基于变分非线性模态分解的干扰抑制方法

本发明属于雷达信号处理领域，具体涉及一种基于变分非线性模态分解的干扰抑制方法。

背景技术：

1、在复杂电磁环境中，来自于雷达主瓣方向的频谱弥散干扰信号会严重削弱雷达对目标回波的探测与跟踪性能。

2、目前主要使用重构方法对干扰回波进行干扰抑制，该方法通过分数傅里叶变换估计干扰子脉冲数量，使用匹配滤波估算干扰时延与幅度，基于干扰子脉冲数量与干扰时延与幅度重构干扰回波。并将重构的干扰回波从目标回波中对消，实现干扰抑制。

3、然而，当频谱弥散干扰信号与目标回波高度重合时，重构方法受限于干扰参数的估计误差，会导致对消后的信号仍存在干扰残余，进而导致雷达的探测结果不准确。

技术实现思路

1、为了解决现有技术中存在的上述问题，本发明提供了一种基于变分非线性模态分解的干扰抑制方法。本发明要解决的技术问题通过以下技术方案实现：

2、本发明提供了一种基于变分非线性模态分解的干扰抑制方法，包括：

3、s1、获取雷达系统的接收回波并检测所述接收回波的上升沿和下降沿，基于所述上升沿和下降沿从所述接收回波中提取受扰信号片段；

4、s2、对所述受扰信号片段进行时频分析，得到时频分布数据；从所述时频分布数据中提取出每一时刻中能量最大的频率得到第一时频脊线；基于所述第一时频脊线对所述受扰信号片段进行解调处理，并对解调后的信号进行低通滤波及相位微分处理，以确定所述第一时频脊线的频率偏差量；利用所述频率偏差量对所述第一时频脊线进行补偿修正，得到第二时频脊线；

5、s3、将所述第二时频脊线作为先验引导信息，通过构造泛函优化问题，对所述受扰信号片段进行非线性模态分解，得到基带分量和非线性模态分解时的瞬时频率；基于所述基带分量和所述瞬时频率重构出干扰信号；

6、s4、利用所述干扰信号与所述受扰信号片段进行减法对消处理，以剔除所述受扰信号片段中的干扰，得到剩余信号；将所述剩余信号映射回所述受扰信号片段的对应时域位置，得到干扰抑制回波。

7、在本发明的一个实施例中，所述基于所述上升沿和下降沿从所述接收回波中提取受扰信号片段，包括：

8、检测所述接收回波的上升沿对应的开始时间，以及所述接收回波的下降沿对应的结束时间；

9、截取所述开始时间至所述结束时间内的接收回波片段作为所述受扰信号片段。

10、在本发明的一个实施例中，所述对所述受扰信号片段进行时频分析，得到时频分布数据，包括：

11、对所述受扰信号片段进行短时傅里叶变换，得到所述时频分布数据。

12、在本发明的一个实施例中，所述基于所述第一时频脊线对所述受扰信号片段进行解调处理，并对解调后的信号进行低通滤波及相位微分处理，以确定所述第一时频脊线的频率偏差量，包括：

13、利用所述第一时频脊线构造复指数信号，并利用所述复指数信号对所述受扰信号片段进行相乘解调，得到解调信号；

14、利用中心频率为0的低通滤波器对所述解调信号进行卷积滤波处理；

15、对卷积滤波处理后的解调信号进行相位提取，并对提取出的相位进行一阶微分运算，得到所述频率偏差量。

16、在本发明的一个实施例中，所述将所述第二时频脊线作为先验引导信息，通过构造泛函优化问题，对所述受扰信号片段进行非线性模态分解，得到基带分量和非线性模态分解时的瞬时频率，包括：

17、提取所述受扰信号片段的实部数据；

18、基于所述受扰信号片段的实部数据、所述第二时频脊线构造泛函优化问题；

19、针对所述泛函优化问题，引入拉格朗日乘子并加入二次惩罚项，构造增广拉格朗日函数，利用交替方向乘子法求解所述增广拉格朗日函数，得到所述非线性模态分解时的瞬时频率和基带分量。

20、在本发明的一个实施例中，所述泛函优化问题的表达式如下：

21、

22、其中，为所述受扰信号片段的实部数据，表示分解的估计相位，表示非线性模态分解时的瞬时频率估计，，为两个相互正交的基带分量，表示第二时频脊线，表示分解的估计幅度，表示2范数，表示2范数的平方，为的二阶微分，为的二阶微分，为初始相位，为预设的极小值，为当前时刻，为0至t时刻的积分微元变量。

23、在本发明的一个实施例中，所述增广拉格朗日函数的表达式如下：

24、

25、其中，表示二次惩罚项，表示拉格朗日乘子。

26、在本发明的一个实施例中，所述基于所述基带分量和所述瞬时频率重构出干扰信号，包括：

27、基于两个所述基带分量与非线性模态分解时的瞬时频率进行组合并将组合后的结果进行希尔伯特变换，得到所述干扰信号。

28、在本发明的一个实施例中，利用所述干扰信号与所述受扰信号片段进行减法对消处理，以剔除所述受扰信号片段中的干扰，得到剩余信号，包括：

29、在时域上将所述受扰信号片段减去所述干扰信号，得到包含目标信号与噪声的剩余信号。

30、在本发明的一个实施例中，在所述得到干扰抑制回波之后，所述方法还包括：利用与所述雷达系统对应的滤波器，对所述干扰抑制回波进行脉冲压缩处理，输出目标能量积累结果。

31、与现有技术相比，本发明的有益效果为：

32、首先，本发明通过从时频分布数据中提取每一时刻能量最大的频率构成第一时频脊线，并基于第一时频脊线对受扰信号片段进行解调、低通滤波及相位微分处理，计算出频率偏差量并对第一时频脊线进行补偿修正得到第二时频脊线。该过程利用低通滤波及相位微分滤除了杂波与目标信号对干扰频率轨迹的干扰，得到了更准确的第二时频脊线；将其作为非线性模态分解的先验引导信息，能够引导后续非线性模态分解的收敛方向，防止分解过程陷入局部伪解，从而提升了干扰分量提取的可靠性，进而提升了雷达的探测结果准确率。

33、同时，本发明通过将修正后的第二时频脊线作为先验引导信息，直接对受扰信号片段进行非线性模态分解，求解出基带分量和非线性模态分解时的瞬时频率。该过程利用信号自身的非线性特征进行自适应分解与干扰信号重构，无需估计具体的干扰参数，从而避免了参数估计误差带来的干扰残余问题，实现了受扰信号片段中干扰成分的精准对消，提升了雷达在高度重合电磁环境下的目标探测准确性。

34、最后，本发明通过检测接收回波的信号改变时间，仅基于所述信号改变时间从接收回波中提取受扰信号片段进行后续的时频分析、模态分解与干扰对消，并在对消完成后将得到的抗干扰信号映射回原接收回波的对应时域位置。该过程锁定了受干扰的时域区间，避免了对全时域无干扰回波数据的计算，减少了模态分解的数据处理量，提高了雷达系统抗干扰处理的实时性。

35、以下将结合附图及实施例对本发明做进一步详细说明。

1.一种基于变分非线性模态分解的干扰抑制方法，其特征在于，包括：

2.根据权利要求1所述的一种基于变分非线性模态分解的干扰抑制方法，其特征在于，所述基于所述上升沿和下降沿从所述接收回波中提取受扰信号片段，包括：

3.根据权利要求1所述的一种基于变分非线性模态分解的干扰抑制方法，其特征在于，所述对所述受扰信号片段进行时频分析，得到时频分布数据，包括：

4.根据权利要求1所述的一种基于变分非线性模态分解的干扰抑制方法，其特征在于，所述基于所述第一时频脊线对所述受扰信号片段进行解调处理，并对解调后的信号进行低通滤波及相位微分处理，以确定所述第一时频脊线的频率偏差量，包括：

5.根据权利要求1所述的一种基于变分非线性模态分解的干扰抑制方法，其特征在于，所述将所述第二时频脊线作为先验引导信息，通过构造泛函优化问题，对所述受扰信号片段进行非线性模态分解，得到基带分量和非线性模态分解时的瞬时频率，包括：

6.根据权利要求5所述的一种基于变分非线性模态分解的干扰抑制方法，其特征在于，所述泛函优化问题的表达式如下：

7.根据权利要求6所述的一种基于变分非线性模态分解的干扰抑制方法，其特征在于，所述增广拉格朗日函数的表达式如下：

8.根据权利要求7所述的一种基于变分非线性模态分解的干扰抑制方法，其特征在于，所述基于所述基带分量和所述瞬时频率重构出干扰信号，包括：

9.根据权利要求1所述的一种基于变分非线性模态分解的干扰抑制方法，其特征在于，利用所述干扰信号与所述受扰信号片段进行减法对消处理，以剔除所述受扰信号片段中的干扰，得到剩余信号，包括：

10.根据权利要求1所述的一种基于变分非线性模态分解的干扰抑制方法，其特征在于，在所述得到干扰抑制回波之后，所述方法还包括：利用与所述雷达系统对应的滤波器，对所述干扰抑制回波进行脉冲压缩处理，输出目标能量积累结果。