鹿玉澤+鄭家毅+李偉+蔣孟燃

摘要： 現(xiàn)代戰(zhàn)場電磁環(huán)境日趨復(fù)雜， 末端主動制導(dǎo)階段彈載雷達常受到噪聲、 雜波和干擾影響從而導(dǎo)致彈載雷達的目標檢測、 識別及跟蹤性能下降。 現(xiàn)有彈載雷達波形較為固定， 沒有根據(jù)戰(zhàn)場環(huán)境改變自身參數(shù)的能力， 嚴重制約導(dǎo)彈制導(dǎo)精度。 針對電子戰(zhàn)環(huán)境中的彈載雷達波型設(shè)計問題， 在分析影響彈載雷達性能因素基礎(chǔ)上， 分析了彈載雷達常用信號， 給出了三種干擾條件下彈載雷達波形設(shè)計方法。 最后探討了目前彈載雷達波形設(shè)計存在的問題及今后的研究方向。

關(guān)鍵詞： 干擾； 彈載雷達； 認知雷達； 波形優(yōu)化

中圖分類號： TJ765.3+31； TN95文獻標識碼： A文章編號： 1673-5048（2017）05-0037-080引言

彈載雷達， 又稱主動雷達導(dǎo)引頭、 無線電尋的器[1]， 是導(dǎo)彈制導(dǎo)系統(tǒng)的關(guān)鍵設(shè)備。 彈載雷達通過分析回波提取目標參數(shù)和環(huán)境信息， 實現(xiàn)對目標的探測、 定位和識別。 但除目標回波外， 彈載雷達還會接收到一些不利于其功能的信號， 如噪聲、 雜波和干擾， 這其中以干擾對彈載雷達的影響尤為突出。 現(xiàn)代隱身技術(shù)使目標RCS越來越小， 更易淹沒于背景雜波中， 這些因素的出現(xiàn)使彈載雷達面臨嚴峻挑戰(zhàn)。

2006年， Simon Haykin教授正式提出了認知雷達的概念， 并指出認知雷達具有感知環(huán)境、 理解環(huán)境、 學(xué)習(xí)、 推理并判斷決策的能力。 利用認知的概念來提高彈載雷達適應(yīng)現(xiàn)代戰(zhàn)場環(huán)境的能力已成為近年來研究的熱點， 其主要技術(shù)途徑便是對彈載雷達波形的優(yōu)化設(shè)計。

本文總結(jié)了當前彈載雷達常用信號形式， 在充分考慮影響雷達性能因素的條件下， 從設(shè)計彈載雷達發(fā)射波形入手抑制噪聲和雜波， 降低干擾和噪聲影響， 提升彈載雷達對目標的檢測、 識別和跟蹤等各項性能。

1影響彈載雷達性能的因素分析

彈載雷達搜索截獲目標后， 需要對目標進行跟蹤與鎖定， 在此階段削弱雷達檢測及跟蹤性能的因素主要有噪聲、 雜波和干擾。

1.1噪聲、 雜波特性分析

對于雷達尋的制導(dǎo)系統(tǒng)， 噪聲可分為接收機噪聲和目標噪聲。 接收機噪聲通?？山榧有愿咚闺S機過程， 且與目標回波混疊后可造成雷達系統(tǒng)虛警或丟失檢測。 目標噪聲指雷達目標不斷運動引起的測量參數(shù)不規(guī)則變化， 主要包括幅度噪聲、 角噪聲及距離噪聲等。 目標噪聲能夠限制彈載雷達視線轉(zhuǎn)動速率， 從而影響制導(dǎo)精度， 增大脫靶量[2]。

雜波指接收信號中包含的由與目標無關(guān)的背景散射造成的回波分量， 其中地雜波、 海雜波和氣

收稿日期： 2016-12-30

基金項目： 國家自然科學(xué)基金項目（61302153）； 航空科學(xué)基金項目（20140196001； 20160196003）

作者簡介： 鹿玉澤（1995-）， 男， 北京人， 研究方向為雷達波形設(shè)計。

引用格式： 鹿玉澤， 鄭家毅， 李偉， 等. 干擾條件下彈載認知雷達波形優(yōu)化研究[ J]. 航空兵器， 2017（ 5）： 37-44.

Lu Yuze， Zheng Jiayi， Li Wei， et al. Cognitive Waveform Optimization for the MissileBorne Radar under Jamming Condition[ J]. Aero Weaponry， 2017（ 5）： 37-44. （ in Chinese）象雜波是影響彈載雷達的主要雜波形式。 通常， 地雜波、 海雜波和氣象雜波統(tǒng)計特性可由高斯、 瑞利、 韋伯爾和K分布等統(tǒng)計模型來描述[3]。 雜波對雷達產(chǎn)生的影響主要體現(xiàn)為遮蔽目標回波， 降低目標檢測、 識別概率[4]。 當目標多普勒頻率落入雜波譜內(nèi)， 則會引起很大的脫靶量， 嚴重影響彈載雷達制導(dǎo)精度[5]。

