CN115327483B - 一种基于盲提取的雷达主瓣干扰抑制方法 - Google Patents

Abstract

一种基于盲提取的雷达主瓣干扰抑制方法，涉及雷达干扰对抗技术领域。本发明是为了解决目前的雷达主瓣干扰抑制方法还存在由于提取目标分量准确率低、运算量大而导致的干扰抑制效果差的问题。本发明包括：步骤一、对雷达阵列在同一时段接收的m路多通道信号X进行预处理，获得预处理后的m路距离域信号Z：步骤二、设单路提取信号距离域为Y＝wZ，以Y的盲信干噪比为目标函数，采用粒子群优化算法更新迭代w直至目标函数收敛或满足结束条件，获得提取参数w；步骤三、利用步骤一获得的Z和步骤二获得的提取参数w获取提取信号距离域Y即目标回波信号。本发明主要用于对雷达主瓣干扰的抑制。

Description

一种基于盲提取的雷达主瓣干扰抑制方法

技术领域

本发明涉及雷达干扰对抗技术领域，特别涉及一种基于盲提取的雷达主瓣干扰抑制方法。

背景技术

雷达是现代战争中不可或缺的组成部分。随着电子对抗技术的快速发展，雷达所面临的环境也日益复杂。通常情况下，雷达所接收的信号中，除了目标信号以外，也包含敌方释放的电子干扰，这些干扰信号会使得雷达难以正确的跟踪或检测目标。按照干扰作用类型也可以分为主瓣干扰和旁瓣干扰。对于旁瓣干扰，高功率的干扰信号会通过旁瓣进入接收机从而掩盖掉从主瓣接收的小功率有用信号，可以采用副瓣隐匿、副瓣对消和副瓣置零等方法来抑制副瓣干扰。在实际情境中，雷达天线的波束是在一定范围空间内进行扫描的，当天线主瓣方向指向干扰源时就会产生主瓣干扰。对于主瓣干扰，传统的信号处理方法很难进行滤除，盲分离方法是目前应用较多的主瓣干扰抑制方法。

作为现代信号处理的重要分支，盲信号分离是指在没有源信号和信道参数先验信息的前提下，只依靠接收器接收到的混合信号分离出源信号，而盲信号提取是盲信号分离的另外一种特殊实现途径。在雷达主瓣干扰抑制中采用一般的盲分离方法例如FastICA和JADE等需要先进行信源数目估计，而后根据估计的个数同时分离出所有的源信号，然后对各个独立分量进行识别得到目标分量。在复杂电磁环境中，信源数目较大，信源数目估计会存在误差，将直接影响到干扰抑制效果，此外经盲分离后有用的数据往往只有目标分量，因此较大的信源数目将消耗巨大的运算资源和存储资源。而盲提取能够直接按照一定条件只提取出感兴趣的源信号分量，即在雷达干扰抑制中可以直接对多路回波信号进行处理，输出目标分量。盲提取需要的可解条件相比盲分离更弱，计算复杂度更小，能够充分结合雷达干扰抑制应用场景，其平均抑制效果优于盲分离。

现有的盲提取算法有基于如负熵等统计量的逐步提取算法，也有基于线性预测滤波器的提取算法等。但其核心为约束盲分离，即对分离矩阵的搜索空间加以约束从而使得算法收敛到分离出感兴趣的某种类型信号，盲提取的一种典型思路为引入参考信号，将与期望得到的信号分量有类似特征的信号作为参考输入到盲提取系统中，并在盲提取时将输出信号与参考信号进行相似性度量从而作为盲提取的约束条件。但是目前盲提取的目标函数与提取流程应用到主瓣干扰抑制中提取目标分量的准确率并不高且还存在运算量大的问题，从而导致抑制效果差。

发明内容

本发明目的是为了解决目前的雷达主瓣干扰抑制方法还存在由于提取目标分量准确率低、运算量大而导致的干扰抑制效果差的问题，而提出了一种基于盲提取的雷达主瓣干扰抑制方法。

一种基于盲提取的雷达主瓣干扰抑制方法具体过程为：

步骤一、对雷达阵列在同一时段接收的m路多通道信号X进行预处理，获得预处理后的m路距离域信号Z；

步骤二、设提取信号距离域为Y＝wZ，以Y的盲信干噪比为目标函数，采用粒子群优化算法更新迭代w直至目标函数收敛或满足结束条件，获得提取参数w；

步骤三、利用步骤一获得的Z和步骤二获得的提取参数w获取提取信号距离域Y即目标回波信号：Y＝wZ。

本发明的有益效果为：

本发明在进行雷达干扰抑制时不需要进行信源数目估计，从而直接消除了估计误差。此外本发明不需要多步识别就可以直接得到目标回波信号，提升了干扰一致的效果。再者对于复杂电磁环境中源信号数目较大，而又只对其中的目标信号感兴趣时，若采用现有技术进行计算需要消耗巨大的运算资源和存储资源，而本发明需要的可解条件相比之下更弱，能够利用约束单独提取出感兴趣的某个类型的信号，减小了计算复杂度，提升了干扰抑制效果。本发明提出的目标函数和提取流程更适用雷达主瓣干扰抑制，本发明将目标函数、提取流程与雷达信号处理紧密结合，在准确提取目标分量的同时减小了运算量，提升了干扰抑制的效果。

