同亞龍 王 彤代保全 吳建新

(西安電子科技大學雷達信號處理國家重點實驗室 西安 710071)

一種抗密集欺騙式干擾的機載雷達動目標檢測方法

同亞龍 王 彤*代保全 吳建新

(西安電子科技大學雷達信號處理國家重點實驗室 西安 710071)

密集欺騙式干擾不僅會引起大量虛警，還會抬高恒虛警檢測器的門限，導致機載雷達的動目標檢測性能嚴重下降。針對此問題，該文提出一種基于數(shù)據(jù)擬合的機載雷達抗密集欺騙式干擾的動目標檢測算法。該算法選取待檢測單元附近的數(shù)據(jù)樣本構(gòu)造基矩陣，對待處理數(shù)據(jù)進行最小二乘擬合；同時，對擬合系數(shù)的邊界進行自適應約束以保護可能存在的目標信號。該算法可以有效濾除密集欺騙式干擾，消除其帶來的虛警，能夠顯著改善機載雷達的動目標檢測性能。基于實測數(shù)據(jù)的實驗結(jié)果驗證了該算法的有效性。

機載雷達；動目標檢測；空時自適應處理；欺騙式干擾；數(shù)據(jù)擬合

1 引言

隨著現(xiàn)代電子戰(zhàn)技術(shù)和裝備的快速發(fā)展，戰(zhàn)場電磁環(huán)境日益復雜，機載雷達遇到前所未有的挑戰(zhàn)，它不僅受到強的地(海)雜波的影響，還面臨著各種干擾的威脅[1,2]。特別是數(shù)字射頻存儲器的出現(xiàn)與發(fā)展，使得干擾機能夠截獲、存儲并調(diào)制轉(zhuǎn)發(fā)雷達的發(fā)射信號，在雷達接收端形成類似目標信號的欺騙式干擾(在有的文獻中也被稱為相干轉(zhuǎn)發(fā)式干擾)[3-6]。欺騙式干擾與雷達信號具有較強的相關(guān)性，經(jīng)過接收機匹配濾波后可以獲得比較高的脈沖壓縮增益，引起大量虛警[4]。這些虛警不僅會抬高自動檢測中的恒虛警(Constant False Alarm Rate, CFAR)檢測門限，導致雷達系統(tǒng)的檢測性能下降，而且還會占據(jù)大量雷達任務調(diào)度資源，使得雷達發(fā)現(xiàn)真實目標的時間延后，情況嚴重時甚至導致雷達計算機飽和而無法正常工作[6]。通常機載雷達可以采用空時兩維自適應處理(Space-Time Adaptive Processing, STAP)技術(shù)對具有空時耦合特性的地(海)雜波進行有效抑制，并能在一定程度上抑制干擾[7]。但在雷達回波中，欺騙式干擾往往以孤立點目標的形式隨機存在，STAP無法獲得足夠的干擾樣本來估計其統(tǒng)計特性，因此不能對其進行充分抑制。此外，訓練樣本中所存在的欺騙式干擾會破壞STAP的平穩(wěn)環(huán)境假設，使其雜波抑制能力嚴重下降。為了能夠在這種非平穩(wěn)環(huán)境中獲得穩(wěn)健的雜波抑制性能，STAP通常需要級聯(lián)非均勻檢測器以剔除訓練樣本中的奇異樣本[8]。但當密集欺騙式干擾存在時，會有大量奇異樣本被剔除，STAP將無法獲得足夠的訓練樣本。同時，這些被剔除的奇異樣本在STAP中無法得到抑制而依然表現(xiàn)為大量虛警。因此，研究抗密集欺騙式干擾的機載雷達動目標檢測方法是非常有必要的。

