CN106154235A - 基于频率分集mimo雷达的主瓣欺骗式干扰抑制方法 - Google Patents

Abstract

本发明公开了一种基于频率分集MIMO雷达的主瓣欺骗式干扰抑制方法，主要解决现有技术只能在角度维抑制主瓣欺骗式干扰的问题。其实现步骤是：1.计算MIMO雷达接收阵列的回波数据，对其作匹配滤波得到待检测距离单元数据；2.计算噪声协方差矩阵，并根据该矩阵和发射、接收导向矢量构造白化旋转矩阵；3.对待检测距离单元的数据作白化旋转，得到白化旋转矢量；4.根据白化旋转矩阵构造信号子空间和干扰子空间；5.进行二元假设，并根据该二元假设和信号子空间、干扰子空间及白化旋转矢量计算广义似然比函数值和检测门限；6.比较广义似然比函数值和检测门限，得到检测结果。本发明能有效抑制主瓣欺骗式干扰，可用于目标检测和跟踪。

Description

基于频率分集MIMO雷达的主瓣欺骗式干扰抑制方法

技术领域

本发明涉及雷达技术领域，特别涉及一种抑制主瓣欺骗式干扰的方法，可用于频率分集MIMO雷达系统，对从MIMO雷达天线主瓣进入的欺骗式干扰信号进行有效的抑制，提高频率分集MIMO雷达在主瓣欺骗式干扰下的目标检测性能。

背景技术

主瓣欺骗式干扰是一种常见的雷达干扰样式，欺骗的目的是通过调制或转发接收到的雷达发射信号对雷达接收的回波幅度和相位等信息进行误导。目前电子欺骗技术致力于在方位和距离两维信息上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，以至于真实目标不能被检测出来。主瓣欺骗式干扰会占用大量的系统资源，严重影响雷达系统的检测性能。

针对主瓣欺骗式干扰，现有的数据级单站抗干扰方法主要集中于频率捷变和数字射频存储器量化。频率捷变方法会导致信干比降低、副瓣抬高；数字射频存储器量化误差技术受量化水平限制，当量化水平较高时，技术的性能损失较大。因此，数据级单站抗干扰方法不能完全发挥其抗干扰能力，无法充分利用雷达优势。而普通MIMO雷达虽然能克服数据级单站抗干扰方法的缺点，但也只能在角度或距离一维上对主瓣欺骗式干扰进行抑制。

发明内容

本发明的目的在于针对现有方法在抑制主瓣欺骗式干扰上的不足，提出一种基于频率分集MIMO雷达的主瓣欺骗式干扰抑制方法，以有效的抑制主瓣欺骗式干扰，提高目标检测的准确率。

为实现上述目的，本发明的技术方案包括如下步骤：

(1)产生MIMO雷达发射阵列的发射信号X(t)，得到MIMO雷达接收阵列的回波数据Y(t)，该回波数据包括目标信号x_r(t)、干扰信号x_j(t)和噪声信号n(t)；

(2)对步骤(1)中MIMO雷达接收阵列的回波数据Y(t)进行匹配滤波，得到L×NM维的滤波数据r：

r＝[r₁,…,r_l,…,r_L],l＝1,…,L，

其中，L为待检测的距离单元个数，r_l为第l个距离单元的滤波数据；

(3)在MIMO雷达发射阵列不发射信号的情况下，根据MIMO雷达接收阵列的接收信号r_n(t)，计算噪声协方差矩阵M：

$M=\frac{1}{L}\underset{t=1}{\overset{L}{\Σ}}{r}_n\left(t\right){r_n}^H\left(t\right);$

(4)对第l个距离单元的滤波数据r_l进行白化和旋转，得到白化旋转矢量z：

z＝UM^(-1/2)r_l，

其中，M^(-1/2)为白化矩阵，U为旋转矩阵；

(5)使用白化矩阵M^(-1/2)和旋转矩阵U，对目标信号导向矢量a_t(θ,r)和干扰信号导向矢量a_j(θ,r)进行白化旋转，构造信号子空间c和干扰子空间Γ，其中，θ、r分别代表目前正在检测的距离单元相对于MIMO雷达接收阵列的角度和距离；

