CN109490845B - 多站雷达抑制主瓣压制式干扰的方法 - Google Patents

多站雷达抑制主瓣压制式干扰的方法 Download PDF

Info

Publication number
CN109490845B
CN109490845B CN201811293678.8A CN201811293678A CN109490845B CN 109490845 B CN109490845 B CN 109490845B CN 201811293678 A CN201811293678 A CN 201811293678A CN 109490845 B CN109490845 B CN 109490845B
Authority
CN
China
Prior art keywords
interference
receiving station
station
signal
amplitude
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.)
Active
Application number
CN201811293678.8A
Other languages
English (en)
Other versions
CN109490845A (zh
Inventor
赵珊珊
刘子威
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN201811293678.8A priority Critical patent/CN109490845B/zh
Publication of CN109490845A publication Critical patent/CN109490845A/zh
Application granted granted Critical
Publication of CN109490845B publication Critical patent/CN109490845B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01S7/28—Details of pulse systems
    • G01S7/2813—Means providing a modification of the radiation pattern for cancelling noise, clutter or interfering signals, e.g. side lobe suppression, side lobe blanking, null-steering arrays
    • 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
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
    • G01S7/2925—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods by using shape of radiation pattern
    • 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
    • G01S7/28—Details of pulse systems
    • G01S7/285—Receivers
    • G01S7/292—Extracting wanted echo-signals
    • G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
    • G01S7/2927—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods by deriving and controlling a threshold value
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明揭示了一种多站雷达抑制主瓣压制式干扰的方法，包括如下步骤：S1、对区域进行检测，得到回波信号；S2、对回波信号进行干扰对齐；S3、对回波信号进行脉冲压缩和非相参积累；S4、计算信号幅度比特征序列；S5、通过非相参积累得到多站雷达系统幅度比特征序列；S6、利用仿真实验对特征域目标检测门限进行离线学习，得到不同干噪比下的目标检测门限；S7、根据干扰样本估计第一个接收站中的干噪比，查询得到目标检测门限；S8、将多站雷达系统幅度比特征序列的每个时刻点的函数值与检测门限进行比较，得到目标检测结果。本发明在幅度比特征空间完成干扰抑制和目标检测，在干噪比较高时反而可以得到更好的干扰抑制效果。

