CN113687314A - 一种雷达抗主瓣干扰方法 - Google Patents

一种雷达抗主瓣干扰方法 Download PDF

Info

Publication number
CN113687314A
CN113687314A CN202110984150.0A CN202110984150A CN113687314A CN 113687314 A CN113687314 A CN 113687314A CN 202110984150 A CN202110984150 A CN 202110984150A CN 113687314 A CN113687314 A CN 113687314A
Authority
CN
China
Prior art keywords
signal
separation
separation matrix
radar
denotes
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.)
Granted
Application number
CN202110984150.0A
Other languages
English (en)
Other versions
CN113687314B (zh
Inventor
宋万杰
张璐
沈佳波
陈伯孝
张龙涛
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.)
Xidian University
Original Assignee
Xidian University
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 Xidian University filed Critical Xidian University
Priority to CN202110984150.0A priority Critical patent/CN113687314B/zh
Publication of CN113687314A publication Critical patent/CN113687314A/zh
Application granted granted Critical
Publication of CN113687314B publication Critical patent/CN113687314B/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
    • G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种雷达抗主瓣干扰方法，方法包括：接收雷达多通道的混合信号；针对每个通道的混合信号，对所述混合信号进行去中心化处理得到零均值预处理信号；对所述零均值预处理信号进行等变自适应盲源分离处理得到分离信号；对所述分离信号进行脉冲压缩处理；根据峰值检测方法检测每个通道的脉冲压缩后的分离信号确定目标信号，得到雷达抗主瓣干扰结果。本发明提高了抗主瓣干扰效果。

