下载文档原格式
现代电子技术Modern Electronics Technique2024年4月1日第47卷第7期Apr. 2024Vol. 47 No. 70 引 言多模态雷达是一种采用多种制导模式对目标进行探测和跟踪的雷达系统[1]。
多模态雷达利用多种不同工作模式的雷达波束，例如线性调频、相位编码等[2]，可以实现对目标的高精度、高分辨率的探测和跟踪，其可以同时具备宽带和窄带雷达的优点，提高雷达系统性能和可靠性[3]，同时还可以降低雷达系统的成本。
多模态雷达在无人驾驶、机器人、安防监控、边境防护等领域中应用较多[4]。
虽然多模态雷达作为一种先进的雷达技术，具有多种工作模式和信号形式，能够适应复杂环境和多种目标探测需求，但是其面临着更为复杂的干扰和防御问题，因此，研究多模态雷达自适应抗干扰技术具有重要意义[5]。
基于人工智能的多模态雷达自适应抗干扰优化算法许 诚， 程 强， 赵 鹏， 程玮清（空军预警学院， 湖北 武汉 430019）摘 要： 多模态雷达系统容易受到外界环境干扰，如天气条件、电磁干扰等，而这些干扰可能会影响多模态雷达数据的准确性和稳定性。
多模态雷达的抗干扰性能决定雷达的测量精度，因此，为提升多模态雷达的抗干扰能力，提出基于人工智能的多模态雷达自适应抗干扰优化算法。
该算法以多模态雷达信号模型为基础，分析距离速度同步欺骗干扰、频谱弥散干扰原理，计算欺骗干扰时雷达接收的总回波信号。
将计算的回波信号结果输入至人工智能的YOLOv5s 深度学习模型中，通过模型的训练和映射处理，完成多模态雷达自适应抗干扰优化，实现雷达欺骗性信号干扰抑制。
测试结果显示，该算法的干扰对消比结果在0.935以上，干扰输出功率结果在0.017以下，能够可靠完成多干扰和单一干扰两种干扰抑制，实现多模态雷达自适应抗干扰优化。
关键词： 人工智能； 多模态雷达； 自适应； 抗干扰优化； 频谱弥散干扰； 回波信号； 映射处理； 干扰抑制中图分类号： TN95⁃34； TN911.1； TP391 文献标识码： A 文章编号： 1004⁃373X （2024）07⁃0073⁃04Artificial intelligence based adaptive anti⁃interference optimizationalgorithm for multimodal radarXU Cheng, CHENG Qiang, ZHAO Peng, CHENG Weiqing(Air Force Early Warning Academy, Wuhan 430019, China)Abstract ： Multimodal radar systems are susceptible to external environmental interference, such as weather conditions and electromagnetic interference, which may affect the accuracy and stability of multimodal radar data. The anti ⁃interference performance of multimodal radar determines its measurement accuracy. Therefore, an artificial intelligence based adaptive anti⁃interference optimization algorithm for multimodal radar is proposed to improve its anti ⁃interference ability. This algorithm is based on a multimodal radar signal model, analyzing the principles of range velocity synchronous deception interference and smeared spectrum (SMSP) jamming, and calculating the total echo signal received by the radar during deception interference. The calculated echo signal results are inputted into the YOLOv5s deep learning model which is of artificial intelligence. By model training and mapping processing, multimodal radar adaptive anti ⁃interference optimization is completed to achieve radar deceptive signal interference