随着电子干扰技术的发展,特别是数字射频存储(Digital Radio Frequency Memory,DRFM)技术的出现,现代雷达所处的电磁干扰环境变得越来越复杂。雷达对接收信号进行处理时,需要及时检测到干扰的存在并识别出其类型,采取合适的抗干扰措施,...
详细信息
随着电子干扰技术的发展,特别是数字射频存储(Digital Radio Frequency Memory,DRFM)技术的出现,现代雷达所处的电磁干扰环境变得越来越复杂。雷达对接收信号进行处理时,需要及时检测到干扰的存在并识别出其类型,采取合适的抗干扰措施,以确保雷达能够正确检测和跟踪目标。本文以雷达有源欺骗干扰识别问题为核心,对基于DRFM的欺骗式干扰的检测及小样本下的识别问题进行了研究,其主要内容总结如下:(1)基于DRFM技术的转发式欺骗干扰与真实雷达回波高度相干,导致雷达难以分辨真假目标。针对该问题,提出了一种基于Hough变换的DRFM欺骗干扰检测方法,采用短时傅里叶变换(Short-time Fourier Transform,STFT)和二维恒虚警(Constant False Alarm Rate,CFAR)检测器对干扰信号进行特征提取,并利用Hough变换完成欺骗干扰检测。该方法基于干扰本身特征,对先验信息与应用场景依赖性小,计算复杂度低。仿真结果表明,所提方法在低信噪比及多场景下均有着良好的检测性能。(2)针对实际雷达欺骗干扰信号存在样本数量不足的问题,提出了一种基于小样本的多模态雷达有源欺骗干扰识别方法。该方法基于雷达信号提取的特征参数及时频图像两种模态信息,利用原型网络训练多模态特征,并借助图像降噪处理和加权欧式距离提高低信噪比下的识别性能,实现了小样本条件下的雷达欺骗干扰识别。仿真结果表明,所提方法具有良好的抗噪性,且在小样本条件下识别性能良好。模拟器数据的测试结果表明该方法还具备良好的泛化性能。(3)在干扰识别过程中,拖引类干扰信号的可用特征较少,特别是在少假目标及多真实目标等情况出现时,混淆情况会更加严重,影响着总体识别性能。针对这一问题,本文提出了一种基于孪生网络的拖引类干扰识别方法。根据拖引类干扰的拖引性质重新构建数据集,采用孪生网络对拖引类干扰进行识别,并与多模态干扰识别网络在决策层进行融合,完成所有类型的干扰识别。仿真结果表明,所提方法在少假目标及多目标场景下均能够有效降低拖引类干扰与其他类干扰之间的混淆,并在一定程度上提高拖引类干扰总体识别率。
暂无评论