Description

一种雷达抗主瓣干扰方法
技术领域
本发明属于雷达抗干扰信号处理技术领域，具体涉及一种雷达抗主瓣干扰方法。
背景技术
随着信息化作战的不断推进，各类干扰方式层出不穷，电磁环境日趋复杂，为了维持雷达的基本探测性能，对其装备的抗干扰能力提出了前所未有的高要求。如果雷达无法对干扰进行有效抑制，则检测及跟踪目标的性能会大大下降甚至完全失效，严重制约了武器系统的效能发挥。当前已有的抗干扰技术主要针对副瓣干扰，对主瓣干扰无能为力，这给雷达在复杂电磁环境中的生存带来了极大的挑战。因此，雷达必须采取对应的抗主瓣干扰措施，提高实战性能。
在雷达抗副瓣干扰方面，主要的对抗措施已经相对成熟，比如自适应波束形成(Adaptive Digital Beam Forming，简称ADBF)、副瓣相消(Sidelobe Canecller，简称SLC)、副瓣匿影(Sidelobe Blanking，简称SLB)、低副瓣/超低副瓣、频率捷变等技术，均可获得良好的副瓣抑制效果。而对于从主瓣进入的干扰，常规的自适应波束形成算法会在雷达主瓣内形成零陷，导致主瓣畸变、旁瓣升高，从而使得输出信干噪比(Signal toInterference plus Noise Ratio，简称SINR)下降，算法性能下降严重。学者们经过长期分析研究，提出了不少针对主瓣干扰的方法，比如阻塞矩阵法(blocking matrix pre-processing，简称BMP)、特征子空间投影法(Eigen-projection Matrix Preprocessing，简称EMP)、和差分维等空域对消(Mainlobe Canecller，简称MLC)方法，基于空时联合域的盲源分离(Blind Source Separation，BSS)方法和基于极化域的抗主瓣干扰方法。其中，EMP要求先验信息中已知主瓣干扰数目且干扰功率较低，BMP会随着主瓣干扰数目的增加逐渐损失阵元自由度，MLC要求主波束对准干扰才能实现有效对消，极化域的抗主瓣干扰方法成本高且工程难实现。相比之下，基于盲源分离算法的抗主瓣干扰方法对先验知识要求低，在工程应用中得到了广泛的关注和研究。盲源分离技术可以在缺乏源信号与信道参数等先验信息的情况下，利用信号间的独立统计特性，分离观测到的混合信号，从而提取出有用的回波信号实现抗干扰。目前抗干扰所研究的盲源分离主要是批处理算法，例如快速固定点独立成分分析(Fast Fixed Point Independent Component Analysis，简称FastICA)和特征矩阵近似联合对角化(Joint Approximation Diagonalization，简称JADE)等。
但是，上述基于盲源分离算法必须先对接收到的信号进行白化，然后采用白化后的信号进行盲源分离估计，这样白化产生的误差经过多次迭代，会不断累积，影响最后的信号分离效果，导致抗主瓣干扰效果差。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种雷达抗主瓣干扰方法。本发明要解决的技术问题通过以下技术方案实现：
本发明实施例提供了一种雷达抗主瓣干扰方法，包括：
接收雷达多通道的混合信号；
针对每个通道的混合信号，对所述混合信号进行去中心化处理得到零均值预处理信号；对所述零均值预处理信号进行等变自适应盲源分离处理得到分离信号；对所述分离信号进行脉冲压缩处理；
根据峰值检测方法检测每个通道的脉冲压缩后的分离信号确定目标信号，得到雷达抗主瓣干扰结果。
在本发明的一个实施例中，接收的所述混合信号公式表示为：
x(t)＝Hs(t)+n(t)；
其中，x(t)表示在t时刻N个通道的混合信号，s(t)＝[s1(t),s2(t),…,sM(t)]T表示在t时刻的待处理目标信号和干扰信号，M表示待处理目标信号和干扰信号总数量，n(t)＝[n1(t),n2(t),…,nM(t)]T表示在t时刻的噪声，H表示N×M的混合满秩矩阵，表示为
Figure BDA0003229993470000031
hij表示第i个通道中第j个信号源的响应因子，所述信号源为待处理目标信号的信号源或干扰信号的信号源。
在本发明的一个实施例中，对所述混合信号进行去中心化处理得到零均值预处理信号公式表示为：
Figure BDA0003229993470000032
其中，
Figure BDA0003229993470000033
表示在t时刻的所述零均值预处理信号，x(t)表示在t时刻的所述混合信号，E[·]求期望。
在本发明的一个实施例中，所述对所述零均值预处理信号进行等变自适应盲源分离处理得到分离信号，包括：
初始化分离矩阵和步长因子，及选取非线性激活函数；其中，所述非线性激活函数依照混合信号源的概率分布特性选取的，所述混合信号源包括所述待处理目标信号的信号源和所述干扰信号的信号源；
根据所述分离矩阵和所述零均值预处理信号计算观测信号；
根据所述观测信号、所述步长因子和所述非线性激活函数，利用预设的分离矩阵更新策略更新分离矩阵；
计算更新前的分离矩阵与更新后的分离矩阵的抖动差值；
比较所述抖动差值与预设的收敛判断因子的大小，若所述抖动差值小于或等于所述收敛判断因子时，根据更新后的分离矩阵计算所述分离信号，否则判断当前迭代次数是否达到变步长迭代阈值，若是，则更新步长因子，根据更新后的分离矩阵、更新后的步长因子和所述零均值预处理信号继续更新分离矩阵，否则根据更新后的分离矩阵、初始化的步长因子和所述零均值预处理信号继续更新分离矩阵。
