基于SVM的捷变频雷达密集转发干扰智能抑制方法

杜思予; 刘智星; 吴耀君; 沙明辉; 全英汇

doi:10.12000/JR22065

基于SVM的捷变频雷达密集转发干扰智能抑制方法

DOI: 10.12000/JR22065

1.
西安电子科技大学电子工程学院西安 710071
2.
北京无线电测量研究所北京 100854

基金项目: 国家自然科学基金(61772397)，陕西省杰出青年科学基金(2021JC-23)，陕西省科技创新团队(2019TD-002)

详细信息

作者简介:
杜思予，硕士生，主要研究方向为雷达波形优化及抗干扰

刘智星，博士生，主要研究方向为捷变相参雷达信号处理及抗干扰

吴耀君，博士生，副研究员，主要研究方向为捷变雷达抗干扰、雷达目标特性识别、新体制雷达

沙明辉，博士，研究员，主要研究方向为雷达系统设计和雷达电子对抗

全英汇，博士，教授，主要研究方向为电磁博弈对抗、敏捷雷达、雷达遥感等

通讯作者:
全英汇 yhquan@mail.xidian.edu.cn

责任主编：刘泉华 Corresponding Editor: LIU Quanhua
中图分类号: TN972
计量
- 文章访问数: 1372
- HTML全文浏览量: 688
- PDF下载量: 255
- 被引次数: 6
出版历程
- 收稿日期: 2022-04-02
- 修回日期: 2022-06-07
- 网络出版日期: 2022-06-28
- 刊出日期: 2023-02-28

Dense-repeated Jamming Suppression Algorithm Based on the Support Vector Machine for Frequency Agility Radar

1.
School of Electronic Engineering, Xidian University, Xi’an 710071, China
2.
Beijing Institute of Radio Measurement, Beijing 100854, China

Funds: The National Natural Science Foundation of China (61772397), The Shaanxi Provincial Science Fund for Distinguished Young Scholars (2021JC-23), The Science and Technology Innovation Team of Shaanxi Province (2019TD-002)

More Information

Corresponding author: QUAN Yinghui, yhquan@mail.xidian.edu.cn

摘要

摘要: 密集转发干扰与雷达发射信号高度相关，兼具压制式和欺骗式干扰效果，使雷达系统难以检测到真实目标，严重威胁雷达作战能力。针对这一问题，该文提出一种基于支持向量机(SVM)的捷变频雷达密集转发干扰智能抑制方法。通过对随机样本集进行离线训练获得最优SVM模型，智能化识别并分类目标和干扰；然后，采用平滑滤波进一步抑制目标所在距离单元内的干扰信号；最后，基于压缩感知(CS)理论进行二维高分辨重构，估计出目标参数信息。仿真实验与实测数据处理结果表明，所提算法在不同场景下均能够有效抑制密集转发干扰，准确检测出真实目标。
- 电子对抗 /
- 机器学习 /
- 捷变频雷达 /
- 密集转发干扰 /
- 支持向量机
Abstract: Dense-repeated jamming is highly related to the radar-transmitted signal, and it has suppression and deception jamming effects, which makes detecting the real target difficult for a radar system and seriously threatens the operational capability of radar. To solve this problem, an intelligent suppression method based on the Support Vector Machine (SVM) is proposed in this paper. The optimal SVM model is obtained through offline training on a random sample set to intelligently identify and classify targets and interference. Then, the interference sidelobe in the target range unit is further suppressed by smoothing filtering. Finally, high-resolution two-dimensional reconstruction is performed based on Compress Sensing (CS) theory to estimate the target parameter information. Simulation experiments and measured data processing results reveal that the proposed algorithm can effectively suppress dense-repeated jamming and accurately detect real targets in different scenarios.
- Electronic Counter-Measures (ECM) /
- Machine learning /
- Frequency agility radar /
- Dense repeated jamming /
- Support Vector Machine (SVM)

HTML全文

1. 引言

双基星载合成孔径雷达(Synthetic Aperture Radar, SAR)利用信号收发平台的分置，能够同时获取不同视角的观测数据，在测绘、干涉测量、地面目标识别、自然灾害监测等领域^[1,2]具有重要的应用价值。以Tandem-L为代表的新一代双基星载SAR系统应用多通道、数字波束形成(Digital Beam Forming, DBF)等技术，实现方位向高分辨率和距离向宽测绘带SAR(High Resolution Wide Swath SAR, HRWS-SAR)成像，系统的成像能力得到显著改善^[3,4]。

HRWS-SAR系统在方位向采用多通道采样降低系统的脉冲重复频率(Pulse Recurrence Frequency, PRF)，在不降低方位分辨率的前提下实现系统的宽测绘带成像。HRWS-SAR系统进行成像处理时，若方位向信号为均匀采样可直接采用传统SAR成像处理方法，而受载星平台轨迹约束及应用场景的限制，方位向的非均匀采样更为普遍^[5]，因而对方位向信号进行重构以获得其均匀采样信号或多普勒谱是HRWS-SAR系统成像处理的一项关键技术。单基星载HRWS-SAR系统的方位向信号重构得到了广泛而深入的研究^[6–17]。重排算法^[6]和插值算法^[7]是两种典型的时域重构算法。重排算法依据接收信号的方位向位置将各通道信号重新排列，只能在特定的PRF得到方位向信号的均匀采样。插值算法则依据文献[7]所提出的周期性非均匀采样信号重构公式通过时域插值得到方位向信号的均匀采样，该算法运算复杂度高且精度依赖于插值核的长度。Krieger等依据广义采样定理提出矩阵求逆算法^[8,9]，该算法通过线性方程求解从混叠的多通道信号中重构出无模糊的多普勒谱。该算法不需要协方差矩阵等先验信息且易于实现，但在重叠采样时该算法无法进行信号重构，接近重叠采样时重构性能也较差。文献[10–13]则采用不同的方法对矩阵求逆算法进行改进，实现重叠采样附近的高性能信号重构。文献[14,15]基于统一的信号模型，选取不同代价函数进行优化，提出了多种自适应波束形成(DBF)算法：正交投影算法、信号最大化算法、最大化信号模糊噪声比算法、最小均方误差算法等。与矩阵求逆算法相比，DBF类算法运算复杂度较高，并假定各通道的噪声为高斯白噪声且相互独立。文献[16]则对方位向信号重构算法的性能进行了仿真对比分析。文献[17]采用NUFFT直接重构方位向非均匀采样信号的多普勒频谱。

上述方位向信号重构方法理论上均能推广到双基星载HRWS-SAR系统。考虑到矩阵求逆算法易于实现且研究较为广泛，本文研究该算法在双基HRWS-SAR系统中的实现。本文首先将方位照射时间内时变的发射接收距离比近似为一个常数，推导了双基星载HRWS-SAR系统与某个单基系统在方位向多信道间传递函数上的等效性，从而构建了双基星载HRWS-SAR系统的方位向信号模型。而后，提出了适用于一般双基构型星载HRWS-SAR系统方位向信号重构的矩阵求逆算法，并给出了信噪比缩放因子及方位模糊比这两个重构性能指标的计算公式。最后，通过对几种典型双基构型的星载HRWS-SAR系统进行方位向信号重构仿真，验证了矩阵求逆算法在一般双基构型星载HRWS-SAR系统中的适用性。