近年來，學者們提出了許多抗欺騙式干擾的方法。文獻[9]指出脈沖分集技術(shù)是抗欺騙式干擾的有效方法，通過調(diào)整脈沖間的相位關(guān)系，使得匹配濾波時真實目標的回波信號得到相干積累，而干擾機轉(zhuǎn)發(fā)的欺騙式干擾信號被削弱。但這種方法對發(fā)射波形要求較高，且會顯著增加系統(tǒng)復雜度。文獻[10]提出利用欺騙式干擾與真實目標在運動學特性上的差異對兩者進行識別；文獻[11]則基于雷達回波信號的幅度譜特征對欺騙式干擾進行識別；文獻[12]先采用盲分離技術(shù)完成真實目標和欺騙式干擾的分離，然后利用相位量化差異對目標和干擾進行鑒別。這些方法都是基于欺騙式干擾與真實目標之間的某種差異，對其進行識別區(qū)分，從而在某種程度上達到抑制欺騙式干擾的目的，但它們都無法消除密集欺騙式干擾對數(shù)據(jù)處理算法及CFAR檢測門限的影響。

針對以上問題，本文提出一種基于數(shù)據(jù)擬合的抗密集欺騙式干擾的機載雷達動目標檢測方法。該方法首先選取待檢測單元附近的數(shù)據(jù)樣本來構(gòu)造擬合基矩陣；然后對待檢測單元數(shù)據(jù)及數(shù)據(jù)基矩陣進行目標阻塞，利用得到的輔助數(shù)據(jù)自適應計算優(yōu)化約束邊界；對待檢測單元數(shù)據(jù)進行最小二乘擬合表示，并對擬合誤差進行單元平均恒虛警(Cell-Averaging Constant False Alarm Rate, CA-CFAR)檢測。同時，所提方法結(jié)合了降維STAP方法中的擴展因子化方法(Extended Factored Approach, EFA)[13]的算法框架，大大降低了算法復雜度及樣本需求。該方法可以有效濾除密集欺騙式干擾，消除由其帶來的虛警，改善了機載雷達的動目標檢測性能?；趯崪y數(shù)據(jù)的實驗結(jié)果驗證了本文方法的有效性。

2 信號模型

為論述方便，本節(jié)信號模型以機載正側(cè)視均勻線陣雷達為例進行說明，雷達系統(tǒng)幾何關(guān)系如圖1所示。需要說明的是本文算法對其他陣面構(gòu)型及雷達工作模式也適用。載機以速度v沿Y軸正方向平行于地面飛行，高度為h；雷達陣面由間距為d的N個陣元組成，在一個相干積累時間內(nèi)發(fā)射M個脈沖；雷達工作波長為λ，脈沖重復頻率為rf。反射體相對于雷達的方位角和俯仰角分別為θ和φ。

圖1 機載雷達系統(tǒng)幾何示意圖

在上述幾何模型下，雷達接收機每一個距離門采樣的空時2維回波數(shù)據(jù)可排列成1MN×維的數(shù)據(jù)矢量x=[x11x12…x1Nx21x22…x2N…xM1xM1…xMN]T，常被稱為一個空時快拍。機載雷達的動目標檢測問題則可歸結(jié)為對每一個空時快拍的二元假設檢驗問題：

其中H1和H0分別表示存在或者不存在目標信號，(·)T表示轉(zhuǎn)置操作，xt,xj,xc和xn分別表示目標信號、干擾信號、雜波信號和噪聲。下面分別給出這4種信號的具體信號模型。

目標回波信號可表示為

其中αt表示目標回波信號的復幅度，st表示目標信號的空時2維導向矢量，其表達式為

其中ft,d=2vt/(λfr)表示目標信號的歸一化多普勒頻率，vt為目標相對于雷達的徑向速度，ft,s= dcos(θt)cos(φt)/λ表示目標信號的歸一化空間頻率，θt和φt分別為目標相對于雷達的方位角和俯仰角。

欺騙式干擾是由干擾機通過截獲雷達的發(fā)射信號，并經(jīng)過一定的調(diào)制之后轉(zhuǎn)發(fā)給雷達的，具有與目標信號相似的信號形式，可表示為