在本发明的一个实施例中，所述分离矩阵更新策略的公式表示为：
Figure BDA0003229993470000041
其中，k表示第k次迭代，W(k+1)表示第k+1次迭代的分离矩阵，即更新后的分离矩阵，W(k)表示第k次迭代的分离矩阵，即更新前的分离矩阵，μ(k)表示第k次迭代的步长因子，y(k)表示第k次迭代的观测信号，g(y)＝G′(y)表示为G(y)的一阶导函数，G(y)表示非线性激活函数，(·)T表示求转置，|·|表示求绝对值。
在本发明的一个实施例中，依照混合信号源的概率分布特性选取非线性激活函数，包括：
若所述混合信号源为亚高斯分布时，选取的非线性激活函数表示为：
Figure BDA0003229993470000042
若所述混合信号源为超高斯分布或者对算法的稳健性要求很高时，选取的非线性激活函数表示为：
Figure BDA0003229993470000043
或
Figure BDA0003229993470000044
其中，1≤a≤2。
在本发明的一个实施例中，所述对所述分离信号进行脉冲压缩处理得到目标信号公式表示为：
Figure BDA0003229993470000051
其中，
Figure BDA0003229993470000052
表示在t时刻脉冲压缩后的分离信号，
Figure BDA0003229993470000053
表示在t时刻的分离信号，
Figure BDA0003229993470000054
表示抖动差值小于或等于收敛判断因子时对应的分离矩阵，
Figure BDA0003229993470000055
表示在t时刻的所述零均值预处理信号，s0(t0-t)表示一已知的雷达发射信号s0(t)的匹配滤波器，conv(·)表示卷积运算，(·)*表示求共轭。
本发明的有益效果：
本发明提出的雷达抗主瓣干扰方法，具有等变性，不受混合信号和分离矩阵初始值的影响，在更新分离矩阵的过程中，不断地进行迭代修正，从而得到分离矩阵，消除了白化预处理在分离过程中的累积误差，提高了算法的稳健性和目标的分离质量，其抗主瓣干扰效果要好于现有的基于盲源分离算法的抗主瓣干扰效果。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种雷达抗主瓣干扰方法的流程示意图；
图2是均匀矩形阵列天线模型示意图；
图3是本发明实施例提供的等变自适应盲源分离处理的流程示意图；
图4a～图4b是本发明实施例提供的未干扰抑制处理的通道1、通道2脉压结果示意图；
图5a～图5b是本发明实施例提供的等变自适应盲源分离处理后的通道1、通道2脉压结果示意图；
图6是JADE算法、Fast-ICA算法和本发明实施例等变自适应盲源分离算法的输出SINR随目标输入SNR的变化曲线示意图；
图7是本发明实施例所提供的一种雷达抗主瓣干扰装置的结构示意图；
图8是本发明实施例所提供的一种电子设备的结构示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
实施例一
为了提高抗主瓣干扰效果，本发明实施例提供了一种雷达抗主瓣干扰方法，请参见图1，图1是本发明实施例提供的一种雷达抗主瓣干扰方法的流程示意图，该方法包括以下步骤：
S101、接收雷达多通道的混合信号。
具体而言，本发明实施例雷达干扰阵列模型不限。请参见图2，本发明实施例以图2所示建立的N1×N2矩形阵列模型为例，在y和z方向的阵元间距均为d，φ和θ表示入射信号的方位角和俯仰角，假设环境中目标信号和干扰信号共有M个，分别位于(φm,θm)(m＝0,1,…,M-1,m≤M-1)内，其中干扰信号为压制式干扰，阵列通道噪声为相互独立的零均值高斯白噪声。由于目标信号与干扰信号具有不同的统计特性，来自不同的信号源，且以一定的角度差进入雷达天线，彼此相互独立且目标信号中至多有一个高斯信号，所以能够满足等变自适应盲源分离算法对“独立性”与“高斯性”的要求。
对所建立的如图2所示的阵面合成N(N≥M)个波束，将每一个波束当成一个接收通道，组成基于波束域的多通道系统。对应的每个通道雷达接收混合信号公式表示为：
x(t)＝Hs(t)+n(t) (1)
其中，x(t)表示在t时刻N个通道的混合信号，s(t)＝[s1(t),s2(t),…，sM(t)]T表示在t时刻的待处理目标信号和干扰信号，M表示待处理目标信号和干扰信号总数量，n(t)＝[n1(t),n2(t),…,nM(t)]T表示在t时刻的噪声，H表示N×M的混合满秩矩阵，表示为
Figure BDA0003229993470000071
hij表示第i个通道中第j个信号源的响应因子，信号源为待处理目标信号的信号源或干扰信号的信号源。
本发明实施例方法目的从多通道的混合信号中估计出s(t)的待处理目标信号，使各分量的统计独立性尽可能的最大化，从中提取真实目标信号，实现抗主瓣干扰。针对每个通道的混合信号，进行S102～S104的处理，具体地：
S102、对混合信号进行去中心化处理得到零均值预处理信号。
具体而言，为了消除混合信号中相关性较高的直流分量，本发明实施例对混合信号进行去中心化处理，中心化即去均值，将混合信号减去其数学期望得到零均值预处理信号，公式表示为：
