捷變頻雷達抑制間歇采樣轉發干擾技術研究

陳 峰，張旭威

(中國船舶集團有限公司第八研究院，江蘇 揚州 225101)

0 引 言

在日益復雜的電磁環境下，數字射頻存儲器(DRFM)技術的快速發展，使得雷達所面臨的干擾更加靈活多樣。相較于常用的欺騙、壓制樣式的干擾方式，采用基于DRFM技術的間歇采樣轉發干擾(ISRJ)能夠對雷達回波數據進行低速率的間歇采樣轉發，通過匹配濾波的方式產生有效的多假目標干擾，實現一種“存儲-轉發-存儲”干擾模式，從而對雷達進行干擾。間歇采樣轉發干擾具有采樣速率相對較低、采樣轉發所需間隔較短、干擾機響應的速度相對較快的優點。文獻[4]中提出采用對干擾機分時的樣式對雷達信號進行間歇采樣，推導出間歇采樣的數學原理。文獻[5]介紹了重復轉發的干擾樣式的原理。文獻[6]提出了用間歇采標非均勻重復轉發干擾(IS-NPR)方法實現對多假目標的抑制。文獻[7]根據采樣轉發信號在時域上不連續的特性，構建帶通濾波器濾除干擾。文獻[8]提出針對點目標，雷達通過去斜處理的方式獲取高分辨率距離像(HRRP)。文獻[9]通過對比目標與干擾信號的差異性，設計頻移濾波器對假目標進行抑制處理。

針對采樣轉發式干擾產生假目標對捷變頻雷達探測性能的影響，采用基于長短記憶(LSTM)神經網絡的方法，對加入不同干擾的雷達接收回波數據進行信號特征的提取，以便于更加精確地得到干擾類別識別模型。回波數據結合LSTM網絡，先對短時傅里葉變換得到的時頻特征圖進行了分類模型的建立與訓練，將測試集輸入訓練好的網絡中，獲取目標與干擾對應標簽，將干擾部分標簽替換后實現抑制，抑制后產生的稀疏信號在結合壓縮感知算法對捷變頻雷達目標回波實現重構，以實現捷變頻雷達的抗干擾性能。

1 LSTM原理

循環卷積網(RNN)是一個并行的網絡系統，其特點是神經元在某一刻的輸出數據能夠當作輸入數據重新流向神經元，所以RNN網絡系統在處理不定長序列數據中也有著很普遍的使用。

LSTM網絡作為RNN的一種改進，其核心思想是通過增加門的概念以更精確地控制RNN單元。與LSTM尤為相關的門有“輸入”、“輸出”、“遺忘”。

該算法能夠預測時間序列中的間隔和延遲相對較長的情景，具有高分布處理能力，較準確的分類能力以及對復雜非線性關系充分逼近的優點。

根據其優點，采用LSTM網絡系統對加入干擾的雷達接收回波信號進行特征提取，從而更加精確地得到干擾類別識別模型，實現對干擾信號的分選。

2 信號模型

2.1 捷變頻雷達信號模型

假設雷達發射一串脈沖的初始載頻為，發射信號的第次脈沖載頻為=+。相參處理時間間隔內的脈沖個數為，捷變頻帶寬為，捷變載頻碼為隨機整數，其取值范圍為0～-1。假設雷達的發射脈沖都是單載頻信號，第次脈沖的表示為：

(1)

式中:為脈沖重復周期；為單個脈沖持續時間；()為基帶波形。

假設目標在雷達探測方向上做相向運動，目標的速度為，初始時刻目標回波時間之間的關系式為：

(2)

通過發射波形表達式確定出第次發射波形的回波，信號模型為：

(3)

2.2 間歇采樣轉發干擾模型

將間歇采樣脈沖假設為理想矩形脈沖串，其脈沖寬度為,重復間隔為,記為()：

(4)

利用 Fourier 變換關系可得()的頻譜為：

(5)

間歇采樣轉發干擾有直接轉發、重復轉發與逐次循環轉發3種模式，圖1給出直接轉發與重復轉發的工作示意圖。

圖1 采樣轉發工作模式示意圖

干擾機捕獲到雷達信號后，對數據進行間歇采樣處理，由式(1)捷變頻雷達信號()得到采樣信號為：

()=()()

(6)

用傅里葉級數展開間歇采樣信號()可得：

(7)

干擾回波信號：

(8)

式中:=sa(π) 。

干擾信號在通過匹配濾波器后的輸出信號可以分解為：

(9)

3 基于LSTM的干擾抑制方法

基于LSTM神經網路的干擾抑制方法具體流程如下：

(1) 對雷達接收信號依次進行脈沖壓縮和短時傅里葉變換，得到對應的時頻特征(,)，短時傅里葉變化公式如下：

(10)

式中：()為脈沖壓縮后的脈壓信號；(-)為窗函數；e-j為蝶形因子。

(2) 重復(1)操作，共得到2 000組時頻特征樣本，從樣本中隨機選擇80%作為訓練數據集，20%作為測試數據集。

(3) 對每個訓練數據集和所需測試數據集進行歸一化預處理，通過預處理后得到訓練數據集以及測試數據集，歸一化公式如下：

(11)

