CN106209715B - 一种基于时域对消的噪声调幅干扰抑制方法 - Google Patents

Abstract

该发明公开了一种基于时域对消的噪声调幅干扰抑制方法，属于雷达抗干扰技术领域，特别涉及参数估计和快速傅里叶变换以及搜索遍历技术。首先对接收信号作对数变换，取实部提取干扰的幅度信息，噪声调幅干扰信号除以幅度成为一个频率为干扰载频，相位为干扰初相的单频信号，对此信号做傅里叶变换可以得到干扰载频和初相，为了增加估计的精度，通过对傅里叶变换补零来实现。仿真表明了这一处理的有效性，并且该算法不需要增加实际采样率，对干扰载频与信号载频的关系也没有特别要求，具有普遍适用性。

Description

一种基于时域对消的噪声调幅干扰抑制方法

技术领域

本发明属于雷达抗干扰技术领域，特别涉及参数估计和快速傅里叶变换以及搜索遍历技术。

背景技术

在电子战中，压制式干扰由于其产生简单，带宽可变，压制效果明显并且可同时干扰频率分集雷达、频率捷变雷达和各种不同工作频率的雷达，而不需要提前预知雷达发射波形，因此在雷达对抗中获得了广泛应用。其中，噪声调幅干扰是压制式干扰的一种重要实现方式，它广泛应用于对雷达进行瞄准式或复合式干扰。当干扰功率超过雷达信号数十分贝时，目标回波信号完全被干扰信号遮盖，使得目标无法被检测到，这样也不可能完成对目标的跟踪步骤。因此，对干扰的抑制就成为了雷达后续处理的先决条件。

目前来看，在公开发表的文献中较少涉及噪声调幅干扰抑制算法研究，而且多为国内学者的研究成果。文献[杜东平，唐斌.基于频域对消的噪声调幅干扰抑制[J].电子与信息学报，2007,29(3):557-559]中，在强干扰假设条件下，通过对雷达接收信号取对数，将干扰信号的幅度和相位分离开来，幅度信息保存在实部，相位信息保存在虚部中。而且虚部是一个周期三角波信号，它的频率和干扰信号的载频相同，初相和干扰初相相同。利用周期三角波信号与干扰信号的关系，可以得到干扰信号的载频和初相，再用他们构成单频信号来解调回波信号，解调后的干扰信号部分成为一个实数，而信号部分仍为一个复信号。对于实信号，经过傅里叶变换后，它们的正负频域共轭对称，而复信号仅存在某一单边带，这样，正负频域相减后就只剩下信号部分，实现了干扰在频域的对消。但是，上述方法存在缺陷，第一，要满足信号载频和干扰载频不能相等，而且两者的差还要使信号部分完全位于频域正半轴或负半轴，举例来说，假设信号载频大于干扰载频，线性调频信号带宽为B，则在解调之后，应满足信号载频与干扰载频的差大于信号带宽的一半，如附图1所示，也就是说是信号被完全搬移至频域负半轴。第二，因为文献中求解周期三角波频率时是对其做傅里叶变换，利用其频谱的特征来实现对频率的估计，但是要想得到较为完美的三角波频谱的前提是对其进行充分采样，而由周期三角波的频率与载频的关系可知，载频越大，也就要求采样频率越大，而对于雷达信号处理，采样率和载频是不相关的，当载频较大而采样率较小时，基于频域对消的噪声调幅抑制方法将失去效果。文献[M.Sun and B.Tang,Noiseamplitude modulation jamming signal suppression based on weighted-matchingpursuit,Journal of Systems Engineering and Electronics,vol.20,pp.962-967,2009]提出了一种基于加权匹配跟踪算法，将干扰和目标信号看成一个盲源分离问题。首先利用干扰和信号的差异性分别建立各自的字库函数，设置不同的权值来求得对干扰或信号的最佳近似，然后利用加权匹配跟踪算法来实现干扰的剔除。但是此算法计算复杂性高，并且在干扰较强时失去效果。

发明内容

本发明针对背景技术中的不足，提出了一种通过对噪声调幅干扰幅度和相位信息进行估计，并在时域对消的干扰抑制方法。首先对接收信号作对数变换，取实部提取干扰的幅度信息，噪声调幅干扰信号除以幅度成为一个频率为干扰载频，相位为干扰初相的单频信号，对此信号做傅里叶变换可以得到干扰载频和初相，为了增加估计的精度，通过对傅里叶变换补零来实现。仿真表明了这一处理的有效性，并且该算法不需要增加实际采样率，对干扰载频与信号载频的关系也没有特别要求，具有普遍适用性。