(6)根据目标信号导向矢量a_t(θ,r)和干扰信号导向矢量a_j(θ,r)构造二元假设：

$\left\{\begin{array}{c}{H}_0:r_l={\mathrm{\β}}_j{a}_j(\mathrm{\θ},r)+n\left(t\right)\\ H_1:r_l=\mathrm{\β}{a}_t(\mathrm{\θ},r)+n\left(t\right)\end{array}\right.,$

其中，H₀代表滤波数据r_l中有干扰和噪声信息，没有目标信息，H₁代表滤波数据中r_l有目标和噪声信息，没有干扰信息，β，β_j分别为目标和干扰的能量值；

(7)根据步骤(5)中的信号子空间c、干扰子空间Γ和步骤(6)中的二元假设，构造广义似然比函数Q：

$Q=\frac{1}{1+{\mathrm{\γ}}_{\min }^2}{\left(\right|\left|z_1\right||-{\mathrm{\γ}}_{min}|z_{NM}\left|\right)}^{2}u(-z^{H}Rz)+|z_{NM}{|}^2-z^{H}z,$

其中，|·|代表取模值，||·||代表取矢量的二范数，(·)^H指矢量的共轭转置，M为MIMO雷达发射阵列的阵元个数，N为MIMO雷达接收阵列的阵元个数，z_NM＝ze_N，e_N＝[0 …0 1]^T为N维列矢量，(·)^T指矢量转置，I_N-1为N-1维单位矩阵，u(·)为单位阶跃函数，R为N×N维的对角阵，对角元素为1,1,…,1,1-γ_min，γ_min为最小不确定性因子，是方程的解，p_w＝β_jUM^-(1/2)a_j(θ,r)；

(8)设定检测门限G：

8a)在MIMO雷达发射阵列不发射信号的情况下，根据MIMO雷达接收阵列的接收噪声信号r_k(t)，计算噪声白化旋转矢量z_k＝UM^(-1/2)(r_k ^T(t)X^H(t))e_l；

8b)计算噪声广义似然比函数值：

8c)重复步骤8a)和8b)共100/P_fa次，将得到的100/P_fa个Q_k按从大到小排序，设定检测门限G为第100个Q_k的值，

其中，e_l＝[0 … 1 … 0]^T为N维列矢量，第l个元素为1，其余全为0，z_NMk＝z_ke_N，P_fa为给定的恒虚警检测概率；

(9)将步骤(4)中的白化旋转矢量z、步骤(7)中的N×N维的对角阵R和最小不确定性因子γ_min带入到步骤(7)中的广义似然比函数Q中，求出函数值Q，将函数值Q与检测门限G进行比较，得到检测结果：

若Q＞G，则判定假设H₁成立，目前正在检测的距离单元只有目标和噪声信息，没有干扰信息，即干扰被抑制，检测出目标；

若Q＜G，则判定假设H₀成立，目前正在检测的距离单元只有干扰和噪声信息，没有目标信息。

本发明与现有技术相比，具有以下优点：

第一，本发明利用频率分集雷达提供的角度-距离两维自由度对干扰信号进行建模，实现了目标与干扰间的区分，特别是主瓣欺骗式干扰与目标的分离，能够不依赖于欺骗式干扰的信号调制方式，对不同欺骗式干扰方式产生的假目标进行有效抑制。

