CN113835067A - 一种抗频谱弥散干扰方法及装置 - Google Patents
一种抗频谱弥散干扰方法及装置 Download PDFInfo
- Publication number
- CN113835067A CN113835067A CN202111078881.5A CN202111078881A CN113835067A CN 113835067 A CN113835067 A CN 113835067A CN 202111078881 A CN202111078881 A CN 202111078881A CN 113835067 A CN113835067 A CN 113835067A
- Authority
- CN
- China
- Prior art keywords
- interference
- basis matrix
- sparse basis
- estimation value
- sparse
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 239000006185 dispersion Substances 0.000 title claims abstract description 42
- 238000001228 spectrum Methods 0.000 title claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims abstract description 139
- 238000005457 optimization Methods 0.000 claims abstract description 26
- 238000009826 distribution Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000006872 improvement Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000005259 measurement Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
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
本发明公开了一种抗频谱弥散干扰方法及装置,所述方法包括:构建LFM回波信号的第一稀疏基矩阵,构建频谱弥散干扰信号的第二稀疏基矩阵,根据第一稀疏基矩阵和第二稀疏基矩阵构建联合稀疏基矩阵,根据联合稀疏基矩阵对LFM信号进行重构;基于第一干扰参数估计值对干扰参数进行优化,得到第二干扰参数估计值,基于第二干扰参数估计值重新计算第二稀疏基矩阵,将第二干扰参数估计值设置为下次干扰参数优化的第一干扰参数估计值;判断干扰参数进行优化的终止条件,满足终止条件,输出更新后的分数阶域频率分布估计值和LFM信号重构结果,不满足终止条件,重复执行优化参数,本发明通过对干扰参数的迭代优化,提高了频谱弥散干扰下LFM信号重构的精度。
Description
技术领域
本发明涉及雷达抗干扰技术领域,尤其是涉及一种抗频谱弥散干扰方法及装置。
背景技术
频谱弥散干扰是一种专门为LFM信号设计的目前较为常用的一种兼具欺骗与压制干扰特点的新式干扰手段,产生的基本方式与特点是:侦察接收机对截获的LFM信号进行参数测量,进而将一个完整的雷达信号切片成多个片段,并对每段切片信号的调频率进行调制,使每段信号能够拓展到覆盖LFM信号的整个带宽,频谱弥散干扰信号同样可以获得雷达信号处理增益,通过改变干扰功率与调频率,频谱弥散干扰可以实现对特定时频点的压制与欺骗效果。
STFT算法在传统雷达信号处理过程中应用广泛,在软件设计上有快速算法,硬件实现上也很成熟,干扰信号的平均功率通常会高于、甚至远高于雷达LFM信号,这会导致在信号处理前端回波信号的信干比极低,干扰信号的特征在回波信号中占据了主导优势,故利用STFT对干扰信号参数进行粗估计在理论和实际上均是可行的,但是,通过STFT得到的调频率的快速引导值通常会与干扰信号的实际参数有一定偏差,此偏差的大小将直接影响到所构建的干扰稀疏基矩阵与干扰信号的匹配程度,若偏差过大,干扰稀疏基矩阵将与真实干扰信号失配,这会导致CS重构算法无法得到准确的稀疏投影值。
发明内容
本发明的目的在于提供一种抗频谱弥散干扰方法及装置,旨在解决现有技术中的上述问题。
本发明提供一种抗频谱弥散干扰方法,包括:
S1.构建LFM回波信号的第一稀疏基矩阵,根据第一干扰参数估计值构建频谱弥散干扰信号的第二稀疏基矩阵,根据第一稀疏基矩阵和第二稀疏基矩阵构建联合稀疏基矩阵,根据联合稀疏基矩阵通过重构算法对LFM信号进行重构;
