CN109633624B - 基于滤波数据处理的rgpo干扰鉴别方法 - Google Patents

Abstract

本发明公开了一种基于滤波数据处理的RGPO干扰鉴别方法，主要解决现有技术在RGPO干扰的持续时间较短的情况下难以判别出某些时刻出现的虚假航迹的问题。其方案是：仿真平面内的单个目标作匀速直线运动，得到目标的真实航迹；由目标的真实航迹得到雷达受到RGPO干扰前、后的量测值；根据雷达观测到的量测值进行滤波，并在滤波过程中计算各时刻的新息归一化距离d_k，确定d_k的分布；计算干扰判别因子λ_k；构造假设检验；由d_k的分布推导λ_k的分布确定λ_k的判别门限η；比较λ_k与η的大小：若λ_k≤η，则雷达处于正常跟踪状态；反之，则雷达受到了RGPO干扰。本发明能有效地鉴别RGPO干扰，识别某些时刻出现的虚假航迹，降低雷达的被欺骗概率，可应用于单部雷达跟踪。

Description

基于滤波数据处理的RGPO干扰鉴别方法

技术领域

本发明涉及雷达技术领域，特别涉及一种距离波门向后拖引RGPO干扰鉴别方法，可用于单部雷达***有效地鉴别某些时刻出现的虚假航迹，实现雷达***鉴别航迹欺骗干扰。

背景技术

近几十年来，电子干扰ECM在军事行动中扮演着越来越重要的角色，其相关的研究也取得了空前的发展。雷达电子干扰措施包括有源干扰和无源干扰，有源干扰又可分为压制式干扰和欺骗式干扰。欺骗式干扰是干扰机复制转发雷达发射信号，产生很多假目标干扰，以欺骗迷惑敌方雷达，使得敌方雷达很难分辨真假。欺骗式干扰，相比于压制式干扰，欺骗性更强，且由于其可利用雷达信号处理中的脉压增益，可有效降低干扰机的发射功率。尤其是数字射频存储器，即DRFM的快速发展，使得转发式干扰机可以快速存储转发雷达发射信号，精确地复制截获的敌方雷达发射波形，在真目标附近产生大量距离分布不同的高逼真度的欺骗式假目标。

距离波门拖引干扰是有效的电子干扰方式之一，是常见的有源欺骗式干扰，分为前拖RGPI和后拖RGPO两种形式。实施RGPI干扰比较困难，实际中常采用RGPO干扰，其通过欺骗雷达跟踪到假目标上，同时将距离波门向远离雷达的方向拖动，最终造成目标丢失。距离波门拖引干扰是对目前广泛使用的单脉冲体制跟踪雷达进行干扰的最有效手段之一。其基本原理是：干扰机收到雷达发射脉冲后，立刻转发回一个与目标回波具有相同多普勒频率、脉宽、带宽和载频的脉冲，并且干扰功率大于干扰机处散射的回波功率。其作用是以距离欺骗的方式诱使雷达错误地跟踪干扰信号，并最终使雷达丢失目标，从而达到干扰雷达正常工作的目的。

目前对于RGPO干扰的鉴别方法，大部分是基于信号级的处理方法。比如信噪比检测、χ²检验和N/M逻辑检验等方法，这些方法对于干扰鉴别的实时性不强，并且受回波信噪比和杂波密度的影响较大，容易存在“弃真”和“取伪”错误。其中，“弃真”错误是指当存在RGPO干扰时，而没有检验到干扰的错误概率，“取伪”是指没有干扰时判为存在干扰的错误概率。信噪比检测对落人回波波门内的某个量测信噪比与其对应的门限进行比较，会使“弃真”误判的概率变大。χ²检验的“弃真”错误概率在高信噪比情况下，主要由显著性水平控制，一般较小。而在信噪比较低时，“取伪”概率会很大。一部分学者提出将上述检测方法进行结合，能使发生“弃真”和“取伪”两类误判的概率同时尽可能地小，但在RGPO干扰的持续时间较短的情况下，由于雷达经过以上检测的方法后，得到的量测值减少，很难鉴别出雷达是否受到了RGPO干扰。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种基于滤波数据处理的RGPO干扰鉴别方法，以在RGPO干扰的持续时间较短的情况下准确判别出某些时刻出现的虚假航迹，降低雷达的被欺骗概率。

