一种密集假目标干扰波形优化方法

1.本发明涉及波形优化，特别是涉及一种密集假目标干扰波形优化方法。


背景技术：

2.传统噪声压制干扰技术面对现代战场使用的先进雷达及对抗装备时，难以取得良好的干扰效果。而较为现代的密集假目标干扰具有与雷达发射信号相参性好，利用效率高的特点，其更低的发射功率需求有助于干扰设备小型化，从而产生大量的干扰信号，在合适的参数设置下，具备欺骗性和压制性双重特性，在雷达对抗领域得到广泛引用。密集假目标干扰通过生成大量与雷达回波信号相近的虚假回波影响雷达对真实目标的检测，但典型密集假目标干扰形成的假目标之间距离相等，排列规律，易被识别，在现有雷达干扰识别与多种抗干扰措施技术下，难以形成有效的欺骗。
3.雷达干扰波形的优化作为雷达干扰系统的重要组成部分及提升雷达干扰效果的重要途径，具有重要的理论意义及实践价值。目前的研究主要集中于克服干扰波形的参数固定、缺乏灵活性、压制或欺骗干扰特性单一等问题。干扰波形的优劣可以使用检测代价作为评估指标，而检测代价受到假目标间距的明显影响，难以在保证发射功率与相参性的前提下，产生高密度等间隔的假目标信号。
4.现代雷达多采用cfar处理，cfar雷达可以根据云、雨、多路径等引起的环境杂波与各种认为干扰的大小自适应的进行雷达检测门限的调整，以保证虚警概率恒定。在多假目标干扰下cfar雷达的抗干扰效果对干扰波形的优化有着指导价值，目前的研究从参数优化的角度提出了密集假目标干扰的指导设计方法，如从多假目标干扰下雷达cfar检测门限和不同间隔的多假目标干扰效果，以及在盲cfar参数下密集假目标干扰间隔的设计方法。但是缺乏从优化干扰波形的角度进一步提高干扰效果。传统的多参数干扰波形优化方法产生的密集假目标干扰峰均比过大，同时多参数波形优化方法的收敛速度慢，所得优化参数的质量较低，应用时压制的干扰效果不够理想。


技术实现要素：

5.本发明的目的在于克服现有技术的不足，提供一种密集假目标干扰波形优化方法，本发明的目的是通过以下技术方案来实现的：一种密集假目标干扰波形优化方法，包括：
6.s1：根据间隔不同划分稀疏区-密集区-稀疏区三个区域同时具备间隔、幅值和相位可调的密集假目标干扰形式。
7.s2：根据密集假目标的形式，构建了一个多参数、多约束的混合整数模型。
8.s3：以cfar检测门限均值作为评估指标，针对多参数、多约束的混合整数模型提出了一种基于网格自适应直接搜索(mads)的干扰波形优化算法。
9.s4：通过网格自适应直接搜索(mads)算法求解所述干扰波形优化算法，得到干扰波形参数最优解，以指导干扰波形设计。
10.优选地，密集假目标干扰信号具体形式为线性调频信号。
11.优选地，密集假目标干扰信号经过脉冲压缩处理。
12.优选地，所述步骤s1包括：
13.s11：构造典型密集假目标干扰信号j(t)：
[0014][0015]
其中k为线性调频信号调频斜率，t为线性调频信号脉冲宽度，干扰机产生等间隔为δt的密集假目标干扰，接收的信号有n段。
[0016]
s12：构造了密集假目标干扰的间隔、初始相位、幅值优化模型。
[0017]
优选地，步骤s12包括：
[0018]
s121:构建了间隔优化密集假目标干扰(intervaloptimizationdensefalsetarget，io-dft)模型。
[0019]
s122:构建了间隔和初始相位联合优化密集假目标干扰(interval-phaseoptimizationdensefalsetarget，ipo-dft)模型。
[0020]
s123:构建了间隔、初始相位和幅值联合优化密集假目标干扰(interval-phase-amplitudeoptimizationdensefalsetarget，ipao-dft)模型。
[0021]
优选地，间隔优化密集假目标干扰(intervaloptimizationdensefalsetarget，io-dft)模型包括：
[0022][0023]
其中，i,j为转发次数，i j＝n，为n个干扰信号叠加。为密集区干扰信号，δti为密集区干扰间隔；为稀疏区干扰信号，δtj为稀疏区干扰间隔。
