CN112051552B - 一种基于多站的主瓣抗干扰方法及装置 - Google Patents
一种基于多站的主瓣抗干扰方法及装置 Download PDFInfo
- Publication number
- CN112051552B CN112051552B CN202010801112.2A CN202010801112A CN112051552B CN 112051552 B CN112051552 B CN 112051552B CN 202010801112 A CN202010801112 A CN 202010801112A CN 112051552 B CN112051552 B CN 112051552B
- Authority
- CN
- China
- Prior art keywords
- interference
- iteration
- module
- radar
- estimated value
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000012216 screening Methods 0.000 claims abstract description 28
- 238000013500 data storage Methods 0.000 claims abstract description 22
- 230000001629 suppression Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 239000000470 constituent Substances 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000003491 array Methods 0.000 claims description 2
- 230000001427 coherent effect Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
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
本发明提出一种基于多站的主瓣抗干扰方法及装置,属于雷达抗干扰技术领域。该装置包括回波数据存储模块、干扰源位置初始化模块、迭代算法模块、筛选模块和干扰重构模块。该方法首先对场景建模,当所有雷达站点采样到回波信号后,对各站点采集到的回波信号通过多层迭代,输出包含冗余信息的干扰源位置集合估计值和对应临时复变量集合估计值并进行筛选,得到不包含冗余信息的干扰源位置集合估计值和对应临时复变量集合的估计值;然后对干扰信号进行重构,在回波信号中减去重构后的干扰信即可实现多站主瓣抗干扰。本发明可对从主瓣进入的随机噪声干扰进行有效消除,解决了现有技术依赖于多站干扰信号相参的问题,实现更为有效的干扰抑制。
Description
技术领域
本发明属于雷达抗干扰技术领域,特别提出一种基于多站的主瓣抗干扰方法及装置。
背景技术
随着电子科学技术的快速发展,电子对抗在现代战争中的作用日益增大,对雷达造成显著威胁。对于雷达系统而言,雷达抗干扰事关雷达在对抗条件下的生存能力,具有重要的地位。
干扰的形式多种多样,按照干扰源是否主动辐射电磁波可以分为有源干扰和无源干扰。而有源干扰又包括欺骗式干扰和压制式干扰。其中,有源压制式干扰通过向雷达接收天线注入强干扰信号淹没目标回波信号,从而使得雷达检测、跟踪性能下降,对雷达探测目标构成显著威胁。一般而言,压制性干扰采用随机性信号作为干扰波形(如高斯白噪声),而如何对抗强高斯白噪声干扰成为雷达抗干扰的一个重要研究问题。
对于有源干扰而言,根据干扰能量从雷达天线旁瓣还是主瓣进入雷达接收机,又可分为旁瓣干扰和主瓣干扰两类。对于旁瓣干扰,目前的抗干扰研究工作较多,如设计超低副瓣天线、旁瓣对消、旁瓣匿影、波束成形等方法,可以实现对从旁瓣进入的干扰进行有效地抑制。但对于主瓣干扰,传统的旁瓣抗干扰算法不能够直接应用。例如,如果使用波束自适应成形算法做主瓣抗干扰,由于干扰和目标回波都从主瓣进入雷达接收天线,在对干扰方向形成零陷的同时雷达主瓣也会产生严重的变形,从而影响雷达检测、跟踪性能。目前,主瓣抗干扰的方法主要有和差波束主瓣对消方法和盲源分离方法,前者需要天线主波束对准目标,而这在干扰环境下通常难以实现;后者在某些情况可以分离出目标信号,但分离后通道之间关系是未知的,给目标测角带来很大的困难。
