前视多通道SAR自适应鉴别抑制欺骗干扰

孟智超; 卢景月; 张磊

doi:10.12000/JR18081

前视多通道SAR自适应鉴别抑制欺骗干扰

DOI: 10.12000/JR18081 CSTR: 32380.14.JR18081

西安电子科技大学雷达信号处理国家重点实验室西安 710071

基金项目: 国家自然科学基金(61771372, 61771367)，上海市自然科学基金(16ZR1434900)

详细信息

作者简介:
孟智超(1997–)，男，陕西宝鸡人，博士生。2018年6月在西安电子科技大学电子工程学院获得学士学位，现为西安电子科技大学电子工程学院博士研究生。主要研究方向为合成孔径雷达干扰与抗干扰

卢景月(1994–)，男，河北沧州人，博士生。2016年在中国海洋大学信息科学与工程学院获得学士学位，现为西安电子科技大学电子工程学院博士研究生。主要研究方向为合成孔径雷达成像

张　磊(1984–)，男，浙江金华人，博士，副教授。2012年在西安电子科技大学电子工程学院获得博士学位，现担任西安电子科技大学电子工程学院副教授。研究方向为雷达成像、目标识别。E-mail: leizhang@xidian.edu.cn

通讯作者:
张磊 leizhang@xidian.edu.cn

中图分类号: TN975
计量
- 文章访问数: 2618
- HTML全文浏览量: 751
- PDF下载量: 190
- 被引次数: 0
出版历程
- 收稿日期: 2018-09-27
- 修回日期: 2018-10-23
- 网络出版日期: 2019-02-28

Forward-looking Multi-channel SAR Adaptive Identification to Suppress Deception Jamming

National Key Laboratory of Radar Signal Processing, Xidian University, Xi’an 710071, China

Funds: The National Natural Science Foundation of China(61771372, 61771367), Sponsored by Natural Science Foundation of Shanghai (16ZR1434900)

More Information

Corresponding author: ZHANG Lei, leizhang@xidian.edu.cn

摘要

摘要: 前视多通道SAR成像存在回波左右模糊的问题，在成像时需要利用空域资源进行解模糊处理，使得其成像过程较一般侧视SAR更加复杂。在复杂电磁环境下，若要获得无干扰、不模糊的前视SAR图像，难度较大。该文提出一种基于方位向自适应波束形成(AADBF)技术的欺骗干扰自适应鉴别抑制算法。该算法首先采用AADBF技术对多通道接收回波信号进行地物相消，保留欺骗干扰样本。然后利用门限检测法在高分辨SAR图像上，鉴别出欺骗干扰的像素位置。最后，对存在干扰的像素点进行自适应空域滤波，从而达到抗欺骗干扰的目的。仿真结果表明，该方法能够有效地鉴别并抑制欺骗干扰，与此同时能够实现前视SAR无干扰聚焦成像。
- 前视多通道SAR /
- 自适应波束形成 /
- 欺骗干扰 /
- 干扰抑制
Abstract: Forward-looking multi-channel SAR imaging suffers from ambiguity regarding left and right echoes. To deblur the imaging process, spatial resources must be used, which make the imaging process more complex than the general side-looking SAR. In complex electromagnetic environments, it is very difficult to obtain forward-looking SAR images without interference or ambiguity. In this paper, we present an adaptive discriminant suppression algorithm that addresses deception jamming based on Azimuth ADaptive Beam Forming (AADBF). First, we use the AADBF technique to cancel the multi-channel received echo signal and retain the deception jamming samples. Then, we use the threshold detection method to identify the pixel location of the deception jamming on high-resolution SAR images. Finally, we apply adaptive spatial filtering to pixels with interference to achieve anti-deception jamming. Simulation results show that this method can effectively identify and suppress deception jamming, while realizing forward-looking SAR non-interference focusing imaging.
- Forward-Looking Multi-Channel SAR (FLMC SAR) /
- Azimuth ADaptive Beam Forming (AADBF) /
- Deception jamming /
- Interference suppression