第二，本发明将目标检测与干扰抑制融合，将传统两步的滤波-检测过程合为一步，从而减少处理复杂度。

附图说明

图1是本发明的实现流程图；

图2(a)是在设定的目标和干扰参数下，信噪比变化范围为-5dB～20dB时，使用普通MIMO雷达的干扰抑制方法的目标检测概率随信噪比变化曲线；

图2(b)是在设定的目标和干扰参数下，信噪比变化范围为-5dB～20dB时，用本发明方法的目标检测概率随信噪比变化曲线；

图3(a)为在设定的目标参数下，当信噪比为15dB，干扰角度变化范围为-10度～30度、距离变化范围为40Km～60Km时，使用普通MIMO雷达干扰抑制方法的目标检测概率随角度、距离变化曲面的俯视图；

图3(b)为在设定的目标参数下，当信噪比为15dB，干扰角度变化范围为-10度～30度、距离变化范围为40Km～60Km时，使用本发明干扰抑制方法的目标检测概率随角度、距离变化曲面的俯视图。

具体实施方式

参照图1，本发明的具体实现步骤如下：

步骤1：产生MIMO雷达发射阵列的发射信号，得到MIMO雷达接收阵列的回波数据。

1a)产生MIMO雷达发射阵列的发射信号X(t)：

X(t)＝[x₁(t) x₂(t) … x_m(t) … x_M(t)]，t＝1,…,T，

其中，T为采样点数，为MIMO雷达发射阵列第m个阵元的发射信号，m＝1,…,M，M为MIMO雷达发射阵列的阵元个数，s_m(t)和f_m＝f₀+(m-1)Δf分别为MIMO雷达发射阵列第m个阵元发射信号的幅度和频率，f₀为MIMO雷达工作频率，Δf为MIMO雷达发射阵列相邻两个阵元发射信号的频率差；

1b)根据MIMO雷达发射阵列发射的信号X(t)得到MIMO雷达接收阵列的回波数据Y(t)：

Y(t)＝x_r(t)+x_j(t)+n(t)，

其中，为目标回波信号，τ_m＝f₀d_T sinθ-Δf·2r为目标传播过程中的时延，d_T为MIMO雷达发射阵列的阵元间隔，θ、r分别代表目前正在检测的距离单元相对MIMO雷达接收阵列的角度和距离；

为目干扰回波信号，τ_j＝f₀d_T sinθ-Δf·2(r-Δr)为干扰传播过程中的时延，Δr为目标和干扰之间的距离；

n(t)为随机产生的高斯白噪声序列。

步骤2：对步骤(1)中MIMO雷达接收阵列的回波数据Y(t)进行匹配滤波，得到滤波数据r：

r＝Y^T(t)X^H(t)＝[r₁,…,r_l,…,r_L]，t＝1,…,T,l＝1,…,L，

其中，(·)^T为求矢量的转置，(·)^H为求矢量的共轭转置，r_l为第l个距离单元的滤波数据，L为待检测的距离单元个数；

步骤3：在MIMO雷达发射阵列不发射信号的情况下，根据MIMO雷达接收阵列的接收信号r_n(t)，计算噪声协方差矩阵M：

$M=\frac{1}{T}\underset{t=1}{\overset{T}{\Σ}}{r}_n\left(t\right){r_n}^H\left(t\right);$

