CN106483506A - 一种认知型自适应干扰抑制方法 - Google Patents
一种认知型自适应干扰抑制方法 Download PDFInfo
- Publication number
- CN106483506A CN106483506A CN201610946039.1A CN201610946039A CN106483506A CN 106483506 A CN106483506 A CN 106483506A CN 201610946039 A CN201610946039 A CN 201610946039A CN 106483506 A CN106483506 A CN 106483506A
- Authority
- CN
- China
- Prior art keywords
- interference
- signal
- pulse
- envelope
- threshold value
- 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
- G01S7/28—Details of pulse systems
- G01S7/2813—Means providing a modification of the radiation pattern for cancelling noise, clutter or interfering signals, e.g. side lobe suppression, side lobe blanking, null-steering arrays
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种认知型自适应干扰抑制方法,其特征是,首先阵列接收到的信号通过数字波束形成得到所需要波束输出,抽取部分辅助通道对干扰个数进行判断;在数字波束形成后完成第一次干扰特征分析;根据不同的干扰类型,采用不同的干扰对消方法。本发明所达到的有益效果:本方法建立了干扰描述字与自适应策略选择的思想,从而使雷达能够快速完成干扰特征分析,通过将智能认知技术与抗干扰技术有效结合,对干扰的特征判断,分别在数字波束形成和脉冲压缩之后对多种干扰类型识别,构建一种具有智能化的自适应策略中心模块,在自适应策略中心模块调度匹配的干扰对消方法,从而实现认知型的抗干扰技术。
Description
技术领域
本发明涉及一种认知型自适应干扰抑制方法,属于数字阵列雷达技术领域。
背景技术
电磁环境日益复杂,需要雷达对环境的感知能力不断提高。电磁干扰的复杂性和多样性会导致雷达的目标检测能力严重下降。干扰可以分为多种类型,例如连续波干扰、转发式干扰与脉冲干扰等。当连续波干扰从旁瓣进入时,常采用自适应旁瓣对消(SLC)技术抑制干扰;当脉冲干扰从旁瓣进入时,采用旁瓣匿影技术抑制。但是,旁瓣匿影容易造成目标损失。而常规旁瓣对消算法无法完成有效地干扰采样。转发式干扰在脉冲压缩时获得较大增益,采用传统的脉冲压缩前的旁瓣对消在完成对消后,部分干扰仍存在于噪声之下。因此,需要在脉冲压缩后开展对消处理,脉压后旁瓣对消简称为PC-SLC。既然干扰对消需要针对不同的干扰采用不同的对消方法,则需要实现对干扰的有效认知,从而选择相应的干扰抑制方式。
由于传统雷达***无法对干扰环境有效认知,导致雷达无法自动辨别干扰类型,采取相应手段抑制干扰。在复杂多变的战场环境下,人工化的抗干扰方式已不能应对快速变化的干扰环境,常用的抗干扰技术无法应对复杂多样的干扰形式。
发明内容
为解决现有技术的不足,本发明的目的在于提供一种认知型自适应干扰抑制方法,将智能认知技术与抗干扰技术有效结合,通过对干扰的特征判断,分别在数字波束形成(DBF)和脉冲压缩之后对多种干扰类型识别,构建一种具有智能化的自适应策略中心模块,在自适应策略中心模块调度匹配的干扰对消方法,从而实现认知型的抗干扰技术。
为了实现上述目标,本发明采用如下的技术方案:
一种认知型自适应干扰抑制方法,其特征是,包括如下步骤:
1)将阵列接收到的信号通过数字波束形成得到所需要的波束后输出;
2)抽取部分辅助通道对干扰个数进行判断,根据得出的干扰个数选择辅助通道的个数;这一步是为了确定旁瓣对消采用的辅助通道个数,简化自适应干扰抑制计算量,需要对干扰个数做出判断。
3)进行干扰特征分析,对象参数是其时域上的脉冲包络、脉宽和脉冲间隔,将这些参数结合形成认知描述字;