1.2干擾特性分析

干擾信號也會削弱雷達檢測及跟蹤性能。 此處主要研究有源干擾。 在戰(zhàn)場中， 導(dǎo)彈目標往往處在復(fù)雜電磁環(huán)境中， 同時目標自身可攜帶干擾吊艙等自主干擾設(shè)備， 其對彈載雷達的正常工作造成嚴重影響[6]。 有源壓制式干擾可從彈載雷達天線主瓣方向進入雷達接收機， 淹沒目標回波信號； 當壓制干擾功率足夠大， 超過雷達接收機處理能力時， 就可使雷達接收機過載， 彈載雷達無法發(fā)揮作用[7]。 有源欺騙干擾具有與真實目標動態(tài)相似的時延或多普勒頻率， 可產(chǎn)生距離、 速度虛假信號， 遮蔽真實目標回波信號， 該類干擾可有效對抗跟蹤雷達。

目前， 國內(nèi)外學(xué)者對各種類型的有源干擾進行了數(shù)學(xué)模型的建立和關(guān)鍵參數(shù)的估計， 為研究干擾特性提供了有效依據(jù)。 文獻[8]基于Wigner-Ville分布， 分析了雷達干擾信號的一階矩和二階矩特性； 范偉[9]和李志明[10]通過提取干擾特征， 并基于統(tǒng)計判決樹、 神經(jīng)網(wǎng)絡(luò)等方法， 分類研究了三種噪聲干擾和常規(guī)欺騙干擾； 李建勛等人[11-13]采用均值與方差特征值結(jié)合提取統(tǒng)計特征的方法， 分析了應(yīng)答式欺騙干擾的特性；文獻[14]運用博弈論的思想對雷達和干擾對抗過程進行分析， 并研究了最優(yōu)干擾和抗干擾決策。

2彈載雷達信號

彈載雷達需要對飛行速度極快、 飛行路程極遠的目標進行檢測和跟蹤。 因此， 彈載雷達信號應(yīng)具有測距、 測速精度高， 分辨能力強等特點。

2.1常用彈載雷達信號

目前， 調(diào)頻信號（LFM）、 步進頻信號（SFP）及相位編碼信號， 在實際彈載雷達系統(tǒng)中已得到廣泛應(yīng)用， 相比以往單載頻矩形脈沖信號， 這三種信號均能有效提升彈載雷達在測距、 測速方面的性能， 但這三種信號存在以下幾個問題：

（1）線性調(diào)頻信號與步進頻信號均存在較高的距離旁瓣， 影響臨近目標識別。

（2）在目標距離和速度未知的情況下， 線性調(diào)頻信號與步進頻信號均不能準確測出目標的真實距離與速度， 即存在距離-速度耦合現(xiàn)象。endprint

（3）相位編碼信號是多普勒敏感信號， 只能在目標多普勒變化范圍較小的情況下使用。

航空兵器2017年第5期鹿玉澤， 等： 干擾條件下彈載認知雷達波形優(yōu)化研究 雖然目前可利用脈沖壓縮[15]、 旁瓣抑制[16]及模糊函數(shù)等工具提升這三類信號的距離分辨力、 多目標分辨能力， 也能利用頻率捷變技術(shù)[17]提高彈載雷達的抗干擾能力， 但這些方法沒有考慮彈載雷達所處環(huán)境因素影響， 沒有利用現(xiàn)實干擾形式及干擾信號信息以至于此類信號抗噪聲、 抗干擾能力不強， 不能適應(yīng)現(xiàn)代戰(zhàn)場環(huán)境需求。

2.2彈載認知雷達信號

要使彈載雷達信號能夠?qū)崟r的根據(jù)目標和環(huán)境而改變， 就要使彈載雷達具有認知能力， 能夠基于認知雷達理論發(fā)射信號。

2010年， Guerci J R在《Cognitive Radar： The KnowledgeAided Fully Adaptive Approach》一書中給出了一種認知雷達的實現(xiàn)結(jié)構(gòu)， 如圖1所示。 Haykin S[18]利用仿生知識將認知雷達定義為具有感知周圍環(huán)境能力的智能、 動態(tài)的反饋系統(tǒng)； Guerci J R等人[19]提出認知雷達應(yīng)具有環(huán)境動態(tài)數(shù)據(jù)庫（EDDB）、 自適應(yīng)接收機、 知識輔助（KA）處理等先進單元； 黎湘等人[20]綜述了認知雷達的發(fā)展歷程， 并討論了認知雷達的關(guān)鍵技術(shù)。 利用認知方法提高雷達目標檢測性能的主要技術(shù)途徑是波形最優(yōu)化選擇和最優(yōu)化設(shè)計。

3干擾條件下彈載認知雷達波形設(shè)計方法

3.1彈載雷達波形設(shè)計研究現(xiàn)狀

為彈載雷達設(shè)計波形， 主要是從導(dǎo)彈面臨的雜波、 干擾的角度出發(fā)， 以提高彈載雷達制導(dǎo)性能為目標， 設(shè)計出在復(fù)雜電子戰(zhàn)環(huán)境中適用的信號。 由于技術(shù)敏感， 目前鮮有文獻公開發(fā)表， 但仍有一些研究具有借鑒意義。 文獻[21]針對彈載雷達的特點， 提出了一種基于OFDM多載波調(diào)制序列的設(shè)計方案； 文獻[22]從彈載雷達波形捷變方向入手， 提出了一種基于距離遠近組合波形體制。 以上兩種方法均是在現(xiàn)有雷達波形基礎(chǔ)上進行的優(yōu)化， 雖然能夠在一定程度上提高彈載雷達的性能， 但這些方法沒有充分利用彈載雷達所處的戰(zhàn)場環(huán)境信息， 沒有充分考慮到導(dǎo)彈飛行速度快， 環(huán)境雜波、 干擾變化快等特點， 難以適應(yīng)現(xiàn)代戰(zhàn)場環(huán)境。