步骤4：构造白化矩阵M^(-1/2)和旋转矩阵U，对第l个距离单元的滤波数据r_l进行白化和旋转，得到白化旋转矢量z。

4a)计算噪声协方差矩阵M的(-1/2)次幂，得到白化矩阵M^(-1/2)；

4b)构造旋转矩阵U：

4b1)根据MIMO雷达发射阵列导向矢量a_tr(θ,r)和MIMO雷达接收阵列导向矢量b_tr(θ)，构造旋转矢量e：

$e=a_{tr}(\mathrm{\θ},r)\⊗b_{tr}\left(\mathrm{\θ}\right),$

其中，代表kronecker积； d_R为MIMO雷达接收阵列的阵元间隔；

4b2)根据旋转矢量e，构造旋转矩阵U：

U＝I-2ee^T，

其中，I为N×N维的单位矩阵，N为MIMO雷达接收阵列的阵元个数；

4c)根据白化矩阵M^(-1/2)和旋转矩阵U，对第l个距离单元的滤波数据r_l进行白化和旋转，得到白化旋转矢量z：

z＝UM^(-1/2)r_l；

步骤5：构造信号子空间c和干扰子空间Γ。

5a)构造信号子空间c：

5a1)使用白化矩阵M^(-1/2)和旋转矩阵U，对目标信号导向矢量a_t(θ,r)进行白化旋转，得到白化旋转后的目标导向矢量q_w：

q_w＝UM^-(1/2)a_t(θ,r)＝βe_NM，

其中，β为目标信号幅度，e_NM＝[0,0,…,1]^T为N×M维列矢量；

5a2)根据白化旋转后的目标导向矢量q_w，构造信号子空间c：

其中，为N×M维列矢量空间；

5b)构造干扰子空间Γ：

5b1)使用白化矩阵M^(-1/2)和旋转矩阵U，对干扰信号导向矢量a_j(θ,r)进行白化旋转，得到白化旋转后的干扰导向矢量p_w：

p_w＝β_jUM^-(1/2)a_j(θ,r)，

其中，β_j为干扰信号幅度，

5b2)构造N×N维的对角阵R：

其中，γ_min为最小不确定性因子；

5b3)根据白化旋转后的干扰导向矢量p_w和N×N维的对角阵R，解下述方程式，得到最小不确定性因子γ_min：

$p_w^H{\mathrm{Rp}}_w=0;$

5b4)根据白化旋转后的干扰导向矢量p_w和N×N维的对角阵R，构造干扰子空间Γ：

步骤6：根据目标信号导向矢量a_t(θ,r)和干扰信号导向矢量a_j(θ,r)构造二元假设：

$\left\{\begin{array}{c}{H}_0:r_l={\mathrm{\β}}_j{a}_j(\mathrm{\θ},r)+n\left(t\right)\\ H_1:r_l=\mathrm{\β}{a}_t(\mathrm{\θ},r)+n\left(t\right)\end{array}\right.,$

其中，H₀代表滤波数据r_l中有干扰和噪声信息，没有目标信息，H₁代表滤波数据中r_l有目标和噪声信息，没有干扰信息。

步骤7：根据步骤(5)中的信号子空间c、干扰子空间Γ和步骤(6)中的二元假设，构造广义似然比函数Q。

7a)根据目标噪声假设H₁和滤波数据r_l，计算在假设H₁下滤波数据r_l的条件概率密度函数：

$f\left(r_l\right|{\mathrm{\βa}}_t\left(\mathrm{\θ},r\right),M,H_1)=\frac{1}{{\mathrm{\π}}^{NM}\det \left(M\right)}\exp \[-{(r_l-{\mathrm{\βa}}_t(\mathrm{\θ},r\left)\right)}^H{M}^{-1}(r_l-{\mathrm{\βa}}_t(\mathrm{\θ},r\left)\right)\]$

其中，det(·)为求矢量的行列式，(·)^-1代表求方阵矩阵的逆；

7b)根据干扰噪声假设H₀和滤波数据r_l，计算在假设H₀下滤波数据r_l的条件概率密度函数：

$f\left(r_l\right|{\mathrm{\β}}_j{a}_j\left(\mathrm{\θ},r\right),M,H_0)=\frac{1}{{\mathrm{\π}}^{NM}\det \left(M\right)}\exp \[-{(r_l-{\mathrm{\β}}_j{a}_j(\mathrm{\θ},r\left)\right)}^H{M}^{-1}(r_l-{\mathrm{\β}}_j{a}_j(\mathrm{\θ},r\left)\right)\];$

7c)将目标噪声假设H₁下滤波数据r_l的条件概率密度函数f(r_l|βa_t(θ,r),M,H₁)和干扰噪声假设H₀下滤波数据r_l的条件概率密度函数f(r_l|β_ja_j(θ,r),M,H₀)带入到广义最大似然比检验公式中，得到最终的广义似然比函数Q：

