技术特征：
1.基于滑窗多波束盲源分离的雷达抗干扰方法，其特征在于，所述方法包括：s1、获取全阵数据及滑窗子阵数据；s2、根据所述全阵数据进行协方差估计，获取信号特征值及信号特征矢量，据以利用music算法进行空间谱估计，得到所有信号源的角度分布，据以感知信号干扰；s3、为每个所述信号干扰的方向构建干扰波束合成导向矢量，利用所述干扰波束合成导向矢量对所述滑窗子阵数据进行干扰波束合成，为目标方向构建目标波束合成导向矢量，利用所述目标波束合成导向矢量，对所述滑窗子阵数据进行目标波束合成，以构建滑窗波束域数据；s4、对所述滑窗波束域数据进行联合盲源分离，分别估计每次滑窗的信号，据以进行联合预处理，得到联合协方差矩阵，对所述联合协方差矩阵进行特征分解，构建白化矩阵，并进行白化预处理得到白化信号；s5、根据所有所述白化信号构建联合累积量矩阵，据以获取并特征分解联合累积量矩阵，以得到联合累积量特征值以及累积量特征矢量，据以处理得到联合特征矩阵，对所述联合特征矩阵进行联合近似对角化处理，以得到滑窗联合盲分离矩阵；s6、利用所述滑窗联合盲分离矩阵，对所述滑窗波束信号矢量进行信号分离，据以得到分离信号数据，据以得到目标信号及干扰信号；s7、对所述分离出的信号数据路行进行恒虚警cfar检测，并对目标所在的距离单元进行测角处理，并计算相控阵波程差，据以得到当前相位角对应的方向角。2.根据权利要求1所述的基于滑窗多波束盲源分离的雷达抗干扰方法，其特征在于，所述步骤s1包括：s11、根据源信号与系统模型，利用下述逻辑表示全阵接收单元数量为n的阵列的信号：x＝[x1,x2,x3,...,x
n
]
t
其中，m为天线接收到的所有信号源的数量，并满足：m<n，式中，为方向导向矢量，a表示方向矢量，e为自然常数，d为接收通道的间距，θ
i
,i＝1,...,m为信号相对天线法线的角度，λ为波长，第m个分量j
m
∈c1×
p
,1≤m≤m为信号源，利用下述逻辑将所述信号源表示为：j
m
＝[1,exp(j2πf
m
/f
s
),...,exp(j2πf
m
(p-1)/f
s
)]其中，f
s
为雷达采样频率，f
m
为信号源的频率，全阵接收信号x为nxp的复数矩阵，其中，n为空间维数，p为快时间采样维数，γ为噪声；s12、将全阵信号矩阵，按照空间维进行滑窗，每个窗的阵元数为w，分为两组空间上分集的信号矩阵：集的信号矩阵：
3.根据权利要求1所述的基于滑窗多波束盲源分离的雷达抗干扰方法，其特征在于，所述步骤s2包括：s21、利用下述逻辑对所述全阵数据进行协方差矩阵估计：r
n
×
n
＝e{x*x
h
}其中，h表示共轭转置；s22、利用下述逻辑表示所述信号特征值和信号特征矢量：其中，特征值λ
i
为正实数，对应于信号的能量，v
i
对应i个信号源的系统特性；s23、将所述信号特征值按照下述逻辑降序排列：其中，各所述信号特征值对应的所述信号特征矢量分别为：s24、根据所述信号特征矢量构建信号子空间s
j
和噪声子空间s
n
：：据以得到music算法的空间谱估计值：s25、根据空间谱估计值处理得到所有信号源的所述角度分布：式中，表示第i个估计到的角度值。4.根据权利要求1所述的基于滑窗多波束盲源分离的雷达抗干扰方法，其特征在于，所述步骤s3包括：s31、为每个所述信号干扰的方向：以下述逻辑构建干扰波束合成导向矢量：s32、根据所述干扰波束合成导向矢量，以下述逻辑对所述滑窗子阵数据进行干扰波束合成，以得到干扰波束合成结果：合成，以得到干扰波束合成结果：s33、利用下述逻辑，为所述目标方向θ0构建所述目标波束合成导向矢量：s34、根据下述逻辑，利用所述目标波束合成导向矢量，对所述滑窗子阵数据进行目标波束合成，以得到目标波束合成结果：
s35、根据所述干扰波束合成结果与所述目标波束合成结果，根据下述逻辑构建滑窗波束域数据：和其中，t表示转置。5.根据权利要求1所述的基于滑窗多波束盲源分离的雷达抗干扰方法，其特征在于，所述步骤s4包括：s41、滑窗联合白化预处理根据每次滑窗的信号，分别估计得到协方差矩阵：和其中，为第一个窗的第i列元素构成的矢量，为第二个窗的第i列元素构成的矢量；s42、根据所述协方差矩阵，利用下述逻辑构建所述联合协方差矩阵：s43、对所述联合协方差矩阵r
zz
进行特征分解，并利用下述逻辑表示所述联合协方差矩阵：r
zz
＝uλu
h
其中，λ为对角阵，对角元素为特征值；s44、将特征值降序排列：λ1≥λ2≥...,≥λ
mj+1
，以所述特征值对应的特征矢量构成特征矩阵u，其中，将所述特征矩阵表示为u＝[u1,u2,...,u
mj+1