2. 双基星载HRWS-SAR系统的方位向信号模型

为保持双基星载HRWS-SAR系统对地面的持续观测，收发平台应置于同一轨道(顺飞模式)或高度相同的平行轨道(平飞模式)。图1给出了一般构型双基星载HRWS-SAR系统的信号收发几何。发射天线和接收天线的最短距离分别为r_T0, r_R0，接收天线共有M个通道，RX_equ为方位向信号重构后的等效接收通道，通道i到等效接收通道RX_equ的方位向距离为 $\Delta {x_i}$ , t_fd为发射天线和接收天线的零多普勒时间差。

图 1 双基星载HRWS-SAR系统的双基构型

Figure 1. Bistatic configuration of bistatic spaceborne HRWS-SAR

下载: 全尺寸图片幻灯片

不失一般性，假定点目标P在t=0时刻位于接收天线的零多普勒面，容易得到t时刻点P在接收通道i的收发距离和 $R\left( t \right)$ 计算公式为：

$\begin{aligned} R\left( t \right) =& \sqrt {r_{{\rm{T}}0}^2 + {{\left( {vt - v{t_{{\rm{fd}}}}} \right)}^2}} \\ & + \sqrt {r_{{\rm{R}}0}^2 + {{\left( {vt - \Delta {x_i}} \right)}^2}} \end{aligned}$

(1)

忽略天线方向图的影响，接收通道i的冲激响应函数可表示为：

$\begin{aligned} {h_i}\left( t \right) = & \exp \left( { - {\rm j}\frac{{2{{π}} }}{\lambda }R\left( t \right)} \right) \\ = & \exp \Biggr( { - {\rm j}\frac{{2{{π}} }}{\lambda }\biggr( {\sqrt {r_{{\rm{T}}0}^2 + {{\left( {vt - v{t_{{\rm{fd}}}}} \right)}^2}}}} \\ & { {\left.+ {\sqrt {r_{{\rm{R}}0}^2 + {{\left( {vt - \Delta {x_i}} \right)}^2}} } \right)} \Biggr)} \end{aligned}$

(2)

2.1 单基星载HRWS-SAR系统的方位向信号模型

单基星载HRWS-SAR系统可视为r_T0=r_R0=r₀, t_fd=0，发射天线为等效接收通道的特殊情况。由式(2)可得此时接收通道i的冲激响应为：

$\begin{aligned} {\tilde h_i}\left( t \right) = & \exp \Biggr( { - {\rm j}\frac{{2{{π}} }}{\lambda }\biggr( {\sqrt {r_0^2 + {{\left( {vt} \right)}^2}}}} \\ & + {{\sqrt {r_0^2 + {{\left( {vt - \Delta {x_i}} \right)}^2}} } \biggr)} \Biggr) \end{aligned}$

(3)

令此时单基单通道SAR的冲激响应函数为 ${\tilde h_{{\rm{mono}}}}\left( t \right)$ , ${\tilde h_{{\rm{mono}}}}\left( t \right)$ 可由式(4)表示。

${\tilde h_{{\rm{mono}}}}\left( t \right) = \exp \left( { - {\rm j}\frac{{4{{π}} }}{\lambda }\sqrt {r_0^2 + {{\left( {vt} \right)}^2}} } \right)$

(4)

文献[9]对 ${\tilde h_{{\rm{mono}}}}\left( t \right)$ 及 ${\tilde h_i}\left( t \right)$ 的泰勒级数展开进行2阶相位近似处理，可得

$\left\{ \begin{aligned} &{{\tilde h}_{{\rm{mono}}}}\left( t \right) \approx \exp \left( { - {\rm j}\frac{{4{{π}} }}{\lambda }{r_0}} \right) \cdot \exp \left( { - {\rm j}\frac{{2{{π}} {v^2}{t^2}}}{{\lambda {r_0}}}} \right)\\ &{{\tilde h}_i}\left( t \right) \approx \exp \left( { - {\rm j}\frac{{4{{π}} }}{\lambda }{r_0}} \right) \cdot \exp \left( { - {\rm j}\frac{{{{π}} \Delta x_i^2}}{{2\lambda {r_0}}}} \right) \\ & \quad\quad\quad\ \cdot \exp \left( { - {\rm j}\frac{{2{{π}} {v^2}{{\left( {t - \displaystyle\frac{{\Delta {x_i}}}{{2v}}} \right)}^2}}}{{\lambda {r_0}}}} \right) \end{aligned} \right.\quad$

(5)

因而 ${\tilde h_{{\rm{mono}}}}\left( t \right)$ 与 ${\tilde h_i}\left( t \right)$ 间存在式(6)所示的关系，其中 $*$ 为卷积运算。

${\tilde h_i}\left( t \right) \!=\! \exp \left( { \!- {\rm j}\!\frac{{{{π}} \Delta x_i^2}}{{2\lambda {r_0}}}} \right) \!\cdot\! \delta \left( {t \!-\! \frac{{\Delta {x_i}}}{{2v}}} \right)\! *\! {\tilde h_{{\rm{mono}}}}\left( t \right)$

(6)

将式(6)进行Fourier变换，可得单基单通道SAR与接收通道i的系统函数关系：

$\begin{aligned} {\tilde H_i}\left( f \right) = & \exp \left( { - {\rm j}\frac{{{{π}} \Delta x_i^2}}{{2\lambda {r_0}}}} \right) \cdot \exp \left( { - {\rm j}2{{π}} \frac{{\Delta {x_i}}}{{2v}}f} \right) \\ &\cdot {\tilde H_{{\rm{mono}}}}\left( f \right) \end{aligned}$

(7)

单基单通道SAR到接收通道i的传递函数 ${\tilde G_i}\left( f \right)$ 为：

${\tilde G_i}\left( f \right) = \exp \left( { - {\rm j}\frac{{{{π}} \Delta x_i^2}}{{2\lambda {r_0}}}} \right) \cdot \exp \left( { - {\rm j}2{{π}} \frac{{\Delta {x_i}}}{{2v}}f} \right)$

(8)

基于上述分析，单基星载HRWS-SAR系统的方位向信号生成模型可由图2进行描述。方位向各通道信号在时域为单基单通道SAR信号经对应的相位偏移和时间延迟的结果，而在多普勒域为单基单通道SAR信号与对应的常数相位因子和线性相位因子相乘后的结果。PRF小于多普勒带宽时，方位向各通道信号为时域上的欠采样，将导致多普勒域的频谱混叠。

图 2 单基星载HRWS-SAR系统的方位向信号生成模型

Figure 2. Azimuth signal generating model in monostatic spaceborne HRWS-SAR

下载: 全尺寸图片幻灯片

2.2 双基星载HRWS-SAR系统的方位向信号模型

一般双基构型的星载HRWS-SAR系统中r_T0≠r_R0, t_fd≠0，不能通过对h_mono及h_i的泰勒级数展开进行2阶相位近似处理得到与式(6)、式(7)相似的表达式。本节将对式(2)进一步处理，推导一般双基构型星载HRWS-SAR系统中 ${h_{{\rm{mono}}}}\left( t \right)$ 及 ${h_i}\left( t \right)$ 的关系，进而构建其方位向信号生成模型。

引入点目标P的收发距离比函数 $C\left( t \right) =$ $\displaystyle\frac{{\sqrt {r_{{\rm{T}}0}^2 + {{\left( {vt - v{t_{{\rm{fd}}}}} \right)}^2}} }}{{\sqrt {r_{{\rm{R}}0}^2 + {{\left( {vt} \right)}^2}} }}$ ，式(2)等价于：