其中αj表示欺騙式干擾信號的復幅度，sj=sj,t(fj,d)j,s(fj,s)表示干擾信號的空時2維導向矢量，fj,s=dcos(θj)cos(φj)/λ表示干擾信號的歸一化空間頻率，θj和φj分別為干擾機相對于雷達的方位角和俯仰角。干擾機可通過對歸一化多普勒頻率fj,d和轉(zhuǎn)發(fā)時延進行調(diào)整，產(chǎn)生具有不同速度和距離的虛假目標，對雷達進行速度欺騙干擾和距離欺騙干擾。

雜波信號可表示為[14]

其中Nr表示距離模糊數(shù)，Nc表示距離環(huán)中獨立雜波散射體個數(shù)，c,pqα表示第p次模糊距離單元中第q個雜波塊的回波復幅度，c,pqs為其相應的空時2維導向矢量。

噪聲信號nx主要由接收機噪聲和環(huán)境噪聲組成。其中接收機噪聲可簡單建模為高斯白噪聲，而環(huán)境噪聲較為復雜，具有一定的空域相關(guān)性[14]。

3 抗密集欺騙式干擾的動目標檢測方法

從第2節(jié)信號模型可以看出，欺騙式干擾與真實目標信號具有相同的信號形式，但其多普勒頻率和距離位置都是隨機的，在雷達回波中表現(xiàn)為孤立散射樣本。一方面，這會破壞傳統(tǒng)STAP算法的平穩(wěn)訓練樣本假設，導致STAP的雜波抑制性能嚴重下降；另一方面，由于無法獲得充足且平穩(wěn)的欺騙式干擾樣本，使得傳統(tǒng)STAP技術(shù)也不能夠充分抑制這種干擾，從而造成大量的虛警。本節(jié)給出一種基于數(shù)據(jù)擬合的抗密集欺騙式干擾的機載雷達動目標檢測算法，具體步驟為：

步驟1 采用EFA算法對空時2維回波數(shù)據(jù)進行降維處理。 在STAP雷達中，由于空時數(shù)據(jù)維數(shù)MN一般較大，使得全維處理算法運算量過大，無法參與實時信號處理。在實際應用中，一般都首先對雷達接收到的回波數(shù)據(jù)進行降維處理，以降低運算量。在本文算法中，采用3階的EFA算法來進行降維處理。

下面以歸一化多普勒頻率為d,0f的多普勒通道為例進行說明，則EFA降維轉(zhuǎn)換矩陣可以表示為

其中IN表示N×N維的單位陣，fd,-1和fd,1分別為相鄰多普勒通道對應的歸一化多普勒頻率。通過式(9)對全維的空時2維回波數(shù)據(jù)進行降維，即

這樣1MN×維的陣元脈沖域數(shù)據(jù)x被轉(zhuǎn)換為31N×維的陣元多普勒域數(shù)據(jù)z。一般情況下都有3M?，使得經(jīng)過本步驟的降維處理后，數(shù)據(jù)維數(shù)大大減少，從而大大降低了本文算法的運算復雜度。

待處理多普勒通道的目標空時2維導向矢量st=st,t(fd,0)st,s(fs,0)，經(jīng)過相同的降維變換處理后變?yōu)?/p>

其中s,0f表示主波束所對應的歸一化空間頻率。

步驟 2 構(gòu)造數(shù)據(jù)基矩陣。 假設待處理多普勒通道的第k個距離門數(shù)據(jù)kz為待檢測數(shù)據(jù)。在其附近(不包含待檢測單元本身及其保護單元)選取L個數(shù)據(jù)樣本構(gòu)成3NL×維的數(shù)據(jù)基矩陣：

