合成孔径雷达抗干扰技术综述

黄岩 赵博 陶明亮 陈展野 洪伟

引用本文:
Citation:

合成孔径雷达抗干扰技术综述

    作者简介:
    黄 岩(1991–),男,山东济南人,博士,讲师。2018年毕业于西安电子科技大学雷达信号处理国防科技重点实验室,获得信号与信息处理工学博士学位,现任东南大学信息科学与工程学院毫米波国家重点实验室讲师。主要研究方向为合成孔径雷达和MIMO雷达抗干扰技术、图像处理及解译、机器学习、目标检测与识别等。目前主持多项国家自然科学基金、军委科技委等雷达抗干扰技术相关的纵向课题。E-mail: yan_huang@seu.edu.cn;
    赵 博(1986–),男,河南南阳人,博士,助理教授。2015年毕业于西安电子科技大学雷达信号处理重点实验室,获得信号与信息处理专业博士学位。2015–2018年在深圳大学从事博士后研究工作,2016–2017年为美国佛罗里达大学访问学者。现为深圳大学电子与信息工程学院助理教授。研究方向包括雷达系统设计、雷达信号处理、高分辨遥感探测、电子对抗、压缩采样与信息恢复等。E-mail: b_zhao@szu.edu.cn;
    陶明亮(1989–),男,湖南株洲人,博士,副教授。2016年获西安电子科技大学工学博士学位,现任西北工业大学电子信息学院副教授。陕西省优秀博士学位论文和首届中国电子教育学会优秀博士论文获得者,2017年入选全国博士后创新人才支持计划,并获国际无线电科学联盟颁发的“青年科学家奖”,2018年入选陕西省青年科技新星和陕西省高校科协青年托举人才支持计划。主要研究方向为复杂电磁环境对抗技术。E-mail: mltao@nwpu.edu.cn;
    陈展野(1993–),男,湖北黄冈人,博士,讲师。2019年在西安电子科技大学雷达信号处理国家重点实验室获得博士学位,现担任重庆大学微电子与通信工程学院讲师。主要研究方向为合成孔径雷达信号处理,地/海面运动目标检测。E-mail: czy@cqu.edu.cn;
    洪 伟(1962–),男,教授,博士生导师。1988年在东南大学无线电工程系(现信息科学与工程学院)获得博士学位,现任东南大学信息科学与工程学院毫米波国家重点实验室主任,教育部长江学者计划特聘教授,IEEE Fellow, CIE Fellow,国家杰出青年基金获得者。主要研究方向为电磁场与微波技术、毫米波亚毫米波理论与技术、无线通信射频与天线技术。作为首席科学家或项目负责人承担完成多项国家973、863、创新群体、科技重大专项项目等。获国家自然科学二等奖、四等奖各1项,部省科技进步一等奖3项等多项科技奖以及IEEE 802.11aj国际标准杰出贡献奖、首届全国创新争先奖状等。E-mail: weihong@seu.edu.cn.
    通讯作者: 黄岩 yan_huang@seu.edu.cn
  • 基金项目:

    国家自然科学基金(61901112, 61801297, 61801390),十三五领域基金(61404130223),江苏省自然科学基金(BK20190330),深圳大学科研启动项目(2019119)

  • 中图分类号: TN974

Review of Synthetic Aperture Radar Interference Suppression

    Corresponding author: HUANG Yan, yan_huang@seu.edu.cn
  • Fund Project: The National Natural Science Foundation of China (61901112, 61801297, 61801390), The Advanced Research Foundation (61404130223), The Natural Science Foundation of Jiangsu Province (BK20190330), Shenzhen University Foundation (2019119)