4)根据步骤3)的结果对各类波束的类型进行分辨,传递到适应策略中心模块后选择恰当的抗干扰方式,判断准则如下:
若为连续波干扰,信号采样点选取发射前时刻,开窗长度1024个采样点,采用自适应旁瓣对消后脉冲压缩;
若为脉冲干扰,在接收一帧数据周期内实现干扰采样,干扰采样截取2048点,采用自适应旁瓣对消后脉冲压缩;
若为转发式干扰,直接进行脉冲压缩;
5)对于步骤4)处理后的干扰进行干扰特征分析,并判断处理效果:
对于连续波干扰与脉冲干扰,若干扰信号包络小于预先设定的门限值且无尖峰脉冲,则证明干扰被有效抑制;
对于转发式干扰,确定干扰包络、脉冲宽度与脉冲间隔,将干扰特征传递到自适应策略中心模块后采用自适应旁瓣对消抑制干扰方式进行处理,之后再次进行干扰特征分析,若干扰包络、脉冲宽度与脉冲间隔均超过设定值且产生尖峰脉冲,则提取尖峰样本并计算旁瓣对消权向量,对干扰进行抑制。
进一步地,所述步骤1)中具体步骤为:对于M个单元的雷达等距线阵阵列,设第i个通道接收信号为xi(k),k表示离散时间,设信号波束指向为θ,a(θ)为输入信号导向矢量,计算公式为式中j代表虚数,d为阵元间距,λ为波长,[·]T表示转置;阵列波束形成加权后,输出为式中(·)*表示共轭,wi为第i个通道DBF权值。
进一步地,所述步骤2)的具体步骤为:
21)设抽取N个辅助通道的数据构成如下Xs(k)=[x1(k),x2(k),…,xN(k)]T;
22)求取辅助通道协方差矩阵RXX=Xs(k)Xs H(k),(·)H代表共轭转置;
23)对协方差矩阵进行特征值分解λi=eig[RXX],i=1,2,…,N,式中eig[·]表示特征根分解函数,λi表示为第i个特征根,其中最小特征根表示为λmin=min{λ1,λ2,…,λN};
24)计算其它特征根与最小特征根的比值,记为
25)定义变量Λ=[δ1,δ2,…,δN],当与门限值ρ0比较时,大于门限值的特征根个数就是对应的干扰个数,根据干扰个数选取辅助通道个数。
进一步地,所述步骤4)中对于各个参数对象的判断准则是:
I)利用脉宽判别:为求得输出信号脉冲宽度,需要对各干扰脉冲上升沿与下降沿进行判断;将得到的上升沿与下降沿采样点进行标记,利用同一脉冲的上升沿与下降沿的差值计算脉冲宽度,计算公式如下PW=TsNs,式中Ts为采样周期,Ns为上升沿与下降沿差值采样点数;
设σPW1为脉宽门限值,当信号脉宽大于σPW1时,可以判断干扰信号为脉冲信号;当信号脉宽小于σPW1时,则可以判断干扰信号为连续波信号;
II)利用脉冲包络判别:数字波束形成后,求取所需波束输出信号的包络式中yI(k)与yQ(k)为波束信号y(k)的实部与虚部;
数字波束形成后对某一时刻的信号包络取门限值σPA1,若信号包络大于门限值σPA1,则认为干扰存在,否则认为没有干扰;
III)利用脉冲间隔判别:在数字波束形成后,对波形脉冲间隔设定门限值σPR1,当信号脉冲间隔大于σPR1,可以判断干扰信号为脉冲干扰;当信号重复间隔小于σPR1,则可以判断干扰信号为连续波干扰。
本发明所达到的有益效果:本方法建立了干扰描述字与自适应策略选择的思想,从而使雷达能够快速完成干扰特征分析,通过将智能认知技术与抗干扰技术有效结合,对干扰的特征判断,分别在数字波束形成(DBF)和脉冲压缩之后对多种干扰类型识别,构建一种具有智能化的自适应策略中心模块,在自适应策略中心模块调度匹配的干扰对消方法,从而实现认知型的抗干扰技术。
附图说明
图1是本方法的原理框图;
图2是实施例1的连续波干扰信号时域模值;
图3是实施例1使用本方法的干扰抑制结果;
图4是实施例1的连续波干扰抑制后脉冲压缩结果;
图5是实施例2的脉冲干扰信号时域模值;
图6是实施例2使用本方法的干扰抑制结果;
图7是实施例2的脉冲干扰抑制后脉冲压缩结果;
图8是实施例3的转发式干扰信号幅度;
图9是实施例3的转发式干扰脉冲压缩;
图10是实施例3的脉压后信号脉冲宽度;
图11是实施例3的脉压后信号重复频率;
图12是实施例3使用本方法的干扰抑制结果。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
结合附图1,本方法的原理是:采用数字波束形成实现目标观测波束输出,之后,根据干扰类型实现不同的自适应旁瓣对消。
