[发明专利]一种基于功率特征值提取的改进块稀疏贝叶斯抗干扰方法

说明书

本发明涉及一种基于功率特征值提取的改进块稀疏贝叶斯抗干扰方法，属于雷达信号处理技术领域，特别涉及解决电子干扰中的压制式窄带干扰以及主瓣干扰问题。首先采集雷达中频回波数据并缓存，接着初始化块稀疏贝叶斯数据块大小、设置学习速率和最大收敛次数；然后构造优化函数并建立块稀疏贝叶斯数学模型，添加扰动项；接着根据特征功率门限判断是否是干扰信号特征功率，如果是则构造块稀疏恢复子字典进行相应迭代；最后判断如果达到最大迭代次数，则利用稀疏恢复反射系数进行数据恢复，从而抑制干扰信号，有效提高目标检测概率。本发明可以分离雷达有用回波和干扰信号，有效改善目标信号的信干噪比、抑制干扰信号，降低运算量。

技术领域

本发明属于雷达信号处理技术领域，特别适用于电子干扰为窄带压制干扰进入雷达接收机影响雷达检测概率的场景。

背景技术

现代电子战场电磁环境复杂多变，针对雷达的工作方式设计的电子干扰样式形态各异。尤其针对常规搜索雷达，窄带压制式干扰是敌方常用的一种电子攻击手段，针对压制式干扰典型主动抗干扰做法采用频率捷变、典型被动抗干扰做法采用副瓣对消和副瓣抑制结合信号和数据处理点、航迹质量评估等方法抑制干扰信号，但是这种主动抗干扰措施对于相控阵雷达有限的带宽资源负担过大、被动抗干扰措施势必带来目标检测概率的损失过大等不良影响、并且针对来自雷达主瓣的干扰无从下手。因此，针对窄带压制式干扰特别来自主瓣方向的干扰如何有效抑制干扰信号，降低信干比损失是雷达目标检测的关键技术之一。

西安交通大学在其申请的发明专利文献“一种基于块稀疏特性的混合高斯频谱感知方法”(公开号：CN108880713A，申请号：CN201810490654.5)中公开了一种基于块稀疏特性的混合高斯频谱感知方法。该方法主要是构造高斯噪声下的块稀疏贝叶斯数学模型最终重构了主用户的功率谱信息，但是该方法无法针对非高斯模型，针对非平稳噪声环境和窄带干扰环境的恢复效果不佳。

文献《基于块稀疏贝叶斯学习的调频通信梳状干扰抑制》(兵工学报,2018,Vol.9,No.1pp:9-12)中提出了利用“干扰信号在频域表现的稀疏特性，建立块稀疏贝叶斯数学模型下的学习框架，通过期望最大化算法进行梳状干扰的恢复”。但是该算法在干扰信号时域不稀疏条件下无法有效恢复干扰信号，并且在数据样本较大时存在收敛性问题。

发明内容

本发明的目的是针对背景不是平稳高斯白噪声条件下，接收机混入来自天线主瓣的窄带压制干扰，提出一种收敛速度快、目标信噪比损失小的抗干扰方法，以克服现有技术处理过程中目标信噪比损失严重、无法抑制从雷达主瓣进入的窄带干扰以及收敛速度慢等问题。

本发明的具体技术方案为：

首先采集雷达中频回波数据，构造稀疏恢复感知原理系统模型。雷达中频回波系统为：

E_cho'＝Φ'[Re(σ_I^T)Re(σ_U^T)Im(σ_I^T)Im(σ_U^T)]^T+[ε_IU]^T

其中感知矩阵是一个2N×2M维度的矩阵，矩阵按照行展开数学表达式可以表示为[Re(D)-Im(D)Im(D)Re(D)]，D表示复数字典。ε_IU表示为回波信号除干扰之外的额外叠加，常见叠加以噪声形式体现，并假设实数部分和复数部分分别为M维向量。待提取的回波信号表示为[Re(σ_I^T)Re(σ_U^T)Im(σ_I^T)Im(σ_U^T)]^T并定义为2N×1的向量。