分布式结构下主/被动雷达抗假目标干扰方法

针对欺骗式假目标干扰,提出一种利用分布式融合结构主／被动雷达网的距离欺骗式假目标鉴别算法．首先利用主动雷达中的量测值来联合被动雷达进行航迹起始,并在航迹起始阶段剔除部分假目标; 之后,主动雷达和被动雷达独立地对目标进行跟踪滤波; 对于主动雷达中已形成稳定航迹的假目标,利用航迹关联的方法将其剔除．仿真结果表明,这种方法可以在保证真实目标鉴别概率的前提下,对欺骗式假目标进行有效的鉴别,降低主／被动雷达网的被欺骗概率．     

一种异构组网雷达系统抗欺骗式假目标方法

同构体系下组网雷达配置方式简单,抗欺骗式假目标算法单一。该文提出一种异构组网雷达系统抗欺骗式假目标方法,对于既包含两坐标雷达又包含三坐标雷达的异构组网雷达系统,首先利用三坐标雷达对目标进行定位,计算目标相对于两坐标雷达的距离、方位角信息。然后,将该计算值与两坐标雷达对目标的量测值进行比较,通过构造卡方检验对真假目标进行有效鉴别。仿真结果表明,该算法可以有效地鉴别欺骗式假目标,并分析了欺骗距离、目标量测个数和雷达测角精度对算法鉴别概率的影响。     

组网雷达点迹信息融合抗假目标干扰方法

对欺骗式多假目标干扰, 单站雷达由于视角单一, 获取点迹数据有限, 对抗效果不理想. 针对该问题, 提出一种基于集中式组网雷达系统的真假目标识别方法. 该方法采用空间相关处理技术进行点迹融合, 并联合利用真目标的位置信息及速度信息. 对通过最近邻关联得到的关联量测序列, 首先进行基于位置信息的点迹融合, 然后求取目标实际速度矢量, 并利用速度信息进行融合, 再次剔除假目标. 在保证真目标识别概率的基础上, 进一步降低了组网雷达被欺骗概率.     

基于单基地雷达组网的协同对消抗干扰反隐身方法

为了弥补常规雷达组网数据级融合在主瓣干扰下的探测能力不足,提出了一种基于单基地雷达组网的协同对消抗干扰反隐身方法.该方法利用组网后目标和干扰的幅度、相位、延时和多普勒频移中的一种差异进行干扰对消.仿真结果表明,采用单基地雷达组网协同对消抗干扰方法主瓣干扰对消比约为25 dB,大大提升了复杂环境下的隐身目标探测能力.     

采用欺骗参数扩维估计的弹道目标跟踪方法

针对弹道导弹突防过程中施放的有源距离假目标干扰给反导雷达跟踪系统带来的挑战,提出了一种改进的基于欺骗参数扩维估计的弹道目标跟踪方法．首先,推导了球坐标系下真假弹道目标的普适动力学方程,建立了基于欺骗参数扩维估计的弹道目标跟踪状态方程和量测方程．然后,利用求容积卡尔曼滤波器(CKF)实现免微分计算,并采用联合概率数据互联(JPDA)算法实现航迹与点迹之间的数据关联．最后,通过对距离欺骗参数的估计结果设计干扰鉴别算法,实现跟踪和干扰鉴别的一体化和实时性．仿真结果表明,该方法不仅拥有良好干扰鉴别能力,且有较高的跟踪精度．     

脉间波形幅相联合设计抗欺骗干扰方法

欺骗干扰作为一种典型的有源干扰,在距离维或多普勒维上产生虚假目标,使雷达发生虚警,严重影响雷达正常工作.针对速度欺骗干扰,该文提出了一种基于脉间波形幅相联合设计的抗速度欺骗干扰方法.首先,根据速度欺骗干扰下的雷达回波模型,建立最小化阻带内干扰能量与目标旁瓣能量的加权和的优化准则,同时考虑离散量化相位和峰均功率比(PAR...     

基于目标特征调控的移频拖引干扰方法

为了提高移频干扰对脉冲多普勒(PD)雷达的干扰效果,根据目标特征调控原理,分析了移频拖引干扰应满足的条件,提出了一种基于无源目标特征调控的移频拖引干扰方法.该方法通过在目标表面涂覆或覆盖相位调制表面(PSS)材料的方式调控目标的散射特性,引起目标多普勒频率的视在漂移,使脉冲多普勒雷达产生测距误差.仿真结果表明,通过目标特征调控的方式实现的移频拖引干扰,在隐藏真实目标回波的同时,分别在真实目标前向和后向形成2个假目标,大大提高了干扰效果,验证了该方法的可靠性.     

相位编码雷达密集假目标干扰研究

为了研究相位编码雷达的干扰效果,针对间歇采样转发干扰只能产生单一、滞后假目标的不足,提出了基于随机码元调制的密集假目标干扰方法.该方法将间歇采样信号经过码元调制后再转发出去,干扰通过雷达脉压处理后形成密集假目标.由于调制码元是随机产生的,假目标出现的位置和幅度也将是随机的.仿真结果表明,经改进后的干扰方法所产生的密集假目标同时包含了超前假目标和滞后假目标,不同的调制码元能够产生不同的假目标.     

一种抗距离欺骗干扰的弹道导弹跟踪算法

针对距离欺骗干扰下反导雷达跟踪弹道导弹误差增大的问题,建立距离欺骗干扰下雷达量测模型,并提出了一种基于概率数据互联滤波(PDAF)的抗距离欺骗干扰跟踪算法.该算法首先基于信号似然比预处理、角度χ^2检验以及m/n逻辑准则对落入确认波门的候选回波进行干扰综合鉴别,然后根据干扰鉴别结果采用不同的状态更新策略.仿真结果表明,该算法不仅拥有良好的干扰鉴别能力,同时可以利用假目标的角度信息改善跟踪精度.     

