[发明专利]一种相控阵雷达主瓣干扰识别方法

说明书

本发明公开了一种相控阵雷达主瓣干扰识别方法，包括以下步骤：S1：对常见的主瓣有源压制干扰进行特征分析；特征包括能量、脉压后峰均值功率比、局部熵；S2：依据上述特征，分别进行单特征独立检测，作为主瓣有源压制干扰的检测、识别的基础与依据；S3：将处理结果使用BP神经网络进行检测；S4：使用统计判决树方法或机器学习方法进行自动识别；本发明的目的是为了解决当今日益复杂的电磁环境下，基于单变量的检测及识别方式的局限性问题，将机器学习引入干扰识别领域，实现雷达干扰的自动检测和识别。

技术领域

本发明涉及一种主瓣干扰识别技术，特别是一种相控阵雷达主瓣干扰识别方法。

技术背景

对于雷达系统而言，主瓣干扰严重限制了雷达系统的性能发挥，尤其是随着电子系统的发展，主瓣干扰的识别和抑制问题已经成为雷达信号处理亟待解决的重要问题。常见主瓣干扰包括无源干扰和有源干扰，无缘干扰是指通过箔条，烟雾等手段对于雷达回波反射造成影响，进而导致雷达失灵；有源干扰是指通过干扰机发射与雷达发射信号形式相近或大功率压制干扰导致雷达收到欺骗或失灵。

主瓣有源压制干扰作为主瓣干扰中的重要类型，通过大功率干扰噪声在时域及频域上将目标雷达回波信号淹没，进而导致雷达无法正常识别目标位置。

有源压制干扰检测及识别方面，对于判断干扰类型及干扰存在，常采用提取特征变量实现干扰的检测及分类。但对于当今日益复杂的电磁环境，基于单变量的检测及识别方式往往显得力不从心。所以，机器学习等方式逐步引入雷达干扰及识别领域，实现雷达干扰的自动检测及识别。

发明内容

本发明的目的是为了解决当今日益复杂的电磁环境下，基于单变量的检测及识别方式的局限性问题，将机器学习引入干扰识别领域，实现雷达干扰的自动检测和识别。

为了实现上述目的，本发明采用了如下技术方案：

一种相控阵雷达主瓣干扰识别方法，包括以下步骤：

S1：对常见的主瓣有源压制干扰进行特征分析，特征包括能量、脉压后峰均值功率比、局部熵；

S2：依据上述特征，分别进行单特征独立检测，作为主瓣有源压制干扰的检测、识别的基础与依据；

S3：将处理结果使用BP神经网络进行检测；

S4：使用统计判决树方法或机器学习方法进行自动识别。

优选地，S1中：所述噪声调频干扰根据作用机理不同，分为瞄频干扰、扫频干扰、梳状谱干扰、阻塞干扰。

优选地，噪声调频干扰表达式为：

式中，常数A_j为噪声干扰幅度值，f_j为噪声干扰载频，K_fn为噪声调频信号的斜率，调制噪声n(τ)服从的高斯函数，相位服从U(0,2Π)的均匀分布函数，并且n(τ)和之间相互独立，Δf为调制噪声n(τ)的调制带宽；

噪声有效调制指数定义为

瞄频干扰的中心频率、频带宽度、调制指数需满足如下：

f_j＝(δf+f₀)

Δf_j＝(2～5)f_r

m_fc＜1

其中，f_j为噪声调频信号中心频率，δf为噪声调频信号的瞄频误差，f₀为雷达发射信号中心频率，Δf_j为噪声调频信号带宽，f_r为雷达发射信号带宽；

阻塞干扰的中心频率、频带宽度、调制指数需满足如下：