HTML全文

1. 引言

基于导航卫星的双基地SAR(Bistatic Synthetic Aperture Radar based on Global Navigation Satellite System, GNSS-BSAR)是空-地双基地SAR中一种典型的应用^[1]，使用在轨的导航卫星作为发射源，地面部署接收机(地基、车载、机载)构成双基地SAR系统^[2]。由于导航星座的日趋完善，其全球覆盖性以及重轨特性所带来的优势是其他照射源暂时所不能替代的，其中以地基接收机为主的导航卫星干涉合成孔径雷达(Interference Synthetic Aperture Radar based on the Global Navigation Satellite System, GNSS-InSAR)在场景形变监测领域有着广阔的应用前景^[3]，成为了近年来研究热点。

在GNSS-BSAR系统成像方面，已有研究者分别使用不同的导航卫星星座进行了成像验证，包括了北斗^[4,5]、GPS^[6]、格洛纳斯^[7]、伽利略^[8]。除此以外文献[9]还提出了多角度融合方法以增强图像信噪比。在形变监测方面，来自伯明翰大学的学者们^[10]使用直达波天线，配合长约50 m的线缆构建了理想点目标，并使用格洛纳斯作为发射源，首次实现了精度约为1 cm的1维形变反演结果。该实验初步验证了GNSS-InSAR应用于形变监测的可行性。为了进一步验证场景形变监测的可能，2017年文献[11]通过对接收机进行高精度移位来模拟场景建筑形变，成功反演出了形变，精度约为1 cm。在3维形变方面，2018年北京理工大学的技术团队^[12]通过人为构建转发器，进行了精度可控的强点目标形变模拟，使用我国的北斗IGSO卫星，成功实现了精度优于5 mm的3维形变反演，这些验证性实验充分表明了GNSS-InSAR应用于场景形变检测的可能。

若要实现GNSS-InSAR场景的3维形变反演，需要同时至少3颗卫星从不同角度照射场景。由于GNSS-InSAR系统的拓扑高度非对称性以及导航信号的窄带特性^[13]，加上导航卫星的重轨并非是严格意义上的重轨，除了不可避免的空间基线外，重轨时间也并非严格一致，因此在实际数据采集中，需要对系统构型以及数据采集时间进行严格的优化设计。文献[14]提出了一种联合优化方法，解决了面向大场景下的多星多角度构型优化问题，配合多个接收机实现综合分辨性能优异的大场景成像。文献[15]提出了空间去相干的理论描述框架，表明了空间去相干在GNSS-InSAR中的必要性，但未对数据采集时间进行说明。从当前实际情况出发，不精确的数据采集时间可能会造成存储资源浪费，空间去相干导致的数据截取进一步降低了数据有效性。具体如图1所示：

图 1 数据截取与有效数据示意图

Figure 1. Effective data interception diagram

下载: 全尺寸图片幻灯片

针对上述问题，本文提出了一种GNSS-InSAR场景连续数据采集优化方法，通过结合当前数据的卫星轨迹和两行星历数据文件(STK Two-Line Element sets, TLE)预测轨迹，基于相干系数轨迹对齐，获取卫星重轨时间间隔，得到最优的数据采集策略，从源头上降低数据的空间去相干性，提升所采集数据有效性，节约存储资源。在第2部分对GNSS-InSAR场景数据采集优化方法进行了详细介绍。第3部分针对提出的方法进行了实验设计，开展了实测数据采集，并针对采集的数据进行了初步分析。第4部分对全文进行总结。

2. GNSS-InSAR场景数据采集优化模型

2.1 GNSS-InSAR相干系数理论模型

对于GNSS-InSAR图像而言，经过保相成像处理后，场景中任意一点 $\left( {{x_0},{y_0}} \right)$ 的像素信息分别对应分辨单元内所有散射体回波的相参叠加，可建模为

