雷达对随机极化干扰的反干扰方法

研究雷达极化抗干扰问题,当雷达面临敌方实施的随机极化干扰时,传统的极化滤波方法由于无法估计出干扰的极化参数,引起抗干扰性能急剧恶化。为应对快变随机极化干扰对雷达系统的巨大威胁,提出了一种新的极化加权变换的滤波方法,通过对正交双极化通道信号的加权变换,将随机极化干扰压缩到庞卡莱球上的一个很小的区域,且中心点与信号极化的状态点成交叉极化。极化加权变换后的干扰与真实信号已经接近为正交极化,可省去传统方法需要干扰极化参数估计的环节,只需采用与信号极化状态相同的Jones矢量进行极化滤波即可实现对干扰的大幅度抑制,并保证信号在滤波后无损耗。理论分析和仿真结果均验证了极化加权变换法的有效性。     

自适应极化滤波的抗干扰性能研究

针对极化域这一崭新的电子对抗(ECM)领域,研究了基于卡尔曼滤波的自适应极化滤波技术.该技术在雷达信号间歇期进行干扰极化状态的估计,在雷达信号存续期进行自适应极化滤波.理论分析和仿真结果均表明该技术具有极高的极化估计精度,在抑制干扰的同时,可提高信干比约40 dB.     

雷达最佳接收极化滤波优化研究

研究了雷达最佳接收极化滤波抗随机极化干扰的优化问题。当随机极化干扰的极化方式与目标回波的极化方式相近时,传统的最佳接收极化滤波方法在滤除干扰信号的同时,极大抑制了目标回波信号,导致信干噪比（SINR）降低。为解决传统最佳接收极化滤波存在的不足,提出收发联合极化滤波的优化方法。当目标回波和干扰有相近的极化方式时,通过对发射极化的捷变,改变目标回波信号的极化方式,从而避免目标信号的过度损失。与传统的滤波方法相比,该方法能获得更好的信干噪比。仿真结果表明了该滤波优化方法的可行性和有效性。     

共形阵空域极化域联合滤波研究

给出了完全极化情形下由N个正交偶极子构成的极化敏感阵列(共形阵)滤波性能.期望信号和干扰信号来自任意方向,并且任意极化,利用最小均方误差(LMS)自适应算法,推导了输出信号干扰噪声比(SINR)的计算公式.与普通阵列相比较,极化敏感阵列不仅可以在空域滤波,而且可以在极化域滤波,当干扰和期望信号到达角差别较大时,阵列通过调整方向特性抑制干扰、增强信号;当干扰信号和期望信号到达角接近时,仍然可以利用它们极化状态的差异提高SINR.具体算例和仿真结果验证了理论分析的正确性.     

一种改进的导航信号窄带干扰抑制方法

针对导航信号中的窄带干扰问题,提出一种基于频域处理的最小均方(LMS)窄带干扰抑制方法。该方法在传统的LMS滤波器结构中引入权值泄漏因子a,以减少导航信号中有用信号在滤波过程中的损失。通过采用权值系数稳定度d的判断处理去除导航信号中的变频窄带干扰。仿真结果表明,该方法对固频和变频的窄带干扰都有较好的抑制效果,可提高导航接收机的抗干扰性能。     

基于卡尔曼滤波的自适应极化参数估计方法

干扰的极化状态估计是极化滤波器设计中首要解决的问题.本文提出了一种基于卡尔曼滤波技术的自适应极化参数估计方法,由双极化回波模型进一步建立卡尔曼递推方程,递推方程的计算结果用于极化滤波器的设计.仿真试验中,将本文提出的自适应极化参数估计性能与变步长LMS算法的极化参数估计性能相比较.仿真结果表明,本文提出的算法具有很好的鲁棒性,同时其学习、跟踪性能优于变步长LMS算法.     

主瓣干扰极化抑制的新方法

提出了一种针对主瓣压制干扰的空域虚拟多通道并行极化滤波技术.利用天线在空域扫描时的极化慢变特性,对接收到的干扰信号进行处理,获得正交极化回波与极化状态的估计,然后以最佳极化进行极化滤波,以达到抑制噪声干扰的目的.通过采取并行处理,该方法能够消除仰角估计误差对抑制性能的影响.理论分析和仿真表明,该方法可使单极化雷达具备极化信息处理能力,进而获得较大的性能提升.     

基于Frank编码的抗干扰方法

当干扰从雷达的主瓣方向进入时,采用自适应波束形成算法会导致主瓣波束变形、偏移等问题。针对干扰从雷达主瓣进入的问题,提出了一种对发射波形设计的抗干扰方法。当发射经Frank编码后的信号,利用Frank编码的正交性,构造出匹配滤波器和阻塞滤波器,分别将接收到的数据通过两滤波器,得到两路信号,然后利用自适应对消的方法将干扰抑制掉,从而达到抑制主瓣干扰的目的,通过仿真验证了利用波形设计的方法可有效抑制从主瓣进入的干扰。     

无人系统认知联合抗干扰通信研究综述

随着电磁环境日益复杂、敌我对抗态势越发激烈,对无人系统信息传输的可靠性提出了更高的要求,传统节点的认知通信模式已难以适应未来自主化、分布式的宽带联合抗干扰发展趋势。针对无人系统面临的抗干扰低截获通信需求,围绕干扰的检测识别、变换分析和多域抑制等认知抗干扰关键技术展开具体分析,梳理常见的检测估计和分类识别研究现状;对典型干扰类型进行分类建模,总结变换处理过程的方法和问题;并对传统干扰抑制方法和新型干扰抑制方法进行了系统性概述,分析了未知干扰的分类识别、多样干扰的时域消除、分布干扰的联合分离以及协同干扰的优化控制等制约宽带联合抗干扰的关键问题,突出认知抗干扰技术对无人系统通信的重要作用。     

基于深度卷积神经网络的变换域通信网络抗干扰优化算法

为了有效抑制变换域通信网络干扰信号,改善信噪比,研究了基于深度卷积神经网络的变换域通信网络抗干扰优化算法。应用傅里叶变换方法将信号从时域转换到频域,并以傅里叶变换通信信号获得的参数为依据构建干扰信号模型;嵌入干扰信号模型以形成接收信号,然后对接收信号进行处理并存储在干扰数据库中,利用深度卷积神经网络完成干扰信号的特征学习与干扰估计,并根据干扰估计结果,在接收信号中去除干扰信号,完成变换域通信网络抗干扰优化。实验结果表明：该算法可有效完成变换域通信网络抗干扰优化,优化后通信信号的信噪比改善性能与误码性能均较佳,输出的通信信号几乎无干扰信号存在。