$Q=\frac{1}{1+{\mathrm{\γ}}_{\min }^2}{\left(\right|\left|z_1\right||-{\mathrm{\γ}}_{min}|z_{NM}\left|\right)}^{2}u(-z^{H}Rz)+|z_{NM}{|}^2-z^{H}z,$

其中，max_xy指在x的条件下y取最大值，z_NM＝ze_N，e_N＝[0 … 0 1]^T为N维列矢量，I_N-1为N-1维单位矩阵，u(·)为单位阶跃函数。

步骤8：设定检测门限G：

8a)在MIMO雷达发射阵列不发射信号的情况下，根据MIMO雷达接收阵列的接收噪声信号r_k(t)，计算噪声白化旋转矢量z_k＝UM^(-1/2)(r_k ^T(t)X^H(t))e_l；

8b)计算噪声广义似然比函数值：

8c)重复步骤8a)和8b)共100/P_fa次，将得到的100/P_fa个Q_k按从大到小排序，设定检测门限G为第100个Q_k的值，

其中，e_l＝[0 … 1 … 0]^T为N维列矢量，第l个元素为1，其余全为0，z_NMk＝z_ke_N，P_fa为给定的恒虚警检测概率。

步骤9：计算广义似然比函数值Q，将广义似然比函数值Q与检测门限G进行比较，得到检测结果。

9a)将步骤(4)中的白化旋转矢量z、步骤(5)中的N×N维的对角阵R和最小不确定性因子γ_min带入到步骤(7)中的广义似然比函数Q中，求出函数值Q；

9b)将函数值Q与检测门限G进行比较，得到检测结果：

若Q＞G，则判定假设H₁成立，目前正在检测的距离单元只有目标和噪声信息，没有干扰信息，即干扰被抑制，检测出目标；

若Q＜G，则判定假设H₀成立，目前正在检测的距离单元只有干扰和噪声信息，没有目标信息。

本发明对主瓣欺骗式干扰的抑制性能可通过以下仿真进一步验证。

(1)实验场景：

以两组MIMO雷达为例进行仿真实验，第一组是普通MIMO雷达，第二组是本发明使用的频率分集MIMO雷达，设两组MIMO雷达发射阵列和接收阵列的阵元个数均为3个，两组MIMO雷达发射阵列和接收阵列的阵元间距均为0.15m，雷达工作频率为f₀＝1GHz，普通MIMO雷达发射阵列相邻阵元间发射信号频率间隔Δf＝0Hz，频率分集MIMO雷达发射阵列相邻阵元间发射信号频率间隔Δf＝3KHz。

(2)实验内容和实验结果分析：

实验一：本实验中有一个目标和三个干扰，目标和干扰的角度、距离参数分别如表1，设发射信号信噪比变化范围为-5dB～20dB，虚警概率为P_fa＝10^-4，最小不确定性因子为γ_min＝0.5。

表1目标和干扰的角度、距离参数

参数	目标	干扰1	干扰2	干扰3
					角度(度)	10	10	6	12
距离(千米)	50	52	50	42.5

在上述条件下对普通MIMO雷达的干扰抑制方法和本发明提出的干扰抑制方法分别进行1000次蒙特卡罗实验，统计得到目标检测概率随信噪比的变化曲线，如图2所示，其中图2(a)为使用普通MIMO雷达的干扰抑制方法得到的目标检测概率随信噪比的变化曲线，其中图2(b)为使用本发明的干扰抑制方法得到的目标检测概率随信噪比的变化曲线。

从图2(a)中可以看到，使用普通MIMO的干扰抑制方法，存在干扰1时的目标检测概率与没有干扰时的目标检测概率是相同的，存在干扰3时的目标检测概率略低于没有干扰时的目标检测概率，存在干扰2时的目标检测概率接近于0；