$\begin{aligned} s\left( {{x_0},{y_0}} \right) =& \iint f\left( {x,y;t} \right){\rm{exp}}\left[ {{\rm{ - j}}\frac{{2{\rm{\pi}} }}{\lambda }r\left( {x,y;{ P}} \right)} \right]\\ & \cdot {W}\left( {{x - }{{x}_0}{,y - }{{y}_0};{ P}} \right){\rm{d}}{x}{\rm{d}}{y} +{n}\left( {{{x}_0},{{y}_0};{t}} \right)\\ \end{aligned}$

(1)

其中， ${f}\left( {{x},{y};{t}} \right)$ 为时间 $t$ 下的地表散射系数， ${{P}}$ 为对应的合成孔径中心位置矢量， ${W}\left( {{x},{y};{ P}} \right)$ 表示系统的点扩散函数(PSF), ${n}\left( {{x},{y};{t}} \right)$ 为图像的加性噪声。对于SAR图像的同名点像素，其相干系数可表示为^[16]

$\rho =\frac{{\displaystyle\iint {{{s}_{\rm{m}}}\left( {{{x}_0},{{y}_0}} \right){s}_{\rm{s}}^{\rm{*}}\left( {{{x}_0},{{y}_0}} \right){\rm{d}}{x}{\rm{d}}{y}}}}{{\sqrt {\displaystyle\iint {{{s}_{\rm{m}}}\left( {{{x}_0},{{y}_0}} \right){s}_{\rm{m}}^{\rm{*}}\left( {{{x}_0},{{y}_0}} \right){\rm{d}}{x}{\rm{d}}{y}}\displaystyle\iint {{{s}_{\rm{s}}}\left( {{{x}_0},{{y}_0}} \right){s}_{\rm{s}}^{\rm{*}}\left( {{{x}_0},{{y}_0}} \right){\rm{d}}{x}{\rm{d}}{y}}} }}$

(2)

其中，下标m表示主图像， ${\rm{s}}$ 表示辅图像。根据柯西不等式可以判断： $0 \le \rho \le 1$ ，当 $\rho = 0$ 时表示同名点完全不相干，当 $\rho = 1$ 时，同名点完全相干。

将点目标像素模型式(1)带入到式(2)并化简得到

$\rho =\frac{\displaystyle\iint{{{s}_{{\rm av}}}\left( x,y \right){\rm exp}\left[ -{\rm j}\frac{2{\rm{\pi}} }{\lambda }\bigr( r\left( x,y;{{{P}}_{{\rm m}}} \bigr)-r\left( x,y;{{{P}}_{{\rm s}}} \right) \right) \right]}{{\Bigr| W\left( x-{{x}_{0}},y-{{y}_{0}};{{{P}}_{{\rm m}}} \right) \Bigr|}^{2}}{\rm d}x{\rm d}y}{\sqrt{\begin{array}{l} \left( \displaystyle\iint{{{s}_{{\rm m}}}\left( x,y \right){\rm exp}\left[ -{\rm j}\frac{2{\rm{\pi}} }{\lambda }r\left( x,y;{{{{P}}}_{{\rm m}}} \right) \right]}{{\Bigr| W\left( x-{{x}_{0}},y-{{y}_{0}};{{{P}}_{{\rm m}}} \right) \Bigr|}^{2}}{\rm d}x{\rm d}y+{{n}_{{\rm m}}} \right) \\ \times\left( \displaystyle\iint{{{s}_{{\rm s}}}\left( x,y \right){\rm exp}\left[ {\rm +j}\frac{2{\rm{\pi}} }{\lambda }r\left( x,y;{{{P}}_{{\rm s}}} \right) \right]}{{\Bigr| W\left( x-{{x}_{0}},y-{{y}_{0}};{{{P}}_{{\rm m}}} \right) \Bigr|}^{2}}{\rm d}x{\rm d}y+{{n}_{{\rm s}}} \right) \end{array}}}$

(3)

式(3)的推导使用了如下近似：

(1) 由于导航卫星的高轨道特性，使得 ${W}\left( {x - }{{x}_0},\right.$ $\left.{{y - }{{y}_0};{{ P}_{\rm{m}}}} \right) \approx {W}\left( {{x - }{{x}_0},{y - }{{y}_0};{{ P}_{\rm{s}}}} \right)$ 成立；

(2) 相邻两天的噪声相干系数为0，即

${n}\left( {{{x}_0},{{y}_0};{{t}_{\rm{m}}}} \right) \times {n}\left( {{{x}_0},{{y}_0};{{t}_{\rm{s}}}} \right) = 0$

(4)

(3) 相邻两天的目标散射系数为 ${{s}_{{\rm{av}}}}\left( {{x},{y}} \right)$ ，即

${{s}_{{\rm{av}}}}\left( {{x},{y}} \right) \approx {f}\left( {{x},{y};{{t}_{\rm{m}}}} \right){{f}^{\rm{*}}}\left( {{x},{y};{{t}_{\rm{s}}}} \right)$

(5)

对式(3)中的相干系数 $\rho$ 进一步分解得到

$\rho = {\rho _{{\rm{th}}}} \times {\rho _{{\rm{ti}}}} \times {\rho _{{\rm{sp}}}}$

(6)

其中，热噪声相干系数 ${\rho _{{\rm{th}}}}$ 与时间相干系数 ${\rho _{{\rm{ti}}}}$ 分别由系统与实际目标决定。

对于PS点^[17]而言，地表散射系数相对稳定，不随时间变化，同时为了便于后续分析，假定散射系数为1得到空间相干系数 ${\rho _{{\rm{sp}}}}$ 的简化式为

${\rho _{{\rm{sp}}}} = \frac{{\displaystyle\iint {{\rm{exp}}\left[ {{ - }{\rm{j}}\dfrac{{2{\rm{\pi}} }}{\lambda }\bigr( {{r}\left( {{x},{y};{{ P}_{\rm{m}}}} \right){ - r}\left( {{x},{y};{{ P}_{\rm{s}}}} \right)} \bigr)} \right]{{\Bigr| {{W(x - }{{x}_0},{y - }{{y}_0};{{ P}_{\rm{m}}}{)}} \Bigr|}^2}{\rm{d}}{x}{\rm{d}}{y}}}}{{\sqrt {\left( {\displaystyle\iint {{{\Bigr| {{W}\left( {{x - }{{x}_0},{y - }{{y}_0};{{ P}_{\rm{m}}}} \right)} \Bigr|}^2}{\rm{d}}{x}{\rm{d}}{y}}} \right)\left( {\displaystyle\iint {{{\Bigr| {{W(x - }{{x}_0},{y - }{{y}_0};{{ P}_{\rm{m}}}{)}} \Bigr|}^2}{\rm{d}}{x}{\rm{d}}{y}}} \right)} }}$

(7)

从式(7)推导结果可以知道，空间基线主要是影响 ${r}\left( {{x},{y};{ P}} \right)$ 从而导致空间去相干。

2.2 数据采集优化模型

导航卫星的重轨时间并非稳定不变，因此需要对数据采集时间进行有效预测，从源头上降低空间去相干，提高数据有效性。

假定主图像数据采集时间为 ${{t}_{\rm{m}}}$ ，该采集时间可以通过文献[14]中的广义优化模型进行求解，辅图像数据采集时间为 ${{t}_{\rm{s}}}={{t}_{\rm{m}}}+\Delta {t}$ , $\Delta t$ 为时间间隔，那么最优化数据采集模型可通过式(7)推导而来

