基于认知型盲源分离的雷达主瓣干扰抑制技术研究

主瓣干扰抑制,相对于旁瓣干扰而言,缺少有效的对抗手段。基于认知原理,结合多重信号分类与恒虚警检测,提出了一种基于波束域四阶累积量的特征矩阵近似联合对角化(JADE)盲源分离算法,可以有效抑制主瓣干扰,并给出了不同信噪比条件下目标信号与干扰分离度的效果。该方法可有效实现目标与干扰的分离,具有良好的抗干扰性能。     

Fast ICA 盲分离算法在雷达抗主瓣干扰中的应用研究

压制干扰信号从主瓣进入雷达天线,会严重影响雷达的性能,通常的副瓣抗干扰技术难以奏效。文中首先给出了Fast ICA 应用于雷达抗主瓣干扰的信号模型;在高信噪比的均匀噪声环境中,利用基于寻找峭度的局部极值点的Fast ICA盲分离算法分离接收到的主瓣干扰混合信号,通过脉压找出目标信号。仿真验证了算法用于抗主瓣干扰的有效性,该算法具有良好的抗干扰性能,在分离效率上具有较明显的优势。     

一种基于JADE算法的FDA-MIMO雷达智能抗主瓣转发干扰方法

针对传统的相控阵雷达及多输入多输出(MIMO)雷达在面对与目标角度相同、距离不同的主瓣转发式干扰时无法有效地区分目标与假目标的问题,以及多类型主瓣干扰同时存在的抗干扰难题,基于频率分集阵列(FDA)-MIMO雷达,提出了一种基于矩阵联合近似对角化(JADE)盲源分离算法的智能抗干扰方法。首先对接收信号进行波束形成处理,然后将波束输出信号进行匹配滤波处理。根据频率分集子频率受干扰的情况,自适应地选择干扰较弱的子频率,采用JADE算法将干扰与目标分离开来,实现智能抗干扰。为了加强对主瓣瞄频及切片等转发干扰的对抗效果,针对每个频率分集子频率,采用低通窄带滤波,滤除干扰。仿真实验表明：将基于智能子频选取策略的接收波束域JADE算法应用到FDA-MIMO雷达可以实现良好的抗主瓣干扰效果。     

基于改进的盲源分离算法抗主瓣SMSP干扰

针对基于最大信噪比的盲源分离算法在信干噪比较差环境中无法有效分离信号和干扰的情况,提出了一种改进的基于最大信噪比的盲源分离算法,使用经过小波阈值去噪后的观测信号作为新的观测信号,重新构建最大信噪比目标函数,实现在高信噪比条件下的干扰分离。通过计算机仿真,在频率分集阵列-多输入多输出雷达系统中实现了在高信噪比条件下弥散干扰的分离。结果表明：相比于原始算法,改进后的算法能够很好地实现目标与干扰信号的分离。     

盲分离算法和FRFT联合抗雷达主瓣干扰技术研究

压制干扰信号从天线主瓣进入雷达接收机,会严重影响雷达的性能,通常的副瓣抗干扰技术难以奏效。而基于盲源分离算法(BSS)的抗主瓣干扰技术在低信噪比条件下性能恶化,因此本文提出了BSS和分数阶傅里叶变换(FRFT)联合抗主瓣干扰的技术。文章首先利用经典的BSS算法分离接收到的主瓣干扰混合信号,然后对有线性调频(LFM)信号特征的分离信号进行FRFT变换处理,并在FRFT域滤波去除大部分噪声的能量,最后FRFT逆变换恢复出目标信号。仿真实验表明,新算法相比BSS的抗主瓣干扰算法对脉冲压缩以后的峰值信噪比有较大的改善,较大地提高了脉冲压缩雷达的检测性能,具有良好的应用前景。      

一种雷达主瓣复合干扰盲源分离对抗方法

为了有效地干扰相控阵体制的防空警戒雷达,降低雷达对目标的检测概率和识别概率,现代电子干扰机通常采用“复合拖引干扰”的干扰方式,以达到“隐真示假”的干扰目的。针对这一新型电子干扰技术,本文建立了复合拖引干扰的模型和极化信道扩展信号模型,在此基础上提出了一种基于极化通道扩展和盲源分离算法的干扰抑制方法,通过计算机仿真实验表明,所提出的算法能在较宽的信噪比和干信比条件下获得良好的目标和干扰分离性能。     