从图2(b)中可以看到，使用本发明的干扰抑制方法，存在干扰1时的目标检测概率低于没有干扰时的目标检测概率的30％，存在干扰2时的目标检测概率远低于没有干扰时的目标检测概率，存在干扰3时的目标检测概率基本为0。

对比图2(a)和图2(b)，可得本发明的方法对以上三种干扰均有较好的抑制效果。

实验二：本实验中有一个目标和一个位置变化的干扰，干扰角度变化范围是-10度～30度、距离的变化范围是40Km～60Km，信噪比为15dB，虚警概率P_fa＝10^-4，最小不确定性因子为γ_min＝0.5，在该实验条件下对普通MIMO雷达的干扰抑制方法和本发明提出的干扰抑制方法分别进行1000次蒙特卡罗实验，统计得到目标检测概率随距离和角度变化曲面的俯视图，如图3所示，其中，图3(a)为使用普通MIMO雷达的干扰抑制方法得到的目标检测概率随距离和角度变化曲面的俯视图，图3(b)为使用本本发明的干扰抑制方法得到的目标检测概率随距离和角度变化曲面的俯视图。

从图3(a)中可以看到，使用普通MIMO雷达的干扰抑制方法时，检测区域的形状为矩形条带，也就是说普通MIMO雷达干扰抑制方法只在距离维对干扰进行抑制。

从图3(b)中可以看到，使用本发明的方法时，检测区域形状为椭圆，可以在距离、角度维两维对干扰进行抑制。

对比图3(a)和图3(b)可见，本发明的方法可在距离和角度两维上抑制主瓣欺骗式干扰，能更好的进行目标检测。

综上所述，本发明所提供的一种基于频率分集MIMO雷达的主瓣欺骗式抑制干扰方法，不仅能够对主瓣欺骗式干扰进行有效的抑制，而且在工程上也容易实现。

Claims (4)

1.基于频率分集MIMO雷达的主瓣欺骗式干扰抑制方法，包括：

(1)产生MIMO雷达发射阵列的发射信号X(t)，得到MIMO雷达接收阵列的回波数据Y(t)，该回波数据包括目标信号x_r(t)、干扰信号x_j(t)和噪声信号n(t)；

(2)对步骤(1)中MIMO雷达接收阵列的回波数据Y(t)进行匹配滤波，得到L×NM维的滤波数据r：

r＝[r₁,…,r_l,…,r_L],l＝1,…,L，

其中，L为待检测的距离单元个数，r_l为第l个距离单元的滤波数据；

(3)在MIMO雷达发射阵列不发射信号的情况下，根据MIMO雷达接收阵列的接收信号r_n(t)，计算噪声协方差矩阵M：

$M=\frac{1}{L}\underset{t=1}{\overset{L}{\Σ}}{r}_n\left(t\right){r_n}^H\left(t\right);$

(4)对第l个距离单元的滤波数据r_l进行白化和旋转，得到白化旋转矢量z：

z＝UM^(-1/2)r_l，

其中，M^(-1/2)为白化矩阵，U为旋转矩阵；

(5)使用白化矩阵M^(-1/2)和旋转矩阵U，对目标信号导向矢量a_t(θ,r)和干扰信号导向矢量a_j(θ,r)进行白化旋转，构造信号子空间c和干扰子空间Γ，其中，θ、r分别代表目前正在检测的距离单元相对于MIMO雷达接收阵列的角度和距离；

(6)根据目标信号导向矢量a_t(θ,r)和干扰信号导向矢量a_j(θ,r)构造二元假设：

$\{\begin{array}{c}{H}_0:r_l={\mathrm{\β}}_j{a}_j(\mathrm{\θ},r)+n\left(t\right)\\ H_1:r_l={\mathrm{\βa}}_t(\mathrm{\θ},r)+n\left(t\right)\end{array},$