以上提到的方法通常是基于一个雷达站点进行干扰抑制。近些年来,随着有关多站联合信号处理的研究日益深入,使用多雷达站点实现主瓣抗干扰的方法逐渐引起研究人员的关注。由于多站雷达相比单站雷达有更高的角度分辨力和更好的空间多样性,多站主瓣抗干扰很有可能获得比单站方法更好的抗干扰效果。在目前已有的多站主瓣抗干扰的研究中,一种经典的思路是通过各站回波信号构建协方差矩阵,应用矩阵奇异值分解估计干扰所在的子空间,通过子空间投影的方法去除干扰,但这样的方法要求各站接收到的信号是相参的,即在对于不同采样时刻,各站回波信号的相位差固定。而实际情况中,当干扰机使用随机旁瓣调制时这样的条件并不一定满足,从而导致该抗干扰算法失效。
发明内容
本发明的目的是为克服已有技术的不足之处,提出一种基于多站的主瓣抗干扰方法及装置。本发明不依赖于多站雷达之间所接受到的干扰信号相参这一假设,能够实现对从主瓣进入的随机噪声干扰进行有效消除,解决了现有技术依赖于多站干扰信号相参的问题,实现更为有效的干扰抑制。
本发明提出一种基于多站的主瓣抗干扰方法,其特征在于,包括以下步骤:
1)场景建模;
设在一个二维的平面上,共包括K个雷达站点,K≥2,第k个雷达站点的平面坐标表示为uk=[uk,x,uk,y]T,k=1,...,K,其中uk,x表示第k个雷达站点的横坐标,uk,y表示第k个雷达站点的纵坐标;每个雷达站点装备有一个均匀线性的接收天线阵列,其中第k个雷达站点的接收天线阵列有Nk个阵元,Nk≥2;
在雷达探测的目标附近,存在Q个干扰源,Q≥1,第q个干扰源的平面坐标表示为vq=[vq,x,vq,y]T,q=1,...,Q,其中vq,x表示第q个干扰源的横坐标,vq,y表示第q个干扰源的纵坐标;每个干扰源向空间持续辐射噪声干扰信号,该干扰信号和目标回波信号一同作为回波信号从各雷达站点接收天线阵列的主瓣进入;
2)数据采集;
将第k个雷达站点第nk个阵元在Tk时刻进行采样得到回波信号记为 则Tk时刻第k个雷达站点采样得到的回波信号构成向量sk:
3)抗干扰信号处理;
当所有雷达站点采样到一次回波信号后,对各站点采集到的回波信号进行抗干扰信号处理,具体步骤如下:
3-1)算法初始化;
3-1-1)将Q个干扰源位置集合初始化为空集,V0={};
3-1-2)用Φ表示每个雷达站点对于每个干扰源的临时复变量的集合,其中第k个雷达站点对于第q个干扰源的临时复变量记为φq,k,则Φ={φq,k,k=1,...,K,q=1,2,...};
3-1-3)假设已知每个干扰源位置在空间中的大致范围,定义为Ω;
3-1-4)定义第k个雷达站点的天线阵列的第nk个阵元对于第q个干扰源的导引量为其中,dk表示第k个阵列的阵元间距,λ表示回波信号的波长,θk(vq)表示第q个干扰源对第k个雷达站点的天线阵列的方向角,对应正弦值表示为:
则第k个雷达站点天线阵列的各阵元对于第q个干扰源的导引量组成的向量表示为:
3-1-5)令第k个雷达站点对应的残差变量ek=sk,k=1,...,K;
3-2)执行迭代1:
3-2-1)用l表示迭代1的迭代次数,令初始迭代次数l=1,设置迭代1的迭代次数上限为lmax,lmax>Q;
3-2-2)将Ω均匀划分为I个格点,每个格点对应空间中的记为坐标ci,i=1,…,I,用ΩI表示所有格点对应坐标的集合,ΩI={c1,...,cI};
3-2-3)令第l次迭代的参数vl为:
利用vl更新得到第l次迭代后的干扰源位置集合,使得Vl={Vl-1,vl},Vl为第l次迭代后的干扰源位置集合;
3-2-4)根据步骤3-2-3)得到的集合Vl,令
其中,Bk,l=[gk(v1),...,gk(vl)],Bk,l为gk(v1),...,gk(vl)构成的临时矩阵变量,{Φl}k表示集合Φl的第k个向量元素,Φl表示第l次迭代的临时复变量集合,其中集合Φl的第k个向量元素{Φl}k中的第q个元素表示为
3-2-5)通过迭代2对Vl进行精确估计;
用p表示迭代2的迭代次数,令初始迭代次数p=1,设置迭代2的迭代次数上限为pmax;
将步骤3-2-3)和3-2-4)得到的Vl和Φl分别作为迭代2的初值和/>即/> 则:
其中,为迭代2第p次迭代的vq值,ζp为迭代2第p次迭代的步长,/>表示对复数取实部的运算符,q=1,...,l;