$\begin{split} \Delta {t }=&{\rm{arg}}\;{\rm{max}}\left\{ \iint {{\left| {{\widetilde W}\left( {{x},{y};{{ P}_{\rm{m}}}} \right)} \right|}^2} {\rm{exp}}\left[ {{ - }{\rm{j}}\frac{{2{\rm{\pi}} }}{\lambda }\bigr( {{r}\left( {{x},{y};{{ P}_{\rm{m}}}} \right){ - r}\left( {{x},{y};{ P}\left( {{{t}_{\rm{m}}}+\Delta {t}} \right)} \right)} \bigr)} \right] {\rm{d}}{x}{\rm{d}}{y} \right\} \end{split}$

(8)

其中， ${\widetilde W}\left( {{x},{y};{{ P}_{\rm{m}}}} \right)$ 为 ${t_{\rm{m}}}$ 下等效归一化PSF, ${ P}\left( {{{t}_{\rm{m}}} +}\right.$ $\left.\Delta {t} \right)$ 为 $\Delta {t}$ 时间偏置下得合成孔径中心位置矢量。

第1天数据采集需要进行实验设计以确定最优数据采集时刻，往后的重轨天数据采集可以根据数据采集优化模型，同时结合星历文件进行预测。整体的预测流程如图2所示， ${n}$ 为任意一天采集的数据， ${k}$ 为重轨天数间隔。

图 2 GNSS-InSAR数据采集时间优化流程

Figure 2. Time optimization process of GNSS-InSAR data acquisition

下载: 全尺寸图片幻灯片

实际卫星位置对应的实际时间设为 ${{t}_{n}}$ ，经过模型优化得到的时间偏差为 $\Delta {t}$ ，那么第 ${n} + {k}$ 天对应的实际数据采集时间可表示为

${{t}_{{n}+{k}}} = {{t}_{n}} + \Delta {t}$

(9)

3. 实验验证

3.1 GNSS-InSAR场景3维形变反演实验设计

对于固定场景的形变监测，首次数据采集的时候需要严格设计系统构型，使分辨率达到最优化。本次实验接收机部署在北京理工大学信息科学试验楼楼顶西北角，实施监测场景位于西偏北30°。使用理论分辨率计算公式^[18]对该场景进行分辨率设计。仿真参数具体参见表1。

表 1 数据采集试验仿真参数

Table 1. Data acquisition test simulation parameters

参数	值
照射源	北斗 IGSO1～5
PRF	1000 Hz
带宽	10.23 MHz
合成孔径时间	600 s
TLE文件更新日期	2019年4月29日
预定数据采集日期	2019年4月30日

下载: 导出CSV

| 显示表格

以分辨单元面积作为判定依据，得到预定采集日期当天全时段下各个卫星在预定场景下所能得到的分辨单元面积如图3所示。

图 3 全时段下场景分辨单元面积

Figure 3. Scene resolution unit area in full time

下载: 全尺寸图片幻灯片

为了实现3维形变反演，需要同一时间下有3颗卫星对场景进行照射。图3中10点前后与17点前后满足当前场景上空有3颗IGSO卫星可见的条件。更进一步，为了使分辨单元面积达到最优，可以得到具体的数据采集时间。具体如图4红框标注，分别是9点30分前后与17点30分前后。

图 4 首次数据采集时间设计结果

Figure 4. Design results of first data acquisition time

下载: 全尺寸图片幻灯片

为了配合实验，在场景布置转发器，整体的系统构型如图5所示。

图 5 GNSS-InSAR场景3维形变反演实验拓扑构型设计结果

Figure 5. GNSS-InSAR topological configuration design results of 3D deformation retrieval experiment

下载: 全尺寸图片幻灯片

3.2 重轨数据采集时间优化

以2019年4月30日采集的实测数据作为第 ${n}$ 天数据，对于北斗的IGSO而言，重轨时间约为1天，即 ${m}$ =1，同时下载当天最新的TLE文件。以IGSO1为例，结合图2进行详细说明：

