论文部分内容阅读
随着数字射频存储(DRFM)干扰技术的发展,假目标干扰因逼真性强、相参性高而得到广泛研究和应用,对雷达系统的检测和识别功能构成严重威胁。本文重点针对窄带雷达中的运动假目标,采用典型的随机调制雷达信号体制,基于形态成分分析(MCA)思想提出运动假目标的识别和分离方法,所开展的主要工作及研究成果如下:第一章为绪论,对雷达对抗发展进行简要总结,重点对随机调制雷达运动假目标识别研究现状进行阐述,指出了基于形态成分分析对随机调制雷达运动假目标识别进行研究的意义与可行性。第二章主要研究了运动目标(平动、微动)及有源假目标建模问题。针对两种典型的随机调制脉冲信号——随机脉冲重复周期(RPRI)以及随机脉冲初始相位(RPIP)信号,结合运动目标运动特性及其对雷达信号的调制原理建立了运动目标回波模型;结合DRFM系统工作原理,对其收发同时下的两种典型工作模式进行了分析,针对两种工作模式的特点,分别建立了基于RPRI及RPIP雷达的运动假目标干扰模型。第三章主要研究了基于形态成分分析的速度假目标识别问题,系统阐述了基于MCA的RPRI及RPIP雷达速度假目标干扰识别算法。利用假目标与真实目标回波所蕴含的随机参数差异特性,通过建立真/假目标信号对应的稀疏表示字典,在MCA框架下将二者在多普勒域进行分离;随后在两种随机调制雷达下,分别分析了影响真/假目标稀疏分离的两个字典的相关性,得出了互相关矩阵均偏低的性质,从而保证了分离效果;并且,在RPIP速度假目标稀疏表示字典的建立中,提出了基于多普勒频谱熵最小的干扰相位延迟估计算法。第四章主要研究了基于形态成分分析的微动假目标识别问题,系统阐述了基于MCA的RPRI及RPIP雷达微动假目标干扰识别算法。该算法解决了当干扰机模拟虚假微动目标时的真/假目标识别问题。通过提出短时稀疏恢复的时频分析方法,在MCA框架下实现了真/假微动目标的分离。第五章主要全文总结与展望。对全文的主要工作及创新点进行总结,并对基于MCA的随机调制雷达假目标识别问题进行了展望。