迭代2第p-1次迭代参数∈p-1定义为:
其中,⊙表示Hadamard积,nk=[1,...,Nk]T;
迭代2第p-1次迭代参数αp-1,βp-1分别定义为:
当到达迭代2的次数上限pmax时,通过迭代2得到
3-2-6)通过迭代3对Φ进行精确估计;
用z表示迭代2的迭代次数,令初始迭代次数z=1,设置迭代3的迭代次数上限为zmax;
其中,χz为迭代3第z次迭代的步长,η为权重因子,q=1,...,l,k=1,...,K;
迭代3第z-1次迭代参数γz-1定义为:
当到达迭代3的次数上限zmax时,通过迭代3得到
3-2-7)更新
3-2-8)令l=l+1,然后重新返回步骤3-2-3),直至到达迭代1的迭代次数上限lmax时,通过迭代1得到和/>其中,/>为最终的干扰源位置集合,/>为最终的每个雷达站点对于每个干扰源的临时复变量的集合;
3-3)筛选干扰源位置;
从步骤3-2)得到的最终的干扰源位置集合中移除对应/>且满足下式的元素vq,q=1,...lmax:
其中,Th表示预设的一个界;
移除完毕后,集合剩余元素数目即为干扰源数目Q的估计值/>集合/>剩余元素组成对应干扰源位置V的估计值/>对应的临时复变量集合的估计值为/>
3-4)干扰信号重构和去除;
根据步骤3-3)得到的估计值和/>对每个雷达站点Tk时刻的干扰信号进行重构:
其中,hk表示对第k个雷达站点接收到的干扰信号的重构,k=1,...,K;
将重构后的干扰信号hk从回波信号sk中减去,实现对第k个雷达站点Tk时刻采样信号的主瓣干扰的抑制。
本发明还提出一种基于上述方法的基于多站的主瓣抗干扰装置,其特征在于,包括回波数据存储模块、干扰源位置初始化模块、迭代算法模块、筛选模块、干扰重构模块;
所述回波数据存储模块的输入端连接各雷达站点,回波数据存储模块的输出端分别连接干扰源位置初始化模块的输入端、迭代算法模块的输入端和干扰重构模块的输入端,干扰源位置初始化模块的输出端连接迭代算法模块的输入端,迭代算法模块的输出端连接筛选模块的输入端,筛选模块的输出端连接干扰重构模块的输入端;
所述回波数据存储模块用于获取各雷达站点的回波信号,并将接收到的各站点的回波信号数据进行存储,然后将存储的数据分别发送给干扰源位置初始化模块、迭代算法模块和干扰重构模块;
所述干扰源位置初始化模块利用从回波数据存储模块接收到的各站点的回波信号数据,计算干扰源位置集合和对应临时复变量集合的初值估计,然后发送给迭代算法模块;
所述迭代算法模块用于将从回波数据存储模块接收到的各站点的回波信号数据、从干扰源位置初始化模块接收到的干扰源位置集合和对应临时复变量集合的初值估计代入到迭代算法模型中,输出包含冗余信息的干扰源位置集合的估计值和对应临时复变量集合的估计值,然后将估计值发送给筛选模块;
所述筛选模块用于对从迭代算法模块接收到的包含冗余信息的干扰源位置集合的估计值和对应临时复变量集合的估计值进行筛选,得到不包含冗余信息的干扰源位置集合估计值和对应临时复变量集合的估计值并发送给干扰重构模块;
所述干扰重构模块利用从筛选模块接收到的不包含冗余信息的干扰源位置集合估计值和对应临时复变量集合的估计值进行干扰信号重构,得到干扰信号的精确形式,然后再从回波数据存储模块接收到的各站点的雷达回波信号数据中减去对应的干扰信号,输出去除干扰后的信号,实现多站主瓣抗干扰。
本发明的特点及有益效果在于:
本发明使用各站阵列测角能力对干扰信号进行重构,其带来的效益体现在不需要各站接收到的信号相参的假设,扩大了主瓣抗干扰的应用场景。
本发明提出一种基于多站的主瓣抗干扰方法及装置,基于各站雷达回波数据,获取干扰源位置集合和对应复系数集合的初值,并根据迭代计算和筛选,输出干扰源位置集合和对应复系数集合的精确估计,无需各站接收到的干扰信号相参的假设,通过干扰源位置集合和对应复系数集合的精确估计即可重构干扰信号,从而将重构的干扰信号从回波信号中减去,即可实现更为有效的干扰抑制。本发明不依赖于上述多站雷达之间所接受到的干扰信号相参这一假设,能够实现对从主瓣进入的随机噪声干扰进行有效消除,解决了现有技术依赖于多站干扰信号相参的问题,实现更为有效的干扰抑制。
附图说明
图1是本发明方法的整体流程图;
图2是本发明装置的结构示意图。
具体实施方式
本发明提出一种基于多站的主瓣抗干扰方法及装置,下面结合附图和具体实施例对本发明进一步详细说明如下。
本发明提出一种基于多站的主瓣抗干扰方法,整体流程如图1所示,包括以下步骤:
