脉冲多普勒雷达多假目标干扰抑制算法

针对数字射频存储器(DRFM:Digital Radio Frequency Memory)产生的多假目标切片干扰问题,本文结合脉冲多普勒雷达工作体制,利用干扰信号和目标信号时域差异,提出了一种两步干扰抑制算法。首先,通过粒子滤波进行一步干扰抑制,该步利用各粒子权值的异常变化检测出干扰信号并进行抑制;其次,利用奇异谱负熵对一步滤波结果进行检测,对存在的小干扰信号进行二次干扰抑制,使干扰信号不再与匹配滤波器匹配,从而达到抑制干扰的目的。最后,仿真结果表明,本文算法具有较高的目标检测概率,达到较好的干扰抑制效果。      

基于动态权重的知识积累与灵巧干扰识别方法

针对低干噪比条件下灵巧干扰识别准确率不高与干扰特征难以积累导致的网络需要重新训练问题，本文将信号的平滑伪Wigner?Ville分布的时频二维图像作为输入，提出了一种基于动态权重的知识积累（Dynamic Weighted Knowledge Accumulation method based on Convolutional Neural Network, DWKA?CNN）灵巧干扰识别方法，利用通道特征注意力机制，提升了低干噪比下模型的干扰识别能力，通过均值最近邻分层屏蔽网络权重，实现了在单一网络中的知识积累，与当前典型基于深度学习的灵巧干扰识别方法相比，无需每次重新训练即可学习多项干扰识别任务。并且仿真实验表明，与现有典型算法相比，该算法模型在7种雷达灵巧干扰分类数据集上的平均识别准确率显著提升，在低干噪比条件下分类性能优秀。