干扰认知分为三步进行:采用辅助通道确定干扰个数,在数字波束形成之后与脉冲压缩之后分别提取干扰时域特征。将得到的干扰特征传递到自适应策略中心模块,完成对干扰的特征分析,区分出连续波干扰、脉冲干扰与转发式干扰。如果干扰为连续波干扰与脉冲干扰,开关1连接a端,在DBF后脉冲压缩前进行自适应旁瓣对消。如果干扰为转发式干扰,数字波束形成后开关1连接b端,对信号进行脉冲压缩闭合开关2,进行脉压后的自适应旁瓣对消。实际上也就是根据不同的干扰类型,来决定脉冲压缩与自适应旁瓣对消的使用前后顺序。
对于DBF后的干扰特征提取,本发明主要是对其时域上脉冲包络、脉宽、脉冲间隔等特征参数进行分析,将这些参数结合形成认知描述字(RDW),可以高效完成对特征参数的统计,快速实现对干扰的分类与识别,不过也可以根据实际的需要来进行特征参数的选择与分析。
在本方法中通过在DBF后对干扰信号包络、脉冲宽度与脉冲间隔进行干扰特征分析,可以分辨出连续波干扰与脉冲干扰。传递到自适应策略中心模块后选择恰当的抗干扰方式,所以采用自适应旁瓣对消抑制干扰。
自适应旁瓣对消是通过对辅助通道信号加权,与主通道信号相减达到抑制旁瓣干扰的目的。主要计算过程如下:
计算辅助通道协方差矩阵RXX=Xs(k)Xs H(k),计算主辅通道互相关矢量PXy=Xs(k)y*(k),计算旁瓣对消中自适应加权Ws=RXX -1PXy,式中,[·]-1表示矩阵求逆运算,(·)*表示共轭。加权对消后的波束输出z(k)为:z(k)=y(k)-Ws *(k)Xs(k),(·)*表示共轭。
本发明中使用脉冲压缩,对于连续波干扰与脉冲干扰,自适应旁瓣对消后脉冲压缩的目的是为了检测干扰是否被抑制。
对于转发式干扰,在数字波束形成后脉冲压缩,完成对干扰信号的检测。
脉冲压缩是将发射宽度较宽且峰值功率较低的脉冲压缩,获得宽度较窄、高峰值功率的探测性能和距离分辨率。实质上就是对回波信号进行最佳滤波。通常有时域相关和频域快速傅里叶变换(FFT)两种方法:
时域相关就是对雷达回波信号进行卷积运算,计算公式为p(k)=r(k)*h(k),式中*表示卷积,r(k)是A/D采样后的回波信号,h(k)为脉压滤波的冲激响应;p(k)为脉压后信号输出。
频域方法则是对回波信号FFT计算得到频谱R(ω),再与脉压滤波的频响H(ω)相乘,最后完成快速傅里叶反变换(IFFT),即可得到脉压结果。计算公式为p(k)=IFFT[R(ω)H(ω)]=IFFT{FFT[r(k)]FFT[h(k)]},由于时域卷积相当于频域乘积,所以两种方法是同一概念。当信号为大时宽带宽积时,一般采用频域FFT方法。
对于转发式干扰在脉压后提取干扰特征与DBF后提取干扰特征的方法相同。对于连续波干扰与脉冲干扰,在脉冲压缩后提取干扰特征,若干扰信号包络小于门限值σPA2,则证明干扰被有效抑制。对于转发式干扰,在脉冲压缩后提取干扰特征,确定干扰包络、脉冲宽度与脉冲间隔,将干扰特征传递到自适应策略中心模块。通过策略选择完成对转发式干扰抑制。
(8)自适应策略中心模块
当干扰形式不同时,抗干扰方式随之变化,将两者对应起来构成自适应策略中心模块。本模块是指根据干扰特征识别出的干扰,选取相对应的一种或者几种抗干扰手段完成干扰抑制,从而使雷达***的抗干扰性能达到最优。与传统的抗干扰机制方法相比,在干扰抑制前后完成了对干扰的认知,更有效地提高了雷达抗干扰水平。具体内容如下表所示:
表1为干扰认知策略表
其中,脉冲宽度记为PA,脉冲幅度记为PW,脉冲间隔记为PR表格中的下标表示第一/二次干扰特征提取的值,门限值σPA1,σPW1,σPR1,σPA2,σPW2,σPR2依据经验值选取。
实施例
通过计算机仿真完成三种干扰信号对本发明的方法验证。假设一16单元的雷达均匀线阵,单元间距为半波长,信噪比取20dB。
其中,实施例1中的干扰信号为噪声调频连续波干扰。
实施例2中的干扰信号为脉冲干扰。
实施例3中的干扰信号为转发式干扰。
分别对三种干扰信号验证干扰特性提取方法、干扰策略以及最终的自适应干扰抑制性能。
表2中给出了三种干扰在DBF后与脉冲压缩后的干扰特征参数。设DBF后干扰特征信号包络门限σPA1为60,脉冲宽度门限σPW1取20μs,脉冲间隔门限σPR1为200采样点。脉冲压缩后干扰特征信号包络门限σPA2为80dB,脉宽门限σPW2为0.3μs,脉冲间隔门限σPR1为1000采样点。
表3DBF与脉压后干扰特征参数
实施例1:
干扰信号为噪声调频连续波,干扰位于-45°,信号位于30°。脉压前干扰与噪声的比值取30dB。干扰的时域模值如图2所示。本实施例在分析DBF后干扰特征时,设置干扰信号包络值PA1为150,脉冲宽度值PW1为40μs,脉冲间隔PR1为0。从图2可知,连续波干扰幅值大于门限值σPA1。干扰信号脉宽大于脉宽门限值σPW1,干扰信号脉冲间隔小于门限值σPR1。本发明在连续波干扰被抑制后脉冲压缩脉压效果如图4所示,采用本发明的方法使干扰得到很好地抑制。