S2.基于第一干扰参数估计值对干扰参数进行优化,得到第二干扰参数估计值,基于第二干扰参数估计值重新计算第二稀疏基矩阵,并将第二干扰参数估计值设置为下一次干扰参数优化的第一干扰参数估计值;
S3.判断干扰参数进行优化的终止条件,满足终止条件,输出更新后的分数阶域频率分布估计值和LFM信号重构结果,不满足终止条件,重复执行步骤S2。
进一步的,第一稀疏基矩阵,通过分数阶傅里叶变换方法进行构建,第一干扰参数估计值通过STFT算法提供,联合稀疏基矩阵通过公式1进行构建;
Ψ=[ΨFr-S,ΨFr-J] 公式1;
其中,ΨFr-S为第一稀疏基矩阵,ΨFr-J为第二稀疏基矩阵。
进一步地,基于第一干扰参数估计值对干扰参数进行优化,得到第二干扰参数估计值,基于第二干扰参数估计值重新计算第二稀疏基矩阵,具体包括:
通过第二稀疏基矩阵的分数阶频率进行泰勒展开,得到泰勒展开的一阶导数,通过泰勒展开的一阶导数得到公式2所示的每个切片的干扰信号的近似表示;
sJ=(ΨF-J+ΔΨF-J)θ+n 公式2;
其中,ΨF-J为第二稀疏基矩阵的某个干扰切片对应的字典矩阵,ΔΨF-J为M×N维矩阵,M,N分别表示当前干扰切片的稀疏字典的行数与列数,θ为稀疏投影向量,n∈[-N,N];
通过将公式2转化为公式3所示的约束求解问题,重新计算第二稀疏基矩阵;
其中,e=[δm/σm,n/σn]T,表示第二稀疏基矩阵与噪声的联合误差矩阵,ΨFr-J为第二稀疏基矩阵,ΨΛ Fr-J表示ΨFr-J取第Λ列,θΛ为稀疏投影向量θ取第Λ个元素,Aθ=[σmΦm,σnIM]。
进一步地,判断干扰参数进行优化的终止条件具体包括:
根据所述对干扰参数优化过程中第二稀疏基矩阵投影位置的改变量作为判断对干扰参数优化的终止条件。
本发明提供一种抗频谱弥散干扰装置,包括:
重构模块,构建LFM回波信号的第一稀疏基矩阵,根据第一干扰参数估计值构建频谱弥散干扰信号的第二稀疏基矩阵,根据第一稀疏基矩阵和第二稀疏基矩阵构建联合稀疏基矩阵,根据联合稀疏基矩阵通过重构算法对LFM信号进行重构;
干扰参数优化模块,基于第一干扰参数估计值对干扰参数进行优化,得到第二干扰参数估计值,基于第二干扰参数估计值重新计算第二稀疏基矩阵,并将第二干扰参数估计值设置为下一次干扰参数优化的第一干扰参数估计值;
判断模块,判断干扰参数进行优化的终止条件,满足终止条件,输出更新后的分数阶域频率分布估计值和LFM信号重构结果,不满足终止条件,重复执行干扰参数优化模块。
进一步地,重构模块,具体包括:
所述第一稀疏基矩阵,通过分数阶傅里叶变换方法进行构建;
所述第一干扰参数估计值通过STFT算法提供;
所述联合稀疏基矩阵通过公式4进行构建;
Ψ=[ΨFr-S,ΨFr-J] 公式4;
其中,ΨFr-S为第一稀疏基矩阵,ΨFr-J为第二稀疏基矩阵。
进一步地,干扰参数优化模块,具体包括:
通过第二稀疏基矩阵的分数阶频率进行泰勒展开,得到所述泰勒展开的一阶导数,通过所述泰勒展开的一阶导数得到公式5所示的每个切片的干扰信号的近似表示;
sJ=(ΨF-J+ΔΨF-J)θ+n 公式5;
其中,ΨF-J为第二稀疏基矩阵的某个干扰切片对应的字典矩阵,ΔΨF-J为M×N维矩阵,M,N分别表示当前干扰切片的稀疏字典的行数与列数,θ为稀疏投影向量,n∈[-N,N];
通过将公式5转化为公式5所示的约束求解问题,重新计算第二稀疏基矩阵;
其中,e=[δm/σm,n/σn]T,表示第二稀疏基矩阵与噪声的联合误差矩阵,ΨFr-J为第二稀疏基矩阵,ΨΛ Fr-J表示ΨFr-J取第Λ列,θΛ为稀疏投影向量θ取第Λ个元素,Aθ=[σmΦm,σnIM]。
进一步地,判断模块,具体包括:
根据所述对干扰参数优化过程中第二稀疏基矩阵投影位置的改变量作为判断对干扰参数优化的终止条件。
本发明实施例还提供一种抗频谱弥散干扰装置,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现上述抗频谱弥散干扰方法的步骤。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有信息传递的实现程序,所述程序被处理器执行时实现上述抗频谱弥散干扰方法的步骤。
采用本发明实施例,通过STFT算法提供干扰参数估计值,构建LFM信号和频谱弥散干扰信号的联合稀疏基矩阵,实现对LFM信号的重构,并通过对干扰参数的迭代优化提高LFM信号重构的精度。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的抗频谱弥散干扰方法流程图;
图2是本发明装置实施例一的抗频谱弥散干扰装置结构图;
图3是本发明装置实施例二的抗频谱弥散干扰装置结构图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,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所述特征。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。此外,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
方法实施例
根据本发明实施例,提供了一种抗频谱弥散干扰方法,图1是本发明实施例的抗频谱弥散干扰方法的流程图,如图1所示,根据本发明实施例的抗频谱弥散干扰方法具体包括:
步骤S101,构建LFM回波信号的第一稀疏基矩阵,根据第一干扰参数估计值构建频谱弥散干扰信号的第二稀疏基矩阵,根据第一稀疏基矩阵和第二稀疏基矩阵构建联合稀疏基矩阵,根据联合稀疏基矩阵通过重构算法对LFM信号进行重构,步骤S101具体包括:
通过Pei型离散分数阶傅里叶变换方法构建第一稀疏基矩阵,通过STFT算法对干扰参数进行估计,得到切片数与调频率,代入公式7,便可完成联合稀疏基矩阵的构建。
Ψ=[ΨFr-S,ΨFr-J] 公式7;
其中,ΨFr-S为第一稀疏基矩阵,ΨFr-J为第二稀疏基矩阵。
在此基础之上,用CS理论进行信号重构,对LFM回波信号通过测量矩阵Φ进行投影,测量得到公式8所示的L×1维的观测值矢量;
y=Φs=Φ(Ψθ+n)=Aθ+z 公式8;
其中,A=ΦΨ为L×2N维的感知矩阵,n为噪声,z为噪声测量矢量,θ为LFM信号和频谱弥散干扰信号的稀疏投影值。此时,利用压缩感知理论进行信号重构时,LFM回波信号s的求解转化为公式9所示的由观测矢量y求解约束最优l1范数问题;
其中δ是与噪声有关的常量。
步骤S102,基于第一干扰参数估计值对干扰参数进行优化,得到第二干扰参数估计值,基于第二干扰参数估计值重新计算第二稀疏基矩阵,并将第二干扰参数估计值设置为下一次干扰参数优化的第一干扰参数估计值,步骤S102具体包括:
通过第二稀疏基矩阵的分数阶频率进行泰勒展开,得到所述泰勒展开的一阶导数,通过所述泰勒展开的一阶导数得到公式10所示的每个切片的频谱弥散干扰信号的近似表示;
sJ=(ΨF-J+ΔΨF-J)θ+n 公式10;
其中,ΨF-J为第二稀疏基矩阵的某个干扰切片对应的字典矩阵,ΔΨF-J为M×N维矩阵,M,N分别表示当前干扰切片的稀疏字典的行数与列数,θ为稀疏投影向量,n∈[-N,N];
公式10简化为公式11;
其中,设稀疏投影向量θ中含有K个解,Λ为解空间的列序号集合;
将公式11转化为公式12所示的约束求解问题;
其中,e=[δm/σm,n/σn]T,表示第二稀疏基矩阵与噪声的联合误差矩阵,ΨFr-J为第二稀疏基矩阵,ΨΛ Fr-J表示ΨFr-J取第Λ列,θΛ为稀疏投影向量θ取第Λ个元素,Aθ=[σmΦm,σnIM]。
对公式13的求解需要遍历所有解空间,求解难度大,故可基于STFT建立的ΨF-J对干扰信号进行一次初始匹配,保留投影值θ中的主峰分量,得到Λ与作为初始估计值,进而求得并对Λ内的进行求解,此时公式13的最小二乘解可通过公式15表示;
步骤S103,判断干扰参数进行优化的终止条件,满足终止条件,输出更新后的分数阶域频率分布估计值和LFM信号重构结果,不满足终止条件,重复执行步骤S102,步骤S103具体包括:
公式15推导的得到的误差矢量中已经包括了分数阶频率的修订值δm,且LFM信号的重构均方误差与干扰稀疏基矩阵调频率有相关关系,即在向真实干扰信号投影位置靠拢的过程中,当δm不再变化或收敛到一定范围时,LFM信号的重构误差也将同步变化,因此利用迭代计算过程中的第二稀疏基矩阵投影位置的改变量作为评价算法是否终止的判定条件。
通过STFT算法提供干扰参数估计值,构建LFM信号和频谱弥散干扰信号的联合稀疏基矩阵,并通过对干扰参数进行迭代优化,通过第二稀疏基矩阵投影位置的改变量判断干扰参数迭代优化的终止条件,提高LFM信号重构的精度。
装置实施例一
根据本发明实施例,提供了一种抗频谱弥散干扰装置,图2是本发明实施例的抗频谱弥散干扰装置的结构图,如图3所示,根据本发明实施例的抗频谱弥散干扰装置具体包括:
重构模块20,构建LFM回波信号的第一稀疏基矩阵,根据第一干扰参数估计值构建频谱弥散干扰信号的第二稀疏基矩阵,根据第一稀疏基矩阵和第二稀疏基矩阵构建联合稀疏基矩阵,根据联合稀疏基矩阵通过重构算法对LFM信号进行重构,重构模块20具体用于:
通过Pei型离散分数阶傅里叶变换方法构建第一稀疏基矩阵,通过STFT算法对干扰参数进行估计,得到切片数与调频率,代入公式7,便可完成联合稀疏基矩阵的构建。
Ψ=[ΨFr-S,ΨFr-J] 公式7;
其中,ΨFr-S为第一稀疏基矩阵,ΨFr-J为第二稀疏基矩阵。
在此基础之上,用CS理论进行信号重构,对LFM回波信号通过测量矩阵Φ进行投影,测量得到公式8所示的L×1维的观测值矢量;
y=Φs=Φ(Ψθ+n)=Aθ+z 公式8;
其中,A=ΦΨ为L×2N维的感知矩阵,n为噪声,z为噪声测量矢量,θ为LFM信号和频谱弥散干扰信号的稀疏投影值。此时,利用压缩感知理论进行信号重构时,LFM回波信号s的求解转化为公式9所示的由观测矢量y求解约束最优l1范数问题;
其中δ是与噪声有关的常量。
干扰参数优化模块22,基于第一干扰参数估计值对干扰参数进行优化,得到第二干扰参数估计值,基于第二干扰参数估计值重新计算第二稀疏基矩阵,并将第二干扰参数估计值设置为下一次干扰参数优化的第一干扰参数估计值,干扰参数优化模块22具体用于:
通过第二稀疏基矩阵的分数阶频率进行泰勒展开,得到所述泰勒展开的一阶导数,通过所述泰勒展开的一阶导数得到公式10所示的每个切片的频谱弥散干扰信号的近似表示;
sJ=(ΨF-J+ΔΨF-J)θ+n 公式10;
其中,ΨF-J为第二稀疏基矩阵的某个干扰切片对应的字典矩阵,ΔΨF-J为M×N维矩阵,M,N分别表示当前干扰切片的稀疏字典的行数与列数,θ为稀疏投影向量,n∈[-N,N];
公式10简化为公式11;
其中,设稀疏投影向量θ中含有K个解,Λ为解空间的列序号集合;
将公式11转化为公式12所示的约束求解问题;
其中,e=[δm/σm,n/σn]T,表示第二稀疏基矩阵与噪声的联合误差矩阵,ΨFr-J为第二稀疏基矩阵,ΨΛ Fr-J表示ΨFr-J取第Λ列,θΛ为稀疏投影向量θ取第Λ个元素,Aθ=[σmΦm,σnIM]。
对公式13的求解需要遍历所有解空间,求解难度大,故可基于STFT建立的ΨF-J对干扰信号进行一次初始匹配,保留投影值θ中的主峰分量,得到Λ与作为初始估计值,进而求得并对Λ内的进行求解,此时公式13的最小二乘解可通过公式15表示;
判断模块24,判断干扰参数进行优化的终止条件,满足终止条件,输出更新后的分数阶域频率分布估计值和LFM信号重构结果,不满足终止条件,重复执行干扰参数优化模块,判断模块24具体用于:
通过迭代计算过程中的第二稀疏基矩阵投影位置的改变量作为评价算法是否终止的判定条件。
装置实施例二
本发明实施例提供一种抗频谱弥散干扰装置,如图3所示,包括:存储器30、处理器32及存储在所述存储器30上并可在所述处理32上运行的计算机程序,所述计算机程序被所述处理器32执行时实现如方法实施例中所述的步骤。
装置实施例三
本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质上存储有信息传输的实现程序,所述程序被处理器32执行时实现如方法实施例中所述的步骤。
本实施例所述计算机可读存储介质包括但不限于为:ROM、RAM、磁盘或光盘等。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪30年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书一个或多个实施例可提供为方法、系统或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书的一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,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。
以上所述仅为本文件的实施例而已,并不用于限制本文件。对于本领域技术人员来说,本文件可以有各种更改和变化。凡在本文件的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本文件的权利要求范围之内。
Claims (10)
1.一种抗频谱弥散干扰方法,其特征在于,包括:
S1.构建LFM回波信号的第一稀疏基矩阵,根据第一干扰参数估计值构建频谱弥散干扰信号的第二稀疏基矩阵,根据第一稀疏基矩阵和第二稀疏基矩阵构建联合稀疏基矩阵,根据联合稀疏基矩阵通过重构算法对LFM信号进行重构;
S2.基于第一干扰参数估计值对干扰参数进行优化,得到第二干扰参数估计值,基于第二干扰参数估计值重新计算第二稀疏基矩阵,并将第二干扰参数估计值设置为下一次干扰参数优化的第一干扰参数估计值;
S3.判断干扰参数进行优化的终止条件,满足终止条件,输出更新后的分数阶域频率分布估计值和LFM信号重构结果,不满足终止条件,重复执行步骤S2。
2.根据权利要求1所述的方法,其特征在于,所述第一稀疏基矩阵,通过分数阶傅里叶变换方法进行构建,所述第一干扰参数估计值通过STFT算法提供,所述联合稀疏基矩阵通过公式1进行构建;
Ψ=[ΨFr-S,ΨFr-J] 公式1;
其中,ΨFr-S为第一稀疏基矩阵,ΨFr-J为第二稀疏基矩阵。