附图说明

图1为基于盲提取的雷达干扰抑制方法流程图；

图2为粒子群优化算法流程图；

图3为粒子群优化时全局最优值变化图；

图4为粒子群优化时某粒子适宜度变化图；

图5为场景一原始回波距离域数据；

图6为场景一采用盲提取干扰抑制后距离域数据；

图7为场景一采用JADE盲分离干扰抑制后距离域数据；

图8(a)-图8(d)为场景一某个粒子迭代中间值的抑制效果；

其中，图8(a)为第一次迭代中间值的抑制效果；图8(b)为第二次迭代中间值的抑制效果；图8(c)为第三次迭代中间值的抑制效果；图8(d)为第四次迭代中间值的抑制效果；

图9为场景二原始回波距离域数据；

图10为场景二采用盲提取干扰抑制后距离域数据；

图11为场景二采用JADE盲分离干扰抑制后距离域数据；

图12(a)-图12(f)为场景二某个粒子迭代中间值的抑制效果；

其中，图12(a)为第1次迭代中间值的抑制效果；图12(b)为第2次迭代中间值的抑制效果；图12(c)为第3次迭代中间值的抑制效果；图12(d)为第4次迭代中间值的抑制效果；图12(e)为第5次迭代中间值的抑制效果；图12(f)为第10次迭代中间值的抑制效果。

具体实施方式

具体实施方式一：如图1所示，本实施方式一种基于盲提取的雷达主瓣干扰抑制方法具体过程为：

步骤一、对雷达阵列在同一时段接收的m路多通道信号X进行预处理，获得预处理后的m路距离域信号Z：

所述预处理包括：匹配滤波、零均值和白化预处理；

步骤二、设单路提取信号距离域为Y＝wZ，以Y的盲信干噪比为目标函数，采用粒子群优化算法更新迭代w直至目标函数收敛或满足结束条件，获得提取参数w；

其中，w为m维矢量；

步骤三、利用步骤一获得的Z和步骤二获得的提取参数w获取提取信号距离域Y即目标回波信号。

具体实施方式二：所述步骤二中的设单路提取信号距离域为Y＝wZ，以Y的盲信干噪比为目标函数，采用粒子群优化算法更新迭代w直至目标函数收敛获满足结束条件，获得提取参数w，包括以下步骤：

步骤二一、设单路提取信号距离域为Y＝wZ，获得Y的盲信干噪比作为目标函数：

其中，y(n)表示距离域信号，y_o(n)表示将y(n)复包络最大点及其附近的预设范围去除后的距离域信号，w为m维矢量。

本步骤中，对于目标回波信号其距离域在目标位置处会出现尖峰，其信干噪比可以表示为目标点幅值与剩余点最大幅值之比；盲提取的目的在于提升信干噪比，因此可以考虑将与信干噪比有关的量作为目标函数进行优化。

而对于接收到的混合信号，无法预先知道目标位置，因此无法以严格的信干噪比作为目标函数进行优化。本发明定义盲信干噪比，即将距离域信号的最大值当做目标点，由此计算的信干噪比；

将提取信号的盲信干噪比作为目标函数，刚开始优化时所选取的最大值点并不是目标位置，但由于全局最优时最大值点为目标位置，因此随着提取参数w的迭代优化，目标位置逐渐被锁定为最大值点，即最终提取信号的盲信干噪比即为真正的信干噪比。

步骤二二、如图2所示，利用粒子群算法对w进行更新迭代，使得提取信号盲信干噪比尽可能最大，最终算法收敛或满足结束条件得到提取参数w：

步骤二二一、设置合适的种群数目以及最大迭代次数，初始化所有粒子的速度和位置，粒子的历史最优位置即为初始位置，并比较所有粒子的历史最优位置得到全局最优位置；由于w中的元素为复数，因此需要将其实部和虚部分开并重组为2×m维实数矢量x作为粒子的位置进行优化；

步骤二二二、对每个粒子i的第d维的速度和位置分别按照以下公式进行更新：

其中，

是更新后粒子i的第d维飞行速度，v_i ^d是粒子i的第d维飞行速度，d∈[1,n]，n是搜索空间维度，ω为惯性权重，c₁和c₂为加速度常数，

是粒子i的个体历史最优位置P_i的第d维，

是更新后粒子i第d维位置，

是粒子i第d维位置即由w经步骤二二一重组得到，

是粒子i的全局最优位置P_g的第d维，

是两个不同的随机数，c_1max、c_1min、c_2max和c_2min分别为c₁、c₂预设的最大与最小值，np_max为最大迭代次数，np为当前迭代次数，ω_max和ω_min分别为预设的惯性权重的最大值和最小值。

粒子群优化算法是一种模仿鸟类捕食的群智能优化算法。设优化问题的解是搜索空间中的一个粒子，每个粒子都有一个由目标函数决定的适应度值，还有一个速度参数表示其飞行方位和快慢。设n维搜索空间中，粒子i当前位置为X_i，飞行速度为V_i，个体历史最优位置为P_i，它们都是n维向量。另外还要考虑全局最优位置P_g，即所有元素的历史最优位置中适应度最小值的位置。

本步骤中，加速度常数c₁和c₂设为动态变化。速度迭代公式中含有c₁的项为粒子自我认知部分，含有c₂的项为社会经验部分。在整个优化的过程中刚开始社会经验很少，需要增加个体经验权值。而随着迭代的进行，社会经验在慢慢增多，群体智慧得到增强，需要增加社会经验权值。即可以设定为随着迭代次数增加，c₁递减而c₂递增。

此外较大的惯性权重有利于粒子跳出局部最优解，但不利于算法收敛。因此设置惯性了权重ω随着迭代次数在一定范围内递减；

步骤二二三、计算更新后各个粒子的适应度值：

粒子适应度值即为其位置x对应的提取参数w提取得到信号的盲信干噪比的倒数。

步骤二二四、更新历史最优位置P_i和全局最优位置P_g；

其中，P_i是n维的个体历史最优位置，P_g是n维的全局最优位置；

步骤二二五、判断更新后的目标函数是否满足收敛条件或结束条件，未满足转向步骤二二二，满足则输出全局最优位置并按照步骤二二三的逆过程转化为提取参数w；

所述结束条件为迭代次数达到预设的最大迭代次数np_max；

所述收敛条件为当连续k次迭代得到的全局最优适应度值变化范围小于j时判定算法收敛。

其中，k是判决因子，j是判决门限；

对于提取参数w的优化，粒子群算法有着较快的优化速度，每轮迭代的全局最优值随迭代次数变化图像如图3所示，某个粒子的适宜度随迭代次数变化图像如图4所示。

具体实施方式三：所述步骤三中的利用步骤一获得的Z和步骤二获得的提取参数量w提取目标回波信号距离域Y，包括以下步骤：

Y＝wZ

此时提取参数w的适宜度值即为信干噪比，其表示为：

式中，Y(n)表示距离域信号，Y_o(n)表示将最大点去除后的距离域信号。此时提取出目标回波最大值即为目标位置。

实施例：

采用以下实施例验证本发明的有益效果：

为了说明该发明对于雷达干扰抑制的有效性，进行了Matlab仿真实验。仿真实验中的关键参数如下：雷达发射信号形式为线性调频脉冲信号，脉冲重复周期为20μs，脉冲宽度为5μs，带宽为40MHz，采样率为100MHz。仿真了两种干扰场景，场景一为主瓣压制干扰场景，干扰源为2个不同源的噪声调频阻塞干扰和1个噪声调幅瞄准干扰，信噪比为10dB，信干比为-30dB。场景二为主瓣欺骗干扰场景，干扰源为2个不同源的密集假目标干扰和1个间歇采样转发干扰，信噪比为10dB，信干比为-10dB。天线阵列采用均匀直线阵，阵元数目设置为16个，间距为半波长，此时主瓣宽度约为7度。目标方位角设为0度，3个干扰源方位角分别设为-3度、-2度、1度，即都在主瓣干扰范围中。以阵元接收信号作为多通道回波进行盲提取。

对于场景一，图5为没有进行干扰抑制的原始距离域数据，图6为采用盲提取方法干扰抑制后距离域数据，抑制后信干噪比为13.57dB。图7为采用JADE盲分离方法进行干扰抑制后距离域数据，抑制后信干噪比为9.11dB。可以看到两种方法都能够有效对压制干扰进行抑制，但盲提取方法抑制后信干噪比相较于JADE盲分离提高了4.46dB。图8(a)-图8(d)为某个粒子迭代中间值的抑制效果，可以看出最开始找到的最值并不是目标位置，但随着迭代的进行目标位置迅速被锁定为最值位置。

对于场景二，图9为没有进行干扰抑制的原始距离域数据，图10为采用盲提取方法干扰抑制后距离域数据，抑制后信干噪比为15.58dB。图11为采用JADE盲分离方法进行干扰抑制后距离域数据，抑制后信干噪比为12.04dB。可以看到两种方法都能够有效对压制干扰进行抑制，但盲提取方法抑制后信干噪比相较于JADE盲分离提高了3.54dB。图12(a)-图12(f)为某个粒子迭代中间值的抑制效果，可以看出最开始找到的最值并不是目标位置，但随着迭代的进行目标位置迅速被锁定为最值位置。

可见本发明对于压制类干扰和欺骗类干扰等多种类型的主瓣干扰都有良好的抑制效果，相较于传统的JADE盲分离算法抑制信干噪比有较大的提升。

Claims (9)

1.一种基于盲提取的雷达主瓣干扰抑制方法，其特征在于所述方法具体过程为：

步骤一、对雷达阵列在同一时段接收的m路多通道信号X进行预处理，获得预处理后的m路距离域信号Z；

步骤二、设提取信号距离域为Y＝wZ，以Y的盲信干噪比为目标函数，采用粒子群优化算法更新迭代w直至目标函数收敛或满足结束条件，获得提取参数w，包括以下步骤：

步骤二一、设提取信号距离域为Y＝wZ，获取的盲信干噪比作为目标函数：

其中，y(n)表示距离域信号，y_o(n)表示将y(n)复包络最大点及其附近的预设范围去除后的距离域信号，w为m维矢量；

步骤二二、利用粒子群算法对w进行更新迭代，直至目标函数收敛或满足结束条件获得提取参数w；

步骤三、利用步骤一获得的Z和步骤二获得的提取参数w获取提取信号距离域Y即目标回波信号：Y＝wZ。

2.根据权利要求1所述的一种基于盲提取的雷达主瓣干扰抑制方法，其特征在于：所述步骤一中的对雷达阵列在同一时段接收的m路多通道信号X进行预处理包括：匹配滤波、零均值和白化预处理。

3.根据权利要求2所述的一种基于盲提取的雷达主瓣干扰抑制方法，其特征在于：所述步骤二二中的利用粒子群算法对w进行更新迭代，包括以下步骤：

步骤二二一、设置种群数目以及最大迭代次数，初始化所有粒子的速度和位置，并比较所有粒子的历史最优位置得到全局最优位置；

其中，由于w中的元素为复数，因此将w的实部和虚部分开并重组为2×m维实数矢量x作为粒子的位置；

步骤二二二、对每个粒子i的第d维的速度和位置分别按照以下公式进行更新：

其中，v_i ^d是粒子i的第d维飞行速度，d∈[1,n]，n是搜索空间维度，ω为惯性权重，c₁和c₂为加速度常数，

是粒子i的个体历史最优位置P_i的第d维，

是粒子i第d维位置，

是粒子i的全局最优位置P_g的第d维，

是两个不同的随机数，x_i即为w经重组得到的粒子位置；

步骤二二三、计算更新后每个粒子的适应度值；

步骤二二四、更新历史最优位置P_i和全局最优位置P_g；

其中，P_i是n维的个体历史最优位置，P_g是n维的全局最优位置；

步骤二二五、判断粒子位置更新后的目标函数是否满足收敛条件或结束条件，未满足转向步骤二二二，满足则输出全局最优位置并将全局最优位置按照步骤二二三的逆过程转化为提取参数w。

4.根据权利要求3所述的一种基于盲提取的雷达主瓣干扰抑制方法，其特征在于：

其中，c_1max、c_1min分别为c₁预设的最大与最小值，np_max为最大迭代次数，np为当前迭代次数。

5.根据权利要求4所述的一种基于盲提取的雷达主瓣干扰抑制方法，其特征在于：

其中，c_2max、c_2min分别为c₂预设的最大值和最小值。

6.根据权利要求5所述的一种基于盲提取的雷达主瓣干扰抑制方法，其特征在于：

其中，ω_max和ω_min分别为预设的惯性权重的最大值和最小值。

7.根据权利要求6所述的一种基于盲提取的雷达主瓣干扰抑制方法，其特征在于：所述步骤二二三中的粒子的适应度值为当前提取参数对应的盲信干噪比的倒数。

8.根据权利要求7所述的一种基于盲提取的雷达主瓣干扰抑制方法，其特征在于：所述步骤二二五中的收敛条件为：当连续k次迭代得到的全局最优适应度值变化范围小于j时即为收敛；

其中，k是判决因子，j是判决门限；

所述结束条件为：迭代次数达到预设的最大迭代次数np_max。

9.根据权利要求8所述的一种基于盲提取的雷达主瓣干扰抑制方法，其特征在于：所述步骤三中的利用步骤一获得的Z和步骤二获得的提取参数w获取提取信号距离域Y即目标回波信号，此时提取参数w的适宜度值即为信干噪比，如下式：

式中，Y(n)表示距离域信号，Y_o(n)表示将最大点去除后的距离域信号。

Images