]；s45、构建所述白化矩阵并进行白化预处理，利用下述逻辑构建联合白化处理矩阵：并利用下述逻辑对两个所述滑窗波束域数据分别进行白化处理，据以得到第一白化信号及第二白化信号6.根据权利要求1所述的基于滑窗多波束盲源分离的雷达抗干扰方法，其特征在于，所述步骤s5包括：s51、利用下述逻辑表示第一滑窗信号矢量的四阶累积量：并根据所述四阶累积量构建第一四阶累积量矩阵：
利用所述步骤s51中的前述逻辑对第二滑窗信号矢量构建第二四阶累积量矩阵s52、根据所述第一四阶累积量矩阵及所述第二四阶累积量矩阵，利用下述逻辑构建联合四阶累积量矩阵：s53、对所述联合四阶累积量矩阵进行特征分解，并利用下述逻辑表示所述联合累积量特征值以及所述累积量特征矢量：其中，λ
i
为第i个特征值，v
i
为对应的特征矢量；s54、取前m
j
+1个所述联合累积量特征值及所述累积量特征矢量，利用下述逻辑构建特征矢量矩阵：s55、将所述特征矢量矩阵中的(m
j
+1)2×
1维列矢量v
i
，按列排列为(m
j
+1)
×
(m
j
+1)的特征方阵g
i
，据以得到所述联合特征矩阵：s56、对所述联合特征矩阵，进行基于联合近似对角化jade处理，求得所述滑窗联合盲分离矩阵：其中，为矩阵d
i
＝q
h
g
i
q的k行l列元素。7.根据权利要求6所述的基于滑窗多波束盲源分离的雷达抗干扰方法，其特征在于，所述步骤s53包括：s531、将所述联合累积量特征值按照模值降序排列：
s532、各所述联合累积量特征值对应的累积量特征矢量为：8.根据权利要求1所述的基于滑窗多波束盲源分离的雷达抗干扰方法，其特征在于，所述步骤s6中，利用所述滑窗联合盲分离矩阵q，对联合白化处理的滑窗信号矢量和进行信号分离：据以分离所述目标信号及所述干扰信号。9.根据权利要求1所述的基于滑窗多波束盲源分离的雷达抗干扰方法，其特征在于，所述步骤s7包括：s71、对信号分离结果：和的每一行进行所述恒虚警cfar检测；s72、利用下述逻辑对所述目标所在的距离单元，进行基于相位的测角处理：其中，conj表示取共轭，∠表示取复数的相位角；s73、计算所述相控阵波程差，得到该相位角对应的方向角：其中，λ为波长，b
d
为两次滑窗的相位中心间距。10.根据权利要求1所述的基于滑窗多波束盲源分离的雷达抗干扰系统，其特征在于，所述系统包括：接收及滑窗数据模块，用以获取全阵数据及滑窗子阵数据；干扰感知模块，用以根据所述全阵数据进行协方差估计，获取信号特征值及信号特征矢量，据以利用music算法进行空间谱估计，得到所有信号源的角度分布，据以感知信号干扰，所述干扰感知模块与所述接收及滑窗数据模块连接；滑窗波束域获取模块，用以为每个所述信号干扰的方向构建干扰波束合成导向矢量，利用所述干扰波束合成导向矢量对所述滑窗子阵数据进行干扰波束合成，为目标方向构建目标波束合成导向矢量，利用所述目标波束合成导向矢量，对所述滑窗子阵数据进行目标波束合成，以构建滑窗波束域数据，所述滑窗波束域获取模块与所述干扰感知模块连接；滑窗波束域数据联合盲源分离模块，用以分别估计每次滑窗的信号，据以进行联合预处理，得到联合协方差矩阵，对所述联合协方差矩阵进行特征分解，构建白化矩阵，并进行白化预处理得到白化信号，所述滑窗波束域数据联合盲源分离模块与所述接收及滑窗数据模块连接；滑窗联合盲分离矩阵估计模块，用以根据所有所述白化信号构建联合累积量矩阵，据以获取并特征分解所述联合累积量矩阵，以得到联合累积量特征值以及累积量特征矢量，据以处理得到联合特征矩阵，对所述联合特征矩阵进行联合近似对角化处理，以得到滑窗联合盲分离矩阵，所述滑窗联合盲分离矩阵估计模块与所述滑窗联合白化预处理模块连接；滑窗联合信号分离模块，用以利用所述滑窗联合盲分离矩阵，对所述滑窗波束信号矢量进行信号分离，据以得到分离信号数据，据以得到目标信号及干扰信号，所述滑窗联合信号分离模块与所述联合盲源分离模块连接；
分离结果检测与测角模块，用以对分离出的信号路数据的每一行进行cfar检测，并对目标所在的距离单元进行测角处理，并计算相控阵波程差，据以得到当前相位角对应的方向角，所述分离结果检测与测角模块与所述滑窗联合盲分离矩阵估计模块连接。
技术总结
本发明提供基于滑窗多波束盲源分离的雷达抗干扰方法及系统，方法包括：利用相控阵阵面的阵元或者子阵数据进行干扰感知获取干扰的角度，将全阵分为两个窗并根据干扰感知的角度和雷达主工作角度分别进行波束合成，然后对两个窗的波束域数据进行联合的盲源分离将干扰与目标信号分离，最后对分离出的目标信号进行检测和目标测角，实现干扰抑制的同时获得高精度的目标测角。本发明解决了抗干扰过程带来的测角误差、子阵间距无法满足滑动不变性时的抗干扰问题，子阵降维带来的副瓣干扰抑制性能下降的技术问题。下降的技术问题。下降的技术问题。
技术研发人员：王金峰 杨雪亚 郝慧军 张学森 蒋千 刘仍莉 张永杭
受保护的技术使用者：中国电子科技集团公司第三十八研究所
技术研发日：2022.10.24
技术公布日：2023/1/31