其中，H₀代表滤波数据r_l中有干扰和噪声信息，没有目标信息，H₁代表滤波数据中r_l有目标和噪声信息，没有干扰信息，β，β_j分别为目标和干扰的能量值；

(7)根据步骤(5)中的信号子空间c、干扰子空间Γ和步骤(6)中的二元假设，构造广义似然比函数Q：

$Q=\frac{1}{1+{\mathrm{\γ}}_{\min }^2}{\left(\right|\left|z_1\right||-{\mathrm{\γ}}_{min}|z_{NM}\left|\right)}^{2}u(-z^{H}Rz)+|z_{NM}{|}^2-z^{H}z,$

其中，|·|代表取模值，||·||代表取矢量的二范数，(·)^H指矢量的共轭转置，M为MIMO雷达发射阵列的阵元个数，N为MIMO雷达接收阵列的阵元个数，z_NM＝ze_N，e_N＝[0 … 0 1]^T为N维列矢量，(·)^T指矢量转置，I_N-1为N-1维单位矩阵，u(·)为单位阶跃函数，R为N×N维的对角阵，对角元素为1,1,…,1,1-γ_min，γ_min为最小不确定性因子，是方程的解，p_w＝β_jUM^-(1/2)a_j(θ,r)；

(8)设定检测门限G：

8a)在MIMO雷达发射阵列不发射信号的情况下，根据MIMO雷达接收阵列的接收噪声信号r_k(t)，计算噪声白化旋转矢量z_k＝UM^(-1/2)(r_k ^T(t)X^H(t))e_l；

8b)计算噪声广义似然比函数值：

8c)重复步骤8a)和8b)共100/P_fa次，将得到的100/P_fa个Q_k按从大到小排序，设定检测门限G为第100个Q_k的值，

其中，e_l＝[0 … 1 … 0]^T为N维列矢量，第l个元素为1，其余全为0，z_NMk＝z_ke_N，P_fa为给定的恒虚警检测概率；

(9)将步骤(4)中的白化旋转矢量z、步骤(7)中的N×N维的对角阵R和最小不确定性因子γ_min带入到步骤(7)中的广义似然比函数Q中，求出函数值Q，将函数值Q与检测门限G进行比较，得到检测结果：

若Q>G，则判定假设H₁成立，目前正在检测的距离单元只有目标和噪声信息，没有干扰信息，即干扰被抑制，检测出目标；

若Q<G，则判定假设H₀成立，目前正在检测的距离单元只有干扰和噪声信息，没有目标信息。

2.根据权利要求1所述的基于频率分集MIMO雷达的主瓣欺骗式干扰抑制方法，其中步骤(4)中对滤波数据r_l进行白化旋转，按如下公式进行：

U＝I-2ee^T，

其中，I为N×N维的单位矩阵， 代表kronecker积；

为MIMO雷达发射阵列导向矢量，f₀为雷达工作频率，d_T为MIMO雷达发射阵列的阵元间隔，c为电磁波传播速度，Δf为MIMO雷达发射阵列相邻两个阵元间发射频率的间隔，θ、r分别代表目前正在检测的距离单元相对MIMO雷达接收阵列的角度和距离；

为MIMO雷达接收阵列导向矢量，d_R为MIMO雷达接收阵列的阵元间隔。

3.根据权利要求1所述的基于频率分集MIMO雷达的主瓣欺骗式干扰抑制方法，其中步骤(5)中构造信号子空间c和干扰子空间Γ，按如下步骤进行：

5a)使用白化矩阵M^(-1/2)和旋转矩阵U，对目标信号导向矢量a_t(θ,r)进行白化旋转，构造信号子空间c：

其中，是对目标信号导向矢量a_t(θ,r)白化旋转得到的矢量，c为电磁波传播速度，f₀为雷达工作频率，d_T为MIMO雷达发射阵列的阵元间隔，Δf为MIMO雷达发射阵列相邻两个阵元间发射频率的间隔，θ、r分别代表目前正在检测的距离单元相对MIMO雷达接收阵列的角度和距离，e_NM＝[0,0,…,1]^T为N×M维列矢量，为N×M维列矢量空间；

