CN116068502B - 一种多域联合抗复合干扰方法、装置和系统 - Google Patents

一种多域联合抗复合干扰方法、装置和系统 Download PDF

Info

Publication number
CN116068502B
CN116068502B CN202310360399.3A CN202310360399A CN116068502B CN 116068502 B CN116068502 B CN 116068502B CN 202310360399 A CN202310360399 A CN 202310360399A CN 116068502 B CN116068502 B CN 116068502B
Authority
CN
China
Prior art keywords
adaptive
channel data
self
subarray
polarization
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
CN202310360399.3A
Other languages
English (en)
Other versions
CN116068502A (zh
Inventor
李槟槟
陈辉
王永良
杜庆磊
刘维建
周必雷
张昭建
陈浩
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.)
Air Force Early Warning Academy
Original Assignee
Air Force Early Warning Academy
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 Air Force Early Warning Academy filed Critical Air Force Early Warning Academy
Priority to CN202310360399.3A priority Critical patent/CN116068502B/zh
Publication of CN116068502A publication Critical patent/CN116068502A/zh
Application granted granted Critical
Publication of CN116068502B publication Critical patent/CN116068502B/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
    • 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
    • G01S3/00—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received
    • G01S3/02—Direction-finders for determining the direction from which infrasonic, sonic, ultrasonic, or electromagnetic waves, or particle emission, not having a directional significance, are being received using radio waves
    • G01S3/14—Systems for determining direction or deviation from predetermined direction
    • 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
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

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

Abstract

本发明涉及信号处理技术领域，提供了一种多域联合抗复合干扰方法、装置和系统，其中所述方法包括：选取具有旋转不变关系的第一子阵和第二子阵，根据第一子阵与第二子阵之间的关系，计算极化参数；根据波束指向和所述极化参数，进行自适应抗复合干扰处理，计算自适应和差通道数据；分别进行脉冲压缩，得到压缩和差通道数据，根据压缩和差通道数据的数据峰值，得到目标距离；根据所述目标距离、以及压缩和差通道数据，计算目标DOA值。本发明无需多个周期累积，从而能够快速实现干扰抑制，且本实施例利用干扰与目标回波信号的极化域差异，更多的是在极化域抑制干扰，从而能够使目标在空域上的损失能够最小化。

Description

一种多域联合抗复合干扰方法、装置和系统
技术领域
本发明涉及信号处理技术领域，特别是涉及一种多域联合抗复合干扰方法、装置和系统。
背景技术
电子战发展至今，雷达方和干扰方的硬件和技术水平都已发展到一定程度，二者是永恒的矛盾双方。从样式上可大致将干扰分为欺骗干扰、压制干扰以及欺骗与压制干扰组成的复合干扰。
抑制欺骗干扰方面，国内外已经研究出了特定干扰的特定抑制方法的雷达体制或技术，如频率分集阵列多输入多输出(frequency diversity array multiple inputmultiple output，FDA-MIMO)、频率捷变等等。大部分抗欺骗干扰方法涉及到干扰样本采样的问题，因为只有获取纯净的干扰样本才能有效抑制干扰和最小程度地减弱目标能量损失。而事实上，现在的干扰机可在时域和频域（干扰机工作带宽大于雷达工作带宽）遮住真实目标回波信号，要想获取纯净的干扰样本几乎不可能。
抑制压制干扰方面，可采用空域自适应波束形成、跳频和相参积累处理等手段。当干扰为主瓣压制干扰时，空域自适应波束形成会严重损失目标能量，造成目标检测和参数估计困难。跳频可一定程度上对抗窄带压制干扰，但现在大多压制干扰相对雷达来说是宽带压制干扰，由于雷达的工作带宽有限，很难对抗宽带压制干扰。而采用相参积累手段时，若积累脉冲数少，目标信噪比不够大；若积累脉冲数多，目标信噪比虽可增大，但实际没那么多时间留给雷达做积累处理。
而在当前的环境下，已逐渐出现复合干扰态势，现有技术中针对复合干扰的抑制方法主要有跳频、脉内捷变频、大带宽工作和长时间相参积累等手段，但这些手段有各自不同的限制条件，且只是针对某一种样式的干扰，难以有效抑制复合干扰。因此，抑制复合干扰（尤其包含主瓣压制宽带干扰）是单装雷达面临的重大难题，探索有效的抑制复合干扰方法迫在眉睫。
鉴于此，克服该现有技术所存在的缺陷是本技术领域亟待解决的问题。
发明内容
在本发明要解决的技术问题是现有技术很难抑制多种样式干扰组成的复合干扰。
本发明采用如下技术方案：
第一方面，本发明提供了一种多域联合抗复合干扰方法，包括：
从阵列中选取相互之间具有旋转不变关系的第一子阵和第二子阵，根据第一子阵与第二子阵之间的关系，计算得到极化参数；
根据波束指向和所述极化参数，构造空极联合自适应权，根据所述空极联合自适应权，进行自适应抗复合干扰处理，计算得到自适应和通道数据以及自适应差通道数据；
对自适应和通道数据以及自适应差通道数据分别进行脉冲压缩，得到压缩和通道数据以及压缩差通道数据，根据压缩和通道数据的数据峰值，得到目标距离；
根据所述目标距离，采用和差测角方法计算目标DOA值。
优选的，所述从阵列中选取相互之间具有旋转不变关系的第一子阵和第二子阵，根据第一子阵与第二子阵之间的关系，计算得到极化参数，具体包括：
选取前M-1个极化阵元作为第一子阵
Figure SMS_1
，选取后M-1个极化阵元作为第二子阵/>
Figure SMS_2
；
根据所述第一子阵与第二子阵之间的旋转不变关系
Figure SMS_3
，推导得到对于整个阵列而言，具有第一关系/>
Figure SMS_4
；其中，/>
Figure SMS_5
，
Figure SMS_6
；
根据所述第一关系，计算得到DOA估计值的闭式解
Figure SMS_7
；
根据所述DOA估计值的闭式解，计算得到极化参数。
优选的，所述根据所述DOA估计值的闭式解，计算得到极化参数，具体包括：
根据所述DOA估计值的闭式解，计算得到第k个信源的极化因子
Figure SMS_8
；
根据所述极化因子，确定得到旋转不变方程
Figure SMS_9
；其中，
Figure SMS_10
，/>
Figure SMS_11
；
求解所述
Figure SMS_12
，并对/>
Figure SMS_13
进行特征值分解得到各极化旋转不变因子/>
Figure SMS_14
；其中，
Figure SMS_15
；
根据极化旋转不变因子，计算得到极化角
Figure SMS_16
以及极化相位差
Figure SMS_17
。
优选的，所述根据波束指向和所述极化参数，构造空极联合自适应权，具体包括：
所述空极联合自适应权为
Figure SMS_18
；
其中，
Figure SMS_19
为波束指向，/>
Figure SMS_20
为波束指向/>
Figure SMS_21
的空域导向矢量。
优选的，所述根据所述空极联合自适应权，进行自适应抗复合干扰处理，计算得到自适应和通道数据以及自适应差通道数据，具体包括：
使用空极联合自适应权与双极化阵列对干扰响应进行自适应抗复合干扰处理得到
Figure SMS_22
；
根据所述空极联合自适应权，计算得到自适应和通道数据为
Figure SMS_23
；
计算得到自适应差通道数据为
Figure SMS_24
。
优选的，所述对自适应和通道数据以及自适应差通道数据分别进行脉冲压缩，得到压缩和通道数据以及压缩差通道数据，具体包括：
使用线性调频信号
Figure SMS_25
的匹配滤波器/>
Figure SMS_26
对所述自适应和通道数据进行脉冲压缩，得到/>
Figure SMS_27
；
使用所述匹配滤波器对所述自适应差通道数据进行脉冲压缩，得到
Figure SMS_28
。
优选的，所述根据所述目标距离，计算得到目标DOA值，具体包括：
将目标距离所对应的索引值记为
Figure SMS_29
，计算得到目标商值/>
Figure SMS_30
；
将所述目标商值与预设和差曲线对比，从而计算得到目标DOA值。
优选的，在所述选取相互之间具有旋转不变关系的第一子阵和第二子阵之前，所述方法还包括：
建立信号模型，所述信号模型包括双极化阵子响应、线阵的空域导向矢量、线阵的空极联合导向矢量、阵列接收数据以及阵列的干扰与噪声数据；
其中，所述双极化阵子响应
Figure SMS_31
，所述阵列是由M个正交电偶极子组成的均匀线阵，阵元间距d为半波长，θ为信源相对于阵列的DOA值，γ为极化角，η为极化相位差；
所述线阵的空域导向矢量
Figure SMS_32
，其中，λ为信号波长；
所述线阵的空极联合导向矢量
Figure SMS_33
；
在单快拍情况下，所述阵列接收数据
Figure SMS_36
；其中，/>
Figure SMS_40
表示第/>
Figure SMS_43
个目标，/>
Figure SMS_37
表示目标总数，/>
Figure SMS_41
表示第/>
Figure SMS_45
个干扰，/>
Figure SMS_46
表示干扰总数，/>
Figure SMS_34
为目标回波信号，/>
Figure SMS_38
为干扰信号波形，/>
Figure SMS_42
是均值为零、方差为/>
Figure SMS_44
的/>
Figure SMS_35
加性高斯白噪声；所述阵列的干扰与噪声数据
Figure SMS_39
；
在多快拍情况下，所述阵列接收数据
Figure SMS_47
，所述阵列的干扰与噪声数据/>
Figure SMS_48
；其中L表示快拍数。
第二方面，本发明还提供了一种多域联合抗复合干扰装置，用于实现第一方面所述的多域联合抗复合干扰方法，所述装置包括：
至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述处理器执行，用于执行第一方面所述的多域联合抗复合干扰方法。
第三方面，本发明还提供了一种多域联合抗复合干扰系统，所述系统包括极化参数计算模块，自适应通道数据计算模块，距离判断模块和目标DOA值计算模块；
所述极化参数计算模块用于从阵列中选取相互之间具有旋转不变关系的第一子阵和第二子阵，根据第一子阵与第二子阵之间的关系，计算得到极化参数；
所述自适应通道数据计算模块用于根据波束指向和所述极化参数，构造空极联合自适应权，根据所述空极联合自适应权，进行自适应抗复合干扰处理，计算得到自适应和通道数据以及自适应差通道数据；
所述距离判断模块用于对自适应和通道数据以及自适应差通道数据分别进行脉冲压缩，得到压缩和通道数据以及压缩差通道数据，根据压缩和通道数据的数据峰值，判断得到目标距离；
所述目标DOA值计算模块用于根据所述目标距离，计算得到目标DOA值。
第四方面，本发明还提供了一种非易失性计算机存储介质，所述计算机存储介质存储有计算机可执行指令，该计算机可执行指令被一个或多个处理器执行，用于完成第一方面所述的多域联合抗复合干扰方法。
本发明无需干扰样本选择，根据干扰极化参数和主波束指向构造权矢量，对抑制主瓣干扰效果尤佳，且本实施例利用干扰与目标回波信号的极化域差异，更多的是在极化域抑制干扰，从而能够使目标在空域上的损失能够最小化。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍。显而易见地，下面所描述的附图仅仅是本发明的一些实施例，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是本发明实施例提供的一种多域联合抗复合干扰方法的流程示意图；
图2是本发明实施例提供的另一种多域联合抗复合干扰方法的流程示意图；
图3是本发明实施例提供的一种干扰DOA对干扰抑制效果的示意图；
图4是本发明实施例提供的另一种干扰DOA对干扰抑制效果的示意图；
图5是本发明实施例提供的一种应用场景下使用多域联合抗复合干扰方法进行干扰抑制后的脉压时域信号的示意图；
图6是本发明实施例提供的一种应用场景下仿真次数与DOA值的示意图；
图7是本发明实施例提供的一种多域联合抗复合干扰系统的架构示意图；
图8是本发明实施例提供的一种多域联合抗复合干扰装置的架构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
实施例1:
现有技术中针对复合干扰的抑制方法主要有跳频、脉内捷变频、大带宽工作和长时间相参积累等手段，但这些手段均均特定限制应用条件，难以有效抑制复合干扰，为了解决此问题，本发明实施例1提供了一种多域联合抗复合干扰方法，该方法通过极化域来区分干扰信号与真实信号，从而实现干扰信号的抑制，抗干扰的前提是干扰信号与真实目标回波信号在某一域存在差异。可以肯定的是，干扰方已经可以做到在空、时、频三域完全遮盖雷达信号，本实施例的多域联合抗复合干扰方法基于以下原理提出，具体包括：
（1）干扰方为确保能干扰到雷达，会发射圆极化或45°斜线极化干扰信号，若极化雷达发射水平或垂直的信号，即可在极化域滤除一部分干扰能量，从而使得目标能量在空域上损失较小。
（2）即使干扰方可感知雷达方的发射信号极化方式并可发射变极化干扰信号，但干扰方很难控制目标回波信号的极化方式，因为目标的极化散射特性非常复杂，干扰信号与雷达目标回波信号的极化方式几乎不可能完全一致，从而能够在极化域快速实现干扰抑制。另外，雷达方也可通过变极化来实现抗干扰。
为本发明实施例所提供的一种多域联合抗复合干扰方法如图1所示，具体包括：
在步骤201中，从阵列中选取相互之间具有旋转不变关系的第一子阵和第二子阵，根据第一子阵与第二子阵之间的关系，计算得到极化参数；即利用一个双极化阵子接收数据，根据双极化阵子的幅度和相位关系测出能量干扰的极化方式。
在步骤202中，根据波束指向和所述极化参数，构造空极联合自适应权。
在步骤203中，根据所述空极联合自适应权，进行自适应抗复合干扰处理，计算得到自适应和通道数据以及自适应差通道数据；具体的：基于空-极联合自适应权，构造和、差波束权矢量，然后将该两个权矢量阵列接收数据相乘做抗干扰处理得到自适应和、差两个通道数据。
在步骤204中，对自适应和通道数据以及自适应差通道数据分别进行脉冲压缩，得到压缩和通道数据以及压缩差通道数据，根据压缩和通道数据的数据峰值，得到目标距离；即对自适应和、差两个通道数据分别进行脉冲压缩，根据和通道脉压后的数据峰值可得到目标距离。
在步骤205中，根据所述目标距离，采用和差测角方法计算得到目标DOA值，具体的，根据目标距离，取脉压后自适应和、差两个通道数据对应距离门的数值，利用和差测角方法估计目标的DOA（Direction Of Arrival，波达方向）。
本实施例无需干扰样本选择，根据干扰极化参数和主波束指向构造权矢量，对抑制主瓣干扰效果尤佳，且无需时间累积，从而能够快速实现干扰抑制，且本实施例利用干扰与目标回波信号的极化域差异，更多的是在极化域抑制干扰，从而能够使目标在空域上的损失能够最小化。
在执行上述步骤201-步骤205前，先建立信号模型，假设阵列是由M个正交电偶极子组成的均匀线阵，阵元间距d为半波长。信源相对于阵列的DOA记为θ，极化辅助角记为γ，极化相位差记为η，单个双极化阵子响应表示为：
Figure SMS_49
；其中，/>
Figure SMS_50
，e表示自然常数，其值约为2.72。
该线阵的空域导向矢量表示为：
Figure SMS_62
；其中，上标/>
Figure SMS_52
表示转置运算，符号λ表示信号波长。则该线阵的空-极联合导向矢量可表示为：
Figure SMS_58
；其中，/>
Figure SMS_54
表示Kronecker积运算。假设/>
Figure SMS_55
个目标回波信号、/>
Figure SMS_59
个干扰入射到该线阵上，则匹配滤波后的阵列单快拍接收数据可表示为：
Figure SMS_63
；其中，/>
Figure SMS_61
表示第/>
Figure SMS_65
个目标，/>
Figure SMS_51
表示目标总数，/>
Figure SMS_57
表示第/>
Figure SMS_66
个干扰，/>
Figure SMS_69
表示干扰总数，/>
Figure SMS_67
代表目标回波信号、/>
Figure SMS_70
代表干扰信号波形，/>
Figure SMS_56
是均值为零且方差为/>
Figure SMS_60
时的/>
Figure SMS_64
加性高斯白噪声，目标回波信号
Figure SMS_68
为线性调频信号，其表达式为：/>
Figure SMS_53
；其中，B表示雷达工作带宽，T表示信号脉冲宽度。
阵列的干扰和噪声的单快拍数据可表示为：
Figure SMS_71
。
上述为单快拍情况下的数据表示，在多快拍情况下，阵列多快拍接收数据表示为：
Figure SMS_72
。
阵列的干扰和噪声的多快拍数据可表示为：
Figure SMS_73
；其中L表示快拍数。
在构建得到信号模型后，计算极化参数，在实际应用场景下，所述从阵列中选取相互之间具有旋转不变关系的第一子阵和第二子阵，根据第一子阵与第二子阵之间的关系，计算得到极化参数，如图2所示，具体包括：
在步骤301中，选取前M-1个极化阵元作为第一子阵，该选择矩阵（这里代指第一子阵）为
Figure SMS_74
；选取后M-1个极化阵元作为第二子阵，该选择矩阵（这里代指第二子阵）为/>
Figure SMS_75
，其中，/>
Figure SMS_76
表示维数M-1×M-1的单位矩阵，/>
Figure SMS_77
表示M-1×1维数的零矩阵。
阵列的前M-1个极化阵元和后M-1个极化阵元可构成两个旋转不变子阵，这种旋转不变关系可表示为：
Figure SMS_78
；其中，/>
Figure SMS_79
代表第k个信源的空-极联合导向矢量。
在步骤302中，根据所述第一子阵与第二子阵之间的旋转不变关系
Figure SMS_80
，推导得到对于整个阵列而言，具有第一关系/>
Figure SMS_81
；其中，/>
Figure SMS_82
，代表阵列流型矩阵，/>
Figure SMS_83
。
在步骤303中，根据所述第一关系，计算得到DOA估计值的闭式解
Figure SMS_86
；其中，/>
Figure SMS_88
表示求相角，[ ]kk表示取矩阵第k行第k列的元素。由于流型矩阵/>
Figure SMS_90
与信号子空间/>
Figure SMS_85
张成相同的子空间，则存在唯一非奇异矩阵T使得/>
Figure SMS_87
成立，故所述第一关系还可表述为：/>
Figure SMS_89
，其中，/>
Figure SMS_91
；对所述/>
Figure SMS_84
使用最小二乘法即可得到所述DOA估计值的闭式解。
在步骤304中，根据所述DOA估计值的闭式解，计算得到极化参数，所述极化参数包括极化角和极化相位差。
第k个信源的极化因子
Figure SMS_92
定义为单个双极化阵子响应的第2项与第1项的比值，即
Figure SMS_93
；根据所述DOA估计值的闭式解，并利用对应输出的信号子空间（即信号子空间的奇数行和偶数行），计算得到第k个信源的极化因子/>
Figure SMS_94
。
根据所述极化因子，确定得到旋转不变方程
Figure SMS_95
；其中，
Figure SMS_96
，/>
Figure SMS_97
为对角矩阵，/>
Figure SMS_98
表示选取水平方向放置电偶极子的选择矩阵，/>
Figure SMS_99
表示选取垂直方向放置电偶极子的选择矩阵。
用最小二乘法求解所述
Figure SMS_100
，并对进行特/>
Figure SMS_101
征值分解得到各极化旋转不变因子/>
Figure SMS_102
；其中，/>
Figure SMS_103
。
根据极化旋转不变因子，计算得到极化角（即极化辅助角）
Figure SMS_104
以及极化相位差/>
Figure SMS_105
。
值得指出的是，由于假设干扰的极化方式一样且干扰能量远强于目标回波能量，估计出来的是能量最强干扰的DOA和极化参数，估计的DOA记为
Figure SMS_106
，估计极化参数记为极化角/>
Figure SMS_107
和极化相位差/>
Figure SMS_108
。
所述根据波束指向和所述极化参数，构造空极联合自适应权，具体包括：
所述空极联合自适应权为
Figure SMS_109
；其中，/>
Figure SMS_110
为波束指向，/>
Figure SMS_111
为波束指向/>
Figure SMS_112
的空域导向矢量，/>
Figure SMS_113
表示极化自适应权。
所述根据所述空极联合自适应权，进行自适应抗复合干扰处理，计算得到自适应和通道数据以及自适应差通道数据，具体包括：
将空-极联合自适应权与双极化阵列对干扰响应进行自适应处理可得：
Figure SMS_114
其中，[ ]H表示共轭转置，下面简单证明下这样构造权的原理，当
Figure SMS_115
（即主瓣干扰的情况）、/>
Figure SMS_116
、/>
Figure SMS_117
（后两个约等式非常容易满足）时，上式的第二项结果等于0，即抑制掉了干扰。当干扰偏离波束指向越大时，即干扰为副瓣干扰，上式结果不会等于0，这意味着干扰抑制不彻底。假设/>
Figure SMS_118
，/>
Figure SMS_119
、/>
Figure SMS_120
，干扰DOA变化范围为
Figure SMS_121
，按上述公式可算得空-极联合抑制干扰后的结果如图3和图4所示，其中，图3为干扰DOA在-60°至60°之间的干扰抑制结果，图4为干扰DOA在-11°至11°之间的干扰抑制结果，从中可以看出，干扰DOA偏离波束指向越大，干扰抑制效果越差，但在干扰DOA在-11°至11°变化时，干扰抑制结果基本等于0，说明这种抑制多个同极化且主副瓣复合干扰方式的效果较好。
根据所述空极联合自适应权，计算得到自适应和通道数据（也称作自适应和波束）为
Figure SMS_122
；其中/>
Figure SMS_123
表示复数域，/>
Figure SMS_124
表示Kronecker积。
计算得到自适应差通道数据（也称作自适应差波束）为
Figure SMS_125
；其中，/>
Figure SMS_126
表示由该向量的元素组成对角矩阵。
所述对自适应和通道数据以及自适应差通道数据分别进行脉冲压缩，得到压缩和通道数据以及压缩差通道数据，具体包括：
使用线性调频信号的匹
Figure SMS_127
配滤波器/>
Figure SMS_128
对所述自适应和通道数据进行脉冲压缩，其中/>
Figure SMS_129
表示共轭，得到/>
Figure SMS_130
；使用所述匹配滤波器对所述自适应差通道数据进行脉冲压缩，得到/>
Figure SMS_131
；其中，/>
Figure SMS_132
表示卷积操作。根据脉压后的自适应和通道数据的峰值判断出目标距离。
所述根据所述目标距离，计算得到目标DOA值，具体包括：
将目标距离所对应的索引值记为
Figure SMS_133
，计算得到目标商值/>
Figure SMS_134
；将所述目标商值与预设和差曲线对比，从而计算得到目标DOA值，其中，所述预设和差曲线由本领域技术人员根据经验分析得到。
本实施例还在以下表格所示的应用场景下，对本方法的抗干扰结果进行验证：
Figure SMS_135
本发明在如上表所示的复合干扰的应用场景下，使用多域联合抗复合干扰方法进行处理，得到如图5所示的脉压时域信号，经过抗干扰处理后，得到真实目标的距离，并计算得到目标DOA，可以看出，计算得到的目标DOA估计值为-0.19971°左右，与目标真实角度-0.2几乎相等。
实施例2：
在实施例1所述的多域联合抗复合干扰方法的基础上，本发明还提供了一种多域联合抗复合干扰系统，如图7所示，所述系统包括极化参数计算模块，自适应通道数据计算模块，距离判断模块和目标DOA值计算模块；
所述极化参数计算模块用于从阵列中选取相互之间具有旋转不变关系的第一子阵和第二子阵，根据第一子阵与第二子阵之间的关系，计算得到极化参数。
所述自适应通道数据计算模块用于根据波束指向和所述极化参数，构造空极联合自适应权，根据所述空极联合自适应权，进行自适应抗复合干扰处理，计算得到自适应和通道数据以及自适应差通道数据。
所述距离判断模块用于对自适应和通道数据以及自适应差通道数据分别进行脉冲压缩，得到压缩和通道数据以及压缩差通道数据，根据压缩和通道数据的数据峰值，判断得到目标距离。
所述目标DOA值计算模块用于根据所述目标距离，采用和差测角方法计算得到目标DOA值。
实施例1中的方法在本实施例中均适用，在此不加以赘述。
实施例3：
如图8所示，是本发明实施例的一种多域联合抗复合干扰装置的架构示意图。本实施例的一种多域联合抗复合干扰装置包括一个或多个处理器21以及存储器22。其中，图8中以一个处理器21为例。
处理器21和存储器22可以通过总线或者其他方式连接，图8中以通过总线连接为例。
存储器22作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序和非易失性计算机可执行程序，如实施例1中的多域联合抗复合干扰方法。处理器21通过运行存储在存储器22中的非易失性软件程序和指令，从而执行多域联合抗复合干扰方法。
存储器22可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器22可选包括相对于处理器21远程设置的存储器，这些远程存储器可以通过网络连接至处理器21。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
所述程序指令/模块存储在所述存储器22中，当被所述一个或者多个处理器21执行时，执行上述实施例1中的多域联合抗复合干扰方法。
值得说明的是，上述装置和系统内的模块、单元之间的信息交互、执行过程等内容，由于与本发明的处理方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。
本领域普通技术人员可以理解实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器（ROM，Read Only Memory）、随机存取存储器（RAM，Random AccessMemory）、磁盘或光盘等。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种多域联合抗复合干扰方法，其特征在于，包括：
从阵列中选取相互之间具有旋转不变关系的第一子阵和第二子阵，根据第一子阵与第二子阵之间的关系，计算得到极化参数；
根据波束指向和所述极化参数，构造空极联合自适应权，根据所述空极联合自适应权，进行自适应抗复合干扰处理，计算得到自适应和通道数据以及自适应差通道数据；
对自适应和通道数据以及自适应差通道数据分别进行脉冲压缩，得到压缩和通道数据以及压缩差通道数据，根据压缩和通道数据的数据峰值，得到目标距离；
根据所述目标距离、压缩和通道数据以及压缩差通道数据，计算得到目标DOA值；
所述根据波束指向和所述极化参数，构造空极联合自适应权，具体包括：
所述空极联合自适应权为
Figure QLYQS_1
；
其中，
Figure QLYQS_2
为波束指向，/>
Figure QLYQS_3
为波束指向/>
Figure QLYQS_4
的空域导向矢量，/>
Figure QLYQS_5
为极化自适应权。
2.根据权利要求1所述的多域联合抗复合干扰方法，其特征在于，所述从阵列中选取相互之间具有旋转不变关系的第一子阵和第二子阵，根据第一子阵与第二子阵之间的关系，计算得到极化参数，具体包括：
选取前M-1个极化阵元作为第一子阵
Figure QLYQS_6
，选取后M-1个极化阵元作为第二子阵/>
Figure QLYQS_7
；
根据所述第一子阵与第二子阵之间的旋转不变关系
Figure QLYQS_8
，推导得到对于整个阵列而言，具有第一关系/>
Figure QLYQS_9
；其中，/>
Figure QLYQS_10
，
Figure QLYQS_11
，d为阵元间距；
根据所述第一关系，计算得到DOA估计值的闭式解
Figure QLYQS_12
；
根据所述DOA估计值的闭式解，计算得到极化参数。
3.根据权利要求2所述的多域联合抗复合干扰方法，其特征在于，所述根据所述DOA估计值的闭式解，计算得到极化参数，具体包括：
根据所述DOA估计值的闭式解，计算得到第k个信源的极化因子
Figure QLYQS_13
；
根据所述极化因子，确定得到旋转不变方程
Figure QLYQS_14
；其中，
Figure QLYQS_15
，/>
Figure QLYQS_16
；
求解所述
Figure QLYQS_17
，并对/>
Figure QLYQS_18
进行特征值分解得到各极化旋转不变因子/>
Figure QLYQS_19
；其中，
Figure QLYQS_20
；
根据极化旋转不变因子，计算得到极化角
Figure QLYQS_21
以及极化相位差
Figure QLYQS_22
。
4.根据权利要求1所述的多域联合抗复合干扰方法，其特征在于，所述根据所述空极联合自适应权，进行自适应抗复合干扰处理，计算得到自适应和通道数据以及自适应差通道数据，具体包括：
使用空极联合自适应权与双极化阵列对干扰响应进行自适应抗复合干扰处理得到
Figure QLYQS_23
；
根据所述空极联合自适应权，计算得到自适应和通道数据为
Figure QLYQS_24
；
计算得到自适应差通道数据为
Figure QLYQS_25
，其中，L表示快拍数。
5.根据权利要求4所述的多域联合抗复合干扰方法，其特征在于，所述对自适应和通道数据以及自适应差通道数据分别进行脉冲压缩，得到压缩和通道数据以及压缩差通道数据，具体包括：
使用线性调频信号
Figure QLYQS_26
的匹配滤波器/>
Figure QLYQS_27
对所述自适应和通道数据进行脉冲压缩，得到/>
Figure QLYQS_28
；
使用所述匹配滤波器对所述自适应差通道数据进行脉冲压缩，得到
Figure QLYQS_29
。
6.根据权利要求5所述的多域联合抗复合干扰方法，其特征在于，所述根据所述目标距离、压缩和通道数据以及压缩差通道数据，计算得到目标DOA值，具体包括：
将目标距离所对应的索引值记为
Figure QLYQS_30
，得到目标商值/>
Figure QLYQS_31
；
将所述目标商值与预设和差曲线对比，从而计算得到目标DOA值。
7.根据权利要求1所述的多域联合抗复合干扰方法，其特征在于，在所述选取相互之间具有旋转不变关系的第一子阵和第二子阵之前，所述方法还包括：
建立信号模型，所述信号模型包括双极化阵子响应、线阵的空域导向矢量、线阵的空极联合导向矢量、阵列接收数据以及阵列的干扰与噪声数据；
其中，所述双极化阵子响应
Figure QLYQS_32
，所述阵列是由M个正交电偶极子组成的均匀线阵，阵元间距d为半波长，θ为信源相对于阵列的DOA值，γ为极化角，η为极化相位差；
所述线阵的空域导向矢量
Figure QLYQS_33
，其中，λ为信号波长；
所述线阵的空极联合导向矢量
Figure QLYQS_34
；
在单快拍情况下，所述阵列接收数据
Figure QLYQS_35
；其中，/>
Figure QLYQS_36
为目标回波信号，/>
Figure QLYQS_37
为干扰信号波形，/>
Figure QLYQS_38
是均值为零、方差为/>
Figure QLYQS_39
的/>
Figure QLYQS_40
加性高斯白噪声；所述阵列的干扰与噪声数据/>
Figure QLYQS_41
；
在多快拍情况下，所述阵列接收数据
Figure QLYQS_42
，所述阵列的干扰与噪声数据/>
Figure QLYQS_43
；其中L表示快拍数。
8.一种多域联合抗复合干扰装置，其特征在于，所述装置包括：
至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述处理器执行，用于执行权利要求1-7任一所述的多域联合抗复合干扰方法。
9.一种多域联合抗复合干扰系统，其特征在于，所述系统包括极化参数计算模块、自适应通道数据计算模块、距离判断模块和目标DOA值计算模块；
所述极化参数计算模块用于从阵列中选取相互之间具有旋转不变关系的第一子阵和第二子阵，根据第一子阵与第二子阵之间的关系，计算得到极化参数；
所述自适应通道数据计算模块用于根据波束指向和所述极化参数，构造空极联合自适应权，根据所述空极联合自适应权，进行自适应抗复合干扰处理，计算得到自适应和通道数据以及自适应差通道数据；
所述距离判断模块用于对自适应和通道数据以及自适应差通道数据分别进行脉冲压缩，得到压缩和通道数据以及压缩差通道数据，根据压缩和通道数据的数据峰值，得到目标距离；
所述目标DOA值计算模块用于根据所述目标距离、压缩和通道数据以及压缩差通道数据，计算得到目标DOA值；
其中，所述自适应通道数据计算模块用于根据波束指向和所述极化参数，构造空极联合自适应权，具体包括：
所述空极联合自适应权为
Figure QLYQS_44
；
其中，
Figure QLYQS_45
为波束指向，/>
Figure QLYQS_46
为波束指向/>
Figure QLYQS_47
的空域导向矢量，/>
Figure QLYQS_48
为极化自适应权。
CN202310360399.3A 2023-04-06 2023-04-06 一种多域联合抗复合干扰方法、装置和系统 Active CN116068502B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310360399.3A CN116068502B (zh) 2023-04-06 2023-04-06 一种多域联合抗复合干扰方法、装置和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310360399.3A CN116068502B (zh) 2023-04-06 2023-04-06 一种多域联合抗复合干扰方法、装置和系统

Publications (2)

Publication Number Publication Date
CN116068502A CN116068502A (zh) 2023-05-05
CN116068502B true CN116068502B (zh) 2023-06-16

Family

ID=86171786

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310360399.3A Active CN116068502B (zh) 2023-04-06 2023-04-06 一种多域联合抗复合干扰方法、装置和系统

Country Status (1)

Country Link
CN (1) CN116068502B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117784026B (zh) * 2024-02-26 2024-05-03 中国人民解放军空军预警学院 一种空时频域联合主动抗复合干扰方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6868044B1 (en) * 2003-01-29 2005-03-15 Lockheed Martin Corporation Data adaptive interference suppression
WO2021139208A1 (zh) * 2020-01-08 2021-07-15 华南理工大学 一种基于特定频率组合信号的一维doa估计方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120007769A1 (en) * 2010-07-09 2012-01-12 Evgeny Markin Method of automatic target angle tracking by sum-and-difference monopulse radar and device therefore
CN103439699B (zh) * 2013-09-01 2015-05-27 西安电子科技大学 极化mimo雷达到达角和极化角的联合估计方法
CN106970374B (zh) * 2017-05-27 2019-05-07 中国人民解放军63892部队 干扰条件下单脉冲雷达目标和干扰源角度的测量方法
CN106970361B (zh) * 2017-05-27 2019-05-07 中国人民解放军63892部队 干扰条件下双极化单脉冲雷达目标角度的估计方法
DE102018126034A1 (de) * 2018-10-19 2020-04-23 Infineon Technologies Ag Fmcw radar mit störsignalunterdrückung
CN110716171A (zh) * 2019-08-28 2020-01-21 上海无线电设备研究所 一种基于遗传算法的极化doa联合估计方法
CN112462363B (zh) * 2020-10-15 2024-05-21 中国人民解放军空军预警学院 非均匀稀疏极化阵列相干目标参数估计方法
CN112505642A (zh) * 2020-10-15 2021-03-16 中国人民解放军空军预警学院 一种psfda-mimo雷达低复杂度参数估计方法
CN112881975B (zh) * 2021-01-08 2023-09-08 电子科技大学 基于子阵特征矩阵联合对角化的单脉冲和差波束测角方法
CN113203977A (zh) * 2021-03-02 2021-08-03 中国人民解放军空军预警学院 弹载主瓣干扰下基于极化自适应的波达方向估计方法
CN113030845A (zh) * 2021-03-02 2021-06-25 中国人民解放军空军预警学院 主瓣干扰下极化阵列子阵级空域-极化域联合自适应测角方法
CN115685093A (zh) * 2022-11-02 2023-02-03 浙江大学 基于级联稀疏多极化线阵的鲁棒自适应波束成形方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6868044B1 (en) * 2003-01-29 2005-03-15 Lockheed Martin Corporation Data adaptive interference suppression
WO2021139208A1 (zh) * 2020-01-08 2021-07-15 华南理工大学 一种基于特定频率组合信号的一维doa估计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
低快拍下基于稀疏重构的大电磁矢量传感器 阵列多维参数联合估计;李槟槟 等;系统工程与电子技术;第43卷(第4期);868-874 *
多基地极化雷达主瓣干扰抑制算法;宁立跃;杨小鹏;;信号处理(12);1571-1577 *

Also Published As

Publication number Publication date
CN116068502A (zh) 2023-05-05

Similar Documents

Publication Publication Date Title
CN110275166B (zh) 基于admm的快速稀疏孔径isar自聚焦与成像方法
Garren et al. Full-polarization matched-illumination for target detection and identification
CN103353595B (zh) 基于阵列内插压缩感知的米波雷达测高方法
CN105929371B (zh) 一种基于协方差矩阵估计的机载雷达杂波抑制方法
JP2011158471A (ja) 時空間適応処理システムにおいてターゲットを検出するための方法
Wang et al. Manoeuvring target detection in over-the-horizon radar using adaptive clutter rejection and adaptive chirplet transform
CN116068502B (zh) 一种多域联合抗复合干扰方法、装置和系统
CN103760529B (zh) 一种无源探测高效级联空时自适应处理方法
CN105403864B (zh) 基于改进斜投影的二维船载高频地波雷达海杂波抑制方法
CN108226879B (zh) 一种基于多通道的sar地形散射干扰抑制方法
CN109061619A (zh) 一种信号处理的方法、设备及计算机存储介质
CN116953683A (zh) 基于脉内波形认知优化设计的间歇采样转发干扰抑制方法
CN117784026B (zh) 一种空时频域联合主动抗复合干扰方法和装置
CN103728596A (zh) 双基地mimo雷达抑制分布式干扰的方法
CN102957472B (zh) 稀疏阵列天线系统接收通信信号的方法及装置
Li et al. Robust STAP for nonhomogeneous clutter suppression with a single snapshot
CN109188366A (zh) 基于子带最大信噪比准则的宽带发射自适应波束形成方法
CN113009464B (zh) 基于线性约束最小方差准则的稳健自适应脉冲压缩方法
CN106054142A (zh) 一种机载多输入多输出雷达主瓣灵巧干扰抑制方法及系统
CN113238194B (zh) 基于分数域-频域处理的宽带相控阵雷达抗诱骗干扰方法
CN111257891B (zh) 一种基于解卷积的mimo声纳距离旁瓣抑制方法
CN113608179A (zh) 一种雷达信号干扰抑制方法
CN107167809A (zh) 一种基于信号子空间聚焦的宽带阻塞阵波束形成方法
CN105242264A (zh) 一种平面阵列多目标角度高分辨实现方法
CN118311507B (zh) 一种编码循环辅助射频干扰时域的抑制方法、电子设备及存储介质

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