CN104991233A - 基于信号级融合的组网雷达抗欺骗式干扰方法 - Google Patents
基于信号级融合的组网雷达抗欺骗式干扰方法 Download PDFInfo
- Publication number
- CN104991233A CN104991233A CN201510366792.9A CN201510366792A CN104991233A CN 104991233 A CN104991233 A CN 104991233A CN 201510366792 A CN201510366792 A CN 201510366792A CN 104991233 A CN104991233 A CN 104991233A
- Authority
- CN
- China
- Prior art keywords
- radar
- point target
- node
- echo data
- envelope
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于信号级融合的组网雷达抗欺骗式干扰方法,能够对不同欺骗式干扰产生的假目标进行有效鉴别。包括:步骤1,构造每个点目标在多个节点雷达的慢时间随机复包络序列;步骤2,估计每个点目标在每个节点雷达的平均功率;步骤3,将同一点目标在多个节点雷达的慢时间随机复包络序列两两组合,构成多个包络组,估计每个包络组的相关系数;步骤4,分别选取每个包络组的相关系数的实部作为其相关性度量;步骤5,计算每个包络组对应的相关性度量的检验门限;步骤6,判断相关性度量是否大于检验门限,当相关性度量小于等于检验门限时,判定该包络组通过假目标检验;否则将该包络组对应的两个点目标标定为假目标;步骤7,剔除假目标。
Description
技术领域
本发明涉及雷达技术领域,特别涉及一种基于信号级融合的组网雷达抗欺骗式干扰方法。
背景技术
电子欺骗技术致力于在方向、位置、跟踪起点等信息方面对受害雷达进行欺骗或是在真实目标回波周围制造很多假目标以至于真实目标信息不能被提取出来。一种有效的电子欺骗技术类别为欺骗式电子欺骗技术。欺骗的目的是通过调制的发射或转发对雷达接收回波的幅度、相位等信息进行误导。尤其是数字射频存储器(Digital Radio Frequency Memory,DRFM)的出现使得欺骗式干扰技术更加成熟,应用了DRFM的转发式干扰机广泛用于自卫式干扰以及随队干扰中。欺骗式干扰会占用大量的***资源,严重影响雷达***的探测和跟踪性能。
针对欺骗式假目标干扰,单站雷达由于视角单一,很难对其进行对抗,而组网雷达可利用点迹关联的方法对检测到的目标进行真假判别,并剔除掉假目标,从而实现欺骗式干扰的对抗。但是,由于组网雷达中每个节点雷达均会受到欺骗式干扰,密集假目标会导致每个节点雷达的量测值间进行关联检验的错误率较高,且组网雷达布站位置不理想,也会影响组网雷达对抗欺骗式干扰的能力。
现有组网雷达都是利用数据级融合对欺骗式干扰进行对抗,在雷达对目标测量的过程中,只利用了目标的点迹信息或者航迹信息,但是其他信息并没有有效的利用,因此,数据级融合抗干扰方法不能完全发挥其抗干扰能力,无法充分利用雷达组网优势。
发明内容
针对上述现有方法对抗欺骗式假目标干扰的不足,本发明的目的在于提出一种网络化雷达***信号级抗欺骗式干扰方法,能够对不同欺骗式干扰产生的假目标进行有效鉴别。
为了达到上述目的,本发明采用以下技术方案予以实现。
一种基于信号级融合的组网雷达抗欺骗式干扰方法,所述组网雷达包括多个节点雷达,所述方法包括以下步骤:
步骤1,计算匹配滤波后点目标的回波数据的复幅度,并根据所述复幅度构造每个点目标在所述多个节点雷达的慢时间随机复包络序列;
步骤2,根据所述每个点目标在所述多个节点雷达的慢时间随机复包络序列,估计每个点目标在每个节点雷达的平均功率;
步骤3,对于同一点目标,将其在所述多个节点雷达的慢时间随机复包络序列两两组合,构成多个包络组,并估计每个包络组的相关系数;
步骤4,对于同一点目标,分别选取所述每个包络组的相关系数的实部作为每个包络组对应的相关性度量;
步骤5,给定组网雷达的真实目标误判概率,并依据所述组网雷达的真实目标误判概率计算所述每个包络组对应的相关性度量的检验门限;
步骤6,将所述相关性度量与所述检验门限进行比较,判断所述相关性度量是否大于所述检验门限,当所述相关性度量小于等于所述检验门限时,判定所述相关性度量对应的包络组通过假目标检验;当所述相关性度量大于所述检验门限时,判定所述相关性度量对应的包络组未通过假目标检验,并将该包络组对应的两个点目标标定为假目标;
步骤7,剔除所述假目标。
优选地,所述步骤1包括以下子步骤:
1a)设所述组网雷达包括n个节点雷达,其中n≥2,每个节点雷达接收回波数据,并采用以下公式对所述回波数据进行匹配滤波,得到匹配滤波后点目标的回波数据y(t):
其中,x(t)为回波数据,为卷积符号,*表示共轭;
1b)采用以下公式对所述匹配滤波后点目标的回波数据进行相干积累,得到相干积累后点目标的回波数据Y(k):
其中,Q为脉冲积累个数,y(m)为匹配滤波后点目标的回波数据;
1c)设所述相干积累后点目标的回波数据中包括P个点目标的回波数据,对所述相干积累后点目标的回波数据进行恒虚警检测,分别得到P个点目标的回波数据的复幅度;
1d)将所述P个点目标的回波数据的复幅度组成集合,并将所述集合作为P个点目标的慢时间随机复包络序列
其中,n表示所述组网雷达中的节点雷达个数,且n≥2;表示所述n个节点雷达中的第i个节点雷达检测到的第pi个点目标的回波数据的复幅度;是一个矩阵,行数为每个相干处理周期中所有脉冲数,列数为点目标的个数P。
优选地,所述步骤2包括以下子步骤:
2a)设所述组网雷达包括n个节点雷达,其中n≥2,设所述匹配滤波后点目标的回波数据中包括P个点目标,从所述n个节点雷达中选取第i个节点雷达,并选取所述第i个节点雷达检测到的第pi个点目标的回波数据的复幅度
2b)根据所述第i个节点雷达检测到的第pi个点目标的回波数据的复幅度通过以下公式计算所述点目标pi在第i个节点雷达的平均功率的估计值
其中,Q为相干处理周期中PRT的个数,H表示矩阵的共轭转置。
优选地,所述步骤3包括以下子步骤:
3a)设所述组网雷达包括n个节点雷达,其中n≥2,设所述匹配滤波后点目标的回波数据中包括P个点目标;从所述n个节点雷达中选取第i个节点雷达和第j个节点雷达,从所述P个点目标中选取第p个点目标,对于所述第i个节点雷达,所述第p个点目标为第pi个点目标;对于所述第j个节点雷达,所述第p个点目标为第pj个点目标,将所述第i个节点雷达检测的第pi个点目标的慢时间随机复包络序列和第j个节点雷达检测的第pj个点目标的慢时间随机复包络序列进行组合,构成包络组;
3b)通过以下公式计算所述和构成的包络组的相关系数
其中,H表示矩阵的共轭转置;
3c)重复3b)至得到每个包络组的相关系数。
优选地,所述步骤4包括以下子步骤:
根据每个包络组的相关系数通过以下公式选取其实部作为每个包络组对应的相关性度量
其中,real()表示对取实部。
优选地,所述步骤5包括以下子步骤:
5a)给定组网雷达的真实目标误判概率Pl;
5b)根据所述组网雷达的真实目标误判概率Pl,通过以下公式计算每个包络组对应的相关度量的检验门限
其中,Φ()表示标准正态分布,Q为相干处理周期中PRT的个数,P为检测得到的目标个数,表示点目标pi在第i个节点雷达和第j个节点雷达的平均功率。
优选地,所述步骤6包括以下子步骤:
6a)将所述相关性度量与所述检验门限进行比较;
6b)当时,判定所述相关性度量对应的包络组通过假目标检验;
6c)当时,判定所述相关性度量对应的包络组未通过假目标检验,并将该包络组对应的两个点目标标定为假目标。
优选地,所述步骤7包括以下子步骤:
7a)查找被标定为假目标的两个点目标所在的包络组对应的相关性度量;
7b)将所述相关性度量对应的点目标回波数据的复幅度置为零。
本发明与现有技术相比,具有以下优点:
第一,本发明利用真实目标回波的复包络相互独立而干扰信号复包络相关的特点,通过步骤3对于同一点目标,将其在所述多个节点雷达的慢时间随机复包络序列两两组合,构成多个包络组,并估计每个包络组的相关系数,由于真实目标的回波相关系数比较小,因此可以利用信号级融合处理,使得目标的信息得到了较高的使用率,最终能够更有效的对抗欺骗式干扰。
第二,本发明只用到信号包络,未出现任何调制方式,因此能够不依赖于欺骗式干扰的信号调制方式,从而可以对不同欺骗式干扰方式产生的假目标进行有效鉴别。
第三,本发明可用于网络化雷达***融合中心,通过对目标的包络进行相关性检验,能够鉴别欺骗式干扰产生的有源假目标,实现网络化雷达***有效对抗欺骗式干扰。
附图说明
图1为本发明一种基于信号级融合的组网雷达抗欺骗式干扰方法的流程图;
图2是本发明的网络化雷达***抗欺骗式干扰方法的实现流程图;
图3为TNR=0dB、3dB、6dB、9dB时,假目标正确鉴别概率PFT随积累脉冲个数Q的变化曲线图,其中,横坐标为脉冲积累个数Q,纵坐标为鉴别概率PFT;
图4为M=2、4、8、14时,假目标正确鉴别概率PFT随积累脉冲个数Q的变化曲线图,其中,横坐标为脉冲积累个数Q,纵坐标为鉴别概率PFT;
图5为Pl=0.01,0.005,0.001时,假目标正确鉴别概率PFT随积累脉冲个数Q的变化曲线图,其中,横坐标为脉冲积累个数Q,纵坐标为鉴别概率PFT。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一:
参照图1,示出了本发明实施例一种基于信号级融合的组网雷达抗欺骗式干扰方法的流程图,本实施例具体可以包括以下步骤:
步骤1,计算匹配滤波后点目标的回波数据的复幅度,并根据所述复幅度构造每个点目标在所述多个节点雷达的慢时间随机复包络序列。
本实施例中设所述组网雷达包括n个节点雷达,其中n≥2,设所述匹配滤波后点目标的回波数据中包括P个点目标。
本实施例中所述步骤1包括以下子步骤:
1a)设所述组网雷达包括n个节点雷达,其中n≥2,每个节点雷达接收回波数据,并采用以下公式对所述回波数据进行匹配滤波,得到匹配滤波后点目标的回波数据y(t):
其中,x(t)为回波数据,为卷积符号,*表示共轭。
需要说明的是,本实施例采用的组网雷达中包含有n个节点雷达,n≥2,每个节点雷达接收回波信号,并对接收的回波信号进行匹配滤波1a)、相干积累1b)和恒虚警检测1c)。本实施例采用上述公式对所述回波数据进行匹配滤波,即采用回波数据与其共轭反转之后的函数卷积的方法进行匹配滤波。需要进一步说明的是,回波数据中包括真实目标、假目标、噪声(真假目标统称信号),而匹配滤波能够提高信噪比,因此可以更加清晰凸显点目标的回波数据。