5b)使用白化矩阵M^(-1/2)和旋转矩阵U，对干扰信号导向矢量a_j(θ,r)进行白化旋转，构造干扰子空间Γ：

其中，p_w＝β_jUM^-(1/2)a_j(θ,r)是对干扰信号导向矢量a_j(θ,r)白化旋转得到的矢量，

Δr为目标和干扰之间的距离。

4.根据权利要求1所述的基于频率分集MIMO雷达的主瓣欺骗式干扰抑制方法，其中步骤(7)中构造广义似然比函数Q，按如下步骤进行：

7a)根据目标噪声假设H₁和滤波数据r_l，计算在假设H₁下滤波数据r_l的条件概率密度函数：

$f\left(r_l\right|{\mathrm{\&beta;a}}_t(\mathrm{\&theta;},r),M,H_1)=\frac{1}{{\mathrm{\&pi;}}^{NM}\det \left(M\right)}\exp \&lsqb;-{(r_l-{\mathrm{\&beta;a}}_t(\mathrm{\&theta;},r\left)\right)}^H{M}^{-1}(r_l-{\mathrm{\&beta;a}}_t(\mathrm{\&theta;},r\left)\right)\&rsqb;$

其中，det(·)为求矢量的行列式，(·)^H为求矢量的共轭转置，(·)^-1代表求方阵矩阵的逆；c为电磁波传播速度，f₀为雷达工作频率，d_T为MIMO雷达发射阵列的阵元间隔，Δf为MIMO雷达发射阵列相邻两个阵元间发射频率的间隔，θ、r分别代表目前正在检测的距离单元相对MIMO雷达接收阵列的角度和距离；

7b)根据干扰噪声假设H₀和滤波数据r_l，计算在假设H₀下滤波数据r_l的条件概率密度函数：

$f\left(r_l\right|{\mathrm{\&beta;}}_j{a}_j\left(\mathrm{\&theta;},r\right),M,H_0)=\frac{1}{{\mathrm{\&pi;}}^{NM}\det \left(M\right)}\exp \&lsqb;-{\left(r_l-{\mathrm{\&beta;}}_j{a}_j\left(\mathrm{\&theta;},r\right)\right)}^H{M}^{-1}\left(r_l-{\mathrm{\&beta;}}_j{a}_j\left(\mathrm{\&theta;},r\right)\right)\&rsqb;$

其中，Δr为目标和干扰之间的距离；

7c)将目标噪声假设H₁下滤波数据r_l的条件概率密度函数f(r_l|βa_t(θ,r),M,H₁)和干扰噪声假设H₀下滤波数据r_l的条件概率密度函数f(r_l|β_ja_j(θ,r),M,H₀)带入到广义最大似然比检验公式中，得到最终的广义似然比函数Q：

$Q=\frac{1}{1+{\mathrm{\&gamma;}}_{min}^2}{\left(\right|\left|z_1\right||-{\mathrm{\&gamma;}}_{min}|z_{NM}\left|\right)}^{2}u(-z^{H}Rz)+|z_{NM}{|}^2-z^{H}z$

其中，max_xy指在x的条件下y取最大值，||·||代表取矢量的二范数，I_N-1为N-1维单位矩阵，z为白化旋转矢量，|·|代表取模值，z_NM＝ze_N，e_N＝[0 … 0 1]^T为N维列矢量，u(·)为单位阶跃函数，R为N×N维的对角阵，对角元素为1,1,…,1,1-γ_min，γ_min为最小不确定性因子，是方程的解，p_w＝β_jUM^-(1/2)a_j(θ,r)，β_j为干扰信号幅度值，U为旋转矩阵，M^-(1/2)为白化矩阵。