一种雷达密集假目标干扰抑制方法

【技术领域】

[0001] 本专利涉及一种雷达干扰抑制方法，特别涉及一种雷达密集假目标干扰抑制方 法。

【背景技术】

[0002] 现代军事电子技术的一个重要特点，就是各种武器装备越来越广泛的采用和依赖 于无线电技术。各种武器装备威力的发挥，战区的监视和警戒，诸兵种协同作战的调配、联 系和控制等，都越来越多的依赖于雷达的效能，因而，电子战已成为现代战争的又一维战 场，压制式和欺骗式有源电子干扰将贯穿战争的全过程，使雷达面临着越来越复杂的电磁 环境。

[0003] 近年来迅速发展起来的综合电子干扰技术，以干扰样式多、使用灵活、对抗性强等 特点对雷达构成了严重威胁。因此，在复杂的现代电磁环境中，雷达要完成预警、制导、导 航、战场监控等诸多作战任务，不但要具有良好的抗干扰性能，装备对付不同干扰类型的抗 干扰措施，而且必须具有高度的灵活性和智能性，使雷达系统在复杂的干扰环境中，能实时 而自动地根据所面临的干扰信号类型、样式和特点，有针对地选择抗干扰措施进行对抗，以 保证雷达处于正常的工作状态。

[0004] 就以往的雷达系统而言，往往需要雷达操作员根据雷达显示器画面以自己的经验 来判断雷达遭受干扰的情况，并通过相应的操作来控制实施相应抗干扰措施。但面对如今 快速的作战要求，这样人为、单一、主观的雷达反对抗措施已经很难适应当前电子战的发展 水平。而现代电子技术的快速发展，特别是在自动控制与检测技术领域上的长足进步，使得 在复杂干扰环境下实时地进行智能化的反对抗成为可能。因此，对雷达智能抗干扰技术进 行深入研究，并对其有效性进行科学评估，已成为十分急迫和意义重大的任务。

[0005] 国外80年代初期就开始了以智能技术寻求雷达抗干扰新方法的研究，目前在抗 有源干扰方面已经取得了一定的进展，主要表现在利用智能技术实现对目标和干扰信号特 征的分析和提取、对干扰和杂波的建模以及对目标和干扰的分类。

[0006] 国内研究与国外的差距主要体现在：

[0007] (1)研究起步时间晚。国外早在20世纪80年代初期就开始了智能方法用于雷达 抗干扰的研究，国内由于前期重视不够，投入的经费和人力少，一直到90年代中期，才进行 了一些相关的研究；

[0008] (2)研究不够系统。国外将多种方法与技术相互融合，用于雷达抗干扰，如将时频 分析与神经网络方法相结合，遗传算法与神经网络相结合。目前，国内开展的雷达抗干扰新 方法、新技术的研究还都相对比较孤立，研究的深度还有较大的差距；

[0009] (3)试验验证与应用有差距。发达国家的理论研究成果大多已成功运用于军事装 备，实现了理论方法与装备的实际结合，国内许多新的理论方法还没有很好的与武器装备 相结合。

【发明内容】

[0010] 发明目的：本专利的目的是设计一种算法简单、适用性强、效果良好、且适合硬件 实时实现的一种杂波图分区方法。针对现有技术的不足，本发明提供一种雷达密集假目标 干扰抑制方法，包括如下步骤：

[0011] 步骤1，计算雷达扫描数据参数：导入雷达扫描待检测目标的原始视频数据，计算 待检测目标方位噪声功率，得到噪声估值；

[0012] 步骤2,干扰感知：感知干扰环境，定位干扰源，确定干扰中心和干扰区域；

[0013] 步骤3,干扰识别：对步骤2中的干扰区域雷达原始视频进行信号统计分析，判定 是否存在密集假目标干扰；

[0014] 步骤4,干扰抑制：采用频域滤波技术对密集假目标干扰数据进行抗干扰抑制处 理；

[0015] 步骤5,目标检测：采用恒虚警CFAR处理干扰抑制后的待检测目标数据；

[0016] 步骤6,对待检测目标进行跟踪和航迹关联，完成目标跟踪。

[0017] 其中，步骤1包括：将雷达扫描的待检测目标方位区域划分为K个方位单元，K 一 般取4096,获取每个方位单元上的噪声功率均值，即待检测目标方位噪声功率，通过对所有 方位单元的噪声功率数据采用选小处理，得到噪声估值P ncill^

[0018] 步骤2包括：将方位噪声估值与设定的阈值gate比较，判定噪声估值超过阈值 gate的待检测目标方位存在干扰源，阈值gate由噪声估值Pnciise决定：

[0019] gate = I. 2*Pnolse;

[0020] 步骤3包括如下步骤：

[0021] 步骤3-1，开窗选择干扰区域：干扰区域的选择包括两种部分：部分一为以步骤2 计算得到的干扰中心方位开窗，选择干扰区域；部分二为人工选择，通过人机交互在雷达视 频数据的中间距离区域选择一个开窗作为干扰区域；由此得到连续两个窗口区域；选定的 干扰区域数据由步骤1中M个距离和N个方位上的原始视频数据构成，用P (i，j)表示；

[0022] 步骤3-2,斜度计算：计算选定的干扰区域视频数据P (i, j)的频谱S (i, j):

[0023] S(i, j) = log(|FFT(P(i, j)) |),0 < i ^ Μ, 0 < j ^ N,

[0024] 其中，i表示原始视频数据的距离单元，j表示原始视频数据的方位单元，FFT表示 利用快速傅里叶变换(Fast Fourier Transform)计算频谱数据。对频谱数据S (i，j)进行 统计分析，定义XI，X2, X3分别为一阶、二阶、三阶累积和的均值，计算公式为：

[0030] 步骤3-3,干扰判别：当斜度统计量满足给定的门限T时，判定步骤3-1的干扰窗 口区域存在密集假目标干扰，当连续两个窗口数据至少有一个满足密集假目标干扰判定， 则输出干扰标识为真，否则输出干扰标识为假，完成当前扫描周期的干扰判别。

[0031] 步骤4中，根据雷达扫描的待检测目标方位视频的FFT频谱分析，采用提取并消除 干扰频谱能量的方法，抑制密集假目标干扰，包括以下步骤：

[0032] 步骤4-1，对雷达原始视频经过FFT变换，得到包含干扰信息的频谱数据Fs (ω):

[0033] Fs (ω) = FFT [Ρ (e)，L]，

[0034] 其中，FFT是快速傅里叶变换，P(e)是输入雷达原始视频的第e个方位上数据，L 是FFT变换点数，ω是FFT后的频率频点；

[0035] 步骤4-2,提取干扰能量位置并对干扰频谱清零：通过设定干扰门限Gate计算干 扰能量位置，门限定义为=Gate = 3. 5 μ，其中频谱能量均值μ通过如下公式计算得到，

[0037] 其中，Fs(Co)是包含干扰信息的频谱数据。将Fs(Co)超过门限的频谱清零得到 新的频谱数据Fs' (ω);

[0038] 步骤4-3,将新的频谱数据Fs' (ω)经过IFFT变换，得到密集假目标干扰抑制后 的视频V (i)，S< (i)=IFFT[FV (co)，L]，其中，IFFT表示L点的傅里叶反变换。

[0039] 有益效果：本专利与现有技术相比，具有以下显著优点：(1)本方法保证雷达在密 集假目标影响下的正常工作，通过特征分析的方法判别密集假目标的是否存在。(2)存在密 集假目标时，本方法能够准确提取假目标方位、强度、分布特征等信息，并采用频域滤波的 方法抑制假目标干扰，保证目标正常检测，提升干扰区域目标检测和录取跟踪能力。(3)本 专利一种雷达密集假目标干扰抑制方法，原理简单，设计方便，实时性好，适合工程实现。

【附图说明】

[0040] 下面结合附图和【具体实施方式】对本发明做更进一步的具体说明，本发明的上述和 /或其他方面的优点将会变得更加清楚。

[0041] 图1是处理流程图。

[0042] 图2是噪声均值估计和干扰判别示意图。

[0043] 图3是干扰中心判别和干扰强度估计流程图。

[0044] 图4是密集假目标判别流程图。

[0045] 图5是假目标抑制流程。

[0046] 图6a是假目标干扰抑制前示意图。

[0047] 图6b是假目标干扰抑制后示意图。

[0048] 图6c是干扰抑制示意图。

[0049] 图7是实测数据的目标检测示意图。

【具体实施方式】

[0050] 图1是整体的处理流程图。结合图1，本发明方法包括以下步骤：

[0051] 步骤1-1，计算雷达参数：根据雷达的工作模式和系统参数，计算雷达方位噪声功 率、噪声功率均值等参数。将雷达扫描区域划分为K个方位单元(K取4096)，获取每个方位 单元上的噪声功率均值，即方位噪声功率；通过对所有方位单元的噪声功率数据采用选小 处理，得到噪声估值Pncilse。如图2所示。

[0052] 步骤1-2,感知干扰环境：将方位噪声功率估计与设定的阈值gate比较，阈值由噪 声估值决定，超过阈值的方位认为存在干扰影响。通过如图3所示的步骤，计算出干扰方位 和干扰强度，实现干扰源定位。具体如下：

[0053] (1)单次扫描的方位噪声估计：取雷达数据的在距离上的平均值，估计数据的方 位变化特性；

[0054] (2)高斯滤波：对方位噪声数据经过高斯窗实现滤波处理，过滤随机噪声。

[0055] (3)干扰峰值获取：方位噪声数据与门限gate比较，超过门限的方位认为是干扰 所在方位，记录对应方位的干扰峰值与干扰宽度。

[0056] (4)干扰强度方位中心估计：计算干扰出现的位置，统计干扰能量强度和干扰方 位中心值。

[0057] 步骤1-3,干扰识别：对干扰区域雷达视频进行信号统计分析，提取信号特征参 数，并与设定的阈值gate进行比较，判定干扰类型。实施流程见图4所示。具体如下：

[0058] (1)变量初始化：定义窗口序号，坐标位置，窗口大小等参数；

[0059] (2)更新干扰存在标识：保存上一个窗口的干扰标识，记作F0,初始化当前窗口窗 口的干扰标识Fl = 0 ;如果窗口内数据满足干扰特征，则标识为1 ;

[0060] (3)开窗选择：干扰区域的选择由两部分组成，一部分是与连续波干扰结合判断， 对全程干扰而言，密集假目标也会导致方位噪声均值上升，以步骤1-2计算得到的干扰中 心方位开窗，选择干扰判定区域。第二部分是人工选择区域，通过人机交互在雷达视频数据 的中间距离区域选择一个开窗作为干扰区域。选定的干扰区域数据由步骤1-1中M个距离 和N个方位上的原始视频数据构成，用P (i，j)表示。

[0061] (4)斜度计算：首先计算选定的干扰区域视频数据P (i, j)的频谱S (i, j):

[0062] S(i, j) = log(|FFT(P(i, j)) |),0 < i ^ Μ, 0 < j ^ N,

[0063] 其中，i表示原始视频数据的距离单元，j表示原始视频