CN105527614A - 基于动目标检测的lfm脉冲雷达抗drfm干扰方法 - Google Patents

Abstract

本发明公开了一种基于动目标检测的LFM脉冲雷达抗DRFM干扰的方法。该方法利用MTD分别将目标和干扰回波的能量聚集这一特性，根据峰值分选出两种回波信息，分别通过逆MTD处理和逆脉冲压缩处理恢复时域信号，最后利用DRFM相位量化的特性实现对目标和干扰的鉴别。本发明在信噪比较低的情况下，性能稳定。能在信噪比大于-15dB、DRFM干扰量化位数小于等于3的情况下，正确鉴别干扰和目标的概率达到100%。

Description

基于动目标检测的LFM脉冲雷达抗DRFM干扰方法

技术领域

本发明属于雷达抗干扰技术领域，特别是一种基于动目标检测的线性调频(LinearFrequencyModulation，LFM)脉冲雷达抗数字射频存储器(DigitalRadioFrequencyMemory，DRFM)干扰方法。

背景技术

相干干扰要求干扰信号是雷达波形的精确模拟，目前主要采用DRFM来实现。基于DRFM的干扰系统截获到LFM脉冲雷达发射信号，经下变频后进行采集、存储，在适当时机读出，经D/A转换为模拟信号再上变频为射频信号。在一定条件下，DRFM重构的干扰信号是雷达信号的精确复制，因此可产生有效的欺骗干扰。

由于DRFM干扰信号是由对雷达辐射信号的截获、采样、存储和转发而来的，能够精确复制脉内细微特征，并与雷达回波信号具有高度相关性，因而能够获得雷达处理增益，有效地利用干扰发射功率。DRFM干扰信号可在时域、频域上与目标回波信号重叠。干扰机在发射干扰信号时，可以对干扰信号附加时延、频率、相位或幅度调制，同时干扰平台与雷达间相对位置和速度的改变都可能使干扰信号参数发生变化，从而使得干扰信号处于动态变化过程中。

DRFM干扰信号与雷达信号具有强相干性且主要是由主瓣进入雷达，因而以常规的天线或体制抗干扰措施难以对抗该种干扰形式。

目前，国内外有不少专家学者都在从事雷达转发式干扰抑制技术的研究工作。脉冲分集技术可以抗转发式干扰，然而这种方法对发射波形有很高的要求，雷达体系结构要求较高，代价较大。吴亿锋等人提出了一种基于最大似然估计的转发式干扰环境中运动目标的检测算法，但该方法仅对转发式干扰与运动目标的波达方向存在一定偏差时有效。卢云龙等人提出了基于干扰信号谐波分量调频率匹配的检测方法，该方法建立了谐波分量调频率参数库，利用分数阶傅里叶变换检测雷达回波中LFM信号分量并估计其调频率，通过与参数库进行匹配分析，实现干扰信号的检测，但该方法仅在信噪比大于5dB时，干扰正确检测概率才能达到90％。卢刚等人通过自适应滤波从时—频解耦后的信号中估计出干扰信号并对干扰信号进行对消，该方法仅能对抗单一的距离转发式干扰，对速度转发式干扰或距离-速度转发式干扰则效果不佳。

由上可知，已有的方法对干扰抑制性能有限，且大多算法的实现对信噪比要求较高，受信噪比影响较大。

发明内容

本发明的目的在于提供一种基于动目标检测(MovingTargetDetection，MTD)的LFM脉冲雷达抗DRFM干扰的方法。

实现本发明目的的技术解决方案具体为：一种基于动目标检测的LFM脉冲雷达抗DRFM干扰方法，包括以下步骤：

步骤1、对LFM雷达回波信号进行脉冲压缩和MTD处理，之后对MTD处理的结果x_MTD进行峰值搜索，找出两个峰值的位置，分别记为max₁和max₂；

步骤2、以第一峰值max₁为中心，对MTD处理的结果加二维凯撒窗，仅保留第一峰值max₁，压低第二峰值max₂，得到处理结果x_MTD1；

步骤3、对处理结果x_MTD1进行逆MTD处理得到恢复的脉冲压缩结果x_MF1，再进行逆脉冲压缩处理，得到恢复的时域信号具体为：

步骤3-1、对处理结果x_MTD1进行逆MTD处理，具体为：

对x_MTD1进行纵向逆FFT运算，得到恢复的一个CPI内每个PRI的脉冲压缩的结果x_MF1

x_MF1＝ifft(x_MTD1)