將認知概念應(yīng)用于彈載雷達系統(tǒng)， 通過分析目標和環(huán)境的實時特征并及時優(yōu)化彈載雷達發(fā)射波形有助于提高導(dǎo)彈精確打擊性能和生存能力。 在認知波形設(shè)計研究中， 文獻[23]提出了應(yīng)用隨機擴展目標和接收信號間互信息量， 并基于注水法進行的波形設(shè)計， 在一定程度上抑制了噪聲對擴展目標檢測性能的影響； 文獻[24]在Bell研究的自適應(yīng)波形的基礎(chǔ)上， 運用多元假設(shè)檢驗方法來分析雷達目標識別問題， 并使用序貫假設(shè)檢驗框架來決策； 文獻[25]提出了一種雜波和有色噪聲條件下基于互信息量的MIMO雷達波形設(shè)計方法， 該方法相較不考慮向量匹配順序的一般注水法有更好的性能。

3.2彈載雷達制導(dǎo)信號模型

圖2展示了已知擴展目標信號模型， 令s（t）為有限能量、 持續(xù)時間為T的發(fā)射信號， 其傅里葉變換為S（f）； h（t）表示已知的擴展目標沖擊響應(yīng)模型， 其傅里葉變換為H（f）； j（t）表示加性有源壓制干擾， 其功率譜密度PSD為Pj（f）； u（t）表示零均值信道噪聲， 其功率譜密度PSD為Pu（f）； c（t）表示環(huán)境雜波脈沖響應(yīng)， 其功率譜密度PSD為Sc（f）， c（t）與雷達發(fā)射信號卷積得到雜波， 則雜波的功率譜密度PSD為Pc（f）=S（f）2Sc（f）； r（t）為接收機脈沖響應(yīng)， 其傅里葉變換為R（f）。

假定彈載雷達已通過分析回波獲得環(huán)境參數(shù)， 并在與環(huán)境不斷交互的過程中迭代更新先驗信息， 且目標及雜波頻率響應(yīng)、 干擾及噪聲功率譜密度均相互獨立。

3.3干擾條件下彈載雷達認知波形優(yōu)化設(shè)計

彈載雷達波形優(yōu)化是在考慮一定的系統(tǒng)限制基礎(chǔ)上使系統(tǒng)性能最大化， 即彈載雷達波形設(shè)計是一個約束優(yōu)化問題。 因此， 波形優(yōu)化包括兩方面內(nèi)容： 準則函數(shù)和約束條件。 雷達可根據(jù)不同的工作任務(wù)來選取相應(yīng)的波形優(yōu)化準則， 而目前雷達的硬件水平?jīng)Q定了約束條件。

當前多采用信噪比（SNR）、 信干噪比（SINR）或檢測概率作為優(yōu)化指標， 用于提高雷達系統(tǒng)的檢測性能； 采用參數(shù)估計的最小均方誤差（MMSE）或雷達回波與目標沖擊響應(yīng)之間的互信息量（MI）作為準則函數(shù)， 提高雷達系統(tǒng)參數(shù)估計性能； 采用不同類別的目標回波間的歐氏距離或馬氏距離作為準則函數(shù)， 優(yōu)化雷達系統(tǒng)的目標檢測能力。 約束條件通常包括能量約束、 帶寬約束、 時寬約束、 恒模約束、 SNR約束和相似性約束等， 如表1所示。

干擾條件下彈載雷達波形優(yōu)化技術(shù)應(yīng)在充分考慮目標特性情況下， 加入噪聲、 雜波及干擾等各種因素來優(yōu)化波形。

3.3.1最大信干（雜、 噪）比準則（SINR）

彈載雷達對信干（雜、 噪）比較為敏感， 信干（雜、 噪）比越高， 參數(shù)估計性能越好。 最大信噪比準則指以彈載雷達接收端匹配濾波器輸出信噪比為準則， 設(shè)計信噪比最大情況下的最優(yōu)發(fā)射波形。 在戰(zhàn)場環(huán)境日趨復(fù)雜的今天， 各種各樣的環(huán)境特征嚴重影響著彈載雷達的檢測、 跟蹤、 識別性能， 因此， 提升信干（雜、 噪）比是彈載雷達波形設(shè)計的一項重要研究內(nèi)容。

以圖2為例， 假設(shè)發(fā)射波形帶寬為W， 則有發(fā)射波形能量限制為

∫WS（f）2df≤Es（1）

在T時刻彈載雷達接收端最大信干（雜、 噪）比表達式為

（SICNR）T=∫WH（f）S（f）2S（f）2Sc（f）+Pj（f）+Pu（f）df （2）

當且僅當匹配濾波器的形式為endprint

R（f）=[kH（f）S（f）ej2πft0]S（f）2Sc（f）+Pj（f）+Pu（f）（3）

因此， 發(fā)射波形的最優(yōu)ESD解轉(zhuǎn)化為求解能量約束條件下最大化頻域SICNR的解。 聯(lián)立方程（1）～（2）， 采用拉格朗日乘數(shù)法可以得到最優(yōu)波形的注水法解為

S（f）2 =-Pj（f）+Pu（f）Pc（f）±

H（f）2[Pj（f）+Pu（f）]λP2c（f）（4）

令A(yù)=1λ， 并保證S（f）2為正數(shù)， 則使得SICNR最大的S（f）2為

S（f）2=max0， （Pj（f）+Pc（f））H（f）2Pu（f）×

A-Pj（f）+Pu（f）H（f）2（5）

針對最大信干（雜、 噪）比準則， 不同學(xué)者提出了不同優(yōu)化方案， 文獻[26]提出了一種基于SCNR的認知雷達發(fā)射波形優(yōu)化方法， 并結(jié)合最小均方誤差（MMSE）和迭代算法， 將最優(yōu)ESD合成恒幅時域信號； 文獻[27]同樣基于最大化SINR優(yōu)化波形， 卻將循環(huán)優(yōu)化發(fā)射波形與接收濾波器結(jié)合在一起， 從而保證每次循環(huán)迭代SINR非降； 文獻[28]基于已感知的目標、 雜波以及噪聲的統(tǒng)計特性， 在工作頻率允許范圍及發(fā)射總能量約束的條件下通過迭代算法最大化接收機輸出信雜噪比（SCNR）。

以最大化信干（雜、 噪）比為準則的波形優(yōu)化可充分利用噪聲、 雜波及干擾對彈載雷達的影響， 對波形進行優(yōu)化， 較好的利用了循環(huán)迭代， 逐步適應(yīng)環(huán)境的學(xué)習(xí)過程， 初步體現(xiàn)了認知的功能作用。 最大信干（雜、 噪）比準則能夠有效提升彈載雷達的檢測性能， 但不具有良好的參數(shù)估計性能及目標識別性能。

3.3.2最小均方誤差準則（MMSE）

均方誤差（MeanSquare Error， MSE）是對估計值偏離真實值平方偏差統(tǒng)計平均值的度量。 以均方誤差為準則函數(shù)對雷達目標頻率響應(yīng)進行貝葉斯估計， 旨在構(gòu)造目標散射頻率響應(yīng)表達式來體現(xiàn)目標信息， 準則函數(shù)值越小， 估計值越精確。 當彈載雷達還沒有獲得目標相關(guān)信息時， 可通過最小均方誤差準則對目標參數(shù)進行最優(yōu)估計。 因此， 該方法在實際應(yīng)用中非常有意義。

以圖2為例， 與SINR準則使用的信號模型有所區(qū)別的是雷達目標的沖擊響應(yīng)是隨機的。 隨機過程可利用能量譜方差（ESV）來描述目標的隨機統(tǒng)計特性。 依據(jù)圖2模型， 采樣點線性MMSE估計子表達式為H^MMSEm=GopYm， 其中， Gop為使均方誤差εm=E{（Hm-GYm）2}取最小值時的系數(shù)參量。

最小均方誤差準則函數(shù)為

ε=E{[H-G（Z+D+U+J）]2}（6）

式中： H， Z， U， J， D均為圖中相應(yīng)部分的能量普方差σ2h（f）， σ2z（f）， σ2u（f）， σ2j（f）， σ2d（f）。 考慮到發(fā)射波形s（t）帶寬為W， 其能量約束為

∫WS（f）2df≤Es （7）

則發(fā)射波形優(yōu)化問題可轉(zhuǎn)化為發(fā)射機能量有限制時， 求目標估計最小均方誤差的最小值問題：

min[ε（f）]s.t. ∫WS（f）2df-Es≤0 （8）

根據(jù)式（8）可求得最優(yōu)發(fā)射波形表達式：

|S（f）|2=max0， 12BN（f）-L（f）M（f）（9）

其中：

L（f）=（Pu（f）+Pj（f））Tσ2h（f）（10）

M（f）=1+σ2c（f）σ2h（f）（11）

N（f）=（Pu（f）+Pj（f））T （12）

表達式中B=1/2λ， 在實際發(fā)射波形中為常數(shù)， 其具體數(shù)值由總能量∫WS（f）2df≤Es約束。

此外， 文獻[29]提供了一種利用矩陣分析的方法將MMSE準則應(yīng)用到認知雷達波形優(yōu)化設(shè)計方法。 該方法通過構(gòu)造觀測數(shù)據(jù)和估計子的聯(lián)合矩陣， 接著通過最小后驗期望損失估計公式求取估計子的估計值， 然后計算估計值的均方誤差（MSE）， 最后根據(jù)MMSE準則優(yōu)化波形。

以圖2為例， 假設(shè)目標h為隨機擴展目標， 即h～CN（0， Rh）， 雜波服從高斯分布， c～CN（0， Rc）； u為服從高斯分布的噪聲向量， u～CN（0， Ru）； 考慮噪聲壓制干擾j～CN（0， Rj）， 發(fā)射信號建模為s=[s（0）， s（1）， …， s（N-1）]T， 則回波信號y可表示為矩陣乘積形式：