Figure BDA0003229993470000072
其中，
Figure BDA0003229993470000073
表示在t时刻的零均值预处理信号，x(t)表示在t时刻的混合信号，E[·]求期望。
S103、对零均值预处理信号进行等变自适应盲源分离处理得到分离信号。
具体而言，本发明实施例提出采用等变自适应盲源分离方式计算出稳态下的分离矩阵，该分离矩阵用于分离信号的计算。而对零均值预处理信号进行等变自适应盲源分离处理得到分离信号具体包括S301～S306：
S301、初始化分离矩阵和步长因子，及选取非线性激活函数。
具体而言，本发明实施例首先初始化分离矩阵为W(0)和步长因子为μ(0)，分离初期算法的解离最优解较远，可以选用一个较大的初始步长因子μ(0)，使算法有较快的收敛速度。
同时，本发明实施例需要预先选取一合适的非线性激活函数，该非线性激活函数依照混合信号源的概率分布特性选取的，具体选取情况在后边进行详细说明。其中，混合信号源包括待处理目标信号的信号源和干扰信号的信号源。
S302、根据分离矩阵和零均值预处理信号计算观测信号。
具体而言，本发明实施例根据分离矩阵和零均值预处理信号计算观测信号，计算公式表示为：
Figure BDA0003229993470000081
其中，k表示第k次迭代，k取值从1开始，y(k)表示第k次迭代时的观测信号，W(k)表示第k次迭代的分离矩阵。比如，S301初始化得到了W(0)，结合公式(2)根据公式(3)可以计算得到初始迭代时观测信号y(0)。
S303、根据观测信号、步长因子和非线性激活函数，利用预设的分离矩阵更新策略更新分离矩阵。
具体而言，本发明实施例以互信息作为衡量分离结果独立性的依据，给出基于自然梯度算法的归一化分离矩阵更新策略，该分离矩阵更新策略的公式表示为：
Figure BDA0003229993470000091
其中，k表示第k次迭代，W(k+1)表示第k+1次迭代的分离矩阵，即更新后的分离矩阵，W(k)表示第k次迭代的分离矩阵，即更新前的分离矩阵，μ(k)表示第k次迭代的步长因子，y(k)表示第k次迭代的观测信号，g(y)＝G′(y)表示为G(y)的一阶导函数，G(y)表示非线性激活函数，(·)T表示求转置，|·|表示求绝对值。本发明实施例观测信号与待处理目标信号的概率分布特性一致，则依照混合信号源的概率分布特性选取非线性激活函数包括：
若混合信号源为亚高斯分布时，选取的非线性激活函数表示为：
Figure BDA0003229993470000092
若混合信号源为超高斯分布或者对算法的稳健性要求很高时，选取的非线性激活函数表示为：
Figure BDA0003229993470000093
或
Figure BDA0003229993470000094
其中，1≤a≤2。
S304、计算更新前的分离矩阵与更新后的分离矩阵的抖动差值。
具体而言，为了得到稳定的分离矩阵，在计算过程中需要判断等变自适应盲源分离结果是否收敛。本发明实施例分离矩阵的收敛性由更新前的分离矩阵与更新后的分离矩阵的抖动差值变化情况来确认，抖动差值计算公式表示为：
Figure BDA0003229993470000095
其中，||·||F表示求Frobenius范数。然后通过比较抖动差值与预设的收敛判断因子的大小来判断判断等变自适应盲源分离结果是否收敛。
若抖动差值小于或等于收敛判断因子时，表示等变自适应盲源分离结果收敛，该收敛判断因子取值为一小正数。此时不再需要继续计算更新分离矩阵，将等变自适应盲源分离结果作为最终的分离矩阵，继续执行：
S305、根据更新后的分离矩阵计算分离信号，该分离信号计算公式表示为：
Figure BDA0003229993470000101
其中，
Figure BDA0003229993470000102
表示在t时刻的分离信号，
Figure BDA0003229993470000103
表示抖动差值小于或等于收敛判断因子时，即等变自适应盲源分离结果收敛时对应的分离矩阵，
Figure BDA0003229993470000104
表示在t时刻的零均值预处理信号。
若抖动差值大于收敛判断因子时，表示等变自适应盲源分离结果并未收敛，需要继续更新分离矩阵。步长因子对等变自适应盲源分离算法的收敛速度和稳态误差起着关键性作用。在盲源分离的初期，由于各个信号有着较强的相关性，需要选取较大的步长因子，降低各个信号之间的相关性和保证较快的收敛速度；在信号分离的后期，已大致分离出各信号分量，步长因子可以选取较小的值，减小稳态误差，从而提高算法的分离性能。为了解决上述问题，本发明实施例构造了一个步长因子更新函数，具体的变步长因子更新函数为：
Figure BDA0003229993470000105
其中，n表示变步长迭代阈值。可以看出，本发明实施例在迭代次数k不大于n时，始终维持初始化时的步长因子μ(0)不变；在迭代次数k大于n时，不需要一个初始大步长因子，可以选择指数减小的步长因子，来提高系统在收敛速度和稳态误差方面的平衡性。具体地：
在需要更新分离矩阵时，首先判断当前迭代次数是否达到变步长迭代阈值，若当前迭代次数达到了变步长迭代阈值时，则由上述分析，可以执行：
S306、更新步长因子。具体通过公式(7)来更新。
之后，根据更新后的分离矩阵、更新后的步长因子和零均值预处理信号重复执行上述S302～S304、S306来更新分离矩阵，直至等变自适应盲源分离结果收敛执行S305计算分离信号。
而当前迭代次数未达到变步长迭代阈值时，依然需要继续更新分离矩阵，只是根据更新后的分离矩阵、初始化的步长因子和零均值预处理信号重复执行上述S302～S304、S306来更新分离矩阵，直至等变自适应盲源分离结果收敛执行S305计算分离信号。可见，在更新分离矩阵的过程中，选择合适的步长因子，以提高系统在收敛速度和稳态误差方面的平衡性。
需要说明的是，当通过抖动差值与收敛判断因子无法收敛得到分离矩阵时，本发明实施例还可以设置最大迭代次数来结束更新过程，得到最终的分离矩阵。
S104、对分离信号进行脉冲压缩处理。
具体而言，本发明实施例通过对分离信号进行脉冲压缩处理，计算公式表示为：
Figure BDA0003229993470000111
其中，
Figure BDA0003229993470000112
表示在t时刻脉冲压缩后的分离信号，
Figure BDA0003229993470000113
表示在t时刻的分离信号，s0(t0-t)表示一已知的雷达发射信号s0(t0)的匹配滤波器，conv(·)表示卷积运算，(·)*表示求共轭。
S105、根据峰值检测方法检测每个通道的脉冲压缩后的分离信号确定目标信号，得到雷达抗主瓣干扰结果。
具体而言，本发明实施例通过上述S102～S104得到每个通道的脉冲压缩后的分离信号，采用峰值检测方法检测每个通道的脉冲压缩后的分离信号，这里，峰值检测方法不限。当该通道存在目标时，会存在一峰值，以确定该目标所属通道的同时，并将该通道检测到的目标信号作为雷达抗主瓣干扰结果；否则，该通道不存在信号，无需关注干扰情况。
为了验证本发明实施例提出的雷达抗主瓣干扰方法的有效性，通过以下实验进行说明。
1、仿真条件
仿真工具为Matlab 2018b，仿真信号为模拟信号。实验中采用如图2所示的矩形阵列模型，N1、N2分别取值为8、10，由阵元间距为0.10m的矩形均匀阵列产生目标与主瓣干扰的混合信号。假设雷达发射线性调频信号，脉宽Tp＝150μs，带宽B＝2MHz，脉冲重复周期Tr＝600μs，采样率为fs＝1MHz，目标位于第320个距离单元，方位角和俯仰角均为0°，信噪比为0dB；设置一个噪声调频压制式的主瓣干扰信号，方位角为0.8°，俯仰角为0.8°，干噪比为50dB。非线性激活函数选取为
Figure BDA0003229993470000121
初始步长因子μ(0)为0.2，收敛判断因子ε为0.0001。由于在空间中设定了2个信号源，故采用双波束抗干扰处理，波束1指向目标方向，定为通道1，波束2指向干扰方向，定为通道2。
2、仿真结果及分析
请参见图4a～图4b，从这两组脉压波形可以看出信号完全淹没在了主瓣干扰中，两个通道均无法检测出目标信号，需要进行一定的抗主瓣干扰处理；请参见图5a～图5b，由于分离结果具有排列不定性，所以图5a～图5b中的通道号与4a～图4b的通道号非一一对应，只存在相对关系；从图5b中可以看出目标位置处尖峰清晰可见，可提取目标的位置信息，主瓣干扰的抑制效果明显，解决了分离信号幅度模糊性问题，表明了本发明实施例提出的方法有良好的抗主瓣干扰效果；请参见图6，从图6可以看出，当输入信噪比(Signal-to-Noise Ratio，简称SNR)逐渐增大时，未进行抗主瓣干扰处理的信号SINR变化缓慢且增益一直很低，进一步证实了抗主瓣干扰的必要性；同时可以看出，本发明实施例提出的等变自适应盲源分离算法输出的SINR始终大于Fast ICA算法和JADE算法输出的SINR，对主瓣干扰的抑制效果更明显，稳定性也有了明显的改善，充分表明了本发明实施例基于等变自适应盲源分离的抗主瓣干扰方法比现有的基于盲源分离的抗主瓣干扰方法有更优良的性能。
综上所述，本发明实施例提出的雷达抗主瓣干扰方法，基于等变自适应盲源分离算法，具有等变性，不受混合信号和分离矩阵初始值的影响，在更新分离矩阵的过程中，不断地进行迭代修正，从而得到分离矩阵，消除了白化预处理在分离过程中的累积误差，提高了算法的稳健性和目标的分离质量，其抗主瓣干扰效果要好于现有的基于盲源分离算法的抗主瓣干扰效果。
此外，本发明实施例提出的雷达抗主瓣干扰方法，对信号源先验知识要求较低，更适用于工程应用；且能自适应雷达干扰环境，根据实际的雷达干扰环境，实时更新分离矩阵，更好的追踪时变的信号源，该种在线分离的方法大大减小了信号所需存储空间。
本发明实施例还提出了一种雷达抗主瓣干扰装置，请参见图7，该装置包括：
数据接收模块701，用于接收雷达多通道混合信号。
数据处理模块702，用于针对每个通道的混合信号，对混合信号进行去中心化处理得到零均值预处理信号；对零均值预处理信号进行等变自适应盲源分离处理得到分离信号；对分离信号进行脉冲压缩处理。
数据检测确定模块703，用于根据峰值检测方法检测每个通道的脉冲压缩后的分离信号确定目标信号，得到雷达抗主瓣干扰结果。
进一步地，本发明实施例数据接收模块701中，接收的混合信号公式表示为：
x(t)＝Hs(t)+n(t)；
