寬帶DRFM有源欺騙干擾識(shí)別

文/錢劍勛 盧云龍 同偉

1 引言

有源欺騙干擾會(huì)嚴(yán)重降低雷達(dá)對目標(biāo)的檢測性能。而基于數(shù)字射頻存儲(chǔ)器（DRFM）的距離波門欺騙（RGS）干擾和速度波門欺騙（VGS）干擾與雷達(dá)發(fā)射信號(hào)具有很強(qiáng)的相干性，干擾波形在相干雷達(dá)中可以獲得相當(dāng)大的增益，使得雷達(dá)難以區(qū)分目標(biāo)和干擾。

近年來針對DRFM欺騙干擾信號(hào)的研究主要有：文獻(xiàn)[1][2]分析了基于DRFM的RGS干擾的頻譜，詳細(xì)推導(dǎo)了DRFM時(shí)延量化特性對干擾信號(hào)帶來的頻域細(xì)微變化特征。在此基礎(chǔ)上，文獻(xiàn)[3][4]分析了DRFM時(shí)延函數(shù)和相位聯(lián)合量化對RGS干擾信號(hào)的影響，并得出相對于相位量化，時(shí)延函數(shù)量化對信號(hào)的影響可以忽略。另外，文獻(xiàn)[5][6][7]分別研究了在高階譜域、極化域等方面提取干擾信號(hào)的細(xì)微差異特征。

以上文獻(xiàn)中分析干擾信號(hào)特征都是基于單頻脈沖雷達(dá)信號(hào)，并且在分析DRFM量化特征時(shí)也是基于簡單的RGS干擾模型。由于具有大時(shí)寬帶寬積的脈沖壓縮信號(hào)可以保證雷達(dá)具有良好的檢測性和較高的距離、速度分辨率，現(xiàn)代雷達(dá)廣泛采用的脈內(nèi)頻率調(diào)制信號(hào)，如線性調(diào)頻（LFM）信號(hào)。具有距離-速度聯(lián)合欺騙能力的RGS-VGS干擾，不僅能干擾同時(shí)具有距離-速度信息檢測、跟蹤能力的雷達(dá)，還能有效干擾只有測速或測距能力功能的雷達(dá)。本文提出了基于寬帶LFM信號(hào)的RGSVGS量化干擾數(shù)學(xué)模型?；诖藢拵Ц蓴_模型，分析了其經(jīng)DRFM量化后的頻譜特性，并提取出有效穩(wěn)健的干擾信號(hào)誤差角（JSEA）作為識(shí)別特征。同時(shí)考慮干擾機(jī)存在時(shí)延以及波門內(nèi)同時(shí)存在目標(biāo)回波和干擾的情況，建立相應(yīng)的假設(shè)模型。仿真結(jié)果表明，在低量化位數(shù)條件下，系統(tǒng)有較好的識(shí)別性能。

圖1：回波中只有干擾，沒有轉(zhuǎn)發(fā)時(shí)延

2 寬帶干擾模型

2.1 距離-速度同步拖引干擾模型

令寬帶線性調(diào)頻信號(hào)為：

其中 為調(diào)頻率，且 ，B為調(diào)頻信號(hào)帶寬，τ為信號(hào)時(shí)寬。

DRFM的輸入信號(hào)可以表示為：

式中fc=f0+fd，f0為雷達(dá)工作頻率，fd是目標(biāo)的多普勒頻率。

令RGS-VGS干擾信號(hào)的距離拖引時(shí)延函數(shù) 為理想線性函數(shù)，為拖引率。fj為速度欺騙對應(yīng)的多普勒頻率。為了真實(shí)模擬目標(biāo)運(yùn)動(dòng)狀態(tài)，c(t)與fj需滿足一定的邏輯關(guān)系。設(shè)同步欺騙干擾速度為vj，時(shí)延函數(shù)對應(yīng)的距離為R，λ為雷達(dá)工作波長，C為光速，則由：

這里假設(shè)vj為遠(yuǎn)離雷達(dá)的徑向速度，則DRFM的輸出RGS-VGS干擾信號(hào)可以表示為：

2.2 RGS-VGS量化模型

根據(jù)文獻(xiàn)[1]的結(jié)論，對于單頻脈沖信號(hào)，在分析其相位量化時(shí)，時(shí)延函數(shù)離散化的影響是可以忽略的。對于寬帶雷達(dá)信號(hào)，時(shí)延函數(shù)量化導(dǎo)致的幾百赫茲間隔的諧波譜，會(huì)被寬帶信號(hào)的譜寬覆蓋掉，因此時(shí)延函數(shù)量化對頻譜的影響也可以忽略，則RGS-VGS經(jīng)DRFM相位量化后的輸出可表示為：