$\begin{aligned} {h_i}\left( t \right) = & \exp \Biggr( { - {\rm j}\frac{{2{{π}} }}{\lambda }\biggr( {C\left( t \right)\sqrt {r_{{\rm{R}}0}^2 + {{\left( {vt} \right)}^2}}}} \\ & + {{\sqrt {r_{{\rm{R}}0}^2 + {{\left( {vt - \Delta {x_i}} \right)}^2}} } \biggr)} \Biggr) \end{aligned}$

(9)

等效接收通道RX_equ的冲激响应函数为：

$\begin{aligned} & {h_{{\rm{mono}}}}\left( t \right) \\ & \quad =\exp \Biggr( { - {\rm j}\frac{{2{{π}} }}{\lambda }\left( {\left( {C\left( t \right) + 1} \right)\sqrt {r_{{\rm{R}}0}^2 + {{\left( {vt} \right)}^2}} } \right)} \Biggr)\quad\ \end{aligned}$

(10)

对式(9)、式(10)的泰勒级数展开进行2阶相位近似处理，可得：

$\left\{ \begin{aligned} &{h_i}\left( t \right) \approx \exp \left( { - {\rm j}\frac{{2{{π}} }}{\lambda }\left( {C\left( t \right) + 1} \right){r_{{\rm{R}}0}}} \right) \\ & \quad\quad\quad\ \cdot \exp \left( { - {\rm j}\frac{{{π}} }{{\lambda {r_{{\rm{R}}0}}}} \cdot \frac{{C\left( t \right)\Delta x_i^2}}{{C\left( t \right) + 1}}} \right) \\ & \quad\quad\quad\ \cdot \exp \Biggr( { - {\rm j}\frac{{{π}} }{{\lambda {r_{{\rm{R}}0}}}} \cdot \Big( {C^{} \left( t \right) + 1} \Big) }\\ & \quad\quad\quad\ {\cdot {v^2}{{\left( {t - \frac{{\Delta {x_i}}}{{\left( {C\left( t \right) + 1} \right)v}}} \right)}^2}} \Biggr)\\ & {h_{{\rm{mono}}}}\left( t \right) \approx \exp \left( { - {\rm j}\frac{{2{{π}} }}{\lambda }\left( {C\left( t \right) + 1} \right){r_{{\rm{R}}0}}} \right) \\ & \quad\quad\quad\quad\ \cdot \exp \left( { - {\rm j}\frac{{{π}} }{{\lambda {r_{{\rm{R}}0}}}} \cdot \left( {C\left( t \right) + 1} \right) \cdot {v^2}{t^2}} \right) \end{aligned} \right.$

(11)

在目标照射时间T_a内， $C\left( t \right)$ 的变化极小，用波束中心穿越时刻的取值C₀予以近似。容易得到接收通道i与等效接收通道RX_equ的冲激响应关系为：

$\begin{aligned} {h_i}\left( t \right) = & \exp \left( { - {\rm j}\frac{{{π}} }{{\lambda {r_{{\rm{R}}0}}}} \cdot \frac{{{C_0}\Delta x_i^2}}{{{C_0} + 1}}} \right) \\ & \ \cdot \delta \left( {t - \frac{{\Delta {x_i}}}{{\left( {{C_0} + 1} \right)v}}} \right) * {h_{{\rm{mono}}}}\left( t \right) \end{aligned}$

(12)

式(12)进行Fourier变换，可得等效接收通道RX_equ与接收通道i的系统函数关系：

$\begin{aligned} {H_i}\left( f \right) = & \exp \left( { - {\rm j}\frac{{{π}} }{{\lambda {r_{{\rm{R}}0}}}} \cdot \frac{{{C_0}\Delta x_i^2}}{{{C_0} + 1}}} \right) \\ & \cdot \exp \left( { - {\rm j}2{{π}} \frac{{\Delta {x_i}}}{{\left( {{C_0} + 1} \right)v}}f} \right) \cdot {H_{{\rm{mono}}}}\left( f \right) \end{aligned}$

(13)

等效接收通道RX_equ到接收通道i的传递函数为：

$\begin{aligned} {G_i}\left( f \right) = & \exp \left( { - {\rm j}\frac{{{π}} }{{\lambda {r_{{\rm{R}}0}}}} \cdot \frac{{{C_0}\Delta x_i^2}}{{{C_0} + 1}}} \right) \\ & \cdot \exp \left( { - {\rm j}2{{π}} \frac{{\Delta {x_i}}}{{\left( {{C_0} + 1} \right)v}}f} \right) \end{aligned}$

(14)

考察式(8)、式(14)，传递函数 ${G_i}\left( f \right)$ 与 ${\tilde G_i}\left( f \right)$ 可视为f及 $\Delta {x_i}$ 的二元函数，并存在如下关系：

${G_i}\left( {f,\Delta {x_i}} \right) = {\tilde G_i}\left( {f,\frac{2}{{\left( {{C_0} + 1} \right)}}\Delta {x_i}} \right)$

(15)

式(15)表明双基星载HRWS-SAR系统的方位向信号的生成模型可等效为一单基系统模型，只需将图2中的 $\Delta {x_i}$ 替换为 $2/{{\left( {{C_0} + 1} \right)}}\Delta {x_i}$ 即可予以描述，C₀=1时，双基系统退化为单基系统。

2.3 C(t)近似为C₀的合理性

式(12)、式(13)、式(14)是在 $C\left( t \right)$ 近似为C₀的基础上推导的结果，显然存在近似误差。上述近似误差进行理论上的严格定量分析非常复杂，然而可以从上述表达式中得到简单的定性结果。以式(14)为例，由于在双基星载HRWS-SAR系统中 $\Delta x_i^2 \ll {r_{{\rm{R}}0}}$ ，从而 $\exp \left( { - {\rm j}\displaystyle\frac{{{π}} }{{\lambda {r_{{\rm{R}}0}}}} \cdot \displaystyle\frac{{C\left( t \right)\Delta x_i^2}}{{C\left( t \right) + 1}}} \right)$ 可视为常数1。指数项 $\exp \left( { - {\rm j}2{{π}} \displaystyle\frac{{\Delta {x_i}}}{{\left( {{C_0} + 1} \right)v}}f} \right)$ 的相位近似误差约为 $\Delta \varphi \approx 2{{π}} \left| {\displaystyle\frac{{C\left( t \right) - {C_0}}}{{{C_0} + 1}}} \right| \cdot \left| {\displaystyle\frac{{\Delta {x_i}}}{{\left( {C\left( t \right) + 1} \right)v}}f} \right|$ ，在多普勒带宽B_fd范围内，令接收通道的长度为L_R, $\mathop {\max }\limits_{i = 1,2, \cdot \cdot \cdot ,M} \left| {\Delta {x_i}} \right|\! =\! \alpha {L_{\rm{R}}}$ ，则 $\left| {\displaystyle\frac{{\Delta {x_i}}}{{\left( {C\left( t \right) + 1} \right)v}}f} \right|\!<$ $\left| {\displaystyle\frac{{\alpha {L_a}}}{{\left( {C\left( t \right) + 1} \right)v}}{B_{{\rm{fd}}}}} \right| \approx 0.886\alpha$ 。受天线最小尺寸的限制，L_R不能过小即 $\alpha$ 不会太大，可合理假定 $\alpha$ 在10¹数量级。记 $\varepsilon \left( t \right) \!=\! \left| {\displaystyle\frac{{C\left( t \right) - {C_0}}}{{{C_0} + 1}}} \right|$ ，仿真分析表明 $\mathop {\max }\limits_{t \in \left( { - \frac{{{T_a}}}{2},\frac{{{T_a}}}{2}} \right)} \left( {\varepsilon \left( t \right)} \right)$ 一般不超过10^–3量级，因而 $\Delta \varphi$ 在 $2{{π}} \cdot {10^{ - 2}}$ 量级，为一极小相位。上述分析表明可以忽略式(14)的近似误差，即C₀是 $C\left( t \right)$ 的合理近似。