本发明的技术方案是这样实现的：

一.技术原理

单部雷达对目标进行检测及跟踪滤波，真目标的位置信息与雷达布站位置无关，而雷达受到RGPO干扰后所观测到的假目标量测的位置信息是由真目标位置和雷达位置共同决定的，分布在真目标与雷达站的视线上，当雷达位置不在目标的运动方向上时，雷达由假目标量测经滤波所形成的航迹在拖引期会出现明显的折点，雷达容易判断出虚假航迹。而当雷达位置在目标的运动方向上时，雷达由假目标量测经滤波所形成的航迹与真实目标的航迹近似在一条直线上，雷达不能够得到真实目标的位置信息，而实际上，雷达在受到干扰后各时刻的滤波航迹相较于真实航迹有一个处于目标运动方向的偏差。利用雷达在跟踪滤波的某一统计距离即干扰判别因子，可有效度量这种偏差，本发明就是利用干扰判别因子来鉴别RGPO干扰，以实现雷达对航迹欺骗的有效鉴别。

二.技术方案

根据上述原理，本发明的实现方案包括如下：

(1)在二维平面内，仿真单个目标作匀速直线运动，得到目标的真实航迹；

(2)由目标的真实航迹得到雷达受干扰前的真实量测值以及雷达受干扰后的虚假量测值；

(3)根据雷达观测到的量测值进行滤波，并在滤波过程中计算各时刻的新息归一化距离d_k：

其中，k＝2,…,100表示采样时刻，v_k表示新息，S_k表示新息协方差矩阵，[·]^T表示求矩阵转置，[·]^-1表示矩阵求逆，则d_k服从m个自由度的卡方分布，表示为d_k～χ²(m)，m为量测向量的维数；

(4)根据各时刻的新息归一化距离，计算干扰判别因子λ_k：

当k≥10时，借鉴滑窗法的思想，取时间窗T_win＝10，则

其中，j∈[k-T_win+1,k]；

当k＜10时，对k时刻之前的新息归一化距离求算数平均，即

其中，j∈[1,k]；

(5)通过d_k的分布推导出有关干扰判别因子λ_k的分布：

当k≥10时，T_winλ_k服从T_winm个自由度的χ²分布，即T_winλ_k～χ²(T_winm)，即在卡方分布的基础上除以T_win，得到λ_k近似服从卡方分布的表示式为

当k＜10时，kλ_k服从km个自由度的χ²分布，即kλ_k～χ²(km)，即在卡方分布的基础上除以k，得到λ_k近似服从卡方分布的表示式为

(6)构造假设检验：设雷达在跟踪过程中未受到RGPO干扰这一事件为H₀，雷达在某一时刻受到了RGPO干扰这一事件为H₁；

(7)根据(5)和(6)的结果确定判别门限η：

Pr{λ_k＞η|H₀}＝α，

其中，α为误判概率，取值为0.05或0.01或0.1，Pr{·}表示求某一分布的概率；

(8)比较干扰判别因子λ_k与判别门限η的大小关系，若λ_k≤η，则说明雷达处于正常跟踪状态；反之，则说明雷达受到了RGPO干扰。

本发明与现有技术相比具有的优点

1、本发明由于在数据级进行处理，计算速度快，实时性强，利用干扰判别因子能判断航迹的实时变化，相对于现有信号级的信噪比检测、N/M逻辑检验方法，提高了对欺骗式干扰的识别概率；