其中，x(t)表示在t时刻N个通道的混合信号，s(t)＝[s1(t),s2(t),…,sM(t)]T表示在t时刻的待处理目标信号和干扰信号，M表示待处理目标信号和干扰信号总数量，n(t)＝[n1(t),n2(t),…,nM(t)]T表示在t时刻的噪声，H表示N×M的混合满秩矩阵，表示为
Figure BDA0003229993470000141
hij表示第i个通道中第j个信号源的响应因子，信号源为待处理目标信号的信号源或干扰信号的信号源。
进一步地，本发明实施例数据处理模块702中，对混合信号进行去中心化处理得到零均值预处理信号公式表示为：
Figure BDA0003229993470000142
其中，
Figure BDA0003229993470000143
表示在t时刻的零均值预处理信号，x(t)表示在t时刻的混合信号，E[·]求期望。
进一步地，本发明实施例数据处理模块702中对零均值预处理信号进行等变自适应盲源分离处理得到分离信号，包括：
初始化分离矩阵和步长因子，及选取非线性激活函数；其中，非线性激活函数依照混合信号源的概率分布特性选取的，混合信号源包括待处理目标信号的信号源和干扰信号的信号源；
根据分离矩阵和零均值预处理信号计算观测信号；
根据观测信号、步长因子和非线性激活函数，利用预设的分离矩阵更新策略更新分离矩阵；
计算更新前的分离矩阵与更新后的分离矩阵的抖动差值；
比较抖动差值与预设的收敛判断因子的大小，若抖动差值小于或等于收敛判断因子时，根据更新后的分离矩阵计算分离信号，否则判断当前迭代次数是否达到变步长迭代阈值，若是，则更新步长因子，根据更新后的分离矩阵、更新后的步长因子和零均值预处理信号继续更新分离矩阵，否则根据更新后的分离矩阵、初始化的步长因子和零均值预处理信号继续更新分离矩阵。
进一步地，本发明实施例数据处理模块702中分离矩阵更新策略的公式表示为：
Figure BDA0003229993470000151
其中，k表示第k次迭代，W(k+1)表示第k+1次迭代的分离矩阵，即更新后的分离矩阵，W(k)表示第k次迭代的分离矩阵，即更新前的分离矩阵，μ(k)表示第k次迭代的步长因子，y(k)表示第k次迭代的观测信号，g(y)＝G′(y)表示为G(y)的一阶导函数，G(y)表示非线性激活函数，(·)T表示求转置，|·|表示求绝对值。
进一步地，本发明实施例数据处理模块702中依照混合信号源的概率分布特性选取非线性激活函数，包括：
若混合信号源为亚高斯分布时，选取的非线性激活函数表示为：
Figure BDA0003229993470000161
若混合信号源为超高斯分布或者对算法的稳健性要求很高时，选取的非线性激活函数表示为：
Figure BDA0003229993470000162
或
Figure BDA0003229993470000163
其中，1≤a≤2。
进一步地，本发明实施例数据处理模块702中对分离信号进行脉冲压缩处理公式表示为：
Figure BDA0003229993470000164
其中，
Figure BDA0003229993470000165
表示在t时刻脉冲压缩后的分离信号，
Figure BDA0003229993470000166
表示在t时刻的分离信号，
Figure BDA0003229993470000167
表示抖动差值小于或等于收敛判断因子时对应的分离矩阵，
Figure BDA0003229993470000168
表示在t时刻的零均值预处理信号，s0(t0-t)表示一已知的雷达发射信号s0(t)的匹配滤波器，conv(·)表示卷积运算，(·)*表示求共轭。
本发明实施例还提供了一种电子设备，请参见图8，该电子设备包括处理器801、通信接口802、存储器803和通信总线804，其中，处理器801，通信接口802，存储器803通过通信总线804完成相互间的通信，
存储器803，用于存放计算机程序；
处理器801，用于执行存储器803上所存放的程序时，实现如第一方面的雷达抗主瓣干扰方法的步骤。
该电子设备可以为：台式计算机、便携式计算机、智能移动终端、服务器等。在此不作限定，任何可以实现本发明的电子设备，均属于本发明的保护范围。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、信号总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
相应于上述所提供的雷达抗主瓣干扰方法，本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，计算机程序被处理器执行时实现本发明实施例所提供的雷达抗主瓣干扰方法的步骤。
上述计算机可读存储介质存储有在运行时执行本发明实施例所提供的雷达抗主瓣干扰方法的应用程序。
对于装置/电子设备/存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外，本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。
尽管在此结合各实施例对本申请进行了描述，然而，在实施所要求保护的本申请过程中，本领域技术人员通过查看附图、公开内容、以及所附权利要求书，可理解并实现公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (7)