3. 方位向信号重构的矩阵求逆算法

文献[8]给出了单基HRWS-SAR系统方位向信号重构的矩阵求逆算法，由于双基HRWS-SAR系统在方位向信号模型上与单基系统的等效性，矩阵求逆算法在双基系统同样适用。

3.1 双基HRWS-SAR系统的矩阵求逆算法

矩阵求逆算法的理论依据是广义采样定理。在双基HRWS-SAR系统中，通过发射到接收通道i的传递函数，能够得到单基单通道SAR的信号 $S\left( f \right) = U\left( f \right) \cdot H\left( f \right)$ 在接收通道i的表达式 ${S_i}\left( f \right) =$ ${G_i}\left( f \right) \cdot S\left( f \right)$ 。对于方位向有M个通道的系统，在无重叠采样的情况下，可以得到 $S\left( f \right)$ 的M种独立表达，且采样率均为PRF。根据广义采样定理，能够恢复带宽最高为 $M \cdot {\rm{PRF}}$ 的信号 $S\left( f \right)$ 。

矩阵求逆算法主要包括3个步骤：

首先，构造系统的传递函数矩阵 ${{G}}\left( f \right)$ 及响应矩阵 ${\tilde{{S}}}\left( f \right)$ ：

${{G}}\left( f \right) = \left( {\begin{array}{*{20}{c}} {{G_1}\left( f \right)} & {{G_1}\left( {f + {\rm{PRF}}} \right)} & ·\!·\!· & {{G_1}\left( {f + \left( {M - 1} \right) \cdot {\rm{PRF}}} \right)}\\ {{G_2}\left( f \right)} & {{G_2}\left( {f + {\rm{PRF}}} \right)} & ·\!·\!· & {{G_2}\left( {f + \left( {M - 1} \right) \cdot {\rm{PRF}}} \right)}\\ \vdots & \vdots & \ddots & \vdots \\ {{G_M}\left( f \right)} & {{G_M}\left( {f + {\rm{PRF}}} \right)} & ·\!·\!· & {{G_M}\left( {f + \left( {M - 1} \right) \cdot {\rm{PRF}}} \right)} \end{array}} \right)$

(16)

${\tilde{{S}}}\left( f \right) = {\Big( {{S_1}\left( f \right),{S_2}\left( f \right), \cdots ,{S_M}\left( f \right)} \Big)^{\rm{T}}}\quad\quad\quad\quad\quad\quad\quad\quad\quad\quad\quad\quad\quad\quad\,\,$

(17)

然后，对 ${{G}}\left( f \right)$ 进行求逆运算，得到信号重构矩阵 ${{P}}\left( f \right)$ ：

${{P}}\left( f \right) = \left( {\begin{array}{*{20}{c}} {{P_1}\left( f \right)} & {{P_2}\left( f \right)} & ·\!·\!· & {{P_M}\left( f \right)}\\ {{P_1}\left( {f + {\rm{PRF}}} \right)} & {{P_2}\left( {f + {\rm{PRF}}} \right)} & ·\!·\!· & {{P_M}\left( {f + {\rm{PRF}}} \right)}\\ \vdots & \vdots & \ddots & \vdots \\ {{P_1}\left( {f + \left( {M - 1} \right) \cdot {\rm{PRF}}} \right)} & {{P_2}\left( {f + \left( {M - 1} \right) \cdot {\rm{PRF}}} \right)} & ·\!·\!· & {{P_M}\left( {f + \left( {M - 1} \right) \cdot {\rm{PRF}}} \right)} \end{array}} \right)$

(18)

最后，利用公式 ${{P}}\left( f \right) \cdot {{S}}\left( f \right) = {\big( {S\left( f \right),S\left( {f + } \right.$ ${ {\left. {{\rm{PRF}}} \right), ·\!·\!· ,S\left( {f + \left( {M - 1} \right) \cdot {\rm{PRF}}} \right)} \big)^{\rm{T}}}$ 即可重构出方位向信号的多普勒频谱。矩阵求逆算法进行方位向重构的原理框图及物理实现原理可参看文献[8]。

3.2 矩阵求逆算法的重构性能

星载HRWS-SAR系统的单通道信号带宽为PRF，采用矩阵求逆算法重构后的方位向信号带宽为 $M \cdot {\rm{PRF}}$ ，因而方位向信号重构必然影响到信噪比和方位模糊比这两个重要的SAR系统性能指标。

3.2.1 信噪比缩放因子文献[8]定义信噪比缩放因子表征方位向重构对信噪比的影响，其定义式及计算公式为：

${\varPhi _{{\rm{bf}}}} \!=\! \frac{{{\rm{SN}}{{\rm{R}}_{{\rm{in}}}}/{\rm{SN}}{{\rm{R}}_{{\rm{out}}}}}}{{\left( {{\rm{SN}}{{\rm{R}}_{{\rm{in}}}}/{\rm{SN}}{{\rm{R}}_{{\rm{out}}}}} \right)\left| {_{{\rm{PR}}{{\rm{F}}_{{\rm{uni}}}}}} \right.}} \!=\! \frac{{\displaystyle\sum\limits_{j = 1}^M {{\mathop{\rm E}\nolimits} \left( {{{\left| {{P_j}\left( f \right)} \right|}^2}} \right)} }}{N}$

(19)

其中，SNR_in, SNR_out为方位向信号重构前后的信噪比，PRF_uni表示方位向均匀采样时的PRF, ${P_j}\left( f \right)$ 对应于式(18)中的第j行，为作用于接收通道j的重构函数， ${\mathop{\rm E}\nolimits} \left( \cdot \right)$ 为求期望运算。 ${\varPhi _{{\rm{bf}}}}$ 表征了SNR_in与SNR_out的比值随PRF的变化规律。由式(19)可知，越小的 ${\varPhi _{{\rm{bf}}}}$ 意味着更多的信噪比改善。

${\varPhi _{{\rm{bf}}}}$ 还可以通过式(20)进行计算：

${\varPhi _{{\rm{bf}}}} = \frac{{\displaystyle\sum\limits_{j = 1}^M {{\lambda _j}\left( f \right)} }}{N}$

(20)

其中， ${\lambda _j}\left( f \right)$ 为矩阵 ${{P}}\left( f \right) \cdot {{{P}}^{\rm{H}}}\left( f \right)$ 的特征值， ${{{P}}^{\rm{H}}}\left( f \right)$ 为 $\, {{P}}\left( f \right)$ 的共轭转置。

3.2.2 方位模糊比文献[8]详细推导了单基HRWS-SAR系统的方位模糊比(AASR)计算公式，与之类似可推导出双基HRWS-SAR系统的AASR计算公式，可概括为如下4个计算式：

$\begin{aligned} \\ {e_k}\left( f \right) = & {A_k}\left( f \right)\sum\limits_m^{} {\sum\limits_{j = 1}^M {{G_j}\left( {f + k \cdot {\rm{PRF}}} \right)} } \\ \text{} & \ \cdot {P_j}\left( {f + m \cdot {\rm{PRF}}} \right) \end{aligned}$

(21)