(4) 搭建1個基于LSTM的自上而下由輸入層、雙向循環卷積層和全連接層構成的分類網絡，并利用訓練數據集對其訓練，得到訓練后的分類網絡。

(5) 將測試數據集導入到已訓練好的分類網絡中，獲得測試數據集的標簽，該標簽包括目標、干擾和噪聲。

(6) 將測試數據合集標簽中干擾所對應的位置用隨機數替換，同時對替換后的測試數據合集采用逆短時傅里葉變換的處理，以獲取干擾抑制后的數據。逆傅里葉變換的公式如下：

(12)

4 壓縮感知算法稀疏重構

在上述算法對干擾進行抑制后，單個距離單元內的目標信息較少，因此認為信號具備稀疏特性，則可以通過壓縮感知算法對目標信號進行場景重構。采用對速度維和距離維信息進行離散化處理的方法。假設將距離維方向分割為個，速度維方向分割為個，可以得到1個×的高分辨距離聯合速度維的二維目標的場景。劃分成速度-距離的二維離散平面網格后，與目標參數相關的二維離散矩陣為：

(13)

將轉變為一維向量，得到∈×：

=[(,),…,(-1,),…,

(,-1),…,(-1,-1)]

(14)

雷達觀測方程可以改寫成：

=+

(15)

min‖‖,s.t.=

(16)

通過重構算法，進而得到目標距離-速度維度的信息。

5 仿真實驗與分析

5.1 仿真實驗1

對上文提到的間歇采樣干擾信號進行仿真。設置參數載頻100 MHz，帶寬20 MHz，脈沖重頻1 ms，采樣頻率400 MHz，目標初始距離12 km，速度50 m/s，干信比15 dB。

對于采樣轉發干擾來說，其無論是從時域還是脈壓結果來看，與真實目標信號過于相近，同時在強干擾下，干擾與目標更加相似，導致干擾抑制無法進行。圖2給出采樣轉發與回波時域圖，圖3給出了對采樣轉發干擾的脈壓處理結果。

圖2 采樣轉發干擾與回波時域圖

圖3 干擾脈壓處理

對脈壓結果進行短時傅里葉變化，可以得到相應的時頻特征圖，如圖4所示。

圖4 時域特征圖

由于目標、間歇采樣直接轉發干擾和重復轉發干擾在圖中都呈現出了不同的特征，而間歇采樣直接轉發干擾一共采樣了4次，因此在圖中間斷4個亮斑的位置即為間歇采樣直接轉發干擾對應的位置，而間歇采樣重復轉發干擾重復了2次，因此在圖中間斷2個亮斑的位置即為間歇采樣重復轉發干擾。

5.2 仿真實驗2

為了檢驗LSTM網絡的分類能力，本實驗分別獨立產生1 000組時頻圖作為樣本，其中80%作為訓練樣本，20%作為測試樣本，將時頻圖中的頻率維作為信號的多維特征輸入到構建的LSTM網絡中訓練網絡。在由網格訓練得到分類網絡后，將樣本輸入網絡獲取分類標簽，將干擾部分用最小值替換，實現對干擾的抑制，同時，進行逆短時傅里葉變換得到干擾抑制后的脈壓信號。

由圖5可知，在抑制后的脈壓結果中，不管是間歇采樣直接轉發干擾還是間歇重復轉發干擾都可以抑制掉，后續經恒警率(CFAR)處理，即可獲得目標信息，因此，基于LSTM分類網絡的干擾抑制方法具有效果。

圖5 干擾抑制

5.3 仿真實驗3

對仿真參數進行設置：發射功率為60 kW，天線的增益30 dB，脈寬為20 μs，中心頻率10 GHz，接收機帶寬10 MHz，干擾功率100 kW，采樣寬度1 μs，RCS為5 000 m。

仿真處理結果如圖6所示。

圖6 干擾后目標回波時域圖

上述仿真處理結果中，圖6給出的信號是經由干擾機轉發干擾后，導引雷達接收到的目標回波。圖7為中捷變頻雷達直接對干擾進行處理后的脈沖壓縮。圖7是采用本文方法，對干擾抑制并采用壓縮感知算法進行重構后的處理結果。通過對比圖7與圖8的仿真結果，僅采用捷變頻雷達抗干擾并不能很好地區分目標與回波，通過本文方法對干擾抑制后再進行信號重構，能夠有效提升雷達抗干擾性能。

圖7 捷變頻雷達處理采樣轉發干擾脈沖壓縮處理

圖8 采用本文方法處理采樣轉發干擾

6 結束語

本文針對基于DRFM的間歇采樣轉發干擾，根據其“存儲-轉發-存儲”的特點，提出捷變頻雷達采用壓縮感知重構對抗間歇采樣轉發干擾的方法。雷達接收到帶有干擾的信號后，通過抑制區分出目標回波，再結合壓縮感知算法對目標回波進行距離-速度的重構。由仿真實驗結果可知本文方法有效。