2、本发明由于利用了雷达观测到的各时刻的量测信息，能将虚假量测与滤波中的预测值的差异放大，相比现有技术，即使在拖引干扰过程中保持很小的拖引速度，很短的拖引时间，也能有效识别出虚假航迹，进一步降低了雷达的被欺骗概率。

附图说明

图1是本发明的实现流程图；

图2是在场景一中仿真雷达的跟踪滤波结果图；

图3是在场景一中仿真干扰判别因子随采样时刻的变化曲线图；

图4是在场景二中仿真雷达的跟踪滤波结果图；

图5是在场景二中仿真干扰判别因子随采样时刻的变化曲线图；

图6是在场景三中仿真雷达的跟踪滤波结果图；

图7是在场景三中仿真干扰判别因子随采样时刻的变化曲线图。

具体实施方式

参照图1，本发明的具体实现步骤如下：

步骤1、在二维平面内，仿真单个目标作匀速直线运动，得到目标的真实航迹。

考虑将目标的位置信息[x_k y_k]^T作为量测值，即量测方程为线性，所以本实例中雷达使用的跟踪滤波算法是典型的卡尔曼滤波，即KF算法，其实现如下：

建立一个与***统一的直角坐标系，设目标的初始状态矢量为

设目标的运动模型为匀速运动模型：

X_k＝F_kX_k-1+V_k， <1>

其中，F_k状态转移矩阵：

其中，T为采样时间间隔，V_k为具有协方差Q_k的零均值、白色高斯过程噪声，即

k、j均表示采样时刻，[·]^T表示求矩阵转置，δ_kj为Kronecker Delta函数：

由目标的运动模型即状态转移方程，得到目标的真实航迹即真实状态信息

其中，x_k、

分别为目标真实状态x方向的位置信息和速度信息，y_k、

分别为目标真实状态y方向的位置信息和速度信息。

步骤2、由目标的真实航迹得到雷达受干扰前的真实量测值以及雷达受干扰后的虚假量测值。

在雷达稳定跟踪目标后，目标自身的干扰机转发RGPO干扰，进入拖引期后，由于干扰信号的功率大于真实目标回波的功率，雷达自动增益电路跟踪到干扰信号即假目标，导致雷达的跟踪波门逐渐远离真正的目标，即雷达在受到RGPO干扰前后观测到的量测值有很大误差，其具体实现步骤如下：