其中N=2M，M為量化位數(shù)。

令：

則

3 干擾識(shí)別

要對抗欺騙干擾信號(hào)的前提是雷達(dá)能夠正確識(shí)別干擾信號(hào)。文獻(xiàn)[8]中假設(shè)檢測模型為：

本文中假設(shè)檢測模型為：

圖2：回波中有目標(biāo)信號(hào)和干擾，沒有轉(zhuǎn)發(fā)時(shí)延

圖3：回波中有目標(biāo)信號(hào)和干擾，25ns轉(zhuǎn)發(fā)時(shí)延

其中s為目標(biāo)回波信號(hào)，sj為RGS-VGS干擾信號(hào)。本文以JSEA為特征，采用神經(jīng)網(wǎng)絡(luò)分類器對H1，H2進(jìn)行識(shí)別分類。

神經(jīng)網(wǎng)絡(luò)是經(jīng)過訓(xùn)練可以有效地提取感知模式的特征，并能解決現(xiàn)有啟發(fā)式模式識(shí)別系統(tǒng)不能很好解決的問題，是一種具有學(xué)習(xí)能力的分類識(shí)別算法。而BP神經(jīng)網(wǎng)絡(luò)是其中一種用于解決非線性問題的多層神經(jīng)網(wǎng)絡(luò)。BP網(wǎng)絡(luò)的學(xué)習(xí)過程包括兩個(gè)階段，首先通過設(shè)置網(wǎng)絡(luò)結(jié)構(gòu)和前一次迭代的權(quán)值和門限值，從網(wǎng)絡(luò)的第一層向后計(jì)算各神經(jīng)元的輸出，其次是根據(jù)各權(quán)限值和門限值對總誤差的影響，從最后一層向前修改各權(quán)值和門限值。將JSEA作為分類器的輸入特征，Hi,i=1,2作為網(wǎng)絡(luò)的輸出類型。

4 仿真實(shí)驗(yàn)

仿真實(shí)驗(yàn)如下：根據(jù)目前典型欺騙干擾機(jī)結(jié)構(gòu)，可設(shè)DRFM量化位數(shù)M=2,3,4，DRFM中頻FI=10MHz，采樣頻率Fs=1.024/2GHz，目標(biāo)多普勒頻率fd=4KHz。噪聲n(t)是服從分布的零均值復(fù)高斯白噪聲。雷達(dá)發(fā)射信號(hào)為線性調(diào)頻信號(hào)，帶寬B=10MHz，脈寬τ=1us，拖引率α=1us。定義信噪比為干噪比為j(t)為干擾信號(hào)。實(shí)驗(yàn)中設(shè)SNR=JNR。根據(jù)式（9）的模型，不考慮高斯噪聲中的信號(hào)檢測問題，即只對H1，H2兩種假設(shè)進(jìn)行識(shí)別。

令假設(shè)Hi概率 ，以下為仿真結(jié)果。SNR在-10dB到25dB范圍內(nèi)，每個(gè)SNR下做200次Monte Carlo實(shí)驗(yàn)得到基于神經(jīng)網(wǎng)絡(luò)的正確識(shí)別率。圖1與圖2給出的分別是回波中只有干擾信號(hào)和回波中同時(shí)存在目標(biāo)信號(hào)和干擾信號(hào)的兩種情況下的檢測曲線。從圖1中可以看出，隨著量化位數(shù)的增加，系統(tǒng)的識(shí)別性能在明顯下降。

當(dāng)M=2時(shí)，要達(dá)到90%的識(shí)別概率，SNR在0dB左右。而當(dāng)M=4時(shí)，要達(dá)到同樣的識(shí)別率，SNR需增大到15dB左右。因此，在DRFM量化位數(shù)較低時(shí)，基于JESA的識(shí)別算法有較好的效果。24中沒有考慮干擾機(jī)轉(zhuǎn)發(fā)時(shí)延，從圖中可以看出在回波中同時(shí)存在目標(biāo)信號(hào)和干擾信號(hào)時(shí)，檢測性能會(huì)相對下降。圖3為考慮了25ns干擾機(jī)轉(zhuǎn)發(fā)時(shí)延的性能曲線，在DRFM量化位數(shù)較大時(shí)，其識(shí)別性能改善明顯。

5 結(jié)論

本文以寬帶LFM信號(hào)為干擾模型，推導(dǎo)了RGS-VGS干擾信號(hào)的頻譜。分析表明，DRFM量化特性導(dǎo)致干擾信號(hào)出現(xiàn)假譜，并且假譜的譜寬變大，調(diào)頻率增加。利用干擾頻譜的變化，提取出具有較強(qiáng)分類能力的JSEA作為分類的特征參數(shù)。仿真實(shí)驗(yàn)表明，在較低的DRFM量化位數(shù)條件下，對于寬帶有源欺騙干擾，該方法在較低的SNR時(shí)仍有較好的檢測性能。同時(shí)可以看出，干擾機(jī)的轉(zhuǎn)發(fā)時(shí)延對檢測性能有很大的影響。隨著拖引距離的增加，欺騙干擾的拖引時(shí)間也在增加，因此，下一步工作可以深入研究干擾信號(hào)的脈間特性對該算法檢測性能的影響。