這里要求數(shù)據(jù)樣本個數(shù)3LN?，以保證所構(gòu)造數(shù)據(jù)基矩陣的所有列矢量能夠張成整個31N×維的復矢量空間。對于統(tǒng)計STAP算法來說，為防止目標自相消，一般要求訓練樣本中不含目標信號[15]。此處本文也假設kψ中選作基矢量的各數(shù)據(jù)樣本中均不包含目標信號，這一條件在絕大多數(shù)情況下都是成立的。

步驟 3 構(gòu)造目標信號的阻塞矩陣，并得到目標阻塞以后的輔助數(shù)據(jù)。 目標阻塞矩陣的構(gòu)造方式有很多種，本文選擇一種基于奇異值分解的構(gòu)造方法[16]。對降維后的目標導向矢量t-EFAs進行如式(12)的奇異值分解：

由于在一個相干積累時間內(nèi)，雷達主波束指向保持不變，故由式(10)可知，對于EFA降維處理來說，目標的降維導向矢量在同一個相干積累時間內(nèi)不再隨待檢測單元的變化而變化，因此本步驟構(gòu)造的目標阻塞矩陣可以預先離線計算，從而在一定程度上減少本文算法的運算量。

用式(13)所構(gòu)造的目標阻塞矩陣對待檢測單元數(shù)據(jù)及相應的數(shù)據(jù)基矩陣進行阻塞處理，得到一組不含目標信號分量的輔助數(shù)據(jù)

步驟 4 計算優(yōu)化約束邊界。 用步驟3中得到的輔助數(shù)據(jù)基矩陣對輔助待檢測單元數(shù)據(jù)進行最小二乘擬合：

步驟 5 對待檢測單元數(shù)據(jù)進行數(shù)據(jù)擬合。

在步驟4計算得到的邊界約束下，用步驟2構(gòu)造的數(shù)據(jù)基矩陣對待檢測單元數(shù)據(jù)進行最小二乘擬合：

其中kα為數(shù)據(jù)kz在基矩陣kψ上的擬合系數(shù)，ky表示最優(yōu)擬合表示后的擬合誤差。

用步驟2的構(gòu)造方式，數(shù)據(jù)基矩陣kψ可以對所有31N×維的復矢量進行完全擬合表示。當待檢測單元中存在目標信號時，也能夠被完全擬合。同時，由于數(shù)據(jù)基矩陣中主要是強雜波和干擾分量，需要擬合表示的目標信號將落在次干擾空間，即對目標信號進行擬合的主要是數(shù)據(jù)基矩陣中的噪聲分量，這樣在所構(gòu)造的數(shù)據(jù)基矩陣上就需要有較大的表示系數(shù)。而輔助數(shù)據(jù)中主要是雜波與干擾分量(本文假設干擾信號來自于天線旁瓣)，不包含目標信號，在由其充分擬合后得到的擬合系數(shù)的約束下，可以使得待處理數(shù)據(jù)經(jīng)過式(18)的數(shù)據(jù)擬合后其中的目標信號能夠得以保留，而雜波分量與可能存在的密集欺騙式干擾將會被完全擬合。當待檢測單元中存在目標信號時，擬合誤差ky中就會有大的輸出。