k＝1,2,…,N对应第k个PRI的脉冲压缩的结果，则将其表示为：

$x_{MF1}=\left[\begin{array}{c}{x}_{MF{1}_1}\\ x_{MF{1}_2}\\ .\\ .\\ .\\ x_{MF{1}_N}\end{array}\right]$

其中N为一个CPI内PRI的个数；

步骤3-2、对上一步得到的进行逆脉冲压缩处理，即将和匹配滤波器进行逆卷积，具体为：

$X_1\left(f\right)=X_{MF1}\left(f\right)/H_m\left(f\right)=\left[\begin{array}{c}{X}_{MF{1}_1}\left(f\right)/H_m\left(f\right)\\ X_{MF{1}_2}\left(f\right)/H_m\left(f\right)\\ .\\ .\\ .\\ X_{MF{1}_N}\left(f\right)/H_m\left(f\right)\end{array}\right]$

其中，X_MF1(f)表示恢复的脉冲压缩的结果x_MF1的频域表示，k＝1,2,…,N表示第k个PRI的脉冲压缩的结果的频域表示，H_m(f)表示匹配滤波器的频率响应；

步骤3-3、对步骤3-2的结果进行逆FFT处理，得到恢复的时域信号：

${\tilde{x}}_1\left(n\right)=ifft\left(X_1\right(f\left)\right).$

步骤4、以第二峰值max₂为中心，对MTD的结果加二维凯撒窗，仅保留峰值max₂，压低第一峰值max₁，得到处理结果x_MTD2，之后对处理结果x_MTD2进行逆MTD处理得到恢复的脉冲压缩结果x_MF2，再进行逆脉冲压缩处理，得到恢复的时域信号

步骤5、对目标和干扰进行鉴别，确定目标对应的峰值和干扰对应的峰值。具体为：

步骤5-1、分别计算时域信号和时域信号在每个PRI期间的回波脉宽内相位统计次数方差，具体为：

将[-π,π]分割成P个子区间，每个子区间表示为

Θ_j＝[2j-P-2,2j-P]π/P,j＝1,2,…,P，设N₁(Θ)和N₂(Θ)分别为两个信号在子区间Θ上相位的统计次数，L为每个PRI脉宽内信号的采样点数，则和相位统计次数方差分别表示为

${\mathrm{\σ}}_1=\frac{1}{P}\underset{j=1}{\overset{P}{\Σ}}{\left(N_1\right({\mathrm{\Θ}}_j)-L/P)}^2$

${\mathrm{\σ}}_2=\frac{1}{P}\underset{j=1}{\overset{P}{\Σ}}{\left(N_2\right({\mathrm{\Θ}}_j)-L/P)}^2$

步骤5-2、将1个CPI内每个PRI的方差累加得到方差和，之后比较和的相位方差和，方差和小的是目标回波信号，方差和大的是DRFM干扰回波信号，所用公式为：

其中σ_1i，σ_2i分别表示和第i个PRI的相位统计次数方差，N为PRI的个数。

本发明与现有技术相比，其显著优点为：(1)本发明的方法利用MTD处理后的结果进行处理，在较低的信噪比下，也能分离出干扰和目标；(2)本发明的方法在DRFM干扰相位量化位数小于等于3，干信比为10dB，信噪比大于-15dB时，对干扰和目标正确鉴别的概率接近100％；(3)本发明的方法能有效地对抗距离—速度同步干扰。