2a)设雷达在直角坐标系下的位置为(x_r y_r)，根据步骤1得到目标的真实状态信息

计算目标相对于雷达的极坐标信息：

其中，ρ(k)为径向距离信息，θ(k)为角度信息，[·]^T表示求矩阵转置，arctan[·]表示求反正切函数；

2b)假设在k₁时刻目标自身的干扰机转发RGPO干扰，并实施匀速拖引，设v为匀速拖引时的速度，计算雷达受到RGPO干扰后探测到与假目标的距离ρ_f(k)：

ρ_f(k)＝ρ(k)+v·(k-k₁)，k≥k₁； <4>

2c)将雷达关于目标的极坐标量测信息转化到统一直角坐标系下，并考虑量测噪声

则雷达的量测值Z_k＝[x'_k y'_k]^T，按如下公式得到：

其中，x'_k表示量测Z_k的x位置信息，y'_k表示量测Z_k的y位置信息。

步骤3、根据雷达观测到的量测值进行滤波，并在滤波过程中计算各时刻的新息归一化距离d_k。

3a)计算滤波过程中的新息：

3a1)计算目标状态的一步预测

其中，

为雷达的滤波估计值，F_k为状态转移矩阵；

3a2)计算预测误差协方差矩阵P_kk-1：

其中，[·]^T表示求矩阵转置，Q_k为状态噪声的协方差矩阵，P_k-1|k-1为

的协方差矩阵；

3a3)利用如下公式计算新息v_k：

其中，Z_k为雷达的量测值，H_k为量测矩阵，由于滤波器从第2个时刻开始工作，即新息在第2个时刻及以后时刻才能得到，所以这里k的取值为k＝2,…,100；

3b)利用如下公式计算新息协方差矩阵S_k：

其中，R_k为量测噪声的协方差矩阵；

3c)用新息协方差矩阵对新息进行归一化处理，计算雷达在滤波过程中各时刻的新息归一化距离d_k：

其中，k＝2,…,100表示采样时刻，v_k表示新息，S_k表示新息协方差矩阵，[·]^T表示求矩阵转置，[·]-¹表示矩阵求逆，k不取1的原因是新息在第2个时刻及以后时刻才能得到，这里令d₁＝d₂，则d_k服从m个自由度的卡方分布，表示为d_k～χ²(m)，m为量测向量的维数。

步骤4、根据各时刻的新息归一化距离，计算干扰判别因子λ_k。

当k≥10时，借鉴滑窗法的思想，取时间窗T_win＝10，则

其中，j∈[k-T_win+1,k]；

当k＜10时，对k时刻之前的新息归一化距离求算数平均，即

其中，j∈[1,k]。

步骤5、通过d_k的分布推导出有关干扰判别因子λ_k的分布。

当k≥10时，由于d_k服从m个自由度的卡方分布，根据卡方分布的性质，则

服从T_winm个自由度的卡方分布，而

则T_winλ_k服从T_winm个自由度的卡方分布，表示为：T_winλ_k～χ²(T_winm)，即在卡方分布的基础上除以T_win，得到λ_k近似服从卡方分布的表示式为

当k＜10时，由于d_k服从m个自由度的卡方分布，根据卡方分布的性质，则

服从km个自由度的卡方分布，而

则kλ_k服从km个自由度的卡方分布，表示为：kλ_k～χ²(km)，即在卡方分布的基础上除以k，得到λ_k近似服从卡方分布的表示式为

步骤6、确定判别门限η。

6a)构造假设检验：设雷达在跟踪过程中未受到RGPO干扰这一事件为H₀，雷达在某一时刻受到了RGPO干扰这一事件为H₁；

6b)根据步骤5中干扰判别因子λ_k的分布和6a)中的假设检验，利用如下公式计算判别门限η：

Pr{λ_k＞η|H₀}＝α， <12>

其中，α为误判概率，取值为0.05或0.01或0.1，本实例取0.01；Pr{·}表示求某一分布的概率。

步骤7、对雷达跟踪状态进行判断。

将干扰判别因子λ_k与判别门限η进行比较：若λ_k≤η，则说明雷达处于正常跟踪状态；反之，则说明雷达受到了RGPO干扰，得出对RGPO干扰的鉴别结果。

本发明的优点可通过以下仿真进一步验证。

1.实验场景：

场景一：

设场景中有一个目标，目标初始位置为(-500,500)m，以(10,0)m/s的速度在二维平面作匀速直线运动，即目标的初始状态矢量为X₁＝[-500 10 500 0]^T，目标的运动模型遵循<1>式，设过程噪声协方差矩阵Q_k为0。

雷达的位置坐标为(-1000,0)m，雷达的量测精度：x方向为5m，y方向为3m。

仿真总时间设为100s，假设雷达在71～100s受到RGPO干扰，这里设定为匀速拖引干扰场景，拖引速度为1m/s。

场景二：雷达的位置坐标为(-1000,500)m，即雷达在目标的运动方向上，其他参数不变。

场景三：雷达的位置坐标为(-1000,500)m，施加匀速拖引干扰时的拖引速度改为8m/s，其他参数不变。

2.实验内容与分析：

仿真1，在场景一的情形下，雷达对目标进行跟踪滤波，得到雷达的跟踪滤波结果，如图2所示，其中，实线是目标的真实位置，虚线是雷达的量测值，点划线是雷达的滤波值。通过图2中的滤波航迹可以判断出雷达在某一时刻受到了干扰，但不能精确得到雷达开始受到干扰的采样时刻。

用本发明中的干扰判别因子λ_k和判别门限η，对图2所示的雷达跟踪状态进行判断，判定雷达是否在某一时刻受到了RGPO干扰，结果如图3所示，其中，实线是判别门限，虚线是受到RGPO干扰前、后的干扰判别因子的变化曲线，从图3可知，雷达进行正常跟踪滤波时，λ_k均小于门限，在第74个采样时刻，λ_k开始大于门限，由此判断出雷达在此时刻受到了RGPO干扰。

根据图3可知，由于航迹起始时的误差会比较大，再加上k＜10时的λ_k值在计算时，取的时间窗较短，因此会与k≥10时的干扰判别因子有很大误差，如图3中的虚线所示。由λ_k近似服从卡方分布即

得到k＜10时的门限η，该门限比其在后各时刻的门限值更大，更加符合门限的设定。

仿真2，在场景二的情形下，雷达对目标进行跟踪滤波，得到雷达的跟踪滤波结果，如图4所示。其中，实线是目标的真实位置，虚线是雷达的量测值，点划线是雷达的滤波值。由于图4中滤波航迹与目标的真实航迹近似，不能判断出雷达是否受到了RGPO干扰，而实际上，雷达在受到干扰后各采样时刻的滤波航迹相较于真实航迹有一个偏差，只是拖引速度比较小，根据图4，不能明显区分该偏差。

用本发明中的干扰判别因子λ_k和判别门限η，对图4中的雷达跟踪状态进行判断，判定雷达是否在某一时刻受到了RGPO干扰，结果如图5所示，其中，实线是判别门限，虚线是受到RGPO干扰前、后的干扰判别因子的变化曲线，从图5可知，雷达进行正常跟踪滤波时，λ_k均小于门限，在第74个采样时刻，λ_k开始大于门限，由此判断出雷达在此时刻受到了RGPO干扰。

仿真3，在场景三的情形下，雷达对目标进行跟踪滤波，得到雷达的跟踪滤波结果，如图6所示。由图6中的滤波航迹可以判断出雷达受到了RGPO干扰，干扰信号将雷达的跟踪波门向目标运动的方向上产生一个距离拖引，逐渐远离目标的真实航迹。

用本发明中的干扰判别因子λ_k和判别门限η，对图6所示的雷达跟踪状态进行判断，判定雷达是否在某一时刻受到了RGPO干扰，结果如图7所示，其中，实线是判别门限，虚线是受到RGPO干扰前、后的干扰判别因子的变化曲线，从图7可知，雷达进行正常跟踪滤波时，λ_k均小于门限，在第72个采样时刻，λ_k开始大于门限，由此判断出雷达在此时刻受到了RGPO干扰。并从图7还可以看出在雷达受到RGPO干扰后，干扰判别因子的数量级逐渐达到了10³。

通过对以上3个场景的仿真结果分析可知，本发明通过干扰判别因子的变化曲线能更有效的鉴别出雷达是否受到了RGPO干扰，并且拖引速度越大，干扰判别因子的值越大，变化越剧烈，说明雷达受RGPO干扰的影响越明显，推断出雷达受到干扰的时刻点越准确。

实验结果验证了本发明的有效性和可靠性，其能成功的鉴别出RGPO干扰，降低雷达的被欺骗概率。

Claims (3)

1.一种基于滤波数据处理的RGPO干扰鉴别方法，其特征在于，包括如下：

(1)在二维平面内，仿真单个目标作匀速直线运动，得到目标的真实航迹；

(2)由目标的真实航迹得到雷达受干扰前的真实量测值以及雷达受干扰后的虚假量测值；

(3)根据雷达观测到的量测值进行滤波，并在滤波过程中计算各时刻的新息归一化距离d_k：

其中，k＝2,…,100表示采样时刻，v_k表示新息，S_k表示新息协方差矩阵，[·]^T表示求矩阵转置，[·]^-1表示矩阵求逆，则d_k服从m个自由度的卡方分布，表示为d_k～χ²(m)，m为量测向量的维数；