分布式雷达盲源分离干扰抑制算法

针对大功率干扰下的分布式多站雷达探测能力下降的问题,本文提出了一种新的基于盲源分离的干扰抑制方法。该方法对多部雷达接收信号进行信号级和数据级的联合处理,包括干扰相对时延估计及补偿-盲源分离-多组合配对定位三个步骤。首先分别以不同接收回波信号为参考,采用相关法估计各站点干扰信号相对时延,并进行补偿使干扰成分得到校准。然后针对校准后的信号,采用盲源分离算法,实现干扰信号和目标回波信号分离。最后,利用多组合配对定位方法,剔除由于盲源分离得到的虚假目标定位点,从而得到真实目标位置信息。最后本文通过仿真实验证明了该算法的有效性。      

脉冲噪声中的盲源分离方法

盲源分离的目的在于只利用接收数据把被瞬时线性混合的源信号恢复出来,该文讨论的是一种在复各向同性的SS噪声中的盲源分离方法,SS过程能够很好地描述许多具有冲激特性的信号和噪声,但其二阶和高阶统计量是不存在的,所以首先用基于子空间逼近和白化的方法对观测数据进行处理,然后利用特征矩阵近似联合对角化方法来估计源信号和混合矩阵。仿真结果说明该方法具有良好的性能。     

Fast ICA应用于雷达抗主瓣干扰算法研究

压制干扰信号从主瓣进入雷达天线,会严重影响雷达的性能。通常的副瓣抗干扰技术难以奏效。本文首先给出了盲源分离应用于雷达主瓣抗干扰的信号模型,在此基础上提出了均匀噪声环境中,基于负熵最大化的快速固定点独立成分分析(Fast ICA)盲源分离算法,并用其分离接收到的干扰混合信号,最后脉压找出目标信号。仿真验证了算法用于主瓣抗干扰的有效性,并对其抗干扰性能进行了评价。仿真结果表明了算法良好的抗干扰性能,以及在分离效率上较明显的优势      

盲源分离算法应用于抗雷达多假目标干扰

多假目标干扰是与目标信号强相关的欺骗干扰信号,其对准雷达天线主瓣方向,会严重影响雷达的性能,通常的旁瓣抗干扰技术和一些主瓣抗压制干扰技术难以奏效.针对目标和干扰信号的相对独立性以及在空域上的差异性,提出利用盲源分离(Blind Source Separation,BSS)算法抗脉冲压缩雷达多假目标干扰的方法.首先给出了假目标干扰原理和主瓣干扰信号模型;其次利用经典的BSS算法分离接收到的主瓣干扰混合信号,并脉压找出目标信号达到抗干扰的目的;最后分析了目标与多假目标干扰混合信号的可分离性.仿真实验表明,该方法对多假目标干扰有良好的抗干扰性能.     

一种基于盲分离的欺骗干扰抑制算法

该文针对单天线雷达的欺骗干扰,研究了一种基于盲分离的欺骗干扰抑制方法。该方法在对接收信号进行分段提取的基础上,借助特征矩阵联合对角化(JADE)的盲分离技术获得多段分离信号,然后利用分选技术获取完整源信号,最后根据数字射频存储技术(DRFM)的相位量化特性鉴别目标和干扰。仿真结果表明,在高信噪比(SNR)下算法对欺骗干扰具有较好的抑制性能,且当SNR15 dB时,目标回波相似系数大于85%;相位量化位数低于4位时,鉴别概率接近100%,目标延迟时间测量误差小于0.3s。     

基于雷达系统抗干扰的卷积盲分离算法研究

如何提高雷达系统的抗干扰能力一直是雷达信号处理中比较关注的问题。卷积混合盲分离技术是当前盲分离研究的热点和难点。文中用卷积混合盲分离算法来分离雷达系统接收的信号,把卷积混合的干扰信号和有用信号分离开来,以实现雷达系统抗干扰的目的。该方法使用基于Householder变换的高阶累积量的联合对角化的频域方法来分离卷积混合的雷达接收信号。计算机仿真表明,该抗干扰方法可把卷积混合的雷达信号和干扰信号分离出来,且达到较好的分离效果。     

基于均匀线阵的盲分离算法

针对现有的最小二乘恒模盲分离算法虽然能实现源信号分离但分离信号间仍存在相关性的问题,在建立均匀线阵接收模型和分析现有算法的基础上,提出了一种将阵列结构和已有算法相结合的修正小二乘恒模盲分离算法,并进行了实验仿真。仿真结果表明,修正算法有效地降低了分离信号间的相关性,将分离结果用于信号测向,实现了对空间信号源的高分辨率测向。