1b)采用以下公式对所述匹配滤波后点目标的回波数据进行相干积累,得到相干积累后点目标的回波数据Y(k):
其中,Q为脉冲积累个数,y(m)为匹配滤波后点目标的回波数据。
需要说明的是,相干积累是指将同一节点雷达不同脉冲重复周期的数据调整相位再相加,目的是提高信噪比,相干积累后点目标的回波数据信噪比更大,本实施例采用上述公式对所述匹配滤波后点目标的回波数据进行相干积累,即采用对同一节点雷达不同脉冲重复周期的数据进行离散傅立叶变换的方式进行相干积累,离散傅立叶变换公式即为上述公式。
1c)设所述相干积累后点目标的回波数据中包括P个点目标的回波数据,对所述相干积累后点目标的回波数据进行恒虚警检测,分别得到P个点目标的回波数据的复幅度。
需要说明的是,恒虚警检测是指将回波数据与给定门限进行比较,目的是把真假目标回波数据从噪声背景中提取出来,恒虚警检测后可以得到点目标回波数据的复幅度本实施例上述步骤1a)、1b)、1c)对应步骤1中的“计算匹配滤波后回波数据的复幅度”。
1d)将所述P个点目标的回波数据的复幅度组成集合,并将所述集合作为P个点目标的慢时间随机复包络序列
其中,n表示所述组网雷达中的节点雷达个数,且n≥2;表示所述n个节点雷达中的第i个节点雷达检测到的第pi个点目标的回波数据的复幅度;是一个矩阵,行数为每个相干处理周期中所有脉冲数,列数为点目标的个数P。
需要说明的是,上述为矩阵,所述P个点目标的回波数据的复幅度组成集合中的每个元素都是矩阵。需要说明的是,上述步骤1d)对应步骤1中的根据所述复幅度构造每个点目标的慢时间随机复包络序列,即本实施例将所述匹配滤波后回波数据的复幅度的集合作为每个点目标的慢时间随机复包络序列。本实施例在一个相干处理周期中所有脉冲重复时间(Pulse Recurrence Time,PRT)重复上述1a)、1b)、1c)。
步骤2,根据所述每个点目标在所述多个节点雷达的慢时间随机复包络序列,估计每个点目标在每个节点雷达的平均功率。
本实施例中所述步骤2包括以下子步骤:
2a)设所述组网雷达包括n个节点雷达,其中n≥2,设所述匹配滤波后点目标的回波数据中包括P个点目标,从所述n个节点雷达中选取第i个节点雷达,并选取所述第i个节点雷达检测到的第pi个点目标的回波数据的复幅度
2b)根据所述第i个节点雷达检测到的第pi个点目标的回波数据的复幅度通过以下公式计算所述点目标pi在第i个节点雷达的平均功率的估计值
其中,Q为相干处理周期中PRT的个数,H表示矩阵的共轭转置。
需要说明的是,本实施例2a)、2b)是以根据第i节点雷达检测到的第pi个点目标的慢时间随机复包络序列计算所述点目标pi在节点i的平均功率的估计值为例进行说明的,每个点目标平均功率的计算与之类似,本实施例不再赘述。并且步骤2估计得到的每个点目标在每个节点的平均功率在后面的步骤5b)中用到。
步骤3,对于同一点目标,将其在所述多个节点雷达的慢时间随机复包络序列两两组合,构成多个包络组,并估计每个包络组的相关系数。
本实施例中所述步骤3包括以下子步骤:
3a)设所述组网雷达包括n个节点雷达,其中n≥2,设所述匹配滤波后点目标的回波数据中包括P个点目标;从所述n个节点雷达中选取第i个节点雷达和第j个节点雷达,从所述P个点目标中选取第p个点目标,对于所述第i个节点雷达,所述第p个点目标为第pi个点目标;对于所述第j个节点雷达,所述第p个点目标为第pj个点目标,将所述第i个节点雷达检测的第pi个点目标的慢时间随机复包络序列和第j个节点雷达检测的第pj个点目标的慢时间随机复包络序列进行组合,构成包络组;
3b)通过以下公式计算所述和构成的包络组的相关系数
其中,H表示矩阵的共轭转置。
3c)重复3b)至得到每个包络组的相关系数。
本实施例可以遍历所有节点,使所有节点的所有点目标重复3b),最终得到每个包络组的相关系数。
步骤4,对于同一点目标,分别选取所述每个包络组的相关系数的实部作为每个包络组对应的相关性度量。
需要说明的是,所述每个包络组的相关系数为复数,本实施例中选取相关系数的实部作为相关性度量。
本实施例中根据每个包络组的相关系数通过以下公式选取其实部作为每个包络组对应的相关性度量
其中,real()表示对取实部。
步骤5,给定组网雷达的真实目标误判概率,并依据所述组网雷达的真实目标误判概率计算所述每个包络组对应的相关性度量的检验门限。
本实施例中所述步骤5包括以下子步骤:
5a)给定组网雷达的真实目标误判概率Pl;
5b)根据所述组网雷达的真实目标误判概率Pl,通过以下公式计算每个包络组对应的相关度量的检验门限
其中,Φ()表示标准正态分布,Q为相干处理周期中PRT的个数,P为检测得到的目标个数,表示点目标pi在第i个节点雷达和第j个节点雷达的平均功率。
步骤6,将所述相关性度量与所述检验门限进行比较,判断所述相关性度量是否大于所述检验门限,当所述相关性度量小于等于所述检验门限时,判定所述相关性度量对应的包络组通过假目标检验;当所述相关性度量大于所述检验门限时,判定所述相关性度量对应的包络组未通过假目标检验,并将该包络组对应的两个点目标标定为假目标。
需要说明的是,本实施例将所述相关性度量与所述检验门限进行比较,判断所述相关性度量是否大于所述检验门限的过程,即对所述相关性度量进行假设检验。
本实施例中所述步骤6包括以下子步骤:
6a)将所述相关性度量与所述检验门限进行比较;
6b)当时,判定所述相关性度量对应的包络组通过假目标检验;
需要说明的是,若包络组通过假目标检验,则该包络组对应的两个点目标通过假目标检验;
6c)当时,判定所述相关性度量对应的包络组未通过假目标检验,并将该包络组对应的两个点目标标定为假目标。
步骤7,剔除所述假目标。
本实施例中所述步骤7包括以下子步骤:
7a)查找被标定为假目标的两个点目标所在的包络组对应的相关性度量;
7b)将所述相关性度量对应的点目标回波数据的复幅度置为零。
需要说明的是,根据上述步骤3中的描述,任意两个节点的点目标的慢时间随机复包络序列构成包络组,而根据步骤4中的描述,相关性度量是针对包络组来说的,因此上述步骤7a)先找出在6c)中被标定为假目标的两个点目标所在的包络组对应的相关性度量。根据1d)中的描述,每个点目标的慢时间随机复包络序列是点目标回波数据的复幅度的集合,而包络组选取任意两个节点的点目标的慢时间随机复包络序列构成的,包络组又与所述相关性度量,因此可以根据所述相关性度量找到对应的点目标回波数据的复幅度,然后将所述相关性度量对应的点目标回波数据的复幅度置为零。
需要说明的是,将所述相关性度量对应的点目标回波数据的复幅度置为零,可以使慢时间随机复包络序列中只有真实目标的复包络序列,从而剔除所述假目标。本实施例在步骤6中找出假目标之后,在步骤7中直接删除所述假目标,从而实现抗欺骗式干扰的目的。
需要说明的是,本实施例对每个包络组都进行如下处理:
遍历检验第i节点和第j节点雷达中的每一个点目标组合的剔除其假目标。对第i节点雷达中的每一个点目标进行的pj次检验,一次被列为有源假目标,则剔除该有源假目标,对第j节点雷达中的每一个点目标进行的pi次检验,一次被列为有源假目标,则剔除有源假目标。即依次对任意两个节点雷达中的全部目标进行步骤2至步骤6的检验,剔除有源假目标,从而实现抗欺骗式干扰的目的。
实施例二:
参照图2,示出了本发明实施例一种基于信号级融合的组网雷达抗欺骗式干扰方法的流程图,
本实施例中设所述组网雷达包括n个节点雷达,其中n≥2,设所述匹配滤波后点目标的回波数据中包括P个点目标。
本实施例具体可以包括以下步骤:
步骤201,取第i个节点的每个目标的慢时间随机复包络序列。
需要说明的是,所述步骤201与实施例一中的步骤1对应,可以参见实施例一中步骤1的相关描述,本实施例在此不做赘述。
步骤202,取第j个节点的每个目标的慢时间随机复包络序列。
需要说明的是,所述步骤202与实施例一中的步骤1对应,可以参见实施例一中步骤1的相关描述,本实施例在此不做赘述。
步骤203,估计平均功率;
需要说明的是,本实施例中步骤203根据步骤201中所取的第i个节点的每个目标的慢时间随机复包络序列,估计其对应的平均功率。步骤203与实施例一中的步骤2对应,估计平均功率的具体内容参见实施例一中步骤2的相关描述,本实施例在此不做赘述。
步骤204,估计平均功率;
需要说明的是,本实施例中步骤204根据步骤202中所取的第j个节点的每个目标的慢时间随机复包络序列,估计其对应的平均功率。步骤204与实施例一中的步骤2对应,估计平均功率的具体内容参见实施例一中步骤2的相关描述,本实施例在此不做赘述。
步骤205,估计相关系数。
需要说明的是,本实施例中步骤205是将步骤201所取的第i个节点的每个目标的慢时间随机复包络序列,和步骤202所取的第j个节点的每个目标的慢时间随机复包络序列构成包络组,然后估计该包络组的相关系数。步骤205与实施例一中的步骤3对应,估计相关系数的具体内容参见实施例一中步骤3的相关描述,本实施例在此不做赘述。
步骤206,取实部得到相关性度量。
需要说明的是,步骤206是对相关系数取实部得到相关性度量步骤206与实施例一中的步骤4对应,取实部的具体内容参见实施例一中步骤4的相关描述,本实施例在此不做赘述。
步骤207,计算检验门限。
需要说明的是,步骤207是计算检验门限步骤207与实施例一中的步骤5对应,计算检验门限的具体内容参见实施例一中步骤5的相关描述,本实施例在此不做赘述。
步骤208,判断相关性度量是否大于检验门限。
需要说明的是,步骤208将相关性度量与检验门限进行比较,判断相关性度量是否大于检验门限当时,判定所述相关性度量对应的包络组未通过假目标检验,并将该包络组对应的两个点目标标定为有源假目标,即当时,执行步骤209。步骤208与实施例一中的步骤6对应,具体内容参见实施例一中步骤6的相关描述,本实施例在此不做赘述。
步骤209,得出有源假目标位置。
需要说明的是,当时,判定相关性度量对应的包络组未通过假目标检验,并将该包络组对应的两个点目标标定为假目标,即得出了有源假目标的位置。步骤209与实施例一中的步骤6c)对应,具体内容参见实施例一中步骤6c)的相关描述,本实施例在此不做赘述。
步骤210,剔除所述假目标。
需要说明的是,步骤210与实施例一中的步骤7对应,具体内容参见实施例一中步骤7的相关描述,本实施例在此不做赘述。
本发明对抗欺骗式干扰的能力可通过以下仿真进一步验证。
(1)实验场景
以两部节点雷达组成的组网雷达为例进行仿真实验,第一个节点雷达工作在发射状态,第二个节点雷达工作在接收状态,对同一空间区域进行探测。在共同探测区域中只有一个真实目标。
假设两个节点雷达的接收信号进行脉冲压缩以后,得到真实目标的复包络序列的目标噪声比TNR相等,有源假目标的复包络序列的目标噪声比TNR相等。
(2)实验内容与结果分析
实验一:本发明提出的有源假目标鉴别方法的鉴别性能与目标噪声比TNR、假目标个数M、真实目标误判概率Pl及不同积累脉冲个数Q有关。设Pl=0.001,M=2,TNR分别取为0dB、3dB、6dB、9dB,并对每一个TNR的取值,均在不同积累脉冲个数Q下,对本发明提出的有源假目标鉴别方法进行10万次Moto Carlo蒙特卡罗实验,统计得到假目标正确鉴别概率PFT,如图3所示。其中,积累脉冲个数Q的变化范围为4~64。
从图3中可以看到,随着积累脉冲个数不断增加,PFT不断增加,这是由于积累脉冲数越多,相关性度量对相关系数的估计结果更有效,对假目标的鉴别性能越好;TNR越大,PFT越高,这是由于TNR越大,和对应同一欺骗式干扰信号产生的假目标条件下的理论相关系数越大,检验统计量的差异增大,则鉴别性能越好。积累脉冲个数Q在40~60之间判别效果较好。
实验二:设TNR=0dB,Pl=0.001,M分别取为2、4、8、14,并对每一个M的取值,均在不同积累脉冲个数Q下,对本发明提出的有源假目标鉴别方法进行10万次Moto Carlo蒙特卡罗实验,统计得到假目标正确鉴别概率PFT,如图4所示。其中,积累脉冲个数Q的变化范围为4~64。
从图4中可以看到,随着积累脉冲个数不断增加,PFT不断增加,这是由于积累脉冲数越多,相关性度量对相关系数的估计结果更有效,对假目标的鉴别性能越好;随着有源假目标个数不断增多,PFT缓慢下降,在积累脉冲个数Q为在40~60之间判别效果较好。
实验三:设TNR=0dB,M=2,Pl=0.01,0.005,0.001,并对每一个Pl的取值,均在不同积累脉冲个数Q下,对本发明提出的有源假目标鉴别方法进行10万次Moto Carlo蒙特卡罗实验,统计得到假目标正确鉴别概率PFT,如图5所示。其中,积累脉冲个数Q的变化范围为4~64。
从图5中可以看到,随着积累脉冲个数不断增加,PFT不断增加,这是由于积累脉冲数越多,相关性度量对相关系数的估计结果更有效,对假目标的鉴别性能越好;随着真实目标误判概率Pl增加,PFT缓慢上升,在积累脉冲个数Q为在40~60之间判别效果较好。
对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种基于信号级融合的组网雷达抗欺骗式干扰方法,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于信号级融合的组网雷达抗欺骗式干扰方法,所述组网雷达包括多个节点雷达,其特征在于,所述方法包括以下步骤:
步骤1,计算匹配滤波后点目标的回波数据的复幅度,并根据所述复幅度构造每个点目标在所述多个节点雷达的慢时间随机复包络序列;
步骤2,根据所述每个点目标在所述多个节点雷达的慢时间随机复包络序列,估计每个点目标在每个节点雷达的平均功率;
步骤3,对于同一点目标,将其在所述多个节点雷达的慢时间随机复包络序列两两组合,构成多个包络组,并估计每个包络组的相关系数;
步骤4,对于同一点目标,分别选取所述每个包络组的相关系数的实部作为每个包络组对应的相关性度量;
步骤5,给定组网雷达的真实目标误判概率,并依据所述组网雷达的真实目标误判概率计算所述每个包络组对应的相关性度量的检验门限;
步骤6,将所述相关性度量与所述检验门限进行比较,判断所述相关性度量是否大于所述检验门限,当所述相关性度量小于等于所述检验门限时,判定所述相关性度量对应的包络组通过假目标检验;当所述相关性度量大于所述检验门限时,判定所述相关性度量对应的包络组未通过假目标检验,并将该包络组对应的两个点目标标定为假目标;
步骤7,剔除所述假目标。
2.根据权利要求1所述的基于信号级融合的组网雷达抗欺骗式干扰方法,其特征在于,所述步骤1包括以下子步骤:
1a)设所述组网雷达包括n个节点雷达,其中n≥2,每个节点雷达接收回波数据,并采用以下公式对所述回波数据进行匹配滤波,得到匹配滤波后点目标的回波数据y(t):
其中,x(t)为回波数据,为卷积符号,*表示共轭;
1b)采用以下公式对所述匹配滤波后点目标的回波数据进行相干积累,得到相干积累后点目标的回波数据Y(k):
其中,Q为脉冲积累个数,y(m)为匹配滤波后点目标的回波数据;
1c)设所述相干积累后点目标的回波数据中包括P个点目标的回波数据,对所述相干积累后点目标的回波数据进行恒虚警检测,分别得到P个点目标的回波数据的复幅度;
1d)将所述P个点目标的回波数据的复幅度组成集合,并将所述集合作为P个点目标的慢时间随机复包络序列
其中,n表示所述组网雷达中的节点雷达个数,且n≥2;表示所述n个节点雷达中的第i个节点雷达检测到的第pi个点目标的回波数据的复幅度;是一个矩阵,行数为每个相干处理周期中所有脉冲数,列数为点目标的个数P。
3.根据权利要求1所述的基于信号级融合的组网雷达抗欺骗式干扰方法,其特征在于,所述步骤2包括以下子步骤:
2a)设所述组网雷达包括n个节点雷达,其中n≥2,设所述匹配滤波后点目标的回波数据中包括P个点目标,从所述n个节点雷达中选取第i个节点雷达,并选取所述第i个节点雷达检测到的第pi个点目标的回波数据的复幅度
2b)根据所述第i个节点雷达检测到的第pi个点目标的回波数据的复幅度通过以下公式计算所述点目标pi在第i个节点雷达的平均功率的估计值
其中,Q为相干处理周期中PRT的个数,H表示矩阵的共轭转置。
4.根据权利要求1所述的基于信号级融合的组网雷达抗欺骗式干扰方法,其特征在于,所述步骤3包括以下子步骤:
3a)设所述组网雷达包括n个节点雷达,其中n≥2,设所述匹配滤波后点目标的回波数据中包括P个点目标;从所述n个节点雷达中选取第i个节点雷达和第j个节点雷达,从所述P个点目标中选取第p个点目标,对于所述第i个节点雷达,所述第p个点目标为第pi个点目标;对于所述第j个节点雷达,所述第p个点目标为第pj个点目标,将所述第i个节点雷达检测的第pi个点目标的慢时间随机复包络序列和第j个节点雷达检测的第pj个点目标的慢时间随机复包络序列进行组合,构成包络组;
3b)通过以下公式计算所述和构成的包络组的相关系数
i≠j,i=1,2,3…n,j=1,2,3…n
其中,H表示矩阵的共轭转置;
3c)重复3b)至得到每个包络组的相关系数。
5.根据权利要求1所述的基于信号级融合的组网雷达抗欺骗式干扰方法,其特征在于,所述步骤4包括以下子步骤:
根据每个包络组的相关系数通过以下公式选取其实部作为每个包络组对应的相关性度量
其中,real( )表示对取实部。
6.根据权利要求1所述的基于信号级融合的组网雷达抗欺骗式干扰方法,其特征在于,所述步骤5包括以下子步骤:
5a)给定组网雷达的真实目标误判概率Pl;
5b)根据所述组网雷达的真实目标误判概率Pl,通过以下公式计算每个包络组对应的相关度量的检验门限
其中,Φ( )表示标准正态分布,Q为相干处理周期中PRT的个数,P为检测得到的目标个数,表示点目标pi在第i个节点雷达和第j个节点雷达的平均功率。
7.根据权利要求1所述的基于信号级融合的组网雷达抗欺骗式干扰方法,其特征在于,所述步骤6包括以下子步骤:
6a)将所述相关性度量与所述检验门限进行比较;
6b)当时,判定所述相关性度量对应的包络组通过假目标检验;
6c)当时,判定所述相关性度量对应的包络组未通过假目标检验,并将该包络组对应的两个点目标标定为假目标。
8.根据权利要求1所述的基于信号级融合的组网雷达抗欺骗式干扰方法,其特征在于,所述步骤7包括以下子步骤:
7a)查找被标定为假目标的两个点目标所在的包络组对应的相关性度量;
7b)将所述相关性度量对应的点目标回波数据的复幅度置为零。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510366792.9A CN104991233B (zh) | 2015-06-29 | 2015-06-29 | 基于信号级融合的组网雷达抗欺骗式干扰方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510366792.9A CN104991233B (zh) | 2015-06-29 | 2015-06-29 | 基于信号级融合的组网雷达抗欺骗式干扰方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104991233A true CN104991233A (zh) | 2015-10-21 |
CN104991233B CN104991233B (zh) | 2017-06-20 |
Family
ID=54303069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510366792.9A Active CN104991233B (zh) | 2015-06-29 | 2015-06-29 | 基于信号级融合的组网雷达抗欺骗式干扰方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104991233B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105259540A (zh) * | 2015-11-26 | 2016-01-20 | 西安电子科技大学 | 一种多站雷达抗有源欺骗式干扰的优化方法 |
CN105259541A (zh) * | 2015-11-26 | 2016-01-20 | 西安电子科技大学 | 一种多站雷达抗有源欺骗式干扰的方法 |
CN106383339A (zh) * | 2016-08-30 | 2017-02-08 | 电子科技大学 | 一种多站点雷达信号级联合检测的镜像目标抑制方法 |
CN106383340A (zh) * | 2016-11-24 | 2017-02-08 | 中国人民解放军国防科学技术大学 | 一种随机脉冲初始相位雷达的速度假目标识别方法 |
CN107271970A (zh) * | 2017-09-04 | 2017-10-20 | 电子科技大学 | 一种基于分布式平台的雷达协同干扰方法 |
CN108562877A (zh) * | 2018-02-01 | 2018-09-21 | 中国电子科技集团公司第二十八研究所 | 一种基于信号包络特征的欺骗式干扰抑制方法 |
CN111157966A (zh) * | 2019-12-18 | 2020-05-15 | 南京莱斯电子设备有限公司 | 一种假目标干扰识别方法 |
CN113037427A (zh) * | 2021-03-03 | 2021-06-25 | 四川九洲空管科技有限责任公司 | 一种应用于敌我识别***的抗欺骗应答方法 |
CN113960536A (zh) * | 2021-10-22 | 2022-01-21 | 西安电子科技大学 | 基于干扰消除的多站雷达多目标检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103018722A (zh) * | 2012-10-15 | 2013-04-03 | 西安电子科技大学 | 利用组网雷达***对抗欺骗式假目标的方法 |
RU2494412C2 (ru) * | 2012-01-11 | 2013-09-27 | Открытое акционерное общество "НИИ измерительных приборов - Новосибирский завод имени Коминтерна" (ОАО "НПО НИИИП - НЗиК") | Способ защиты радиолокационной станции от импульсных помех и устройство для его реализации |
CN103954943A (zh) * | 2014-05-13 | 2014-07-30 | 西安电子科技大学 | 网络化雷达***抗欺骗式干扰方法 |
CN104991232A (zh) * | 2015-06-26 | 2015-10-21 | 西安电子科技大学 | 目标信号相关下信号级融合的组网雷达抗欺骗式干扰方法 |
-
2015
- 2015-06-29 CN CN201510366792.9A patent/CN104991233B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2494412C2 (ru) * | 2012-01-11 | 2013-09-27 | Открытое акционерное общество "НИИ измерительных приборов - Новосибирский завод имени Коминтерна" (ОАО "НПО НИИИП - НЗиК") | Способ защиты радиолокационной станции от импульсных помех и устройство для его реализации |
CN103018722A (zh) * | 2012-10-15 | 2013-04-03 | 西安电子科技大学 | 利用组网雷达***对抗欺骗式假目标的方法 |
CN103954943A (zh) * | 2014-05-13 | 2014-07-30 | 西安电子科技大学 | 网络化雷达***抗欺骗式干扰方法 |
CN104991232A (zh) * | 2015-06-26 | 2015-10-21 | 西安电子科技大学 | 目标信号相关下信号级融合的组网雷达抗欺骗式干扰方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105259541B (zh) * | 2015-11-26 | 2017-10-13 | 西安电子科技大学 | 一种多站雷达抗有源欺骗式干扰的方法 |
CN105259541A (zh) * | 2015-11-26 | 2016-01-20 | 西安电子科技大学 | 一种多站雷达抗有源欺骗式干扰的方法 |
CN105259540A (zh) * | 2015-11-26 | 2016-01-20 | 西安电子科技大学 | 一种多站雷达抗有源欺骗式干扰的优化方法 |
CN105259540B (zh) * | 2015-11-26 | 2017-10-27 | 西安电子科技大学 | 一种多站雷达抗有源欺骗式干扰的优化方法 |
CN106383339B (zh) * | 2016-08-30 | 2018-12-18 | 电子科技大学 | 一种多站点雷达信号级联合检测的镜像目标抑制方法 |
CN106383339A (zh) * | 2016-08-30 | 2017-02-08 | 电子科技大学 | 一种多站点雷达信号级联合检测的镜像目标抑制方法 |
CN106383340A (zh) * | 2016-11-24 | 2017-02-08 | 中国人民解放军国防科学技术大学 | 一种随机脉冲初始相位雷达的速度假目标识别方法 |
CN107271970A (zh) * | 2017-09-04 | 2017-10-20 | 电子科技大学 | 一种基于分布式平台的雷达协同干扰方法 |
CN107271970B (zh) * | 2017-09-04 | 2019-05-21 | 电子科技大学 | 一种基于分布式平台的雷达协同干扰方法 |
CN108562877A (zh) * | 2018-02-01 | 2018-09-21 | 中国电子科技集团公司第二十八研究所 | 一种基于信号包络特征的欺骗式干扰抑制方法 |
CN108562877B (zh) * | 2018-02-01 | 2020-07-24 | 南京莱斯电子设备有限公司 | 一种基于信号包络特征的欺骗式干扰抑制方法 |
CN111157966A (zh) * | 2019-12-18 | 2020-05-15 | 南京莱斯电子设备有限公司 | 一种假目标干扰识别方法 |
CN111157966B (zh) * | 2019-12-18 | 2021-12-03 | 南京莱斯电子设备有限公司 | 一种假目标干扰识别方法 |
CN113037427A (zh) * | 2021-03-03 | 2021-06-25 | 四川九洲空管科技有限责任公司 | 一种应用于敌我识别***的抗欺骗应答方法 |
CN113037427B (zh) * | 2021-03-03 | 2022-08-16 | 四川九洲空管科技有限责任公司 | 一种应用于敌我识别***的抗欺骗应答方法 |
CN113960536A (zh) * | 2021-10-22 | 2022-01-21 | 西安电子科技大学 | 基于干扰消除的多站雷达多目标检测方法 |
CN113960536B (zh) * | 2021-10-22 | 2024-05-14 | 西安电子科技大学 | 基于干扰消除的多站雷达多目标检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104991233B (zh) | 2017-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104991233A (zh) | 基于信号级融合的组网雷达抗欺骗式干扰方法 | |
CN104991232A (zh) | 目标信号相关下信号级融合的组网雷达抗欺骗式干扰方法 | |
CN103954943B (zh) | 网络化雷达***抗欺骗式干扰方法 | |
Fishler et al. | Spatial diversity in radars—Models and detection performance | |
CN104267379B (zh) | 一种基于波形设计的主被动雷达协同抗干扰方法 | |
CN103728598B (zh) | 用异地配置的主被动雷达网抑制航迹欺骗干扰的方法 | |
CN106125053A (zh) | 脉冲多普勒雷达极化抗干扰方法 | |
CN107167785A (zh) | 一种稳健的大阵列mimo雷达目标收发角联合估计方法 | |
CN106383344B (zh) | 基于融合准则的多站雷达运动目标检测方法 | |
CN105259541A (zh) | 一种多站雷达抗有源欺骗式干扰的方法 | |
Huang et al. | Joint range–velocity deception jamming suppression for SIMO radar | |
CN105182322A (zh) | 基于反射信号相位差的被动式定位方法 | |
Cui et al. | An adaptive sequential estimation algorithm for velocity jamming suppression | |
Fawky et al. | Novel pseudo-noise coded chipless RFID system for clutter removal and tag detection | |
CN105425223A (zh) | 广义帕累托杂波下稀疏距离扩展雷达目标的检测方法 | |
Gerlach et al. | Robust adaptive matched filtering using the FRACTA algorithm | |
Du et al. | NLOS target localization with an L-band UWB radar via grid matching | |
CN105259540A (zh) | 一种多站雷达抗有源欺骗式干扰的优化方法 | |
CN105891799A (zh) | 适用于机械扫描雷达的有源干扰侦察方法 | |
Zhao et al. | Deception electronic counter‐countermeasure applicable to multiple jammer sources in distributed multiple‐radar system | |
Kim et al. | GNSS cloud‐data processing technique for jamming detection, identification, and localisation | |
He et al. | MIMO-OTH radar: Signal model for arbitrary placement and signals with non-point targets | |
Tu et al. | GNSS intermediate spoofing detection via dual‐peak in frequency domain and relative velocity residuals | |
Hao et al. | Passive radar source localisation based on PSAAA using single small size aircraft | |
Peng et al. | Constant false alarm rate detection of slow targets in polarimetric along‐track interferometric synthetic aperture radar imagery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |