
CN108562877A (zh) * | 2018-02-01 | 2018-09-21 | 中国电子科技集团公司第二十八研究所 | 一种基于信号包络特征的欺骗式干扰抑制方法 |
CN108983165A (zh) * | 2018-08-17 | 2018-12-11 | 西安电子科技大学 | 基于子站选择的多站雷达系统抗欺骗式干扰方法 |
CN109507645A (zh) * | 2018-09-17 | 2019-03-22 | 北京理工大学 | 一种脉冲描述字的提取方法及装置 |
CN111025254A (zh) * | 2019-12-25 | 2020-04-17 | 惠州市德赛西威智能交通技术研究院有限公司 | 基于数字滤波器的车载毫米波雷达近距虚假目标消除方法 |
CN112363124A (zh) * | 2020-11-18 | 2021-02-12 | 扬州船用电子仪器研究所(中国船舶重工集团公司第七二三研究所) | 一种基于功率的仿真雷达目标模拟方法 |
CN113484838A (zh) * | 2021-06-30 | 2021-10-08 | 南京邮电大学 | 一种多基地雷达有源假目标鉴别方法及系统 |
CN113917410A (zh) * | 2021-12-13 | 2022-01-11 | 湖南芯普电子科技有限公司 | 一种双站雷达协同抗欺骗干扰方法、装置和计算机设备 |
CN114519372A (zh) * | 2022-01-28 | 2022-05-20 | 西安电子科技大学 | 基于支持向量机的一维距离像目标识别方法 |
US11984964B2 (en) | 2021-05-10 | 2024-05-14 | Raytheon Company | Decentralized control via adaptive importance encoding |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080297394A1 (en) * | 2007-05-30 | 2008-12-04 | United States Of America As Represented By Secretary Of The Navy | Program to generate an aircrew display aid to assess jam effectiveness |
CN103018722A (zh) * | 2012-10-15 | 2013-04-03 | 西安电子科技大学 | 利用组网雷达系统对抗欺骗式假目标的方法 |
CN103605115A (zh) * | 2013-12-03 | 2014-02-26 | 西安电子科技大学 | 基于网络化雷达阵列合成的抗有源主瓣干扰方法 |
CN103809161A (zh) * | 2014-01-09 | 2014-05-21 | 中国人民解放军海军航空工程学院 | 雷达网抗距离欺骗+soj复合干扰方法 |
CN103837863A (zh) * | 2014-03-05 | 2014-06-04 | 中国人民解放军海军航空工程学院 | 基于梯度投影的距离-速度同步拖引欺骗干扰识别 |
CN103954943A (zh) * | 2014-05-13 | 2014-07-30 | 西安电子科技大学 | 网络化雷达系统抗欺骗式干扰方法 |
CN103954940A (zh) * | 2014-01-21 | 2014-07-30 | 中国人民解放军海军航空工程学院 | 雷达网基于交叉定位点聚类的集中式与分布式压制干扰鉴别方法 |
US20140354464A1 (en) * | 2013-05-20 | 2014-12-04 | Faran Awais Butt | Radar deception jamming prevention using bi-static and mono-static radars |
CN104991233A (zh) * | 2015-06-29 | 2015-10-21 | 西安电子科技大学 | 基于信号级融合的组网雷达抗欺骗式干扰方法 |
-
2015
- 2015-11-26 CN CN201510844434.4A patent/CN105259541B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080297394A1 (en) * | 2007-05-30 | 2008-12-04 | United States Of America As Represented By Secretary Of The Navy | Program to generate an aircrew display aid to assess jam effectiveness |
CN103018722A (zh) * | 2012-10-15 | 2013-04-03 | 西安电子科技大学 | 利用组网雷达系统对抗欺骗式假目标的方法 |
US20140354464A1 (en) * | 2013-05-20 | 2014-12-04 | Faran Awais Butt | Radar deception jamming prevention using bi-static and mono-static radars |
CN103605115A (zh) * | 2013-12-03 | 2014-02-26 | 西安电子科技大学 | 基于网络化雷达阵列合成的抗有源主瓣干扰方法 |
CN103809161A (zh) * | 2014-01-09 | 2014-05-21 | 中国人民解放军海军航空工程学院 | 雷达网抗距离欺骗+soj复合干扰方法 |
CN103954940A (zh) * | 2014-01-21 | 2014-07-30 | 中国人民解放军海军航空工程学院 | 雷达网基于交叉定位点聚类的集中式与分布式压制干扰鉴别方法 |
CN103837863A (zh) * | 2014-03-05 | 2014-06-04 | 中国人民解放军海军航空工程学院 | 基于梯度投影的距离-速度同步拖引欺骗干扰识别 |
CN103954943A (zh) * | 2014-05-13 | 2014-07-30 | 西安电子科技大学 | 网络化雷达系统抗欺骗式干扰方法 |
CN104991233A (zh) * | 2015-06-29 | 2015-10-21 | 西安电子科技大学 | 基于信号级融合的组网雷达抗欺骗式干扰方法 |
Non-Patent Citations (6)
Title |
---|
SHANSHAN ZHAO ET.ALL: ""Signal fusion-based algorithms to discriminate between radar targets and deception jamming in distributed multiple-radar architectures"", 《IEEE SENSOR JOURNAL》 * |
刘恒泽: ""主被动复合导引头信号处理及融合技术研究"", 《万方数据库》 * |
张林让等: ""网络化雷达协同抗欺骗式干扰技术研究进展"", 《数据采集与处理》 * |
易咸煜: ""雷达有源干扰识别及抗干扰措施优化选取"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
曾跃: ""欺骗式ISAR干扰技术研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑(月刊)》 * |
赵珊珊等: ""利用空间散射特性差异进行有源假目标鉴别"", 《西安电子科技大学学报(自然科学版)》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107607943A (zh) * | 2017-09-07 | 2018-01-19 | 西安电子科技大学 | 基于干涉相位辅助的延迟多普勒雷达高度表的测高方法 |
CN107607943B (zh) * | 2017-09-07 | 2020-06-23 | 西安电子科技大学 | 基于干涉相位辅助的延迟多普勒雷达高度表的测高方法 |
CN108562877B (zh) * | 2018-02-01 | 2020-07-24 | 南京莱斯电子设备有限公司 | 一种基于信号包络特征的欺骗式干扰抑制方法 |
CN108562877A (zh) * | 2018-02-01 | 2018-09-21 | 中国电子科技集团公司第二十八研究所 | 一种基于信号包络特征的欺骗式干扰抑制方法 |
CN108983165A (zh) * | 2018-08-17 | 2018-12-11 | 西安电子科技大学 | 基于子站选择的多站雷达系统抗欺骗式干扰方法 |
CN108983165B (zh) * | 2018-08-17 | 2022-03-18 | 西安电子科技大学 | 基于子站选择的多站雷达系统抗欺骗式干扰方法 |
CN109507645A (zh) * | 2018-09-17 | 2019-03-22 | 北京理工大学 | 一种脉冲描述字的提取方法及装置 |
CN109507645B (zh) * | 2018-09-17 | 2020-12-08 | 北京理工大学 | 一种脉冲描述字的提取方法及装置 |
CN111025254A (zh) * | 2019-12-25 | 2020-04-17 | 惠州市德赛西威智能交通技术研究院有限公司 | 基于数字滤波器的车载毫米波雷达近距虚假目标消除方法 |
CN112363124A (zh) * | 2020-11-18 | 2021-02-12 | 扬州船用电子仪器研究所(中国船舶重工集团公司第七二三研究所) | 一种基于功率的仿真雷达目标模拟方法 |
CN112363124B (zh) * | 2020-11-18 | 2024-05-07 | 扬州船用电子仪器研究所(中国船舶重工集团公司第七二三研究所) | 一种基于功率的仿真雷达目标模拟方法 |
US11984964B2 (en) | 2021-05-10 | 2024-05-14 | Raytheon Company | Decentralized control via adaptive importance encoding |
CN113484838A (zh) * | 2021-06-30 | 2021-10-08 | 南京邮电大学 | 一种多基地雷达有源假目标鉴别方法及系统 |
CN113917410A (zh) * | 2021-12-13 | 2022-01-11 | 湖南芯普电子科技有限公司 | 一种双站雷达协同抗欺骗干扰方法、装置和计算机设备 |
CN114519372A (zh) * | 2022-01-28 | 2022-05-20 | 西安电子科技大学 | 基于支持向量机的一维距离像目标识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105259541B (zh) | 2017-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105259541A (zh) | 一种多站雷达抗有源欺骗式干扰的方法 | |
CN103954943B (zh) | 网络化雷达系统抗欺骗式干扰方法 | |
CN104991232B (zh) | 目标信号相关下信号级融合的组网雷达抗欺骗式干扰方法 | |
CN103728599B (zh) | 用异地配置的主被动雷达网抑制欺骗式假目标干扰的方法 | |
CN103728598B (zh) | 用异地配置的主被动雷达网抑制航迹欺骗干扰的方法 | |
CN106125053B (zh) | 脉冲多普勒雷达极化抗干扰方法 | |
Zhang et al. | MRPT: Millimeter-wave radar-based pedestrian trajectory tracking for autonomous urban driving | |
CN109946665A (zh) | 基于阵列雷达的获取真实目标的方法 | |
CN104991233B (zh) | 基于信号级融合的组网雷达抗欺骗式干扰方法 | |
CN105259540A (zh) | 一种多站雷达抗有源欺骗式干扰的优化方法 | |
CN105785340B (zh) | 单脉冲雷达对主瓣内目标和诱饵干扰的测角与识别方法 | |
CN109143195A (zh) | 一种基于全kl散度的雷达目标检测方法 | |
CN106842165A (zh) | 一种基于不同距离角度分辨率雷达集中式异步融合方法 | |
Molchanov | Radar target classification by micro-Doppler contributions | |
CN109633598A (zh) | 基于特征分析的阵列雷达目标检测方法 | |
CN105425223A (zh) | 广义帕累托杂波下稀疏距离扩展雷达目标的检测方法 | |
CN105044686A (zh) | 一种雷达密集假目标干扰抑制方法 | |
CN103675808B (zh) | 一种单脉冲雷达导引头的不可分辨多目标检测方法 | |
CN106168661B (zh) | 随机捷变极化有源假目标的鉴别方法 | |
CN107015208A (zh) | 一种基于四通道单脉冲比统计特性的诱饵干扰检测方法 | |
Liu et al. | Unsupervised clustering method to discriminate dense deception jamming for surveillance radar | |
CN106443660A (zh) | 一种线性调频连续波雷达多运动目标匹配方法 | |
CN107329130B (zh) | 一种基于雷达通信一体化系统接收端的信号处理方法 | |
CN106019250B (zh) | 基于角闪烁转发式假目标鉴别方法 | |
CN109031278A (zh) | 一种基于幅度的对海雷达多目标融合跟踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |