雷達抗干擾波形優(yōu)化設計的研究.pdf

1、傳統(tǒng)的雷達系統(tǒng)一旦確定發(fā)射波形以后，便無法在運行時再對波形進行更改。因此雷達波形設計算法需要考慮各種不同的性能指標，以便設計出完美的波形，使其適用于可能遭遇到的雷達場景中。然而，由于波形設計的自由度有限，當所有指標添加到同一個波形優(yōu)化的目標函數(shù)之后，難免顧此失彼。
　　隨著在線波形設計技術日趨成熟，越來越多的研究者投入到波形設計的研究中。一旦雷達可以在運行時改變發(fā)射波形，就沒有必要去設計在各個方面都“完美”的波形；波形設計算法可以

2、針對當前的雷達場景量身定做發(fā)射波形；此時只需要考慮當前環(huán)境中的目標和干擾。也就是說，在保證波形設計自由度不變的情況下減少優(yōu)化指標之后，可以使設計波形相比傳統(tǒng)波形在某些特定的方面具有更好的性能，能夠更有效地減小當前環(huán)境中的干擾。
　　在線波形設計技術主要由兩個部分構(gòu)成：1)用于估計當前雷達場景參數(shù)的估計器；2)波形設計算法。近年來，雷達的研究者們已經(jīng)提出了眾多可用于在線波形設計的優(yōu)化算法，但是這些算法都或多或少存在一些特定的問題和缺

3、陷，使它們無法應用于一些復雜的雷達場景中。本課題針對這些問題及缺陷，著重研究了波形設計算法。
　　首先根據(jù)雷達場景中常見的距離旁瓣遮蔽問題，提出了迭代的功率譜逼近算法（Iterative Spectral Approximation Algorithm, ISAA）框架。在引入了脈沖壓縮的概念之后，距離旁瓣遮蔽一直是雷達設計者需要考慮的問題。匹配濾波器輸出的距離像可以建模為雷達場景與波形自相關函數(shù)的卷積；在這種模型下，波形的自相關

4、函數(shù)類似成像模型中的點擴散函數(shù)，將一個距離單元中的回波能量散布到了其它的距離單元之中，從而導致了距離像的模糊。但不同于光學系統(tǒng)，對于主動雷達系統(tǒng)而言，發(fā)射波形是可以掌控的要素。這意味著一旦獲取了當前距離像的粗略信息，并了解了強散射體存在的距離單元，就可以通過設計在指定區(qū)間具有低自相關幅值的波形，以抑制強散射體距離旁瓣對特定距離區(qū)間的干擾；而ISAA框架正是在這種背景下為了設計波形而提出的。ISAA框架根據(jù)波形的恒模特性構(gòu)造約束條件，利用

5、相關函數(shù)與譜的傅立葉變換關系在頻域構(gòu)造設計目標，通過交替投影的方法實現(xiàn)了波形優(yōu)化。本課題提出了一種新穎的動態(tài)理想自相關構(gòu)造方法(Dynamic Ideal Autocorrelation Construction, DIAC)，該方法與ISAA框架結(jié)合之后，可以得到一種高效的具體算法，相比國內(nèi)外其它研究中提出的同類算法，減小了波形優(yōu)化的時間消耗。
　　其次，提出了名為純相位非線性規(guī)劃（Phase-Only Nonlinear Pr

6、ogramming, PONLP）的算法框架。PONLP與ISAA框架類似，也可用于波形自相關的優(yōu)化。然而與ISAA框架相比，PONLP有一個獨特的優(yōu)勢：在設計波形時，可以在其自相關序列上設置數(shù)量較多，寬度較窄的低相關幅值區(qū)間。具有這種特點的波形可以用來抑制海雜波尖峰產(chǎn)生的距離旁瓣。不同于ISAA，PONLP是一種基于梯度的優(yōu)化方法。不同于傳統(tǒng)的基于梯度的方法，PONLP使用純相位導數(shù)替代導數(shù)，使用純相位一維搜索替代直線型的一維搜索。通

7、過這種方式，算法的每一次的迭代都能保證設計波形位于可行域之中，從而提高了收斂速度。
　　第三，針對雷達場景中可能存在的大量窄帶有源干擾，提出了秩虧傅立葉變換的概念，并將其應用于交替投影框架之中，得到了ISAA框架的另一類具體算法。其設計波形在指定的頻率區(qū)間具有極低的能量分布，從而降低了窄帶有源干擾對信號的影響。傳統(tǒng)的雷達系統(tǒng)可以在接收端設置帶阻濾波器以抑制外部的有源干擾。然而，如果干擾和發(fā)射波形在頻率軸有重疊，那么帶阻濾波器在濾除

8、干擾的同時，也會消除一部分來自目標的回波能量，進而降低信噪比。而波形設計的方法可以保證波形與干擾盡可能在頻率軸沒有重疊，使接收端的濾波器在濾除干擾的同時不會削弱回波。為了讓設計波形在具有特定的功率譜形狀的同時對波形的自相關函數(shù)形狀進行優(yōu)化，分別提出了基于多集合交替投影的ISAA框架和基于多目標的PONLP框架，由這兩種框架導出的具體算法均可完成既定的設計目標。
　　第四，根據(jù)多波形設計和應用的特點，對 ISAA框架進行了擴展。分別

9、提出了基于ISAA的互相關優(yōu)化-內(nèi)積約束（Cross-Correlation Optimization-Inner Product Constraint, CSOIPC）算法和多維ISAA算法（Multi-Dimensional ISAA, MDISAA），基于廣義ISAA（Generalized-ISAA, GISAA）的APLOWP框架。其中CSOIPC可用于發(fā)射-接收聯(lián)合優(yōu)化，APLOWP可為瞬態(tài)極化雷達系統(tǒng)設計發(fā)射波形，而MDI