无线电引信抗箔条干扰综述

刘景萍，韩可冬，刘斌，周琳

（南京理工大学 电子工程与光电技术学院，南京 210094）

无线电引信是利用电磁波环境信息感知目标，并在距目标最佳炸点处引爆战斗部的一种近炸引信[1]。在第二次世界大战时，国外就已经开始研制及应用无线电引信。实践表明，导弹装上引信后，能更有效地摧毁目标，因此无线电引信被广泛应用于杀伤概率要求较高的武器系统中。我国在20 世纪80、90 年代，军工企业通过引进国外生产线，借鉴国外产品资料，基本具备了自主设计、生产集成电路式无线电引信的能力[2]。发展至今，无线电引信已经将多种技术融合，多用途引信、弹道修正引信、毫米波引信等得到了广泛应用[3]，有效提升了弹药的射击精度和毁伤效果。随着无线电引信的飞速发展，针对无线电引信的干扰方式也越来越多，且越来越有效。有数据统计表明，在越南战争中，美军采用了多种电子对抗措施，一度令地空导弹的杀伤概率降到2%，防空火炮的杀伤概率更是只有0.5%[4]。对于无线电引信的干扰方式可以分为有源干扰和无源干扰。无源干扰指干扰源不主动辐射电磁波，而是通过反射电磁波，使引信发出错误起爆信号或漏爆。近年来，无源干扰技术凭借其操作简单、能适应多种战场环境且造价低、设备技术要求不高、干扰效果明显等优点[5]，应用更加广泛。箔条是无源干扰中最常用的一种材料，它价格低廉、使用方便，具有良好的干扰效果。针对箔条干扰，目前无线电引信采取了相应的抗干扰措施。

1 箔条的应用现状

箔条是无源干扰技术中应用最早，并且效果最好的干扰器材。IEEE 对箔条的定义是：一种轻型的空中反射目标云，通常由铝箔条或涂覆金属的纤维所组成，能在一定的空间范围产生干扰回波[6]。在第二次世界大战时，英国就使用了大量箔条来干扰敌军的雷达，使敌军遭受严重的打击。在第四次中东战争中，以色列军舰使用了箔条干扰设备，导致敌方发射的50 枚反舰导弹无一命中目标。1988 年，美国在与伊朗的海战中，通过发射多枚箔条弹，成功诱导伊朗反舰导弹偏航。1991 年，在第一次海湾战争中，仅美A-10 飞机就发射了355 381 枚箔条弹[7]。箔条干扰实战如图1 所示。由于箔条在近现代战争对抗中特别有效，箔条开始被广泛研究及应用。美国三军飞机使用的诱饵洒布系统AN/ALE-47 如图2 所示。飞机在被导弹锁定跟踪后，会施放箔条弹形成箔条云，然后根据自身运动状态和威胁信息做切向机动。由于箔条弹散开后的雷达截面积远大于飞机的雷达截面积，导弹最终会转跟箔条[8]。

图2 AN/ALE-47(V)机载对抗投射系统组件Fig.2 AN/ALE-47(V) airborne counter projection system components

在空中作战时，箔条的应用可以分为以下几类[9]：布设干扰走廊，形成长掩护带；迷惑，在大范围内投放箔条，使得敌方引信无法识别目标；欺骗，利用箔条形成假目标使引信误炸。在海面作战时，箔条干扰一般采用2 种作战方式：冲淡干扰方式和质心干扰方式[10]。目前典型的箔条干扰发射系统有：英国的“乌鸦座”诱饵发射系统、俄罗斯的PK-2、PK-10 和PK-16系统、美国的MK 36 SRBOC 型无源干扰发射系统和MK 33 RBOC 型无源干扰发射器及法国的“达盖2 型”无源干扰发射系统等[11]。一些典型的干扰发射系统如图3 所示。箔条在地面的作战时，主要是通过大量抛洒箔条形成屏障，以达到掩护地面车辆、阵地等设施的目的。

图3 典型的箔条干扰发射系统Fig.3 Typical chaff interference launching system: a) British Corvus decoy launch system;b) Russian PK-2 Passive interference transmission system

2 抗箔条干扰现状

如何有效地对抗箔条干扰是当前待解决的问题。针对这一问题，国内外的科研院所都开展了相关研究，但国外关于对抗箔条干扰研究的公开报道较少。从国内现有的公开资料看，目前抗箔条干扰技术大概可以分为六大类：基于频谱展宽、极化特征、多普勒差异、回波信号特征、距离像、稀疏表示等抗箔条干扰方法。

现有研究大多是利用识别的方法抗干扰，但当出现目标和干扰不可分辨的情况，识别的方法不再适用[12]。其中，对抗箔条冲淡式干扰是在目标和箔条干扰可分辨条件下，通过目标与箔条的特性差异来完成箔条干扰的识别[13]；对抗箔条质心式干扰是在目标和干扰不可分辨条件下，通过极化滤波、极化对比增强、多重MTI 滤波和小波变换滤波等方法提取目标信号，实现抗箔条干扰。

2.1 基于频谱展宽的方法

箔条弹在空中炸开后，箔条会受到风力和重力的作用，使其在水平方向和竖直方向的速度随时间发生变化，直到箔条达到受力平衡后，箔条开始匀速运动，箔条云处于相对稳定的状态，一般称此时的运动状态为“平动”。箔条还会绕某一固定轴做旋转运动，称为“锥动”。由于箔条的平动和锥动，箔条云回波信号的频谱存在搬移与展宽现象[14]，如图4 所示。目标回波信号的频谱不存在这一现象，因此可以区分箔条和目标。

图4 箔条云回波频谱展宽现象Fig.4 Chaff cloud echo spectrum broadening phenomenon

通过直接法谱估计和AR 参数模型谱估计可以验证该方案的可行性。直接法谱估计需要先对样本数据进行傅里叶变换，进而求出其功率谱，即：

式中：x(n) 为采样后的接收信号；N为采样个数。为了减小误差，一般需要对样本进行加窗处理。直接法谱估计流程如图5 所示[15]。

图5 直接法谱估计流程Fig.5 Flow chart of direct spectral estimation method

AR 参数模型谱估计是一种自回归模型，它采用如下的差分方程来表示样本序列：

式中：e(n)是均值为0、方差为σ2的高斯白噪声；p为AR 模型阶数；ap(i)为模型的参数。将x(n)看作白噪声通过模型后的输出，根据式（3）推得功率谱如式（4）所示。

一般根据最终预测误差（FPE）准则来选择AR模型的阶数p，通过求解Yule-Walker 方程来计算模型参数和σ2。

尚炜等[16]分别用2 种谱估计法进行了仿真，证明了箔条的回波频谱具有展宽现象，因此可以根据此现象来识别箔条和目标。他还比较了直接法谱估计和AR 参数模型谱估计的性能，结果表明，AR 参数模型谱估计的建模复杂度较高，但是它的谱分辨率要高于直接法谱估计。此外，有研究者通过对比AM 和FM 的频谱宽度，发现目标和箔条干扰有显著差异，将调幅带宽和调频带宽输入到BP 神经网络后，解决了箔条内是否有目标的问题，对目标和箔条的识别率可达到90%[17]。李尚生等[18]考虑了箔条的锥动和平动对回波信号频谱的影响，建立了箔条云回波信号模型。结果表明，舰船目标回波信号的频谱展宽幅度要远小于箔条云回波信号的频谱展宽幅度，与实测结果相符，通过回波信号频谱展宽大小来区分舰船目标与箔条干扰是可行的。王丹[19]通过对回波信号的谱分析、恒虚警处理之后，对信号的功率谱进行了判断，计算信号的谱宽Wn，并与设定的门限Tn比较，如果检测到的Wn超过Tn，就认为该信号是箔条云回波，否则就认为是目标舰船回波。处理流程如图6 所示。成思文等[20]同样根据舰船与箔条在频谱上的差异，提出了利用箔条频谱展宽特性通过谱检测算法识别箔条干扰，并通过仿真验证了该方法的有效性。

图6 利用频谱展宽效应抗箔条处理流程Fig.6 Flow chart of anti-chaff processing by spectrum broadening effect

2.2 基于极化特征的方法

极化是电磁波除幅度、频率和相位之外另一个可利用的重要属性，不同的目标具有不同的极化特性。根据目标和箔条云是否在同一引信分辨单元，极化方法可以分为极化识别和极化滤波/对比增强2 类，前者适用于目标和箔条云在不同的引信分辨单元的情况，如采用极化比、极化角特征量，后者适用于目标和箔条云在同一引信分辨单元的情况。

李尚生等[21]通过3dsMAX 软件建立了飞机目标和箔条云的三维模型，然后导入电磁仿真软件FEKO计算雷达在不同极化方式和不同角度下目标和箔条云的回波极化信息[21]。研究表明，箔条云的极化比均值远小于飞机目标的极化比均值，极化比平均值相差1 个数量级。因此，可以通过极化比特征量识别飞机和箔条云。由于箔条和目标极化比特征量差异明显，章力强等[22]设置了双门限检测的方法识别箔条干扰，极化比识别与抑制过程如图7 所示。Th为极化比的判别门限，根据实际情况设置其数值大小。在1 个检测周期内，当回波脉冲数N1大于标准M1时，判断目标为箔条假目标；N2大于标准M2时，判断目标为真目标。他们通过仿真证实了箔条假目标和舰船目标具有明显不同的去极化特性。吴盛源等[23]针对均匀取向箔条云，将共极化比绝对值和垂直共交极化比绝对值构成极化参数集作为鉴别量，仿真得到单一极化比的鉴别量的鉴别率均低于85%，而以极化参数集为鉴别量的鉴别率能达到95%以上，能实现对箔条假目标的有效鉴别。

图7 极化比识别与抑制流程Fig.7 Polarization ratio identification and suppression process

上述极化比方法适用于普通的箔条干扰，其箔条取向随机，随着箔条加工技术的发展与进步，配重箔条应运而生。为识别配重箔条干扰，李金梁等[24]修正了原有极化比的识别特征量，选取同极化通道和交叉极化通道的极化比的最小值，即：

改进后的方法不仅适用于普通的箔条干扰，也适用于垂直取向的箔条干扰，具有更强的适用性，识别率均达到90%以上。然而箔条在大气中会受到重力、阻力、气流和飞机尾流等各种因素的影响，上述研究存在一定的局限性。张帆[25]考虑箔条平动和转动等运动对箔条回波信号的影响，分析了随机取向箔条的极化特性，修正了极化散射矩阵，重新定义了交叉极化比，提出了一种改进的极化信息抗箔条干扰方法。新的交叉极化比为：

根据空气动力学可知，不同取向箔条的下降速度不同，垂直取向最快，水平取向最慢，其他取向介于两者之间，利用干涉原理可以获得目标的高度维信息。李永祯等[26]提出用特征识别量ρ衡量箔条云和目标的极化特性差异，从而提出一种基于分层极化特性的箔条云干扰识别方法，并进行了大量理论分析和仿真实验，结果表明，所提方法可以有效地识别箔条干扰。

当目标和箔条云在同一引信分辨单元的情况，如引信受到箔条质心干扰时，可以采用斜投影极化滤波技术实现目标极化已知而箔条极化未知的干扰抑制[27]。该方法可以有效地抑制箔条干扰，提取出有用的目标信号。

杨勇等[28]提出了在不事先知道目标和干扰偏振参数的情况下，利用偏振斜投影来抑制箔条质心干扰。首先，通过理论推导和几何解释证明了偏振斜投影后的干涉信号比和同相单脉冲比误差与目标偏振参数的估计误差无关，然后利用接收信号直接估计出箔条质心干扰的极化参数，利用估计的干扰极化参数和随机设置的目标极化参数构成极化斜投影算子，通过该算子抑制了箔条质心的干扰，实现抗箔条干扰，并通过蒙特卡罗仿真验证了所提方法的有效性。李金梁等[12]针对目标和干扰不可分辨的情况时，提出了基于极化对比增强抗箔条质心干扰的方法。极化对比增强可以增大目标和干扰的能量对比，在一定程度上起到抗质心干扰的效果，其抑制质心干扰的效果与质心干扰和目标的极化特性差异的程度有关，二者的差别越显著，抗干扰的效果越好。

以上关于极化比的研究均表明，箔条云的极化比均值远小于飞机或舰船目标的极化比均值，为后续进一步抗箔条干扰研究奠定了基础。当接收信号为单独箔条云或飞机目标回波信号时，可以识别，但当接收信号为箔条云和飞机目标的混合回波信号时，无法识别。此时可以通过极化滤波技术滤除箔条干扰信号，提取出有用的目标信号，实现抗箔条干扰。

2.3 基于多普勒差异的方法

箔条运动扩散的速度和目标的速度有较大差距，对应其多普勒频率存在差异，因此可以通过研究多重动态目标指示技术，分析箔条云干扰的形成原理和信号特征，从多普勒维实现箔条干扰的目标识别方法。徐光耀等[29]、董洁等[30]均设计了多重MTI 滤波器，3抽头的多重MTI 算法结构如图8 所示。多重MTI 滤波器在一些特定的多普勒频率处会提供足够的增益，并行处理多个MTI 滤波器，以检测目标相对于箔条云的多普勒频率差，当在正确的多普勒频率差处积分时，可以检测出目标而消除质心式箔条干扰[29]。

图8 多重MTI 算法结构Fig.8 Multiple MTI algorithm structure

通过仿真对比发现，未经处理的图像无法区分目标和箔条干扰，目标回波与箔条回波的信干比约为7 dB。经过处理后的图像中，箔条干扰基本消除，目标回波与箔条回波的信干比约为18 dB，但是目标回波也有2～3 dB 的损耗。该算法可以改善目标回波信号，基本滤除质心式箔条干扰，从而实现引信抗箔条干扰，但其实时性还需要提高，并且未立足实际应用。

刘博针等[31]对舰载冲淡式箔条干扰和质心式箔条干扰分离期2 种情况，分析了宽带相参雷达舰船目标回波与箔条回波的区别，提出了回波距离–多普勒二维像扩展因子和能量均匀度2 个特征指标对舰船和箔条进行区分，结合实际应用环境，设计了抗箔条干扰算法。对实测数据的处理结果表明，箔条识别率可以达到99.7%，验证了抗箔条干扰方法的有效性，但该方法在实战情况下的抗干扰性能还有待进一步测试。

2.4 基于回波信号特征的方法

目标回波和箔条回波具有不同的回波特性，基于此可以得到一些抗箔条干扰的方法。由于经过小波变换后的目标回波信号比箔条回波信号得到的小波变换系数相关性会更好，且相关时间更长，因此可以通过回波信号的关联度来检测箔条干扰信号[32]。式（7）为回波小波变换后的相关函数，其中Djf(n)为小波系数，f(n)为包含目标信息s(n)与箔条信息w(n)的回波信号。

然而，仅仅将信号做小波变换对噪声的滤波效果不太好，因此在小波变换的基础上，需要设立门限值，分别对显示信号高频信息的细节系数与显示信号低频信息的逼近系数进行滤除[33]。仿真结果表明，小波变换可以有效滤除混合在目标信号中的箔条干扰信号，实现抗箔条干扰。

除小波变换外，目标回波和箔条回波还可以通过比较灰色关联度的差异，对箔条干扰进行鉴别[34]。首先，对每个周期的回波信号进行采样，用式（8）计算第i个周期与第i+1 个周期的回波信号的灰色关联度。其中，设第i个周期信号的回波为序列X，第i+1个周期的回波为序列Y，则X与Y的关联度为：

式（8）可反映第i个周期与第i+1 个周期回波序列的相似程度，为消除随机性，还需对所有周期的回波信号都进行关联度计算，可得到平均关联度

按照灰色关联度的定义可知，当几何形状上越相似时，关联度会越高。对于箔条云和舰船目标而言，舰船目标的值会更高，因此只需设置合理的目标检测门限，就可以将二者区分开。通过仿真表明，舰船目标的灰色关联度高于箔条，且更加稳定，因此该方法在理论上是可以将舰船目标与箔条云区分开的。

除对信号进行时域处理后辨别目标回波和箔条回波，还可以利用时域、频域和联合时频域几何矩进行模式的特征提取，并用多层感知神经网络进行识别[35]。黄靖涵[36]使用基于机器学习的方法进行了抗箔条干扰，利用实测得到的箔条、目标数据和仿真得到的数据，构建了应用于卷积神经网络和支持向量机训练、验证、测试的相应数据集，分别基于CNN 与SVM 完成了3 类特征分类识别的训练和测试。结果表明，CNN 模型识别率基本在80%以上，SVM 模型识别率基本在70%以上，能够有效完成箔条与目标的分类。王湖升等[37]在箔条干扰的条件下，完成了距离–多普勒成像后，进一步完成了聚类、特征提取和机器学习分类器对抗识别。通过理论分析和实测数据表明，该方法能够准确地识别箔条和目标，抗干扰性能良好。

2.5 基于距离像的方法

在距离分别率比较高时，目标的一维距离像中包含了目标的几何形状和物理特性等细节信息，而目标（如飞机，舰船等）与箔条云的细节信息差异较大，因此可以从目标与箔条云的一维距离像中提取特征来进行识别。

引用熵的概念来表征目标和箔条的距离像分布情况，设{S(l),l＝1,2,…,N}为回波信号的一维距离像序列，则S(l)的波形熵可以表示为：

式中：S(l)为归一化后的一维距离像序列。式（10）反映了距离像的离散程度。若物体的散射中心分布较为集中，则熵值较小；若散射中心能量分布较为分散，则熵值较大。波形熵值体现了散射体的分布情况。将奇异值分解与波形熵结合，对距离像进行分析，可以提高波形熵识别方法的稳定性。目标和箔条干扰熵值特征分布如图9 所示[7]。其中，图9a 为箔条和目标的波形熵，图9b 为对目标和箔条干扰的奇异谱熵进行Kruskal-Wallis 非参数统计分析后得到的统计箱。

图9 熵特征Fig.9 Entropy characteristics: a) waveform entropy;b) singular values of entropy

此外，可以基于箔条云和目标回波距离像的形状不变性、对称性，对比相邻回波的距离像的差异，进行箔条云和目标的识别[38]。在信噪比较高时，基于舰船与箔条回波在时频域上的稀疏性，识别箔条云的效果较为良好[39]。基于目标和箔条干扰的不同次数回波的一维距离像之间相关性的不同，使用BP 神经网络进行特征学习，也可以识别箔条干扰[40]。可以利用深度神经网络对一维距离像进行特征提取，同时使用经典子空间方法提取一维距离像的子空间特征[41]。

2.6 基于稀疏表示的方法

基于冗余字典的稀疏表示是研究的核心之一，稀疏表示的关键是稀疏表示算法和字典构造。稀疏表示算法有MP、OMP 和子空间追踪等，以及基于它们的改进，如ROMP、StOMP，还有从自适应角度出发的SAMP，引入Dice 系数匹配准则改进的自适应匹配追踪算法[42]。除此之外，还有BPDN、LASSO 和FOCUSS方法等。部分常用的稀疏表示算法的对比见表1。

表1 常用稀疏算法对比Tab.1 Comparison of commonly used sparse algorithms

字典构造分为固定字典与学习字典。常用的固定字典有快速傅里叶变换（FFT）、离散小波变换（DWT）和离散余弦变换（DCT）等。常用的自适应字典有ML、MOD 和K-SVD 等。信号稀疏表示中常用的稀疏字典见表2。

表2 常用稀疏字典对比Tab.2 Comparison of commonly used sparse dictionary

基于以上原理，使用K-SVD 算法分别对目标回波信号和箔条回波信号进行学习，可以得到目标字典和箔条字典。再通过得到的自适应字典对目标信号和箔条信号分别进行重构（如图10 所示），通过比较重构误差来区分目标和箔条信号[25]。

图10 不同字典对信号的重构误差Fig.10 Reconstruction error of signal by different dictionaries: a) target dictionary;b) chaff dictionary

在训练字典时，也可以选用一维距离像数据集，同样可以得到良好的效果[43]。BPDN 算法可以消除不同信噪比下雷达回波信号中的噪声部分[44]。此外，段沛沛[45]分别提出了基于结构字典稀疏表示的目标识别算法、基于联合字典稀疏表示的雷达目标识别算法和基于双稀疏字典学习的雷达目标识别算法，相比其他类型的常规识别算法，提高了运算效率和目标识别率。李丽萍[46]通过分析雷达回波的稀疏性，结合最小功率方法，提出了一种基于稀疏表示的杂波抑制方法，并通过仿真实验论证了所提方法的可行性。朱涛[47]对基于稀疏表示的信号恢复算法以及字典学习算法展开了研究，既为某些现有算法提供改进版本或新的收敛性分析，也提出新的算法。

3 结语

无线电引信抗箔条干扰的方法众多，但仍然不够成熟，存在一些问题。目前，大部分抗箔条干扰的研究都处于理论分析与仿真的阶段，没有进行实测，因此其实用性和可靠性还需在实践中进一步检验。为了使得引信系统拥有更好的性能，往往采用复杂的信号处理技术，但同时会带来一些问题，如高成本、高计算量和存储需求，因此在设计时需要全方面考虑。

未来在抗干扰方法方面，由于神经网络强大的学习和处理能力，它在信号处理领域的广泛应用将是今后热门的研究方向，将推动抗干扰算法的发展。随着硬件、软件技术的不断进步，复合制导技术结合不同单一制导技术的优点，能提高引信的抗箔条干扰性能，也将是未来发展的趋势之一。众多抗干扰方法应进行硬件的实现，并尽可能进行实际环境的测试，做到理论指导于实践，实践服从于理论，不断地优化，推动电子对抗事业的发展。