基于一维距离像的抗干扰方法研究

郝晓军,赵宏宇,李廷鹏,陆科宇

(电子信息系统复杂电磁环境效应国家重点实验室, 河南 洛阳 471003)

0 引 言

雷达目标探测,通过匹配滤波,只要回波信号超过检测门限[1],就认为当前天线波束指向空中目标。随着射频技术的日益成熟,存储转发方式干扰[2-3],尤其是灵巧干扰对单体制雷达探测带来了极大威胁[4-5],如何有效应对此类干扰成为当下雷达设计工程师主要思考的问题。传统雷达目标检测,仅仅考虑了回波能量与门限之间的关系,可以说没有利用任何雷达目标回波的细微特征信息,笼统说属于空间盲探测,这也是存储转发式干扰能够大行其道的原因。

当然,雷达组网是一个很好的抗转发式干扰的方法[6],通过多部雷达组网协同,依据目标信息共享,可以较为容易地剔除虚假目标。但是,组网雷达硬件成本昂贵,基于回波信息点迹的相关性,判断其是否可以生成连续航迹也是一种能够很好剔除虚假目标的方法[7-9]。但是此类抗干扰措施已被大家所熟知,逼真的转发式干扰机基本都可以实现虚假航迹的模拟。要想找到对抗欺骗式转发干扰的措施,还需要另辟蹊径。

对于特定的雷达目标,由于其外形、材质等参数相对固定,因此其回波特征固定,所以基于一维距离像进行目标识别是一个很好的方法[10-11]。通过大量的先验信息让雷达去很好地学习,就可以使雷达获得不对等优势,极大提高雷达目标探测抗干扰能力,简单的转发式干扰,或者粗暴的噪声调制后转发将不能对侦察雷达造成任何威胁[12-13]。本文希望通过采用映射网络,以及调参的方法,实现单部雷达有效对抗各类欺骗干扰。

1 雷达脉冲激励信号时-频域变换

时域与频域波形可以相互转化,对于时域波形难以直接测试获取的情况下,可以先通过稳态的方法得到频域数据,然后通过逆傅里叶变换(IFFT)进而获取时域波形。

在仿真过程中,设置雷达脉冲激励信号的时长为100 ns,脉冲重复周期为200 ns,占空比为0.5。中心频率设置为6 GHz,一个完整时域周期设置10个采用点,因此时间采样间隔为1.667e-11s。脉冲时域、频域波形如图1所示。

图1 脉冲激励信号时域、频域分布

仿真过程中设置脉冲重复周期为200 ns,因此频率分辨率对应为5 MHz。根据图1可知,信号频谱能量主要集中于载频6 GHz附近。通常进行信号处理过程中,不可能对频谱全域进行处理,这里考虑1 GHz的计算带宽,在保证仿真精度的前提下,提高后续CST软件在进行雷达目标特征计算时的效率。选择脉冲激励信号载频6 GHz左右各500 MHz带宽,对脉冲频域数据进行IFFT变换,时域脉冲激励信号恢复效果如图2所示。

图2 频域截断后恢复的脉冲包络信号

由图2可见,通过合理的频谱截断后,恢复原始时域波形可行。由于频谱进行了截断处理,因此时域波形较原始时域波形有小的波纹抖动。

2 雷达目标特征调制函数

电磁波照射到雷达目标后反射,可以看做是雷达目标对照射电磁波进行了调制,这个调制函数H(t)可以通过仿真、实测等多种手段获取,本文应用CST Studio 2020进行仿真计算。仿真中,设置工作中心频率为6 GHz,带宽1 GHz,从5.5 GHz～6.5 GHz,频率扫描间隔为5 MHz,共计201个点;计算角度考虑雷达波从机头下腹部直接照射,因此设置为120°～150°,间隔1°,共计31个点;VV发射与接收。仿真设置及计算结果如图3、图4所示。

图3 战机三维建模仿真

图4 战机RCS以及角度计算示意图

由于战机物理尺寸对于计算的工作波长而言属于电大尺寸,在求解器的选择上放弃了原计划的时域有限差分法(FDTD)方法,虽然该方法可以直接获取雷达目标的时域响应波形,但是由于该方法为六面体网格刨分,对于战机这类大型目标,未知数的数量巨大,一般运算服务器无法完成此类仿真运算,这里采用频域稳态计算方法。通过频域仿真数据,利用IFFT变换,最终得到时域目标回波数据。

将CST扫频计算战机宽带雷达反射截面积(RCS)数据进行IFFT变换,可以得到战机的一维距离像,如图5所示。

图5 战机不同照射角度一维距离像

由图5中可以看出回波起伏基本在0.5 s～1×10-7s,随着照射角度的不断增大,起伏间距变小。依据图4的计算示意,照射角度越大,电磁波的照射方向越趋近于机腹位置,强散射点的间距相对靠近,因此一维距离像的距离范围压缩;不同照射角度,一维距离像都会有一个明显的强散射点突出于其他距离位置的回波,根据战机的外形尺寸分析,很可能是战机左右对称分布的进气口;当电磁波120°照射时(近似机头方向入射),强散射点的间距估计1×10-7s,粗算该机长度应该略大于15 m(战机实际尺寸大于强散射点的分布),实际战机长度为18.9 m。

3 雷达目标回波基带波形

具备雷达目标回波特性参数的前提下,可以通过时域卷积或者频域相乘的方法,得到电磁波照射情况下的战机雷达照射回波数据。假设电磁波照射信号为Sig(t),战机特性参数为H(t),经过雷达目标对照射电磁波信号的调制,雷达目标回波时域波形Echo(t)为

Echo(t)=Sig(t)⊗H(t)

(1)

变换到频域则为

Echo(f)=Sig(f)×H(f)

(2)

两个信号在频域相乘后,通过IFFT变换到时域,可得电磁脉冲照射战机后的时域回波如图6所示。

图6 不同角度雷达目标回波信号包络

不同角度的雷达目标回波作为后期深度学习的样本,进行网络参数训练。实际操作时,还需要在上述仿真雷达目标回波样本的基础上增加微小的扰动,以增强训练网络的鲁棒性。

4 存储转发假目标设计

在开始训练网络时,还需要大量的虚假目标,输入网络训练时标记为假目标,以便网络具有更强的目标识别能力。

对于雷达脉冲信号,为了增加存储转发假目标回波的逼真度,转发干扰机对接收到的脉冲信号进行多种调制,如幅度调制以及相位调制等。利用rand(·)随机函数对原始的雷达脉冲信号(见图1)进行相应调制,构建干扰信号样本集,这里仿真了100组幅度噪声调制信号与100组相位噪声调制信号。信号波形及其包络如图7所示。

图7 脉冲回波幅度、相位调制假目标

为了增强训练网络假目标的识别能力,除了对幅度、相位进行调制外,还对假目标脉冲时长做了调整,脉冲时长100 ns～200 ns。

5 基于CNN网络的目标提取

构建仿真雷达目标不同照射角度的回波基带包络数据,定义为T_Library_i(i=1…N),生成的假目标基带包络数据定义为F_Library_j(j=1…M)。

采用CNN网络进行训练,目标函数取为Max_Distance(T_Library_i,F_Library_j)(i=1…N,j=1…M)、Min_Distance(T_Library_i,T_Library_j)(i≠j)。

第一条规则考虑网络映射后,真目标与虚假目标的特征距离尽可能远离;第二条规则考虑网络映射后,真实雷达目标彼此的特征距离应该尽可能靠近。

对于测试数据Test_data,如Min_Distance(T_Library_i,Test_data)(i=1…N)≤δ,则认为是真实雷达目标回波,否则判断虚假目标不予处理。δ是程序单独设置的一个判断阈值。

通过该网络的设计,可以很好地从假目标中识别该型战机的真实回波,且该战机的空中姿态一目了然。

目前的网络设计仅对该特定一型空中目标具有较好的识别率,如果希望识别多型目标,则需要更多的训练样本,网络目标函数也需要做相应调整。

6 结束语

本文探讨了深度映射网络技术在雷达探测中的应用,核心是真实雷达目标回波的获取。然而真实场景下,由于雷达工作场景不同(多径),雷达工作状态的不稳定,可能真实目标回波的基带数据随目标姿态变化很大,这就需要大量前期数据进行积累。

在仿真的过程中也发现,当雷达采用窄脉冲激励时,比如脉冲50 ns,或者更短,雷达目标回波的特征极为明显。回波包络起伏随目标强散射点位置变化清晰可见。因此基于特征的雷达目标检测对于雷达的发射波形要求严格,可以考虑大带宽的线性调频信号作为激励。