1.一种雷达抗主瓣干扰方法，其特征在于，包括：
接收雷达多通道的混合信号；
针对每个通道的混合信号，对所述混合信号进行去中心化处理得到零均值预处理信号；对所述零均值预处理信号进行等变自适应盲源分离处理得到分离信号；对所述分离信号进行脉冲压缩处理；
根据峰值检测方法检测每个通道的脉冲压缩后的分离信号确定目标信号，得到雷达抗主瓣干扰结果。
2.根据权利要求1所述的雷达抗主瓣干扰方法，其特征在于，接收的所述混合信号公式表示为：
x(t)＝Hs(t)+n(t)；
其中，x(t)表示在t时刻N个通道的混合信号，s(t)＝[s1(t),s2(t),…,sM(t)]T表示在t时刻的待处理目标信号和干扰信号，M表示待处理目标信号和干扰信号总数量，n(t)＝[n1(t),n2(t),…,nM(t)]T表示在t时刻的噪声，H表示N×M的混合满秩矩阵，表示为
Figure FDA0003229993460000011
hij表示第i个通道中第j个信号源的响应因子，所述信号源为待处理目标信号的信号源或干扰信号的信号源。
3.根据权利要求2所述的雷达抗主瓣干扰方法，其特征在于，对所述混合信号进行去中心化处理得到零均值预处理信号公式表示为：
Figure FDA0003229993460000012
其中，
Figure FDA0003229993460000013
表示在t时刻的所述零均值预处理信号，x(t)表示在t时刻的所述混合信号，E[·]求期望。
4.根据权利要求3所述的雷达抗主瓣干扰方法，其特征在于，所述对所述零均值预处理信号进行等变自适应盲源分离处理得到分离信号，包括：
初始化分离矩阵和步长因子，及选取非线性激活函数；其中，所述非线性激活函数依照混合信号源的概率分布特性选取的，所述混合信号源包括所述待处理目标信号的信号源和所述干扰信号的信号源；
根据所述分离矩阵和所述零均值预处理信号计算观测信号；
根据所述观测信号、所述步长因子和所述非线性激活函数，利用预设的分离矩阵更新策略更新分离矩阵；
计算更新前的分离矩阵与更新后的分离矩阵的抖动差值；
比较所述抖动差值与预设的收敛判断因子的大小，若所述抖动差值小于或等于所述收敛判断因子时，根据更新后的分离矩阵计算所述分离信号，否则判断当前迭代次数是否达到变步长迭代阈值，若是，则更新步长因子，根据更新后的分离矩阵、更新后的步长因子和所述零均值预处理信号继续更新分离矩阵，否则根据更新后的分离矩阵、初始化的步长因子和所述零均值预处理信号继续更新分离矩阵。
5.根据权利要求4所述的雷达抗主瓣干扰方法，其特征在于，所述分离矩阵更新策略的公式表示为：
Figure FDA0003229993460000021
其中，k表示第k次迭代，W(k+1)表示第k+1次迭代的分离矩阵，即更新后的分离矩阵，W(k)表示第k次迭代的分离矩阵，即更新前的分离矩阵，μ(k)表示第k次迭代的步长因子，y(k)表示第k次迭代的观测信号，g(y)＝G′(y)表示为G(y)的一阶导函数，G(y)表示非线性激活函数，(·)T表示求转置，|·|表示求绝对值。
6.根据权利要求5所述的雷达抗主瓣干扰方法，其特征在于，依照混合信号源的概率分布特性选取非线性激活函数，包括：
若所述混合信号源为亚高斯分布时，选取的非线性激活函数表示为：
Figure FDA0003229993460000031
若所述混合信号源为超高斯分布或者对算法的稳健性要求很高时，选取的非线性激活函数表示为：
Figure FDA0003229993460000032
或
Figure FDA0003229993460000033
其中，1≤a≤2。
7.根据权利要求5所述的雷达抗主瓣干扰方法，其特征在于，所述对所述分离信号进行脉冲压缩处理公式表示为：
Figure FDA0003229993460000034
其中，
Figure FDA0003229993460000035
表示在t时刻脉冲压缩后的分离信号，
Figure FDA0003229993460000036
表示在t时刻的分离信号，
Figure FDA0003229993460000037
表示抖动差值小于或等于收敛判断因子时对应的分离矩阵，
Figure FDA0003229993460000038
表示在t时刻的所述零均值预处理信号，s0(t0-t)表示一已知的雷达发射信号s0(t)的匹配滤波器，conv(·)表示卷积运算，(·)*表示求共轭。
CN202110984150.0A 2021-08-25 2021-08-25 一种雷达抗主瓣干扰方法 Active CN113687314B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110984150.0A CN113687314B (zh) 2021-08-25 2021-08-25 一种雷达抗主瓣干扰方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110984150.0A CN113687314B (zh) 2021-08-25 2021-08-25 一种雷达抗主瓣干扰方法