    CLC number: TN974

  • 摘要: 合成孔径雷达(SAR)得益于其全天时全天候、高分辨率的工作模式,在最近几十年吸引了全球雷达学者的目光。作为一种有源雷达系统,合成孔径雷达高分辨成像过程中会受多样式复杂多变的强电磁干扰影响,从而严重影响合成孔径雷达最终的高分辨成像结果,因此,如何有效对抗复杂电磁干扰是合成孔径雷达探测感知的难点和重点之一。该文针对不同的干扰样式、干扰来源、干扰散射机理、雷达天线配置、目标特性等合成孔径雷达抗干扰及高分辨成像的关键要素和主要思路进行了总结梳理,并依照干扰对抗算法的本质,对近些年代表性的合成孔径雷达对抗压制干扰和欺骗干扰算法的文献进行介绍和归纳,旨在为以后的研究提供一定的参考。
  • 图 1  窄带射频干扰对合成孔径雷达成像的影响

    Figure 1.  Effect of narrowband RFI to SAR imaging

    图 2  欺骗干扰对合成孔径雷达成像的影响

    Figure 2.  Effect of deceptive jamming to SAR imaging

    图 3  合成孔径雷达有源干扰分类

    Figure 3.  Classification of sourced interferences for SAR systems

    图 4  不同维度的窄带、宽带压制干扰信号模型示意图

    Figure 4.  Illustrations of narrowband and wideband suppressed interference models in different domains

    图 5  欺骗干扰和真实回波的时频分布模型示意图

    Figure 5.  Illustration of the time-frequency distribution of deceptive jammings and true echoes

    图 6  PALSAR实测数据陷波滤波器干扰抑制性能[40]

    Figure 6.  Interference suppression performance of the notched filter on PALSAR real data[40]

    图 7  后验陷波滤波方法流程图[44]

    Figure 7.  Block diagram of Posteriori Notched Filtering[44]

    图 8  ALOS PALSAR实测数据验证时域最小均方滤波器抑制干扰性能[56]

    Figure 8.  Interference suppression performance of TDLMS filter on ALOS PALSAR real data[56]

    图 9  维纳滤波在低频直升机载合成孔径雷达系统对抗窄带射频干扰[62]

    Figure 9.  Narrowband RFI suppression performance of Wiener filter on the Helicopter-borne SAR system[62]

    图 10  实测合成孔径雷达场景下特征子空间投影方法与陷波滤波器抗干扰性能对比[63]

    Figure 10.  Performance comparison of ESP method and notched filter[63]

    图 11  宽带干扰下子空间投影法与陷波滤波器的2维距离时频谱对比[67]

    Figure 11.  Performance comparison of the ESP method and notched filters for wideband interference[67]

    图 12  IAA方法迭代估计窄带干扰正弦信号参数[71]

    Figure 12.  Narrowband interference sinusoidal parameter estimation with IAA method[71]

    图 13  美国陆军研究实验室的稀疏恢复半参数化方法抑制射频干扰[76]

    Figure 13.  Sparse recovery semi-parametric method for RFI suppression by US Army Research Lab[76]

    图 14  张量理论半参数化干扰抑制方法性能[88]

    Figure 14.  Performance of tensor theory semi-parametric interference suppression method[88]

    图 15  多通道直达波欺骗干扰抑制效果[92]

    Figure 15.  Direct-path deceptive jamming suppression performance[92]

    图 16  仿真数据快时间STAP的欺骗干扰抑制性能对比原始图像[92]

    Figure 16.  Fast-time STAP deceptive jamming suppression performance via simulated data[92]

    图 17  单通道合成孔径雷达系统复杂场景欺骗干扰辨识效果[103]

    Figure 17.  Deceptive scene recognition for single-channel SAR system[103]

    图 18  单通道合成孔径雷达欺骗干扰污染场景重构结果[107]

    Figure 18.  Reconstruction of the deceptive jamming polluted scene for single channel SAR system[107]

    表 1  现有抗单一类型孤立干扰方法优缺点对比(*表示最优)

    Table 1.  Comparison of isolated interference suppression methods (* denotes optimal)

