基于信号重构的频谱弥散干扰抑制方法

频谱弥散(smeared spectrum,SMSP)干扰是专门针对线性调频脉冲压缩雷达的密集多假目标干扰。依据SMSP干扰信号的周期性特征,提出了一种基于信号重构的SMSP干扰抑制方法。首先,采用奇异值比谱法估计SMSP干扰的子脉冲个数和调频斜率,采用相关运算法估计SMSP干扰的脉冲前沿位置、幅度以及相位参数,得到重构的SMSP干扰。其次,将其从接收信号中减去即可达到抑制干扰的目的。最后,仿真结果表明,即使在较低的干信比和干噪比条件下,干扰抑制比仍可以达到20dB以上,说明所提方法对SMSP干扰具有较好的干扰抑制效果。

快慢时间域联合处理抑制频谱弥散干扰

现有频谱弥散干扰(SMSP)抑制算法以一个长度为雷达发射信号的受干扰回波为处理对象,未涉及相参处理间隔内整体回波。针对此问题,该文以自卫式干扰条件下线性调频(LFM)相参体制雷达抗SMSP干扰为背景,提出快慢时间域联合处理抑制SMSP干扰算法。分析了SMSP干扰时频特征和对相参雷达的干扰特性,在此基础上,设计了慢时间微分熵估计干扰位置,相关系数最大准则估计干扰参数,双正交傅里叶变换快时间分段重构干扰信号和干扰对消的抑制流程。仿真结果表明,所提算法模型与雷达处理流程切合度高,对比分析进一步验证算法效能。

基于多阶次二维分数阶傅里叶变换的频谱弥散干扰抑制算法

现有频谱弥散(SMSP)干扰抑制算法均针对一个脉冲重复周期回波信号,涉及相干处理间隔(CPI)整体回波时,需要分别对每个重复周期内的SMSP进行抑制。针对该问题,以远距离支援干扰条件下线性调频脉冲多普勒雷达抗SMSP为背景,以雷达在真实目标方位接收到的一个CPI回波为处理对象,提出基于多阶次二维分数阶傅里叶变换的SMSP抑制算法。分析回波信号多阶次分数阶特征,结合采样型离散分数阶傅里叶变换快速算法,研究真实目标和干扰机发生分数阶域走动的临界运动参数,设计二维遮盖窗。仿真结果表明,所提算法无需分别对每个重复周期内的SMSP进行抑制,通过对一个CPI回波整体处理,可同时达成干扰抑制和目标检测的目的。

线性正则域抑制频谱弥散干扰方法

频谱弥散干扰(SMSP)是一种对抗线性调频脉冲压缩雷达的新型干扰样式。自卫式干扰条件下,目标回波与干扰信号时频域重叠,传统抗干扰手段难以有效抑制。针对该问题,分析了目标回波和干扰信号线性正则域(LCT域)特征,依据特征差异提出了两种LCT域干扰抑制方法,分别为窄带滤波法和稀疏重构法,其中窄带滤波方法通过LCT域遮盖处理,滤除干扰分量,而稀疏重构方法首先利用Pei型DLCT核矩阵构造正交字典,然后基于压缩感知理论重构真实回波。仿真表明,所提两种方法均具有一定的干扰抑制效能,恢复信号与真实回波高度相似,且幅度高于真实回波,使干扰信号成为标的。

联合时频重排和双正交傅里叶变换对抗频谱弥散干扰

频谱弥散(SMSP)干扰由多个LFM子信号时域拼接而成,利用信号处理工具重构干扰信号,需要进行多次滤波。针对该问题,分析了SMSP干扰时频特征,在此基础上,提出联合时频重排和双正交傅里叶变换SMSP干扰抑制算法。首先,对回波时频重排矩阵进行Radon变换,估计干扰子信号个数。其次,根据估计的子信号个数设计参考信号,将回波中的SMSP干扰调制成一个LFM信号。然后,对调制后回波进行BFT峰值滤波处理,解调重构干扰信号。最后,将回波减去重构信号实现干扰抑制。仿真结果表明,所提算法无需估计全部干扰参数,仅需一次峰值滤波解调处理即可准确重构干扰信号,对消后回波中的SMSP干扰得到有效抑制。

基于干扰重构和分数阶滤波的频谱弥散干扰抑制

频谱弥散(Smeared Spectrum,SMSP)干扰是一种针对脉冲压缩雷达的密集假目标干扰,兼具压制和欺骗干扰效果。为了有效抑制SMSP干扰,根据SMSP干扰参数与雷达发射信号参数的关系,提出了基于干扰重构对消和分数阶滤波的干扰抑制方法。首先利用分数阶傅里叶变换对SMSP干扰调频率进行精估计得到SMSP干扰子脉冲个数和脉宽,然后构造特殊匹配滤波器估计SMSP干扰的时延,接着采用匹配傅里叶变换估计SMSP干扰的幅度和初始相位,最后在参数估计的基础上重构SMSP干扰并对消。仿真结果表明,干扰重构对消达到29 dB以上信干比增益,在此基础上分数阶滤波能进一步提高信干噪比增益。

频谱弥散和切片组合欺骗式干扰的识别算法

针对频谱弥散(SMSP)和切片组合(C&I)两种有源欺骗干扰检测识别算法计算量大,需要过采样等问题,提出了频谱弥散和切片组合欺骗式干扰的识别算法。该算法首先建立干扰的时、频域模型,在此基础上分析其时、频域特征,并进一步提取基于时域的盒维数与基于频域的指数熵作为干扰的本质特征参数,通过基于二叉树结构的支持向量机分类器(SVM)对干扰信号进行分类识别。仿真结果表明,在一定的信噪比要求下,该算法能够准确识别出干扰类型,为雷达抗干扰措施的选取提供先验知识,提高雷达在复杂电磁环境下工作的可靠性。

基于人工智能的多模态雷达自适应抗干扰优化算法

多模态雷达系统容易受到外界环境干扰,如天气条件、电磁干扰等,而这些干扰可能会影响多模态雷达数据的准确性和稳定性。多模态雷达的抗干扰性能决定雷达的测量精度,因此,为提升多模态雷达的抗干扰能力,提出基于人工智能的多模态雷达自适应抗干扰优化算法。该算法以多模态雷达信号模型为基础,分析距离速度同步欺骗干扰、频谱弥散干扰原理,计算欺骗干扰时雷达接收的总回波信号。将计算的回波信号结果输入至人工智能的YOLOv5s深度学习模型中,通过模型的训练和映射处理,完成多模态雷达自适应抗干扰优化,实现雷达欺骗性信号干扰抑制。测试结果显示,该算法的干扰对消比结果在0.935以上,干扰输出功率结果在0.017以下,能够可靠完成多干扰和单一干扰两种干扰抑制,实现多模态雷达自适应抗干扰优化。

基于孪生波形设计的频谱弥散干扰抑制方法

频谱弥散(SMSP)干扰是针对线性调频(LFM)脉冲压缩雷达的一种有效干扰手段。基于干扰信号的时频特征,提出了一种基于孪生波形设计的频谱弥散干扰抑制方法。首先,利用初始脉冲发射LFM信号,对受干扰回波进行Gabor变换得到时频分析结果,并估计干扰子脉冲数;其次,基于干扰子脉冲数设计第2个脉冲发射的孪生波形;然后,设计调制信号对干扰后的孪生波形进行时频搬移后重组;最后,通过匹配滤波处理实现干扰抑制。仿真实验表明:所提方法能主动调整设计发射波形相关参数,并有效利用干扰信号的能量,解决在干信比较大时干扰抑制较为困难的问题,避免复杂的信号分离算法。在干信比为25 dB时,经干扰抑制后的信干噪比增益可以达到60 dB以上。

基于盲源分离的雷达信号欺骗干扰抑制

针对脉冲压缩信号的频谱弥散(SMSP)干扰,通过分析其时频特性,提出了一种基于盲分离的抑制算法。首先,推导了基于独立分量分析的代价函数,由于代价函数中信号概率密度函数不能精确估计,利用信号高阶互累积量的性质,重新构造了一种新的代价函数;其次,利用基于自然梯度的方法对新代价函数进行优化,从而得到基于峭度的盲分离算法;最后,通过仿真证明,对比Fast ICA算法,文中算法具有更快的收敛速度和更好的分离性能,在保证分离精度的前提下,可成功将目标回波信号分离,达到SMSP干扰抑制的目的。

基于盲源分离的时域极化域联合抗SMSP干扰

频谱弥散(SMSP)干扰是一种针对线性调频(LFM)信号雷达的有源干扰,它在时域和频域上与LFM信号高度相似,当干扰信号从主瓣进入时,雷达更难以探测目标。采用混合极化天线接收系统,并结合干扰信号在相邻脉冲重复周期之间的差异,利用时域通道和极化域通道联合得到的时域极化域联合通道来获得混合信号,应用盲源分离算法分离出目标信号和干扰信号,最后通过脉冲压缩来获取目标信号,从而达到抗干扰的目的。仿真结果表明,这种方法能够很好地从混合信号中提取目标信号。

基于干扰重构和峭度最大化的SMSP干扰抑制方法

频谱弥散(SMSP)干扰是一种针对线性调频(LFM)信号的相参压制干扰。根据SMSP干扰子脉冲的周期特性,提出了一种基于干扰重构和峭度最大化的干扰抑制方法。首先,利用自相关方法估计干扰子脉冲的周期,并根据干扰的产生原理确定子脉冲调频斜率,即可重构相位未知的干扰子脉冲;其次,对重构的干扰子脉冲分别设定不同的相位,并与接收信号做共轭相乘,根据相乘的结果确定干扰信号的初相位;最后,利用峭度最大化原理,确定干扰抑制因子,实现干扰抑制。仿真结果表明,本文方法能够有效实现干扰抑制,经过干扰抑制后的信干比可达20 d B以上,并且在存在噪声和相位误差的情况下,仍能够保持较高的信干噪比增益。

基于FDA-MIMO雷达的主瓣SMSP干扰空时域联合抑制方法

主瓣干扰由于与真实目标位于同一个雷达波束宽度,不仅会严重降低雷达对真实目标的检测与跟踪性能,更难以在波束层面上受到抑制。来自主瓣的频谱弥散(smeared spectrum,SMSP)干扰可以在时频域对目标信号进行遮盖,更可在空域上形成多个具有欺骗效果的假目标。针对此问题,提出一种基于频控阵-多输入多输出雷达的空时域联合抑制方法,利用盲源分离算法将目标与干扰分离在不同通道,在获得目标距离信息后进行距离角度联合波束形成,以提高输入信干噪比。该方法可以在不具有目标的距离先验信息条件下有效抑制主瓣SMSP干扰,因此具有很好的适用性,仿真实验验证了所提方法的有效性。

基于干扰重构和盲源分离的混合极化抗SMSP干扰

线性调频(LFM)信号是现代雷达常用的发射信号,可以有效提高雷达距离分辨率和探测距离,然而频谱弥散(SMSP)干扰应用于主瓣自卫式干扰时,干扰信号与目标在时域、频域和空域高度重合,是一种能够有效对抗LFM信号的干扰样式。利用干扰信号与目标回波信号极化信息的差异,引入了混合极化雷达系统信号接收模型,提出了基于干扰重构和盲源分离的抗SMSP干扰算法,实现了对干扰的抑制。仿真结果表明:所提算法不仅降低了计算量而且在干信比(JSR)为25 dB的情况下,能够有效实现干扰抑制。

基于Cycle-GAN的有源欺骗干扰方法

针对基于数字射频存储器有源欺骗干扰性能不足的问题,提出一种基于循环一致性生成对抗网络的干扰信号生成算法。该算法使用干净回波信号序列(即未添加干扰的原始回波信号)作为网络生成器的输入,将添加干扰的回波信号作为判决器的判决标准,对生成器生成的干扰信号进行判决,通过生成-判决的对抗过程不断优化模型,达到纳什均衡后得到最终干扰信号。实验结果表明,采用循环一致性生成对抗网络模型生成的干扰信号相比切片干扰、弥散频谱干扰具有更优性能,在实际场景中有广泛的应用前景。

基于最大熵法和遗传算法的SMSP干扰对抗方法

线性调频(LFM)信号是现代雷达常用的发射信号,可以有效提高雷达的检测性能,然而频谱弥散(SMSP)干扰应用于主瓣自卫式干扰时,干扰信号强度远大于目标回波信号,能够对目标回波信号形成遮盖,是一种有效对抗LFM信号的干扰样式。利用干扰信号与目标回波信号时频特征的不同,通过广义S变换(GST)凸显时频特征差异。运用最大熵法和遗传算法(GA)求取时频滤波器的分割阈值。通过构造的时频滤波器达到干扰抑制的目的。仿真结果表明:当干信比(JSR)大于10 dB、信噪比(SNR)大于0 dB时,所提方法具有较好的干扰抑制效果,其中最大信干噪比(SJNR)增益接近25 dB。