下面结合附图对本发明作进一步详细描述。

附图说明

图1是本发明基于MTD的LFM脉冲雷达抗DRFM干扰流程示意图。

图2是LFM脉冲雷达1个PRI内回波信号，其中图(a)是只含有目标的1个PRI内回波信号，图(b)是含有目标和DRFM干扰的1个PRI内的回波信号。

图3是对含有目标和DRFM干扰的LFM脉冲雷达回波信号做脉冲压缩和MTD处理后的结果。

图4是以max₁为中心产生的二维凯撒窗。

图5是以max₁为中心，对MTD的结果加二维凯撒窗的处理结果x_MTD1。

图6是对x_MTD1进行逆MTD处理后的1个PRI内的结果。

图7是通过逆MTD和逆脉冲压缩恢复的时域结果1个PRI内的波形图。

图8是通过逆MTD和逆脉冲压缩恢复的时域结果1个PRI内的波形图。

图9是恢复的时域结果的相位统计直方图，其中图(a)是的相位统计直方图，图(b)是的相位统计直方图。

图10是干信比为10dB，信噪比从-20dB到20dB，干扰相位量化位数由1到4的变化下，正确判别目标的概率图。

具体实施方式

结合图1，本发明的一种基于动目标检测的LFM脉冲雷达抗DRFM干扰方法，包括以下步骤：

步骤1、对LFM雷达回波信号进行脉冲压缩和MTD处理，之后对MTD处理的结果x_MTD进行峰值搜索，找出两个峰值的位置，分别记为max₁和max₂；

步骤2、以第一峰值max₁为中心，对MTD处理的结果加二维凯撒窗，仅保留第一峰值max₁，压低第二峰值max₂，得到处理结果x_MTD1；

步骤3、对处理结果x_MTD1进行逆MTD处理得到恢复的脉冲压缩结果x_MF1，再进行逆脉冲压缩处理，得到恢复的时域信号

对处理结果x_MTD1进行逆MTD处理得到恢复的脉冲压缩结果x_MF1，再进行逆脉冲压缩处理，得到恢复的时域信号具体为：

步骤3-1、对处理结果x_MTD1进行逆MTD处理，所述MTD处理即利用快速傅里叶变换(FastFourierTransformation，FFT)构成了一组在频率轴上相邻且部分重叠的窄带滤波器组，以完成对多普勒频率不同的目标信号的近似匹配滤波。进行处理的具体步骤为：

对x_MTD1进行纵向逆FFT运算，得到恢复的一个CPI内每个PRI的脉冲压缩的结果x_MF1

x_MF1＝ifft(x_MTD1)

k＝1,2,…,N对应第k个PRI的脉冲压缩的结果，则将其表示为：

$x_{MF1}=\left[\begin{array}{c}{x}_{MF{1}_1}\\ x_{MF{1}_2}\\ .\\ .\\ .\\ x_{MF{1}_N}\end{array}\right]$

其中N为一个CPI内PRI的个数；

步骤3-2、对上一步得到的进行逆脉冲压缩处理，即将和匹配滤波器进行逆卷积，具体为：

匹配滤波器的作用过程如下，设输入信号为r(t)，匹配滤波器的脉冲响应为h_m(t)，则信号通过匹配滤波器的输出为

$y\left(t\right)=r\left(t\right)\⊗h_m\left(t\right)$

时域卷积即频域相乘，即

Y(f)＝R(f)·H_m(f)

其中R(f)、H_m(f)、Y(f)分别是r(t)、h_m(t)、y(t)的频域表示。

逆脉冲压缩处理可以利用恢复的脉冲压缩的结果x_MF1，以及匹配滤波器的脉冲响应h_m(t)，通过下式得到恢复的每个PRI回波信号频域波形

$X_1\left(f\right)=X_{MF1}\left(f\right)/H_m\left(f\right)=\left[\begin{array}{c}{X}_{MF{1}_1}\left(f\right)/H_m\left(f\right)\\ X_{MF{1}_2}\left(f\right)/H_m\left(f\right)\\ .\\ .\\ .\\ X_{MF{1}_N}\left(f\right)/H_m\left(f\right)\end{array}\right]$

其中，X_MF1(f)表示恢复的脉冲压缩的结果x_MF1的频域表示，k＝1,2,…,N表示第k个PRI的脉冲压缩的结果的频域表示，H_m(f)表示匹配滤波器的频率响应，N为PRI的个数。

