CN117849719A - 一种强杂波环境下的间歇采样转发干扰检测方法 - Google Patents
一种强杂波环境下的间歇采样转发干扰检测方法 Download PDFInfo
- Publication number
- CN117849719A CN117849719A CN202410096624.1A CN202410096624A CN117849719A CN 117849719 A CN117849719 A CN 117849719A CN 202410096624 A CN202410096624 A CN 202410096624A CN 117849719 A CN117849719 A CN 117849719A
- Authority
- CN
- China
- Prior art keywords
- interference
- sub
- filter
- follows
- clutter
- 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.)
- Pending
Links
- 238000005070 sampling Methods 0.000 title claims abstract description 35
- 238000001514 detection method Methods 0.000 title claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 37
- 238000001228 spectrum Methods 0.000 claims abstract description 36
- 238000001914 filtration Methods 0.000 claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 239000002245 particle Substances 0.000 claims abstract description 14
- 230000001133 acceleration Effects 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000001427 coherent effect Effects 0.000 claims description 4
- 230000002401 inhibitory effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 2
- 238000009825 accumulation Methods 0.000 claims description 2
- 230000006978 adaptation Effects 0.000 claims description 2
- 230000003595 spectral effect Effects 0.000 claims description 2
- 238000002592 echocardiography Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000001629 suppression Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种强杂波环境下的间歇采样转发干扰检测方法,包括以下步骤:S1、建立多目标函数优化模型,使用粒子群加速对频谱模板和加权系数进行优化,得到最优失配滤波器;S2、在时域上对雷达接收回波进行目标/杂波失配滤波处理;S3、进行子脉冲滑窗空时自适应处理;S4、进行慢时间FFT得到处理结果的距离‑多普勒平面;S5、设定门限值,基于距离‑多普勒平面进行二元检测。本发明能够提升雷达接收回波的干信比和干杂比,最终实现对间歇采样转发干扰进行检测的目的;本发明可适应实际杂波环境下的间歇采样转发干扰检测问题,检测成功率高。
Description
技术领域
本发明属于雷达技术领域,特别涉及一种强杂波环境下的间歇采样转发干扰检测方法。
背景技术
随着人工智能、数字化技术的不断发展,有源干扰样式变得更加复杂且逼近,可以极大的降低雷达的探测性能。为了采取最优抗干扰措施来降低干扰给我方雷达带来的影响,同时提高雷达资源的利用率,其先决条件就是要准确的检测到干扰的存在。因此,作为干扰抑制的前置步骤,检测干扰的成功与否往往决定了干扰抑制手段能否有效。
从现有工作看,针对间歇采样转发式干扰的检测与识别手段研究较少。空军预警学院在文献《基于频谱相像系数的间歇采样转发干扰识别》中定义了信号的频谱相像系数,并对间歇采样干扰进行了特征分析,最后利用支持向量机实现了间歇采样干扰的检测与识别。船舶七二三所在文献《基于时频域分析的雷达有源干扰识别方法及实现》中对间歇采样转发式干扰使用类决策树的方式进行识别,其使用多个相邻重频的PDW对干扰类别进行筛选以区分压制干扰与欺骗类干扰,然后利用时频域包络起伏度和脉内频谱相像系数等统计学特征完成了对间歇采样转发干扰的识别。国防科技大学在文献《基于深度学习模型的SAR图像间歇采样转发干扰检测》中基于合成孔径雷达(SAR)的电子对抗场景,使用区域卷积神经网络实现了对间歇采样转发干扰的检测。
然而,上述针对于间歇采样转发干扰检测与识别的研究基本没有考虑到杂波背景,始终没有解决在杂波背景下的干扰检测问题。而实际中的雷达,尤其是机载或者舰载雷达,其回波中不可避免同时混有空时耦合的非均匀强杂波。其能量会淹没低零功率精准式干扰与目标回波,严重抬高回波能量基底,从而影响干扰的检测性能。因此亟需研究弱干扰能量、强杂波环境下机载雷达干扰检测技术。
发明内容
本发明的目的在于克服现有技术的不足,提供一种强杂波环境下的间歇采样转发干扰检测方法,能够提升雷达回波的干信比(JSR)和干杂比(JCR),在强杂波环境下实现对间歇采样转发干扰的检测。
本发明的目的是通过以下技术方案来实现的:一种强杂波环境下的间歇采样转发干扰检测方法,包括以下步骤:
S1、基于雷达发射信号与滤波器的正交关系,通过最小化互相关旁瓣电平和频谱模板匹配误差建立多目标函数优化模型,在假设已知频谱模板与加权系数的条件下求得滤波器的闭式解;利用上述已求解的优化模型,使用粒子群加速对频谱模板和加权系数进行优化,从而得到适于该优化问题的最优频谱模板和加权系数,进而得到最优失配滤波器;
S2、基于最优失配滤波器,在时域上对雷达接收回波进行目标/杂波失配滤波处理,抑制目标回波和部分杂波;
S3、进行子脉冲滑窗空时自适应处理,滤除余下的杂波;
S4、进行慢时间FFT得到处理结果的距离-多普勒平面;
S5、设定门限值,基于距离-多普勒平面进行二元检测。
本发明的有益效果是:本发明提供了一种强杂波环境下的间歇采样转发干扰检测方法,针对雷达在强杂波环境下进行目标检测时,间歇采样转发干扰可能存在以遮盖并欺骗真实目标的问题,利用粒子群加速优化方法和目标正交失配思想设计目标/杂波失配滤波器,抑制目标回波和部分杂波,再利用子脉冲滑窗空时自适应处理(STAP)对前述处理结果进行杂波抑制,从而提升雷达接收回波的干信比(JSR)和干杂比(JCR),最终实现对间歇采样转发干扰进行检测的目的;本发明可适应实际杂波环境下的间歇采样转发干扰检测问题,检测成功率高。
附图说明
图1为本发明实施例的流程图;
图2为本发明实施例中所提方法的处理结果图;
图3为MTD处理结果图。
具体实施方式
本发明主要利用科学计算软件Matlab R2022a进行仿真实验以验证其正确性。下面结合附图进一步说明本发明的技术方案。
如图1所示,本发明的一种强杂波环境下的间歇采样转发干扰检测方法,包括以下步骤:
S1、基于雷达发射信号与滤波器的正交关系,通过最小化互相关旁瓣电平和频谱模板匹配误差建立多目标函数优化模型,在假设已知频谱模板与加权系数的条件下求得滤波器的闭式解;利用上述已求解的优化模型,使用粒子群加速(PSO)对频谱模板和加权系数进行优化,从而得到适于该优化问题的最优频谱模板和加权系数,进而得到最优失配滤波器;
步骤S1具体方法为:已知雷达发射信号并假设其为线性调频信号,其表达式为其中,sn代表第n个采样点的线性调频信号的基带信号,n=1,2,…,N;N代表发射信号的快时间采样点数,(·)T表示转置操作,/>代表N维复向量空间;
设计一等长滤波器其中wn,n=1,…,N为待优化未知量;利用发射信号与滤波器的时域互相关建立信号序列s与滤波器的最小化互相关旁瓣电平(ISL),表示为:
其中,Jk为偏移矩阵,(·)H表示共轭转置操作;
对滤波器w做N点DFT,得到其频谱记为y=FHw,其中F为傅里叶变换矩阵;定义一频谱序列模板表示为/>通过将滤波器的频谱逼近预先设定的频谱模板/>得到最小化频谱模板匹配误差如下:
考虑对滤波器的能量进行约束,得到约束条件wHw=N;从而,完整的优化问题表达如下:
其中,ξ∈(0,1)为加权系数,|| ||2表示二范数;利用拉格朗日乘子法求得其闭式解如下:
其中,λ为拉格朗日乘数,可通过矩阵变换的方式求得;
将频谱模板和加权系数ξ联合设为粒子群搜索的解,频谱模板长度与加权系数维度的加权和即为粒子群空间的搜索维度;设定初值解、迭代次数与粒子数量,以原目标函数的目标为适应值,针对频谱模板和加权系数进行粒子群优化,从而得到适应原优化问题的最优频谱模板与加权系数,进而通过闭式解得到最优目标/杂波失配滤波器w。
本实施例中,采用的系统参数为:雷达载频为10GHz,发射信号带宽为3MHz,采样频率为10MHz,脉冲重复间隔为150μs,信号时宽为15μs,一个CPI内的积累脉冲数为64个,干扰与雷达的距离为30000m,干扰机的多普勒频率为12667Hz,干信比JSR为0dB,PSO最大迭代次数为100次,粒子数量为50个,个体学习率与全局学习率均为2。
S2、基于最优失配滤波器,在时域上对雷达接收回波进行目标/杂波失配滤波处理,抑制目标回波和部分杂波;具体实现方法为:使用步骤S1中设计好的目标/杂波失配滤波器,在时域上对雷达接收回波进行滤波处理,其表达式如下
y=ifft(fft(w)*fft(x))
其中,fft和ifft分别代表快速傅里叶变换和快速逆傅里叶变换处理,x和y分别代表雷达接收回波和失配滤波后的结果。
S3、进行子脉冲滑窗空时自适应处理,滤除余下的杂波;具体实现方法为:将失配滤波后的结果y按照脉冲数排列为慢时间脉冲数乘以快时间采样点数的数据矩阵,然后在慢时间维度上将数据矩阵划分为多个子脉冲矩阵;假设雷达阵元数为M,一个脉冲的快时间采样点数为N,一个相干处理间隔(CPI)中含有L个脉冲,一个子处理间隔中含有Ksub个脉冲,则数据矩阵y被划分为L-Ksub+1个子处理间隔;将每个子处理间隔的数据堆叠为数据矩阵利用该组数据估计出对应的协方差矩阵Rsub,i,然后对每一组子处理间隔的数据进行空时自适应处理,其表达式如下:
其中,空时自适应处理的权向量表达式如下:
其中,v代表干扰的空时导向矢量,代表对Rsub,i求逆;
从而,一组干处理间隔的数据经过完整的目标/杂波失配滤波和子脉冲滑窗空时自适应滤波处理后,得到如下形式的数据:
其中,zi=[zi(1),...,zi(N)]。
S4、进行慢时间FFT得到处理结果的距离-多普勒(R-D)平面;具体实现方法为:对滤波处理结果Z进行慢时间FFT相参积累,表达式如下:
其中j=1,...,N,此时数据矩阵就变为U(j,m)=uj(m),其列向量含有干扰信号的多普勒信息,行向量含有干扰的距离信息。R-D平面如图2所示,其中,(a)为R-D域俯视图,(b)为多普勒维度侧视图。
S5、门限检测:设定门限值,基于距离-多普勒平面进行二元检测;具体实现方法为:对于经上述步骤处理后的回波数据U,找出该组数据中的峰值位置,当回波数据中的峰值大于预设门限值则表示能够检测到干扰,否则无法检测到干扰。
为了说明本方法的有效性,图3示出了对雷达接收回波进行匹配滤波时的回波R-D平面图,即MTD处理结果,其中(a)为R-D域俯视图,(b)为多普勒维度侧视图。可以看到,使用匹配滤波处理后,无论在距离维度还是多普勒维度上,杂波都将干扰完全淹没,甚至目标回波能量也要高于干扰,此时难以对干扰进行检测。而图2中经过目标/杂波失配滤波和子脉冲STAP处理后的回波R-D平面中,干扰则被显著凸显出来。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (6)
1.一种强杂波环境下的间歇采样转发干扰检测方法,其特征在于,包括以下步骤:
S1、基于雷达发射信号与滤波器的正交关系,通过最小化互相关旁瓣电平和频谱模板匹配误差建立多目标函数优化模型,在假设已知频谱模板与加权系数的条件下求得滤波器的闭式解;利用已求解的优化模型,使用粒子群加速对频谱模板和加权系数进行优化,从而得到适于该优化问题的最优频谱模板和加权系数,进而得到最优失配滤波器;
S2、基于最优失配滤波器,在时域上对雷达接收回波进行目标/杂波失配滤波处理,抑制目标回波和部分杂波;
S3、进行子脉冲滑窗空时自适应处理,滤除余下的杂波;
S4、进行慢时间FFT得到处理结果的距离-多普勒平面;
S5、设定门限值,基于距离-多普勒平面进行二元检测。
2.如权利要求1的一种强杂波环境下的间歇采样转发干扰检测方法,其特征在于,所述步骤S1具体方法为:已知雷达发射信号并假设其为线性调频信号,其表达式为其中,sn代表第n个采样点的线性调频信号的基带信号,n=1,2,…,N;N代表发射信号的快时间采样点数,(·)T表示转置操作,/>代表N维复向量空间;
设计一等长滤波器其中wn,n=1,...N为待优化未知量;利用发射信号与滤波器的时域互相关建立信号序列s与滤波器的最小化互相关旁瓣电平,表示为:
其中,Jk为偏移矩阵,(·)H表示共轭转置操作;
对滤波器w做N点DFT,得到其频谱记为y=FHw,其中F为傅里叶变换矩阵;定义一频谱序列模板表示为/>通过将滤波器的频谱逼近预先设定的频谱模板/>得到最小化频谱模板匹配误差如下:
考虑对滤波器的能量进行约束,得到约束条件wHw=N;从而,完整的优化问题表达如下:
其中,ξ∈(0,1)为加权系数,|| ||2表示二范数;利用拉格朗日乘子法求得其闭式解如下:
其中,λ为拉格朗日乘数;
将频谱模板和加权系数ξ联合设为粒子群搜索的解,频谱模板长度与加权系数维度的加权和即为粒子群空间的搜索维度;设定初值解、迭代次数与粒子数量,以原目标函数的目标为适应值,针对频谱模板和加权系数进行粒子群优化,从而得到适应原优化问题的最优频谱模板与加权系数,进而通过闭式解得到最优目标/杂波失配滤波器w。
3.如权利要求2的一种强杂波环境下的间歇采样转发干扰检测方法,其特征在于,所述步骤S2具体实现方法为:使用步骤S1中设计好的目标/杂波失配滤波器,在时域上对雷达接收回波进行滤波处理,其表达式如下
y=ifft(fft(w)*fft(x))
其中,fft和ifft分别代表快速傅里叶变换和快速逆傅里叶变换处理,x和y分别代表雷达接收回波和失配滤波后的结果。
4.如权利要求3的一种强杂波环境下的间歇采样转发干扰检测方法,其特征在于,所述步骤S3具体实现方法为:将失配滤波后的结果y按照脉冲数排列为慢时间脉冲数乘以快时间采样点数的数据矩阵,然后在慢时间维度上将数据矩阵划分为多个子脉冲矩阵;假设雷达阵元数为M,一个脉冲的快时间采样点数为N,一个相干处理间隔中含有L个脉冲,一个子处理间隔中含有Ksub个脉冲,则数据矩阵y被划分为L-Ksub+1个子处理间隔;将每个子处理间隔的数据堆叠为数据矩阵利用该组数据估计出对应的协方差矩阵Rsub,i;然后对每一组子处理间隔的数据进行空时自适应处理,其表达式如下:
其中,空时自适应处理的权向量表达式如下:
其中,v代表干扰的空时导向矢量,代表对Rsub,i求逆;
从而,一组干处理间隔的数据经过完整的目标/杂波失配滤波和子脉冲滑窗空时自适应滤波处理后,得到如下形式的数据:
其中,zi=[zi(1),...,zi(N)]。
5.如权利要求4的一种强杂波环境下的间歇采样转发干扰检测方法,其特征在于,所述步骤S4具体实现方法为:对滤波处理结果Z进行慢时间FFT相参积累,表达式如下:
其中j=1,...,N,此时数据矩阵就变为U(j,m)=uj(m),其列向量含有干扰信号的多普勒信息,行向量含有干扰的距离信息。
6.如权利要求5的一种强杂波环境下的间歇采样转发干扰检测方法,其特征在于,所述步骤S5具体实现方法为:对于经上述步骤处理后的回波数据U,找出该组数据中的峰值位置,当回波数据中的峰值大于预设门限值则表示能够检测到干扰,否则无法检测到干扰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410096624.1A CN117849719A (zh) | 2024-01-23 | 2024-01-23 | 一种强杂波环境下的间歇采样转发干扰检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410096624.1A CN117849719A (zh) | 2024-01-23 | 2024-01-23 | 一种强杂波环境下的间歇采样转发干扰检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117849719A true CN117849719A (zh) | 2024-04-09 |
Family
ID=90547458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410096624.1A Pending CN117849719A (zh) | 2024-01-23 | 2024-01-23 | 一种强杂波环境下的间歇采样转发干扰检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117849719A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118132898A (zh) * | 2024-05-07 | 2024-06-04 | 中国人民解放军空军预警学院 | 主动抗切片转发式干扰波形失配滤波器优化方法和装置 |
-
2024
- 2024-01-23 CN CN202410096624.1A patent/CN117849719A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118132898A (zh) * | 2024-05-07 | 2024-06-04 | 中国人民解放军空军预警学院 | 主动抗切片转发式干扰波形失配滤波器优化方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Geng et al. | Deep-learning for radar: A survey | |
CN109444820B (zh) | 杂波和干扰共存时多通道雷达先干扰抑制后目标检测方法 | |
CN117849719A (zh) | 一种强杂波环境下的间歇采样转发干扰检测方法 | |
Chen et al. | Interrupted-sampling repeater jamming suppression based on stacked bidirectional gated recurrent unit network and infinite training | |
CN104360325B (zh) | 机载前视阵雷达的空时自适应处理方法 | |
CN104977571B (zh) | 基于俯仰频率分集stap的距离模糊杂波抑制方法 | |
CN111521976B (zh) | 一种空时自适应干扰处理方法、装置及存储介质 | |
Addabbo et al. | Adaptive detection of coherent radar targets in the presence of noise jamming | |
CN112612006B (zh) | 基于深度学习的机载雷达非均匀杂波抑制方法 | |
CN112612005B (zh) | 基于深度学习的雷达抗主瓣干扰方法 | |
CN112346030B (zh) | 无人机群的超分辨波达方向估计方法 | |
CN113962151B (zh) | 基于深度卷积迁移学习的距离假目标智能识别方法 | |
CN106483516A (zh) | 基于先验知识的雷达杂波空时自适应处理方法 | |
CN112859014A (zh) | 基于雷达信号分选的雷达干扰抑制方法、装置及介质 | |
CN108931766A (zh) | 一种基于稀疏重构的非均匀stap干扰目标滤除方法 | |
CN113504509B (zh) | 一种波束域补偿的匀加速机载雷达杂波抑制方法 | |
CN105911527B (zh) | 基于efa与mwf的机载雷达空时自适应处理方法 | |
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 | |
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 | |
CN106950546B (zh) | 基于马氏距离重加权的非均匀杂波抑制方法 | |
CN113376607B (zh) | 机载分布式雷达小样本空时自适应处理方法 | |
CN108896963B (zh) | 机载雷达空时自适应降维处理方法 | |
CN110515044A (zh) | 低慢小雷达空频域四维杂波抑制方法 | |
CN110046326B (zh) | 一种时频doa估计方法 | |
Wen et al. | Cognitive anti-deception-jamming for airborne array radar via phase-only pattern notching with nested ADMM |
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 |