[发明专利]一种基于可逆残差网络的抗雷达主瓣转发干扰方法

说明书

本发明属于雷达抗干扰技术领域，具体涉及一种基于可逆残差网络的抗雷达主瓣转发干扰方法。本发明基于非负矩阵分解(NMF)算法和可逆残差神经网络，提出了一套适用于多目标多干扰环境下雷达主瓣转发干扰抑制深度学习框架Inv‑NMF net。它可以利用雷达发射信号信息来对干扰信号进行分解，将目标信号信息与干扰信号信息表征在系数矩阵的不同位置上。然后利用可逆残差网络对系数矩阵进行分析，生成Mask掩码矩阵，对干扰信号分量和目标信号分量进行分离。由于可逆网络的信息传递无损性，本发明可以最大程度上保证目标信号强度不受到影响。这种方法不但不受雷达目标数量的影响，而且对于不同的雷达发射波形，也具有较好的适应能力。

技术领域

本发明属于雷达抗干扰技术领域，具体涉及一种基于可逆残差网络的抗雷达主瓣转发干扰方法。

背景技术

雷达系统是现代化通信中的核心探测手段之一，利用发射和接收电磁波信号，可以对目标区域进行全天候实时监测。目前，随着数字式射频存储器(Digital RadioFrequency Memory,DRFM)技术的不断发展，雷达主瓣转发干扰凭借其与雷达发射信号高度相关，并且从天线主瓣进入雷达接收机的特点，使得大部分传统的雷达抗干扰策略失效，雷达的目标探测性能急剧下降。因此，针对雷达主瓣转发干扰开展抑制方法研究是确保雷达探测能力的重要研究方向，具有重要的研究意义。传统的信号处理方法绝大部分都局限在针对单目标下的转发式干扰抑制，少有的几种可以抑制多目标下转发式干扰的算法也很难有较好的干扰抑制效果。因此，至今都没有一种合适的抗雷达主瓣转发干扰算法可以很好的解决多目标下的雷达干扰问题。

发明内容

针对上述问题，本发明从时域信号本身出发，利用雷达发射信号信息降低信号分离复杂度，参考盲源分离理论中常用的非负矩阵分解方法，将雷达发射信号作为字典矩阵，求得雷达回波的特征矩阵。利用该特征矩阵替代短时傅立叶变换得到的时频图矩阵进行后续的干扰信号分离。并且对于多目标信号恢复中存在的信息缺失的问题，尝试使用可逆残差网络来提取信号特征，保障信号近似无损的恢复。

本发明基于非负矩阵分解(NMF)算法和可逆残差神经网络，提出了一套适用于多目标多干扰环境下雷达主瓣转发干扰抑制深度学习框架Inv-NMF net。它可以利用雷达发射信号信息来对干扰信号进行分解，将目标信号信息与干扰信号信息表征在系数矩阵的不同位置上。然后利用可逆残差网络对系数矩阵进行分析，生成Mask掩码矩阵，对干扰信号分量和目标信号分量进行分离。由于可逆网络的信息传递无损性，本发明可以最大程度上保证目标信号强度不受到影响。这种方法不但不受雷达目标数量的影响，而且对于不同的雷达发射波形，也具有较好的适应能力。

本发明的技术方案为：

一种基于可逆残差网络的抗雷达主瓣转发干扰方法，包括以下步骤：

S1、以线性调频信号作为雷达发射信号，通过雷达主瓣转发干扰仿真获得干扰信号，进而获得添加了干扰的回波信号Signal_data、发射信号Signal、干扰信号标签Jam_target和无干扰的信号标签Signal_target：

Signal_data＝{x⁰_i|i＝1,2,…,L}∈C^L

Signal＝{x¹_i|i＝1,2,…,L}∈C^L

Jam_target＝{x²_i|i＝1,2,…,L}∈C^L

Signal_target＝{x³_i|i＝1,2,…,L}∈C^L

其中，L为信号长度；