一种有效识别速度欺骗干扰的方法

对假目标欺骗性干扰,假目标的多普勒频率及其变化率具有一定规律,而真目标的多普勒频率及其变化率具有不确定和无规律性.为有效识别欺骗性假目标,提出了一种新的根据多普勒频率及其变化率判断识别假目标的方法多普勒频率比较法.建模和仿真结果显示,该方法在判别运动目标和假目标上能取得较好的效果.     

欺骗式干扰下组网雷达优化布站方法分析与仿真

针对组网雷达抗欺骗式干扰的资源优化问题,提出了一种优化布站方法。首先,对数据融合抗欺骗式干扰能力进行理论分析,给出组网雷达在空间不同位置被欺骗概率的理论值;利用理论分析结果,实现组网雷达被欺骗概率最小化和其覆盖范围最大化的联合优化布站,从而达到最优的资源利用方式。最后,通过仿真得到不同条件下的最优布站位置。     

基于DRFM的雷达超前干扰技术

针对雷达接收机采用脉冲前沿抗干扰技术侦察目标的问题,提出了一种基于数字射频存储器(DRFM)的雷达超前干扰方法.利用高速ADC对雷达信号进行采样并转换为数字比特流,通过FPGA设计重频跟踪器,实现对雷达射频信号的跟踪预测,并完成对雷达信号的无失真存储和延时叠加处理,最终调制出与雷达信号具有相干性的超前干扰信号.结果表明,干扰信号超前于目标回波信号,并且具有欺骗与压制两种干扰效果,试验结果达到了预期效果.     

雷达抗欺骗式干扰信号特征提取方法

欺骗式干扰由于与雷达回波特征相近,对军用雷达造成严重威胁,迫切需要研究雷达抗欺骗式干扰新方法。为了分析提取欺骗式干扰和目标回波信号之间的不同特征,从而实现雷达抗欺骗式干扰,该文通过对欺骗式干扰和目标回波数学模型进行分析和仿真,比较了欺骗式干扰和目标回波在幅度起伏、高阶累积量和双谱特征方面的不同特征;并提出了特征提取方法,定义3组特征因子,构建了抗欺骗式干扰特征参数集。通过仿真和外场试验的数据对部分特征进行了验证。     

雷达组网系统抗干扰能力评估原则与准则研究

针对不同干扰样式的雷达组网系统的抗干扰能力评估难题,对雷达组网抗干扰能力评估原则与准则问题进行了深入研究.首先提出了抗干扰能力评估应遵循的6个基本原则,用以指导评估研究的思路和方法;然后对5种评估准则的特点进行了对比分析,指出了它们各自适用的雷达组网系统和相应的干扰方式.这为雷达组网系统抗干扰能力评估的仿真和试验提供了依据和参考.     

多站雷达主瓣干扰抑制方法研究

主瓣压制式干扰是现代电子战中雷达所面临的重要干扰样式。在多站雷达系统下,由于干扰机宽波束的特点,各接收站接收到干扰信号是高度相关的,而目标在各探测方向上的散射特性不同,在各接收站中的回波信号是相互独立的。根据这一空间散射特性的差异,该文提出一种基于幅度比特征的多站雷达主瓣干扰抑制方法。在各接收站进行时间对齐后,对各时刻点的回波信号计算幅度比,将时域信号转化到幅度比特征域,在该特征域中,干扰的相关性导致其在背景中被“平滑”,目标回波的独立性使目标“凸显”。最后,在幅度比特征域设定固定门限,对目标进行恒虚警检测。仿真实验验证了该方法能够有效地抑制主瓣压制式干扰,并可改善主瓣干扰条件下的目标检测性能。     

Method for discrimination of false targets in multistation radar systems based on the deep neural network

For the existing jamming discrimination methods for multistation radar systems,only the single feature of target echo space correlation is utilized as the metric,which leads to insufficient comprehensiveness of feature extraction,so that effectiveness and universality are insufficient for the discrimination algorithm.In this paper,an identification method in multistatic radar systems based on the deep neural network is proposed.This method combines the characteristics of multistatic radar systems cooperative detection technology,which has many available resources and strong scheduling ability in space,time and frequency domain,with the strong model learning and feature representation ability in the process of information processing on the deep neural network,so that it can effectively apply to the field of anti-deception jamming.Full use is made of unknown information about echo data to obtain more multi-dimensional,more comprehensive,more complete and deeper feature differences besides correlation,so as to achieve a better jamming discrimination effect.Simulation results show that the proposed method can effectively reduce the influence of noise and pulse number on the jamming discrimination performance.At the same time,the limitation of the target echo correlation coefficient on anti-jamming technology under nonideal conditions is alleviated,which broadens the boundary conditions of the application process.     

Active false-target discrimination method based on the amplitude ratio feature

Cooperation in multiple-radar has become an important trend in radar deception electronic counter-countermeasure. To solve the problem that the existing signal fusion-based methods cannot achieve a constant false alarm rate, this paper proposes a novel target discrimination method based on the difference in amplitude ratio feature. By the analysis of the random distribution of target amplitude ratio, multiple-dimensional test threshold is applied to discriminate the detected targets under a preset false alarm probability. Simulation results verify the feasibility and effectiveness of the proposed method.