3.根据权利要求1所述的方法,其特征在于,所述基于第一干扰参数估计值对干扰参数进行优化,得到第二干扰参数估计值,基于第二干扰参数估计值重新计算第二稀疏基矩阵,具体包括:
通过第二稀疏基矩阵的分数阶频率进行泰勒展开,得到所述泰勒展开的一阶导数,通过所述泰勒展开的一阶导数得到公式2所示的每个切片的频谱弥散干扰信号的近似表示;
sJ=(ΨF-J+ΔΨF-J)θ+n 公式2;
其中,ΨF-J为第二稀疏基矩阵的某个干扰切片对应的字典矩阵,ΔΨF-J为M×N维矩阵,M,N分别表示当前干扰切片的稀疏字典的行数与列数,θ为稀疏投影向量,n∈[-N,N];
通过将公式2转化为公式3所示的约束求解问题,重新计算第二稀疏基矩阵;
其中,e=[δm/σm,n/σn]T,表示第二稀疏基矩阵与噪声的联合误差矩阵,ΨFr-J为第二稀疏基矩阵,ΨΛ Fr-J表示ΨFr-J取第Λ列,θΛ为稀疏投影向量θ取第Λ个元素,Aθ=[σmΦm,σnIM]。
4.根据权利要求1所述的方法,其特征在于,所述判断干扰参数进行优化的终止条件具体包括:
根据所述对干扰参数优化过程中第二稀疏基矩阵投影位置的改变量作为判断对干扰参数优化的终止条件。
5.一种抗频谱弥散干扰装置,其特征在于,具体包括:
重构模块,构建LFM回波信号的第一稀疏基矩阵,根据第一干扰参数估计值构建频谱弥散干扰信号的第二稀疏基矩阵,根据第一稀疏基矩阵和第二稀疏基矩阵构建联合稀疏基矩阵,根据联合稀疏基矩阵通过重构算法对LFM信号进行重构;
干扰参数优化模块,基于第一干扰参数估计值对干扰参数进行优化,得到第二干扰参数估计值,基于第二干扰参数估计值重新计算第二稀疏基矩阵,并将第二干扰参数估计值设置为下一次干扰参数优化的第一干扰参数估计值;
判断模块,判断干扰参数进行优化的终止条件,满足终止条件,输出更新后的分数阶域频率分布估计值和LFM信号重构结果,不满足终止条件,重复执行干扰参数优化模块。
6.根据权利要求5所述的装置,其特征在于,所述重构模块,具体包括:
所述第一稀疏基矩阵,通过分数阶傅里叶变换方法进行构建;
所述第一干扰参数估计值通过STFT算法提供;
所述联合稀疏基矩阵通过公式4进行构建;
Ψ=[ΨFr-S,ΨFr-J] 公式4;
其中,ΨFr-S为第一稀疏基矩阵,ΨFr-J为第二稀疏基矩阵。
7.根据权利要求5所述的装置,其特征在于,所述干扰参数优化模块,具体包括:
通过第二稀疏基矩阵的分数阶频率进行泰勒展开,得到所述泰勒展开的一阶导数,通过所述泰勒展开的一阶导数得到公式5所示的每个切片的频谱弥散干扰信号的近似表示;
sJ=(ΨF-J+ΔΨF-J)θ+n 公式5;
其中,ΨF-J为第二稀疏基矩阵的某个干扰切片对应的字典矩阵,ΔΨF-J为M×N维矩阵,M,N分别表示当前干扰切片的稀疏字典的行数与列数,θ为稀疏投影向量,n∈[-N,N];
通过将公式5转化为公式5所示的约束求解问题,重新计算第二稀疏基矩阵;
其中,e=[δm/σm,n/σn]T,表示第二稀疏基矩阵与噪声的联合误差矩阵,ΨFr-J为第二稀疏基矩阵,ΨΛ Fr-J表示ΨFr-J取第Λ列,θΛ为稀疏投影向量θ取第Λ个元素,Aθ=[σmΦm,σnIM]。
8.根据权利要求5所述的装置,其特征在于,所述判断模块,具体包括:
根据所述对干扰参数优化过程中第二稀疏基矩阵投影位置的改变量作为判断对干扰参数优化的终止条件。
9.一种抗频谱弥散干扰装置,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述抗频谱弥散干扰方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有信息传递的实现程序,所述程序被处理器执行时实现如权利要求1至4中任一项所述抗频谱弥散干扰方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111078881.5A CN113835067B (zh) | 2021-09-15 | 2021-09-15 | 一种抗频谱弥散干扰方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111078881.5A CN113835067B (zh) | 2021-09-15 | 2021-09-15 | 一种抗频谱弥散干扰方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113835067A true CN113835067A (zh) | 2021-12-24 |
CN113835067B CN113835067B (zh) | 2023-12-26 |
Family