Publications (2)

Publication Number Publication Date
CN113687314A true CN113687314A (zh) 2021-11-23
CN113687314B CN113687314B (zh) 2024-02-06

Family

ID=78582802

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110984150.0A Active CN113687314B (zh) 2021-08-25 2021-08-25 一种雷达抗主瓣干扰方法

Country Status (1)

Country Link
CN (1) CN113687314B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114966565A (zh) * 2022-02-28 2022-08-30 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
CN116520261A (zh) * 2023-06-26 2023-08-01 中国科学院空天信息创新研究院 一种基于盲源分离的双基sar相位同步干扰抑制方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080054786A (ko) * 2006-12-13 2008-06-19 국방과학연구소 부엽제거기를 개선한 잡음 재밍신호 탐지 시스템 및 방법
US20090060008A1 (en) * 2007-08-29 2009-03-05 Harris Corporation System and method for blind source separation of signals using noise estimator
CN103728597A (zh) * 2014-01-16 2014-04-16 西安电子科技大学 基于辅助阵列的网络化雷达抑制压制式主瓣干扰方法
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
CN109086686A (zh) * 2018-07-12 2018-12-25 西安电子科技大学 基于自适应动量因子的时变信道下的盲源分离方法
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
CN111044979A (zh) * 2019-12-13 2020-04-21 电子科技大学 一种基于盲源分离的主瓣干扰对消与目标角度估计方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080054786A (ko) * 2006-12-13 2008-06-19 국방과학연구소 부엽제거기를 개선한 잡음 재밍신호 탐지 시스템 및 방법
US20090060008A1 (en) * 2007-08-29 2009-03-05 Harris Corporation System and method for blind source separation of signals using noise estimator
CN103728597A (zh) * 2014-01-16 2014-04-16 西安电子科技大学 基于辅助阵列的网络化雷达抑制压制式主瓣干扰方法
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
CN109086686A (zh) * 2018-07-12 2018-12-25 西安电子科技大学 基于自适应动量因子的时变信道下的盲源分离方法
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
CN111044979A (zh) * 2019-12-13 2020-04-21 电子科技大学 一种基于盲源分离的主瓣干扰对消与目标角度估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ZHANG LU: ""Mainlobe interference suppression algorithm based on BMP and L2 norm constraint"", 《ICSPS 2020》 *
钱国栋: ""基于JADE盲源分离算法的雷达抗主瓣压制干扰技术研究"", 《科技创新与应用》, no. 17 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114966565A (zh) * 2022-02-28 2022-08-30 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
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
CN116520261A (zh) * 2023-06-26 2023-08-01 中国科学院空天信息创新研究院 一种基于盲源分离的双基sar相位同步干扰抑制方法
CN116520261B (zh) * 2023-06-26 2023-09-08 中国科学院空天信息创新研究院 一种基于盲源分离的双基sar相位同步干扰抑制方法

Also Published As

Publication number Publication date
CN113687314B (zh) 2024-02-06

Similar Documents

Publication Publication Date Title
CN110113085B (zh) 一种基于协方差矩阵重构的波束形成方法及系统
Zhang et al. A method for finding best channels in beam-space post-Doppler reduced-dimension STAP
CN109254261B (zh) 基于均匀圆阵epuma的相干信号零陷加深方法
CN113687314A (zh) 一种雷达抗主瓣干扰方法
CN110196410B (zh) 一种阵列天线主瓣干扰抑制方法及系统
CN105137409B (zh) 基于幅相约束的目标信号稳健空时自适应处理方法
CN103984676A (zh) 一种基于协方差矩阵重构的正交投影自适应波束形成方法
CN111651719A (zh) 基于收缩估计协方差矩阵重构稳健自适应波束形成方法
CN111948634A (zh) 干扰条件下基于协方差矩阵重构的目标检测方法与装置
CN107290732B (zh) 一种量子大爆炸的单基地mimo雷达测向方法
CN111337873B (zh) 一种基于稀疏阵的doa估计方法
CN115372925A (zh) 一种基于深度学习的阵列稳健自适应波束形成方法
CN115932749A (zh) 一种基于盲源分离算法的主瓣干扰抑制方法
CN110208757B (zh) 一种抑制主瓣干扰的稳健自适应波束形成方法及装置
CN112051552A (zh) 一种基于多站的主瓣抗干扰方法及装置
CN115453528A (zh) 基于快速sbl算法实现分段观测isar高分辨成像方法及装置
CN113267758B (zh) 一种复合高斯环境下存在干扰时的目标检测方法与系统
CN113884979A (zh) 干扰加噪声协方差矩阵重构的稳健自适应波束形成方法
CN113406576A (zh) 一种基于特征斜投影协方差矩阵重构的主瓣干扰抑制方法
CN113466784A (zh) 一种强脉冲噪声下自适应分布源doa估计方法
Yang et al. Hybrid direct data domain sigma-delta space–time adaptive processing algorithm in non-homogeneous clutter
CN110376561B (zh) 一种时域降维的多快拍迭代阵元幅相误差估计方法
CN109239681A (zh) 一种运动干扰稳健滤波方法
CN114184999B (zh) 一种互耦小孔径阵列的生成式模型处理方法
CN114563764A (zh) 一种自适应波束生成方法及系统

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