天波超视距雷达工作的电磁环境很复杂,雷达性能深受射频干扰和瞬态干扰的影响。不同于传统的干扰处理思路,本文将图像分析引入雷达信号的干扰处理模块,研究距离-多普勒（Range-Doppler,RD）图像的纹理特征并设计干扰检测器。本文研究路线可以概括为:首先,由真实数据和仿真数据处理得到RD图,建立测试图库和训练图库;然后,对RD灰度图提取纹理特征,进行特征可分性分析与干扰识别性能的对比;最后,基于K近邻算法设计RD图像分类器,即干扰检测器,实现RD图的射频干扰、瞬态干扰、无干扰的三分类,并以实测数据开展实验验证。本文的主要工作包括以下几点:1.雷达图像的生成方法与图库建设分析射频干扰与瞬态干扰特性及其RD图形态表现,建立两类干扰的信号模型,并由此仿真的雷达接收数据生成RD图,再将RD图转换为RD灰度图。分别以实测数据和仿真数据生成的RD灰度图组成测试图库和训练图库,两种图库均包含三类图集,即射频干扰、瞬态干扰、无干扰图集。2.RD图的纹理特征提取与特征分析研究纹理特征提取算子及参数会在很大程度上影响干扰检测性能。通过比较射频干扰与瞬态干扰的RD图形态,本文关注RD图像的纹理特征。研究了局部二值模式、方向梯度直方图和灰度共生矩阵三种常用的纹理特征算子及其参数。研究特征可分性判据与特征降维方法,仿真分析了三种纹理特征下三类图集的特征可分性判据与识别率的关系。根据目前的实验结果,特征可分性判据与识别率没有特别强的正相关关系。3.基于K近邻的干扰检测方法研究本文设计基于RD图纹理特征和K近邻算法的干扰检测器,并仿真分析RD灰度图尺寸、海杂波区域、纹理特征及其参数、K近邻的距离度量方式等因素对干扰检测器性能的影响。比较三种纹理特征的综合干扰检测性能以及三类图集的分类准确率,给出图像预处理、纹理特征算子及其参数、距离度量方式选取的推荐意见,从而获得较高的干扰识别率。结果表明在适当的图像预处理、纹理特征提取方法和K近邻算法参数下,干扰识别率普遍能达到96%以上。