$\begin{aligned} {e_\Sigma }\left( f \right) = & \sum\limits_{k = - \infty ,k \ne 0}^\infty {{e_k}\left( f \right)} \\ = & \sum\limits_{k = - \infty ,k \ne 0}^\infty {\Biggr( {{A_k}\left( f \right)\sum\limits_m^{} {\sum\limits_{j = 1}^M {{G_j}\left( {f + k \cdot {\rm{PRF}}} \right)} } }} \\ \text{ } & {\cdot {P_j}\big( {f + m \cdot {\rm{PRF}}}\big)}\Biggr) \end{aligned}\quad\quad$

(22)

${p_{\rm{s}}} = {\rm{E}}\left( {{{\Big| {A\left( f \right) \cdot {\rm{rect}}\left( {f/{{I}}} \right)} \Big|}^2}} \right)\quad\quad\quad\quad\quad\quad\quad \$

(23)

${\rm{AASR}} = \frac{{{\rm{E}}\left( {{{\left| {{e_\Sigma }\left( f \right)} \right|}^2}} \right)}}{{{p_{\rm{s}}}}}\quad\quad\quad\quad\quad\quad\quad\quad\quad\quad\$

(24)

$A\left( f \right)$ 为发射天线和接收通道合成的天线方向图，双基系统中t_c≠0时 $A\left( f \right) \ne A\left( { - f} \right)$ ，这是导致双基系统AASR计算公式不同于单基系统的根本原因。 ${A_k}\left( f \right)$ 为区间 $\left[ { - {\rm{PRF}}/{2}{\rm{,}}\ {\rm{PRF}}/{2}} \right] + k \cdot {\rm{PRF}}$ 上的 $A\left( f \right)$ , ${e_k}\left( f \right)$ 为区间 $\left[ { - {\rm{PRF}}/{2}{\rm{,}}\ {\rm{PRF}}/{2}} \right] + k \cdot {\rm{PRF}}$ 内的信号产生的方位模糊信号，I为区间 $\left[ - M \right.$ $\left. \cdot {{\rm{PRF}}/{2}}{\rm{,}}{M \cdot {\rm{PRF}}/{2}} \right]$ , p_s为信号能量。上式中m的取值规则为：k>0时， $\max \left( {M - k + 1,1} \right) \le m \le N$ ; k<0时， $1 \le m \le - k$ 。

4. 仿真分析

本节对几种典型的双基构型星载HRWS-SAR系统进行方位向信号重构进行仿真，验证矩阵求逆算法的正确性，并分析算法的重构性能。表1列出了系统的方位向系统参数，对于单基系统容易计算出多普勒带宽B_fd=5.61 kHz，照射时间T_a=1.05 s。

表 1 双基星载HRWS-SAR系统的方位向系统参数

Table 1. Azimuth parameters in bistatic spaceborne HRWS-SAR

参数	数值
发射天线方位尺寸(m)	2.4
接收通道方位尺寸(m)	2.4
接收通道数目	5
轨道高度(km)	600
接收天线最短距离(km)	700
方位向速度(m/s)	7600
载波波长(cm)	3.1

下载: 导出CSV

| 显示表格

表2列出了7种典型的双基构型。表2中采用发射天线和接收天线的零多普勒时间差t_fd与轨道距离L对双基构型进行表征：t_fd=0时系统工作在平飞模式，L=0时系统工作在顺飞模式，L<0时发射天线位于测绘带近端，反之L>0时接收天线位于测绘带近端，构型Ⅰ中t_fd=0且L=0退化为单基系统。

表 2 双基星载HRWS-SAR系统的7种双基构型

Table 2. Seven configurations for bistatic spaceborne HRWS-SAR

构型编号	t_fd (s)	L (km)
Ⅰ	0	0
Ⅱ	1	0
Ⅲ	10	0
Ⅳ	0	10
Ⅴ	0	100
Ⅵ	0	–10
Ⅶ	0	–100

下载: 导出CSV

| 显示表格

4.1 C₀对C(t)的近似性能

将 $C\left( t \right)$ 近似为C₀是构建双基星载HRWS-SAR系统方位向信号模型及建立矩阵求逆算法的关键步骤，该近似的合理性直接影响到模型及算法的正确性，第3.3小节定性分析了该近似的合理性，本节结合具体的仿真条件予以验证。图3给出了各双基构型下在照射时间范围内的 $C\left( t \right)$ 及 $\varepsilon \!\left( t \right)$ 的变化曲线，图3中对近似误差相对较大的构型Ⅱ、构型Ⅲ采用蓝色线标注，其他构型使用红色线。图3(a)中各双基构型下 $C\left( t \right)$ 曲线近似为直线，直观地的反映出 $C\left( t \right)$ 近似为常数；而图3(b)、图3(c)表明 $\varepsilon \left( t \right)$ 在各双基构型下均小于10^–3，验证了C₀为 $C\left( t \right)$ 的合理近似。图3也表明出目标照射时间T_a及收发天线的零多普勒时间差t_fd是影响 $\varepsilon\! \left( t \right)$ 的主要因素， $\mathop {\max }\limits_t \left( {\varepsilon \left( t \right)} \right)$ 的取值与T_a及t_fd的取值呈正相关性。

图 3 照射时间T_a范围内的

$C\left( t \right)$ 及

$\varepsilon \! \left( t \right)$ 变化曲线

Figure 3.

$C\left( t \right)$ and

$\varepsilon \! \left( t \right)$ variation curve in irradiation time T_a

下载: 全尺寸图片幻灯片

4.2 方位向信号重构结果

各接收通道的信噪比设置为20 dB，取PRF=2.0 kHz，对图1所示的点目标P方位向信号重构过程进行仿真，其结果如图4和图5所示。

图 4 构型Ⅰ方位向信号重构前后的成像结果

Figure 4. Unreconstructed and reconstructed azimuth signal Doppler spectrum for bistatic configuration Ⅰ

下载: 全尺寸图片幻灯片

图 5 方位向信号重构后的成像结果

Figure 5. Imaging for reconstructed azimuth signal Doppler spectrum

下载: 全尺寸图片幻灯片

图4(a)、图4(b)中，由于PRF小于多普勒带宽B_fd，单个接收通道的多普勒频谱有严重的混叠现象，图4(c)则表明采用矩阵求逆算法进行方位向信号重构消除了多普勒频谱中的混叠现象。图4(c)及图5给出了各双基构型下的方位向信号重构后的成像结果，验证了矩阵求逆算法对一般双基构型的适用性，同时也表明重构性能受双基构型的影响，尤其是构型Ⅴ、Ⅶ与其他构型性能差异较为明显。

4.3 方位向信号重构性能

将PRF设置在区间1.4 kHz≤PRF≤2.8 kHz，采用表1的系统参数和表2的双基构型，利用式(20)、式(24)可以得到方位向信号的重构性能曲线，如图6所示。为了便于图6的分析，首先计算各双基构型下的C₀及典型PRF值，计算结果为表3，其中PRF_uni为均匀采样时的PRF值，PRF_rep1及PRF_rep2为PRF范围内出现重叠采样的两个PRF值。构型Ⅰ的PRF_uni, PRF_rep1和PRF_rep2在图6中予以标注。

图 6 方位向信号重构性能曲线

Figure 6. Azimuth signal reconstruction performance curve

下载: 全尺寸图片幻灯片

表 3 C₀及典型PRF值

Table 3. C₀ and typical PRF

构型编号	C₀	PRF_uni (kHz)	PRF_rep1 (kHz)	PRF_rep2 (kHz)
Ⅰ	1.0000	2.533	1.583	2.111
Ⅱ	1.0001	2.533	1.583	2.111
Ⅲ	1.0059	2.540	1.588	2.117
Ⅳ	0.9927	2.524	1.577	2.103
Ⅴ	0.9345	2.450	1.531	2.041
Ⅵ	1.0074	2.542	1.589	2.118
Ⅶ	1.0805	2.635	1.647	2.196