本算法中所涉及的最小二乘擬合問題，如式(16)和式(18)，均為凸優(yōu)化問題，可直接采用優(yōu)化軟件工具CVX[17]求解。

步驟6 對擬合誤差輸出進行常規(guī)的CACFAR檢測，輸出對運動目標的檢測結(jié)果。

本文所提算法的處理流程如圖2所示。

4 實驗結(jié)果與分析

本節(jié)中采用美國空軍研究實驗室(AFRL)主導的多通道機載雷達測量(Multi-Channel Airborne Radar Measurements, MCARM)項目[18]所錄取的實測數(shù)據(jù)對本文所提算法進行驗證。MCARM項目利用一部L波段多通道正側(cè)視陣雷達采集雜波回波數(shù)據(jù)，以驗證STAP技術(shù)的雜波抑制性能。此外，為了驗證陣列誤差對雷達系統(tǒng)性能的影響，數(shù)據(jù)庫中還記錄了129個實測的空域?qū)蚴噶俊１緦嶒炦x取第5次飛行、第575批雷達數(shù)據(jù)，雷達波束指向正側(cè)視方向，對應于第65個實測導向矢量。該數(shù)據(jù)共有22個空域通道，128個相參脈沖，630個距離門采樣數(shù)據(jù)。由于前150個距離門數(shù)據(jù)中存在發(fā)射泄露，本文實驗僅對其中第150號到第630號距離門數(shù)據(jù)進行處理。圖3示出了常規(guī)脈沖多普勒處理結(jié)果。

在驗證本文算法處理性能之前，這里首先對算法中涉及的兩個重要參數(shù)進行實驗確定，一個是數(shù)據(jù)擬合的約束邊界，一個是構(gòu)造數(shù)據(jù)基矩陣所需要的樣本數(shù)，它們的準確性對算法性能及運算量有著至關(guān)重要的影響。本實驗選取第6695～號多普勒通道、第351450～號距離門的待處理單元做3000次蒙特卡洛實驗，虛警概率設置為0.01，目標功率為-75dB 。圖4給出了在上述實驗條件下的檢測概率隨邊界補償量及樣本數(shù)的變化關(guān)系曲線。圖4(a)給出的是邊界補償量對算法檢測性能的影響，此處邊界補償量是指對式(17)計算所得的優(yōu)化邊界進行補償，即。從圖中可以看出，檢測概率曲線基本在零補償量處到達最大值，這就說明本文所提算法中對優(yōu)化邊界的自適應計算是合理且最優(yōu)的。圖4(b)給出了樣本數(shù)對算法檢測性能的影響，不難發(fā)現(xiàn)檢測概率在樣本數(shù)為200左右時達到最優(yōu)。MCARM空時數(shù)據(jù)維數(shù)為2816(22×128)，經(jīng)過算法步驟1的EFA降維處理后數(shù)據(jù)維數(shù)變?yōu)?6(22×3)，也就是說本文算法需要大概3倍數(shù)據(jù)維數(shù)的樣本即可取得最優(yōu)的檢測性能。這一結(jié)論也與傳統(tǒng)STAP的樣本數(shù)要求一致，即要獲得滿意的STAP性能，需要2～5倍數(shù)據(jù)維數(shù)的獨立樣本來估計協(xié)方差矩陣[14]。

圖2 本文算法處理流程圖

圖3 常規(guī)脈沖多普勒處理結(jié)果

圖4 本文算法中邊界補償量與樣本數(shù)的確定實驗

在上述實驗確定的最優(yōu)參數(shù)下，下面考察本文算法對密集欺騙式干擾的抑制及動目標檢測性能。實驗中注入5個目標信號，其空域信號流型由第65個實測導向矢量給出，信號功率均設置為20dB-；另外假設存在3部干擾機，每部干擾機轉(zhuǎn)發(fā)3個欺騙式干擾信號，其空域信號流型分別由第20,40和80個實測導向矢量給出，信號功率均設置為0dB。這些目標和欺騙式干擾信號在距離-多普勒平面的分布如圖5(a)所示，其中○表示目標位置，×表示欺騙式干擾位置。圖5(b)給出了常規(guī)脈沖多普勒處理結(jié)果，可以發(fā)現(xiàn)所注入的信號有的落入雜波區(qū)，有的落入噪聲區(qū)。圖5(c)給出了傳統(tǒng)STAP算法的檢測結(jié)果，此處STAP方法用的是EFA級聯(lián)CA-CFAR處理。從圖中可以看出，傳統(tǒng)STAP方法無法有效抑制欺騙式干擾，使得檢測結(jié)果中出現(xiàn)了大量由這些干擾所引起的虛警。同時，對于第20號多普勒通道的第100號距離門附近及第40號多普勒通道的第400號距離門附近的目標來說，由于其CFAR檢測器的背景單元中存在較強的干擾輸出，抬高了CFAR檢測門限，導致無法對這兩個真實目標進行可靠檢測。圖5(d)給出的是本文算法的檢測結(jié)果。從圖中可以看出，所有欺騙式干擾都得到了有效抑制，并且能夠很好地檢測出真實目標。