Description

多站雷达抑制主瓣压制式干扰的方法
技术领域
本发明涉及一种抗主瓣压制式干扰的方法，具体而言，涉及一种多站雷达抑制主瓣压制式干扰的方法，属于雷达技术领域
背景技术
压制式干扰是一种常见的干扰样式，其原理是利用大功率干扰信号淹没目标回波。相对应的，旁瓣相消技术是对抗压制式干扰的有效手段之一，但其只能抑制来自天线旁瓣的压制式干扰信号。在随队干扰和自卫式干扰中，压制式干扰信号从雷达天线主瓣进入、从而形成主瓣干扰，严重影响雷达的目标检测性能。此时，旁瓣相消技术将难以奏效。
现阶段对于雷达抗主瓣压制式干扰的研究主要从空域、时频域、极化域或多域联合等角度进行，但上述干扰抑制方法都是根据干扰信号在各数据域的结构特征进行设计的，具有较强的干扰类型针对性。当干扰类型失配时，其干扰抑制能力将会降低甚至失效，例如空域算法要求干扰信号与目标回波存在一定的角度差异，在自卫式干扰情况下将完全失效；频域方法在干扰频带完全覆盖目标频谱的情况下，其抗干扰性能将严重下降；极化域干扰抑制方法难以抑制未极化或变极化主瓣干扰等等。
多站雷达是由几个在空间上相分离的发射、接收和(或)发射-接收设备组成的一个雷达系统，能够提供丰富的空、时、频资源，通过将所接收到的信息进行融合及联合处理，多站雷达具备单站雷达所不能到达的整体抗干扰能力。
干扰抑制的基本原理是利用干扰与目标信号的某种可分性对干扰信号进行有效抑制，并尽可能地保留目标信号，因此，在多站雷达背景下找到这种差异性是多站雷达主瓣干扰抑制算法的关键。由于目标的RCS(Radar-Cross Section，雷达散射截面积)将随着探测视角的变化而随机起伏，在多站雷达各节点对目标的视角差异足够大的情况下，各节点接收到的目标回波将是互不相关的。而由于干扰机在各个辐射方向上发射的干扰信号都是相同的，因此即使各节点对于干扰机的视角和增益各不相同，但其所接收的干扰信号仍是高度相关的，对于不同的干扰样式和调制方式，这种相关性均成立。因此，在多站雷达系统下，干扰和目标信号间存在空间散射特性的差异、即目标回波信号具有各向异性，而干扰信号具有各向同性，这就为多站雷达下主瓣干扰抑制算法提供了理论依据。
根据上述差异，传统的多站雷达下主瓣干扰抑制方法是基于信号相消的思想，利用不同接收站中压制式干扰的相关性，通过加权求和，实现干扰信号相消，由于目标信号是相互独立的，因此可以得到有效保留。但是这种信号相消方法在较高干噪比下，相消后干扰残留能量较大，将严重影响后续的目标检测性能。
综上所述，如何在现有技术的基础上提出一种新的多站雷达抑制主瓣压制式干扰的方法，以提高主瓣压制式干扰下多站雷达的目标检测性能，也就成为了业内技术人员新的研究方向。
发明内容
鉴于现有技术存在上述缺陷，本发明提出了一种多站雷达抑制主瓣压制式干扰的方法，包括如下步骤：
S1、假定多站雷达由单个发射站和N部接收站组成，对存在目标和一个压制式干扰机的雷达探测区域进行检测，接收站n得到第l个脉冲重复周期的回波信号；
S2、以第一个接收站为参考，对其他接收站的回波信号进行干扰对齐；
S3、对回波信号进行脉冲压缩和非相参积累，得到积累后的接收信号；
S4、根据积累后的接收信号，计算接收站n中的信号幅度比特征序列；
S5、对各接收站的信号幅度比特征序列进行非相参积累，得到多站雷达系统幅度比特征序列Ξ(t)；
S6、设第一个接收站的干噪比为γ1，系统检测虚警率为Pfa，利用Monte Carlo仿真实验对特征域目标检测门限进行离线学习，得到不同干噪比γ1下的目标检测门限κ(γ1)；
S7、根据干扰样本估计得到第一个接收站中的干噪比γ1，查询得到目标检测门限κ(γ1)；
S8、将多站雷达系统幅度比特征序列的每个时刻点的函数值与检测门限κ(γ1)进行比较，得到目标检测的输出结果，
如果Ξ(t)<κ(γ1)，表示无目标，如果Ξ(t)>κ(γ1)，表示有目标。