    非参数化方法参数化方法半参数化方法
    计算复杂度*较高
    性能较差*
    真实信号保护项*
    参数*有(模型参数)有(超参数)
    性能依赖条件干扰足够强干扰模型已知超参数、优化模型
    下载: 导出CSV
  • [1] HUANG Yan, LIAO Guisheng, XU Jingwei, et al. GMTI and parameter estimation via time-doppler chirp-varying approach for single-channel airborne SAR system[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(8): 4367–4383. doi: 10.1109/TGRS.2017.2691742
    [2] HUANG Yan, LIAO Guisheng, ZHANG Zhen, et al. SAR automatic target recognition using joint low-rank and sparse multiview denoising[J]. IEEE Geoscience and Remote Sensing Letters, 2018, 15(10): 1570–1574.
    [3] HUANG Yan, LIAO Guisheng, XU Jingwei, et al. GMTI and parameter estimation for MIMO SAR system via fast interferometry RPCA method[J]. IEEE Transactions on Geoscience and Remote Sensing, 2018, 56(3): 1774–1787. doi: 10.1109/TGRS.2017.2768243
    [4] ZHANG Lei, QIAO Zhijun, XING Mengdao, et al. A robust motion compensation approach for UAV SAR imagery[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(8): 3202–3218. doi: 10.1109/TGRS.2011.2180392
    [5] ZHANG Lei, XING Mengdao, QIU Chengwei, et al. Resolution enhancement for inversed synthetic aperture radar imaging under low SNR via improved compressive sensing[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(10): 3824–3838. doi: 10.1109/TGRS.2010.2048575
    [6] XING Mengdao, JIANG Xiuwei, WU Renbiao, et al. Motion compensation for UAV SAR based on raw radar data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(8): 2870–2883. doi: 10.1109/TGRS.2009.2015657
    [7] ZHANG Lei, HU Mengqi, WANG Guangyong, et al. Range-dependent map-drift algorithm for focusing UAV SAR imagery[J]. IEEE Geoscience and Remote Sensing Letters, 2016, 13(8): 1158–1162. doi: 10.1109/LGRS.2016.2574752
    [8] XU Gang, GAO Yandong, LI Jinwei, et al. InSAR phase denoising: A review of current technologies and future directions[J]. IEEE Geoscience and Remote Sensing Magazine, 2020. doi: 10.1109/MGRS.2019.2955120
    [9] WANG Guanyong, ZHANG Man, HUANG Yan, et al. Robust two-dimensional spatial-variant map-drift algorithm for UAV SAR autofocusing[J]. Remote Sensing, 2019, 11(3): 340. doi: 10.3390/rs11030340
    [10] CHEN Zhanye, ZHOU Yu, ZHANG Linrang, et al. Ground moving target imaging and analysis for near-space hypersonic vehicle-borne synthetic aperture radar system with squint angle[J]. Remote Sensing, 2018, 10(12): 1966. doi: 10.3390/rs10121966
    [11] WILEY C A. Synthetic aperture radars[J]. IEEE Transactions on Aerospace and Electronic Systems, 1985, AES-21(3): 440–443. doi: 10.1109/TAES.1985.310578
    [12] CUTRONA L J, LEITH E N, PORCELLO L J, et al. On the application of coherent optical processing techniques to synthetic-aperture radar[J]. Proceedings of the IEEE, 1966, 54(8): 1026–1032. doi: 10.1109/PROC.1966.4987
    [13] SHERWIN C W, RUINA J E, and RAWCLIFFE R D. Some early developments in synthetic aperture radar system[J]. IRE Transactions on Military Electronic, 1962, 6(2): 111–115.
    [14] CUMMING I G and WONG F H. Digital Processing of Synthetic Aperture Radar Data: Algorithms and Implementation[M]. Boston, MA, USA: Artech House, 2005.
    [15] 保铮, 邢孟道, 王彤. 雷达成像技术[M]. 北京: 电子工业出版社, 2005.BAO Zheng, XING Mengdao, and WANG Tong. Radar Imaging Technique[M]. Beijing: Publishing House of Electronics Industry, 2005.