在實際的雷達工作場景中，干擾機經(jīng)過信號延時和調(diào)制，往往會同時產(chǎn)生大量欺騙式干擾，在雷達接收回波的距離維上形成密集分布的虛假目標，即在某個或某幾個方向上所有距離門都會存在這種欺騙式干擾信號。下面檢查本文算法對這種密集欺騙式干擾的抑制性能。仿真實驗中假設存在兩部干擾機，產(chǎn)生的干擾信號均在第85號到第215號距離門上連續(xù)存在，其空域信號流型分別對應第20個和第80個實測導向矢量。第1部干擾機所產(chǎn)生的欺騙式假目標都位于第10號多普勒通道，第2部干擾機所產(chǎn)生的第85號到第215號距離門上的假目標信號的多普勒通道依次為[12128123]…

圖5 本文算法與傳統(tǒng)STAP算法檢測結(jié)果比較

。另外，在第10號多普勒通道、第150號距離門單元注入了一個真實目標，其空域信號流型對應第65個實測導向矢量。這樣，與真實目標信號落在同一個距離門的欺騙式干擾有兩個，對應的空域?qū)蚴噶刻柡投嗥绽胀ǖ捞柗謩e為20,10和80,66。干擾和目標的信號功率都設置為0dB。圖6給出了經(jīng)傳統(tǒng)STAP算法和本文算法處理后第10號多普勒通道部分距離門的濾波輸出結(jié)果。由于本文算法和此處所采用的EFA算法都是多普勒局域化后的自適應處理方法，因此相同距離門不同多普勒通道的欺騙式干擾，如第2部干擾機所產(chǎn)生的干擾信號，不會對目標所在距離多普勒單元的濾波造成影響。第1部干擾機信號在目標多普勒通道連續(xù)距離門上連續(xù)存在，因此傳統(tǒng)自適應算法能夠獲得足夠的干擾統(tǒng)計信息，從而對該干擾進行了很好抑制，如圖6(a)所示。而第2部干擾機產(chǎn)生的第10號多普勒通道上的干擾信號位于第94號距離門，EFA算法因為無法獲得足夠的干擾樣本而不能對其進行有效抑制。圖6(b)的仿真結(jié)果表明本文算法能夠?qū)ι鲜龅拿芗垓_式干擾進行有效可靠地抑制。

密集欺騙式干擾不僅包括少量干擾機轉(zhuǎn)發(fā)大量欺騙式假目標情形，也包括存在大量干擾源的情況。下面考察當存在多部干擾機時本文算法與傳統(tǒng)STAP算法的濾波效果。假設在第10號多普勒通道存在26個欺騙式干擾信號和1個目標信號，其空域信號流型分別對應第[10:4:586572:4:120]個實測導向矢量(即雷達場景中存在26部干擾機)，它們分別位于第[85:5:145150155:5:215]號距離門，中間位置處為目標信號。干擾和目標的信號功率都設置為0dB。從圖7(a)可以看出，經(jīng)傳統(tǒng)STAP算法處理后欺騙式干擾仍會有較強的剩余功率輸出，導致大量虛假目標，并且會抬高CFAR檢測器的背景單元電平，使得強目標信號也有可能湮沒其中而無法檢測；而本文算法可以很好地抑制這26個干擾源所轉(zhuǎn)發(fā)的欺騙式干擾信號，如圖7(b)所示，目標距離門處的濾波輸出超過其他距離門(包括干擾距離門)約90dB。從該實驗可以看出，本文算法對密集干擾源所轉(zhuǎn)發(fā)的欺騙式干擾也有很好的抑制效果。

