合成孔径雷达抗干扰技术综述

黄 岩 赵 博 陶明亮 陈展野 洪 伟

①(东南大学信息科学与工程学院毫米波国家重点实验室 南京 211100)

②(深圳大学信息工程学院 深圳 518060)

③(西北工业大学电子信息学院 西安 710072)

④(重庆大学微电子与通信工程学院 重庆 400044)

1 引言

1.1 背景阐述

合成孔径雷达(Synthetic Aperture Radar,SAR)是一种有源遥感雷达系统，以其特有的合成孔径技术，可以实现全天时全天候的高分辨成像，在战场侦察、灾害监测、灾害评估及预警、资源勘探、地形测绘等方面发挥着可见光、高光谱、红外等其它对地观测传感器不具备的作用[1-10]，逐渐受到全世界各国国防部和军民企业的高度重视。

合成孔径雷达的基本原理来源于实孔径技术，但其又突破了实孔径技术的瓶颈和限制。对于传统的实孔径技术，其方位分辨率反比于实孔径的大小，即实孔径越长，其分辨率越高。但是同样的，随着作用距离变远，雷达的方位分辨率也会随之变低。假设需要在几十千米的作用距离下获得米级的高分辨率图像，则至少需要几百米的实孔径天线，然而在飞机或者卫星平台上安装如此大的天线是根本不可能的事情。因此为了突破实孔径天线对方位分辨率的限制，1951年，文献[11-13]发现波束的方位向分辨率能通过雷达与目标之间的相对运动而明显改善，这一理论为合成孔径雷达实现2维高分辨观测成像打下了基础。实际上，该理论利用了长时间平台运动带来的时间采样来代替固定不动的实孔径空间采样。而合成孔径的基本原理正是基于用时间信息弥补了空间信息，从而实现了方位向的高分辨率。与此同时，可以通过发射具有大带宽的信号经距离脉压后可以得到距离向高分辨率。因此，长时间的能量积累提高了系统的输出信噪比，同时合成的较长孔径又能获得超高分辨率，故合成孔径雷达在运动目标检测、目标自动识别等方面都有很好的发挥和应用[14,15]。

然而，作为一种宽带雷达系统，合成孔径雷达在工作频段内易受到敌方有源干扰机信号、无线通信信号、广播电视信号和其它雷达信号等多种复杂电磁干扰的影响，即使合成孔径雷达能够通过2维匹配滤波获得较高的能量积累，但强干扰源仍将严重制约高分辨成像效果，从而进一步影响后续合成孔径雷达对地、海的观测[16]。在现代信息电子战中，必须意识到，信息电子战的核心就在于如何获取复杂电磁环境中对信息的制霸权，合成孔径雷达抗干扰能力的重要性丝毫不逊色于合成孔径雷达系统研制本身，如果在没有任何干扰抑制措施的前提下，一旦合成孔径雷达系统面临电子干扰，那么其很容易丧失信息获取能力，这就是所谓的“睁眼瞎”[16-18]。如图1所示，左侧为受到窄带射频干扰影响下的合成孔径雷达图像，右侧是通过干扰抑制算法得到的真实图像。从图中可以很明显的看出，许多图中反射强度较弱的细节尤其是关注的目标点被严重干扰，此时无法获取对其的有效检测和识别[19,20]。

而图1所示的仅仅是一种简单的影响整个场景信干噪比(Signal-to-Interference-and-Noise Ratio,SINR)的类噪声式压制干扰，就足以对合成孔径雷达成像造成严重的影响；而随着现代战争信息化的逐渐加强，很多情况下带有欺骗性质的干扰机具有更强的军事意义并造成更恶劣的影响，其能够产生与合成孔径雷达回波相似的散射点[21,22]，来产生欺骗性的目标，如图2所示，图2(b)相较于图2(a)在图的右侧位置多了许多虚假的车辆，这将影响后续对目标的检测和判断。

因此，随着合成孔径雷达在军用和民用领域的广泛应用，其所面临的电磁环境愈加复杂，并且对它的干扰手段也越来越多，干扰形式越来越灵活，此时合成孔径雷达的抗干扰技术尤为关键，这对提高合成孔径雷达系统在复杂电磁环境中的生存能力和实用效能，具有重要的现实意义。

图1 窄带射频干扰对合成孔径雷达成像的影响Fig.1 Effect of narrowband RFI to SAR imaging

图2 欺骗干扰对合成孔径雷达成像的影响Fig.2 Effect of deceptive jamming to SAR imaging

1.2 干扰分类

在复杂电磁环境中，合成孔径雷达受到的干扰类型可以根据干扰的能量来源、产生途径、频带带宽以及作用机理等不同标准进行分类。按照干扰的能量来源，合成孔径雷达可以分为无源干扰和有源干扰两大类[23]。其中，无源干扰是指利用非目标的物体对电磁波的反射、折射、散射或吸收等现象产生的干扰。一般情况下，无源干扰不会影响合成孔径雷达的正常工作，而是减弱乃至改变了敌我目标的雷达反射面积(Radar Cross-Section,RCS)，使得合成孔径雷达获得失真的高分辨图像，增大图像的解译难度。典型的无源干扰包括箔条干扰、吸波材料、反雷达伪装网等。而有源干扰是指由辐射电磁波的能源所产生的干扰，也是本文介绍的核心。合成孔径雷达目前面临的有源干扰类型多样，可以简单分为有意干扰和无意干扰[24]，其中无意干扰是指由于自然或其它因素无意识形成的干扰，包括宇宙干扰、雷电干扰以及其他无线电射频干扰等；有意干扰是指由于人为有意识制造的干扰，是战争时期合成孔径雷达面临的主要威胁，其可以进一步分为压制干扰和欺骗干扰[25]，具体的干扰类型如图3所示。

图3 合成孔径雷达有源干扰分类Fig.3 Classification of sourced interferences for SAR systems

对于有源干扰信号而言，如果从干扰信号本身对比合成孔径雷达宽带信号的相对带宽出发，干扰信号又可以统一划分为窄带干扰和宽带干扰，像无线电射频干扰(如电视信号、FM/AM调频信号等)则是一种典型的窄带干扰[26]，其作用效果与窄带压制干扰类似，可以归结为无意的压制干扰，而其它宽带雷达信号则是一种典型的宽带干扰。同时，如果从有意干扰源信号到达合成孔径雷达接收机的方式考虑[27]，如干扰是直接到达接收机还是经过地面待观测场景散射到达接收机[28-30]，则有意干扰信号又可以划分为直达波干扰和散射波干扰(又称为直达波干扰和弹射式干扰[31,32])。因此，干扰的分类方式多种多样，文献层出不穷，合成孔径雷达抗干扰技术，从不同体制的合成孔径雷达系统、任务、目标与环境相互作用的视角，呈现着丰富的研究内容。本文仅以合成孔径雷达系统面临的有源压制干扰1文中所述的压制干扰包含射频干扰等无意压制干扰，由于其干扰模型和效果均与窄带压制干扰类似，后文就一并讨论。和欺骗干扰(即图3中加粗的部分)为重点，对其相关技术动态进行总结，为其未来的研究和发展提供参考。

2 合成孔径雷达有源干扰的信号模型

为更好地抑制合成孔径雷达面临的复杂电磁干扰，首先需要了解各种干扰反映到合成孔径雷达接收信号中的数学模型，针对不同干扰信号的数学模型，才能更好地设计有针对性的干扰抑制算法。

2.1 压制干扰

针对压制干扰，根据干扰信号的相对带宽大小及调制方式，可以划分为窄带干扰、调频调制宽带干扰和正弦调制宽带干扰3种形式。由于合成孔径雷达系统的接收信号可以看作是真实回波信号、多样式混合干扰和背景噪声之和[33]，故其1维数学模型可表示为

式中，k表示第k个距离快时间单元，y,x,i,nbi,wbi和n分别表示接收信号、真实回波、混合干扰、窄带干扰(Narrow Band Interference,NBI)、宽带干扰(Wide Band Interference,WBI)和背景噪声。1维数学模型只能反映出单快拍(方位采样)窄带或宽带干扰的时域或频域信息，而无法提供更多的信息。为获取高分辨的合成孔径雷达图像，合成孔径雷达信号模型通常建立为距离-方位时间的3维数学模型[34]，即

式中，l表示方位慢时间的采样单元，即第l个脉冲。而窄带干扰可以表示为N个正弦函数信号之和[35]

式中，An(l)表示第n个窄带干扰在第l次脉冲的复幅度，fn表示第n个窄带干扰的频率，tk表示第k个距离采样时刻。而宽带干扰分为两种，分别是调频调制(Chirp-Modulated,CM)宽带干扰和正弦调制(Sinusoidal-Modulated,SM)宽带干扰。其中，CM宽带干扰可以表示为

式中，Bn(l)表示第n个CM宽带干扰在第l次脉冲的复幅度，γn和fn分别表示第n个CM宽带干扰的调频率和频率。而SM宽带干扰可以表示为

式中，与式(4)相同的符号对应SM宽带干扰相同的含义，βn(l)表示第n个干扰在第l次脉冲的调制系数，φn表示第n个干扰的的初始相位。窄带、宽带压制干扰的数学模型示意图如图4所示，图中分别表现了不同干扰在2维距离-方位时域、1维距离频域和2维距离时频域的表现。

2.2 欺骗干扰

不同于压制干扰，欺骗干扰一般是通过“截获-调制-转发”的方式刻意模拟合成孔径雷达回波特征，在合成孔径雷达成像结果中形成聚焦良好的虚假目标。经过精细设计的虚假目标具有与真实目标相似的散射特性，能够与合成孔径雷达图像较好地融合，达到“真假难辨”的干扰效果。经过距离脉压后的合成孔径雷达信号，任意一散射点的真实回波可以表示为[36]

其中，tr和ta分别表示距离快时间和方位慢时间，σ表示散射系数，Br表示合成孔径雷达信号的带宽，aa(·)表示方位向包络，τ表示散射点与雷达的时延，λ表示波长，R(·)表示随方位时间变化的瞬时斜距。为了简化模型，aa(·)可以被认为是理想的矩形函数，即

式中，|·|表示绝对值，T表示相干处理时间。当散射点在天线主瓣内，本文认为在被合成孔径雷达主瓣接收同时没有衰减，而在旁瓣区域则没有散射回波。假设欺骗干扰也是同样的设计，只会影响合成孔径雷达的主瓣，则欺骗干扰可以被调制为[36,37]

其中，σJ表示干扰的散射系数，sJ(tr,ta)表示被干扰机截取的合成孔径雷达信号，∗表示卷积操作，δ(·)表示狄拉克函数。同时，(a)部分表示幅度放缩，通常是根据真实场景的先验信息来获取，(b)和(c)部分分别表示时延和多普勒调制部分，这两部分都与干扰机到虚假目标的瞬时斜距∆R(ta)有关，可以表示为

其中，RJ(ta)表示虚假目标的瞬时斜距。假设干扰机作用时间范围为[−T/2,T/2]，则在相同位置的假目标散射点的距离脉压后信号可以表示为

其中，σ′和R′(·)分别表示假目标散射点的散射系数和瞬时斜距。对比假目标散射点和真实散射点的表达式，除去幅度上的变化，主要区别在于支撑时间域和多普勒相位，它们之间的关系可以表示为

图4 不同维度的窄带、宽带压制干扰信号模型示意图Fig.4 Illustrations of narrowband and wideband suppressed interference models in different domains

欺骗干扰和真实回波的时频分布示意图如图5所示。根据干扰效果的不同，可将欺骗干扰区域分为：

(1)强干扰区：阴影1区域内的欺骗干扰与合成孔径雷达回波部分重合，难以通过常规的方法进行有效抑制，从而在合成孔径雷达成像结果中形成较强的欺骗干扰，危害性最大；

(2)弱干扰区：阴影2区域内的欺骗干扰在时频域与合成孔径雷达回波不重合，同时其多普勒频谱未超出由合成孔径雷达系统脉冲重复频率所限定的方位频带宽度。该区域内的欺骗干扰能够较容易地得到抑制；

(3)干扰失效区：阴影3区域内的欺骗干扰由于超出了奈奎斯特采样定理的限制而发生混叠，虽然无法形成有效的虚假目标成像结果，但仍会以类似噪声干扰的形式降低真实场景的成像质量。

图5 欺骗干扰和真实回波的时频分布模型示意图Fig.5 Illustration of the time-frequency distribution of deceptive jammings and true echoes

3 合成孔径雷达抗干扰技术

针对不同的干扰手段(即压制式及欺骗式干扰类型)，本节对当前对应的典型抗干扰技术进行了总结与归类。具体而言，针对不同类型的压制干扰，笔者总结了大量研究文献，主要分为非参数化干扰抑制算法、参数化干扰抑制算法以及半参数化干扰抑制算法来展开描述，分别介绍对应不同算法的优缺点；针对不同类型、合成孔径雷达通道特性的欺骗干扰，主要从多通道直达波和反射波欺骗干扰抑制算法和单通道欺骗干扰抑制算法来详细说明。

3.1 压制干扰抑制技术

随着合成孔径雷达应用范围的不断拓展及探测能力的持续提升，其所面临的电磁环境日益复杂。在有源压制干扰作用下，实际上无论干扰的样式如何，其对合成孔径雷达成像的破坏主要依靠强干扰功率在时域、频域或空域所形成的压制效果。根据压制干扰相对于合成孔径雷达的带宽，可以将压制干扰抑制技术分为窄带和宽带干扰抑制技术。而当前的抗干扰方法，则可根据处理方式的不同分为以下3类。

3.1.1 非参数化压制干扰抑制技术

非参数化干扰抑制方法将接收信号表征到1维距离频域或2维距离时频域中，利用干扰信号与真实回波信号间的强度特征差异，构建自适应滤波器或利用信号子空间投影来滤除干扰。非参数化方法操作简单，计算复杂度低，同时在一定程度上避免了低维模型不准确带来的影响。经典的非参数化方法主要有：自适应滤波器、陷波滤波器和子空间投影等算法。

陷波滤波器算法主要针对的是L,P波段的孤立窄带、宽带压制干扰，其研究开展较早。针对第2部分给出的窄带压制干扰信号模型，陷波滤波器的主要原理是在超过设定的频谱或图像能量门限的强窄带干扰区域设置零陷，由于窄带干扰有限且占总信号频谱比例较小，且陷波滤波器实现较为简单，故在很多应用中都取得了不错的干扰抑制效果；而针对孤立的宽带干扰则主要在距离时频域设计陷波滤波器，降低频谱损失。早在1996年，Cazzaniga和Guarnieri[38]就提出利用MUSIC方法来估计窄带干扰频率并设计陷波滤波器对抗干扰。随后，德国宇航中心的Buckreuss和Horn[39]提出了相干距离单元平均方法，并率先应用于E-SAR系统。F.Meyer等人[40]设计自适应检测来确定窄带、宽带干扰位置以及陷波滤波器宽度来设计完整的干扰抑制流程，并在实测全极化ALOS PALSAR数据中得到了很好的验证，如图6所示。

国际无线电联盟(InTernational Union of Radio science,ITU-R)在其RS.1749报告中也给出了相似的陷波滤波建议，以使得能够应用于地球探测卫星服务(Earth Exploration Satellite Service,EESS)中[41]。文献[42]表明TarraSAR-X实测数据中存在特殊的近零点射频干扰，该射频干扰受脉冲调制，在频域有很强的旁瓣，传统陷波滤波器将失效。该文在传统陷波滤波器基础上进一步提出了双向陷波器，实现两次抑制后获得两幅图像再结合，以获取更好的方位谱信息。文献[43]提出一种子带频谱相消方法，利用相邻频谱子带信号的差异近似实现陷波滤波器的作用，并应用于实测数据。上述陷波滤波器主要应用于原始数据，而当原始数据很多时候较难获取，若当前仅有已聚焦的单视复图像，许多学者提出了图像域的陷波滤波器来从聚焦的图像数据中抑制干扰。其中，文献[44,45]提出一种后验陷波滤波方法可以消除聚焦图像的干扰，并分别在L波段合成孔径雷达实测数据上进行了实验验证，其流程图如图7所示。文献[46]中提出了一种在2维距离时域-多普勒域利用多普勒频差滤波的方法来抑制间歇传输宽带干扰。

然而，在文献[47]中指出以上陷波滤波器的缺陷在于，当滤波器的零陷宽度超过波形的2%那么将会导致空间分辨率的下降，同时导致波形旁瓣水平的下降。为了降低这个缺陷的影响，文献[48-51]介绍了几种通过建立相干SAR数据对的互信息来设计关于谱估计的信号重构算法。

图6 PALSAR实测数据陷波滤波器干扰抑制性能[40]Fig.6 Interference suppression performance of the notched filter on PALSAR real data[40]

自适应滤波器主要原理是在合适的作用域(如时频域、空域等)中构建一个自适应滤波器，将真实信号与干扰分离，但应用的主要对象仍然是窄带压制干扰。最出名的用于窄带干扰抑制的自适应滤波器是最小均方(Least Mean Square,LMS)滤波器，其在收敛速度、稳定性、计算复杂度和自适应等各方面有很好的折中。Le等人[52,53]首先在时域建立LMS滤波器(Time Domain LMS,TDLMS)从宽带的NASA AirSAR数据中抑制多组静止和非静止的窄带有源干扰。同时，这种时域应用的TDLMS滤波器还被应用于E-SAR[54,55]和PALSAR(the Phased Array type L-land Synthetic Aperture Radar)[56]，如图8所示是TDLMS滤波器在ALOS PALSAR实测数据中抑制干扰前后的累积频谱对比图。

图7 后验陷波滤波方法流程图[44]Fig.7 Block diagram of Posteriori Notched Filtering[44]

然而，这种TDLMS滤波器虽然能很好的抑制强干扰的主瓣，但对其强干扰旁瓣的抑制性能不太理想。对此，Lord和Inggs[57,58]改进并提出具有抑制旁瓣性能的LMS自适应滤波器。而且，TDLMS滤波器的收敛速率会受到输入信号自相关矩阵的最大和最小特征值的制约，因此，为了加速LMS滤波器的收敛，一些频域应用的LMS滤波器(Frequency Domain LMS,FDLMS)被提出[59,60]。进一步，为了加强LMS滤波器对时变干扰的抑制能力，Vu等人[61]提出一种自适应谱线增强器(Adaptive Line Enhancer,ALE)来辅助归一化的LMS滤波器对窄带射频干扰进行抑制。同时，不同于流行的LMS滤波器，Lamont-Smith等人[62]在直升机机载数据获取系统抗干扰实验中应用了自适应维纳滤波器，获得了比LMS自适应滤波器更优更快的性能，干扰抑制效果如图9所示。总的来说，自适应滤波器同样更适用于窄带孤立干扰，具有快速优秀的性能，但是其综合性能受限于时变干扰和强干扰的旁瓣，不够稳健。

子空间投影和成分分解类非参数化方法充分考虑了陷波滤波器和自适应滤波器设计中系统响应等的限制，可以有效对抗窄带、宽带干扰。我国的专家学者们在这一领域开展了开拓性的研究：西安电子科技大学的周峰教授等[63]提出基于特征值分解的子空间投影方法(Eigen-Subspace Projection,ESP)，可以有效分离信号子空间和干扰子空间，通过将接收信号投影到信号子空间获得较好的窄带干扰抑制效果，图10给出了特征分解子空间投影方法与陷波滤波器的抗干扰性能对比。

图8 ALOS PALSAR实测数据验证时域最小均方滤波器抑制干扰性能[56]Fig.8 Interference suppression performance of TDLMS filter on ALOS PALSAR real data[56]

图9 维纳滤波在低频直升机载合成孔径雷达系统对抗窄带射频干扰[62]Fig.9 Narrowband RFI suppression performance of Wiener filter on the Helicopter-borne SAR system[62]

图10 实测合成孔径雷达场景下特征子空间投影方法与陷波滤波器抗干扰性能对比[63]Fig.10 Performance comparison of ESP method and notched filter[63]

同时，周峰教授[64]假设干扰与真实信号统计独立，采用独立成分分析方法(Independent Component Analysis,ICA)来抑制窄带干扰。进一步考虑，周峰教授等人[65]利用复数经验模态分解(Complex Empirical Mode Decomposition,CEMD)来将信号分解成一系列本质函数来实现窄带干扰与真实信号分离。而基于短时傅里叶变换，西北工业大学的陶明亮副教授[66]率先提出一种独立空间分析方法，首先利用子空间投影来提取对应于窄带射频干扰的显著特征，并基于此信号再采用独立成分分析方法对各窄带干扰做进一步的提取。在此基础上，陶明亮副教授等人[67]进一步提出了抑制宽带干扰的子空间投影方法，通过短时傅里叶变换在2维距离时频域分离真实回波子空间和干扰子空间，图11给出了宽带干扰影响下2维距离时频域子空间投影方法与1维距离频域陷波滤波器以及2维距离时频域陷波滤波器的对比。总体来说，子空间投影和成分分解类非参数化方法可以在一定程度上避免滤波器系统的限制，但是非参数化算法理论更适用于干扰较强的情况，在干扰较弱的情况反而会失效，因此，该类算法在时变复杂干扰环境下不够稳健；同时，雷达真正接收的信号是干扰、真实回波和噪声的组合，非参数化算法仅考虑了干扰的特征，缺乏对真实回波的约束，从而无法对其进行有效保护。

3.1.2 参数化干扰抑制方法

不同于非参数化方法，参数化方法是通过建立干扰信号的参数化模型，估计模型参数以达到估计并提取干扰的目的。参数化方法普遍适用于孤立单一类型干扰，即第2.1部分中所提的几类经检验有数学模型的干扰。现有方法针对窄带和宽带干扰建立了一系列干扰信号模型，主要包括：1995年美国陆军研究实验室的Miller等人[68]基于窄带射频干扰先验信息来估计正弦模型参数并利用最小二乘算法恢复真实信号；国防科技大学的黄晓涛教授和梁甸农教授[69,70]提出一种渐变RELAX方法来估计窄带干扰的正弦信号模型参数，则定义接收信号为

其中，A=[a(f1)a(f2)···a(fK)],a(fk)=[1 exp(j2πfkts)··· exp(j2πfk(M −1)ts)]T,b(l)=[β1(l)β2(l)···βK(l)]T表示第l个脉冲的复振幅。而正弦信号逼近接收信号并估计其参数可以通过最小化两者之间的差，即

图11 宽带干扰下子空间投影法与陷波滤波器的2维距离时频谱对比[67]Fig.11 Performance comparison of the ESP method and notched filters for wideband interference[67]

在此基础上，西安电子科技大学的杨志伟教授等人[72]进一步利用IAA和短时傅里叶变换估计孤立宽带干扰的频率，再利用正交子空间投影来抑制干扰。Djukanovic等人[73,74]提出两类高阶模糊函数估计方法来用多项式拟合估计干扰的相位参数；西北工业大学的张双喜副教授等人[75]提出利用小波变换和短时傅里叶变换来分析窄带和宽带干扰在2维距离时频域的特性。

总体来说，参数化模型适用于孤立单一类型干扰，可以对每个方位采样时间(单脉冲)下的孤立干扰参数进行估计，但其通过逐脉冲迭代估计干扰模型参数，计算复杂度高。与非参数化方法相似，参数化干扰模型同样没有考虑真实回波信号的特征，缺乏对其的保护。

3.1.3 半参数化干扰抑制方法

图12 IAA方法迭代估计窄带干扰正弦信号参数[71]Fig.12 Narrowband interference sinusoidal parameter estimation with IAA method[71]

最近几年，随着信息处理理论的快速发展，很多复杂的信号分离问题都可以转换成超参数的优化问题来求解。2014年美国陆军实验室Nguyen等人[76,77]从稀疏重构理论的角度出发，率先提出一种半参数化抑制问题，该方法通过求解如下优化问题实现窄带射频干扰的提取

其中，y(l)表示第l个脉冲的接收信号，x(l)=DSARαl表示第l个脉冲的真实信号，DSAR表示合成孔径雷达真实信号的稀疏字典，αl表示稀疏系数；同样i(l)=DNBIel表示第l个脉冲的干扰信号，DNBI表示窄带干扰的稀疏字典，el表示干扰字典下的稀疏系数。通过求解式(14)中的稀疏重构优化，干扰抑制效果如图13所示。

受到手机网络影响，学生群体求知方式发生改变，很多知识点网上搜索一下就有，学生不引起重视。老师布置作业，学生多数依葫芦画瓢，并没真正掌握写作要领，往往在日后工作中碰壁。

但是逐脉冲迭代求解式(14)中的优化问题，其计算复杂度比参数化方法逐脉冲迭代估计模型参数还要高。重庆邮电大学的刘宏清教授等人[78,79]在距离时频域利用相似的稀疏表示重构算法分别抑制窄带射频干扰和宽带干扰，具有相似的计算复杂度，不过将稀疏重构算法扩展到宽带干扰，为后续算法的设计提供了新的思路。随后，Nguyen等人[80-82]又提出利用稳健主成分分析方法(Robust Principal Component Analysis,RPCA)来通过低秩恢复稳健对抗窄带射频干扰，其优化问题可以表示为

图13 美国陆军研究实验室的稀疏恢复半参数化方法抑制射频干扰[76]Fig.13 Sparse recovery semi-parametric method for RFI suppression by US Army Research Lab[76]

总体来说，半参数化方法不仅利用优化模型来约束干扰，同时还在优化模型中保护了真实信号，故理论上其抗干扰性能要优于前两种方法。但是其抗干扰性能的优劣取决于超参数取值和优化模型的选取。3类压制干扰抑制方法的优缺点对比如表1所示。

3.2 欺骗干扰抑制技术

欺骗干扰的信号强度与真实回波类似，其主要特点是在合成孔径雷达成像过程中形成具有迷惑性的虚假目标，能够与合成孔径雷达图像较好地融合，具有极高的隐蔽性。不同于压制干扰，欺骗干扰在多个表征域均具有与合成孔径雷达回波高度相似的特征，对其干扰抑制的难度较大。根据合成孔径雷达系统的通道特性，本文将欺骗干扰抑制技术分为多通道和单通道合成孔径雷达系统欺骗干扰抑制技术两方面来介绍。

3.2.1 多通道合成孔径雷达系统欺骗干扰抑制技术

多通道合成孔径雷达系统能够提供更多的空域自由度，是一种常用的欺骗干扰抑制手段。由于多个通道各自位置的不同，它们接收到的合成孔径雷达回波之间存在固定的相位偏差。虽然干扰机能够通过多普勒调制产生大场景虚假目标，但由于其发射位置固定，欺骗干扰在多个合成孔径雷达通道中的相位偏差随着虚假场景的变化而变化，与合成孔径雷达回波之间存在明显差异。因此，可以利用多通道之间的固定相位差构造导向矢量[89]，通过空时自适应处理(Space Time Adaptive Processing，STAP)技术在不同通道之间进行干涉相消[90-92]，达到抑制欺骗干扰的目的。文献[92]还进一步讨论了关于直达波和散射波欺骗干扰的抑制方法，针对直达波欺骗干扰，可以基于慢时间域的空时自适应处理技术，利用真实信号与欺骗干扰在空间-慢时间的统计特性差异，实现对直达波欺骗干扰的抑制，如图15所示；对于散射波欺骗干扰，由于地面大范围被照射区域的漫反射，多径干扰形成的散射波信号在方位向严重扩展，并且其统计特性随慢时间变换，导致干扰的慢时间过程是非平稳的，此时慢时间STAP的干扰抑制能力有限，文献中采用快时间域的STAP处理方法，通过通道、快时间采样数据的协方差矩阵求得最优权值来对每一个脉冲进行滤波，抑制散射波欺骗干扰，其干扰抑制后图像对比原始图像的方位向和距离向切片如图16所示。此外，与多通道相结合的多极化技术也可以提供类似的相位差异特征[93]，采用多普勒域对消的方法同样能够有效地抑制欺骗干扰。

3.2.2 单通道合成孔径雷达系统欺骗干扰抑制技术

图14 张量理论半参数化干扰抑制方法性能[88]Fig.14 Performance of tensor theory semi-parametric interference suppression method[88]

表1 现有抗单一类型孤立干扰方法优缺点对比(*表示最优)Tab.1 Comparison of isolated interference suppression methods(* denotes optimal)

图15 多通道直达波欺骗干扰抑制效果[92]Fig.15 Direct-path deceptive jamming suppression performance[92]

图16 仿真数据快时间STAP的欺骗干扰抑制性能对比原始图像[92]Fig.16 Fast-time STAP deceptive jamming suppression performance via simulated data[92]

因此，考虑到这个问题，许多学者基于单通道、固定波形的基本合成孔径雷达系统模型，证明在这种合成孔径雷达成像平台中同样能够实现有效的欺骗干扰抑制。其中Luo等人[102]基于单通道合成孔径雷达系统提出了发射单一波形解决低分辨率量化的欺骗干扰问题，但是实际上，低量化精度的假设并不是欺骗干扰的难点。由于发射了单一波形，并且仅有单通道可以利用，其空间和时间自由度都很有限，针对这一复杂问题，深圳大学的赵博博士等人将其分成几个子问题来考虑。首先，文献[103]通过建模分析真实回波和转发式欺骗干扰的本质机理，具体如2.2部分所述，利用直方图匹配距离(Histogram Match Distance,HMD)来增强真实回波和欺骗干扰的微分特征，以此在合成孔径雷达图像中对欺骗干扰产生的虚假目标区域进行标识，其干扰辨识效果如图17所示。

其次，对于人造的真实目标合成孔径雷达影像的重要信息，欺骗性干扰通常设计得很好，有更多细节[104]，这增加了欺骗性干扰识别的难度。为了解决这个问题，笔者提出了一种动态合成孔径(Dynamic Synthetic Aperture,DSA)的概念[105]，并利用其稀疏属性欺骗性地阻塞目标进行重构。但是，在初步的DSA(introductory DSA,iDSA)方法中，方位角需要超分辨率预处理，在重建前估算可行区域的范围，导致算法性能依赖于超分辨率估算结果。而且，由于iDSA方法的优化问题仅考虑幅度，但忽略相位和旁瓣，因为散射体接近导致重建结果性能下降。为了解决这个问题，赵博等人[106]在文献将散射体的相位和旁瓣考虑用于字典的构造，使我们获得更好的重建结果并同时实现超分辨率。此外，一种多DSA(Multi-DSA)方法用于确保提出算法的稳健性，并在此基础上进一步利用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)提高干扰抑制的效率[107]。最终，传统的抗欺骗干扰性能合成孔径雷达系统得到改进而不会引起额外显著花费。另一方面，通过使用在时频域中真实合成孔径雷达回波与欺骗性干扰之间的差异，所提出的方法能够即使欺骗干扰技术改善也能正常工作，重构恢复的真实回波和欺骗干扰如图18所示。

4 研究趋势展望

通过第3节对合成孔径雷达对抗压制干扰和欺骗干扰方法的详细梳理和介绍，可以看出，面对如今复杂多变的电磁环境，尽管很多文献针对具体的应用场景、任务建立了不同的目标函数与约束条件，并提出不同的优化算法，但这些研究都存在不足，仍有继续改进的空间。本文认为合成孔径雷达抗干扰有以下重要的发展趋势：

(1)干扰检测及统计特性分析方面：现有有源干扰抑制方法几乎全都是假设已经存在干扰的前提下，仅有少量文献有提及设置自适应门限来确定是否存在干扰，若不存在干扰则没有必要采用任何干扰抑制方法，如文献[67]中提到的利用尼曼-皮尔森引理通过虚警门限确定干扰是否存在。据笔者有限的知识，通常此类自适应门限的方法仅能用来确认干扰比真实信号能量强很多的情况，目前尚未有学者专门针对不同类型的干扰进行统计分析。这也是由于干扰种类错综复杂，其统计特性难以衡量导致。笔者认为需从大量的干扰数据中建立干扰的统计先验库，针对某一类干扰样式分析其统计特性。

(2)大数据背景下合成孔径雷达干扰抑制技术：合成孔径雷达抗干扰技术本质的处理对象仍是数据，数据驱动类的信息处理框架在几乎所有计算机视觉和自然语言处理等应用中都取得了最优的性能，而干扰环境的日趋复杂，干扰样式的日趋多样必将导致雷达接收、探测、获取、利用的数据量急剧上升，大数据背景下的合成孔径雷达干扰抑制技术应运而生。许多文献已经针对具体的干扰类型做了诸多尝试，但若仅直接应用这些数据驱动类方法，在实际应用中的可靠性能仍然是值得商榷的。因此，如何较好的运用大数据时代的产物，最后能够落地到实践应用的技术，是未来的一个主要趋势。

图17 单通道合成孔径雷达系统复杂场景欺骗干扰辨识效果[103]Fig.17 Deceptive scene recognition for single-channel SAR system[103]

图18 单通道合成孔径雷达欺骗干扰污染场景重构结果[107]Fig.18 Reconstruction of the deceptive jamming polluted scene for single channel SAR system[107]

(3)自主干扰认知与动态对抗博弈：对于刻意而为的有源欺骗干扰，其目的性与针对性更强，且会从对抗突防的角度出发引入多样的对抗手段，为欺骗干扰的抑制带来了严峻的挑战。而在合成孔径雷达欺骗干扰抑制的应用中，也不存在一劳永逸的抗干扰方法能够应对各种欺骗干扰突防策略。因此，干扰抑制与欺骗干扰是在相互竞争中交替发展的。为了在对抗中争取主动权，合成孔径雷达成像中的欺骗干扰抑制方法一方面需要具备自主认知能力，能够自动发觉当前欺骗干扰方法的弱点，以便寻求最有效的欺骗干扰抑制手段；另一方面，欺骗干扰与抗干扰手段的逐渐丰富，对抗的双方得以根据对方的对抗手段实时地调整己方策略，从而使得对抗成为一个动态的博弈过程，从而具备了更高的自由度与更多的可能性。如果加强欺骗干扰抑制系统的自主认知能力，在动态博弈中占据主导地位，是合成孔径雷达抗欺骗干扰技术面临的一个重要问题。

5 结束语

本文对合成孔径雷达抗干扰的理论与方法进行了总结和归纳，从多方面梳理了对有源压制干扰和欺骗干扰的对抗思路，分析了一些常见的干扰优化对抗的方法和准则，并基于合成孔径雷达体制和干扰特性，介绍了合成孔径雷达抗干扰的研究进展。通过分类梳理，方便研究者了解和掌握合成孔径雷达对抗压制干扰和欺骗干扰的研究动态，理解研究内容。最后本文指出了该领域未来可能的发展趋势，为研究者挖掘潜在的研究课题和定位新的研究方向提供参考和思路。