下载: 导出CSV

| 显示表格

对比图6和表3，可得到如下结论：

(1) 均匀采样时PRF=PRF_uni，方位向信号的重构性能达到局部最优；重叠采样时PRF=PRF_rep，信噪比缩放因子趋向于无穷大，矩阵求逆算法将不能实现信号重构；PRF位于PRF_rep附近时，矩阵求逆算法的性能急剧下降。从矩阵理论的观点分析，PRF=PRF_rep时，传递函数 ${{G}}\left( f \right)$ 为非满秩矩阵，因而 ${{G}}\left( f \right)$ 及重构矩阵 ${{P}}\left( f \right)$ 的条件数为无穷大，此时信噪比缩放因子 ${\varPhi _{{\rm{bf}}}}$ 也为无穷大，从而无法完成方位向信号的重构。PRF趋于PRF_rep时，重构矩阵 ${{P}}\left( f \right)$ 的条件数急剧增大，方位向信号的重构性能也急剧下降。

(2) C₀值的差异直接导致同一PRF时方位向信号重构性能差异。与其他构型相比构型Ⅴ、Ⅶ的C₀值差异较大因而构性能差异也大，与图5的结论相一致。根本原因在于与双基HRWS-SAR系统等效的单基系统，通道间的方位向距离为 $2/{{\left( {{C_0} + 1} \right)}}$ $\cdot \Delta {x_i}$ , C₀的取值直接影响到方位向采样的均匀性，进而影响到矩阵求逆算法的重构性能。

5. 结束语

本文通过分析单基与双基星载HRWS-SAR系统的方位向信号模型，给出了适用于一般双基构型星载HRWS-SAR系统方位向信号重构的矩阵求逆算法，并使用信噪比缩放因子及方位模糊比两个指标分析了该算法的重构性能。本文的分析方法对其他方位向信号重构算法推广到双基星载HRWS-SAR系统具有借鉴意义。双基星载HRWS-SAR系统方位向信号重构的工程应用中，需改进矩阵求逆算法以改善重叠采样附近的重构性能。

图 1 捷变频雷达信号模型

Figure 1. Frequency agile radar signal model

下载: 全尺寸图片幻灯片

图 2 密集转发干扰原理图

Figure 2. Dense repeated jamming principle diagram

下载: 全尺寸图片幻灯片

图 3 干扰抑制算法流程图

Figure 3. Flow chart of interference suppression algorithm

下载: 全尺寸图片幻灯片

图 4 匹配滤波数据空间分布特征

Figure 4. Matching filtering data spatial distribution characteristics

下载: 全尺寸图片幻灯片

图 5 特征参数计算示意图

Figure 5. Schematic diagram of characteristic parameter calculation

下载: 全尺寸图片幻灯片

图 6 平滑滤波

Figure 6. Smoothing window filtering

下载: 全尺寸图片幻灯片

图 7 最优SVM分类模型

Figure 7. Optimal SVM classification model

下载: 全尺寸图片幻灯片

图 8 抗干扰仿真结果

Figure 8. Anti-jamming simulation results

下载: 全尺寸图片幻灯片

图 9 实测数据处理结果

Figure 9. Measured data processing results

下载: 全尺寸图片幻灯片

图 10 分类准确率随JSR变化曲线

Figure 10. The curve of classification accuracy changing with JSR

下载: 全尺寸图片幻灯片

图 11 分类准确率随训练样本比例变化曲线

Figure 11. The curve of classification accuracy changing with the proportion of training set

下载: 全尺寸图片幻灯片

图 12 目标信息保留度

Figure 12. The target information retention percentage

下载: 全尺寸图片幻灯片

图 13 不同算法在不同JSR下的检测概率

Figure 13. Detection probability of different algorithmsunder different JSR

下载: 全尺寸图片幻灯片

图 14 不同虚警率下检测概率随JSR变化曲线

Figure 14. The curve of detection probability changing with JSR under different false alarm rates

下载: 全尺寸图片幻灯片

表 1 雷达参数

Table 1. Radar parameters

参数数值参数数值

脉冲数Q 64 脉冲重复周期T_r 40 μs
信号脉宽T_p 4 μs 信号带宽B 20 MHz
初始载频f_c 14 GHz 跳频间隔 $\Delta f$ 9 MHz
采样率f_s 40 MHz

下载: 导出CSV

表 2 外场试验参数

Table 2. Outfield experiment parameters

参数数值参数数值

脉冲数Q 128 脉冲重复周期T_r 250 μs
信号脉宽T_p 4 μs 信号带宽B 20 MHz
跳频总数 $Q'$ 256 载频跳变范围 33.2～34.2 GHz
采样率f_s 60 MHz

下载: 导出CSV

参考文献(32)