y=Sh+Sc+u+j（13）

其中： S為信號卷積矩陣。

構(gòu)造估計子h與測量信息y的聯(lián)合矩陣Q=h

y， 且Q～CN（μQ， RQ）， 其中μQ， RQ分別為聯(lián)合矩陣均值與協(xié)方差矩陣。

根據(jù)參量h最小后驗期望損失估計[30]公式， 求取目標沖擊響應(yīng)的估計值h^：

h=E（hy）=RhSH（S（Rh+Rc）SH+

Rn+Rj）-1y（14）

根據(jù)估值進一步得到目標沖擊響應(yīng)估計值：

MSE=tr（Rh-RhSH（S（Rh+Rc）SH+Rn+Rj）-1SRh）（15）

MSE是發(fā)射信號s的函數(shù)， 基于MMSE準則的發(fā)射波形設(shè)計問題可由如下方程給出：

mins tr（Rh-RhSH（S（Rh+Rc）+Rn+Rj）-1SRh）

s.t. sHs=Es（16）

其中： Es=sHs=∑N-1l=0s（l）2為發(fā)射信號能量限制。

彈載雷達波形設(shè)計要以提升彈載雷達在復(fù)雜電磁環(huán)境中對目標的跟蹤、 檢測與識別性能為目的， 利用MMSE準則優(yōu)化的發(fā)射波形能夠提升雷達對目標的參數(shù)估計精度， 進而提升彈載雷達的檢測識別性能。 鑒于MMSE準則的良好性質(zhì)， 國內(nèi)外學(xué)者進行了一些很有價值的研究： 文獻[31]在色噪聲統(tǒng)計特性未知及多目標環(huán)境下， 分別基于MI和MMSE以及歸一化均方誤差（NMSE）優(yōu)化波形， 并比較三者性能， 發(fā)現(xiàn)后兩者性能更為接近； 文獻[32-33]在雜波環(huán)境能量受限條件下， 基于時空域不同匹配順序利用MMSE準則設(shè)計了多輸入多輸出雷達波形。endprint

3.3.3互信息準則

互信息是指兩個事件集合之間的相關(guān)性， 是隨機變量之間相互依存度的度量信息。 利用基于互信息的波形設(shè)計方法可以得到一個優(yōu)化波形， 該波形發(fā)射后所得回波與目標之間的互信息最大， 因而能夠獲得更精確的目標信息。 目前， 這種互信息量運用到彈載雷達波形優(yōu)化設(shè)計中多被用來描述回波信號與目標響應(yīng)之間的相似度， 進而提高彈載雷目標識別性能。

根據(jù)圖2的信號模型， 假定h（t）為隨機擴展目標， 在信號s（t）確知的情況下， z（t）也為隨機信號σ2h（f）， σ2u（f）， σ2c（f）， σ2j（f）分別表示目標、 噪聲、 雜波、 干擾能量譜方差， 則有目標回波與目標特性之間的總互信息為

I[y（t）；h（t）s（t）]=

T∫Wln[1+2S（f）2σ2h（f）TPu（f）+TPj（f）+2S（f）2σ2c（f）]]df （17）

接下來的優(yōu)化問題變?yōu)榍蠼釹（f）2來最大化I[y（t）；h（t）s（t）]， 考慮到發(fā)射波形能量限制為

∫WS（f）2df≤Es（18）

則發(fā)射波形的優(yōu)化問題可轉(zhuǎn)化為發(fā)射信號能量為限制， 求目標響應(yīng)與雷達回波互信息量最大值的問題。 最優(yōu)波形的解為

S（f）2=

max[0， -R（f）+R2（f）+B（f）（F-D（f））]（19）

其中：

R（f）=T（Pu（f）+Pj（f））（2σ2c（f）+σ2h（f））4（σ4c（f）+σ2c（f）σ2h（f））（20）

B（f）=T（Pu（f）+Pj（f））σ2h（f）2（σ4c（f）+σ2c（f）σ2h（f））（21）

D（f）=T（Pu（f）+Pj（f））2σ2h（f）（22）

F=Tλ（23）

F是由發(fā)射波形總能量決定的常數(shù)， 即

Es=∫Wmax[0， -R（f）+R2（f）+B（f）（F-D（f）]df（24）

互信息準則能夠有效提升彈載雷達在目標識別上的性能， 因此受到學(xué)者們的廣泛關(guān)注：文獻[34]基于互信息量優(yōu)化時空編碼信號， 并驗證了恒虛警目標檢測性能； 郭美杉[35]從互信息量和信號正交性聯(lián)合優(yōu)化出發(fā)設(shè)計雷達波形； 文獻[36]分別從最大化信噪比和最大化互信息角度優(yōu)化設(shè)計雜波背景下最優(yōu)波形， 并找到兩準則間的關(guān)聯(lián)； 文獻[37]從最大化互信息量和最大化相對熵的角度進行波形優(yōu)化設(shè)計。 但是， 基于互信息量準則優(yōu)化設(shè)計雷達波形是在目標、 雜波、 噪聲等統(tǒng)計特性已知或部分已知的情況下進行的， 這依賴于雷達的認知能力， 能否獲取先驗知識及其數(shù)量將決定該準則是否適用于相應(yīng)的場合。

與互信息量準則相比， 平均信息量等于參數(shù)的估計值與真實值對應(yīng)的熵之間的差值， 定義為

I（1∶2）=∫∫p（x， λ0）lgp（x， λ0）p（x， λ）dλ（25）

可進一步描述為

I（1∶2）=H（λ0， λ）-H（λ0， λ0）（26）

其中， H（λ0， λ）=-∫p（x， λ0）lg p（x， λ）dx。

平均信息量用估計值與真實值所對應(yīng)的熵的差值來表示， 不再具有互信息的缺點， 并且， 可以將干擾信號納入到平均信息量的表達式中。 若能基于平均信息量建立干擾與參數(shù)估計間的關(guān)系模型， 從彈載雷達信號角度進行優(yōu)化， 就可以實現(xiàn)干擾條件下對目標的精確估計， 進而實現(xiàn)精確制導(dǎo)。

4總結(jié)與展望

文章在分析噪聲、 雜波和干擾對彈載雷達性能影響基礎(chǔ)上， 重點論述了干擾條件下彈載雷達認知波形優(yōu)化設(shè)計方法。 從目前研究總體情況來看有以下幾個問題值得注意：

（1）現(xiàn)階段彈載雷達波形優(yōu)化設(shè)計沒有同時考慮目標散射特性、 復(fù)雜電子戰(zhàn)環(huán)境等因素， 也沒有建立彈載雷達與目標間博弈模型。

（2）隨著彈載雷達向多模式、 多任務(wù)方向發(fā)展， 單一準則優(yōu)化方法不能適應(yīng)今后的發(fā)展趨勢， 現(xiàn)階段缺乏多準則各性能間聯(lián)合波形優(yōu)化。

（3）目前已有研究在波形優(yōu)化設(shè)計時沒有考慮從先驗信息獲取到波形優(yōu)化自動化的途徑。

因此， 彈載雷達波形優(yōu)化設(shè)計可以在以下幾個方面開展研究：

（1）從彈載雷達和目標間博弈的機理出發(fā)， 納入噪聲、 雜波和干擾等因素， 建立準確的不完全信息動態(tài)博弈模型， 結(jié)合獲取的差異最大化特征等先驗信息， 設(shè)計出復(fù)雜電子戰(zhàn)環(huán)境中彈載雷達最優(yōu)化波形。

（2）將模糊函數(shù)特性、 檢測概率、 參數(shù)估計等眾多因素同時考慮在內(nèi)， 設(shè)計出具有多種優(yōu)化性能的發(fā)射波形[38]。

（3）從深度學(xué)習(xí)思想入手， 在雷達接收數(shù)據(jù)中尋找目標與周圍環(huán)境包括噪聲、 雜波和干擾間差異最大化特征信息， 可為彈載雷達認知和從發(fā)射端到接收端反饋形成閉環(huán)奠定基礎(chǔ)。

參考文獻：

[1] 高烽. 雷達導(dǎo)引頭概論[M]. 北京：電子工業(yè)出版社， 2010.

Gao Feng. Radar Seeker Introduction[M]. Beijing： Publishing House of Electronics Industry， 2010. （in Chinese）

[2] Siouris G M. 導(dǎo)彈制導(dǎo)與控制系統(tǒng)[M]. 張?zhí)旃猓觖愊迹?宋振峰， 等譯. 北京： 國防工業(yè)出版社， 2010.

Siouris G M. Missile Guidance and Control Systems[M]. Translated by Zhang Tianguang， Wang Lixia， Song Zhenfeng， et al. Beijing： Publishing House of Electronics Industry， 2010. （in Chinese）endprint

[3] 丁昊， 董云龍， 劉寧波， 等. 海雜波特性認知研究進展與展望[J]. 雷達學(xué)報， 2016， 5（5）： 499-516.

Ding Hao， Dong Yunlong， Liu Ningbo， et al. Overview and Prospects of Research on Sea Clutter Property Cognition[J]. Journal of Radars， 2016， 5（5）： 499-516. （in Chinese）

[4] 李宏， 王國玉， 吳軍輝， 等. 地雜波對雷達目標檢測性能的影響分析[J]. 電子信息對抗技術(shù)， 2003， 18（4）： 12-14.

Li Hong， Wang Guoyu， Wu Junhui， et al. Influence of the Land Clutter on Radar Target Detection[J]. Electronic Warfare Technology， 2003， 18（4）： 12-14. （in Chinese）

[5] Susumu M， 李吉良. 雜波對雷達尋的導(dǎo)彈脫靶量的影響[J]. 系統(tǒng)工程與電子技術(shù)， 1989（4）： 46-54.

Susumu M， Li Jiliang. Influence of Clutter on Miss Distance of Radar Homing Missile[J]. Journal of Systems Engineering and Electronics， 1989（4）： 46-54. （in Chinese）

[6] 萬福， 王曉敏， 劉曉然， 等. 航母編隊多艦協(xié)同遮蓋性干擾效能分析[J]. 現(xiàn)代雷達， 2015， 37（1）： 13-16.

Wan Fu， Wang Xiaomin， Liu Xiaoran， et al. Evaluation of MultiShip Cooperative Hiding Interference in Carrier Formation [J]. Modern Radar， 2015， 37 （1）： 13-16.（in Chinese）

[7] 唐斌， 趙源， 蔡天一， 等. 雷達抗有源干擾技術(shù)現(xiàn)狀與展望[J]. 數(shù)據(jù)采集與處理， 2016， 31（4）： 623-639.

Tang Bin， Zhao Yuan， Cai Tianyi， et al. Status and Prospect of Radar AntiActive Interference Technology [J]. Data Acquisition and Processing， 2016， 31 （4）： 623-639.（in Chinese）

[8] Lu Ling， Yang Jie， Wang Hong， et al.The Analysis and Feature Extraction of Nonstationary Random Characteristics of Radar Jammer Signal[C]∥IEEE the 3th International Symposium on Electromagnetic Compatibility， Beijing， 2002： 660-663.

[9] 范偉. 雷達有源干擾信號特征分析與識別算法研究[D]. 成都： 電子科技大學(xué)， 2007.

