基于时频双稀疏性的天波雷达瞬态干扰抑制方法

本发明属于干扰抑制领域，更具体地，涉及一种基于时频双稀疏性的天波雷达瞬态干扰抑制方法。

背景技术：

1、天波超视距雷达(othr)工作在高频段(5-30 mhz)，利用电离层对高频电磁波的折射和反射效应，对800-3500 km范围内的空中及海面目标实施超视距探测，其远程海域的早期预警能力是常规微波雷达不具备或不易实现的。电离层作为othr必经的传播信道，在赋予othr超远程探测能力的同时，也一定程度上增加了其受瞬态干扰的概率。瞬态干扰是指持续时间远短于相参积累时间(cit)的高强度干扰信号，通常由闪电冲激、流星余迹、大气噪声以及瞬时人为干扰等现象造成。由于瞬态干扰与接收的目标回波信号不相参，在相参积累后会覆盖整个多普勒通道，从而严重影响目标检测性能，因此，瞬态干扰抑制是提升othr复杂条件下探测能力的关键技术之一。

2、现有技术中有分步处理干扰抑制方法，首先需要对接收到的信号进行检测，判断是否存在干扰。常见的干扰类型包括有源干扰和无源干扰，以及人为干扰和自然干扰等。一旦检测到干扰，需要进一步识别其类型，以便采取相应的抑制措施。对于有源干扰，需要估计其相关参数，如干扰信号的频率、幅度、相位、到达方向等。这些参数的估计有助于进一步分析干扰的性质和来源，为干扰抑制提供依据。在获取干扰参数后，需要对接收到的信号进行一系列处理，以降低干扰的影响。这包括对信号的滤波、降噪、解调和识别等操作。通过这些处理，可以提取出有用的目标信息，同时削弱干扰信号的影响。根据信号处理的结果，采取相应的措施抑制干扰。常见的干扰抑制方法包括频域滤波、时域滤波、空域滤波等。这些方法通过在特定域中对干扰信号进行抑制，达到提高雷达检测性能的目的。在实施干扰抑制措施后，需要对雷达的性能进行评估。这包括检测概率、虚警概率、目标跟踪精度等方面的评估。根据评估结果，可以对干扰抑制方法进行优化和改进，以提高雷达的整体性能。

3、但是分步处理干扰抑制方法，孤立考虑干扰定位和数据恢复两个问题，通常是两类方法的简单结合，系统性和整体性欠缺；另一方面，定位和剔除处理虽抑制了瞬态干扰，但也造成了原有信号分量的丢失，导致相参积累的snr增益降低；此外，分步处理需要考虑更多的参数选取问题，同时也带来了更大的运算量。针对现有方法的不足，在充分分析othr回波信号特性的基础上，提出了基于时频双稀疏性(tfds)的瞬态干扰抑制方法。不同于基于频域稀疏性的cs频谱重构算法，tfds同时利用了瞬态干扰在慢时域的稀疏性和海杂波(或目标)在频域的稀疏性，以此构造目标函数，通过交替方向乘子法(admm)一体化剔除瞬态干扰和重构频谱。得益于tfds的一体化处理，其具有较快的运算速度和良好的工程实现性。最后，通过othr实测数据处理验证了tfds的有效性。

技术实现思路

1、针对现有技术的以上缺陷或改进需求，本发明提供一种基于时频双稀疏性的天波雷达瞬态干扰抑制方法及系统，通过结合瞬态干扰的稀疏性建立目标函数，基于所述目标函数，运用tfds算法得到干扰抑制后的纯净频谱；基于所述tfds算法，获得瞬态干扰抑制结果并测试所述tfds算法的有效性，能够提升对瞬态干扰的抑制性能，具有很强的针对性。

2、为了实现上述目的，按照本发明的第一方面，提供一种基于时频双稀疏性的天波雷达瞬态干扰抑制方法，包括以下步骤：

3、s100，建立ohtr信号模型，收集传播过程中的慢时域信号，对目标信号进行距离处理，根据时频的稀疏性，获得目标函数；

4、s200，基于所述目标函数，运用tfds算法，得到干扰抑制后的纯净频谱；

5、s300，基于所述tfds算法，获得瞬态干扰抑制结果并测试所述tfds算法的有效性；

6、s400，对所述瞬态干扰抑制结果进行性能分析。

7、进一步地，在步骤s100包括，

8、s101，建立othr信号模型，并对othr信号模型进行特性分析，收集传播过程中的慢时域信号；

9、s102，对所述信号模型中的目标信号进行距离处理，根据时频的稀疏性，建立目标函数，分离干扰分量。

10、具体而言，所述步骤s101包括：

11、在othr的目标信号传播过程中，距离单元的相参积累脉冲数为m，慢时域信号为；存在瞬态干扰的条件下，慢时域信号 包括目标信号、海杂波、瞬态干扰和噪声分量的叠加：

12、                （1），

13、其中，目标信号的慢时域分量，海杂波的慢时域分量，瞬态干扰的慢时域分量，噪声分量的慢时域分量；

14、根据bragg散射理论和瞬态干扰的性质，瞬态干扰分量在慢时域具有稀疏性 的表达公式如下：

15、（2），

16、其中，和分别为目标多普勒频率和海杂波bragg 频率，、、分别为目标信号、正bragg峰以及负bragg峰的幅度系数，为脉冲重复周期，和为电离层引起的相位扰动项，为窗函数，和为复高斯白噪声，噪声方差满足；

17、定义为：

18、           （3），

19、其中，为重力加速度，为擦地角，为雷达工作波长；在式（3）中，bragg频率基本保持稳定；

20、窗函数具体表示为：

21、        （4），

22、其中，表示第组瞬态干扰，其在慢时域的持续长度为，并满足。

23、具体而言，在步骤s102包括：

24、对所述信号模型中的目标信号进行距离处理；基于所述距离处理，对othr利用快速傅里叶变换（fft）实现相参积累,使得噪声分量的能量远小于目标信号和海杂波，目标信号和海杂波也因此具有近似稀疏性；

25、未进行瞬态干扰抑制的频域信号，频谱中包含有目标信号、海杂波、瞬态干扰以及噪声分量，；

26、                      （5），

27、其中，为归一化离散逆傅里叶矩阵；

28、所述归一化离散逆傅里叶矩阵中的第(i,j)个元素为：

29、  （6），

30、通过从时域分离瞬态干扰分量o，获得干扰抑制后的纯净谱域：

31、                   （7），

32、其中，x表示不含瞬态干扰分量的频谱，即目标、海杂波和噪声分量对应的频谱；

33、根据时域分量o和频域分量x的稀疏性，对其进行范数稀疏约束，联立式(7)得到目标函数：

34、 （8），

35、其中，为正则化参数，控制o和x之间的稀疏度。

36、进一步地，在步骤s200包括，

37、由于式(8)为带有等式约束的非光滑凸优化问题，因此通过admm分离非光滑项逐步求解，构造式(8)的增广拉格朗日函数；

38、 （9），

39、其中，为惩罚项参数，为共轭转置，为中间向量，最小化的迭代格式具体表示为：

40、                            （10），

41、其中，为步长参数，通常取值为，表示迭代次数；

42、求解变量：

43、（11），

44、其中，为范数邻近算子：

45、     （12），

46、其中，为符号函数，用于保留复制信号的相位信息；

47、求解变量的步骤为：

48、 （13），

49、引入在处的梯度：

50、       （14），

51、将所述梯度引入式（13）求解：

52、（15），

53、其中，应满足,为矩阵的最大特征值。

54、进一步地，在步骤s300包括，

55、s301，基于所述tfds算法，获得瞬态干扰抑制结果；

56、s302，选取对比算法，测验tfds算法的有效性。

57、所述瞬态干扰抑制结果，包括慢时域瞬态干扰抑制结果以及频谱重构结果；

58、所述对比算法包括鲁棒平滑法、奇异值阈值算子的鲁棒主成分分析法、非精确增广拉格朗日乘数法以及快速自适应复近似消息传递法。

59、进一步地，在步骤s400包括，

60、所述性能分析方法包括：频谱重构精度分析、目标检测性能分析以及运算复杂度分析；

61、分别对应瞬态干扰抑制性能的指标，包括瞬态干扰抑制后的频谱与未注入瞬态干扰的频谱之间的归一化均方误差(nmse)、频域信噪比(snr)以及运算时间。

62、按照本发明的第二方面，提供一种基于时频双稀疏性的天波雷达瞬态干扰抑制系统，应用一种基于时频双稀疏性的天波雷达瞬态干扰抑制方法实现，包括：

63、目标函数构建模块，用于建立天波超视距雷达（othr）信号模型，收集传播过程中的慢时域信号，对目标信号进行距离处理，利用时频的稀疏性，构造目标函数；

64、tfds算法模块，用于基于所述目标函数，运用tfds算法，得到干扰抑制后的纯净频谱；

65、有效性测试模块，用于基于所述tfds算法，获得瞬态干扰抑制结果并测试所述tfds算法的有效性；

66、性能分析模块，用于对所述瞬态干扰抑制结果进行性能分析。

67、总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

68、1.本发明的方法，通过结合瞬态干扰的稀疏性建立目标函数，基于所述目标函数，运用tfds算法得到干扰抑制后的纯净频谱，并获得瞬态干扰抑制结果所述tfds算法的有效性，能够提升对瞬态干扰的抑制性能，具有很强的针对性；

69、2.本发明的方法，通过采用tfds算法，利用了瞬态干扰在慢时域的稀疏性和海杂波以及目标信号在频域的稀疏性，不需要额外的慢时域干扰定位处理，可一体化抑制瞬态干扰并重构频谱，并且tfds算法复杂度仅为矩阵维度的二次项，不需要进行干扰定位，运算时间复杂度较低；

70、3.本发明的方法，采用的性能分析的方法包括频谱重构精度分析、目标检测性能分析以及运算复杂度分析，能够更好的评价tfds算法下各指标的性能情况，更加清晰地突出tfds具有很高的重构精度。