5 結(jié)束語

針對機載雷達密集欺騙式干擾的抑制問題，本文提出一種基于數(shù)據(jù)擬合的動目標檢測方法。該方法無需對欺騙式干擾機的方位進行探測和估計，相比其他同類干擾抑制算法大大減少了系統(tǒng)復雜度，易于實現(xiàn)；與降維STAP方法的結(jié)合，大大減少了算法運算量及其對樣本數(shù)據(jù)的需求；能夠充分抑制密集干擾源轉(zhuǎn)發(fā)的密集欺騙式干擾信號，減少由其引起的虛警，消除其對CFAR檢測門限的不利影響，改善了機載雷達的動目標檢測性能?；趯崪y數(shù)據(jù)的實驗結(jié)果驗證了本文算法的有效性。

圖6 本文算法與傳統(tǒng)STAP算法在第10號多普勒通道的濾波結(jié)果比較

圖7 本文算法與傳統(tǒng)STAP算法在第10號多普勒通道的濾波結(jié)果比較

[1] 楊建宇. 雷達技術(shù)發(fā)展規(guī)律和宏觀趨勢分析[J]. 雷達學報, 2012, 1(1): 19-27.

Yang Jian-yu. Development laws and macro trends analysis of radar technology[J]. Journal of Radars, 2012, 1(1): 19-27.

[2] 賁德, 王峰, 雷志勇. 基于認知原理的機載雷達抗干擾技術(shù)研究[J]. 中國電子科學研究院學報, 2013, 8(4): 368-372.

Ben De, Wang Feng, and Lei Zhi-yong. Key anti-jamming technique of airborne radar based on cognition[J]. Journal of China Academy of Electronics and Information Technology, 2013, 8(4): 368-372.

[3] Xiong Ying, Gu Hai-yan, Tang Bin, et al.. An investigation of range-velocity deception jamming modeling[C]. Proceedings of the International Conference on Advanced Computer Science and Electronics Information, Hangzhou, China, 2013: 59-63.

[4] 郭俊杰, 王興華, 王星, 等. 雷達信號頻率調(diào)制的靈巧噪聲干擾技術(shù)[J]. 西安電子科技大學學報, 2013, 40(4): 155-160.

Guo Jun-jie, Wang Xing-hua, Wang Xing, et al.. New smart noise jamming of radar signal frequency modulation[J]. Journal of Xidian University, 2013, 40(4): 155-160.

[5] 劉永才, 王偉, 潘小義, 等. 基于延遲-移頻的SAR有源欺騙干擾有效區(qū)域研究[J]. 雷達學報, 2013, 2(1): 46-53.

Liu Yong-cai, Wang Wei, Pan Xiao-yi, et al.. Effective region of active decoy jamming to SAR based on time-delay Doppler-shift method[J]. Journal of Radars, 2013, 2(1): 46-53.

[6] 周穎, 施龍飛, 陳明輝, 等. 密集干擾環(huán)境下相控陣雷達資源管理優(yōu)化研究[J]. 電子學報, 2005, 33(6): 999-1003.

Zhou Ying, Shi Long-fei, Chen Ming-hui, et al.. Optimized resource management for phased array radar in dense jamming[J]. Acta Electronica Sinica, 2005, 33(6): 999-1003.

[7] Sen S. OFDM radar space-time adaptive processing by exploiting spatio-temporal sparsity[J]. IEEE Transactions on Signal Processing, 2013, 61(1): 118-130.

[8] Yang Xiao-peng, Liu Yong-xu, and Long Teng. Robust nonhomogeneity detection algorithm based on prolate spheroidal wave functions for space-time adaptive processing[J]. IET Radar, Sonar & Navigation, 2013, 7(1): 47-54.

[9] Zhang Jin-dong, Zhu Dai-yin, and Zhang Gong. New antivelocity deception jamming technique using pulses with adaptive initial phases[J]. IEEE Transactions on Aerospace and Electronic Systems, 2013, 49(2): 1290-1300.