(1) 使用实测数据的直达波进行卫星位置解算，同时根据TLE文件推算当天和相邻天的卫星轨迹。经过相干系数轨迹匹配之后，得到的轨迹如图6所示。

图 6 对齐后的TLE卫星轨迹与实测数据卫星轨迹

Figure 6. Aligned TLE satellite trajectory and measured data satellite trajectory

下载: 全尺寸图片幻灯片

(2) 以匹配得到的TLE卫星轨迹作为参考，对重轨天的TLE卫星轨迹进行数据采集优化模型求解，系统的PSF与优化模型仿真结果分别如图7与图8所示。

图 7 场景[–147, 20, 0]处理论PSF

Figure 7. Theoretical PSF in scene at position of [–147, 20, 0]

下载: 全尺寸图片幻灯片

图 8 数据采集优化模型仿真结果

Figure 8. Simulation results of data acquisition optimization model

下载: 全尺寸图片幻灯片

对图8的结果分析可知，第1个峰值点为其本身，由于空间基线为0，相干系数为1。第2个峰值点相干系数为0.999644，满足除了第1个峰值点外相邻天相干系数最大值条件，因此第2个峰值点就是最佳重轨时的空间相干系数。此时经过模型优化得到的时间间隔为： $\Delta t = 86163\;{\rm{s}} = 23\;{\rm{h}}\;56\;\min 3\;{\rm{s}}$ ，结合第1天的实测数据轨迹对应的时间 ${t_1} = 9\;{\rm{h}}\;26\;\min \;0\;{\rm{s}}$ ，第2天准确的数据采集时间为： ${t_2} = 9\;{\rm{h}}\;22\;\min 3\;{\rm{s}}$ 。

3.3 结果分析

为了说明优化结果的正确性，在实验场景中放置转发器模拟理想点目标(图5)，同时按照优化后的时间进行5月1日数据采集。实际采集时间为 $9\;{\rm{h}}\;21\;\min \;53\;{\rm{s}}$ ，总采集时间约650 s。相邻两天的空间相干系数轨迹匹配结果如图9所示。

图 9 实测数据重轨空间相干系数

Figure 9. The spatial coherence coefficient of measured data

下载: 全尺寸图片幻灯片

从图9中峰值点位置来看，重轨数据采集优化模型得到的结果和实际结果相吻合。为了进一步说明，图10给出了IGSO1卫星实测数据成像结果。

图 10 场景成像结果

Figure 10. Imaging results of scene

下载: 全尺寸图片幻灯片

对相邻两天的图像相干系数进行求解，得到图11所示结果。在同一坐标系下，仿真目标位于[–147, 20, 0]，空间相干系数为0.999644；转发器位于[–147, 20, 0]，相干系数为0.9996；两者的相干系数基本保持一致。

图 11 相干系数结果

Figure 11. Coherence coefficient result

下载: 全尺寸图片幻灯片

图9与图10的结果表明经过数据采集优化模型后得到的时间间隔与实际卫星轨迹的重轨时间相互吻合，在保证600 s预期合成孔径时间下，可以最大限度减少数据采集时间，节约存储资源。同时避免后期由于数据对齐带来的数据有效性降低问题。

4. 结论

在GNSS-InSAR场景1维/3维形变反演应用中，针对由于导航卫星重轨时间的非严格一致性与有效数据截取带来的数据冗余，数据有效性低等问题，本文提出了一种面向GNSS-InSAR场景数据采集的优化模型，采用实测数据与TLE文件相结合，根据当天数据采集时间，预测相邻天重轨时间，从而实现精确的数据采集。实测数据验证结果表明了数据采集时间优化模型的正确性。该方法的提出有利于GNSS-InSAR场景1维/3维形变反演实验的开展，在降低原始数据冗余度基础上，保证了有效数据时间长度大于预期合成孔径时间。

图 1 FLMC-SAR几何模型

Figure 1. FLMC-SAR geometric model

下载: 全尺寸图片幻灯片

图 2 欺骗干扰与真实回波空时关系差异

Figure 2. Difference between deception jamming and real echo space time relationship

