模拟退火算法在雷达干扰资源优化分配中的应用

为了使有限的雷达干扰资源发挥最佳的干扰效果,以干扰机压制概率公式计算为基础,建立雷达干扰资源分配目标函数.先应用模拟退火算法优先分配威胁等级较大的雷达,将干扰压制概率较大的干扰资源进行优化分配,然后在此基础上,再对剩余的干扰资源进行二次模拟退火优化分配,以实现从可行的解空间中找出满足目标函数和约束条件的雷达干扰资源分配的全局最优方案解.仿真结果表明,该方法不仅有效、可行,而且能同时适用于"一对一"和"多对一"情况分配,对于设计和开发雷达干扰智能决策支持系统有一定的意义.     

快慢时间域联合处理抑制C&I干扰

频谱弥散(smeared spectrum, SMSP)干扰和切片组合(chopping and interleaving, C&I)干扰是两种用于对抗线性调频(linear frequency modulation, LFM)脉冲压缩雷达的干扰样式。相比SMSP干扰, C&I干扰与雷达发射信号相似度更高,干扰抑制更为困难。针对该问题,以远距离支援干扰下LFM相参雷达对抗C&I干扰为背景,提出快慢时间域联合处理C&I干扰抑制算法。分析了C&I干扰时频特征和对相参雷达的干扰特性,在此基础上,通过快慢时间域处理估计干扰位置、幅度、多普勒频率、采样周期、采样脉宽等参数,重构干扰信号,通过对消实现干扰抑制。仿真试验验证了所提算法的可行性和有效性。     

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。     

基于BSS的FDA-MIMO雷达主瓣欺骗式干扰抑制方法

主瓣欺骗式干扰与目标位于同一个波束宽度内,严重影响了雷达对真实目标的检测与参数估计。针对此问题,基于频率分集阵列-多输入多输出(frequency diversity array multiple input multiple output, FDA-MIMO)雷达,提出了一种抑制主瓣欺骗式干扰的方法。所提方法的主要突破点在于,当干扰和目标的角度完全相同时,利用FDA-MIMO雷达天线方向图的距离-角度二维依赖性,进一步通过基于最大信噪比(maximum signal to noise ratio, MSNR)的盲源分离(blind source separation, BSS)算法将干扰和目标分离在不同的通道,以达到抑制干扰的目的。该方法无需目标的距离、角度先验信息。仿真实验验证了所提算法的有效性,当干噪比(jamming to noise ratio, JNR)为80 dB时,目标的正确检测概率约为0.98。     

基于BSS的FDA-MIMO雷达主瓣欺骗式干扰抑制方法

主瓣欺骗式干扰与目标位于同一个波束宽度内,严重影响了雷达对真实目标的检测与参数估计。针对此问题,基于频率分集阵列-多输入多输出(frequency diversity array multiple input multiple output, FDA-MIMO)雷达,提出了一种抑制主瓣欺骗式干扰的方法。所提方法的主要突破点在于,当干扰和目标的角度完全相同时,利用FDA-MIMO雷达天线方向图的距离-角度二维依赖性,进一步通过基于最大信噪比(maximum signal to noise ratio, MSNR)的盲源分离(blind source separation, BSS)算法将干扰和目标分离在不同的通道,以达到抑制干扰的目的。该方法无需目标的距离、角度先验信息。仿真实验验证了所提算法的有效性,当干噪比(jamming to noise ratio, JNR)为80 dB时,目标的正确检测概率约为0.98。     

基于回波预处理和相参积累的C&I干扰抑制算法

C&I(chopping and interleaving)干扰是一种针对线性调频(linear frequency modulation, LFM)雷达的典型干扰样式, 干扰子信号调频斜率与雷达发射信号相同, 利用信号处理工具分离真实回波与干扰信号难度较大。针对该问题, 以LFM相参雷达抗自卫式C&I干扰为背景, 提出基于回波预处理和相参积累的干扰抑制算法。根据估计的回波时延, 设置距离窗截取受干扰回波段, 在此基础上, 通过对回波预处理, 改变不同重复周期内假目标的快时间位置分布, 通过相参积累实现干扰抑制。仿真试验表明, 所提算法能够有效抑制强干扰背景下的C&I干扰, 干扰抑制后真实目标检测概率大幅提高, 虚假目标数量明显减少。     

反舰宽带相参雷达的一种抗箔条干扰方法

以反舰制导雷达为背景,研究了宽带线性调频脉冲多普勒雷达的抗箔条干扰方法。首先建立了弹载宽带线性调频相参脉冲雷达的回波模型,推导了距离-多普勒二维像的形成过程;然后分析了宽带相参雷达舰船目标回波与箔条回波的区别,提出了回波距离-多普勒二维像扩展因子和能量均匀度两个特征指标对舰船和箔条进行区分;结合实际应用环境和箔条干扰的特点,设计了抗箔条干扰算法的判决准则,给出了抗箔条干扰算法的实现流程图;最后对实测数据的处理结果证明了抗箔条干扰方法的有效性。     

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。     

干扰极化捷变下的空域自适应滤波

雷达空域自适应滤波在应对极化捷变干扰时性能恶化, 因此研究了干扰极化捷变情况下, 雷达空域自适应滤波的性能。首先, 建立了极化捷变干扰的雷达阵列接收信号模型。其次, 对阵列接收数据构成的协方差矩阵进行研究, 得出一个干扰源在极化捷变时, 等价于两个不同方向的干扰源, 需消耗的雷达空域自由度为2的结论。进一步, 提出干扰极化捷变下的空域自适应滤波算法。最后, 试验验证了理论研究的合理性。     

干扰规则库未知条件下的干扰决策

针对模板匹配(template matching, TM)应用于未知干扰规则库时干扰决策正确率低问题,提出基于迁移成分分析-支持向量机(transfer component analysis support vector machine, TCA SVM)的干扰决策方法。对空-空场景机载多功能火控雷达,提取雷达信号特征,构建雷达干扰规则库及未知威胁数据集,通过迁移成分分析把两个样本集的特征映射到同一低维隐藏空间,提取样本隐藏空间特征,经过支持向量机训练,实现对未知威胁数据集的干扰决策。实验结果表明:所提方法有效提高了干扰决策正确率,TCA-SVM出色的学习及泛化能力,较好地解决了干扰规则库未知条件下干扰决策问题。     

基于先验知识的多功能雷达智能干扰决策方法

针对基于强化学习的多功能雷达干扰决策方法训练周期长、收敛慢的问题，本文提出了基于先验知识的多功能雷达智能干扰决策算法。所提算法使用了基于势能函数的收益塑造理论，利用先验知识设置收益函数，相比于传统算法，具有更快的收敛速率。利用先验知识加速算法收敛速率的方法对强化学习在多功能雷达干扰决策中的实际应用具有重要的意义，对于强化学习在其他领域的应用也具有很好的参考价值。     

基于干涉相位的虚假目标鉴别算法

以具有地面动目标指示(ground moving target indication, GMTI)能力的三天线合成孔径雷达(synthetic aperture radar, SAR)系统为对象,研究了虚假目标的鉴别问题。在虚假目标干扰原理和动目标检测技术的基础上,分析了目标信号和干扰信号的干涉相位特征;利用真假目标的干涉相位特征差异,提取了两种稳健的鉴别特征量,提出了一种基于干涉相位的虚假目标鉴别算法,给出了鉴别处理流程、算法的应用条件及计算量和复杂度;最后进行了仿真实验验证。理论分析和仿真实验均表明该鉴别算法的可行性和有效性。     

基于DRFM的间歇采样预测转发干扰分析

以对相位编码脉冲压缩雷达干扰为背景,分析了相位编码信号的编码特点,介绍了间歇采样直接转发和重复转发干扰的原理与干扰效果,在时域详细推导了相位编码信号的脉冲压缩处理过程。在此基础上提出了一种基于数字射频存储器的间歇采样预测转发干扰方法,在理论上分析了其干扰效果：可使相位编码脉冲压缩雷达产生多个导前、导后的逼真假目标。研究了码元的选择和重组对干扰效果的影响。通过仿真实验对文中分析的结论进行了验证。结果表明,间歇采样预测转发干扰比间歇采样直接转发和重复转发干扰具有更好的干扰效果。     

机载相控阵雷达灵巧干扰信号模型及抑制方法研究0

目前对灵巧干扰的研究主要集中在常规地面雷达,对于机载雷达下的干扰模型及其抑制方法的研究较少。针对此种情况,建立了机载雷达背景下噪声卷积干扰、随机移频干扰和延时转发干扰3种典型灵巧干扰的空时信号模型,并从杂波自由度、空时功率谱图和距离-多普勒谱图的角度分析了干扰分布特性以及影响空时自适应处理(space-time adaptive processing, STAP)性能的内在机理,在此基础上提出了一种基于单元平均选小检测的机载雷达杂波和干扰同时抑制方法。该方法从杂波空时功率谱角度准确估计干扰来向,并据此形成干扰辅助波束,最后通过STAP实现干扰和杂波的有效抑制。仿真结果表明,所提方法相对于传统级联抑制方法,对延时转发灵巧干扰的抑制性能改善5 dB以上,验证了所提方法的有效性。     

基于极化单脉冲雷达扩展目标角度估计方法

当单脉冲雷达受到箔条质心干扰时, 将视为波束内存在两个不可分辨的目标, 由于目标和箔条干扰回波混叠耦合, 导致单脉冲测角偏差, 最终致使目标跟踪丢失。对此, 利用宽带单脉冲雷达测角精度高的优点和极化信息, 提出一种基于极化单脉冲雷达的扩展目标角度估计方法。首先,分析宽带单脉冲雷达体制下箔条质心干扰的特点, 给出扩展目标双极化和差信号模型。然后, 根据和、差通道极化回波信号, 通过联立方程组, 估计出目标和箔条干扰的到达角(angle of arrival, AOA), 为后续利用目标角度信息跟踪目标提供条件。最后,通过蒙特卡罗仿真实验分析关键参数对目标角度估计性能的影响, 并与传统单脉冲雷达体制的测角方法进行比较。理论分析和仿真实验表明, 在质心干扰条件下, 宽带单脉冲雷达估计目标AOA的性能要优于传统单脉冲雷达。     

和差四通道及辅助阵元联合自适应单脉冲方法

针对平面相控阵,提出了和差四通道及辅助阵元联合自适应单脉冲方法。新方法联合四通道和差波束输出与辅助阵元输出,经过自适应处理得到方位向及俯仰向自适应和差波束,利用主瓣区域高增益的差波束及辅助阵元联合对消主瓣干扰和副瓣干扰。理论分析和仿真结果均表明,新方法可有效抑制主瓣干扰和副瓣干扰,并具有良好的单脉冲测角性能,且无需对干扰空间角进行预先准确估计,利于工程实现。     

基于稀疏分解的雷达信号抗噪声干扰方法研究

针对雷达在强噪声干扰下难以提取回波信号特征的问题,提出利用稀疏分解方法和基追踪去噪(basis pursuit denoising, BPDN）算法实现抗噪声干扰。该方法构造一组线性调频时移信号作为过完备库,对线性调频雷达回波信号进行稀疏分解,滤除噪声干扰;根据稀疏系数与雷达目标距离之间的关系,提取目标的距离信息。实验结果表明了该方法在雷达信号抗干扰和目标距离信息提取方面的有效性。     

双基地MIMO雷达抗分布式干扰方法

分布式干扰是一种近距离、空间密集型干扰,单基雷达常用的超低旁瓣天线、天线旁瓣对消和旁瓣匿影等技术难以与其进行有效对抗。双基条件下,远距离的目标和近距离的干扰机必将在其相对于发射阵列或接收阵列的角度上存在较大差异。利用该现象,提出了一种双基地MIMO雷达抗分布式干扰的方法。该方法通过发射阵列多阵元正交发射的方式在目标回波及转发式干扰信号中分别嵌入了目标和干扰机相对于发射阵列的角度信息,随后在接收阵列上通过等效收、发二维空域滤波处理即可有效地滤除分布式干扰信号。数值仿真的结果证明了该方法的有效性。     

基于贴近度的雷达干扰资源分配策略研究

分别从时域、频域、空域、能量及对抗双方的工作体制、对抗样式等六个方面详细分析了影响雷达干扰效果的特征因子,提出了全面评估雷达干扰效果的指标体系。在分解隶属度矩阵行向量信息与列向量信息的基础上,构建了一种快速评估雷达干扰效果的模型。利用Euclid贴近度原理对雷达干扰资源的分配策略、分配后的干扰效果进行了研究。最后通过一个实例证明了该模型简单实用,快捷可行。     

单机多目标火力/电子战攻击综合决策

针对单机多目标攻击时的火力/电子战综合决策,提出了一种考虑电子干扰效果的火力打击目标排序算法。该算法根据目标雷达辐射源对载机的威胁程度,建立了机载有源压制干扰的能量分配方法,利用有源压制干扰对目标雷达的压制距离引入距离削弱因子,可获得有源干扰效果对目标威胁级别的影响程度,改进只考虑敌我双方火力威胁程度时的目标打击排序结果。给出了该算法的具体步骤,通过仿真实验证明了该算法的有效性。仿真结果表明,考虑有源干扰效果后的火力攻击目标排序,可以使飞行员首先攻击毁伤概率最大的目标,提高整体的作战效能。