suppression. The test results show that the interference cancellation ratio of this algorithm is above 0.935, and the interference output power result is below 0.017. It can reliably suppresses both multi interference and singleinterference, which achieves adaptive anti⁃interference optimization for multimodal radar.Keywords ： artificial intelligence; multimodal radar; adaptation; anti⁃interference optimization; SMSP jamming; echo signal;mapping processing; interference suppressionDOI ：10.16652/j.issn.1004⁃373x.2024.07.012引用格式：许诚，程强，赵鹏，等.基于人工智能的多模态雷达自适应抗干扰优化算法[J].现代电子技术，2024，47（7）：73⁃76.收稿日期：2023⁃10⁃10 修回日期：2023⁃10⁃3173现代电子技术2024年第47卷文献[6]为实现雷达抗干扰，针对雷达阵列中的干扰色散问题进行分析，确定其形成因素后，采用多波束联合抗干扰方法进行干扰抑制。
卫星导航接收机中窄带干扰抑制算法
卫星导航接收机是一种用于接收全球定位系统（GPS）信号的设备。
然而，在实际应用中，卫星导航接收机常常会受到各种干扰，其中最常见的是窄带干扰。
窄带干扰是指在接收机频带内出现的狭窄频率干扰信号，它会对接收机的性能产生严重影响，降低定位精度和可靠性。
为了解决这个问题，研究人员提出了一种窄带干扰抑制算法。
该算法基于自适应滤波器和频域分析技术，能够有效地抑制窄带干扰信号，提高接收机的性能。
具体来说，该算法首先通过频域分析技术对接收信号进行频谱分析，确定干扰信号的频率和带宽。
然后，利用自适应滤波器对干扰信号进行抑制，使其在接收机输出中的功率降至最小。
最后，将抑制后的信号送入解调器进行解调和定位。
该算法具有以下优点：
1. 高效性：该算法能够快速准确地抑制窄带干扰信号，提高接收机的性能。
2. 自适应性：该算法能够自适应地调整滤波器参数，适应不同的干扰信号特征。
3. 可靠性：该算法能够有效地抑制干扰信号，提高接收机的可靠性和稳定性。
窄带干扰抑制算法是卫星导航接收机中一种重要的信号处理技术，它能够有效地抑制窄带干扰信号，提高接收机的性能和可靠性。
未来，随着卫星导航技术的不断发展，该算法将会得到更广泛的应用和发展。
GPS空时自适应滤波矩阵重构抗干扰算法
杨琼;张怡;唐成凯;何伟
【期刊名称】《应用科学学报》
【年(卷),期】2016(034)004
【摘要】小快拍数、干扰移动及天线平台震动引起协方差矩阵估计误差增加,导致现有的全球定位系统(global positioning system,GPS)空时自适应滤波抗干扰算法的性能急剧下降,为此提出了一种基于矩阵重构的GPS空时自适应滤波抗干扰算法.该算法利用Capon空间谱估计方法重构干扰加噪声协方差矩阵,并对矩阵进行时域平滑得到空时滤波权值.仿真结果表明,该算法在多干扰、低信噪比、小快拍数情况下降低了阵列误差的影响,提高了阵列天线输出信干噪比,与对角加载算法和矩阵锐化算法相比提升5 dB左右.
【总页数】7页(P380-386)
【作者】杨琼;张怡;唐成凯;何伟
【作者单位】西北工业大学电子信息学院,西安710072;西北工业大学电子信息学院,西安710072;西北工业大学电子信息学院,西安710072;西北工业大学电子信息学院,西安710072
【正文语种】中文
【中图分类】TN973.3
【相关文献】
1.变步长自适应算法在GPS空时抗干扰中的应用 [J], 潘延明;卢艳娥;李思佳
2.一种变步长自适应算法在GPS空时抗干扰中的应用 [J], 董李梅
3.GPS接收机抗干扰空时自适应滤波方法 [J], 孙晓昶;皇甫堪;陈强;李刚
4.GPS抗干扰接收机空时二维自适应滤波算法的FPGA实现 [J], 刘文林;常青
5.GPS空时自适应抗干扰算法研究 [J], 王辉
因版权原因，仅展示原文概要，查看原文内容请购买。
基于空时自适应处理的GPS宽带干扰抑制技术
卢丹;冯青;吴仁彪
【期刊名称】《中国民航大学学报》
【年(卷),期】2007(025)004
【摘要】分析研究了GPS宽带干扰抑制的各种空时自适应处理算法,提出了期望信号协方差矩阵的计算方法,该方法使得最大信干噪比方法和最小均方误差方法可以实现.仿真结果表明:和无干扰的GPS接收机相比,基于空时自适应的干扰抑制技术不会引起很大的定位误差.
【总页数】4页(P1-4)
【作者】卢丹;冯青;吴仁彪
【作者单位】西安电子科技大学,雷达信号处理国家重点实验室,西安,710071;中国民航大学,智能信号与图像处理天津市重点实验室,天津,300300;中国民航大学,智能信号与图像处理天津市重点实验室,天津,300300;中国民航大学,智能信号与图像处理天津市重点实验室,天津,300300
【正文语种】中文
【中图分类】TN911.7
【相关文献】
1.基于极性变换的伪码引信宽带干扰抑制技术 [J], 张淑宁;赵惠昌;王李军
2.基于认知无线电的传输参考超宽带系统窄带干扰抑制技术 [J], 赵华;殷奎喜;邵建华
3.基于认知无线电的超宽带系统中窄带干扰抑制技术 [J], 周刘蕾;朱洪波;张乃通
4.基于FRESH算法的宽带干扰抑制技术 [J], 杨巧莲;郝云飞;郭伟
5.基于超宽带生物雷达的动态杂波干扰抑制技术研究 [J], 许兆坤;王昭昳;白思源;张杨;薛慧君
因版权原因，仅展示原文概要，查看原文内容请购买。
ＧＰＳ抗干扰接收机性能分析作者：刘文林李树洲常青来源：《现代电子技术》2008年第04期摘要：在GPS接收机的抗干扰领域，空域滤波算法(自适应调零)是目前应用最广泛的方法，空一时二维自适应滤波算法是目前最先进的方法；而在抗干扰接收机的天线阵型中，线形阵和圆形阵是比较常用的2种阵型。
介绍空域滤波和空一时二维自适应滤波这2种算法的基本原理，用对2种算法做了仿真，并做性能分析；同时对空城滤波应用线形天线阵和圆形天线阵进行仿真，并做出性能分析，最后得出结论。
关键词：抗干扰；空域滤波；空－时自适应；GPS中图分类号：TN850文献标识码：B文章编号：1004—373X(2008)04—118—031 引言作为一种通用的定位系统，GPS具有其他导航设备无可比拟的优越性，人们对其重视程度也日益提高。
目前，GPS的相关研究主要涉及2个方面：一方面研究己方作战时能否有效利用GPS，另一方面研究如何破坏或干扰对方对GPS的正常使用。
因此，研究GPS系统的抗干扰技术，有十分重要的意义。
目前，比较流行的GPS抗干扰技术主要有自适应调零(空域滤波)和空－时二维自适应滤波等方法；天线阵列主要有线阵和圆阵等阵型。
2算法原理2.1 自适应调零算法2.2 空－时二维自适应算法如图2所示：阵列的阵元数为M，信号分别经过射频前端、A／D、I＆Q采样后进入系统，每个阵元含有N个时间延时单元。
这M×N个数据分别与M×N个权值相乘，求和后送GPS接收机。
这里求权值时，为了保证处理的效果，需要积累一定的数据量，所以数据采取分段输入的方式，权值分时段更新。
由于需要2次矩阵求逆，运算量较大，因而权值更新较慢。
该方法为空一时域的联合算法：阵列的阵元数为M，每个阵元含有N个时间延时单元。
信号经过M个天线组成的天线阵进入系统，这里为了保证处理的效果需要积累一定的数据量，所以数据采取分段输入的方式，数据段的长度为L，即每次输入L次采样的数据处理。
基于软件接收机的卫星导航抗干扰天线性能评估方法基于软件接收机的卫星导航抗干扰天线性能评估方法一、引言随着卫星导航（如GPS、北斗等）在日常生活和商业应用中的广泛应用，导航系统的安全性和可靠性变得至关重要。
然而，天然和人为的干扰信号对卫星导航系统的正常运行产生了挑战，因此研究和评估导航系统天线的抗干扰性能变得尤为关键。
本文将介绍一种基于软件接收机的卫星导航抗干扰天线性能评估方法。
二、软件接收机基本原理软件接收机是一种利用计算机软件实现雷达、无线电、卫星导航等信号接收和处理的技术。
其基本原理是将天线接收的信号通过电路转换成数字信号，并由计算机进行数字信号处理和解调。
软件接收机具有灵活性高、可配置性强、抗干扰能力强等优点，成为卫星导航系统性能评估领域的研究重点。
三、卫星导航抗干扰天线性能评估方法1. 实验准备在评估卫星导航抗干扰天线性能之前，我们需要准备一定数量的卫星信号，其中包括正常、干扰和噪声信号。
这些信号可以通过软件接收机模拟生成，也可以通过实际天线接收到的信号进行采集。
2. 抗干扰实验在抗干扰实验中，我们将在实验室环境中模拟各种干扰情况，如有源干扰器、多径干扰等。
通过调整干扰信号的强度、频率、时序等参数，模拟真实场景下的干扰情况。
在实验中，我们将使用软件接收机接收以及抗干扰处理这些信号，并记录下正常信号和接收到的干扰信号的质量指标，如信噪比、误码率等。
3. 数据分析与评估在抗干扰实验完成后，我们需要对实验数据进行分析和评估。
通过比较正常信号和受到干扰的信号的质量指标，可以评估卫星导航抗干扰天线的性能。
常用的评估指标包括信号强度、信噪比、误码率、干扰抑制比等。
4. 总结与改进根据实验结果进行总结与改进是评估方法的重要环节。
通过对实验中获得的数据进行分析，我们可以进一步改进卫星导航抗干扰天线的设计和性能。
例如，可以调整天线结构、增强抗干扰算法、改进信号处理等手段来提升天线的抗干扰性能。
四、结论本文介绍了一种基于软件接收机的卫星导航抗干扰天线性能评估方法。
基于空时自适应处理的多波束抗干扰改进算法王艺;段哲民;Zain-ul-Abideen;杨阳【摘要】Traditional multi-beam algorithm cannot suppress narrowband jammer which comes from the same direction with the useful signal. To deal with those problems, an improved multi-beam anti-jam method which adds multistage IIR lattice notch fil-ter is proposed. The narrowband jammer can be forecast and suppressed by using IIR lattice notch filter. The broadband jammer can be suppressed by multi-beam algorithm. The new method which can suppress both narrowband and broadband jammer effec-tively, improves the performance of the anti-jam receiver.% 传统的多波束算法无法处理与导航信号来自同一方向的窄带干扰。
针对该问题，提出了一种改进的多波束抗干扰算法，级联时频域结合的IIR格型陷波器于多波束抗干扰算法中，通过IIR格型陷波器预测并抑制窄带干扰，通过多波束形成抑制宽带干扰。
这种新的算法能有效地抑制窄带和宽带干扰，提升GPS抗干扰接收机的性能。
【期刊名称】《计算机工程与应用》【年(卷),期】2013(000)017【总页数】6页(P221-225,249)【关键词】多波束抗干扰;空时自适应处理;IIR格型陷波滤波器【作者】王艺;段哲民;Zain-ul-Abideen;杨阳【作者单位】西北工业大学电子信息学院，西安 710072;西北工业大学电子信息学院，西安 710072;西北工业大学电子信息学院，西安 710072;西北工业大学电子信息学院，西安 710072【正文语种】中文【中图分类】TN911空时自适应处理（STAP）技术在1972年被Frost首次提出[1]。
第４５卷 第１２期２０２３年１２月系统工程与电子技术ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｌｅｃｔｒｏｎｉｃｓＶｏｌ．４５ Ｎｏ．１２Ｄｅｃｅｍｂｅｒ２０２３文章编号：１００１ ５０６Ｘ（２０２３）１２ ３７７２ ０９ 网址：ｗｗｗ．ｓｙｓ ｅｌｅ．ｃｏｍ收稿日期：２０２２０６１８；修回日期：２０２２１１１３；网络优先出版日期：２０２２１２２９。
网络优先出版地址：ｈｔｔｐｓ：∥ｋｎｓ．ｃｎｋｉ．ｎｅｔ／ｋｃｍｓ／ｄｅｔａｉｌ／１１．２４２２．ＴＮ．２０２２１２２９．１８４０．０１０．ｈｔｍｌ基金项目：国家科技部重点研发项目（２０１９ＹＦＦ０２１７３００）资助课题 通讯作者．引用格式：刘鹏，王盾，彭博．面向线性调频干扰的空频自适应处理算法［Ｊ］．系统工程与电子技术，２０２３，４５（１２）：３７７２ ３７８０．犚犲犳犲狉犲狀犮犲犳狅狉犿犪狋：ＬＩＵＰ，ＷＡＮＧＤ，ＰＥＮＧＢ．Ｓｐａｃｅ ｆｒｅｑｕｅｎｃｙａｄａｐｔｉｖｅｐｒｏｃｅｓｓｉｎｇａｌｇｏｒｉｔｈｍｆｏｒＬＦＭｉｎｔｅｒｆｅｒｅｎｃｅ［Ｊ］．ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｌｅｃｔｒｏｎｉｃｓ，２０２３，４５（１２）：３７７２ ３７８０．面向线性调频干扰的空频自适应处理算法刘 鹏１，２， ，王 盾１，２，彭 博１（１．北京卫星信息工程研究所，北京１０００９５；２．天地一体化信息技术国家重点实验室，北京１０００９５） 摘 要：针对卫星导航应用中线性调频（ｌｉｎｅａｒｆｒｅｑｕｅｎｃｙｍｏｄｕｌａｔｅｄ，ＬＦＭ）干扰统计特征时变引起的抗干扰性能下降问题，提出了一种基于数据空时频三维特征分组的空频自适应处理（ｓｐａｃｅ ｆｒｅｑｕｅｎｃｙａｄａｐｔｉｖｅｐｒｏｃｅｓｓｉｎｇ，ＳＦＡＰ）算法。
首先通过时频分析方法获取采样数据的时域、频域联合分布，并利用空间相关系数分析相同频率干扰在不同时间的空间相关性，然后对ＳＦＡＰ的采样数据进行分组，将不同时间具有相同频率和到达角参数的采样点分到相同组，最后利用分组后的数据进行协方差矩阵估计、权值计算和自适应滤波，提高了干扰特征值、增加了零陷深度、提升了抗干扰能力。