ID=78959303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111078881.5A Active CN113835067B (zh) | 2021-09-15 | 2021-09-15 | 一种抗频谱弥散干扰方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113835067B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100074358A1 (en) * | 2008-09-25 | 2010-03-25 | Nec Laboratories America, Inc. | Sparse Channel Estimation for MIMO OFDM Systems |
US20140025356A1 (en) * | 2012-07-23 | 2014-01-23 | University Of Southern California | Iterative estimation of system parameters using noise-like perturbations |
CN105891789A (zh) * | 2016-03-30 | 2016-08-24 | 西安电子科技大学 | 联合时频分布和压缩感知对抗雷达频谱弥散干扰的方法 |
CN109459732A (zh) * | 2018-12-21 | 2019-03-12 | 电子科技大学 | 一种宽带雷达干扰信号的识别分类方法 |
WO2020034394A1 (zh) * | 2018-08-13 | 2020-02-20 | 南京邮电大学 | 基于压缩感知的大规模mimo信道反馈重构算法 |
CN112272068A (zh) * | 2020-10-23 | 2021-01-26 | 中国人民解放军空军工程大学 | 一种基于多任务压缩感知的多样化干扰估计和抑制方法 |
CN113176541A (zh) * | 2021-03-24 | 2021-07-27 | 中国人民解放军空军预警学院 | 一种自适应抗频谱弥散干扰方法及系统 |
-
2021
- 2021-09-15 CN CN202111078881.5A patent/CN113835067B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100074358A1 (en) * | 2008-09-25 | 2010-03-25 | Nec Laboratories America, Inc. | Sparse Channel Estimation for MIMO OFDM Systems |
US20140025356A1 (en) * | 2012-07-23 | 2014-01-23 | University Of Southern California | Iterative estimation of system parameters using noise-like perturbations |
CN105891789A (zh) * | 2016-03-30 | 2016-08-24 | 西安电子科技大学 | 联合时频分布和压缩感知对抗雷达频谱弥散干扰的方法 |
WO2020034394A1 (zh) * | 2018-08-13 | 2020-02-20 | 南京邮电大学 | 基于压缩感知的大规模mimo信道反馈重构算法 |
CN109459732A (zh) * | 2018-12-21 | 2019-03-12 | 电子科技大学 | 一种宽带雷达干扰信号的识别分类方法 |
CN112272068A (zh) * | 2020-10-23 | 2021-01-26 | 中国人民解放军空军工程大学 | 一种基于多任务压缩感知的多样化干扰估计和抑制方法 |
CN113176541A (zh) * | 2021-03-24 | 2021-07-27 | 中国人民解放军空军预警学院 | 一种自适应抗频谱弥散干扰方法及系统 |
Non-Patent Citations (3)
Title |
---|
MOHSEN AZADBAKHT 等: "A Sparsity-Based Regularization Approach for Deconvolution of Full-Waveform Airborne Lidar Data", 《REMOTE SENSING》, pages 1 - 26 * |
张亮 等: "联合时频重排和双正交傅里叶变换对抗频谱弥散干扰", 《信号处理》, vol. 36, no. 04, pages 495 - 501 * |
赵杨 等: "分数阶傅里叶和压缩感知自适应抗频谱弥散干扰", 《电子与信息学报》, vol. 41, no. 05, pages 1047 - 1054 * |
Also Published As
Publication number | Publication date |
---|---|
CN113835067B (zh) | 2023-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Asif et al. | Fast and Accurate Algorithms for Re-Weighted $\ell _ {1} $-Norm Minimization | |
Sauer | Prony’s method in several variables | |
Ghasemi et al. | SRF: Matrix completion based on smoothed rank function | |
Gosea et al. | Algorithms for the rational approximation of matrix-valued functions | |
Dalalyan et al. | Statistical inference in compound functional models | |
Bien et al. | Prediction error bounds for linear regression with the TREX | |
CN111723550A (zh) | 语句改写方法、装置、电子设备以及计算机存储介质 | |
CN110429921B (zh) | 一种变步长lms自适应滤波方法及其存储介质 | |
Cheng et al. | An MDL algorithm for detecting more sources than sensors using outer-products of array output | |
Maritato et al. | Face recognition with L1-norm subspaces | |
Andersen et al. | Smoothing splines and rank structured matrices: Revisiting the spline kernel | |
Feng et al. | Robust spline-based variable selection in varying coefficient model | |
Deistler et al. | AR systems and AR processes: The singular case | |
CN109612900B (zh) | 一种储层岩石渗透率预测方法、装置及存储介质 | |
Wahlberg et al. | Kernels and multiple windows for estimation of the Wigner-Ville spectrum of Gaussian locally stationary processes | |
JPH06506059A (ja) | 合成開口レーダー | |
CN113835067A (zh) | 一种抗频谱弥散干扰方法及装置 | |
CN115396055B (zh) | 信道预测方法及装置 | |
CN111007565A (zh) | 三维频率域全声波成像方法及装置 | |
Fu et al. | Tikhonov regularized variable projection algorithms for separable nonlinear least squares problems | |
CN110618463A (zh) | 一种核磁共振数据反演方法、装置、存储介质及设备 | |
Li et al. | Solving phase retrieval via graph projection splitting | |
CN110211642B (zh) | 基于相场法的calphad自由能提取方法和装置 | |
Kawano et al. | A fundamental performance limit of cloud-based control in terms of differential privacy level | |
Haug | Bayesian estimation for target tracking, Part III: Monte Carlo filters |
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 |