由实施例1中图可知,在DBF后干扰信号包络大于门限60,脉冲宽度大于门限20μs,重复频率小于200点。采用本发明所给方法的对干扰抑制得到对消比为15.25dB。脉冲压缩后,干扰信号未产生明显尖峰脉冲,则证明干扰被有效抑制。所以可通过本发明分辨出连续波干扰信号。
实施例2
干扰信号为占空比为50%的脉冲干扰,干扰位于-45°,干扰与噪声的比值取30dB。干扰的时域模值如图5所示。采用本发明的方法获得干扰抑制性能如图6所示,干扰得到很好地抑制。本发明在脉冲干扰被抑制后脉冲压缩脉压效果如图7所示。
由实施例2中图可知,在DBF后脉冲干扰信号包络大于门限60,脉冲宽度小于门限20μs,重复频率大于200点。采用本发明所给方法的对干扰抑制得到对消比为11.43dB。脉冲压缩后信号包络小于门限值且无尖峰脉冲,则证明干扰被有效抑制。所以可通过本发明分别出脉冲干扰信号。
实施例3
干扰信号为转发式干扰,干扰位于-45°,干扰与噪声的比值取30dB。干扰在时域上的幅度如图8所示。本发明脉冲压缩脉压效果如图9所示,分析脉冲压缩后干扰特征,脉冲宽度和重复频率如图10、11所示。采用本发明的方法干扰抑制性能如图12所示,再次对图12进行补充说明,在实际做仿真时,图片实际是彩色图片,能够非常清楚地看到分界,数据中间是有目标信号,但是将其改为全黑时并不是很清楚,但是从两边可以明显看出干扰被抑制,干扰得到很好地抑制。
由实施例3中图可知,在DBF后转发式干扰信号包络大于门限60,脉冲宽度大于门限20μs,重复频率小于200点。脉冲压缩后,干扰信号包络大于门限值80,脉冲宽度大于门限0.3μs,重复频率为2000点并产生尖峰脉冲。提取尖峰脉冲后,计算旁瓣对消权值,对干扰信号抑制得到对消比为9.87dB。所以可通过本发明分别出转发式干扰信号。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (4)
1.一种认知型自适应干扰抑制方法,其特征是,包括如下步骤:
1)将阵列接收到的信号通过数字波束形成得到所需要的波束后输出;
2)抽取部分辅助通道对干扰个数进行判断,根据得出的干扰个数选择辅助通道的个数;
3)进行干扰特征分析,对象参数是其时域上的脉冲包络、脉宽和脉冲间隔,将这些参数结合形成认知描述字;
4)根据步骤3)的结果对各类波束的类型进行分辨,传递到适应策略中心模块后选择恰当的抗干扰方式,判断准则如下:
若为连续波干扰,信号采样点选取发射前时刻,开窗长度1024个采样点,采用自适应旁瓣对消后脉冲压缩;
若为脉冲干扰,在接收一帧数据周期内实现干扰采样,干扰采样截取2048点,采用自适应旁瓣对消后脉冲压缩;
若为转发式干扰,直接进行脉冲压缩;
5)对于步骤4)处理后的干扰进行干扰特征分析,并判断处理效果:
对于连续波干扰与脉冲干扰,若干扰信号包络小于预先设定的门限值且无尖峰脉冲,则证明干扰被有效抑制;
对于转发式干扰,确定干扰包络、脉冲宽度与脉冲间隔,将干扰特征传递到自适应策略中心模块后采用自适应旁瓣对消抑制干扰方式进行处理,之后再次进行干扰特征分析,若干扰包络、脉冲宽度与脉冲间隔均超过设定值且产生尖峰脉冲,则提取尖峰样本并计算旁瓣对消权向量,对干扰进行抑制。
2.根据权利要求1所述的一种认知型自适应干扰抑制方法,其特征是,所述步骤1)中具体步骤为:
对于M个单元的雷达等距线阵阵列,设第i个通道接收信号为xi(k),k表示离散时间,设信号波束指向为θ,a(θ)为输入信号导向矢量,计算公式为式中j代表虚数,d为阵元间距,λ为波长,[·]T表示转置;
对阵列波束形成加权,输出为式中(·)*表示共轭,wi为第i个通道DBF权值。
3.根据权利要求1所述的一种认知型自适应干扰抑制方法,其特征是,所述步骤2)的具体步骤为:
21)设抽取N个辅助通道的数据构成如下Xs(k)=[x1(k),x2(k),…,xN(k)]T;
22)求取辅助通道协方差矩阵RXX=Xs(k)Xs H(k),(·)H代表共轭转置;
23)对协方差矩阵进行特征值分解λi=eig[RXX],i=1,2,…,N,式中eig[·]表示特征根分解函数,λi表示为第i个特征根,其中最小特征根表示为λmin=min{λ1,λ2,…,λN};
24)计算其它特征根与最小特征根的比值,记为
25)定义变量Λ=[δ1,δ2,…,δN],当与门限值ρ0比较时,大于门限值的特征根个数就是对应的干扰个数,根据干扰个数选取辅助通道个数。
4.根据权利要求1所述的一种认知型自适应干扰抑制方法,其特征是,所述步骤4)中对于各个参数对象的判断准则是:
I)利用脉宽判别:为求得输出信号脉冲宽度,需要对各干扰脉冲上升沿与下降沿进行判断;将得到的上升沿与下降沿采样点进行标记,利用同一脉冲的上升沿与下降沿的差值计算脉冲宽度,计算公式如下PW=TsNs,式中Ts为采样周期,Ns为上升沿与下降沿差值采样点数;设σPW1为脉宽门限值,当信号脉宽大于σPW1时,可以判断干扰信号为脉冲信号;当信号脉宽小于σPW1时,则可以判断干扰信号为连续波信号;
II)利用脉冲包络判别:数字波束形成后,求取所需波束输出信号的包络式中yI(k)与yQ(k)为波束信号y(k)的实部与虚部;
数字波束形成后对某一时刻的信号包络取门限值σPA1,若信号包络大于门限值σPA1,则认为干扰存在,否则认为没有干扰;
III)利用脉冲间隔判别:在数字波束形成后,对波形脉冲间隔设定门限值σPR1,当信号脉冲间隔大于σPR1,可以判断干扰信号为脉冲干扰;当信号重复间隔小于σPR1,则可以判断干扰信号为连续波干扰。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610946039.1A CN106483506B (zh) | 2016-10-26 | 2016-10-26 | 一种认知型自适应干扰抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610946039.1A CN106483506B (zh) | 2016-10-26 | 2016-10-26 | 一种认知型自适应干扰抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106483506A true CN106483506A (zh) | 2017-03-08 |
CN106483506B CN106483506B (zh) | 2019-03-22 |
Family
ID=58272977
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610946039.1A Expired - Fee Related CN106483506B (zh) | 2016-10-26 | 2016-10-26 | 一种认知型自适应干扰抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106483506B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110518922A (zh) * | 2019-08-29 | 2019-11-29 | 成都精位科技有限公司 | 接收增益调节方法、装置和无线接收机 |
CN111245455A (zh) * | 2020-02-19 | 2020-06-05 | 北京紫光展锐通信技术有限公司 | 用于接收机的动态干扰抑制方法、接收机***及存储介质 |
CN111337886A (zh) * | 2020-03-23 | 2020-06-26 | 中国人民解放军空军工程大学 | 基于通道比函数的雷达干扰抑制方法、装置及电子设备 |
CN113050045A (zh) * | 2021-02-09 | 2021-06-29 | 中国人民解放军空军研究院战略预警研究所 | 一种智能化综合抗主副瓣干扰***及方法 |
CN117289276A (zh) * | 2023-11-24 | 2023-12-26 | 航天宏图信息技术股份有限公司 | Sar图像的处理方法、装置、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1161931A (en) * | 1980-10-17 | 1984-02-07 | Einac Van Meurs | Method and apparatus for the cancellation of interference signals from a number n of sources during the reception of return signals by a pulse radar |
