基于差分特征的间歇采样转发干扰辨识与抑制方法

间歇采样转发式干扰机通过对其接收到的雷达发射信号进行采样、存储、处理和多次转发,在雷达接收端形成逼真的假目标干扰效果。为提升上述干扰场景下的雷达探测性能,该文提出了一种新的信号差分特征提取方法,在此基础上,利用目标回波和干扰信号在差分特征空间的差异设计判决准则,从而在有效辨识并抑制干扰的同时实现目标检测。仿真结果表明:该方法干扰抑制效果显著,相比于3种典型的时频域滤波算法等效信噪比改善4.2 dB以上。      

DRFM间歇采样转发式干扰辨识算法研究

基于数字射频存储器（DRFM: Digital Radio Frequency Memroy）的间歇采样转发式干扰与雷达发射信号相参,可以获得部分脉压增益,同时具有压制与欺骗两种干扰效果,对现代雷达极具威胁。干扰辨识是进行有效干扰抑制的前提。本文提出一种滑动截断匹配滤波（STMF: Sliding-Truncation Matched Filter）方法,通过对匹配滤波器的参考窗宽度和延时进行二维搜索,输出脉压后的二维幅度分布;然后,基于该幅度分布对干扰切片宽度和转发周期进行估计;并通过分析切片宽度与转发周期之间的关系,实现典型转发式干扰的辨识。仿真结果显示该方法在干噪比（INR: Interference to Noise Ratio）大于5dB时,正确辨识率不低于90%。      

基于分数阶相关的间歇采样转发干扰抑制算法

间歇采样转发干扰是一种典型的雷达有源干扰样式.为对抗自卫式间歇采样转发干扰,分析了干扰假目标生成机理,在此基础上,受时域相关、频域相关启发,设计提出基于分数阶相关的间歇采样转发干扰抑制算法.算法以一个相干处理间隔受干扰回波为处理对象,通过对不同重复周期回波进行不同阶次分数阶相关处理,改变假目标快时间位置分布,经相参积累达成干扰抑制目的.仿真结果表明,所提算法对间歇采样转发干扰具有一定抑制效能,经干扰抑制处理,真实目标有效检测临界干信比提升约25 dB,虚假目标抑制率大于50％.     

分布式雷达主瓣间歇采样转发干扰抑制方法

主瓣间歇采样转发干扰是一种相干干扰,且该干扰从天线主瓣注入雷达,会严重影响雷达的性能。本文首先建立一发多收分布式雷达系统;并建立目标、间歇采样转发干扰数学模型;随后提出一种通过干扰辨识来估计纯干扰协方差矩阵的最小方差无失真(MVDR)抗干扰方法。通过对雷达回波脉压后的一维距离像作时频分析,并根据目标、干扰信号的时频特性差异来辨识目标与干扰,在此基础上,估计纯干扰信息,作为MVDR波束形成器的训练样本,实现对主瓣间歇采样转发干扰的抑制。最后,通过仿真验证了该方法的有效性。      

多基地极化雷达主瓣干扰抑制算法

现代战场电子对抗日益复杂,电磁干扰形式多样,当干扰从接收机主瓣进入会形成主瓣干扰。主瓣干扰严重影响雷达正常工作,传统空域、极化域、时频域等抗干扰算法都很难有效对其抑制。为有效抑制主瓣干扰,文章利用目标极化散射特性在不同角度存在差异的特点,提出基于多基雷达的空-极化协同滤波主瓣干扰抑制方法。方法首先采用主瓣保形技术在空域抑制副瓣干扰并压低空间噪声,然后将多基地雷达接收的数据进行时域对齐,计算包含主瓣干扰和回波信号的数据协方差矩阵,通过分解协方差矩阵在空-极化信号空间识别干扰,估计回波信号导向矢量,最后将目标回波与主瓣干扰通过多基地极化滤波,滤除主瓣干扰保留目标回波信号。通过仿真算法抑制噪声干扰与转发干扰,验证了所提算法能够有效对抗主瓣干扰,有效提高输出信干噪比。      

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.     

基于短时分数阶傅里叶变换的间歇采样转发干扰辨识方法

基于数字射频存储的间歇采样转发干扰能够形成大量同时兼具压制和欺骗效果的假目标,难以被传统方法准确检测和识别。本文针对切片组合干扰和频谱弥散干扰这两种典型间歇采样转发干扰样式,提出一种基于短时分数阶傅里叶变换的干扰辨识方法。该方法首先通过角度遍历选取干扰信号的分数阶变换最优旋转角度;之后通过短时分数阶傅里叶变换,获得接收信号时频分布图像;再对时频图像进行二值化操作,提取干扰时频域特征参数,进而对干扰进行有效辨识。仿真结果证实了该方法的有效性与准确性。      

一种基于频域滤波的窄带干扰消除方法

抑制干扰是电子战和信息处理的关键技术,滤除窄带干扰则是抑制干扰的重要内容。通常雷达发射信号的带宽受到大量的广播电台、短波通信干扰的限制,很难找到较宽的且未被污染的干净频带,因此导致了接收机端很低的信干噪比,较为理想的方法是在一定的带宽要求下抑制干扰,为此我们提出了一种基于频域滤波的高自适应的窄带干扰抑制方法。计算机仿真结果表明:该方法可以有效地提高接收机的信干噪比,从而实现了大幅度改善雷达发现和检测目标的能力。     

联合时频分布和压缩感知对抗频谱弥散干扰

频谱弥散(SMSP)干扰是一种专门对抗线性调频脉冲雷达的有源欺骗干扰。针对SMSP干扰的抑制问题,该文根据该干扰的时频分布特性,提出一种联合时频分布和压缩感知的干扰抑制算法。该方法通过在时频域丢弃SMSP干扰信号,保留属于目标信号的时频点,并根据保留的时频点与雷达回波频谱间的线性关系,建立压缩感知最小问题求解模型并利用正交匹配追踪方法重构目标信号,实现对SMSP干扰的抑制。Monte Carlo仿真结果验证了该方法的有效性。     

基于深度神经网络的收发同时系统中自干扰数字对消算法

为了解决转发式干扰机收发同时系统中的自干扰难以对消问题,该文设计一种基于深度神经网络(DNN)的自干扰对消算法。在自干扰信号与目标信号强相关且混叠的情况下该算法可以有效地消除自干扰信号。在此基础上,该文利用分段侦收的信号快速生成干扰的方法,验证了该算法在收发同时系统中自干扰信号对消的可行性,实现了基于本脉冲的雷达干扰信号构建,对敌方雷达快速做出反应,在电子对抗中占据有利地位。该文利用典型的线性调频(LFM)和二进制相移键控(BPSK)雷达信号生成数据集训练深度神经网络,用测试集去测试网络输出的模型。实验结果表明:在收发同时系统中目标信号与自干扰信号混叠的情况下,基于DNN的自干扰对消算法可以有效消除自干扰信号,在信干比–8 dB的情况下,对消比可达到26 dB以上。     

基于集成时频通道注意力的倒残差神经网络干扰识别

准确识别干扰类型是实施高效抗干扰举措的先决条件。针对低干噪比（Jamming-to-Noise Ratio,JNR）的条件下干扰识别准确率低的问题,本文将信号短时傅里叶变换（Short Time Fourier Transform,STFT）后的时频图像作为卷积神经网络训练输入,提出一种以倒残差结构为主体的神经网络架构,并引入联合时频通道注意力机制模块,同时从时频图像提取时频域和通道域的综合干扰特征,充分利用多维度的干扰特征信息来准确识别干扰类型。仿真结果表明,在JNR=-8 dB时,本文所提算法能够实现对8种类型干扰100%的准确识别,在JNR=-10 dB时所有类型的干扰信号识别准确率都能达到98.3%以上,在JNR=-14 dB准确率也依然可以达到90%以上。同时分析了所提算法的网络复杂度,结果表明所提方案在时间和空间复杂度上得到了较好的折中,验证了模型的性能优越性。     

利用时频分析的间歇采样干扰对抗方法

为了提高线性调频脉压雷达在复杂电磁环境下的抗干扰能力,提出了基于时频分析的间歇采样干扰识别与抑制算法。针对间歇采样干扰信号在时域上的不连续性,将雷达接收信号通过扩展处理中的混频处理之后再进行时频分析,通过对时频分析结果的处理进而提取一种特征参量,对雷达接收信号中是否存在干扰进行鉴别;同时将扩展处理与时频分析相结合,根据时频分析求解合适的带通滤波器,用以对雷达接收信号扩展处理的结果进行滤波,从而消除干扰。理论推导和计算机仿真结果表明,这种方法能够在合理的信噪比下鉴别出雷达是否受到间歇采样干扰,并且能够进行有效的抑制。      

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6dB时,能够有效辨识几类密集转发式干扰。     

基于稀疏时频分布的跳频信号参数估计

基于常规时频分析方法的跳频信号参数估计中,采用核函数抑制时频分布交叉项会导致时频聚集性的下降,不利于信号参数提取。针对此问题,该文提出一种基于稀疏时频分布(STFD)的跳频信号处理方法。该方法首先根据Cohen类分布的原理和跳频信号模糊函数的特点,以模糊域矩形窗为核函数,构建了一种Cohen类的矩形核分布(RKD)。RKD可有效抑制交叉项,但其时频分辨率较低。为提高RKD的时频性能,在压缩感知框架下,利用跳频信号时频分布的稀疏特性,对RKD附加稀疏性约束,建立稀疏时频分布(STFD)的优化求解模型。STFD不仅能有效抑制交叉项,而且具有良好的时频聚集性。仿真分析表明,与传统时频分析方法相比,该文提出的基于STFD的跳频信号参数估计方法性能更优。     

Adaptive optimal kernel smooth-windowed Wigner-Ville bispectrum for digital communication signals

Higher-order time-frequency distribution (HO-TFD) outperforms the bilinear TFD in noisy conditions but suffers more severely from cross-terms when used to analyze multi-component signals. Various kernel functions have been introduced to suppress cross-terms in bilinear TFD but in general TFD with a fixed kernel do not give accurate TFR for all type of signals. In this paper, adaptive optimal TFR is obtained by extending the separable kernel design in bilinear TFD to the third-order TFD and is able to achieve accurate time-frequency representation at SNR as low as −2 dB. This globally adaptive optimal kernel smooth-windowed Wigner-Ville bispectrum (AOK-SWWVB) is designed where its separable kernel is determined automatically from the input signal, without prior knowledge of the signal parameters. It is shown that this system performance is comparable to the system when priori knowledge of the signal is known.     

A signal-dependent time-frequency representation: optimal kerneldesign

A new time-frequency distribution (TFD) that adapts to each signal and so offers a good performance for a large class of signals is introduced. The design of the signal-dependent TFD is formulated in Cohen's class as an optimization problem and results in a special linear program. Given a signal to be analyzed, the solution to the linear program yields the optimal kernel and, hence, the optimal time-frequency mapping for that signal. A fast algorithm has been developed for solving the linear program, allowing the computation of the signal-dependent TFD with a time complexity on the same order as a fixed-kernel distribution. Besides this computational efficiency, an attractive feature of the optimization-based approach is the ease with which the formulation can be customized to incorporate application-specific knowledge into the design process     

一种基于Radon变换的时频分析方法

针对CW脉冲和线性调频(LFM)信号,利用Radon变换沿直线积分的特性,将其与时频分布(TFD)结合在一起,抑制多频率分量信号各个分量之间的交叉项干扰,提高时频分布的时频二维分辨力。通过仿真数据验证算法具有良好的时频分辨能力以及抑制交叉项干扰能力。     

融合注意力机制的雷达欺骗干扰域适应识别方法

针对目前雷达欺骗干扰识别中常规特征识别方法应用受限和训练高性能深度学习模型需要的大量标注样本难以高效获取的问题,该文提出一种基于对抗域适应网络的雷达欺骗干扰识别方法,以改善标签限制;并融合注意力机制残差模块进一步提升识别精度。首先,对雷达接收信号进行时频变换后,应用基于对抗网络思想的域适应技术实现从标注源域样本到未标注目标域样本的迁移识别。其次,通过所设计的空间通道注意力残差模块使网络训练聚焦于时频图全局空间特征和高响应通道,以忽略时频图像中可迁移性低的区域抑制负迁移的产生。在不同源域与目标域雷达欺骗干扰数据集上的实验结果表明了该方法的可行性和有效性。     

对LFM信号的阶梯波调频干扰方法

介绍了一种基于阶梯波频率调制的假目标干扰方法,分析了分段移频调制对线性调频(LFM)信号的调制原理以及干扰信号的匹配滤波处理结果。基于LFM信号的时频耦合特性,理论分析表明,对LFM信号进行分段并附加不同的多普勒频率调制,可以产生多个假目标。通过仿真实验验证了所提方法的有效性和正确性,并验证了均匀调制、非均匀调制时的干扰效果。实验结果表明该方法可以灵活实现不同幅度、不同间隔的多假目标干扰效果,是一种行之有效的有源干扰方法。