    [16] 陶明亮. 极化SAR射频干扰抑制与地物分类方法研究[D]. [博士论文], 西安电子科技大学, 2016.TAO Mingliang. Research on radio frequency interference mitigation and land cover classification for PolSAR[D]. [Ph.D. dissertation], Xidian University, 2016.
    [17] 林晓烘. 星载合成孔径雷达干扰与抗干扰技术研究[D]. [博士论文], 国防科学技术大学, 2014.LIN Xiaohong. Study on jamming and anti-jamming techniques for spaceborne synthetic aperture radar[D]. [Ph.D. dissertation], National University of Defense Technology, 2014.
    [18] ZHOU Feng and TAO Mingliang. Research on methods for narrow-band interference suppression in synthetic aperture radar data[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(7): 3476–3485. doi: 10.1109/JSTARS.2015.2431916
    [19] 黄岩. 复杂电磁环境下合成孔径雷达动目标检测与识别方法研究[D]. [博士论文], 西安电子科技大学, 2018.HUANG Yan. Research on techniques of moving target detection and recognition for synthetic aperture radar in complex electromagnetism environment[D]. [Ph.D. dissertation], Xidian University, 2018.
    [20] SANDERS F H, SOLE R L, BEDFORD B L, et al. Effects of RF interference on radar receivers[R]. NTIA Report TR-06-444, 2006.
    [21] ZHAO Bo, ZHOU Feng, and BAO Zheng. Deception jamming for squint SAR based on multiple receivers[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(8): 3988–3998. doi: 10.1109/JSTARS.2014.2322612
    [22] ZHAO Bo, HUANG Lei, ZHOU Feng, et al. Performance improvement of deception jamming against SAR based on minimum condition number[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2017, 10(3): 1039–1055. doi: 10.1109/JSTARS.2016.2614957
    [23] 张永顺, 童宁宁, 赵国庆. 雷达电子战原理[M]. 北京: 国防工业出版社, 2006.ZHANG Yongshun, TONG Ningning, and ZHAO Guoqing. Principle of Radar Electronic Warfare[M]. Beijing: National Defense Industry Publishing House, 2006.
    [24] 袁文先, 杨巧玲. 百年电子战[M]. 北京: 军事科学出版社, 2008.YUAN Wenxian and YANG Qiaoling. Electronic Warfare for A Century[M]. Beijing: Military Science Publishing House, 2008.
    [25] 赵国庆. 雷达对抗原理[M]. 西安: 西安电子科技大学出版社, 1999.ZHAO Guoqing. Principle of Radar Countermeasure[M]. Xi’an: Xidian University Publishing House, 1999.
    [26] TAO Mingliang, ZHOU Feng, and ZHANG Zijing. Characterization and mitigation of radio frequency interference in PolSAR data[J]. Radio Science, 2017, 52(11): 1405–1418. doi: 10.1002/2017RS006252
    [27] 何发远, 谢明, 吴晓红, 等. 一种星载SAR图像欺骗式干扰技术[J]. 四川大学学报: 自然科学版, 2009, 46(4): 993–998.HE Fayuan, XIE Ming, WU Xiaohong, et al. A technology of deceiving jamming for space born SAR images[J]. Journal of Sichuan University:Natural Science Edition, 2009, 46(4): 993–998.
    [28] 高晓平, 雷武虎. SAR散射波干扰实现方法的研究[J]. 现代雷达, 2006, 28(8): 22–24, 42. doi: 10.3969/j.issn.1004-7859.2006.08.007GAO Xiaoping and LEI Wuhu. Method of implementing scatter-wave jamming signal to SAR[J]. Modern Radar, 2006, 28(8): 22–24, 42. doi: 10.3969/j.issn.1004-7859.2006.08.007
    [29] 李伟. 分布式星载SAR干扰与抗干扰研究[D]. [博士论文], 国防科学技术大学, 2006.LI Wei. Research on technology of distributed Spaceborne SAR jamming and anti-jamming[D]. [Ph.D. dissertation], National University of Defense Technology, 2006.