1)场景建模;
本发明考虑在一个二维的平面上,共包括K个雷达站点,K≥2,第k个雷达站点的平面坐标表示为其中uk,x表示第k个雷达站点的横坐标,uk,y表示第k个雷达站点的纵坐标。每个雷达站点装备有一个均匀线性的接收天线阵列,可以实现对来波方向角度的测量,其中第k个雷达站点的接收天线阵列有Nk个阵元,Nk≥2(每个雷达站点接收天线阵列的阵元数目可不相同)。
在雷达探测的目标附近,存在Q个干扰源,Q≥1(Q为未知),第q个干扰源的平面坐标表示为vq=[vq,x,vq,y]T,q=1,...,Q,其中vq,x表示第q个干扰源的横坐标,vq,y表示第q个干扰源的纵坐标。每个干扰源向空间持续辐射噪声干扰信号,该干扰信号和目标回波信号一同作为回波信号从各雷达站点接收天线阵列的主瓣进入。
2)数据采集;
将t时刻第k个雷达站点的天线阵列中第n个阵元接收到的回波信号表示为sn,k(t)。对于各雷达站点接收的回波信号,假设第k个雷达站点是在Tk时刻进行采样得到该时刻的单快拍数据,将第k个雷达站点第nk个阵元在Tk时刻进行采样得到回波信号记为则Tk时刻第k个雷达站点采样得到的回波信号构成向量sk:
3)抗干扰信号处理;
当所有雷达站点采样到一次回波信号后,对各站点采集到的回波信号进行抗干扰信号处理,具体步骤如下:
3-1)算法初始化:
3-1-1)将Q个干扰源位置集合初始化为空集,V0={};
3-1-2)用Φ表示每个雷达站点对于每个干扰源的临时复变量的集合,其中第k个雷达站点对于第q个干扰源的临时复变量记为φq,k,则Φ={φq,k,k=1,...,K,q=1,2,...}。
3-1-3)假设已知每个干扰源位置在空间中的大致范围,定义为Ω。
3-1-4)定义第k个雷达站点的天线阵列的第nk个阵元对于第q个干扰源的导引量为其中,dk表示第k个阵列的阵元间距,λ表示回波信号的波长,θk(vq)表示第q个干扰源对第k个雷达站点的天线阵列的方向角,对应正弦值表示为:
则第k个雷达站点天线阵列的各阵元对于第q个干扰源的导引量组成的向量表示为:
3-1-5)令第k个雷达站点对应的残差变量ek=sk,k=1,...,K;
3-2)执行迭代1(用l表示迭代次数,从1到lmax,lmax>Q):
3-2-1)令初始迭代次数l=1;
3-2-2)将Ω均匀划分为I个格点(通常可以以雷达距离分辨力作为间隔来划分Ω),每个格点对应空间中的记为坐标ci,i=1,…,I,用ΩI表示所有格点对应坐标的集合,即划分I个格点后所有格点的坐标集合为ΩI={c1,...,cI};
3-2-3)令第l次迭代的参数vl为:
利用vl更新得到第l次迭代后的干扰源位置集合,使得Vl={Vl-1,vl},Vl为第l次迭代后的干扰源位置集合。
3-2-4)根据步骤3-2-3)得到的集合Vl,令
其中,Bk,l=[gk(v1),...,gk(vl)],Bk,l为gk(v1),...,gk(vl)构成的临时矩阵变量,{Φl}k表示集合Φl的第k个向量元素,Φl表示第l次迭代的临时复变量集合,其中集合Φl的第k个向量元素{Φl}k中的第q个元素表示为
3-2-5)通过迭代2对Vl进行精确估计:执行迭代2(用p表示迭代次数,从1到pmax,pmax需设置得足够大使得迭代2能够收敛。由于迭代2为迭代1中的子迭代步骤,为清晰起见,迭代2中的参数形式上省略表示迭代1迭代次数的符号l),其中将步骤3-2-3)和3-2-4)得到的Vl和Φl分别作为迭代2的初值的初值和/>即/> 则:
其中,为迭代2第p次迭代的vq值,/>为迭代2第p次迭代的步长,可以由经典梯度下降算法中的回溯直线搜索算法确定,/>表示对复数取实部的运算符,q=1,...,l;
迭代2第p-1次迭代参数∈p-1定义为:
其中,⊙表示Hadamard积,nk=[1,...,Nk]T;
迭代2第p-1次迭代参数αp-1,βp-1分别定义为:
当到达迭代2的次数上限pmax时,通过迭代2得到
3-2-6)通过迭代3对Φ进行精确估计:执行迭代3(用z表示迭代次数,从1到zmax,zmax需设置得足够大使得迭代3能够收敛):
其中,χz为迭代3第z次迭代的步长,可以由经典梯度下降算法中的回溯直线搜索算法确定,η为根据经验设置的权重因子,q=1,...,l,k=1,...,K,迭代3第z-1次迭代参数γz-1定义为:
当到达迭代3的次数上限zmax时,通过迭代3得到
3-2-7)更新