(4)根据各时刻的新息归一化距离，计算干扰判别因子λ_k：

当k≥10时，借鉴滑窗法的思想，取时间窗T_win＝10，则

其中，j∈[k-T_win+1,k]；

当k＜10时，对k时刻之前的新息归一化距离求算数平均，即

其中，j∈[1,k]；

(5)通过d_k的分布推导出有关干扰判别因子λ_k的分布：

当k≥10时，T_winλ_k服从T_winm个自由度的χ²分布，即T_winλ_k～χ²(T_winm)，即在卡方分布的基础上除以T_win，得到λ_k近似服从卡方分布的表示式为

当k＜10时，kλ_k服从km个自由度的χ²分布，即kλ_k～χ²(km)，即在卡方分布的基础上除以k，得到λ_k近似服从卡方分布的表示式为

(6)构造假设检验：设雷达在跟踪过程中未受到RGPO干扰这一事件为H₀，雷达在某一时刻受到了RGPO干扰这一事件为H₁；

(7)根据(5)和(6)的结果确定判别门限η：

Pr{λ_k＞η|H₀}＝α，

其中，α为误判概率，取值为0.05或0.01或0.1，Pr{·}表示求某一分布的概率；

(8)比较干扰判别因子λ_k与判别门限η的大小关系，若λ_k≤η，则说明雷达处于正常跟踪状态；反之，则说明雷达受到了RGPO干扰。

2.根据权利要求1所述的方法，其中(2)所述的由目标的真实航迹得到雷达受干扰前的真实量测值以及雷达受干扰后的虚假量测值，按如下步骤进行：

2a)设目标的真实状态信息

雷达在直角坐标系下的位置为(x_ry_r)，则目标相对于雷达的极坐标信息为：

其中，x_k、

分别为目标真实状态x方向的位置信息和速度信息，y_k、

分别为目标真实状态y方向的位置信息和速度信息，ρ(k)为目标相对于雷达的径向距离信息，θ(k)为目标相对于雷达的角度信息，[·]^T表示求矩阵转置，arctan[·]表示求反正切函数；

2b)假设在k₁时刻目标自身的干扰机转发RGPO干扰，并实施匀速拖引，设v为匀速拖引时的速度，计算雷达受到RGPO干扰后探测到的与假目标的距离ρ_f(k)：

ρ_f(k)＝ρ(k)+v·(k-k₁)，k≥k₁；

2c)将雷达关于目标的极坐标量测信息转化到统一直角坐标系下，并考虑量测噪声

则雷达的量测值Z_k＝[x'_k y'_k]^T按如下公式得到：

其中，x'_k表示量测Z_k的x位置信息，y'_k表示量测Z_k的y位置信息。

3.根据权利要求1所述的方法，其中(3)中计算各时刻的新息归一化距离d_k，其实现如下：

3a)计算滤波过程中的新息：

3a1)计算目标状态的一步预测

其中，

为雷达的滤波估计值，F_k为状态转移矩阵；

3a2)计算预测误差协方差矩阵P_k|k-1：

其中，[·]^T表示求矩阵转置，Q_k为状态噪声的协方差矩阵，P_k-1|k-1为

的协方差矩阵；

3a3)利用如下公式计算新息v_k：

其中，Z_k为雷达的量测值，H_k为量测矩阵，由于滤波器从第2个时刻开始工作，即新息在第2个时刻及以后时刻才能得到，所以这里k的取值为k＝2,…,100；

3b)利用如下公式计算新息协方差矩阵S_k：

其中，R_k为量测噪声的协方差矩阵；

3c)用新息协方差矩阵对新息进行归一化处理，计算雷达在滤波过程中各时刻的新息归一化距离d_k：

其中，k＝2,…,100表示采样时刻，v_k表示新息，S_k表示新息协方差矩阵，[·]^-1表示矩阵求逆，k不取1的原因是新息在第2个时刻及以后时刻才能得到，这里令d₁＝d₂。

Images