步骤3-3、对步骤3-2的结果进行逆FFT处理，得到恢复的时域信号：

${\tilde{x}}_1\left(n\right)=ifft\left(X_1\right(f\left)\right).$

步骤4、以第二峰值max₂为中心，对MTD的结果加二维凯撒窗，仅保留峰值max₂，压低第一峰值max₁，得到处理结果x_MTD2，之后对处理结果x_MTD2进行逆MTD处理得到恢复的脉冲压缩结果x_MF2，再进行逆脉冲压缩处理，得到恢复的时域信号该步骤的处理方法与步骤3的处理方法相同。

步骤5、对目标和干扰进行鉴别，确定目标对应的峰值和干扰对应的峰值。具体为：

步骤5-1、分别计算时域信号和时域信号在每个PRI期间的回波脉宽内相位统计次数方差，具体为：

将[-π,π]分割成P个子区间，每个子区间表示为

Θ_j＝[2k-P-2,2k-P]π/P,j＝1,2,…,P，设N₁(Θ)和N₂(Θ)分别为两个信号在子区间Θ上相位的统计次数，L为每个PRI脉宽内信号的采样点数，则和相位统计次数方差分别表示为

${\mathrm{\σ}}_1=\frac{1}{P}\underset{j=1}{\overset{P}{\Σ}}{\left(N_1\right({\mathrm{\Θ}}_j)-L/P)}^2$

${\mathrm{\σ}}_2=\frac{1}{P}\underset{j=1}{\overset{P}{\Σ}}{\left(N_2\right({\mathrm{\Θ}}_j)-L/P)}^2$

步骤5-2、仅用一个PRI的方差进行比较，由于回波本身脉宽内采样点较少，受噪声影响较大，故这里采用一个CPI内所有PRI的方差求和。将1个CPI内每个PRI的方差累加得到方差和，之后比较和的相位方差和，方差和小的是目标回波信号，方差和大的是DRFM干扰回波信号，所用公式为：

其中σ_1i，σ_2i分别表示和第i个PRI的相位统计次数方差，N为PRI的个数。

下面结合实施例对本发明做进一步详细的描述：

实施例1

结合图1，本发明基于MTD的LFM脉冲雷达抗DRFM干扰方法，步骤如下：

仿真条件：带宽B＝30MHz，脉宽T＝0.6us，脉冲重复周期Tr＝13us的LFM脉冲信号，1个CPI内包含256个PRI，每个PRI内采样点数为680，目标距离800m，速度300m/s，信噪比10dB，DRFM干扰信号的距离为830m，速度为270m/s，干信比10dB，干扰相位量化位数M为3位。

得到的含有目标与DRFM干扰的回波信号如图2中的(b)所示。

第一步，首先对回波进行脉压处理和MTD处理，MTD处理的结果x_MTD，如图3所示，进行峰值搜索，其中f对应多普勒维，t对应距离维，找出两个峰值的位置max₁，max₂，通过计算得到max₁对应距离为831m，速度为271m/s，max₂对应距离为801m，速度为301m/s。

第二步，对MTD的结果加二维凯撒窗。

以其中一个点max₁作为窗函数的峰值点，生成二维窗函数，保留该点峰值，得到加窗后的MTD结果x_MTD1。产生窗函数的具体过程如下

影响窗函数旁瓣的β取80，分别产生长度为256和680一维凯撒窗函数h₁、h₂，通过公式

w＝h₁·h₂ ^T

产生二维窗函数，其中T表示转置。二维凯撒窗函数如图4所示，加窗后的结果如图5所示。

第三步，对加窗后的MTD结果x_MTD1进行逆MTD处理和逆脉冲压缩处理。具体步骤如下：

(1)对加窗后的MTD结果x_MTD1进行逆MTD处理。

逆MTD处理，即对x_MTD1进行纵向逆FFT运算，得到恢复的一个CPI内每个PRI的脉冲压缩的结果x_MF1

x_MF1＝ifft(x_MTD1)

k＝1,2,…,N对应第k个PRI的脉冲压缩的结果，则

$x_{MF1}=\left[\begin{array}{c}{x}_{MF{1}_1}\\ x_{MF{1}_2}\\ .\\ .\\ .\\ x_{MF{1}_N}\end{array}\right]$