Fan Wei.Study on Characteristic Analysis and Recognition Algorithm of Radar Active Jamming Signal[D]. Chengdu： University of Electronic Science and Technology of China， 2007. （in Chinese）

[10] 李志明. 雷達有源干擾信號的自動識別方法研究[D]. 成都： 電子科技大學(xué)， 2009.

Li Zhiming. Automatic Identification of Radar Active Jamming Signal[D]. Chengdu： University of Electronic Science and Technology of China， 2009. （in Chinese）

[11] 李建勛， 秦江敏， 馬曉巖. Kohonen網(wǎng)絡(luò)用于雷達抗速度欺騙干擾中的特征提取[J]. 雷達科學(xué)與技術(shù)， 2004， 2（2）： 82-86.

Li Jianxun， Qin Jiangmin， Ma Xiaoyan. Kohonen Network for AntiRadar Interference Velocity Deception Feature Extraction [J]. Radar Science and Technology， 2004， 2 （2）： 82-86.（in Chinese）

[12] 李建勛， 秦江敏， 馬曉巖. 雷達抗應(yīng)答式欺騙干擾中的特征提取研究[J]. 空軍預(yù)警學(xué)院學(xué)報， 2004， 18（2）： 4-7.

Li Jianxun， Qin Jiangmin， Ma Xiaoyan.Study on Feature Extraction in Radar AntiResponse Spoofing Interference [J]. Journal of Air Force Radar Academy， 2004， 18（2）： 4-7.（in Chinese）endprint

[13] 李建勛， 秦江敏， 馬曉巖. 基于神經(jīng)網(wǎng)絡(luò)的雷達抗應(yīng)答式欺騙干擾方法[J]. 空軍預(yù)警學(xué)院學(xué)報， 2003， 17（4）： 19-21.

Li Jianxun， Qin Jiangmin， Ma Xiaoyan. A Method of Radar AntiDeceptionJamming Based on Neural Network[J]. Journal of Air Force Radar Academy， 2003， 17 （4）： 19-21.（in Chinese）

[14] 馮明月， 何明浩， 郁春來， 等. 相控陣雷達噪聲干擾博弈分析[J]. 現(xiàn)代雷達， 2014， 36（5）： 10-14.

Feng Mingyue， He Minghao， Yu Chunlai， et al. Game Theory Analysis of Noise Jamming for Phased Array Radar[J]. Modern Radar， 2014， 36（5）： 10-14. （in Chinese）

[15] 翟慶林， 張軍， 付強. 線性調(diào)頻脈沖壓縮技術(shù)及其在雷達系統(tǒng)中的應(yīng)用[J]. 現(xiàn)代電子技術(shù)， 2007， 30（1）： 17-19.

Zhai Qinglin， Zhang Jun， Fu Qiang.Standard Frequency Modulation Pulse Compression Technology and Its Application in Radar System [J]. Modern Electronics Technology， 2007， 30 （1）： 17-19.（in Chinese）

[16] 胡可欣， 胡愛明. 線性調(diào)頻信號特征分析[J]. 空間電子技術(shù)， 2007， 4（1）： 56-59.

Hu Kexin， Hu Aiming.Characteristics Analysis of Linear Frequency Modulation Signals [J]. Space Electronics Technique， 2007， 4 （1）： 56-59.（in Chinese）

[17] 王勇. 頻率捷變雷達抗海雜波性能分析[J]. 戰(zhàn)術(shù)導(dǎo)彈技術(shù)， 2016（4）： 98-103.

Wang Yong.Study on AntiSea Clutter Performance of Frequency Agile Radar [J]. Tactical Missile Technology， 2016 （4）： 98-103.（in Chinese）

[18] Haykin S. Cognitive Radar： A Way of the Future[J]. IEEE Signal Processing Magazine， 2006， 23（1）： 30-40.

[19] Guerci J R， Baranoski E J. An Overview of KnowledgeAided Adaptive Radar at DARPA and Beyond[M]. John Wiley & Sonc， Inc.， 2007： 55-74.

[20] 黎湘， 范梅梅. 認知雷達及其關(guān)鍵技術(shù)研究進展[J]. 電子學(xué)報， 2012， 40（9）： 1863-1870.

Li Xiang， Fan Meimei.Progress in Cognitive Radar and Its Key Technology [J] .Acta Electronica Sinica， 2012， 40 （9）： 1863-1870.（in Chinese）

[21] 王鵬， 張曉麗， 孟令媛， 等. 適于彈載平臺的正交多載波雷達波形設(shè)計[J]. 火力與指揮控制， 2016， 41（8）： 146-150.

Wang Peng， Zhang Xiaoli， Meng Lingyuan， et al. Waveform Design for Orthogonal MultiCarrier Radar for Elastic Platform [J]. Fire and Command & Control， 2016， 41 （8）： 146-150.（in Chinese）

[22] 劉洋. 基于仿生學(xué)的末制導(dǎo)雷達智能波形捷變與調(diào)度[D]. 成都： 電子科技大學(xué)， 2014.

Liu Yang. Based on Bionic Learning of the Terminal Guidance Radar Intelligent Waveform Agility and Scheduling [D]. Chengdu： University of Electronic Science and Technology of China， 2014.（in Chinese）

[23] Bell M R. Information Theory and Radar Waveform Design[C]∥IEEE Transactions on Information Theory， San Antonio， Texas， 1993.

