捷变频雷达联合脉内频率编码抗间歇采样干扰

间歇采样转发干扰通过对雷达信号进行部分采样并迅速转发, 在当前脉冲重复周期内, 产生相干假目标串, 使得基于传统频率捷变雷达的目标检测面临严峻挑战。因此, 在频率捷变技术基础上提出一种捷变频雷达联合脉内频率编码的抗间歇采样干扰方法。针对间歇采样干扰时域不连续的特点, 通过脉内频率编码-脉间频率捷变实现子脉冲间的相互掩护。脉冲压缩后, 首先利用最大类间方差法(Otsu)自适应计算阈值并抑制干扰, 然后通过二维稀疏重构方法实现目标检测。理论分析和仿真实验证明所提方法可以有效对抗间歇采样干扰。     

频率捷变雷达波形对抗技术现状与展望

频率捷变技术作为雷达领域的热门研究方向之一, 逐渐受到了国内外学者的重视并在电子对抗领域得到广泛应用。相比于传统固定载频雷达, 脉间捷变频雷达可以自主规避干扰覆盖频段, 难以被侦察机截获识别, 具有独特的主动波形对抗优势。该文系统地介绍了频率捷变雷达的特点, 全面梳理了国内外关于频率捷变新体制雷达的研究成果, 总结了脉间频率捷变雷达信号处理、雷达接收机系统实现的研究进展, 并分析了频率捷变雷达未来的几个发展趋势和所面临的问题。     

浮空式角反射体RCS统计特征及识别模型研究

针对浮空式角反射体新型无源干扰器材的末制导雷达目标识别问题,对其雷达截面积统计特征及识别模型进行研究。采用理论推导方式依次构建浮空式角反射体及其阵列雷达截面积模型,利用SolidWorks建模仿真软件和三维电磁场仿真软件,对两型舰艇目标进行三维建模和电磁仿真;考虑到雷达截面积随观测角度变化起伏性较强的特点,通过统计手段提取浮空式角反射体和舰船目标位置特征、散布特征和分布特征中的9个统计特征参数,作为后续目标识别特征;基于深度神经网络构建浮空式角反射体类目标识别模型。结果表明:多个浮空式角反射 体成阵列使用能够在一定程度上改变单个角反射体固有的雷达截面积方向性,同时优化神经网络模型可作为判别浮空式角反射体类假目标的有效手段,在划分训练集和测试集上分类准确度分别为97.4%和94.3%。     

基于PRI变换的雷达脉冲序列搜索方法

在面对复杂的雷达信号环境时,准确搜索到雷达脉冲可以为雷达调制特征识别、测向定位提供有效的数据基础，对此提出了一种基于脉冲重复周期(pulse repetition interval, PRI)变换法的脉冲序列搜索办法。利用PRI变化法在高脉冲丢失率情况下,求出最有可能的PRI,根据此PRI值,结合本文提出的序列搜索方法对脉冲流中的脉冲进行套取。通过双阈值搜索,减少由于脉冲密度过大导致阈值设定不当而搜索到错误脉冲的情况。最后通过数据仿真,能够有效分选出参差、抖动、捷变频等雷达信号。     

捷变频联合波形熵的密集假目标干扰抑制算法

密集假目标干扰具备欺骗性和压制性的双重特性, 严重影响雷达作战效能。对此, 提出一种捷变频联合波形熵的密集假目标干扰抑制算法。首先采用Kittler算法进行二值化处理；其次利用波形熵识别目标和干扰；然后采用局部离群因子检测算法对目标回波中叠加有较强干扰旁瓣的数据进行剔除; 最后采用稀疏重构算法进行脉间相参处理。数字仿真实验和外场实测数据处理结果验证了所提算法的有效性。算法性能分析结果表明, 当干信比为58 dB时, 所提算法仍能有效抑制干扰, 正确检测目标。     

频率捷变波形联合时频滤波器抗间歇采样转发干扰

干扰机在一个脉冲内精确复制、快速转发形成间歇采样转发干扰(interrupted-sampling repeater jamming, ISRJ),严重影响雷达工作性能。针对这一问题，从波形设计和滤波两个角度出发，提出一种频率捷变波形联合时频滤波器对抗间歇采样转发干扰的方法。首先，将常规线性调频(linear frequency modulation, LFM)信号划分为若干子段并随机重排，构建脉内频率捷变波形；然后，对回波信号进行时频分析得到时域投影分量，并利用大津(OTSU)算法计算最佳分割阈值，提取未被干扰的信号段；最后，通过卷积运算构建滤波器对脉压输出进行带通滤波，保留真实目标，实现干扰抑制。仿真结果表明，所提方法能够在干扰功率较大、信噪比低的情况下有效对抗间歇采样转发干扰，极大地提升了雷达抗干扰性能。     