其中N为一个CPI内PRI的个数，其中一个PRI的脉冲压缩的结果如图6所示。

(2)进行逆脉冲压缩处理，即和匹配滤波器进行逆卷积。

脉冲压缩处理可以利用恢复的脉冲压缩的结果x_MF1，以及匹配滤波器的脉冲响应h_m(t)，通过下式得到恢复的每个PRI回波信号频域波形

$X_1\left(f\right)=X_{MF1}\left(f\right)/H_m\left(f\right)=\left[\begin{array}{c}{X}_{MF{1}_1}\left(f\right)/H_m\left(f\right)\\ X_{MF{1}_2}\left(f\right)/H_m\left(f\right)\\ .\\ .\\ .\\ X_{MF{1}_N}\left(f\right)/H_m\left(f\right)\end{array}\right]$

其中，X_MF1(f)表示恢复的脉冲压缩的结果x_MF1的频域表示，表示第k个PRI的脉冲压缩的结果的频域表示，N为PRI的个数。

再通过逆FFT得到恢复的时域信号：

${\tilde{x}}_1\left(n\right)=ifft\left(X_1\right(f\left)\right)$

逆脉冲压缩处理后的单个PRI内时域波形1如图7所示。

第四步，利用第二个峰值max₂，通过加二维凯撒窗，得到加窗后的结果x_MTD2，通过逆MTD处理和逆匹配滤波处理，即重复第二步到第三步，恢复出一个CPI内所有PRI的时域信号单个PRI的时域波形如图8所示。

第五步，对目标和干扰鉴别主要是利用DRFM的量化数字特性和统计信息。由于回波相位分散在整个[-π,π]区域，而干扰相位有限地集中在某几个相位上，则可以通过计算两个回波信号和在每个PRI期间的回波脉宽内相位统计次数方差，方差小的则认为是目标。

由于回波脉宽已知，回波脉宽的延时τ₁和τ₂可以利用初始MTD的结果x_MTD中峰值点max₁、max₂计算出，方差的具体求法如下：

将[-π,π]分割成P个子区间，每个子区间表示为

Θ_j＝[2k-P-2,2k-P]π/P,j＝1,2,…,P，设N₁(Θ)和N₂(Θ)分别为两个信号在子区间Θ上相位的统计次数，L为每个PRI脉宽内信号的采样点数，则和相位统计次数方差分别表示为

${\mathrm{\σ}}_1=\frac{1}{P}\underset{j=1}{\overset{P}{\Σ}}{\left(N_1\right({\mathrm{\Θ}}_j)-L/P)}^2$

${\mathrm{\σ}}_2=\frac{1}{P}\underset{j=1}{\overset{P}{\Σ}}{\left(N_2\right({\mathrm{\Θ}}_j)-L/P)}^2$

恢复的两个时域结果单个PRI内的相位统计图如图9所示。

仅用一个PRI的方差进行比较，由于回波本身脉宽内采样点较少，受噪声影响较大，故这里采用一个CPI内所有PRI的方差求和，通过下式进行判决

其中σ_1i，σ_2i分别表示和第i个PRI的相位统计次数方差，N为PRI的个数。

通过计算，的方差和大于的方差和，判断为目标回波，即目标峰值位置为max₂，对应的距离为801m，速度为301m/s，判断正确。

干信比为10dB，信噪比由-20dB到20dB、干扰相位量化位数由1到4变化下，正确判断目标的概率如图10所示。当干扰相位量化位数小于等于3位，信噪比大于-15dB时，对干扰和目标正确鉴别的概率接近100％。

由上可知，本发明在较低的信噪比下仍然能正确分离出干扰和目标，能有效的对抗距离-速度同步转发式干扰。

Claims (3)