优选地，S1中所述接收站n得到第l个脉冲重复周期的回波信号为rn(t,l)，0≤t≤T，
其中，T是一个脉冲重复周期的时间长度，l＝1,2,...,L，L为脉冲重复周期的个数。
优选地，S2具体包括如下步骤：
S21、利用互相关函数估计得到接收站n中的干扰信号时延量τ1n，n＝1,2,...,N，
Figure GDA0003788464150000041
其中，(·)*表示取共轭，
Figure GDA0003788464150000042
表示卷积；
S22、根据接收站n中的干扰信号时延量τ1n，得到回波信号rn(t,l)时间对齐后的接收信号为rn(t-τ1n,l)。
优选地，S3具体包括如下步骤：
S31、对接收站n时间对齐后的接收信号rn(t-τ1n,l)先进行脉冲压缩，得到脉压后的信号为r′n(t-τ1n,l)；
S32、对脉压后信号r′n(t-τ1n,l)进行非相参积累，得到积累后的接收信号
Figure GDA0003788464150000043
优选地，S4中所述接收站n中的信号幅度比特征序列为ξn(t)，表达式为：
Figure GDA0003788464150000044
优选地，S5中所述多站雷达系统幅度比特征序列Ξ(t)的表达式为：
Figure GDA0003788464150000045
其中，E[·]表示取均值。
优选地，S6具体包括如下步骤：
S61、设各接收站中的噪声信号Ωn相互独立，且均服从标准的复高斯分布，根据标准复高斯分布，产生接收站n中的噪声信号样本Ωn，n＝1,2,…,N；
S62、设干扰样式为噪声调幅干扰，根据第一个接收站的干噪比γ1，可以得到第一个接收站中的干扰信号样本J1，
Figure GDA0003788464150000051
其中，α和β相互独立，且均服从标准高斯分布；
S63、根据第一个接收站的干扰信号样本J1，得到接收站n中的干扰信号样本Jn，
Figure GDA0003788464150000052
其中，Gn为接收站n的天线增益，RJn为干扰机到接收站n的距离；
S64、根据各接收站中的噪声信号样本Ωn和干扰信号样本Jn，得到各接收站中的回波样本fn＝Jn+Ωn，n＝1,2,…,N；
S65、根据S61～S64中产生的L个接收站中的回波样本fn,l，l＝1,2,…,L，进行非相参积累得到接收站n中积累后的回波样本
Figure GDA0003788464150000053
S66、根据各接收站中积累后的回波样本f′n，得到接收站n中幅度比特征样本ξ′n，
Figure GDA0003788464150000054
S67、根据各接收站中的幅度比特征样本ξ′n，得到系统幅度比特征样本Ξ′，
Figure GDA0003788464150000055
S68、根据S61～S67中产生的
Figure GDA0003788464150000061
个系统幅度比特征样本，对这些样本进行排序，得到干噪比γ1下的检测门限κ(γ1)为排序后的第
Figure GDA0003788464150000062
个样本值，其中，
Figure GDA0003788464150000063
表示上取整，
Figure GDA0003788464150000064
表示下取整。
与现有技术相比，本发明的优点主要体现在以下几个方面：
本发明通过在幅度比特征空间内完成干扰抑制和目标检测的方式，使得方法整体的有效性及干扰抑制效果均得到了大幅度地提升，在较高干噪比的条件下反而可以获得更佳的干扰抑制效果。
同时，本发明不依赖干扰信号的时频结构特征，能够适用于不同类型、不同调制的干扰信号，且无需多站雷达系统的几何布站参数以及各接收站之间的幅相误差等参数，对系统内部结构的变化具有较强的自适应能力，方法的适用范围较大。