[10] 姚輝偉, 魏璽章, 秦玉亮, 等. 軌道根數(shù)時不變特性有源假目標識別[J]. 電子學報, 2012, 40(8): 1558-1563.

Yao Hui-wei, Wei Xi-zhang, Qin Yu-liang, et al.. Identification of ballistic active decoys based on time invariant of orbital elements[J]. Acta Electronica Sinica, 2012, 40(8): 1558-1563.

[11] Tian Xiao and Tang Bin. Spectrum texture features based radar deception jamming recognition using joint frequencyslow time processing[J]. Journal of Computational Information Systems, 2013, 9(13): 5181-5188.

[12] 羅雙才, 唐斌. 一種基于盲分離的欺騙干擾抑制算法[J]. 電子與信息學報, 2011, 33(12): 2801-2806.

Luo Shuang-cai and Tang Bin. An algorithm of deception jamming suppression based on blind signal separation[J]. Journal of Electronics & Information Technology, 2011, 33(12): 2801-2806.

[13] Dipietro R. Extended factored space-time processing for airborne radar system[C]. Proceedings of the 26th Asilomar Conference on Signals, Systems and Computing, Pacific Grove, California, USA, 1992: 425-430.

[14] Ward J. Space–time adaptive processing for airborne radar[R]. Lincoln Laboratory MIT, 1994.

[15] Melvin W L. Space-time adaptive radar performance in heterogeneous clutter[J]. IEEE Transactions on Aerospace and Electronic Systems, 2000, 36(2): 621-633.

[16] Goldstein J S and Reed I S. Theory of partially adaptive radar[J]. IEEE Transactions on Aerospace and Electronic Systems, 1997, 33(4): 1309-1325.

[17] Grant M and Boyd S. CVX: Matlab software for disciplined convex programming[OL]. http://www.stanford.edu/～boyd /cvx, 2013.5.

[18] Sloper D, Fenner D, Arntz J, et al.. Multi-channel airborne radar measurement (MCARM), MCARM flight test[R]. MIT Lincoln Lab., Lexington, MA, 1996.

同亞龍： 男，1987年生，博士生，研究方向為陣列信號處理、空時自適應信號處理以及地面運動目標檢測.

王 彤： 男，1974年生，教授，研究方向為機載雷達運動目標檢測、合成孔徑雷達成像等.

代保全： 男，1985年生，博士生，研究方向為陣列信號處理、空時自適應信號處理.

吳建新： 男，1982年生，副教授，研究方向為空時自適應信號處理、雷達成像及動目標檢測等.

A Moving Target Detection Method to Suppress Dense Deception Jamming for Airborne Radar

Tong Ya-long Wang Tong Dai Bao-quan Wu Jian-xin
(National Laboratory of Radar Signal Processing, Xidian University, Xi’an 710071, China)

The presence of dense deception jamming not only causes numerous false alarms but also raises the threshold of constant false alarm rate detector, which severely degrades the detection performance of airborne radar. To suppress the dense deception jamming, a moving target detection method based on data fitting is proposed. Firstly, a data basis matrix is constructed utilizing sample data adjacent to the cell under test, which is used to represent the test data in the form of least-square fitting. Simultaneously, an upper-bound constraint is adaptively calculated to protect target signals from being fitted. The proposed method can effectively suppress the dense deception jamming and significantly improve the moving target detection performance of airborne radar. The effectiveness of the proposed method is verified by the experimental results on measured radar data.

Airborne radar; Moving target detection; Space-Time Adaptive Processing (STAP); Deception jamming; Data fitting

TN959.73

A

1009-5896(2015)03-0658-07

10.11999/JEIT140679

2014-05-21收到，2014-07-18改回

國家自然科學基金(61372133, 61101241)和中央高?；究蒲袠I(yè)務費專項資金(K50511020008)資助課題

*通信作者：王彤 twang@mail.xidian.edu.cn