本發明屬于信號處理,具體涉及一種基于vmd(variational?modedecomposition,變分模態分解)和稀疏貝葉斯盲分離的雷達抗間歇采樣干擾方法。
背景技術:
1、現代雷達為了提高目標辨識能力和抗干擾能力,通常使用線性調頻或者相位編碼等脈沖壓縮信號獲得很高的相干處理增益和距離分辨率,大大提高了對傳統壓制式干擾和非相干干擾的對抗能力。但是,針對脈沖壓縮信號雷達,出現了數字射頻存儲器的有源欺騙式相干干擾,對于間歇采樣轉發干擾,干擾信號和源信號有很強的相干性,空域的抗干擾方法在這種情況下失效。而在具有一定先驗知識的前提下,盲信號分離在未知源信號和混合系統的情況下能夠從觀測信號中恢復出原始信號,因而被廣泛應用于生物工程、語音信號處理及數字通信中。
2、通常,可以將間歇采樣轉發干擾的抗干擾問題轉換為單通道盲源分離問題,利用盲源分離算法分離得到源信號,達到抑制干擾的效果。目前,盲源分離算法是根據二階統計量、高階統計量、非平穩性和稀疏性來實現盲源分離的。欠定盲信號分離解決的是源信號的數目多于觀測信號數目的問題,由于估計出的混合矩陣不存在偽逆,因此它較適定和超定的情況更復雜。在實際雷達抗干擾問題中,干擾機發射的干擾信號和源信號相距較遠,很多情況下信號的到達方向差異較小,無法用陣列信號處理方法,可以考慮采用單通道盲分離的方法處理,從接收機處收到的混合信號中分離出源信號。
3、為了對抗間歇采樣干擾,現有技術中的電子反對抗方法可以分為兩類。第一類為信號處理方法,該方法利用干擾在時頻域的特點,通過時頻分析提取目標回波和干擾信號的參數,根據提取的參數構造時頻濾波器實現間歇采用干擾的抑制。然而,構造時頻濾波器會造成回波信號的缺失,并且在特定的干擾參數下時頻濾波器無法將干擾全部濾除,此外,利用時域參數進行源信號重構依賴于先驗知識且對噪聲敏感,導致抗干擾性能嚴重下降。
4、第二類電子反對抗方法為波形設計方法,為了更主動地對抗間歇采樣干擾,可以設計特定的波形達到抑制干擾的目的,例如可以設計正交的工作波形和保護波形,干擾后的波形與保護波形匹配實現抑制干擾。當然,也可以構造跳頻或者采用頻率步進波形等波形構造方法來抑制間歇采樣轉發干擾。復雜的波形優化設計難以應對實時復雜干擾場景變化,一些波形設計方法需要預先對間歇采樣轉發干擾參數進行估計,若參數估計不準確,所設計的波形就無法有效抑制干擾。
技術實現思路
1、為了解決現有技術中存在的上述問題,本發明提供了一種基于vmd和稀疏貝葉斯盲分離的雷達抗間歇采樣干擾方法。本發明要解決的技術問題通過以下技術方案實現:
2、本發明提供一種基于vmd和稀疏貝葉斯盲分離的雷達抗間歇采樣干擾方法,包括:
3、基于雷達的發射信號模型和回波信號模型,確定間歇采樣轉發干擾信號,以進一步確定單通道情況下接收機接收的混合信號;
4、利用變分模態分解vmd算法,將所述混合信號分解為p個模態分量;
5、從所述p個模態分量中選取出部分模態分量并對所述混合信號升維,得到新的混合信號;
6、根據所述新的混合信號,利用熵最小源數估計算法估計源信號個數;
7、利用估計源信號個數及所述混合信號,重構多通道信號s′;
8、利用多通道信號s′和基于稀疏貝葉斯學習的正定獨立成分分析算法,恢復源信號。
9、與現有技術相比,本發明的有益效果在于:
10、本發明針對線性調頻脈壓雷達的抗間歇采樣干擾問題,利用線性調頻信號在調頻率域的稀疏性,通過基于稀疏貝葉斯學習的獨立分量分析盲源分離算法,將線性調頻抗間歇采樣干擾問題轉換為cfcr(chirp?fourier?coefficient?ratio)域正定盲源分離問題求解。通過vmd分解得到的模態分量對混合信號升維,并采用相關性分析篩選分解后的模態分量構造多通道信號,可以將接收到的單通道被干擾信號轉為虛擬多通道信號,進而將重構的多通道信號作為稀疏貝葉斯獨立分量分析盲分離算法的輸入,實現了單通道情況下調頻信號抗間歇采樣干擾。因此,本發明可用于復雜電磁環境下線性調頻脈壓雷達抗間歇采樣干擾,具有良好的干擾抑制能力,可以有效抑制間歇采樣干擾并恢復被干擾的雷達調頻信號。
11、以下將結合附圖及實施例對本發明做進一步詳細說明。
1.一種基于vmd和稀疏貝葉斯盲分離的雷達抗間歇采樣干擾方法,其特征在于,包括:
2.根據權利要求1所述的基于vmd和稀疏貝葉斯盲分離的雷達抗間歇采樣干擾方法,其特征在于,基于雷達的發射信號模型和回波信號模型,確定間歇采樣轉發干擾信號,以進一步確定單通道情況下接收機接收的混合信號的步驟,包括:
3.根據權利要求2所述的基于vmd和稀疏貝葉斯盲分離的雷達抗間歇采樣干擾方法,其特征在于,利用變分模態分解vmd算法,將混合信號y(t)分解為p個模態分量的步驟,包括:
4.根據權利要求1所述的基于vmd和稀疏貝葉斯盲分離的雷達抗間歇采樣干擾方法,其特征在于,從所述p個模態分量中選取出部分模態分量并對所述混合信號升維,得到新的混合信號的步驟,包括:
5.根據權利要求4所述的基于vmd和稀疏貝葉斯盲分離的雷達抗間歇采樣干擾方法,其特征在于,前g個模態分量的累計貢獻率表示為:
6.根據權利要求3所述的基于vmd和稀疏貝葉斯盲分離的雷達抗間歇采樣干擾方法,其特征在于,根據所述新的混合信號,利用熵最小源數估計算法估計源信號個數的步驟,包括:
7.根據權利要求6所述的基于vmd和稀疏貝葉斯盲分離的雷達抗間歇采樣干擾方法,其特征在于,利用估計源信號個數及所述混合信號,重構多通道信號s′的步驟,包括:
8.根據權利要求7所述的基于vmd和稀疏貝葉斯盲分離的雷達抗間歇采樣干擾方法,其特征在于,利用多通道信號s′和基于稀疏貝葉斯學習的正定獨立成分分析算法,恢復源信號的步驟,包括:
9.根據權利要求8所述的基于vmd和稀疏貝葉斯盲分離的雷達抗間歇采樣干擾方法,其特征在于,分別按照如下公式更新超參數γ(q′)、α(q′)、(σ(q′))-2、