1.一种基于动目标检测的LFM脉冲雷达抗DRFM干扰方法，其特征在于，包括以下步骤：

步骤1、对LFM雷达回波信号进行脉冲压缩和MTD处理，之后对MTD处理的结果x_MTD进行峰值搜索，找出两个峰值的位置，分别记为max₁和max₂；

步骤2、以第一峰值max₁为中心，对MTD处理的结果加二维凯撒窗，仅保留第一峰值max₁，压低第二峰值max₂，得到处理结果x_MTD1；

步骤3、对处理结果x_MTD1进行逆MTD处理得到恢复的脉冲压缩结果x_MF1，再进行逆脉冲压缩处理，得到恢复的时域信号

步骤4、以第二峰值max₂为中心，对MTD的结果加二维凯撒窗，仅保留峰值max₂，压低第一峰值max₁，得到处理结果x_MTD2，之后对处理结果x_MTD2进行逆MTD处理得到恢复的脉冲压缩结果x_MF2，再进行逆脉冲压缩处理，得到恢复的时域信号

步骤5、对目标和干扰进行鉴别，确定目标对应的峰值和干扰对应的峰值。

2.根据权利要求1所述的基于动目标检测的LFM脉冲雷达抗DRFM干扰方法，其特征在于，步骤3中对处理结果x_MTD1进行逆MTD处理得到恢复的脉冲压缩结果x_MF1，再进行逆脉冲压缩处理，得到恢复的时域信号具体为：

步骤3-1、对处理结果x_MTD1进行逆MTD处理，具体为：

对x_MTD1进行纵向逆FFT运算，得到恢复的一个CPI内每个PRI的脉冲压缩的结果x_MF1

x_MF1＝ifft(x_MTD1)

N对应第k个PRI的脉冲压缩的结果，则将其表示为：

$x_{MF1}=\left[\begin{array}{c}{x}_{MF{1}_1}\\ x_{MF{1}_2}\\ \·\\ \·\\ \·\\ x_{MF{1}_N}\end{array}\right]$

其中N为一个CPI内PRI的个数；

步骤3-2、对上一步得到的进行逆脉冲压缩处理，即将和匹配滤波器进行逆卷积，具体为：

$X_1\left(f\right)=X_{MF1}\left(f\right)/H_m\left(f\right)=\left[\begin{array}{c}{X}_{MF{1}_1}\left(f\right)/H_m\left(f\right)\\ X_{MF{1}_2}\left(f\right)/H_m\left(f\right)\\ \·\\ \·\\ \·\\ X_{MF{1}_N}\left(f\right)/H_m\left(f\right)\end{array}\right]$

其中，X_MF1(f)表示恢复的脉冲压缩的结果x_MF1的频域表示，N表示第k个PRI的脉冲压缩的结果的频域表示，H_m（f)表示匹配滤波器的频率响应；

步骤3-3、对步骤3-2的结果进行逆FFT处理，得到恢复的时域信号：

${\tilde{x}}_1\left(n\right)=ifft\left(X_1\right(f\left)\right).$

3.根据权利要求1所述的基于动目标检测的LFM脉冲雷达抗DRFM干扰方法，其特征在于，步骤5对目标和干扰进行鉴别，确定目标对应的峰值和干扰对应的峰值具体为：

步骤5-1、分别计算时域信号和时域信号在每个PRI期间的回波脉宽内相位统计次数方差，具体为：

将[-π,π]分割成P个子区间，每个子区间表示为

Θ_j＝[2j-P-2,2j-P]π/P,j＝1,2,…,P，设N₁(Θ)和N₂(Θ)分别为两个信号在子区间Θ上相位的统计次数，L为每个PRI脉宽内信号的采样点数，则和相位统计次数方差分别表示为

${\mathrm{\σ}}_1=\frac{1}{P}\underset{j=1}{\overset{P}{\Σ}}{\left(N_1\right({\mathrm{\Θ}}_j)-L/P)}^2$

${\mathrm{\σ}}_2=\frac{1}{P}\underset{j=1}{\overset{P}{\Σ}}{\left(N_2\right({\mathrm{\Θ}}_j)-L/P)}^2$

步骤5-2、将1个CPI内每个PRI的方差累加得到方差和，之后比较和的相位方差和，方差和小的是目标回波信号，方差和大的是DRFM干扰回波信号，所用公式为：

其中σ_1i，σ_2i分别表示和第i个PRI的相位统计次数方差，N为PRI的个数。