3-2-8)令l=l+1,然后重新返回步骤3-2-3),直至到达迭代1的迭代次数上限lmax时,通过迭代1得到和/>其中,/>为最终的干扰源位置集合,/>为最终的每个雷达站点对于每个干扰源的临时复变量的集合。
3-3)筛选干扰源位置;
从步骤3-2)得到的最终的干扰源位置集合中移除对应/>且满足下式的元素vq,q=1,...lmax:
其中,Th表示预设的一个界,其设置原则是用以将集合中信号能量不足的元素滤除,由于干扰信号的能量通常远高于目标信号能量,因此可以从Cq的计算结果中区分干扰和目标的Th的设置范围是广泛的。通过筛选后,集合/>剩余元素数目即为干扰源数目Q的估计值/>集合/>剩余元素组成对应干扰源位置V的估计值/>对应的临时复变量集合的估计值为/>
3-4)干扰信号重构和去除;
根据步骤3-3)估计值和/>对每个雷达站点Tk时刻的干扰信号进行重构:
其中,hk表示对第k个雷达站点接收到的干扰信号的重构,k=1,...,K。将重构后的干扰信号hk从回波信号sk中减去,即可以实现对第k个雷达站点Tk时刻采样信号的主瓣干扰的抑制。
总结本发明方法有如下特点:
1)该方法不需要各站干扰信号相参的假设;
2)该方法可以得到干扰源的坐标;
3)该方法可以实现主瓣干扰消除。
本发明还提出一种基于上述方法的基于多站的主瓣抗干扰装置,结构如图2所示,包括回波数据存储模块、干扰源位置初始化模块、迭代算法模块、筛选模块、干扰重构模块。
所述回波数据存储模块的输入端通过与各雷达站点通信传输获得各站回波信号并进行存储,回波数据存储模块的输出端通过物理链路分别连接到干扰源位置初始化模块的输入端、迭代算法模块的输入端和干扰重构模块的输入端,干扰源位置初始化模块的输出端通过物理链路连接到迭代算法模块的输入端,迭代算法模块的输出端通过物理链路连接到筛选模块的输入端,筛选模块的输出端通过物理链路连接到干扰重构模块的输入端,最后干扰重构模块的输出端输出去除干扰后的信号。
所述回波数据存储模块用于获取各雷达站点的回波信号,并将接收到的各站点的回波信号数据进行存储,然后将存储的数据分别发送给干扰源位置初始化模块、迭代算法模块和干扰重构模块。
所述干扰源位置初始化模块使用从回波数据存储模块接收到的各站点的回波信号数据,计算干扰源位置集合和对应临时复变量集合的初值估计,然后发送给迭代算法模块。
所述迭代算法模块用于将从回波数据存储模块接收到的各站点的回波信号数据、从干扰源位置初始化模块接收到的干扰源位置集合和对应临时复变量集合的初值估计代入到迭代算法模型中,输出包含冗余信息的干扰源位置集合的估计值和对应临时复变量集合的估计值,然后将估计值发送给筛选模块。
所述筛选模块用于对从迭代算法模块接收到的包含冗余信息的干扰源位置集合的估计值和对应临时复变量集合的估计值进行筛选,得到不包含冗余信息的干扰源位置集合估计值和对应临时复变量集合的估计值并发送给干扰重构模块。
所述干扰重构模块利用从筛选模块接收到的不包含冗余信息的干扰源位置集合估计值和对应临时复变量集合的估计值进行干扰信号重构,得到干扰信号的精确形式,然后在从回波数据存储模块接收到的各站点的雷达回波信号数据中减去对应的干扰信号,输出去除干扰后的信号,实现多站主瓣抗干扰。
Claims (2)
1.一种基于多站的主瓣抗干扰方法,其特征在于,包括以下步骤:
1)场景建模;
设在一个二维的平面上,共包括K个雷达站点,K≥2,第k个雷达站点的平面坐标表示为uk=[uk,x,uk,y]T,k=1,...,K,其中uk,x表示第k个雷达站点的横坐标,uk,y表示第k个雷达站点的纵坐标;每个雷达站点装备有一个均匀线性的接收天线阵列,其中第k个雷达站点的接收天线阵列有Nk个阵元,Nk≥2;
在雷达探测的目标附近,存在Q个干扰源,Q≥1,第q个干扰源的平面坐标表示为vq=[vq,x,vq,y]T,q=1,…,Q,其中vq,x表示第q个干扰源的横坐标,vq,y表示第q个干扰源的纵坐标;每个干扰源向空间持续辐射噪声干扰信号,该干扰信号和目标回波信号一同作为回波信号从各雷达站点接收天线阵列的主瓣进入;
2)数据采集;
将第k个雷达站点第nk个阵元在Tk时刻进行采样得到回波信号记为 则Tk时刻第k个雷达站点采样得到的回波信号构成向量sk:
3)抗干扰信号处理;
当所有雷达站点采样到一次回波信号后,对各站点采集到的回波信号进行抗干扰信号处理,具体步骤如下:
3-1)算法初始化;
3-1-1)将Q个干扰源位置集合初始化为空集,V0={};
