《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 微波|射频 > 设计应用 > 基于稀疏重构与深度学习的雷达抗有源干扰信号处理算法
基于稀疏重构与深度学习的雷达抗有源干扰信号处理算法
电子技术应用
陈文瑞，刘方，戴广钊
中国船舶集团有限公司第七二三研究所
摘要： 针对数字射频信号复制干扰和宽带噪声干扰威胁雷达目标检测的问题，提出一种结合稀疏重构与深度学习的干扰抑制算法。该算法先用深度学习提取干扰特征并检测干扰类型和位置，再采用基于稀疏表示的空时自适应处理策略在空间和时间域抑制干扰。仿真实验表明，相比传统方法，该算法在强干扰背景下显著提升了目标检测概率和输出信干噪比，能有效抑制主瓣仿真干扰和宽带噪声干扰，为雷达干扰抑制提供了新思路，具有工程应用价值。
中圖分類號：TN957 文獻(xiàn)標(biāo)志碼：A DOI: 10.16157/j.issn.0258-7998.256987
中文引用格式： 陳文瑞，劉方，戴廣釗. 基于稀疏重構(gòu)與深度學(xué)習(xí)的雷達(dá)抗有源干擾信號處理算法[J]. 電子技術(shù)應(yīng)用，2026，52(4)：134-138.
英文引用格式： Chen Wenrui，Liu Fang，Dai Guangzhao. Radar anti-active jamming signal processing algorithm based on sparse reconstruction and deep learning[J]. Application of Electronic Technique，2026，52(4)：134-138.
Radar anti-active jamming signal processing algorithm based on sparse reconstruction and deep learning
Chen Wenrui，Liu Fang，Dai Guangzhao
The 723rd Research Institute of China State Shipbuilding Corporation
Abstract： In order to solve the problem of digital RF signal duplication interference and broadband noise interference threatening radar target detection, this paper proposes an interference suppression algorithm that combines sparse reconstruction and deep learning. The algorithm first uses deep learning to extract interference features and detect the interference type and location, and then adopts a space-time adaptive processing strategy based on sparse representation to suppress interference in the space and time domains. Simulation experiments show that compared with traditional methods, this algorithm significantly improves the target detection probability and output signal-to-interference-noise ratio under strong interference background, and can effectively suppress main lobe simulation interference and broadband noise interference, providing a new idea for radar interference suppression and having engineering application value.
Key words : active signal interference；space-time adaptive processing；sparse reconstruction；deep learning

引言

現(xiàn)代雷達(dá)面臨有源信號干擾威脅，主要包括數(shù)字射頻存儲（Digital Radio Frequency Memory,DRFM）產(chǎn)生的仿真式干擾和高功率噪聲干擾[1]。仿真干擾通過復(fù)制雷達(dá)信號引入虛假目標(biāo)回波，使真實(shí)目標(biāo)淹沒在虛假信號中；噪聲干擾向雷達(dá)注入強(qiáng)噪聲，降低目標(biāo)信噪比[2]。這些干擾導(dǎo)致雷達(dá)檢測性能急劇下降。

為應(yīng)對有源信號干擾，學(xué)者們提出了多種抑制技術(shù)。空時(shí)自適應(yīng)處理（Space-Time Adaptive Processing,STAP）通過對天線陣列空間維度和脈沖多普勒時(shí)間維度進(jìn)行二維自適應(yīng)濾波，實(shí)現(xiàn)干擾/雜波抑制。然而在主瓣仿真干擾場景下，常規(guī)STAP性能嚴(yán)重退化。稀疏重構(gòu)方法將干擾視為稀疏分量，通過正交匹配追蹤等算法估計(jì)干擾子空間，在低快拍情況下具有優(yōu)勢。

深度學(xué)習(xí)技術(shù)為雷達(dá)干擾抑制提供了新工具。通過構(gòu)建稀疏自編碼器網(wǎng)絡(luò)提取雷達(dá)回波特征，區(qū)分干擾與目標(biāo)信號。堆棧式稀疏自編碼提取射頻特征，設(shè)計(jì)干擾抑制自編碼器對含噪回波進(jìn)行重構(gòu)，在特征層面濾除干擾分量[3]。

現(xiàn)有方法各有側(cè)重：STAP擅長抑制線性高斯干擾，稀疏方法適用于弱訓(xùn)練條件下的點(diǎn)狀強(qiáng)干擾，深度學(xué)習(xí)擅長挖掘非線性特征[4]。本文融合多種方法優(yōu)勢，提出結(jié)合深度學(xué)習(xí)特征提取與稀疏STAP濾波的干擾抑制算法。

本文主要貢獻(xiàn)包括：(1)將深度神經(jīng)網(wǎng)絡(luò)提取的干擾特征嵌入STAP權(quán)值計(jì)算，提高仿真干擾識別和抑制能力；(2)采用稀疏約束空時(shí)濾波，在低訓(xùn)練快拍下有效抑制噪聲干擾和雜波；(3)仿真驗(yàn)證融合算法在不同干擾場景下均優(yōu)于傳統(tǒng)方法。


本文詳細(xì)內(nèi)容請下載：

http://m.ihrv.cn/resource/share/2000007051


作者信息：

陳文瑞，劉方，戴廣釗

（中國船舶集團(tuán)有限公司第七二三研究所，江蘇 揚(yáng)州 225101）

2.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。