下载: 全尺寸图片幻灯片

图 3 欺骗干扰抑制算法流程

Figure 3. Deception interference suppression algorithm flow

下载: 全尺寸图片幻灯片

图 4 加入欺骗干扰前后对比

Figure 4. Comparison before and after adding spoofing jamming

下载: 全尺寸图片幻灯片

图 5 地物相消与干扰位置定位

Figure 5. Location cancellation and interference position locating

下载: 全尺寸图片幻灯片

图 6 干扰角度估计结果

Figure 6. Interference angle estimation results

下载: 全尺寸图片幻灯片

图 7 欺骗干扰抑制解模糊对比

Figure 7. Comparison of deception interference suppression ambiguity resolution

下载: 全尺寸图片幻灯片

表 1 系统参数

Table 1. System parameters

参数	数值
载频	35 GHz
信号带宽	50 MHz
脉冲宽度	0.5 μs
采样带宽	60 MHz
平台高度	4000 m
脉冲重复频率	9 kHz
波束方位宽度	20°
波束俯仰宽度	22°
场景中心斜距 ${R_s}$	8 km
阵列实孔径长度	0.0642 m

下载: 导出CSV

表 2 处理性能对比

Table 2. The comparison of processing performance

处理结果	信干比增益(dB)	干扰抑制比(dB)	信号抑制比(dB)
含干扰图像	–15.60	0	0
全域干扰抑制	0	30.75	30.75
局部干扰抑制	32.06	31.75	–0.31

下载: 导出CSV

参考文献(13)