机载线性调频-捷变频雷达地海杂波特性

为了模拟脉内线性调频、脉间频率捷变体制下某型号雷达的地海杂波,在利用距离多普勒网格法计算常规PD(pulse-Doppler)雷达地海杂波功率谱的基础上,从脉内子脉冲叠加的观点分析线性调频信号对常规雷达杂波功率谱和幅度分布特性的影响,进而分析频率捷变所引起的脉间相关性减弱和时间随机序列方差的减小。得出的结论有:线性调频-频率捷变体制雷达杂波的功率谱与对应常规雷达的形状基本吻合,而幅值的变化与脉压比有关;该体制雷达的杂波随机序列服从瑞利分布,雷达参数变化导致杂波随机序列的方差变化。最后给出某攻击状态下的仿真实例。     

基于SRNN+Attention+CNN的雷达辐射源信号识别方法

针对低信噪比条件下雷达辐射源信号特征提取困难、识别准确率低的问题, 提出一种基于切片循环神经网络(sliced recurrent neural networks, SRNN)、注意力机制和卷积神经网络(convolutional neural networks, CNN)的雷达辐射源信号识别方法, 并在CNN中引入批归一化层, 进一步提升网络的识别能力。模型以雷达辐射源信号幅度序列作为输入, 自动提取信号特征, 输出识别结果。实验结果表明, SRNN相比于门控循环单元(gated recurrent unit, GRU)训练速度大大提升, 注意力机制和批归一化层能有效提高识别准确率; 在采用8种常见雷达辐射源信号进行的实验中, 所提方法在低信噪比条件下仍有较高的识别准确率。     

基于捷变频联合数学形态学的干扰抑制算法

数字射频存储器(digital radio frequency memory, DRFM)通过截获雷达发射信号并对其进行调制和转发,在距离维上形成欺骗式干扰,严重影响了雷达对目标的检测与跟踪。针对这一问题,提出一种捷变频联合数学形态学的密集假目标干扰抑制算法。首先,采用最大类间方差法(Otsu)对脉冲压缩后的数据进行二值化处理。然后,通过数学形态学中的开运算抑制干扰和噪声。最后,通过二维稀疏重构获得距离-速度二维高分辨,实现对目标的检测。仿真实验与实际雷达和干扰机对抗实验表明,该方法可以获得良好的抗干扰性能和目标检测性能。     

基于LSTM和残差网络的雷达有源干扰识别

针对目前雷达干扰识别方法存在人工特征提取难、强噪声环境下识别率不高的问题，提出了一种基于长短时记忆(long short-term memory, LSTM)网络和残差网络相结合的雷达有源干扰识别方法。输入有源压制干扰原始时域序列数据，搭建深度学习网络模型对不同干噪比下的干扰信号进行分类识别。仿真结果表明：在干噪比为0 dB的情况下，该方法对4类雷达有源干扰信号的识别准确率均高于98.3%,与单纯的残差网络和卷积神经网络(convolutional neural networks, CNN)等其他深度学习算法相比，具有更佳的网络性能，验证了该算法的有效性。     

捷变频雷达目标信号的射频仿真

介绍了一种用于非相参捷变频体制导弹末制导雷达目标信号射频仿真的模拟器。该模拟器应用于导弹制导系统半实物仿真实验 ,采用测频引导方式产生目标源信号 ,利用天线阵列模拟目标的角位置。针对末制导雷达工作在捷变频状态时对目标阵列精位控制的影响 ,通过硬件查表措施对目标位置误差进行实时修正。配合实物末制导雷达进行仿真实验的结果表明 ,该模拟器在目标阵列视场角不大的条件下能很好地工作 ,并且具有很高的精度     

具有频谱可控特性的直扩系统规避窄带干扰技术

根据不同的m-W复合序列具有频谱跳变的特点,提出了一种在直扩通信中对窄带干扰进行规避的方法。该方法通过改变m序列、Walsh序列的周期和Walsh函数序列的序数可以使直扩信号具有频谱可控的特性,从而使窄带干扰所在频段的信号能量较少,降低干扰对信号的影响。仿真结果表明,对于单频和窄带干扰,在信噪比一定的情况下,采用规避方式的误码率可比常规直扩方式提高1至2个数量级。     

基于复合频率编码的低截获概率波形簇设计

针对宽带正交低截获概率(low probability of intercept，LPI)雷达波形簇设计, 利用频率编码捷变和调频斜率捷变的复合波形编码技术, 在波形正交约束的基础上构造了一种复合频率编码的非线性代价目标函数, 提出了基于频率编码捷变或调频斜率捷变的复合波形簇优化设计方法。利用模式搜索算法获得了具有良好自相关和互相关旁瓣特性的宽带正交LPI波形簇。仿真结果表明, 所设计的波形能够获得低自相关旁瓣和低互相关旁瓣, 可为LPI雷达发射波形与多输入多输出雷达波形的设计提供参考。     

频率捷变雷达的扩展目标检测

本文研究频率捷变雷达的扩展目标检测问题。当频率捷变雷达的合成带宽较大时, 雷达目标会变成扩展目标, 导致雷达无法直接应用传统的恒虚警检测算法。针对这一问题, 本文建立了频率捷变雷达的扩展目标检测模型, 推导了基于广义似然比的检验统计量, 并且通过数值仿真展示了相应的检测概率和虚警概率。为了提升雷达的抗干扰能力和频谱利用率, 本文考虑了雷达只使用一部分发射频点的场景。数值结果表明, 在高信噪比下, 频率捷变雷达使用的发射频点越多、合成带宽越大时, 扩展目标检测的性能越好。     

干扰频率捷变雷达

本文讨论了频率捷变雷达的电子反干扰优点,并研究了对各种频率捷变方式进行干扰的技术。     

有源假目标干扰的极化识别及其应用策略分析

研究了有源假目标等欺骗性电子干扰的极化识别及其应用方式等问题。首先分析了有源假目标干扰和雷达目标的极化特性,从理论上分析了有源假目标干扰识别的可行性,提出了能够有效鉴别真假目标的系列特征参量,并设计了有源假目标干扰的极化识别算法,结合实测数据,计算机仿真实验表明识别算法的可行性和有效性。最后,探讨了极化识别算法在相控阵雷达系统中的使用策略。     

瑞典9LV系列捷变频雷达

频率捷变雷达有许多优点,它不仅能大大提高雷达的抗干扰能力,还能增加雷达的探测距离,提高跟踪精度,抑制海浪、云雨、箔条杂波,消除二次环绕回波及邻近雷达干扰。频率捷变雷达从六十年代中期问世以来,一直受到各国的重视,十多年间出现了     

基于稀疏FrFT的窄带雷达目标架次识别方法

架次识别对于窄带雷达编队目标的探测与识别具有重要意义。本文基于最小熵准则提出了稀疏分数阶傅里叶变换(fractional Fourier transform, FrFT)最优变换阶次估计算法, 首先将雷达回波数据的FrFT结果的熵值建模为变换阶次的函数, 进而将变换阶次估计问题转化为稀疏优化问题, 利用稀疏重构算法获得最优变换阶次。最后，应用该算法分析窄带雷达多波门回波数据Doppler频率特性, 获取编队目标的架次信息。仿真和实测数据结果表明, 所提方法避免了暴力搜索能够快速获得FrFT最优变换阶次, 将该算法应用于窄带雷达回波信号处理能够准确识别编队目标架次信息。     

基于非标准Keystone变换的捷变频雷达相参积累算法

针对捷变频雷达(frequency-agile radar, FAR)相参积累难题，提出基于非标准Keystone变换(Keystone transform, KT)的FAR相参积累算法，与标准KT相比，所提算法增加了距离补偿环节，构造了不同的虚拟慢时间。同时，考虑到目标距离信息通常未知，利用距离补偿后信号的周期性，大幅缩小了距离搜索区间。仿真结果表明，所提算法无需目标距离先验信息，能够同时解决捷变频雷达相参积累以及高速运动目标容易出现的跨距离门、多普勒模糊问题，抗噪性能与当前主流的基于压缩感知的捷变频相参积累算法相当，但计算量更低。     

距离-速度同步拖引欺骗干扰的频谱特征分析

为了正确识别雷达欺骗干扰,针对基于数字射频存储器(DRFM)及直接数字频率合成器(DDS)产生距离-速度同步拖引干扰的现代欺骗干扰机,根据干扰机的工作机理,理论推导并对比了理想距离-速度同步拖引干扰信号及实际干扰信号的频谱特征。发现实际干扰信号的最大谱线相对理想干扰信号会产生微小频偏并在幅度上有一定衰减,这一频域细微特征可以为雷达识别该类干扰提供依据。仿真实验验证了理论分析的结果。