对STAP的多无人机协同干扰仿真研究

刘 军，盛子恒，张 昀

(1.中国船舶重工集团公司第七二三研究所，江苏 扬州 225101；2.新南威尔士大学，悉尼 2052)

0 引 言

在现代高技术的战争环境下，由于超低空突防导弹、高速高机动作战平台等现代化装备的大量使用，战线模糊、战场区域延伸扩大，制空权的掌握是赢得战争胜利的重要保证。机载预警(AEW)雷达作为制空权的重要组成部分，它可以及时获得敌军兵力布署、火力配备、集结地域和增援调动等情况，并指挥引导己方作战平台快速到达有利的作战位置，因此广泛用于军事低空补盲、空战指挥及海面目标搜索等关系国计民生的领域[1-3]。

空时自适应处理[4](STAP)作为AEW雷达最先进的信号处理技术，已应用在以“E-2D”为代表的新一代预警机上，STAP通过空时二维联合滤波技术滤除强地面杂波和干扰，因而可以获得非常高的检测性能，这给突防平台的生存带来了巨大挑战。目前针对STAP的干扰研究不多，如文献[5]研究了基于频移干扰的STAP干扰，文献[6]研究了基于密集假目标的STAP干扰，文献[7]研究了地形弹射的STAP干扰。尽管这些干扰能够对STAP取得一定的干扰效果，但这些研究均是基于单平台的干扰，机载雷达很容易通过STAP的自适应空域滤波进行滤除。

因此针对上述问题，本文提出采用多无人机协同干扰的方法，并建模和仿真研究了多无人机协同干扰下的干扰效能。

1 STAP技术的原理

STAP算法的实质[8-9]是一维空域滤波技术在空-时二维域中的推广和应用，其利用了目标和杂波在角度-多普勒域上分布的差异性，通过对能使目标信号增益最大的权值的计算，实现杂波的抑制。

STAP处理框图[10-11]如图1所示，假设雷达天线为N阵元的线阵，1个相干处理间隔内的脉冲数为K，则雷达天线接收的某一距离单元的空时采样信号可以用1组N×K维的快拍数据表示，即：

(1)

式中：n=1，2，…,N；k=1，2，…,K；xn,k,l代表雷达第n个阵元、第k个脉冲、在第l次快拍时的空时二维采样数据。

全空时二维自适应处理结构，即“最优处理器”的原理图如图2所示，wnk(n=1，2，…,N；k=1，2，…,K)为空时二维权系数。

处理过程中，可以按先时后空的顺序将Xl表示为NK×1的矢量，即：

Xl=[X1,l…Xn,l…XN,l]Τ

(2)

式中：Xn,l=[xn,1,l…xn,k,l…xn,K,l]。也可以

图1 STAP处理框图

图2 “最优处理器”的原理图

按先空后时的顺序同样表示为NK×1的矢量，即：

(3)

式中：Xk,l=[x1,k,l…xn,k,l…xN,k,l]Τ。

同时，用先时后空排列的NK×1维W表示该处理器的权矢量，则：

(4)

该处理器可以描述为如下的数学优化问题：

(5)

(6)

式中：⊗为Kronecker积；Ss(ψ)和St(fd)分别表示空域导向矢量和时域导向矢量；λ为雷达工作波长；d为阵元间距；ψ为杂波入射锥角；fd为待检第l个距离单元的多普勒频移。

对第l个距离单元的采样数据Xl做上述全空时滤波处理，滤波输出为：

y=WΗXl

(7)

根据上面各式可以解得的最优权矢量Wopt为：

Wopt=μR-1S

(8)

(9)

由上述分析可以看出，权矢量表达式由杂波协方差逆矩阵和目标矢量两部分组成，第一部分相当于对杂波进行白化，后一部分相当于对目标信号进行匹配滤波。

图3为目标与杂波功率谱分布，其中仿真参数：阵元数N=16，脉冲数K=16，目标位于方位向10°，多普勒频率150 Hz，目标位于第160个距离单元，信杂比-50 dB。

图3 目标与杂波功率谱分布

由图3可以看出，杂波功率谱呈对角线分布，目标完全被杂波掩盖。图4为采用STAP处理前后各距离单元内的功率分布。

由图4可以看出，未采用STAP处理，目标位置很难确定，而采用STAP处理后，在距离单元160处目标凸显出来。因此，可以说明，在强杂波背景下，STAP处理可以非常好地滤除杂波。

2 基于多无人机协同干扰的建模和仿真

本文将对2架无人机从不同方位角的协同干扰进行建模和仿真，如图5所示，无人机1产生干扰信号1，无人机2产生干扰信号2，其干扰时序采用如图所示的空时交织干扰时序，不同于传统的单站干扰，干扰信号1的持续时间为TJ1，干扰信号2的持续时间为TJ2，干扰信号的空时交织目的在于防止干扰信号被雷达通过STAP技术滤除，即使在雷达脉冲重复周期T内，雷达的权值发生变化，由于计算取值时间的滞后性，无法形成该时间段的真正权值。因此，通过STAP技术将无法将干扰信号滤除，从而达到对STAP技术干扰的目的。

图4 各距离单元内的功率分布

图5 协同干扰的干扰时序图

在协同干扰时，两干扰机可以选择相同的干扰样式，也可以选择不同的干扰样式，下面将分别对这2种不同的协同干扰进行仿真。图6为不同方位同种干扰样式的协同干扰示意图。

图7为不同方位同种干扰样式协同干扰下的STAP处理算法对目标的提取结果，干信比分别为0 dB、5 dB、10 dB。其中，无人机1的方位角为-5°，无人机2的方位角为25°，其他仿真参数与上一节相同。

图7 不同副瓣干扰功率下STAP处理的结果

由图7可以看出，在不同方位同种干扰样式的协同干扰下，当干扰功率为0 dB、5 dB和10 dB时，经STAP处理后的信噪比分别为7 dB、1 dB和-6 dB，也即随着两无人机干扰功率的增大，目标的信杂比逐渐减小，并且在目标附近出现多个假目标。

图8为不同方位不同干扰样式协同干扰下的STAP处理算法对目标的提取结果，干信比分别为0 dB、5 dB、10 dB。其中，无人机1的方位角为-5°，无人机2的方位角为25°，其他仿真参数与上一节相同。

图8 不同副瓣干扰功率下STAP处理的结果

由图8可以看出，在不同方位不同干扰样式的协同干扰下，当干扰功率为0 dB、5 dB和10 dB时，经STAP处理后的信噪比分别为4 dB、-2 dB和-8 dB，也即随着两无人机干扰功率的增大，目标的信杂比逐渐减小，并且在目标附近出现多个假目标。不同方位不同干扰样式的协同干扰与同种干扰样式的协同干扰相比，干扰效果更好，达到相同干扰所需要的干扰功率更低。这主要是由于不同方位不同干扰样式注入后，使得STAP处理协方差矩阵的计算更加复杂，也即增加了权值计算的难度。

3 结束语

本文针对目前基于单平台的STAP干扰存在的不足，提出基于多无人机平台的多方位协同干扰，并建模和仿真研究了不同方位同种干扰样式协同和不同方位不同干扰样式协同的干扰效能。仿真结果表明：在不同方位同种干扰样式的协同干扰下，当干扰功率为0 dB、5 dB和10 dB时，经STAP处理后的信噪比分别为7 dB、1 dB和-6 dB，而在不同方位不同干扰样式的协同干扰下，当干扰功率为0 dB、5 dB和10 dB时，经STAP处理后的信噪比分别为4 dB、-2 dB和-8 dB。不同方位不同干扰样式的协同干扰与同种干扰样式的协同干扰相比，干扰效果更好，达到相同干扰所需要的干扰功率更低。本文的研究对于STAP干扰的工程应用具有一定的指导意义。