[0024]
优选地，间隔和初始相位联合优化密集假目标干扰(interval-phaseoptimizationdensefalsetarget，ipo-dft)模型包括：
[0025][0026]
其中为密集区干扰初始相位，为稀疏区干扰初始相位。
[0027]
优选地，间隔、初始相位和幅值联合优化密集假目标干扰(interval-phase-amplitudeoptimizationdensefalsetarget，ipao-dft)模型包括：
[0028][0029]
其中a为密集区干扰幅值，aj为稀疏区干扰幅值。
[0030]
优选地，间隔优化密集假目标干扰(intervaloptimizationdensefalsetarget，io-dft)经过匹配滤波器的输出响应r1(t)为：
[0031][0032]
其中a为干扰信号幅值，t为干扰信号脉冲宽度，k为线性调频信号调频斜率，i,j为转发次数，i j＝n，即共有n个信号叠加，δti为密集区干扰间隔，δtj为稀疏区干扰间隔；
[0033]
优选地，间隔和初始相位联合优化密集假目标干扰(interval-phaseoptimizationdensefalsetarget，ipo-dft)经过匹配滤波器的输出响应r2(t)为：
[0034][0035]
其中a为干扰信号幅值，t为干扰信号脉冲宽度，k为线性调频信号调频斜率，i,j为转发次数，i j＝n，即共有n个信号叠加，δti为密集区干扰间隔，δtj为稀疏区干扰间隔，为密集区干扰初始相位，为稀疏区干扰初始相位；
[0036]
优选地，间隔、初始相位和幅值联合优化密集假目标干扰(interval-phase-amplitudeoptimizationdensefalsetarget，ipao-dft)经过匹配滤波器的输出响应r3(t)为：
[0037][0038]
其中ai为密集区干扰幅值，aj为稀疏区干扰幅值，t为干扰信号脉冲宽度，k为线性调频信号调频斜率，i,j为转发次数，i j＝n，即共有n个信号叠加，δti为密集区干扰间隔，δtj为稀疏区干扰间隔，为密集区干扰初始相位，为稀疏区干扰初始相位。
[0039]
优选地，密集假目标干扰经过单元平均恒虚警(cacfar)处理，单元平均恒虚警的检测门限为：
[0040][0041]
其中是cacfar检测器的乘性因子，为期望恒虚警率，m为参考单元数；x
l
表示距离单元内的信号功率。
[0042]
优选地，密集假目标干扰经过脉冲压缩后的功率分别为|r1(t)|2、|r2(t)|2、|r3(t)|2，为输出响应r(t)在t时间上的功率时间函数，其值即为响应模值的平方。以目标所在范围(la,lb)内的检测门限均值建立目标函数。干扰信号幅度设为1。
[0043]
优选地，io-dft干扰目标函数和约束条件为：
[0044][0045][0046]
δ1＜|δt
i-δt
i-1
|＜δ2,i＝1,2,
…
,i
[0047]
δ2＜|δt
j-δt
j-1
|＜δ3,j＝1,2,
…
,j
[0048]
式中δ1,δ2分别为密集区最小间隔和最大间隔；δ2,δ3分别为稀疏区最小间隔和最大间隔。 v1为单元平均恒虚警检测目标门限，p
fa
为恒虚警率，m为参考单元数，δti为密集区干扰间隔，δtj为稀疏区干扰间隔，为密集区干扰信号，为稀疏区干扰信号， i,j为转发次数，i j＝n，即共有n个信号叠加；
[0049]
优选地，ipo-dft干扰目标函数和约束条件为：
[0050][0051][0052]
δ1＜|δt
i-δt
i-1
|＜δ2,i＝1,2,
…
,i
[0053]
δ2＜|δt
j-δt
j-1
|＜δ3,j＝1,2,
…
,j
[0054][0055]
式中δ1,δ2分别为密集区最小间隔和最大间隔；δ2,δ3分别为稀疏区最小间隔和最大间隔， v2为单元平均恒虚警检测目标门限，p
fa
为恒虚警率，m为参考单元数，δti为密集区干扰间隔，δtj为稀疏区干扰间隔，为密集区干扰初始相位，为稀疏区干扰初始相位，为密集区干扰信号，为稀疏区干扰信号，i,j为转发次数，i j＝n，即共有n个信号叠加；
[0056]
优选地，ipao-dft干扰目标函数和约束条件为：
[0057][0058][0059]
δ1＜|δt
i-δt
i-1
|＜δ2,i＝1,2,
…
,i
[0060]
s.t.δ2＜|δt
j-δt
j-1
|＜δ3,j＝1,2,
…
,j
[0061][0062]
0＜a≤1
[0063]
式中δ1,δ2分别为密集区最小间隔和最大间隔；δ2,δ3分别为稀疏区最小间隔
和最大间隔， v3为单元平均恒虚警检测目标门限，ai为密集区干扰幅值，aj为稀疏区干扰幅值，p
fa
为恒虚警率，m为参考单元数，δti为密集区干扰间隔，δtj为稀疏区干扰间隔，为密集区干扰初始相位，为稀疏区干扰初始相位，为密集区干扰信号，为稀疏区干扰信号，i,j为转发次数，i j＝n，即共有n个信号叠加；
[0064]
优选地，使用网格自适应直接搜索算法(mads)优化io-dft干扰时，重新定义了io-dft 干扰目标函数：
[0065][0066]
即搜索到间隔参数δ
t
使目标函数值f
ω
(δt)最小，此时有最大的单元恒虚警检测门限值v1；其中间隔ω为δtn所在的可行域，ψ
ω
为可行域指示函数，如果令f
ω
＝∞，如果δt∈ωd，
[0067]
优选地，使用网格自适应直接搜索算法(mads)优化ipo-dft干扰时，重新定义了 ipo-dft干扰目标函数：
[0068][0069]
即搜索到间隔参数δ
t
、使目标函数值最小，此时有最大的单元恒虚警检测门限值v2。其中为可行域，ωc为的可行域。
[0070]
优选地，使用网格自适应直接搜索算法(mads)优化ipao-dft干扰时，重新定义了 ipao-dft干扰目标函数：
[0071][0072]
即搜索到间隔参数δ
t
、xc使目标函数值f
ω
(xc,δt)最小，此时有最大的单元恒虚警检测门限值v3；其中为可行域，连续变量xc表示初始相位与幅值a的集合，用nc表示xc的维度，ωc为xc的可行域。
[0073]
优选地，网格自适应直接搜索算法(mads)的初始迭代点方法为：
[0074]
建立一个局部极小值的初始迭代点x＝(xc,xd)，xc表示连续变量，xd表示离散变量，在其邻域内有：
[0075]fω
(x)≤f
ω
(v)，v所在可行域为：
[0076]
其中b
ε
(xc)的意义为：对于任何 n(x)
(interval-phase-amplitude optimization dense false target，ipao-dft)经过脉冲压缩处理结果图。
[0094]
图13为具体实施方式中所述间隔、初始相位和幅值联合优化密集假目标干扰 (interval-phase-amplitude optimization dense false target，ipao-dft)经过cfar处理结果图。
具体实施方式
[0095]
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
[0096]
一种密集假目标干扰波形优化方法，包括：s1：构造典型密集假目标干扰信号，同时构造间隔、幅值和相位可调的密集假目标干扰信号模型。
[0097]
s2：在考虑脉冲压缩与cfar处理之后，由密集假目标干扰信号模型构造适用于网格自适应直接搜索算法(mads)的密集假目标干扰函数。
[0098]
s3：使用网格自适应直接搜索算法(mads)对密集假目标干扰函数参数建立网格，采取搜索、探测的方法自适应的优化得到最优解。并与典型密集假目标干扰信号性能及使用遗传算法(ga)优化的间隔、幅值和相位可调的密集假目标干扰信号的进行比较。
[0099]
在更具体的实施中，步骤s1中所述典型假目标干扰信号模型构建如下：
[0100]
线性调频信号有着较大的时宽带宽积，经过脉冲压缩处理的雷达系统后有着远作用距离及高距离分辨率的优点。设干扰机接受信号表达式为：
[0101][0102]
式中：k为线性调频信号调频斜率，t为线性调频信号脉冲宽度。
[0103]
干扰机要产生等间隔为δt的密集假目标干扰，则将接受信号分为n段。第n个密集假目标干扰jn(t)表示为：
[0104][0105]
式中：a为干扰信号幅值，n＝0,1,2,
…
,n-1。
[0106]
有时间间隔为δt的典型密集假目标干扰表达式为：
[0107][0108]
在具体实施中，使用间隔叠加法生成密集假目标干扰，设置生成的假目标个数为60个，干扰幅度为1，间隔δt＝0.33μs，初始相位为0。其波形如附图1所示。
[0109]
根据匹配滤波器理论，回波信号进入雷达接收机，在匹配滤波器中进行脉冲压缩。密集假目标经过脉冲压缩后的输出响应为：
[0110][0111]
其中，脉冲响应函数为
[0112]
在更具体的实施中，步骤s1中所述间隔、幅值和相位可调的密集假目标干扰信号模型构建如下：
[0113]
间隔优化密集假目标干扰(intervaloptimizationdensefalsetarget，io-dft)表达式为：
[0114][0115]
其中i,j为转发次数，i j＝n，即n个干扰信号叠加。为密集区干扰信号，δti是密集区干扰间隔；为稀疏区干扰信号，δtj为稀疏区干扰间隔。
[0116]
对密集假目标干扰间隔进行优化，设置生成的假目标个数为60个，干扰幅度为1，间隔δt＝0.33μs，初始相位为0。此时间隔δt不再为统一值，而是不同值。具体的实施中，间隔δ1,δ2,δ3分别设置为0.067μs,0.33μs,0.67μs。将干扰区域设置为稀疏区-密集区-稀疏区，这样设置的目的是抬高检测门限，产生超过门限假目标。
[0117]
间隔和初始相位联合优化密集假目标干扰(interval-phaseoptimizationdensefalsetarget，ipo-dft)表达式为：
[0118][0119]
其中为密集区干扰初始相位，为稀疏区干扰初始相位。
[0120]
为进一步提高压制干扰效果，对密集假目标干扰进行时间间隔和初始相位联合优化。设置生成的假目标个数为60个，干扰幅度为1，间隔δ1,δ2,δ3分别设置为0.067μs,0.33μs,0.67μs。初始相位范围为：0～2π。
[0121]
间隔、初始相位和幅值联合优化密集假目标干扰(interval-phase-amplitudeoptimizationdensefalsetarget，ipao-dft)表达式为：
[0122][0123]
其中a为密集区干扰幅值，aj为稀疏区干扰幅值。
[0124]
设置生成的假目标个数为60个，初始干扰幅度为1，间隔δ1,δ2,δ3分别设置为0.067μs,0.33μs,0.67μs，初始相位范围为：0～2π。
[0125]
在更具体的实施中，步骤s2中所述脉冲压缩处理后的密集假目标干扰的输出响应表达式为：
[0126]
间隔优化密集假目标干扰(intervaloptimizationdensefalsetarget，io-dft)经过脉冲压缩后的输出响应r1(t)为：
[0127][0128]
间隔和初始相位联合优化密集假目标干扰(interval-phaseoptimizationdensefalsetarget，ipo-dft)经过脉冲压缩后的输出响应r2(t)为：
[0129][0130]
间隔、初始相位和幅值联合优化密集假目标干扰(interval-phase-amplitudeoptimizationdensefalsetarget，ipao-dft)经过脉冲压缩后的输出响应r3(t)为：
[0131][0132]
在更具体的实施中，步骤s2中所述对密集假目标干扰信号进行cfar处理步骤及进行cfar处理后的干扰目标函数和约束条件为：
[0133]
cfar处理可以对信号形成压制干扰的效果，使得干扰信号的效果更好。cfar的主要处理方法分为：单元平均恒虚警处理(cacfar)、单元平均选大恒虚警处理(gocacfar)、单元平均选小恒虚警处理(socacfar)、有序统计量恒虚警处理(oscfar)等。本发明在具体实施中，采用单元平均恒虚警处理(cacfar)。
[0134]
cfar处理基于如下假设：假设参考单元与待检测单元中的噪声信号参量相一致。cfar处理窗主要分为三个部分：待检测单元、保护单元以及参考单元。其中待检单元主要是用来判断是否存在目标的单元；保护单元主要防止目标跨多个单元时错误估计噪声功率；参考单元中噪声因与待检测单元中一致，所以其功率值可以用来表示待检单元的噪声功率值。cfar处理就是通过对待检单元的噪声功率的估计，动态调整检测门限，在虚警率保持不变的情况下目标检测概率最大化。单元平均恒虚警(cacfar)的检测门限为：
[0135][0136]
其中是cacfar检测器的乘性因子，p
fa
为恒虚警率，m为参考单元数；x
l
表示距离单元内的信号功率。
[0137]
假设是真实目标所在位置，假目标依次为在密集区中，处于的参考单元中，使得背景噪声功率水平估计偏高而不能将检测出来；依次类推，落在的参考单元中，使得不能被检测出来。反之，若没有落在的参考单元中，则可以被检测出来。
[0138]
间隔、幅值和相位可调的密集假目标经过脉冲压缩后的功率分别为|r1(t)|2、|r2(t)|2、|r3(t)|2，以目标所在范围(la,lb)内的检测门限均值建立目标函数。干扰信号幅度设为1，以保证得到的干扰信号功率不会超过干扰机输出的峰值功率。
[0139]
间隔优化密集假目标干扰(intervaloptimizationdensefalsetarget，io-dft)目标函数和约束条件为：
[0140][0141][0142]
δ1＜|δt
i-δt
i-1
|＜δ2,i＝1,2,
…
,i
[0143]
δ2＜|δt
j-δt
j-1
|＜δ3,j＝1,2,
…
,j
[0144]
式中δ1,δ2分别为密集区最小间隔和最大间隔；δ2,δ3分别为稀疏区最小间隔和最大间隔。
[0145]
间隔和初始相位联合优化密集假目标干扰(interval-phaseoptimizationdensefalsetarget，ipo-dft)目标函数和约束条件为：
[0146][0147][0148]
δ1＜|δt
i-δt
i-1
|＜δ2,i＝1,2,
…
,i
[0149]
δ2＜|δt
j-δt
j-1
|＜δ3,j＝1,2,
…
,j
[0150][0151]
间隔、初始相位和幅值联合优化密集假目标干扰(interval-phase-amplitudeoptimizationdensefalsetarget，ipao-dft)目标函数和约束条件：
[0152][0153][0154]
δ1＜|δt
i-δt
i-1
|＜δ2,i＝1,2,
…
,i
[0155]
s.t.δ2＜|δt
j-δt
j-1
|＜δ3,j＝1,2,
…
,j
[0156]
[0157]
0＜a≤1
[0158]
在更具体的实施中，步骤s3中所述网格自适应直接搜索算法(mads)及其对间隔、幅值和相位可调的密集假目标干扰信号参数优化过程如下：
[0159]
网格自适应直接搜索算法(mads)由广义模式搜索算法发展而来，是一种解决非光滑约束规划的无导数优化算法。通过对问题模型参数建立网格，采取搜索、探测的方法自适应的优化得到最优解。mads算法提供了一种求解多约束、非线性复杂模型求解方式。
[0160]
使用mads算法优化密集假目标干扰信号参数时，重新定义了间隔优化密集假目标干扰(intervaloptimizationdensefalsetarget，io-dft)干扰目标函数：
[0161][0162]
其中间隔ω为δtn所在的可行域，ψ
ω
为可行域指示函数，如果令f
ω
＝∞，如果δt∈ωd，
[0163]
重新定义了间隔和初始相位联合优化密集假目标干扰(interval-phaseoptimizationdensefalsetarget，ipo-dft)目标函数：
[0164][0165]
其中为可行域，ωc为的可行域。
[0166]
重新定义了间隔、初始相位和幅值联合优化密集假目标干扰(interval-phase-amplitudeoptimizationdensefalsetarget，ipao-dft)目标函数：
[0167][0168]
其中为可行域，连续变量xc表示初始相位与幅值a的集合，用nc表示xc的维度，ωc为xc的可行域。
[0169]
网格自适应直接搜索算法(mads)首先需要进行初始化，建立一个局部极小值的初始迭代点x＝(xc,xd)，xc表示连续变量，xd表示离散变量，在其邻域内有：
[0170]fω
(x)≤f
ω
(v)
[0171]
v所在可行域为：
[0172][0173]
其中b
ε
(xc)的意义为：对于任何n(x)＝{y∈ω:yc＝xc,||y
d-xd||1≤1}，yd取离散值。
[0174]
在具体的实施中，参数设置为：
[0175]
ω

＝1.0，ω-＝1.0，τ＝4，d＝[i-i]，g＝[i]
[0176]
网格自适应直接搜索算法(mads)优化的过程主要分为搜索步和探测步。
[0177]
搜索步和探测步的主要目标是产生改进网格点。搜索步在网格上选取有限个试验点，计算这些网格点的f
ω
，通过与初始点函数值f
ω
(x)比较，确立改进的网格点。
[0178]
间隔优化密集假目标干扰时第k次迭代时网格为：
[0179][0180]
其中网格参数vk表示第k迭代以前评估的试验点(v0是初始试验点)。对于所有离散变量δt的可能采用的值i＝1,2,...,i
max
，正生成集di＝gizi，其中非奇异生成矩阵阵
[0181]
联合优化密集假目标干扰时第k次迭代时网格为：
[0182][0183]
其中，
[0184]
当产生改进网格点后，mads迭代将停止，否则，进入探测步。探测步在框架上寻找改进网格点，按照探测方向进行局部搜索。
[0185]
间隔优化密集假目标干扰时第k次迭代的框架pk为：
[0186][0187]
其中，dk(δt)}是一个正生成集合，任意d∈dk(δt)可以用d(δt)}中列向量表示。试验点δtk到框架点的距离有界，即式中为框架参数，且
[0188]
联合优化密集假目标干扰时第k次迭代的框架pk为：
[0189][0190]
网格自适应直接搜索算法(mads)优化过程的参数更新条件为：如果在第k次搜索步或探测步中，在可行域ω中产生了改进的网格点x
k 1
，满足f
ω
(x
k 1
)＜f
ω
(xk)，迭代成功，下次迭代时网格参数可以保持不变或增大；反之，减小。网格参数更新规则如下：
[0191][0192]
其中固定有理数τ》1,两个整数ω-≤-1和ω

≥0。
[0193]
网格自适应直接搜索算法(mads)优化流程图如附图4所示。
[0194]
在具体的实施过程中，在进行搜索步时，在网格mk上选取10个网格点，计算这些网格点的f
ω
，如果f
ω
≤f
ω
(x)，则形成改进的网格点，跳过探测步。如果未找到改进网格点，则转入探测步。在进行探测步时，在框架pk上寻找改进网格点，当其目标函数值f
ω
＜f
ω
(x),进行网格参数更新，更新了参数和令k＝k 1，之后若满足停止条件：当第k 1次迭代的
目标函数值|f
ω
(x)-f
ω
(x
k 1
)|＜1
×
10-13
时，迭代停止。利用上述算法对密集假目标干扰进行间隔优化时，返回间隔δt
k 1
的值，δt
k 1
为间隔优化密集假目标干扰的最优解，f
ω
(δt
k 1
)为最佳的检测门限均值。利用上述算法对密集假目标干扰进行间隔、初始相位和幅值联合优化时，返回间隔δt、初始相位和幅值a的值即为间隔、初始相位和幅值优化密集假目标干扰的最优解，为最佳的检测门限均值。
[0195]
当不满足迭代停止条件时，需要使用计算得到的各个参数作为基础来继续更新参数，此时目标函数尚未到达最优解；当满足迭代停止条件时，此时的参数就是得到的最终优化参数，此时可以得到目标函数的最优解，此时的干扰信号具有最佳性能。
[0196]
在具体的实施过程中，对io-dft干扰，经过mads优化后可得最佳间隔参数δt
k 1
，使得目标函数f
ω
(δt
k 1
)最小，此时的干扰信号波形j1(t)具有最佳干扰性能。
[0197]
对ipo-dft干扰，经过mads优化后可得最佳间隔与相位参数δt
k 1
、使得目标函数最小。此时的干扰信号波形j2(t)具有最佳干扰性能。
[0198]
对ipao-dft干扰，经过mads优化后可得间隔、初始相位和幅值优化密集假目标干扰的最优解δt
k 1
，使得目标函数最小，此时的干扰信号波形j3(t)具有最佳干扰性能。
[0199]
通过上述具体实施方式所述的密集假目标干扰信号产生及优化过程进行如下的仿真实验：
[0200]
为抬高典型密集假目标干扰经过cfar后的检测门限，同时兼具欺骗效果，对其分别进行间隔优化，间隔和初始相位联合优化，间隔、初始相位和幅值联合优化，通过这三种优化方式提高其干扰效果并且对比分析得到最优的优化方式。采用检测门限均值作为指标进行定量评价，衡量所提优化方法与典型干扰相比的优势。同时与遗传算法(ga)通过对比，得出 mads算法的优势。线性调频信号基本参数及cfar处理基本参数如表1所示：
[0201]
表1雷达线性调频和cfar参数
[0202][0203]
对典型的密集假目标干扰，经过脉冲压缩后形成了60个相距δt的假目标，由附图3可见，干扰目标幅度始终位于检测门限以下，如果目标处于所设置的干扰覆盖范围之内，就无法被检测到。经计算得到的检测门限均值为35.7db。
[0204]
对密集假目标干扰间隔参数进行优化，其余参数与典型密集假目标一致，此时间隔δt不再为统一值，而是不同值。将干扰区域设置为稀疏区-密集区-稀疏区，这样设置的目的是抬高检测门限，产生超过门限假目标。δ1,δ2,δ3分别设置为0.067μs,0.33μs,0.67μs，采用mads 算法对间隔优化。由附图6可见，经过优化间隔后的密集假目标干扰在脉压后形成了稀疏区
‑ꢀ
密集区-稀疏区三个部分，假目标之间的排列不再规律，这样设置可以对现有的干扰识别技术造成阻碍。由附图7可见，优化后的密集假目标干扰抬高了检测门限，并且产生了40个超过门限的假目标。对比典型干扰，优化间隔后的密集假目标突破了假目标
排列规律易被识别的技术限制，兼具了欺骗干扰效果，抬高了检测门限，干扰效果得到提高。
[0205]
为进一步提高压制干扰效果，对密集假目标干扰进行时间间隔和初始相位联合优化。设置初始相位范围为：0～2π，间隔参数δ1,δ2,δ3分别设置为0.067μs,0.33μs,0.67μs，其余参数与典型密集假目标干扰一致，并使用网格自适应直接搜索算法(mads)优化参数。由附图9 可见，经过优化间隔和初始相位后的密集假目标干扰脉压增益接近70，对比典型干扰，优化间隔和初始相位后的密集假目标具有优化间隔后的干扰特性，且检测门限更高，干扰效果更好。
[0206]
最后，对密集假目标干扰进行时间间隔、初始相位和幅值联合优化。相较于密集假目标干扰的时间间隔和初始相位联合优化，密集假目标干扰的时间间隔、初始相位和幅值联合优化对每个子干扰的幅值都进行了优化。由附图12可见，密集区脉压增益超过90，但是稀疏区脉压增益减少，这种优化方式通过牺牲稀疏区脉压增益，提高密集区的检测门限。通过优化干扰幅值，提高了对比典型干扰和另外两种优化方式，优化间隔、初始相位和幅值后的密集假目标干扰兼具压制干扰效果和欺骗干扰效果，检测门限最高，干扰效果最好。
[0207]
采用检测门限均值对三种仿真实验的干扰效果进行定量评价，将mads算法的计算结果与遗传算法(ga)的计算结果通过检测门限均值和cpu计算时间两方面作简单对比，评价结果如表2所示。
[0208]
表2三种密集假目标干扰优化模型结果对比
[0209][0210]
其中，mads算法cpu计算时间通过设定达到ga优化结果值作为迭代停止条件得来。由表2可知，联合优化方式比单一参数优化方式效果更好，间隔、初始相位和幅值联合优化干扰效果最好；通过对比mads和ga计算结果，mads算法在结果和速度上都优于ga算法。
[0211]
以上实施方式仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施方式。凡属于本发明思路下的技术方案均属于本发明的保护范围。应该指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下的改进和润饰，这些改进和润饰也应视为本发明的保护范围。