此外，本发明也为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸，运用于同领域内其他干扰抑制方法的技术方案中，具有十分广阔的应用前景。
以下便结合实施例附图，对本发明的具体实施方式作进一步的详述，以使本发明技术方案更易于理解、掌握。
附图说明
图1是本发明的实现流程图；
图2是本发明的使用场景示意图；
图3是使用本发明所得到的各接收站幅度比特征序列结果；
图4是使用本发明所得到的系统幅度比特征序列结果；
图5是使用本发明所得到的不同信干比情况下目标检测概率仿真结果。
具体实施方式
如图1所示，本发明揭示了一种多站雷达抑制主瓣压制式干扰的方法，其特征在于，包括如下步骤：
S1、假定多站雷达由单个发射站和N部接收站组成，对存在目标和一个压制式干扰机的雷达探测区域进行检测，接收站n得到第l个脉冲重复周期的回波信号rn(t,l)，0≤t≤T，
其中，T是一个脉冲重复周期的时间长度，l＝1,2,...,L，L为脉冲重复周期的个数。
S2、以第一个接收站为参考，对其他接收站的回波信号进行干扰对齐。
S2具体包括如下步骤：
S21、利用互相关函数估计得到接收站n中的干扰信号时延量τ1n，n＝1,2,...,N，
Figure GDA0003788464150000071
其中，(·)*表示取共轭，
Figure GDA0003788464150000072
表示卷积；
S22、根据接收站n中的干扰信号时延量τ1n，得到回波信号rn(t,l)时间对齐后的接收信号为rn(t-τ1n,l)。
S3、对回波信号进行脉冲压缩和非相参积累，得到积累后的接收信号。
S3具体包括如下步骤：
S31、对接收站n时间对齐后的接收信号rn(t-τ1n,l)先进行脉冲压缩，得到脉压后的信号为r′n(t-τ1n,l)；
S32、对脉压后信号r′n(t-τ1n,l)进行非相参积累，得到积累后的接收信号
Figure GDA0003788464150000081
S4、根据积累后的接收信号，计算接收站n中的信号幅度比特征序列ξn(t)，ξn(t)的表达式为：
Figure GDA0003788464150000082
S5、对各接收站的信号幅度比特征序列进行非相参积累，得到多站雷达系统幅度比特征序列Ξ(t)，Ξ(t)的表达式为：
Figure GDA0003788464150000083
其中，E[·]表示取均值。
S6、设第一个接收站的干噪比为γ1，系统检测虚警率为Pfa，利用Monte Carlo仿真实验对特征域目标检测门限进行离线学习，得到不同干噪比γ1下的目标检测门限κ(γ1)。
S6具体包括如下步骤：
S61、设各接收站中的噪声信号Ωn相互独立，且均服从标准的复高斯分布，根据标准复高斯分布，产生接收站n中的噪声信号样本Ωn，n＝1,2,…,N；
S62、设干扰样式为噪声调幅干扰，根据第一个接收站的干噪比γ1，可以得到第一个接收站中的干扰信号样本J1，
Figure GDA0003788464150000084
其中，α和β相互独立，且均服从标准高斯分布，这是在噪声调幅干扰假设下得到的，针对其他干扰样式，同样可产生相应的干扰信号，均在本发明保护范围内；
S63、根据第一个接收站的干扰信号样本J1，得到接收站n中的干扰信号样本Jn，
Figure GDA0003788464150000091
其中，Gn为接收站n的天线增益，RJn为干扰机到接收站n的距离；
S64、根据各接收站中的噪声信号样本Ωn和干扰信号样本Jn，得到各接收站中的回波样本fn＝Jn+Ωn，n＝1,2,…,N；
S65、根据S61～S64中产生的L个接收站中的回波样本fn,l，l＝1,2,…,L，进行非相参积累得到接收站n中积累后的回波样本
Figure GDA0003788464150000092
S66、根据各接收站中积累后的回波样本f′n，得到接收站n中幅度比特征样本ξ′n，
