基于改進變步長自適應濾波的密集假目標干擾抑制方法

周文輝，閔柏成

(1.解放軍91404部隊，秦皇島 066001；2.中國船舶重工集團公司第723研究所，揚州 225001)

?

基于改進變步長自適應濾波的密集假目標干擾抑制方法

周文輝1，閔柏成2

(1.解放軍91404部隊，秦皇島 066001；2.中國船舶重工集團公司第723研究所，揚州 225001)

提出了一種基于改進變步長自適應濾波的密集假目標干擾抑制方法。該方法首先采用stretch去斜處理，消去信號的二次項，并在頻域上分離目標回波與干擾，從而得到頻率不同的信號分量;然后用基于類箕舌線函數的變步長自適應濾波方法，對stretch處理后的回波信號濾波;最后對消密集假目標干擾，將對消后的信號作逆stretch處理恢復目標回波。所提出的類箕舌線函數調節自適應濾波方法中的步長，能有效地抑制距離目標回波較近的假目標干擾。仿真結果表明，改進變步長自適應濾波方法在目標回波與干擾時延差較小時，也可有效地對回波信號濾波，干擾對消效果明顯；與基于定步長的濾波方法相比，所提方法在信干比較低的環境下仍具有良好的魯棒性，并能有效抑制密集假目標干擾。

密集假目標；stretch處理；變步長；自適應濾波；干擾抑制

0 引 言

近年來，數字技術的進步及高性能處理芯片的發展，為數字射頻存儲器(DRFM)技術打下了良好的基礎，形成了DRFM干擾技術[1]。密集假目標干擾基于數字射頻存儲器，其通過對接收到的雷達回波信號進行高速采樣，保存回波信號的實時樣本，經多次延遲、疊加和調制，產生大量的假目標干擾[2]，在數量上達到對雷達欺騙的目的，使雷達不能檢測出真實目標或者不能正確測量真實目標的參數信息。密集假目標干擾可在頻域上與目標的回波重疊，由于線性調頻(LFM)雷達通常具有較大的時寬，因而假目標干擾在時域上通常也與目標回波高度耦合[3]。另外，干擾方對目標實施干擾時，目標回波與干擾間的空間角度、相對速度等因素影響都能導致干擾與目標回波的參數發生改變，進而使得干擾的參數隨著這些因素的影響而呈現一種動態的變化過程[4]。基于DRFM技術的密集假目標欺騙式干擾成為LFM雷達的主要干擾形式[5]，因而針對密集假目標干擾，進行干擾抑制方法的研究，對電子戰理論的豐富和發展具有重要意義。

DRFM密集假目標干擾與LFM雷達接收端的目標回波在時域及頻域上高度耦合，因此常規雷達抗干擾措施的性能難以達到最優。針對此問題，目前已有多種欺騙式干擾的抑制方法。文獻[6]采用巴克碼對雷達發射脈沖進行調制，在雷達接收端經相應的匹配濾波器輸出，從而抑制DRFM假目標干擾。然而，若雷達的發射波形不能在脈間進行轉換，該方法性能就會退化甚至失效。文獻[7]提出基于脈沖分集的有源假目標對抗技術，通過構造特殊的發射信號集，使雷達發射信號和干擾在頻域上實現正交化，再在雷達接收端經多路匹配濾波輸出，組合或合并匹配濾波后的信號完成干擾對消。由于該方法需要設置多路匹配濾波器，對硬件設備要求較高導致實用性不強。文獻[8]利用正交基對雷達發射波形進行調制，使雷達脈沖實現正交化，經匹配濾波輸出可抑制假目標干擾。但是此類方法需要對雷達發射脈沖作特殊調制導致普適性不強。采用傳統的時頻變換方法[9]可在某時域或頻域采樣點處得到分離的信號分量，然而，當目標回波與干擾高度耦合，尤其是信號的相關參數總是動態變化時，處理后的目標回波與干擾在時頻域上依舊存在高度耦合，難以提取目標信息。

針對DRFM密集假目標干擾與LFM雷達接收端的目標回波在時域及頻域上高度耦合問題，本文首先采用stretch去斜處理[10]，在頻域上分離目標回波與干擾，然后基于一種新的變步長自適應濾波方法對回波信號進行濾波，將濾波前后的信號對消后作逆stretch處理后即可恢復目標回波。利用該方法可有效地抑制密集假目標欺騙式干擾，無需估計干擾的相關參數，并能較好地恢復目標回波。