    [30] 张云鹏, 毕大平, 周阳, 等. 余弦调相散射波干扰对SAR双通道对消干扰抑制的影响[J]. 遥感学报, 2019, 23(1): 99–107.ZHANG Yunpeng, BI Daping, ZHOU Yang, et al. Effect of cosinusoidal phase-modulated scatter-wave jamming to the jamming suppression of SAR dual-channel cancellation[J]. Journal of Remote Sensing, 2019, 23(1): 99–107.
    [31] 甘荣兵, 王建国, 何川. 双路对消抑制对合成孔径雷达的弹射式干扰[J]. 信号处理, 2005, 21(1): 27–30. doi: 10.3969/j.issn.1003-0530.2005.01.006GAN Rongbing, WANG Jianguo, and HE Chuan. Rebound jamming suppression by two-channel SAR[J]. Signal Processing, 2005, 21(1): 27–30. doi: 10.3969/j.issn.1003-0530.2005.01.006
    [32] 甘荣兵, 王建国, 何川. 双天线对消弹射式干扰中的相位估计[J]. 电子学报, 2005, 33(9): 1691–1693. doi: 10.3321/j.issn:0372-2112.2005.09.037GAN Rongbing, WANG Jianguo, and HE Chuan. Phase estimation in rebound jamming suppression by two-channel SAR[J]. Acta Electronica Sinica, 2005, 33(9): 1691–1693. doi: 10.3321/j.issn:0372-2112.2005.09.037
    [33] HUANG Yan, LAN Lan, ZHANG Lei, et al. Simultaneous narrowband and wideband interference suppression on single-channel SAR system via low-rank recovery[C]. 2019 IEEE International Geoscience and Remote Sensing Symposium, Yokohama, Japan, 2019: 600–603.
    [34] HUANG Yan, ZHANG Lei, LI Jie, et al. A novel tensor technique for simultaneous narrowband and wideband interference suppression on single-channel SAR system[J]. IEEE Transactions on Geoscience and Remote Sensing, 2019, 57(12): 9575–9588. doi: 10.1109/TGRS.2019.2927764
    [35] FAN Weiwei, ZHOU Feng, TAO Mingliang, et al. Interference mitigation for synthetic aperture radar based on deep residual network[J]. Remote Sensing, 2019, 11(14): 1654. doi: 10.3390/rs11141654
    [36] ZHOU Feng, ZHAO Bo, TAO Mingliang, et al. A large scene deceptive jamming method for space-borne SAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(8): 4486–4495. doi: 10.1109/TGRS.2013.2259178
    [37] ZHAO Bo, ZHOU Feng, SHI Xiaoran, et al. Multiple targets deception jamming against ISAR using electromagnetic properties[J]. IEEE Sensors Journal, 2015, 15(4): 2031–2038. doi: 10.1109/JSEN.2014.2368985
    [38] CAZZANIGA G and GUARNIERI A M. Removing RF interferences from P-band airplane SAR data[C]. 1996 International Geoscience and Remote Sensing Symposium, Lincoln, USA, 1996: 1845–1847.
    [39] BUCKREUSS S and HORN R. E-SAR P-band SAR subsystem design and RF-interference suppression[C]. The Sensing and Managing the Environment. 1998 IEEE International Geoscience and Remote Sensing Symposium Proceedings, Seattle, USA, 1998: 466–468.
    [40] MEYER F J, NICOLL J B, and DOULGERIS A P. Correction and characterization of radio frequency interference signatures in L-band synthetic aperture radar data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(10): 4961–4972. doi: 10.1109/TGRS.2013.2252469
    [41] ITU-R Recommendation RS. Mitigation technique to facilitate the use of the 1 215-1 300 MHz band by the earth exploration-satellite service (Active) and the space research service (Active)[EB/OL] https://www.itu.int/rec/R-REC-RS.1749/en, 2006.
    [42] NABIL H, CHEN Jie, KAMEL H, et al. Bidirectional notch filter for suppressing pulse modulated radio-frequency-interference in SAR data[C]. 2014 IEEE Geoscience and Remote Sensing Symposium, Quebec City, Canada, 2014: 1136–1139.