EP0119844A2 (en) * | 1983-03-18 | 1984-09-26 | Fujitsu Limited | Measuring apparatus utilizing spectrum profile |
US20040027268A1 (en) * | 2000-08-11 | 2004-02-12 | Peter Langsford | Method of interference suppression in a radar system |
WO2011142879A1 (en) * | 2010-05-14 | 2011-11-17 | Massachusetts Institute Of Technology | High duty cycle radar with near/far pulse compression interference mitigation |
CN105785330A (zh) * | 2016-03-02 | 2016-07-20 | 河海大学 | 一种认知型副瓣干扰抑制方法 |
-
2016
- 2016-10-26 CN CN201610946039.1A patent/CN106483506B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1161931A (en) * | 1980-10-17 | 1984-02-07 | Einac Van Meurs | Method and apparatus for the cancellation of interference signals from a number n of sources during the reception of return signals by a pulse radar |
EP0119844A2 (en) * | 1983-03-18 | 1984-09-26 | Fujitsu Limited | Measuring apparatus utilizing spectrum profile |
US20040027268A1 (en) * | 2000-08-11 | 2004-02-12 | Peter Langsford | Method of interference suppression in a radar system |
WO2011142879A1 (en) * | 2010-05-14 | 2011-11-17 | Massachusetts Institute Of Technology | High duty cycle radar with near/far pulse compression interference mitigation |
CN105785330A (zh) * | 2016-03-02 | 2016-07-20 | 河海大学 | 一种认知型副瓣干扰抑制方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110518922A (zh) * | 2019-08-29 | 2019-11-29 | 成都精位科技有限公司 | 接收增益调节方法、装置和无线接收机 |
CN110518922B (zh) * | 2019-08-29 | 2021-06-22 | 成都精位科技有限公司 | 接收增益调节方法、装置和无线接收机 |
CN111245455A (zh) * | 2020-02-19 | 2020-06-05 | 北京紫光展锐通信技术有限公司 | 用于接收机的动态干扰抑制方法、接收机***及存储介质 |
CN111337886A (zh) * | 2020-03-23 | 2020-06-26 | 中国人民解放军空军工程大学 | 基于通道比函数的雷达干扰抑制方法、装置及电子设备 |
CN111337886B (zh) * | 2020-03-23 | 2022-01-25 | 中国人民解放军空军工程大学 | 基于通道比函数的雷达干扰抑制方法、装置及电子设备 |
CN113050045A (zh) * | 2021-02-09 | 2021-06-29 | 中国人民解放军空军研究院战略预警研究所 | 一种智能化综合抗主副瓣干扰***及方法 |
CN117289276A (zh) * | 2023-11-24 | 2023-12-26 | 航天宏图信息技术股份有限公司 | Sar图像的处理方法、装置、电子设备和存储介质 |
CN117289276B (zh) * | 2023-11-24 | 2024-02-27 | 航天宏图信息技术股份有限公司 | Sar图像的处理方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106483506B (zh) | 2019-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106483506A (zh) | 一种认知型自适应干扰抑制方法 | |
CN106546965B (zh) | 基于雷达幅度和多普勒频率估计的空时自适应处理方法 | |
CN106249212B (zh) | 主瓣压制干扰背景下有源假目标的极化鉴别方法 | |
CN103728595B (zh) | 基于子空间投影的网络化雷达抑制压制式主瓣干扰方法 | |
CN105785330B (zh) | 一种认知型副瓣干扰抑制方法 | |
Wang et al. | Manoeuvring target detection in over-the-horizon radar using adaptive clutter rejection and adaptive chirplet transform | |
CN109521430B (zh) | 一种抑制窄带干扰的距离扩展目标检测方法 | |
CN108768543A (zh) | 多特征融合认知型水声通信空快时自适应处理算法 | |
Su et al. | Research on jamming recognition technology based on characteristic parameters | |
CN106842140A (zh) | 一种基于和差波束降维的主瓣干扰抑制方法 | |
CN112098956B (zh) | 一种基于成像技术的交叉眼干扰对抗方法 | |
CN106019243A (zh) | 一种基于三次初相和frft的drfm干扰检测和对抗方法 | |
CN112014806A (zh) | 一种复杂干扰场景下的机载雷达无意干扰抑制方法 | |
CN116953683A (zh) | 基于脉内波形认知优化设计的间歇采样转发干扰抑制方法 | |
CN110109075B (zh) | 基于白化滤波的捷变频雷达抗干扰方法 | |
CN109541556B (zh) | 一种对线性调频信号移频干扰的识别方法 | |
CN116243251A (zh) | 一种基于波形分集与子空间投影的主瓣欺骗干扰抑制方法 | |
CN113552542B (zh) | 针对脉冲体制强辐射源干扰的fmcw雷达干扰抑制方法 | |
CN105334502A (zh) | 基于fir滤波器的雷达空时二维自适应处理方法 | |
CN113176541B (zh) | 一种自适应抗频谱弥散干扰方法及*** | |
He et al. | Joint design of detecting and screening waveforms against interrupted sampling repeater jamming with inaccurate jamming knowledge | |
Ahmad et al. | Analysis and Classification of Airborne Radar Signal Types Using Time-Frequency Analysis | |
Sun et al. | Research on radar active jamming recognition based on 2-d time-frequency features | |
CN113238194A (zh) | 基于分数域-频域处理的宽带相控阵雷达抗诱骗干扰方法 | |
Ren et al. | Active jamming signal recognition based on residual neural network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190322 Termination date: 20211026 |