1 信號和干擾模型

LFM雷達為提高速度測量精度和速度分辨力，其發射信號通常具有較長的時寬與較大的帶寬。因此，當干擾方對雷達實施密集假目標干擾時，目標回波與干擾在時域及頻域上高度耦合。

設第l個脈沖重復周期雷達發射信號為：

(1)

sR(t,l)=a(l)sl′[t-τ(l)]

(2)

(3)

式中：a(l)為目標回波的幅度；τ(l)為目標回波的時延;fd(l)為目標回波的多普勒頻移。

干擾方截獲雷達發射信號的分量，并對截獲的信號進行一定的幅度、延時等處理，使干擾與目標回波同時進入雷達接收機。其中，DRFM干擾機產生的假目標干擾模型如圖1所示。

圖1 DRFM延時轉發假目標干擾模型

根據圖1可以看出，若干擾方截獲第l+1個脈沖重復周期的雷達發射信號分量，經一定的幅度、延時處理后轉發到第l+1個脈沖重復周期，此時，雷達接收機接收到的信號同時包含目標回波與假目標干擾。一般情況下，上述接收信號中包含加性白噪聲n(t)，且與n(t)獨立。則在第l+1個脈沖重復周期中雷達接收信號的表達式為：

(4)

(5)

式中：bi(l+1)為第i個假目標干擾的幅度；σi(l+1)為第i個假目標干擾的時延;rdi(l+1)為第i個干擾的多普勒頻移。

若干擾機將接收到的雷達信號作移頻調制[11]，則可通過跨周期方式產生導前假目標干擾。假設干擾機截獲了第l個脈沖重復周期的回波信號并作移頻調制，則移頻干擾的表達式為：

(6)

式中：λ(l)為移頻干擾的幅度增益；fd為移頻量；χd(l)為移頻干擾的多普勒頻移。

2 密集假目標干擾抑制算法

針對密集假目標干擾，首先要對干擾進行識別及檢測，采用時頻特性、統計信息及數字特征等[12]方法識別出假目標干擾，然后再對干擾進行處理。

2.1 stretch去斜及頻域分離原理

設第l+1個周期中的雷達接收信號中含有目標回波和假目標干擾，同時包含加性白噪聲。由于延時假目標干擾是通過截獲雷達發射信號分量，經一定的幅度與時延等處理轉發的，因而假目標干擾與加性白噪聲獨立。為便于推導且不失一般性，此處暫時忽略加性噪聲的影響[13]。利用sR(t,l)對xl+1(t)作stretch處理，結合式(2)和式(4)可得：

(7)

(8)

(9)

通過式(6)可得目標回波和延時假目標干擾相應的頻率分別為：

ftarget=[fd(l)-fd(l+1)]+k[τ(l+1)-τ(l)]

(10)

fjam(i)=[fd(l)-rdi(l+1)]+ k[σi(l)-τ(l+1)]

(11)

式中：ftarget為stretch處理后目標回波的頻率；fjam(i)為stretch處理后延時假目標干擾的頻率,i=1,2,…,N。

根據式(6)～(8)可以看出，經stretch處理后的目標回波與假目標干擾均變為單頻信號。考慮式(7)的第1項fd(l)-fd(l+1)=-2a/(cfp)，其中c為光速，a為目標加速度，fp為脈沖重復頻率。實際中a?cfp，所以式(7)第1項近似為零，從而ftarget主要由式(7)的第2項決定。當LFM雷達發射的脈沖頻率很高時，目標回波在第l+1以及第l個脈沖周期間的時延差τ(l+1)-τ(l)極小，因此，經stretch處理后目標回波的頻率ftarget位于接近于零的低頻處。干擾方對雷達進行假目標干擾，為防止被雷達識別出來，必須限制干擾的加速度大小，因而式(8)中的fjam(i)主要由第2項決定。另一方面，為保證干擾方能有效干擾雷達目標，干擾方必須使干擾與目標間存在時延差，則有|σ2(l+1)-τ(l)|>|τ(l+1)-τ(l)|，故而經stretch處理后目標回波與假目標干擾的頻率大小滿足|fjam(i)|>|ftarget|。

如果干擾機對截獲到的雷達信號作移頻調制，將產生的導前假目標干擾作stretch處理，結合式(2)和式(4)可得：

(12)

式中：C=[fd(l)-χd(l)-fd]t+[fd(l)-χd(l)-fd]τ(l)。

由式(9)可以看出，經stretch處理后移頻干擾也變為單頻信號，其相應的頻率為fyp=fd(l)-χd(l)-fd。通常情況下，干擾方產生移頻干擾的移頻量fd較大[14]，所以有|fyp|>|fjam(i)|>|ftarget|。

相鄰周期間目標回波的時延差極小，而延遲假目標與目標回波間具有一定的時延差，匹配濾波后的延遲假目標滯后于目標回波。移頻干擾是干擾機對截獲到的雷達信號作移頻調制產生的，干擾方可通過改變移頻量的大小產生滯后或超前于目標回波的假目標干擾，且在通常情況下移頻干擾的移頻量較大。因此，采用stretch去斜處理可使LFM雷達回波與假目標干擾消去二次項，從而得到頻率不同的信號分量，并在頻域上分離目標回波與假目標干擾。

2.2 變步長自適應濾波器原理

頻域分離處理后的干擾與目標回波對應的頻率滿足|fyp|>|fjam(i)|>|ftarget|，且ftarget位于接近于零的低頻處。可充分利用這個信息，首先采用單頻自適應陷波器[15]對頻域分離處理后的回波信號陷波，然后對消密集假目標干擾，最終得到目標回波。單頻自適應陷波器如圖2所示。

圖2 單頻自適應陷波器

圖2中，原始輸入為經stretch處理后的混合信號，混合信號包含經stretch處理后的目標回波和密集假目標干擾以及背景噪聲，參考輸入為頻率為f0的正弦信號。

由原始輸入到干擾輸出的轉移函數可表示為：

(13)

式中：f0為陷波頻率；μ為步長；a為參考輸入信號的幅度。

經stretch去斜處理后的干擾與目標回波對應的頻率滿足|fyp|>|fjam(i)|>|ftarget|，且ftarget位于接近于0的低頻處，因此可令f0=0，代入式(13)得：

(14)

式(14)表明，此濾波器在單位圓z=1處存在一個零點，單位圓內距2μa2處存在一個極點。因此，濾波器可濾掉(0,ln(2μa2)/2π)范圍內的頻譜成分，其濾波帶寬可通過改變μ的大小進行調整。

圖2中自適應濾波算法采用一種新的變步長LMS算法，具體如下：

e(n)=d(n)-cT(n)ω(n)

(15)

(16)

ω(n+1)=ω(n)+2μ(n)e(n)c(n)

(17)

式中：e(n)為第n時刻的干擾輸出；d(n)為第n時刻的期望輸出信號；c(n)為第n時刻的參考輸入矢量；ω(n)為第n時刻的權值；α控制函數的形狀；β控制函數的取值范圍。

式(15)為本文提出的一種類箕舌線函數的改進函數。圖3為自適應濾波算法中定步長函數(Fixed)、sigmoid函數、箕舌線函數(Versiera)及本文所提出的類箕舌線函數(Proposed)對比圖。其中橫軸為干擾輸出e(n)，縱軸為步長μ。

圖3 常用步長函數曲線的對比

通過分析式(14)所示的轉移函數可知，步長μ控制頻域的陷波帶寬。由圖3可以看出，定步長函數的步長μ為固定常數，即無論干擾輸出e(n)怎樣變化，步長μ保持不變[16]。 因此,自適應算法在迭代過程中陷波帶寬不變；基于sigmoid函數的改進曲線在穩態階段e(n)的微小變化會引起步長μ較大的變化[17]；箕舌線函數曲線在e(n)的變化過程中步長μ始終在變化[18]，即迭代過程中陷波帶寬始終是動態變化的。

步長μ值控制頻域的陷波帶寬，自適應算法在迭代的初始階段，較大的步長可以有效地陷掉目標回波，同時消除目標回波由于頻譜泄露產生的旁瓣部分。隨著迭代次數的增加，過大的步長μ在陷波過程中會同時陷掉距離目標回波最近的干擾。當干擾與目標回波時延差較小時，導致對消后殘留干擾的部分分量，使得恢復的回波信號中含有干擾分量。采用本文提出的基于改進函數的變步長自適應濾波方法，在迭代的初始階段步長較大，從而陷波帶寬較大；隨著迭代次數的增加，μ隨|e(n)|的減小而逐漸減小；達到穩態后μ幾乎不變，從而保證了陷波帶寬較小，可在目標回波與干擾時延差很小的情況下更好地對回波信號濾波。因此基于改進函數的變步長自適應方法能更有效地抑制密集假目標干擾。

2.3 密集假目標干擾抑制算法的步驟

(1) 通過式(7)、(12)對雷達接收機在第l個周期上的接收信號sR(t,l)與第l+1個周期接收信號xl+1(t)+syp(t,l)作stretch處理，其中l=1,2,…,M。

(2) 通過式(15)～(17)對stretch處理后的信號作濾波處理，并將濾波前的信號與濾波后的干擾輸出對消。

(3) 將對消后得到的信號做逆stretch處理即可恢復目標回波。

(4) 將恢復后的目標回波經過延遲處理與雷達接收機在第l+2個周期接收到的信號進行stretch處理，重復步驟(1)、(2)、(3)。

3 仿真實驗及分析

3.1 算法的整體實現

仿真條件為：LFM信號的載頻f0=10 MHz，帶寬B=5 MHz，脈沖寬度τPW=5×10-5s，脈沖重復頻率為10 kHz，調頻斜率k=B/τPW；距離目標回波信號最近的假目標干擾的時延差Δτmin=5×10-6s；移頻干擾產生導前假目標，移頻量為fd=2MHz；自適應算法的迭代次數N=2 000；改變目標回波與干擾間的時延差，以間隔Δτ=5×10-6s的時延差產生8個假目標和1個導前假目標干擾。目標回波在假目標干擾下的對比圖如圖4所示。

圖4 目標回波在假目標干擾下的對比圖

圖4(a)和圖4(b)分別為LFM信號在有無干擾情況下的幅頻圖，可以看出密集假目標干擾條件下，假目標干擾的頻譜完全覆蓋了目標回波。圖4(c)和圖4(d)分別為密集假目標和導前假目標干擾下LFM信號的匹配濾波輸出，其中圖4(c)中設置距離600 m處為真實目標，然后每間隔200 m產生8個距離假目標。圖4(d)在距離400 m處通過移頻處理產生一個導前假目標。可以看出干擾和目標回波都能與接收機匹配濾波，獲得處理增益。因此，時域的匹配濾波無法判斷真實目標的位置，且假目標干擾與目標回波的頻譜間嚴重耦合。

圖5為信噪比σSNR=0dB時，假目標干擾抑制前后對比圖。圖5(a)為假目標干擾下LFM信號的匹配濾波輸出，其中距離600 m處為真實目標，每間隔200 m產生8個距離假目標，距離400 m處為導前假目標。圖5(b)為逆stretch處理后信號的匹配濾波輸出，可以看出僅在距離600 m處存在一個目標，有效抑制了導前假目標和密集假目標干擾。圖5(c)為stretch處理后的信號頻譜，可以看出目標回波與干擾經stretch處理后變為單頻信號，此時，目標回波的頻率為0.02 MHz，距離目標回波最近的干擾頻率為0.52 MHz，同時導前假目標干擾的頻率為39.52 MHz，因此，經stretch處理后的信號消去了二次項，從而得到頻率不同的干擾及回波信號分量，實現了干擾分量與目標回波分量間的頻域分離。圖5(d)為自適應對消后的頻譜，可以看出基于類箕舌線的變步長自適應濾波方法不僅可以抑制干擾，還可以消除背景噪聲的影響。圖5(e)為經逆stretch處理后的頻譜，與圖5(f)中LFM幅頻圖相比，可以看出本文所提方法在抑制背景噪聲的同時有效抑制了多假目標干擾，并能良好地恢復回波信號。

圖5 假目標干擾抑制前后對比圖

3.2 干擾抑制性能分析

在不同信干比下對本文所提方法的干擾抑制性能進行分析，其參數設置如下：干擾抑制前目標回波與每個假目標干擾信干比分別為σSJR=0 dB,-5 dB,-10 dB，其它參數與3.1相同。通過100次蒙特卡羅實驗，得到干擾抑制后信干比隨時延差的變化情況如圖6所示。由圖6可見，隨著信干比的增大，其干擾抑制后信干比改善也增大。通常情況下，干擾抑制前的目標回波與每個假目標干擾信干比約為0 dB，在距離目標回波最近的干擾與目標回波之間的時延差為1×10-7s時，干擾抑制后信干比約為20 dB，因此，采用本文所提的改進變步長自適應濾波方法，在目標回波與干擾時延差較小時，也可有效地對回波信號濾波，干擾對消效果明顯；在距離目標回波最近的干擾與目標回波之間的時延差大于4×10-7s時，干擾抑制后信干比約為33 dB，此時，本文所提的方法能更好地抑制密集假目標干擾。

圖6 干擾抑制后信干比隨時延差的變化情況

為了說明背景噪聲對干擾抑制性能的影響，引入信干噪比[19]的概念。其中，信干噪比σSJNR=10lg[ps/(pj+σd2)]，其中ps和pj分別表示目標回波和干擾的功率，σd2為背景噪聲的方差。參數設置如下：距離目標回波最近的干擾與目標回波之間的時延差τ=0.1,0.2,0.3,1 μs，干擾抑制前的目標回波與每個假目標干擾信干比為σSJR=0 dB，其它仿真參數與3.1相同。通過100次蒙特卡羅實驗，得到信噪比的變化對干擾抑制性能的影響如圖7所示。由圖7可以看出，隨著信噪比的增大，背景噪聲對stretch處理中二次項去除以及自適應濾波的影響逐漸減小，干擾抑制后的信干噪比增大。結合圖7的仿真可知，當τ>0.4 μs時，干擾抑制后信干比約為33 dB。因此，圖7中τ3=0.3 μs及τ4=1 μs 2條折線幾乎重合。當干擾抑制前信噪比大于-5 dB，τ>0.4 μs時，干擾抑制后信干噪比仍為33 dB。此時本文所提的方法在抑制多假目標干擾的同時，有效地消除了背景噪聲的影響。

圖7 信噪比的變化對干擾抑制性能的影響

接下來比較定步長自適應濾波器和本文提出的類箕舌線變步長自適應濾波器的濾波性能，其參數設置如下：干擾抑制前目標回波信號與每個假目標的干擾信干比分別為σSJR=0 dB，信噪比為-5 dB，迭代次數均為N=2 000，其它參數與3.1相同。通過100次蒙特卡羅實驗，得到2種自適應濾波方法的干擾抑制性能比較如圖8所示。

圖8 定步長與變步長自適應濾波方法的干擾抑制性能比較

由圖8可以看出，在距離目標回波最近的干擾與目標回波之間的時延差為1×10-7s時，采用基于類箕舌線函數的變步長(Proposed)自適應濾波方法干擾抑制后信干比約為20 dB，相比于定步長(Fixed)自適應濾波方法，干擾抑制后信干比不到1 dB；當時延差大于7.5×10-7s時，改進方法處理后信干比約為33 dB，而定步長自適應濾波方法處理后信干比約為30 dB。因此，當干擾與目標回波間存在較小時延差時，采用本文所提方法能更好地抑制密集假目標干擾。當干擾與目標回波之間的時延差很小時，導致對消后殘留干擾的部分分量，使得恢復的回波信號中含有干擾分量；當時延差較大時，干擾抑制后信干比幾乎不變。因此，隨著時延差的增大，自適應濾波器的濾波性能逐漸穩定。當時延差為0.5×10-7s時，2種方法干擾抑制后的信干比出現極小值。

4 結束語

密集假目標干擾對LFM雷達產生較強的欺騙性，在時域以及頻域上干擾與目標回波嚴重耦合，匹配濾波后很難區分真實目標與假目標。針對此問題，本文提出了一種類箕舌線函數的變步長自適應濾波方法，對stretch處理后的信號濾波，并對消濾波前后的密集假目標干擾。仿真結果表明，基于定步長的自適應濾波方法可有效地抑制干擾，但在干擾與目標回波間時延差較小時，其干擾抑制性能嚴重退化。本文提出的類箕舌線變步長自適應濾波方法可在干擾與目標回波間時延差較小時，更有效地對消干擾，消除了背景噪聲的影響，且在目標回波與干擾高度耦合的條件下有效地抑制密集假目標干擾。

[1] 盧剛,唐斌,羅雙才,等.LFM雷達中DRFM假目標自適應對消方法[J].系統工程與電子技術, 2011(8):1760-1764.

[2] 黎明也,曹志華,朱寶增,等.對線性調頻雷達的密集假目標干擾研究[J].中國電子科學研究院學報,2014,9(3):272-276.

[3] 盧剛.雷達有源假目標抑制方法研究[D].成都:電子科技大學,2008.

[4] PACE P E,FOUTS D J,EKESTORM S,et al.Digital false-target image synthesizer for countering ISAR[J].IEE Proceedings——Radar, Sonar and Navigation,2002,149(5):248-257.

[5] 郝萬兵，張軍，謝敏.一種密集假目標干擾的建模及其仿真分析[J].火控雷達技術，2005(3)：76-78

[6] LIU Y,ZHANG G Y,HU X L,et al.Fast parameter estimation of LFM-PRBC signal under low SNR[J].Telecommunication Engineering,2014,54(10):1360- 1365.

[7] LU G,TANG B.Deception jammer rejection using pulse diversity in joint slow/fast-time domain[J].Journal of the Chinese Institute of Engineers,2013,36(3):405-410.

[8] SCHUERGER J,GARMATYUK D.Performance of random OFDM radar signals in deception jamming scenarios[C]//IEEE Radar Conference,2009:1-6.

[9] STANKOVIC L,DJUROVIC I,STANKOVIC S,et al.Instantaneous frequency in time-frequency analysis:enhanced concepts and performance of estimation algorithms[J].Digital Signal Processing,2014,35(3):1- 13.

[10]SCHIKORR M.High range resolution with digital stretch processing[C]//IEEE Radar Conference,2008:1-6.

[11]張克舟,李青山,張恒,于衛剛,等.LFM脈沖壓縮雷達的隨機移頻多假目標干擾技術研究[J].電光與控制,2014,21(8):106-109.

[12]BERGER S D.Digital radio frequency memory linear range gate stealer spectrum[J].IEEE Transactions on Aerospace and Electronic Systems,2003,39(2):725- 735.

[13]WELSTEAD S.Characterization of diversity approaches for LFM stretch-processed waveforms[C]//International Waveform Diversity and Design Conference,IEEE,2007:418-422.

[14]董創業.基于DRFM的雷達干擾技術研究[D].西安:西安電子科技大學,2007.

[15]王淑艷,董健,關欣,等.基于自適應陷波技術的心電圖工頻干擾抑制研究[J].生物醫學工程學雜志,2008,25(5):1044-1047.

[16]CHANDRA G V P,YADAV S,KRISHNA B A.Study of different adaptive filter algorithms for noise cancellation in real-Time environment[J].International Journal of Computer Applications,2014,96(10):20-25.

[17]CHEN Y,TIAN J,LIU Y.Variable step size LMS algorithm based on modified Sigmoid function[C]//International Conference on Audio,Language and Image Processing,IEEE,2014:627-630.

[18]HUAN Q Y,QIU X H,LIU X F.Variable step LMS algorithm using norm of the hyperbolic tangent function[J].Journal of Signal Processing,2014,30(1):93- 99.

[19]吳曉芳,盧煥章,代大海,王雪松,等.SAR有源相干干擾和非相干干擾功率分析[J].電子對抗,2009(1):1- 6.

Dense False-target Jamming Suppression Method Based on Improved Variable Step Size Adaptive Filtering

ZHOU Wen-hui1,MIN Bai-cheng2

(1.Unit 91404 of PLA,Qinhuangdao 066001,China;2.The 723 Instiute of CSIC，Yangzhou 225001，China)

This paper proposes a dense false target jamming suppression method based on improved variable step size adaptive filtering.Firstly,the stretch de-chirping technique is utilized to eliminate the quadratic term of the signal,and the target echo and jamming can be separated in the frequency domain,thus signal components with different frequencies could be obtained.Next,the variable step size adaptive filtering method based on Versiera-like function is applied to filter the stretch processed echo signal.Finally,the dense false target jamming is eliminated and the target echo is recovered through the application of inverse stretch processing to the eliminated signals.The presented adaptive filtering method based on Versiera-like function is applied to regulate the step size,which can effectively suppress the false target jamming which is close to the target echo.Simulation results show that the improved variable step size adaptive filtering method can effectively filter the echo signal and eliminate the jamming evidently when the time delay difference between the jamming and target echo is very small.Compared with the fixed step size filtering method,the proposed method still has a good robustness in the environment of low signal-to jamming ratio,and can effectively suppress the dense false target jamming.

dense false target;stretch processing;variable step size;adaptive filtering;jamming suppression

2016-06-16

TN973.21

A

CN32-1413(2016)05-0001-08

10.16426/j.cnki.jcdzdk.2016.05.001