基于多维特征的密集转发式干扰识别方法

针对密集转发式干扰与真实目标回波的高相干性,传统基于单维特征的干扰识别方法识别率低的问题,提出了基于多维特征的干扰识别方法。从分数阶傅里叶变换域提取调频参数,从自相关幅度谱和匹配滤波幅度谱分别提取矩峰度系数,从频域提取频谱半带宽方差比系数,组成特征向量,作为决策树和BP神经网络的输入,对几类密集转发式干扰进行分类识别。仿真结果表明,所提特征参数对噪声不敏感,具有较好的稳定性和分离性,在干信比大于6 dB时,能够有效辨识几类密集转发式干扰。

极化-空域联合抗机载雷达欺骗式主瓣干扰

机载雷达欺骗式主瓣干扰不仅会引起大量虚警,还会污染空时自适应处理(STAP)器的训练样本,引起自适应方向图畸变,导致期望信号相消和杂波抑制性能下降。针对此问题,利用目标信号与干扰信号极化特性的差异,该文提出一种极化-空域联合自适应波束形成的方法来抑制欺骗式主瓣干扰。该方法首先在多普勒清晰区挑选干扰样本,并采用特征融合技术估计干扰协方差矩阵,然后采用重叠滑窗的子阵合成方式进行极化-空域联合自适应波束形成,在抑制主瓣干扰的同时为后续杂波抑制保留了空域自由度,最后通过STAP抑制剩余的杂波。该算法可以有效滤除密集欺骗式干扰,减少由其引起的虚警,改善机载STAP雷达的杂波抑制性能。仿真结果验证了该方法的有效性。