[1]	FENG Dejun, XU Letao, PAN Xiaoyi, et al. Jamming wideband radar using interrupted-sampling repeater[J]. IEEE Transactions on Aerospace and Electronic Systems, 2017, 53(3): 1341–1354. doi: 10.1109/TAES.2017.2670958
[2]	周超, 刘泉华, 胡程. 间歇采样转发式干扰的时频域辨识与抑制[J]. 雷达学报, 2019, 8(1): 100–106. doi: 10.12000/JR18080 ZHOU Chao, LIU Quanhua, and HU Cheng. Time-frequency analysis techniques for recognition and suppression of interrupted sampling repeater jamming[J]. Journal of Radars, 2019, 8(1): 100–106. doi: 10.12000/JR18080
[3]	黎明也, 曹志华, 朱宝增. 对线性调频雷达的密集假目标干扰研究[J]. 中国电子科学研究院学报, 2014, 9(3): 272–276. doi: 10.3969/j.issn.1673-5692.2014.03.009 LI Mingye, CAO Zhihua, and ZHU Baozeng. The study of dense false-farget jamming to LFM radar[J]. Journal of CAEIT, 2014, 9(3): 272–276. doi: 10.3969/j.issn.1673-5692.2014.03.009
[4]	WEN Cai, PENG Jinye, ZHOU Yan, et al. Enhanced three-dimensional joint domain localized STAP for airborne FDA-MIMO radar under dense false-target jamming scenario[J]. IEEE Sensors Journal, 2018, 18(10): 4154–4166. doi: 10.1109/JSEN.2018.2820905
[5]	余康林, 匡华星, 王超宇. 基于多维特征的密集转发式干扰识别方法[J]. 雷达科学与技术, 2021, 19(4): 448–454, 466. doi: 10.3969/j.issn.1672-2337.2021.04.013 YU Kanglin, KUANG Huaxing, and WANG Chaoyu. A recognition method of dense repeater jamming based on multiple features[J]. Radar Science and Technology, 2021, 19(4): 448–454, 466. doi: 10.3969/j.issn.1672-2337.2021.04.013
[6]	XU Leilei, LIU Hongwei, ZHOU Shenghua, et al. Colocated MIMO radar waveform design against repeat radar jammers[C]. 2018 International Conference on Radar (RADAR), Brisbane, Australia, 2018: 1–5.
[7]	刘智星, 杜思予, 吴耀君, 等. 脉间-脉内捷变频雷达抗间歇采样干扰方法[J]. 雷达学报, 2022, 11(2): 301–312. doi: 10.12000/JR22001 LIU Zhixing, DU Siyu, WU Yaojun, et al. Anti-interrupted sampling repeater jamming method for interpulse and intrapulse frequency-agile radar[J]. Journal of Radars, 2022, 11(2): 301–312. doi: 10.12000/JR22001
[8]	卢刚, 唐斌, 罗双才. LFM雷达中DRFM假目标自适应对消方法[J]. 系统工程与电子技术, 2011, 33(8): 1760–1764. doi: 10.3969/j.issn.1001-506X.2011.08.16 LU Gang, TANG Bin, and LUO Shuangcai. Adaptive cancellation of DRFM false targets for LFM radar[J]. Systems Engineering and Electronics, 2011, 33(8): 1760–1764. doi: 10.3969/j.issn.1001-506X.2011.08.16
[9]	ZHOU Chao, LIU Quanhua, and CHEN Xinliang. Parameter estimation and suppression for DRFM-based interrupted sampling repeater jammer[J]. IET Radar, Sonar & Navigation, 2018, 12(1): 56–63. doi: 10.1049/iet-rsn.2017.0114
[10]	李培, 王峰. 基于域变换的雷达主瓣密集转发干扰抑制方法研究[J]. 中国电子科学研究院学报, 2021, 16(8): 797–804. doi: 10.3969/j.issn.1673-5692.2021.08.008 LI Pei and WANG Feng. Research on radar main lobe dense repeater jamming suppression method based on domain transform[J]. Journal of CAEIT, 2021, 16(8): 797–804. doi: 10.3969/j.issn.1673-5692.2021.08.008
[11]	张亮, 王国宏, 张顺义, 等. 一种分数阶域的密集假目标干扰抑制算法[J]. 西安交通大学学报, 2020, 54(12): 79–87. doi: 10.7652/xjtuxb202012010 ZHANG Liang, WANG Guohong, ZHANG Shunyi, et al. An algorithm for suppressing jamming of dense false targets in fractional Fourier transform domain[J]. Journal of Xi’an Jiaotong University, 2020, 54(12): 79–87. doi: 10.7652/xjtuxb202012010
[12]	孙殿星, 陈翔, 万建伟, 等. 基于多特征的密集假目标干扰融合识别与抑制[J]. 系统工程与电子技术, 2018, 40(10): 2207–2215. doi: 10.3969/j.issn.1001-506X.2018.10.08 SUN Dianxing, CHEN Xiang, WAN Jianwei, et al. Fusion identification and suppression technique against concentrated false targets jamming based on multiple features[J]. Systems Engineering and Electronics, 2018, 40(10): 2207–2215. doi: 10.3969/j.issn.1001-506X.2018.10.08
[13]	CHEN Fengbo, LI Rongfeng, DING Liming, et al. A method against DRFM dense false target jamming based on jamming recognization[C]. IET International Radar Conference 2015, Hangzhou, China, 2015: 1–4.
[14]	CAI Guang, SHAO Yinbo, LI Rongfeng, et al. A method for countering dense false target jamming based on correlation sample selection[C]. 2017 IEEE International Conference on Signal Processing, Communications and Computing (ICSPCC), Xiamen, China, 2017: 1–5.
[15]	LIU Kaiqiang, FU Xiongjun, GAO Zhiming, et al. Time-space two-dimensional dense false targets jamming and countermeasures[C]. 2018 13th IEEE Conference on Industrial Electronics and Applications (ICIEA), Wuhan, China, 2018: 1982–1987.
[16]	方文, 全英汇, 沙明辉, 等. 捷变频联合波形熵的密集假目标干扰抑制算法[J]. 系统工程与电子技术, 2021, 43(6): 1506–1514. doi: 10.12305/j.issn.1001-506X.2021.06.07 FANG Wen, QUAN Yinghui, SHA Minghui, et al. Dense false targets jamming suppression algorithm based on frequency agility and waveform entropy[J]. Systems Engineering and Electronics, 2021, 43(6): 1506–1514. doi: 10.12305/j.issn.1001-506X.2021.06.07
[17]	董淑仙, 全英汇, 陈侠达, 等. 基于捷变频联合数学形态学的干扰抑制算法[J]. 系统工程与电子技术, 2020, 42(7): 1491–1498. doi: 10.3969/j.issn.1001-506X.2020.07.09 DONG Shuxian, QUAN Yinghui, CHEN Xiada, et al. Interference suppression algorithm based on frequency agility combined with mathematical morphology[J]. Systems Engineering and Electronics, 2020, 42(7): 1491–1498. doi: 10.3969/j.issn.1001-506X.2020.07.09
[18]	LONG Xingwang, LI Kun, TIAN Jing, et al. Ambiguity function analysis of random frequency and PRI agile signals[J]. IEEE Transactions on Aerospace and Electronic Systems, 2021, 57(1): 382–396. doi: 10.1109/TAES.2020.3016851
[19]	AKHTAR J and OLSEN K E. Frequency agility radar with overlapping pulses and sparse reconstruction[C]. 2018 IEEE Radar Conference (RadarConf18), Oklahoma City, USA, 2018: 0061–0066.
[20]	TAO Yanji, ZHANG Gong, TAO Tingbao, et al. Frequency-agile coherent radar target Sidelobe suppression based on sparse Bayesian learning[C]. 2019 IEEE MTT-S International Microwave Biomedical Conference (IMBioC), Nanjing, China, 2019: 1–4.
[21]	张克舟, 李青山, 陆静, 等. LFM脉冲压缩雷达密集假目标干扰时序设计与分析[J]. 现代防御技术, 2015, 43(4): 132–137. doi: 10.3969/j.issn.1009-086x.2015.04.022 ZHANG Kezhou, LI Qingshan, LU Jing, et al. Design and analysis of dense false target jamming time sequence of LFM pulse compression radar[J]. Modern Defense Technology, 2015, 43(4): 132–137. doi: 10.3969/j.issn.1009-086x.2015.04.022
[22]	何明浩, 韩俊. 现代雷达辐射源信号分选与识别[M]. 北京: 科学出版社, 2016: 90–116. HE Minghao and HAN Jun. Modern Radar Emitter Signal Sorting and Recognition[M]. Beijing: Science Press, 2016: 90–116.
[23]	滑文强, 王爽, 侯彪. 基于半监督学习的SVM-Wishart极化SAR图像分类方法[J]. 雷达学报, 2015, 4(1): 93–98. doi: 10.12000/JR14138 HUA Wenqiang, WANG Shuang, and HOU Biao. Semi-supervised learning for classification of polarimetric SAR images based on SVM-Wishart[J]. Journal of Radars, 2015, 4(1): 93–98. doi: 10.12000/JR14138
[24]	王福友, 罗钉, 刘宏伟. 低分辨机载雷达空地运动目标的分类识别算法[J]. 雷达学报, 2014, 3(5): 497–504. doi: 10.3724/SP.J.1300.2014.14092 WANG Fuyou, LUO Ding, and LIU Hongwei. Low-resolution airborne radar air/ground moving target classification and recognition[J]. Journal of Radars, 2014, 3(5): 497–504. doi: 10.3724/SP.J.1300.2014.14092
[25]	周志华. 机器学习[M]. 北京: 清华大学出版社, 2016: 121–140. ZHOU Zhihua. Machine Learning[M]. Beijing: Tsinghua University Press, 2016: 121–140.
[26]	SZELISKI R. Computer Vision: Algorithms and Applications (Texts in Computer Science)[M]. London: Springer, 2010: 109–129.
[27]	EKSTROM M. Digital image processing[J]. IEEE Transactions on Acoustics, Speech, and Signal Processing, 1980, 28(4): 484–486. doi: 10.1109/TASSP.1980.1163437
[28]	GONZALEZ R C and WOODS R E. Digital Image Processing[M]. Upper Saddle River: Prentice Hall, 2002: 144–156.
[29]	MARQUES E C, MACIEL N, NAVINER L, et al. A review of sparse recovery algorithms[J]. IEEE Access, 2019, 7: 1300–1322. doi: 10.1109/ACCESS.2018.2886471
[30]	QUAN Yinghui, LI Yachao, WU Yaojun, et al. Moving target detection for frequency agility radar by sparse reconstruction[J]. Review of Scientific Instruments, 2016, 87(9): 094703. doi: 10.1063/1.4962700
[31]	KNILL C, SCHWEIZER B, SPARRER S, et al. High range and doppler resolution by application of compressed sensing using low baseband bandwidth OFDM radar[J]. IEEE Transactions on Microwave Theory and Techniques, 2018, 66(7): 3535–3546. doi: 10.1109/TMTT.2018.2830389
[32]	WEI Shaopeng, ZHANG Lei, and LIU Hongwei. Joint frequency and PRF agility waveform optimization for high-resolution ISAR imaging[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 5100723. doi: 10.1109/TGRS.2021.3051038

