一种频率捷变体制下的抗干扰空时自适应处理方法

本发明涉及频率捷变体制下的阵列信号处理与抗干扰，具体涉及一种频率捷变体制下的抗干扰空时自适应处理方法。

背景技术：

1、随着电子对抗环境的日益复杂，采用离散频点切换机制的频率捷变体制接收系统在强干扰、频谱拥塞以及多源非平稳干扰条件下面临接收性能下降的问题。为了提高期望信号的可靠接收能力，空时自适应处理技术可联合利用阵列接收的空间维信息和跳频时序的时间维信息，对背景干扰和外部干扰进行抑制，从而提升抗干扰接收性能。

2、传统空时自适应处理方法通常依赖训练样本构建空时协方差矩阵，并据此求解自适应波束形成权值。然而，在频率捷变体制下，由于单频点驻留时间短、当前频点可获得的同质训练样本有限，且不同频点间统计特性存在变化，导致传统方法容易出现协方差估计不稳和频率失配问题。频率捷变雷达是频率捷变体制接收系统的典型代表，跳频通信接收系统同样面临跨频点统计变化和少样本协方差估计问题。

3、现有技术中，已有针对频率捷变雷达场景的自适应杂波抑制方法。例如，公开号为cn112014807a的一种频率捷变雷达的自适应杂波抑制方法，该方法通过建立频率捷变信号模型、构造回波数据模型，并构造杂波加噪声协方差矩阵实现杂波抑制。该类方法能够在一定程度上提高频率捷变雷达场景下的杂波抑制能力。

4、然而，上述方法主要侧重于杂波抑制和相参处理，对于频率捷变体制下单跳少样本条件、跨跳统计变化以及持续窄带干扰、变化窄带干扰、跟踪式干扰和部分带宽干扰等跨跳演化问题，仍缺少一种兼顾背景先验稳定性、当前频点快速自适应能力以及干扰跨跳记忆能力的统一处理方法。

技术实现思路

1、为了克服以上现有技术存在的缺陷，本发明的目的在于提供一种频率捷变体制下的抗干扰空时自适应处理方法，能够提高对持续窄带干扰、变化窄带干扰、部分带宽干扰以及跟踪式干扰的抑制能力，并提升算法对大范围跳频场景的环境适应能力；该方法以频率捷变雷达场景为优选实施对象，同时可扩展用于跳频通信及其他离散频点切换体制下的抗干扰接收处理。

2、为了实现上述目的，本发明采用的技术方案是：

3、一种频率捷变体制下的抗干扰空时自适应处理方法，应用于频率捷变雷达回波信号处理场景；在该场景中，雷达发射载频按照预设跳频序列在多个离散频点之间切换，接收端在每一跳对应的当前工作频点下获取阵列回波观测数据，并基于当前跳样本统计量、跨跳背景先验信息及干扰跨跳记忆信息完成鲁棒空时协方差估计与自适应滤波，包括以下步骤；

4、步骤1：建立频率捷变体制接收信号模型，获取各跳频周期对应的工作频率，并对接收频率捷变雷达回波信号进行空时采样，形成包含阵元维和时间维的空时数据向量；

5、步骤2：在当前待处理单元对应的跳频周期内选取训练样本，构建当前频点下的样本协方差矩阵，作为当前跳频频点的初始空时统计量；

6、其中，步骤1和步骤2用于形成当前跳频周期的观测数据及样本统计量，为后续双时间环协方差更新提供输入；

7、步骤3：基于步骤2得到的当前样本协方差矩阵以及前序跳频周期递推保留的背景状态信息，在慢环尺度上递推更新杂波共享子空间、频点相关功率表和噪声功率，构建与当前频点对应的背景层先验协方差矩阵；

8、步骤4：基于步骤2得到的当前样本协方差矩阵与步骤3构建的背景层先验协方差矩阵之间的残差，在快环尺度上进行干扰检测，提取干扰特征并更新干扰确认概率、干扰功率分布及干扰层状态信息，形成当前频点对应的干扰层协方差矩阵；

9、步骤5：对步骤3得到的背景层先验协方差矩阵、步骤4得到的干扰层协方差矩阵及步骤2得到的当前样本协方差矩阵进行分层融合，构建鲁棒空时协方差矩阵，并基于净化后的样本统计量对慢环状态进行反馈更新；所述鲁棒空时协方差矩阵的构建可表述为约束收缩融合形式，即将当前样本统计量、分层先验协方差矩阵及对角加载项进行加权组合；其中，融合权重由训练样本支撑程度、当前样本统计量与分层先验统计量之间的失配程度确定，对角加载系数由基础加载量、样本不足补偿项及残差干扰证据项共同确定；

10、该优化模型用于指导在线融合参数的自适应确定，而不要求在每一跳频周期内进行迭代优化求解；

11、步骤6：根据所述鲁棒空时协方差矩阵和期望信号导向矢量求解空时自适应滤波权向量，对当前待处理单元接收频率捷变雷达回波信号进行滤波和统计处理，输出期望信号检测结果或接收判决结果。

12、所述步骤1具体实施步骤为：

13、步骤1.1：设频率捷变体制接收端具有

m个阵元，系统按跳频周期在预设离散频点集合中切换工作频率；在第个跳频周期内，系统对应的当前工作频率为：

14、

15、其中，表示第个跳频周期对应的当前工作频率；表示系统预设工作频带的中心频率；表示第个跳频周期相对于中心频率的频率捷变量，其取值由预设离散频点集合及跳频序列共同确定；表示跳频周期索引。

16、步骤1.2：在第个跳频周期内，对阵列接收频率捷变雷达回波信号进行采样，构建当前频点对应的空时数据向量：

17、

18、其中，为第个跳频周期内第个时域采样单元对应的阵列接收向量；为第个跳频周期对应的空时数据向量；若系统具有个阵元，且第个跳频周期内包含个时域采样单元，则，。

19、步骤1.3：接收频率捷变雷达回波信号表示为：

20、

21、其中，为第个跳频周期对应的期望信号分量，为第个跳频周期对应的背景分量，为第个跳频周期对应的干扰分量，为第个跳频周期对应的噪声分量；

22、步骤1.4：第个跳频周期对应的当前工作频率由预设离散频点集合中选取，设最低工作频率为、最高工作频率为，则跳频范围为；随着增大，不同频点下的目标导向特性、背景统计特性以及干扰耦合关系变化更加显著，因此后续协方差估计与抗干扰处理需要结合当前频点信息进行自适应更新。

23、所述步骤2具体实施步骤为：

24、步骤2.1：在当前待处理单元对应的第个跳频周期内，选取与当前待处理观测单元统计特性相近的个训练样本，构成当前跳频周期的训练样本矩阵：

25、

26、其中，表示当前跳频周期索引；表示当前跳频周期内选取的训练样本数量；表示第个跳频周期下第个训练样本对应的空时数据向量；表示由所述个训练样本构成的训练样本矩阵；若单个训练样本的空时维数为，则，；在频率捷变雷达场景中，所述训练样本优选取自当前待检测单元两侧除保护单元外且与其统计环境相近的参考距离单元；

27、步骤2.2：根据所述训练样本矩阵计算当前跳频周期下的样本协方差矩阵：

28、

29、其中，表示第个跳频周期对应的样本协方差矩阵，用于表征当前频点下训练样本的空时统计特性；表示共轭转置；表示对个训练样本进行平均，以获得当前跳频周期下的样本统计量估计结果；

30、步骤2.3：对所述样本协方差矩阵进行对称化处理，得到对称样本协方差矩阵：

31、

32、步骤2.4：获取当前跳频周期对应的工作频率索引，并建立当前样本协方差矩阵与该跳频频点之间的对应关系，以便后续进行频点相关的先验估计与干扰更新；

33、步骤2.5：在当前跳频周期下，以所述对称样本协方差矩阵作为当前频点的初始空时统计量输入至双时间环更新模块；

34、步骤2.6：对所有跳频周期重复执行上述步骤，获得各跳频周期对应的样本协方差矩阵序列，为后续慢环杂波先验更新和快环干扰检测提供输入。

35、所述步骤3具体实施步骤为：

36、步骤3.1：初始化慢环背景状态变量，包括杂波共享子空间矩阵、频点相关杂波功率表和噪声功率，并初始化供快环递推调用的干扰记忆状态变量；所述干扰记忆状态变量至少包括频率确认概率分布、干扰功率分布、干扰方向向量以及对应的保持因子或遗忘因子；

37、步骤3.2：对于当前跳频周期对应的频率索引，从所述频点相关杂波功率表中提取与当前频点对应的杂波功率参数向量；

38、步骤3.3：根据所述杂波共享子空间矩阵、杂波功率参数向量以及噪声功率，构建当前跳频周期对应的杂波先验协方差矩阵：

39、

40、其中，表示第个跳频周期对应的杂波先验协方差矩阵；表示慢环递推得到的杂波共享子空间矩阵，用于表征跨跳相对稳定的背景主导结构；表示当前工作频率对应的杂波功率参数向量，用于表征当前频点下杂波在共享子空间各主模态方向上的功率分布；表示第个跳频周期对应的噪声功率估计值，用于表征接收机热噪声及未建模随机扰动的平均功率水平；表示由向量构造对角矩阵的运算；表示共轭转置；表示单位矩阵，其维数与相同；

41、步骤3.4：利用去除干扰分量后的净化样本协方差矩阵，对背景统计矩阵进行递推更新：

42、

43、其中，表示第个跳频周期递推更新后的背景统计矩阵；表示上一跳频周期递推得到的背景统计矩阵；表示背景统计矩阵的递推更新系数，用于平衡历史背景统计信息与当前净化样本统计信息的占比；表示第个跳频周期对应的净化样本协方差矩阵，其由当前样本协方差矩阵扣除显著干扰分量后得到；更新后的表示由背景统计矩阵提取得到的杂波共享子空间矩阵，在频率捷变雷达场景中优选用于表征跨跳相对稳定的杂波主导子空间结构；

44、步骤3.5：根据更新后的杂波共享子空间矩阵，提取当前频点对应的投影能量，并更新频点相关杂波功率表；当前频点对应的功率参数向量满足：

45、

46、其中，表示第个跳频周期在当前工作频率下更新得到的杂波功率参数向量，用于表征当前频点在杂波共享子空间各主模态上的能量分布；表示上一轮递推时当前频点对应的杂波功率参数向量；表示频点相关杂波功率表的递推更新系数，用于平衡历史功率估计结果与当前投影能量估计结果的占比；表示更新后的杂波共享子空间矩阵，其列向量对应背景主导特征方向；表示第个跳频周期对应的净化样本协方差矩阵；表示共轭转置；表示提取矩阵对角元素构成向量的运算，其物理意义为提取净化样本协方差矩阵在杂波共享子空间各主模态上的投影能量；

47、步骤3.6：根据净化样本协方差矩阵的迹与杂波共享子空间内能量估计结果，对噪声功率进行递推更新：

48、

49、其中，表示第个跳频周期更新后的噪声功率估计值，表示上一轮递推得到的噪声功率估计值，表示噪声功率的递推更新系数；表示矩阵求迹运算，表示与杂波共享子空间正交的补空间投影矩阵，用于提取净化样本协方差矩阵中未被背景主导子空间解释的剩余能量，表示该补空间的维数，其中为联合处理维数，为杂波共享子空间维数；在频率捷变雷达场景中，所述噪声功率递推更新过程用于维持背景层先验协方差矩阵中的噪声基线稳定性，从而减小单跳样本波动或局部干扰残留对噪声估计的扰动。

50、所述步骤4具体实施步骤为：

51、步骤4.1：将当前跳频周期的样本协方差矩阵与杂波先验协方差矩阵及已有干扰层协方差矩阵相减，构造残差矩阵：

52、

53、其中，表示当前频点对应的干扰层先验协方差矩阵；

54、步骤4.2：对残差矩阵进行特征分解，提取最大特征值、次大特征值以及与最大特征值对应的单位范数主特征向量；其中，表示第个跳频周期下由当前样本协方差矩阵扣除背景层先验协方差矩阵及干扰层先验协方差矩阵后得到的残差矩阵，用于表征当前频点中尚未被先验模型解释的异常统计分量；表示残差矩阵的最大特征值，用于表征当前跳频周期下最显著异常分量的能量强度；表示残差矩阵的次大特征值，用于反映主异常分量与次异常分量之间的可分离程度；表示与最大特征值对应的单位范数主特征向量，用于表征当前跳频周期下主要干扰的主导空间方向或空时响应方向；

55、步骤4.3：根据最大特征值与噪声功率之比、特征值间隔、主特征向量与杂波共享子空间的重合程度以及主特征向量与期望信号导向矢量的重合程度构建干扰证据量，定义如下：

56、

57、

58、

59、其中，表示主异常分量能量相对于噪声基线的归一化强度，用于衡量当前跳频周期中是否存在显著异常能量；表示第个跳频周期对应的噪声功率估计值，用于表征接收机热噪声及其他随机噪声的平均功率水平；表示防止分母为零或数值不稳定的微小正常数；

60、表示残差矩阵主特征值与次特征值之间的归一化间隔，用于衡量主异常分量相对于其他异常分量的突出程度；当较大时，表明当前残差中存在更为明确的主导干扰成分；

61、表示主特征向量与杂波共享子空间之间的重合程度；表示慢环递推得到的杂波共享子空间矩阵，用于表征跨跳相对稳定的背景主导结构；当较大时，表明当前主异常分量更可能属于背景杂波结构而非外部干扰；

62、表示主特征向量与期望信号导向矢量之间的归一化重合程度，用于衡量当前主异常分量与期望信号方向的一致性；当较大时，表明该异常分量更接近期望信号方向，因此应避免将其误判为干扰；

63、和分别表示对证据量和进行归一化映射或单调压缩的函数，用于将不同量纲的证据项变换到可加权融合的统一范围；、、、分别表示四类证据项对应的加权系数，均不小于0，且满足；

64、表示第个跳频周期对应的综合干扰证据量，用于对当前频点是否存在显著干扰进行判决；在频率捷变雷达场景中，该证据量综合利用能量突出性、特征可分离性、背景可解释性以及与期望信号方向的区分性，以提高对持续窄带干扰、变化窄带干扰、跟踪式干扰和部分带宽干扰的识别准确性；

65、步骤4.4：当所述干扰证据量大于预设门限时，判定当前跳频周期存在显著干扰；否则判定当前跳频周期不存在显著干扰；

66、步骤4.5：以当前频点为中心构造频率邻域权重，其过程满足：

67、

68、并按照下式对频率确认概率分布进行递推更新，以表征各频点处发生干扰的确认程度：

69、

70、其中，表示以当前工作频率为中心构造的频率邻域权重，用于表征频率点与当前频点之间的邻近程度；表示第个跳频周期后频率点处的干扰确认概率，用于描述对应频点发生干扰的可信程度；表示上一轮递推时频率点处的干扰确认概率；相应的递推更新系数或遗忘因子用于平衡历史确认状态与当前跳频周期干扰证据之间的占比；在频率捷变雷达场景中，所述频率确认概率分布用于描述干扰在频率轴上的持续、迁移及扩展特征，从而为后续干扰层协方差矩阵构建提供频率记忆先验；

71、步骤4.6：根据所述干扰证据量以及频率确认概率分布，对干扰功率分布进行递推更新：

72、

73、从而获得随跳频频点变化的干扰功率估计结果；

74、步骤4.7：当所述干扰证据量大于方向更新门限且主特征向量与期望信号导向矢量的重合程度低于预设阈值时，利用步骤4.2得到的主特征向量对干扰方向向量进行递推更新；先将当前主特征向量与历史干扰方向进行相位对齐，再采用归一化加权组合方式完成更新，满足：

75、

76、其中，第一个公式用于对当前主特征向量进行相位对齐，第二个公式用于将历史干扰方向与当前方向估计递推融合并归一化；为方向更新系数；当不满足所述方向更新条件时，保持。

77、所述步骤5具体实施步骤为：

78、步骤5.1：根据更新后的频率确认概率分布、干扰功率分布以及干扰方向向量，构建当前跳频周期对应的干扰层协方差矩阵：

79、

80、步骤5.2：将所述杂波先验协方差矩阵与干扰层协方差矩阵进行分层组合，得到当前跳频周期对应的分层先验协方差矩阵：

81、

82、其中，为干扰层注入权重；

83、步骤5.3：根据当前训练样本数量、样本协方差矩阵条件数、当前样本统计量与分层先验统计量之间的失配程度，以及快环残差干扰证据中的至少一种，确定当前样本统计量与分层先验统计量之间的融合权重，在以样本协方差矩阵条件数作为当前样本统计量可靠性指标的实施方式中，所述融合权重满足：

84、

85、

86、其中，表示当前样本协方差矩阵的条件数，和分别表示预设的条件数下限和上限，和分别表示融合权重的下限和上限。当较大时，表示当前样本协方差矩阵条件较差，此时提高分层先验统计量的占比；当较小时，表示当前样本统计量相对可靠，此时降低分层先验统计量的占比。

87、步骤5.4：根据所述融合权重，构建当前跳频周期对应的鲁棒空时协方差矩阵：

88、

89、其中，表示第个跳频周期对应的当前样本统计量；表示由背景层先验协方差矩阵与干扰层协方差矩阵构成的分层先验协方差矩阵；表示当前样本统计量与分层先验统计量之间的融合权重，用于根据当前样本统计量的可靠性自适应调节二者占比；表示当前样本统计量与分层先验统计量融合后得到的鲁棒空时协方差矩阵，用于为后续对角加载与空时自适应滤波权值求解提供协方差估计基础；

90、步骤5.5：对所述鲁棒空时协方差矩阵进行对角加载处理，得到最终用于空时自适应滤波的协方差矩阵：

91、

92、其中，表示第个跳频周期下最终用于空时自适应滤波的协方差矩阵；表示对角加载系数，用于补偿有限训练样本条件下协方差矩阵估计误差并提高矩阵求逆稳定性；表示单位矩阵，其维数与相同；在频率捷变雷达场景中，对角加载通过在协方差矩阵主对角线上引入均匀加载量，抑制由单跳样本不足、局部干扰残留或模型失配引起的矩阵病态问题，从而提高后续空时自适应滤波权值求解的稳健性；

93、步骤5.6：根据当前跳频周期下的干扰层协方差矩阵，对样本协方差矩阵进行部分干扰扣除，得到净化样本协方差矩阵，满足：

94、

95、并将所述净化样本协方差矩阵反馈至慢环模块，用于更新杂波共享子空间矩阵、频点相关杂波功率表和噪声功率。

96、所述步骤6具体实施步骤为：

97、步骤6.1：根据当前跳频周期对应的工作频率，构造目标导向矢量；并根据最终鲁棒空时协方差矩阵与所述期望信号导向矢量，计算当前跳频周期对应的空时自适应滤波权向量；

98、步骤6.2：根据最终鲁棒空时协方差矩阵以及目标导向矢量，计算当前跳频周期对应的空时自适应滤波权向量：

99、

100、其中，表示第个跳频周期对应的空时自适应滤波权向量；表示经分层融合及对角加载后得到第跳的最终鲁棒空时协方差矩阵；表示当前跳频周期对应的期望信号导向矢量，用于表征当前工作频率下期望目标或有用接收信号的空间响应与时间响应特征。在频率捷变雷达场景中，所述空时自适应滤波权向量用于对当前待处理单元接收数据进行联合空时滤波，以实现背景抑制、干扰抑制以及期望信号增强；

101、步骤6.3：利用所述空时自适应滤波权向量对当前待处理单元接收信号进行滤波处理，得到滤波输出结果；

102、步骤6.4：根据所述滤波输出结果构建当前跳频周期下的处理统计量；

103、步骤6.5：对多个跳频周期下的处理统计量进行融合，得到跨跳频周期的综合处理统计量；

104、步骤6.6：将所述综合处理统计量与预设门限或判决准则进行比较，当满足判决条件时，判定期望信号存在或完成相应接收判决；否则判定期望信号不存在或执行相应拒判处理。

105、本发明的有益效果：

106、（1）针对频率捷变雷达在跳频过程中单跳驻留时间短、当前频点可用训练样本有限而导致传统样本协方差矩阵估计不稳的问题，本发明通过慢环背景先验更新、快环当前样本修正及分层融合机制，提高了小样本条件下协方差估计的稳定性和准确性。

107、（2）针对大范围跳频条件下不同频点的目标导向特性、背景功率分布及干扰响应存在差异而导致传统方法易出现频率失配的问题，本发明通过共享背景子空间先验、频点相关功率表递推以及当前频点自适应更新机制，实现了对频率相关环境变化的自适应建模，提高了不同频点条件下抗干扰处理的一致性和适应能力。

108、（3）针对持续窄带干扰、变化窄带干扰、部分带宽干扰及跟踪式干扰等复杂干扰场景中干扰状态随跳频过程动态变化的问题，本发明通过背景先验扣除、残差干扰检测、干扰记忆更新以及干扰层协方差构建，形成面向跨跳演化干扰的闭环处理机制，提高了对多类型复杂干扰的连续抑制能力和鲁棒性。