[24] Goodman N A， Venkata P R， Neifeld M A. Adaptive Waveform Design and Sequential Hypothesis Testing for Target Recognition with Active Sensors[J]. IEEE Journal of Selected Topics in Signal Processing， 2007， 1（1）： 105-113.endprint

[25] 王玉璽， 黃國策， 李偉， 等. 雜波和有色噪聲條件下MIMO雷達波形設(shè)計[J]. 西安電子科技大學(xué)學(xué)報， 2017 （4）： 125-131.

Wang Yuxi， Huang Guoce， Li Wei， et al. Design of MIMO Radar Waveforms under Clutter and Colored Noise [J]. Journal of Xidian University， 2017 （4）： 125-131.（in Chinese）

[26] 閆東， 張朝霞， 趙巖， 等. 基于信號雜波噪聲比的認知雷達擴展目標探測波形設(shè)計[J]. 計算機應(yīng)用， 2015， 35（7）： 2105-2108.

Yan Dong， Zhang Zhaoxia， Zhao Yan， et al.Design Waveform Design of Cognitive Radar Based on Signal Clutter Noise Ratio [J]. Journal of Computer Applications， 2015， 35 （7）： 2105-2108.（in Chinese）

[27] Chen C Y， Vaidyanathan P P. MIMO Radar Waveform Optimization with Prior Information of the Extended Target and Clutter[J]. IEEE Transactions on Signal Processing， 2009， 57（9）： 3533-3544.

[28] Wang Shuangqian， He Qian， He Zishu. LFMBased Waveform Design for Cognitive MIMO Radar with Constrained Bandwidth[J]. EURASIP Journal on Advances in Signal Processing， 2014（1）： 1-9.

[29] 曹磊， 張劍云， 王小平， 等. 基于最小均方誤差的認知雷達估計波形設(shè)計方法[J]. 探測與控制學(xué)報， 2013， 35（4）： 63-67.

Cao Lei， Zhang Jianyun， Wang Xiaoping， et al. Waveform Design Method for Cognitive Radar Based on Minimum Mean Square Error [J] .Journal of Detection and Control， 2013， 35 （4）： 63-67.（in Chinese）

[30] 韓崇昭， 朱洪艷， 段戰(zhàn)勝， 等. 多源信息融合[M]. 北京： 清華大學(xué)出版社， 2010.

Han Chongzhao， Zhu Hongyan， Duan Zhansheng， et al. MultiSource Information Fusion [M]. Beijing： Tsinghua University Press， 2010.（in Chinese）

[31] Zhang Wenshu， Yang Liuqing. CommunicationsInspired Sensing： A Case Study on Waveform Design[J]. IEEE Transactions on Signal Processing， 2010， 58（2）： 792-803.

[32] Naghibi T， Behnia F. MIMO Radar Waveform Design in the Presence of Clutter[J]. IEEE Transactions on Aerospace and Electronic Systems， 2011， 47（2）： 770- 781.

[33] Naghibi T， Namvar M， Behnia F. Optimal and Robust Waveform Design for MIMO Radars in the Presence of Clutter[J]. Signal Processing， 2010， 90（4）： 1103–1117.

[34] De Maio A， Lops M. Design Principles of MIMO Radar Detectors[J]. IEEE Transactions on Aerospace & Electronic Systems， 2007， 43（3）： 886-898.

[35] 郭美杉. 基于信息論的分布式MIMO雷達波形設(shè)計[D]. 西安： 西安電子科技大學(xué)， 2009.

Guo Meishan. Distributed MIMO Radar Waveform Design Based on Information Theory [D]. Xian： Xidian University， 2009.（in Chinese）

[36] Romero R A， Bae J， Goodman N A. Theory and Application of SNR and Mutual Information Matched Illumination Waveforms[J]. IEEE Transactions on Aerospace & Electronic Systems， 2011， 47（2）： 912-927.endprint

[37] Tang Bo， Tang Jun， Peng Yingning. MIMO Radar Waveform Design in Colored Noise Based on Information Theory[J]. IEEE Transactions on Signal Processing， 2010， 58（9）： 4684-4697.

[38] 王璐璐， 王宏強， 王滿喜， 等. 雷達目標檢測的最優(yōu)波形設(shè)計綜述[J]. 雷達學(xué)報， 2016， 5（5）： 487-498.

Wang Lulu， Wang Hongqiang， Wang Manxi， et al. Overview of Optimal Waveform Design for Radar Target Detection [J]. Acta Radar Sinica， 2016， 5 （5）： 487-498. （in Chinese）

Cognitive Waveform Optimization for the MissileBorne

Radar under Jamming Condition

Lu Yuze1， Zheng Jiayi2， Li Wei2， Jiang Mengran2

（1.School of Space Science and Technology， Xidian University， Xian 710071， China；

2.School of Information and Navigation， Air Force Engineering University， Xian 710001， China）

Abstract： The modern battlefield electromagnetic environment is becoming increasingly complex. The missileborne radar on terminal guidance phase is often affected by noise， clutter and jamming， which leads to a decrease in performance of target detection， recognition and tracking. The waveform of existing missileborne radar is fixed relatively， and it can not be changed according to the battlefield environment， so the guidance precision of missile is seriously restricted. For the missileborne radar waveform design problem， based on the factors which influence the performance of missileborne radar， three kinds of missileborne radar waveform design methods under jamming conditions are summarized， and the existing problems and the future research direction of waveform design are discussed.

Key words： jamming； missileborne radar； cognitive radar； waveform optimizationendprint