施引文献

期刊类型引用(3)

1.	方愚渊，魏嵩，何超，孙一心，张磊，王明宇. 雷达对抗技术研究综述与智能反干扰展望. 信息对抗技术. 2024(02): 5-26 . 百度学术
2.	贾金伟，刘利民，韩壮志，解辉. 基于压缩感知的抗SDIF分选射频隐身信号设计及回波信号处理. 航空学报. 2023(13): 220-243 . 百度学术
3.	解烽，刘环宇，胡锡坤，钟平，李君宝. 基于复数域深度强化学习的多干扰场景雷达抗干扰方法. 雷达学报. 2023(06): 1290-1304 . 本站查看

其他类型引用(3)

资源附件(0)

访问统计

图(14) / 表(2)

计量

文章访问数: 1372
HTML全文浏览量: 688
PDF下载量: 255
被引次数: 6

1. 引言
2. 双基星载HRWS-SAR系统的方位向信号模型
2.1 单基星载HRWS-SAR系统的方位向信号模型
2.2 双基星载HRWS-SAR系统的方位向信号模型
2.3 C(t)近似为C0的合理性
3. 方位向信号重构的矩阵求逆算法
3.1 双基HRWS-SAR系统的矩阵求逆算法
3.2 矩阵求逆算法的重构性能
4. 仿真分析
4.1 C0对C(t)的近似性能
4.2 方位向信号重构结果
4.3 方位向信号重构性能
5. 结束语

1. 引言
2. 双基星载HRWS-SAR系统的方位向信号模型
2.1 单基星载HRWS-SAR系统的方位向信号模型
2.2 双基星载HRWS-SAR系统的方位向信号模型
2.3 C(t)近似为C₀的合理性
3. 方位向信号重构的矩阵求逆算法
3.1 双基HRWS-SAR系统的矩阵求逆算法
3.2 矩阵求逆算法的重构性能
4. 仿真分析
4.1 C₀对C(t)的近似性能
4.2 方位向信号重构结果
4.3 方位向信号重构性能
5. 结束语

参考文献(32)

施引文献

资源附件(0)

访问统计

基于SVM的捷变频雷达密集转发干扰智能抑制方法

DOI: 10.12000/JR22065

通讯作者:
全英汇 yhquan@mail.xidian.edu.cn

计量

Dense-repeated Jamming Suppression Algorithm Based on the Support Vector Machine for Frequency Agility Radar

Corresponding author: QUAN Yinghui, yhquan@mail.xidian.edu.cn

1. 引言

2. 双基星载HRWS-SAR系统的方位向信号模型

2.1 单基星载HRWS-SAR系统的方位向信号模型

2.2 双基星载HRWS-SAR系统的方位向信号模型

2.3 C(t)近似为C₀的合理性

3. 方位向信号重构的矩阵求逆算法

3.1 双基HRWS-SAR系统的矩阵求逆算法

3.2 矩阵求逆算法的重构性能

4. 仿真分析

4.1 C₀对C(t)的近似性能

4.2 方位向信号重构结果

4.3 方位向信号重构性能

5. 结束语

期刊类型引用(3)

其他类型引用(3)

计量

目录

1. 引言

2. 双基星载HRWS-SAR系统的方位向信号模型

2.1 单基星载HRWS-SAR系统的方位向信号模型

2.2 双基星载HRWS-SAR系统的方位向信号模型

2.3 C(t)近似为C₀的合理性

3. 方位向信号重构的矩阵求逆算法

3.1 双基HRWS-SAR系统的矩阵求逆算法

3.2 矩阵求逆算法的重构性能

4. 仿真分析

4.1 C₀对C(t)的近似性能

4.2 方位向信号重构结果

4.3 方位向信号重构性能

5. 结束语

期刊介绍

联系我们

参数	数值	参数	数值
脉冲数Q	64	脉冲重复周期T_r	40 μs
信号脉宽T_p	4 μs	信号带宽B	20 MHz
初始载频f_c	14 GHz	跳频间隔 $\Delta f$	9 MHz
采样率f_s	40 MHz

参数	数值	参数	数值
脉冲数Q	128	脉冲重复周期T_r	250 μs
信号脉宽T_p	4 μs	信号带宽B	20 MHz
跳频总数 $Q'$	256	载频跳变范围	33.2～34.2 GHz
采样率f_s	60 MHz

基于SVM的捷变频雷达密集转发干扰智能抑制方法

DOI: 10.12000/JR22065

通讯作者: 全英汇 yhquan@mail.xidian.edu.cn

计量

出版历程

Dense-repeated Jamming Suppression Algorithm Based on the Support Vector Machine for Frequency Agility Radar

Corresponding author: QUAN Yinghui, yhquan@mail.xidian.edu.cn

1. 引言

2. 双基星载HRWS-SAR系统的方位向信号 模型

2.1 单基星载HRWS-SAR系统的方位向信号模型

2.2 双基星载HRWS-SAR系统的方位向信号模型

2.3 C(t)近似为C0的合理性

3. 方位向信号重构的矩阵求逆算法

3.1 双基HRWS-SAR系统的矩阵求逆算法

3.2 矩阵求逆算法的重构性能

4. 仿真分析

4.1 C0对C(t)的近似性能

4.2 方位向信号重构结果

4.3 方位向信号重构性能

5. 结束语

期刊类型引用(3)

其他类型引用(3)

计量

出版历程

目录

1. 引言

2. 双基星载HRWS-SAR系统的方位向信号 模型

2.1 单基星载HRWS-SAR系统的方位向信号模型

2.2 双基星载HRWS-SAR系统的方位向信号模型

2.3 C(t)近似为C0的合理性

3. 方位向信号重构的矩阵求逆算法

3.1 双基HRWS-SAR系统的矩阵求逆算法

3.2 矩阵求逆算法的重构性能

4. 仿真分析

4.1 C0对C(t)的近似性能

4.2 方位向信号重构结果

4.3 方位向信号重构性能

5. 结束语

期刊介绍

联系我们

通讯作者:
全英汇 yhquan@mail.xidian.edu.cn

2. 双基星载HRWS-SAR系统的方位向信号模型

2.3 C(t)近似为C₀的合理性

4.1 C₀对C(t)的近似性能

2. 双基星载HRWS-SAR系统的方位向信号模型

2.3 C(t)近似为C₀的合理性

4.1 C₀对C(t)的近似性能