本发明提供了一种基于时域对消的噪声调幅干扰抑制方法，它包括以下步骤：

步骤1：接收雷达信号x(t),判别雷达信号被噪声调幅干扰,且淹没于无规律的噪声中；

步骤2：对接收雷达信号x(t)取自然对数，为方便讨论，信号和噪声近似看为0，将该雷达信号视为噪声调幅干扰信号，则：

ln(x(t))≈U₀+U_n(t)+j(ω_jt+φ)

U₀为载波电压，调制噪声U_n(t)是为零均值、方差为的高斯带限白噪声；ω_j为干扰信号中频，φ为干扰信号[0,2π]均匀分布的初始相位，且与U_n(t)相互独立。此时噪声调幅干扰信号的幅度信息位于实部中，相位信息位于虚部中；

步骤3：取步骤2中所得信号的实部real[ln(x(t))]，real(·)表示取实部，以此作为自然指数的幂，得到噪声调幅干扰信号的幅度估计：

其中，表示对噪声调幅干扰信号的幅度；

步骤4：计算噪声调幅干扰信号的载频和初相：

步骤4-1：对雷达接收信号除以步骤3所得幅度此时所得近似为一个单频信号，即：

其中ω_j则为干扰载频，φ则为干扰初相；

步骤4-2：对上式做傅里叶变换，其频域最大幅度值所对应的频点为而此频点对应的相位值为即：

其中，和分别表示干扰载频和初相的估计值，N_f表示FFT变换的点数，为保证足够的估计精度，N_f通常远大于信号的实际采样点数，在仿真场景中，通常N_f不应小于400万点，在400万～600万点间均有足够好的对消效果。其中，max(·)表示取最大值，angle(·)表示取角度值；

步骤5：利用步骤3和步骤4得到的估计值重构噪声调幅干扰信号，即：

其中，表示重构的噪声调幅干扰信号；然后将回波信号减去重构后的干扰信号，就完成了噪声调幅干扰抑制，即：

其中，表示干扰抑制后的目标回波信号。

本发明的有益效果是

本发明提出了一种基于时域对消的噪声调幅干扰抑制算法，此方法比较稳定，鲁棒性好，相比于已有的算法，步骤4-2中为了得到需要的估计精度，通过对FFT变换补零来获得，这并未增加实际的采样点数；从而本发明对干扰的载频与信号的载频无要求，并且不需要随着干扰载频的增加而增加采样率。

本发明针对噪声调幅干扰，首先对接收信号作对数变换，取实部提取干扰的幅度信息，噪声调幅干扰信号除以幅度成为一个频率为干扰载频，相位为干扰初相的单频信号，对此信号做傅里叶变换可以得到干扰载频和初相，为了达到要求的估计精度，通过对傅里叶变换补零来实现。然后，利用估计的干扰参数来重构噪声调幅干扰信号，最后，在时域对接收信号减去重构的干扰信号即完成了干扰抑制步骤，仿真结果表明，本方法可以很好的完成干扰抑制。

附图说明

图1为频域对消算法对干扰载频和信号载频要求示意图

图2为噪声调幅干扰压制效果示意图

图3(a)为FFT点数是50万时的对消结果示意图

图3(b)为FFT点数是100万时的对消结果示意图

图3(c)为FFT点数是200万时的对消结果示意图

图3(d)为FFT点数是400万时的对消结果示意图

具体实施方式

本发明的具体实施步骤如下：

步骤1：雷达不断发射信号，在接收信号中，目标无法被检测到，淹没于无规律的“噪声”中，但是噪声基底明显高于接收机噪声，此时认为雷达受到噪声调幅干扰，那么此时转到步骤2。

步骤2：对接收信号x(t)取自然对数，分离干扰信号的的幅度和相位信息，在强干扰背景下，可以近似忽略目标回波信号和噪声：

其中，s(t)表示目标回波信号，n(t)表示高斯白噪声，J(t)表示噪声调幅干扰信号，U₀为载波电压，调制噪声U_n(t)是为零均值、方差为的高斯带限白噪声；ω_j为干扰信号中频，φ为干扰信号[0,2π]均匀分布的初始相位，且与U_n(t)相互独立。Λ(ω_jt)＝ω_j(t-2kπ),t∈(2kπ,2(k+1)π),k＝0,1,2...为锯齿波函数。可以看出Λ(ω_jt)的频率和初相分别与干扰信号载波频率和初相相等。然后转到步骤3作进一步处理。

步骤3：取步骤2中所得信号的实部，然后以此作为自然指数的幂，得到噪声调幅干扰信号的幅度估计，即：

其中，表示对噪声调幅干扰信号的幅度估计，real(·)表示取实部。

步骤4：噪声调幅干扰载频估计和初相估计：

步骤4-1：对雷达接收信号除以步骤3所得幅度估计信息，此时所得近似为一个单频信号，此单频信号的频率为干扰载频，初相为干扰初相，即：

其中，ω_j为干扰载频，φ为干扰初相。

步骤4-2：对上式作补零点的傅里叶变换，在频域中，其最大的幅频值所对应的频点就应该是而此频点对应的相位值就应该是即：

其中，和分别表示干扰载频和初相的估计值，N_f表示进行FFT变换的点数，max(·)表示取最大值，angle(·)表示取角度值，|·|表示取模值。为了得到需要的估计精度，通过对FFT变换补零来获得，这并未增加实际的采样点数，但却提高了频域精度。

步骤5：利用步骤3和步骤4得到的估计结果重新构建噪声调幅干扰信号，即：

其中，表示重构后的噪声调幅干扰信号。然后将回波信号减去重构后的干扰信号，就完成了噪声调幅干扰抑制，即：

其中，表示干扰抑制后的目标回波信号。

仿真验证及分析

仿真参数：

线性调频信号信号脉宽T_p＝500us，脉冲重复周期PRT＝4ms，带宽B＝1MHz，采样率f_s＝1MHz，信号载频f_c＝244MHz，噪声调幅信号带宽0.9MHz，干扰载频f_j＝240MHz，干扰初相两个目标分别位于R₁＝300km和R₂＝400km处，则对应双程时延分别为t₁＝2ms和t₂＝2.7ms。信噪比SNR＝0dB，干噪比JNR＝30dB。

仿真分析：

由附图2可以看出，当干扰信号较强时，目标信号淹没于干扰中，使得雷达不能正确检测、跟踪。由附图3可知，当FFT点数较少时，对消的效果并不理想，噪声基底有所抬起，对正确检测到目标产生了不利影响，这是因为对噪声调幅干扰的载频和相位估计不够准确，那么重构后的干扰信号也不够准确，这样在时域对消时就会存在干扰对消残差。

随着FFT变换的点数增多，对消效果也越来越好，这是因为随着FFT点数的增多，频率精度越来越高，那么干扰载频的估计误差也相应减小，初相的估计误差也同时减小，进而可以得到更好的对消效果，这一结果支持了我们这一算法的有效性。

Claims (1)

1.一种基于时域对消的噪声调幅干扰抑制方法，它包括以下步骤：

步骤1：接收雷达信号x(t),判别雷达信号被噪声调幅干扰,且淹没于无规律的噪声调幅干扰中；

步骤2：对接收雷达信号x(t)取自然对数，信号和噪声近似看为0，将该雷达信号视为噪声调幅干扰信号，则：

ln(x(t))≈U₀+U_n(t)+j(ω_jt+φ)

U₀为载波电压，调制噪声U_n(t)是为零均值、方差为的高斯带限白噪声；ω_j为干扰信号载频，φ为干扰信号初相，服从在[0,2π]均匀分布，且与U_n(t)相互独立；此时噪声调幅干扰信号的幅度信息位于实部中，相位信息位于虚部中；

步骤3：取步骤2中所得噪声调幅干扰信号的实部real[ln(x(t))]，real(·)表示取实部，以此作为自然指数的幂，得到噪声调幅干扰信号的幅度估计：

其中，表示对噪声调幅干扰信号的幅度；

步骤4：计算噪声调幅干扰信号的载频和初相：

步骤4-1：对雷达接收信号除以步骤3所得幅度此时所得近似为一个单频信号，即：

其中ω_j为干扰信号载频，φ为干扰信号初相；

步骤4-2：对步骤4-1中公式做傅里叶变换，其频域最大幅度值所对应的频点为而此频点对应的相位值为即：

其中，和分别表示干扰信号载频和初相的估计值，N_f表示FFT变换的点数，为保证足够的估计精度，N_f通常远大于信号的实际采样点数，在仿真场景中，N_f在400万～600万点间；其中，max(·)表示取最大值，angle(·)表示取角度值；

步骤5：利用步骤3和步骤4得到的估计值重构噪声调幅干扰信号，即：

其中，表示重构的噪声调幅干扰信号；然后将回波信号减去重构后的干扰信号，就完成了噪声调幅干扰抑制，即：

其中，表示干扰抑制后的目标回波信号。