Figure GDA0003788464150000093
S67、根据各接收站中的幅度比特征样本ξ′n，得到系统幅度比特征样本Ξ′，
Figure GDA0003788464150000094
S68、根据S61～S67中产生的
Figure GDA0003788464150000095
个系统幅度比特征样本，对这些样本进行排序，得到干噪比γ1下的检测门限κ(γ1)为排序后的第
Figure GDA0003788464150000096
个样本值，其中，
Figure GDA0003788464150000097
表示上取整，
Figure GDA0003788464150000098
表示下取整。
S7、根据干扰样本估计得到第一个接收站中的干噪比γ1，查询得到目标检测门限κ(γ1)；
S8、将多站雷达系统幅度比特征序列的每个时刻点的函数值与检测门限κ(γ1)进行比较，得到目标检测的输出结果，
如果Ξ(t)<κ(γ1)，表示无目标，如果Ξ(t)>κ(γ1)，表示有目标。
本发明的抑制主瓣压制式干扰的能力可通过以下仿真进一步验证。
实验场景如下：
如图2所示，多站雷达系统由1部发射站，4部接收站组成，不同接收站参数如表1。
表1多站雷达系统仿真参数
Figure GDA0003788464150000101
发射站与第一个接收站共置，发射信号载频为3GHz，脉冲积累个数为L＝8。目标位置坐标为[31,31]km，距接收站1的距离为87.6km，速度矢量为[-40,-13]m/s，定义参考信噪比为接收站1中脉压后的信噪比SNR＝8dB。压制式干扰机的位置坐标为[0,30]km，速度矢量为[-45,-15]m/s，同样定义参考干噪比为接收站1中脉压后的干噪比JNR＝60dB。
实验内容与结果如下：
实验1、利用本发明方法将各接收站回波信号转到幅度比特征域，以抑制主瓣压制式干扰“凸显”目标，得到各接收站幅度比特征序列结果如图3所示，以及系统幅度比特征序列结果如图4所示，其中图3和图4中箭头指出了目标所在距离位置。
从图3和图4中，可以看出利用本发明方法得到的幅度比特征序列中主瓣压制式干扰得到有效抑制，目标所在距离处“凸显”明显。
实验2、设虚警概率Pfa＝10-5，利用本发明方法对目标进行恒虚警检测，可得到不同信干比SJR条件下的目标检测概率，如图5所示，并于传统信号相消方法进行比较。
从图5中，可以看出相比于传统干扰信号相消算法，本发明方法在不同SJR下均可以得到更好的目标检测性能。此外，传统信号相消方法的算法性能与SJR有较大关系，尤其在较低SJR下，算法性能下降明显，这是由于干扰能量较大，相消后残留干扰能量较高带来的。相比于现有方法，信干比SJR对本发明方法性能影响较小，对目标的检测性能仅依赖于SNR的大小；在较低SJR的情况下，检测概率仍然比较高，在传统信号相消方法性能下降的情况下，可利用本发明方法对目标进行有效检测。
本发明通过在幅度比特征空间内完成干扰抑制和目标检测的方式，使得方法整体的有效性及干扰抑制效果均得到了大幅度地提升，在较高干噪比的条件下反而可以获得更佳的干扰抑制效果。
同时，本发明不依赖干扰信号的时频结构特征，能够适用于不同类型、不同调制的干扰信号，且无需多站雷达系统的几何布站参数以及各接收站之间的幅相误差等参数，对系统内部结构的变化具有较强的自适应能力，方法的适用范围较大。
此外，本发明也为同领域内的其他相关问题提供了参考，可以以此为依据进行拓展延伸，运用于同领域内其他干扰抑制方法的技术方案中，具有十分广阔的应用前景。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神和基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (7)

1.一种多站雷达抑制主瓣压制式干扰的方法，其特征在于，包括如下步骤：
S1、假定多站雷达由单个发射站和N部接收站组成，对存在目标和一个压制式干扰机的雷达探测区域进行检测，接收站n得到第l个脉冲重复周期的回波信号；
S2、以第一个接收站为参考，对其他接收站的回波信号进行干扰对齐；
S3、对回波信号进行脉冲压缩和非相参积累，得到积累后的接收信号；
S4、根据积累后的接收信号，计算接收站n中的信号幅度比特征序列；
S5、对各接收站的信号幅度比特征序列进行非相参积累，得到多站雷达系统幅度比特征序列Ξ(t)；
S6、设第一个接收站的干噪比为γ1，系统检测虚警率为Pfa，利用Monte Carlo仿真实验对特征域目标检测门限进行离线学习，得到不同干噪比γ1下的目标检测门限κ(γ1)；
S7、根据干扰样本估计得到第一个接收站中的干噪比γ1，查询得到目标检测门限κ(γ1)；
S8、将多站雷达系统幅度比特征序列的每个时刻点的函数值与检测门限κ(γ1)进行比较，得到目标检测的输出结果，
如果Ξ(t)<κ(γ1)，表示无目标，如果Ξ(t)>κ(γ1)，表示有目标。
2.根据权利要求1所述的多站雷达抑制主瓣压制式干扰的方法，其特征在于：S1中所述接收站n得到第l个脉冲重复周期的回波信号为rn(t,l)，0≤t≤T，
其中，T是一个脉冲重复周期的时间长度，l＝1,2,...,L，L为脉冲重复周期的个数。
3.根据权利要求2所述的多站雷达抑制主瓣压制式干扰的方法，其特征在于，S2具体包括如下步骤：
S21、利用互相关函数估计得到接收站n中的干扰信号时延量τ1n，n＝1,2,...,N，
Figure FDA0003788464140000011
其中，(·)*表示取共轭，
Figure FDA0003788464140000021
表示卷积；
S22、根据接收站n中的干扰信号时延量τ1n，得到回波信号rn(t,l)时间对齐后的接收信号为rn(t-τ1n,l)。
4.根据权利要求3所述的多站雷达抑制主瓣压制式干扰的方法，其特征在于，S3具体包括如下步骤：
S31、对接收站n时间对齐后的接收信号rn(t-τ1n,l)先进行脉冲压缩，得到脉压后的信号为r′n(t-τ1n,l)；
S32、对脉压后信号r′n(t-τ1n,l)进行非相参积累，得到积累后的接收信号
Figure FDA0003788464140000022
5.根据权利要求4所述的多站雷达抑制主瓣压制式干扰的方法，其特征在于，S4中所述接收站n中的信号幅度比特征序列为ξn(t)，表达式为：
Figure FDA0003788464140000023
6.根据权利要求5所述的多站雷达抑制主瓣压制式干扰的方法，其特征在于，S5中所述多站雷达系统幅度比特征序列Ξ(t)的表达式为：
Figure FDA0003788464140000024
其中，E[·]表示取均值。
7.根据权利要求6所述的多站雷达抑制主瓣压制式干扰的方法，其特征在于，S6具体包括如下步骤：
S61、设各接收站中的噪声信号Ωn相互独立，且均服从标准的复高斯分布，根据标准复高斯分布，产生接收站n中的噪声信号样本Ωn，n＝1,2,…,N；
S62、设干扰样式为噪声调幅干扰，根据第一个接收站的干噪比γ1，可以得到第一个接收站中的干扰信号样本J1，
Figure FDA0003788464140000025
其中，α和β相互独立，且均服从标准高斯分布；
S63、根据第一个接收站的干扰信号样本J1，得到接收站n中的干扰信号样本Jn，
Figure FDA0003788464140000031
其中，Gn为接收站n的天线增益，RJn为干扰机到接收站n的距离；
S64、根据各接收站中的噪声信号样本Ωn和干扰信号样本Jn，得到各接收站中的回波样本fn＝Jn+Ωn，n＝1,2,…,N；
S65、根据S61～S64中产生的L个接收站中的回波样本fn,l，l＝1,2,…,L，进行非相参积累得到接收站n中积累后的回波样本
Figure FDA0003788464140000032
S66、根据各接收站中积累后的回波样本f′n，得到接收站n中幅度比特征样本ξ′n，
Figure FDA0003788464140000033
S67、根据各接收站中的幅度比特征样本ξ′n，得到系统幅度比特征样本Ξ′，
Figure FDA0003788464140000034
S68、根据S61～S67中产生的
Figure FDA0003788464140000035
个系统幅度比特征样本，对这些样本进行排序，得到干噪比γ1下的检测门限κ(γ1)为排序后的第
Figure FDA0003788464140000036
个样本值，其中，
Figure FDA0003788464140000037
表示上取整，
Figure FDA0003788464140000038
表示下取整。
CN201811293678.8A 2018-11-01 2018-11-01 多站雷达抑制主瓣压制式干扰的方法 Active CN109490845B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811293678.8A CN109490845B (zh) 2018-11-01 2018-11-01 多站雷达抑制主瓣压制式干扰的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811293678.8A CN109490845B (zh) 2018-11-01 2018-11-01 多站雷达抑制主瓣压制式干扰的方法

Publications (2)

Publication Number Publication Date
CN109490845A CN109490845A (zh) 2019-03-19
CN109490845B true CN109490845B (zh) 2022-11-15

Family

ID=65692042

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811293678.8A Active CN109490845B (zh) 2018-11-01 2018-11-01 多站雷达抑制主瓣压制式干扰的方法

Country Status (1)

Country Link
CN (1) CN109490845B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113009420B (zh) * 2021-02-02 2023-08-29 中山大学 一种切片转发干扰信号的处理方法、系统及存储介质
CN113075698B (zh) * 2021-03-24 2023-07-07 重庆大学 卫星导航接收机中欺骗式干扰抑制方法
CN114966565B (zh) * 2022-02-28 2023-10-27 中国电子科技集团公司信息科学研究院 基于盲源分离的分布式雷达协同抗主瓣干扰方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB201204113D0 (en) * 2012-03-08 2012-04-25 Qinetiq Ltd Target detection system and method
CN104049242B (zh) * 2014-06-30 2016-05-25 中国电子科技集团公司第三十八研究所 一种基于fpga的船用雷达抗同频干扰信号处理方法
FR3055424B1 (fr) * 2016-08-23 2019-01-25 Thales Methode de traitement d'un signal issu d'un lidar coherent et systeme lidar associe
CN107015214B (zh) * 2017-06-06 2020-08-18 电子科技大学 一种基于稀疏贝叶斯学习的空时自适应处理方法

Also Published As

Publication number Publication date
CN109490845A (zh) 2019-03-19

Similar Documents

Publication Publication Date Title
CN109490845B (zh) 多站雷达抑制主瓣压制式干扰的方法
CN111399002B (zh) 一种基于两级神经网络的gnss接收机组合干扰分类识别方法
CN106909779B (zh) 基于分布式处理的mimo雷达克拉美罗界计算方法
CN110471091B (zh) 一种基于相关器正交分量的欺骗干扰检测方法
CN104155662B (zh) 基于gnss相关峰值探测器的自适应互干扰抑制方法
CN109521430B (zh) 一种抑制窄带干扰的距离扩展目标检测方法
CN107272030B (zh) 一种基于多个gps卫星信息融合的目标探测方法
CN111896928B (zh) 基于有源欺骗式干扰消除的多站雷达目标检测方法
CN105891799B (zh) 适用于机械扫描雷达的有源干扰侦察方法
CN115877410A (zh) 一种多个同步式卫星导航欺骗干扰的辨识及抑制方法
Gambi et al. Chaos-based radars for automotive applications: Theoretical issues and numerical simulation
US20140269851A1 (en) Systems, methods, and devices for improving signal detection in communication systems
Foroozan et al. Direction finding algorithms for time reversal MIMO radars
CN109655794B (zh) 一种窄带自卫噪声压制干扰的检测识别方法
Zhao et al. A coprime array-based technique for spoofing detection and DOA estimation in GNSS
Hassanien et al. Robust moving target detection for distributed MIMO radar in non-homogeneous clutter
CN104536014A (zh) 一种基于Relax算法的抗转发式欺骗干扰方法
CN109687915A (zh) 一种未知参量水声脉冲信号检测的方法
CN111077515B (zh) 一种基于模拟电视外辐射源雷达的目标检测方法
Mushtaq et al. A proposed DOA estimation technique based on wavelet packet decomposition for fading channel in MIMO systems
Yuan et al. Active repeater jamming suppression via multistatic radar elliptic-hyperbolic location
Sun et al. Performance assessment of multi-metric joint detection technique for anti-spoofing
CN107037411B (zh) 一种分布式椭圆双曲线联合定位抗距离欺骗干扰抑制方法
Huang et al. Joint transmitting subarray partition and beamforming for active jamming suppression in phased-MIMO radar
Haniz et al. Hybrid fingerprint-based localization of unknown radios: measurements in an open field

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant