[发明专利]一种雷达有源干扰的识别方法及系统

说明书

本发明属于抗干扰装置技术领域，公开了一种雷达有源干扰的识别方法及系统，所述雷达有源干扰的识别方法对接收到的有源干扰进行变分模态分解，得到不同的模态分量；计算每个固有模态分量相应的矩形积分双谱，组合成特征参量；通过随机森林分类器实现雷达有源干扰方式的识别。本发明可以有效实现较低信噪比环境下常见的六种雷达有源干扰(射频噪声干扰、噪声调频干扰、噪声调幅干扰、噪声调相干扰、距离假目标、速度目标，转发式密集假目标)的分类，且不需要进行信干比估计等预处理。

技术领域

本发明属于抗干扰装置技术领域，尤其涉及一种雷达有源干扰的识别方法及系统。

背景技术

目前，业内常用的现有技术是这样的：雷达有源干扰通常是发射出蓄意干扰和阻碍目标检测以及目标信息的获取。雷达有源干扰识别技术是电子侦察、雷达抗干扰领域的重要技术之一。随着电子技术的迅速发展，雷达有源干扰已成为一种有力的雷达对抗措施，在信息化战争中得到了广泛的应用。雷达有源干扰判别是在雷达遭受到干扰后，对接收到的干扰进行处理分析，判识出对方干扰的具体制式，为后续的抗干扰措施提供重要的依据，以有效地提高雷达的抗干扰能力，确保己方雷达能够在日益复杂的战争环境中正常工作。目前，雷达对抗领域的主要集中在雷达干扰技术和雷达抗干扰技术，而针对于干扰方式识别的研究相对较少。现有技术一通过分析指出距离欺骗式干扰在频域上存在虚假电平，通过利用观测虚假电平存在与否以识别距离欺骗式干扰。现有技术二对雷达干扰在多个变换域上的特征参数进行了分析，并通过特征参数提取和分类器完成了干扰类型的识别。现有技术三介绍了短时傅里叶变换、维格纳分布和小波变换在有源干扰信号的细微特征分析中的应用，并采用窗口傅立叶脊和小波脊实现对信号瞬时频率的精确估计，最后采用模糊模式识别分类器结合统计判决树完成了对干扰类型的识别。现有技术四提出了一种基于多普勒频率对比的速度欺骗干扰信号识别方法。现有技术五根据欺骗干扰和雷达目标回波在时延、相位以及多普勒频移上的差异，釆用小波分解提取特征参数差异实现欺骗干扰的识别。现有技术六利用距离速度欺骗干扰中干扰与目标回波的起伏特性、能量差别和多普勒频率的变化，提出了可作为频率特性识别的特征因子，并使用径向基神经网络分类器完成了干扰识别。现有技术七通过分析欺骗式干扰信号的双谱特性，利用双谱特征实现干扰信号识别。现有技术八依据距离-速度拖引干扰信号拖引期出现的谱峰分裂现象和自动增益控制突变，对拖引干扰进行识别。现有技术九提取干扰的时域、频域、时频域以及小波域中的特征参数，并使用组合分类器对噪声干扰、密集假目标干扰进行了类型识别。现有技术十利用积分双谱和分形维数特征实现欺骗干扰信号分类。现有技术一到现有技术十在一定程度上解决了雷达干扰识别的问题，但是在低信噪比环境下识别性能欠佳，且识别类型有限，另外，上述识别技术实现起来较为复杂，且可靠性较低。

综上所述，现有技术存在的问题是：现有的雷达干扰识别方法存在低信噪比环境下识别性能欠佳，识别类型有限，实现复杂，可靠性较低。

发明内容

针对现有技术存在的问题，本发明提供了一种雷达有源干扰的识别方法及系统、雷达抗干扰系统。

本发明是这样实现的，一种雷达有源干扰的识别方法，所述雷达有源干扰的识别方法对接收到的有源干扰进行变分模态分解，得到不同的模态分量；计算每个固有模态分量相应的矩形积分双谱，组合成特征参量；通过随机森林分类器实现雷达有源干扰方式的识别。

进一步，所述对接收到的有源干扰进行变分模态分解，得到不同的模态分量具体包括：

1)初始化且n为0；

2)n＝n+1，执行循环；

3)更新u_k和ω_k；

4)更新λ，即

5)给定判别精度ε，直到达到迭代停止条件结束循环，得到各个及中心频率ω_k，最后由傅里叶反变换得到K个窄带IMF分量。