[1]	张英杰, 王彦平, 谭维贤, 等. 机载前视阵列SAR运动补偿研究[J]. 雷达学报, 2013, 2(2): 168–179. doi: 10.3724/SP.J.1300.2013.20067 ZHANG Ying-jie, WANG Yan-ping, TAN Wei-xian, et al. Motion compensation for airborne forward looking synthetic aperture radar with linear array antennas[J]. Journal of Radars, 2013, 2(2): 168–179. doi: 10.3724/SP.J.1300.2013.20067
[2]	DAI S L, LIU M, SUN Y J, et al. The latest development of high resolution imaging for forward looking SAR with multiple receiving antennas[C]. Proceedings of Scanning the Present and Resolving the Future. Proceedings. IEEE 2001 International Geoscience and Remote Sensing Symposium, Sydney, NSW, Australia, 2001: 1433–1435.
[3]	冯德军, 王俊杰, 王俊卿. 移频导前假目标的特性分析及其鉴别方法[J]. 雷达学报, 2017, 6(4): 325–331. doi: 10.12000/JR17026 FENG Dejun, WANG Junjie, and WANG Junqing. Signature analysis and discrimination method of preceded frequency-shift false target[J]. Journal of Radars, 2017, 6(4): 325–331. doi: 10.12000/JR17026
[4]	齐维孔, 禹卫东. 距离向DBF-SAR系统抗欺骗干扰研究[J]. 电子与信息学报, 2010, 32(12): 2830–2835. doi: 10.3724/SP.J.1146.2010.00074 QI Wei-kong and YU Wei-dong. Research on countering deceptive jamming with range DBF-SAR system[J]. Journal of Electronics &Information Technology, 2010, 32(12): 2830–2835. doi: 10.3724/SP.J.1146.2010.00074
[5]	张双喜, 孙光才, 刘艳阳, 等. 基于四通道SAR欺骗式干扰抑制算法[J]. 现代雷达, 2011, 33(2): 22–26, 30. doi: 10.3969/j.issn.1004-7859.2011.02.006 ZHANG Shuang-xi, SUN Guang-cai, LIU Yan-yang, et al. Deception interference supression algorithm based on four-channel for SAR[J]. Modern Radar, 2011, 33(2): 22–26, 30. doi: 10.3969/j.issn.1004-7859.2011.02.006
[6]	冯祥芝, 许小剑. 随机线性调频斜率SAR抗欺骗干扰方法研究[J]. 系统工程与电子技术, 2009, 31(1): 69–73. doi: 10.3321/j.issn:1001-506X.2009.01.018 FENG Xiang-zhi and XU Xiao-jian. Study of countermeasures to deceptive jamming using random linear modulation frequency ratio SAR[J]. Systems Engineering and Electronics, 2009, 31(1): 69–73. doi: 10.3321/j.issn:1001-506X.2009.01.018
[7]	KRIEGER G, GEBERT N, and MOREIRA N. Multidimensional waveform encoding: A new digital beamforming technique for synthetic aperture radar remote sensing[J]. IEEE Transactions on Geoscience and Remote Sensing, 2008, 46(1): 31–46. doi: 10.1109/TGRS.2007.905974
[8]	谢文冲, 段克清, 王永良. 机载雷达空时自适应处理技术研究综述[J]. 雷达学报, 2017, 6(6): 575–586. doi: 10.12000/JR17073 XIE Wenchong, DUAN Keqing, and WANG Yongliang. Space time adaptive processing technique for airborne radar: An overview of its development and prospects[J]. Journal of Radars, 2017, 6(6): 575–586. doi: 10.12000/JR17073
[9]	王永良, 丁前军, 李荣锋. 自适应阵列处理[M]. 北京: 清华大学出版社, 2009: 66–72. WANG Yong-liang, DING Qian-jun, and LI Rong-feng. Adaptive Array Processing[M]. Beijing: Tsinghua University Press, 2009: 66–72.
[10]	龚耀寰. 自适应滤波-时域自适应滤波和智能天线[M]. 第2版, 北京: 电子工业出版社, 2003: 288–297. GONG Yao-huan. Adaptive Filtering-Time Domain Adaptive Filtering and Smart Antenna[M]. 2nd ed., Beijing: Public House of Electronic Industry, 2003: 288–297.
[11]	YEGULALP A F. Fast backprojection algorithm for synthetic aperture radar[C]. Proceedings of 1999 IEEE Radar Conference, Radar into the Next Millennium, Waltham, Massachusetts, USA, 1999: 60–65. doi: 10.1109/NRC.1999.767270.
[12]	包敏, 周鹏, 史林. 双天线前视弹载SAR解模糊算法研究[J]. 电子与信息学报, 2013, 35(12): 2857–2862. doi: 10.3724/SP.J.1146.2013.00083 BAO Min, ZHOU Peng, and SHI Lin. Study on deambiguity algorithm for double antenna forward looking missile borne SAR[J]. Journal of Electronics &Information Technology, 2013, 35(12): 2857–2862. doi: 10.3724/SP.J.1146.2013.00083
[13]	卢景月, 张磊, 王冠勇. 前视多通道合成孔径雷达解模糊成像方法[J]. 电子与信息学报, 2018, 40(12): 2820–2825. doi: 10.11999/JEIT180177 LU Jing-yue, ZHANG Lei, and WANG Guan-yong. Ambiguity resolving and imaging algorithm for multi-channel forward-looking synthetic aperture radar[J]. Journal of Electronics &Information Technology, 2018, 40(12): 2820–2825. doi: 10.11999/JEIT180177

施引文献

资源附件(0)

访问统计

图(7) / 表(2)

计量

文章访问数: 2618
HTML全文浏览量: 751
PDF下载量: 190
被引次数: 0

1. 引言
2. GNSS-InSAR场景数据采集优化模型
2.1 GNSS-InSAR相干系数理论模型
2.2 数据采集优化模型
3. 实验验证
3.1 GNSS-InSAR场景3维形变反演实验设计
3.2 重轨数据采集时间优化
3.3 结果分析
4. 结论

前视多通道SAR自适应鉴别抑制欺骗干扰

DOI: 10.12000/JR18081 CSTR: 32380.14.JR18081

通讯作者:
张磊 leizhang@xidian.edu.cn

计量