3-1-2)用Φ表示每个雷达站点对于每个干扰源的临时复变量的集合,其中第k个雷达站点对于第q个干扰源的临时复变量记为φq,k,则Φ={φq,k,k=1,...,K,q=1,2,...};
3-1-3)假设已知每个干扰源位置在空间中的大致范围,定义为Ω;
3-1-4)定义第k个雷达站点的天线阵列的第nk个阵元对于第q个干扰源的导引量为其中,dk表示第k个阵列的阵元间距,λ表示回波信号的波长,θk(vq)表示第q个干扰源对第k个雷达站点的天线阵列的方向角,对应正弦值表示为:
则第k个雷达站点天线阵列的各阵元对于第q个干扰源的导引量组成的向量表示为:
3-1-5)令第k个雷达站点对应的残差变量ek=sk,k=1,…,K;
3-2)执行迭代1:
3-2-1)用l表示迭代1的迭代次数,令初始迭代次数l=1,设置迭代1的迭代次数上限为lmax,lmax>Q;
3-2-2)将Ω均匀划分为I个格点,每个格点对应空间中的记为坐标ci,i=1,…,I,用ΩI表示所有格点对应坐标的集合,ΩI={c1,...,cI};
3-2-3)令第l次迭代的参数vl为:
利用vl更新得到第l次迭代后的干扰源位置集合,使得Vl={Vl-1,vl},Vl为第l次迭代后的干扰源位置集合;
3-2-4)根据步骤3-2-3)得到的集合Vl,令
其中,Bk,l=[gk(v1),...,gk(vl)],Bk,l为gk(v1),...,gk(vl)构成的临时矩阵变量,{Φl}k表示集合Φl的第k个向量元素,Φl表示第l次迭代的临时复变量集合,其中集合Φl的第k个向量元素{Φl}k中的第q个元素表示为
3-2-5)通过迭代2对Vl进行精确估计;
用p表示迭代2的迭代次数,令初始迭代次数p=1,设置迭代2的迭代次数上限为pmax;
将步骤3-2-3)和3-2-4)得到的Vl和Φl分别作为迭代2的初值和/>即/>vq,vq∈Vl,/>则:
其中,为迭代2第p次迭代的vq值,ζp为迭代2第p次迭代的步长,/>表示对复数取实部的运算符,q=1,…,l;
迭代2第p-1次迭代参数∈p-1定义为:
其中,⊙表示Hadamard积,nk=[1,...,Nk]T;
迭代2第p-1次迭代参数αp-1,βp-1分别定义为:
当到达迭代2的次数上限pmax时,通过迭代2得到
3-2-6)通过迭代3对Φ进行精确估计;
用z表示迭代2的迭代次数,令初始迭代次数z=1,设置迭代3的迭代次数上限为zmax;
其中,χz为迭代3第z次迭代的步长,η为权重因子,q=1,...,l,k=1,...,K;
迭代3第z-1次迭代参数γz-1定义为:
当到达迭代3的次数上限zmax时,通过迭代3得到
3-2-7)更新
3-2-8)令l=l+1,然后重新返回步骤3-2-3),直至到达迭代1的迭代次数上限lmax时,通过迭代1得到和/>其中,/>为最终的干扰源位置集合,/>为最终的每个雷达站点对于每个干扰源的临时复变量的集合;
3-3)筛选干扰源位置;
从步骤3-2)得到的最终的干扰源位置集合中移除对应/>且满足下式的元素vq,q=1,...lmax:
其中,Th表示预设的一个界;
移除完毕后,集合剩余元素数目即为干扰源数目Q的估计值/>集合/>剩余元素组成对应干扰源位置V的估计值/> 对应的临时复变量集合的估计值为/>
3-4)干扰信号重构和去除;
根据步骤3-3)得到的估计值和/>对每个雷达站点Tk时刻的干扰信号进行重构:
其中,hk表示对第k个雷达站点接收到的干扰信号的重构,k=1,...,K;
将重构后的干扰信号hk从回波信号sk中减去,实现对第k个雷达站点Tk时刻采样信号的主瓣干扰的抑制。
2.一种基于如权利要求1所述方法的基于多站的主瓣抗干扰装置,其特征在于,包括回波数据存储模块、干扰源位置初始化模块、迭代算法模块、筛选模块、干扰重构模块;
所述回波数据存储模块的输入端连接各雷达站点,回波数据存储模块的输出端分别连接干扰源位置初始化模块的输入端、迭代算法模块的输入端和干扰重构模块的输入端,干扰源位置初始化模块的输出端连接迭代算法模块的输入端,迭代算法模块的输出端连接筛选模块的输入端,筛选模块的输出端连接干扰重构模块的输入端;
所述回波数据存储模块用于获取各雷达站点的回波信号,并将接收到的各站点的回波信号数据进行存储,然后将存储的数据分别发送给干扰源位置初始化模块、迭代算法模块和干扰重构模块;
所述干扰源位置初始化模块利用从回波数据存储模块接收到的各站点的回波信号数据,计算干扰源位置集合和对应临时复变量集合的初值估计,然后发送给迭代算法模块;
所述迭代算法模块用于将从回波数据存储模块接收到的各站点的回波信号数据、从干扰源位置初始化模块接收到的干扰源位置集合和对应临时复变量集合的初值估计代入到迭代算法模型中,输出包含冗余信息的干扰源位置集合的估计值和对应临时复变量集合的估计值,然后将估计值发送给筛选模块;
所述筛选模块用于对从迭代算法模块接收到的包含冗余信息的干扰源位置集合的估计值和对应临时复变量集合的估计值进行筛选,得到不包含冗余信息的干扰源位置集合估计值和对应临时复变量集合的估计值并发送给干扰重构模块;
所述干扰重构模块利用从筛选模块接收到的不包含冗余信息的干扰源位置集合估计值和对应临时复变量集合的估计值进行干扰信号重构,得到干扰信号的精确形式,然后再从回波数据存储模块接收到的各站点的雷达回波信号数据中减去对应的干扰信号,输出去除干扰后的信号,实现多站主瓣抗干扰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010801112.2A CN112051552B (zh) | 2020-08-11 | 2020-08-11 | 一种基于多站的主瓣抗干扰方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010801112.2A CN112051552B (zh) | 2020-08-11 | 2020-08-11 | 一种基于多站的主瓣抗干扰方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112051552A CN112051552A (zh) | 2020-12-08 |
CN112051552B true CN112051552B (zh) | 2024-01-02 |
Family
ID=73602547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010801112.2A Active CN112051552B (zh) | 2020-08-11 | 2020-08-11 | 一种基于多站的主瓣抗干扰方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112051552B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113447890B (zh) * | 2021-05-13 | 2022-10-11 | 北京理工大学 | 一种分布式雷达系统主瓣相干drfm干扰匿影方法 |
CN113534067B (zh) * | 2021-06-30 | 2023-03-14 | 南京邮电大学 | 一种多干扰源下多站雷达抗欺骗式干扰方法及系统 |
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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2442458A1 (en) * | 2010-10-18 | 2012-04-18 | Ntt Docomo, Inc. | Method and receiver for recovering a desired signal transmitted in the presence of one or more interference signals |
CN105652246A (zh) * | 2015-12-29 | 2016-06-08 | 河海大学 | 一种基于盲源分离的雷达抗主瓣干扰方法 |
CN109270499A (zh) * | 2018-08-28 | 2019-01-25 | 电子科技大学 | 一种基于特征矩阵联合对角化的多目标主瓣抗干扰方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3079375B1 (fr) * | 2018-03-22 | 2020-03-13 | Thales | Procede adaptatif robuste de suppression d'interferences en presence de signal utile |
-
2020
- 2020-08-11 CN CN202010801112.2A patent/CN112051552B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2442458A1 (en) * | 2010-10-18 | 2012-04-18 | Ntt Docomo, Inc. | Method and receiver for recovering a desired signal transmitted in the presence of one or more interference signals |
CN105652246A (zh) * | 2015-12-29 | 2016-06-08 | 河海大学 | 一种基于盲源分离的雷达抗主瓣干扰方法 |
CN109270499A (zh) * | 2018-08-28 | 2019-01-25 | 电子科技大学 | 一种基于特征矩阵联合对角化的多目标主瓣抗干扰方法 |
Non-Patent Citations (2)
Title |
---|
一种雷达主瓣欺骗干扰抑制算法;董玮;李小波;单凉;王瑜;;现代防御技术(第02期);全文 * |
基于帕累托最优的雷达-通信共享孔径研究;石长安 等;电子与信息学报;第38卷(第9期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112051552A (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112051552B (zh) | 一种基于多站的主瓣抗干扰方法及装置 | |
CN104237883B (zh) | 一种采用稀疏表示的机载雷达空时自适应处理方法 | |
CN106226751B (zh) | 基于dp-tbd的机动目标检测与跟踪方法 | |
CN104950305B (zh) | 一种基于稀疏约束的实波束扫描雷达角超分辨成像方法 | |
CN107015205B (zh) | 一种分布式mimo雷达检测的虚假目标消除方法 | |
CN109324315B (zh) | 基于双层次块稀疏性的空时自适应处理雷达杂波抑制方法 | |
CN110515038B (zh) | 一种基于无人机-阵列的自适应无源定位装置及实现方法 | |
CN103176168B (zh) | 一种机载非正侧视阵雷达近程杂波对消方法 | |
CN101881822B (zh) | 一种针对共享谱雷达同频干扰的抑制方法 | |
CN106021637A (zh) | 互质阵列中基于迭代稀疏重构的doa估计方法 | |
CN105911544A (zh) | 一种基于压缩感知技术的扩频穿墙雷达成像方法 | |
CN103149561A (zh) | 一种基于场景块稀疏的稀疏微波成像方法 | |
CN112612006B (zh) | 基于深度学习的机载雷达非均匀杂波抑制方法 | |
CN106772273A (zh) | 一种基于动态孔径的sar虚假目标干扰抑制方法及系统 | |
CN106950531B (zh) | 基于频域时间反转的雷电多源定向方法 | |
CN104698431A (zh) | 模糊分量空间角的估计及多通道sar方位解模糊方法 | |
CN110244273A (zh) | 一种基于均匀分布式阵列的目标角度估计方法 | |
CN104155629A (zh) | 一种冲击噪声背景下小快拍数信号波达方向估计方法 | |
CN106680779B (zh) | 脉冲噪声下的波束成形方法及装置 | |
CN113376607B (zh) | 机载分布式雷达小样本空时自适应处理方法 | |
CN115240040A (zh) | 一种穿墙雷达人体行为特征增强方法及装置 | |
CN113376569B (zh) | 基于最大似然的嵌套阵稀疏表示波达方向估计方法 | |
CN106950546A (zh) | 基于马氏距离重加权的非均匀杂波抑制方法 | |
CN105891826B (zh) | 机载雷达快速最大后验成像方法 | |
CN115575921B (zh) | 一种基于俯仰向多通道多干扰基压制干扰抑制方法 |
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 |