-
压制式干扰是一种常用有效的干扰样式,利用大功率干扰信号淹没目标回波[1-3]。旁瓣相消技术是对抗压制式干扰的有效手段之一,但其只能抑制来自天线旁瓣的压制式干扰信号。在随队干扰和自卫式干扰中,压制式干扰信号从雷达天线主瓣进入,从而形成主瓣干扰,严重影响雷达的目标检测性能,此时,旁瓣相消技术将难以奏效。现阶段雷达抗主瓣压制式干扰主要从空域[4-6]、时频域[7-9]、极化域[10]或多域联合[11]的角度进行研究。但是,上述干扰抑制方法都是根据干扰信号在各数据域的结构特征设计的,具有较强的干扰类型针对性。当干扰类型失配时,其干扰抑制能力将会降低甚至失效,例如空域算法要求干扰信号与目标回波存在一定的角度差异,在自卫式干扰情况下完全失效;频域方法在干扰频带完全覆盖目标频谱的情况下,其抗干扰性能严重下降;极化域干扰抑制方法难以抑制未极化或变极化主瓣干扰等。
多站雷达是由几个空间上分开的发射、接收和(或)发射—接收设备组成的一个雷达系统,能够提供丰富的空、时、频资源,通过将接收信息进行融合及联合处理,具备单站雷达所不能到达的整体抗干扰能力[12]。干扰抑制的基本原理是利用干扰与目标信号的某种可分性对干扰信号进行有效抑制,并尽可能地保留目标信号。因此,在多站雷达背景下找到这种差异性是多站雷达主瓣干扰抑制算法的关键。由于目标的RCS随着探测视角的变化而随机起伏,在多站雷达各节点对目标的视角差异足够大的情况下,各接收站接收到的目标回波互不相关。而由于干扰机在各个辐射方向上发射的干扰信号都相同,即使各节点对于干扰机的视角和增益各不相同,但其所接收的干扰信号仍是高度相干,对于不同的干扰样式和调制方式,这种相关性均成立。因此,在多站雷达系统下,干扰和目标信号间存在空间散射特性的差异,即目标回波信号具有各向异性,而干扰信号具有各向同性,这为多站雷达下主瓣干扰抑制算法提供了理论依据。根据这一差异,传统的多站雷达下主瓣干扰抑制方法是基于信号相消[13-14],利用不同接收站中压制式干扰的相关性,通过加权求和,实现干扰信号相消;而目标信号是相互独立的,则可以得到有效保留。但是这种信号相消方法在较高干噪比下,相消后干扰残留能量较大,严重影响后续的目标检测性能。
上述空间散射特性的差异已成功应用于欺骗式干扰鉴别中[15-16],尤其是文献[16]利用该差异在幅度比特征空间完成了欺骗式干扰鉴别。本文将借鉴这种思路,在幅度比特征空间进行主瓣干扰抑制,提出一种基于幅度比特征的主瓣干扰抑制方法。将各接收站接收信号进行时间对齐后,进行逐点幅度相比,根据干扰和目标回波信号的空间散射特性的差异,相比后的序列中,干扰信号将得到“平滑”,而目标位置将“凸显”出来。同时,进一步利用非相参积累的方法有效平均干扰能量,降低干扰随机起伏对幅度比特征的影响。最后,在幅度比特征空间中,利用固定门限检测的方法对凸显出来的目标进行恒虚警检测。这种基于多站雷达幅度比特征的主瓣干扰抑制方法不依赖干扰信号的时频结构特征,能够适用于不同类型不同调制的干扰信号。此外,也无需多站雷达系统的几何布站参数以及各接收站之间的幅相误差等参数,对系统内部结构的变化具有较强的自适应能力。数值仿真结果证明了本文方法的有效性。
HTML
-
本节通过数值仿真验证本文所提主瓣干扰抑制方法的可行性。仿真参数如下:假设多站雷达系统由1部发射站、4部接收站组成,不同接收站参数如表1所示。发射站与第一个接收站共置,发射信号载频为3 GHz,脉冲积累个数为8。目标位置坐标为[31,31] km,距接收站1的距离为87.6 km,速度矢量为[−40,−13] m/s,定义参考信噪比为接收站1中脉压后的信噪比SNR=8 dB。压制式干扰机的位置坐标为[0,30] km,速度矢量为[−45,−15] m/s,干扰样式为噪声调幅干扰,同样定义参考干噪比为接收站1中脉压后的干噪比JNR=60 dB。
接收站1 接收站2 接收站3 接收站4 位置坐标/m [0,0] [150,0] [−300,0] [300, 0] 天线增益/dB 20 20 20 20 -
多站雷达在进行时间对齐后,利用单个脉冲重复周期数据得到的3个幅度比序列信号如图2所示,可以看到幅度比信号中背景的抖动比较严重,有比较多的“尖峰”出现,目标被完全覆盖了,“凸显”不明显。这是由干扰信号起伏所带来的,也正是本文采用非相参积累后的回波数据计算幅度比特征的原因。对8个脉冲重复周期的回波进行积累后,得到幅度比特征序列如图3所示,可以看到不同接收站的幅度比均在目标位置“凸显”,目标所在距离单元存在明显“尖峰”,说明通过将时域数据转化到幅度比特征域中,干扰信号得到了有效抑制,目标得到了保留。进一步根据式(12)将不同接收站的幅度比信号做积累,得到系统幅度比特征序列,结果如图4所示,在目标所在距离单元,幅度比特征突出更加明显,信噪比得到提高,更有益于后续目标检测。
-
在恒虚警概率
${P_{{\rm{fa}}}} = {10^{ - 4}}$ ,${10^{ - 5}}$ 两种情况下,利用Monte Carlo仿真实验得到该多站雷达系统下的特征域检测门限,如图5所示。可以看到JNR越高,门限越低。这是由于干扰能量越高,幅度比特征序列的背景越平稳,起伏越小。因此,恒虚警概率下的门限越低。设虚警概率
${P_{{\rm{fa}}}} = {10^{ - 5}}$ ,利用固定门限方法对目标在幅度比特征域进行检测,通过1 000次Monte Carlo仿真实验,统计得到不同信干比SJR下的目标检测概率如图6所示,并与文献[13]中传统信号相消方法进行比较。本文提出在幅度比特征域进行主瓣干扰抑制,与传统干扰信号相消的思路完全不同。从图6中可以看到,相比于传统干扰信号相消算法,本文算法在不同SJR下均可以得到更好的目标检测性能。此外,传统信号相消方法算法是在功率域进行干扰抑制和目标检测,其性能与SJR有较大关系,尤其在低SJR下,算法性能下降明显,这是由于干扰能量大,相消后残留干扰能量较高带来的。相比于现有方法,信干比SJR对本文算法性能影响较小,提出算法对目标的检测性能仅依赖于SNR的大小,在较低SJR的情况下,检测概率仍然比较高。这是因为本文算法在幅度比特征域进行干扰抑制和目标检测,干扰能量越高,干扰信号和目标回波信号在幅度比特征的差异越大,所以仍可以获得比较好的检测性能。在信号相消方法性能下降的情况下,可利用本文方法对目标进行有效检测。