    [43] FENG Jin, ZHENG Huifang, DENG Yunkai, et al. Application of subband spectral cancellation for SAR narrow-band interference suppression[J]. IEEE Geoscience and Remote Sensing Letters, 2012, 9(2): 190–193. doi: 10.1109/LGRS.2011.2163150
    [44] REIGBER A and FERRO-FAMIL L. Interference suppression in synthesized SAR images[J]. IEEE Geoscience and Remote Sensing Letters, 2005, 2(1): 45–49. doi: 10.1109/LGRS.2004.838419
    [45] DOERRY A W. Apodized RFI filtering of synthetic aperture radar images[R]. Sandia Report SAND2014-1376, 2014.
    [46] NATSUAKI R, MOTOHKA T, WATANABE M, et al. An autocorrelation-based radio frequency interference detection and removal method in azimuth-frequency domain for SAR image[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2017, 10(12): 5736–5751. doi: 10.1109/JSTARS.2017.2775205
    [47] DAVIS M E. Frequency allocation challenges for ultra-wideband radars[J]. IEEE Aerospace and Electronic Systems Magazine, 2013, 28(7): 12–18. doi: 10.1109/MAES.2013.6559376
    [48] PINHEIRO M, RODRIGUEZ-CASSOLA M, PRATS-IRAOLA P, et al. Reconstruction of coherent pairs of synthetic aperture radar data acquired in interrupted mode[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(4): 1876–1893. doi: 10.1109/TGRS.2014.2350255
    [49] MUSGROVE C and WEST J C. Application of equalization notch to improve synthetic aperture radar coherent data products[C]. The Radar Sensor Technology XIX; and Active and Passive Signatures VI, Baltimore, United States, 2015: 94610T.
    [50] MUSGROVE C H and WEST J C. Mitigating effects of missing data for SAR coherent images[J]. IEEE Transactions on Aerospace and Electronic Systems, 2017, 53(2): 716–721. doi: 10.1109/TAES.2017.2664558
    [51] MUSGROVE C H and WEST J C. Replacing missing data between airborne SAR coherent image pairs[J]. IEEE Transactions on Aerospace and Electronic Systems, 2017, 53(6): 3150–3158. doi: 10.1109/TAES.2017.2733860
    [52] LE C T C, HENSLEY S, and CHAPIN E. Removal of RFI in wideband radars[C]. IGARSS’98. Sensing and Managing the Environment. 1998 IEEE International Geoscience and Remote Sensing Symposium Proceedings, Seattle, USA, 1998: 2032–2034.
    [53] LE C T, HENSLEY S, and CHAPIN E. Adaptive filtering of RFI in wideband SAR signals[C]. The 7th Annual JPL AirSAR Workshop, California, USA, 1998: 41–50.
    [54] POTIS A, UZUNOGLOU N, FRANGOS P, et al. Analysis of P-band synthetic aperture radar for airborne and spaceborne applications[R]. National Technical University of Athens (Greece), Department of Electrical and Computer Engineering, 2000.
    [55] POTSIS A, REIGBER A, PAPATHANASSIOU K P, et al. A phase preserving method for RF interference suppression in P-band synthetic aperture radar interferometric data[C]. IEEE 1999 International Geoscience and Remote Sensing Symposium, Hamburg, Germany, 1999: 2655–2657.
    [56] ROSEN P A, HENSLEY S, and LE C. Observations and mitigation of RFI in ALOS PALSAR SAR data: Implications for the DESDynI mission[C]. 2008 IEEE Radar Conference, Rome, Italy, 2008: 1–6.
    [57] LORD R T and INGGS M R. Efficient RFI suppression in SAR using LMS adaptive filter integrated with range/Doppler algorithm[J]. Electronics Letters, 1999, 35(8): 629–630. doi: 10.1049/el:19990437
    [58] LORD R T and INGGS M R. Efficient RFI suppression in SAR using a LMS adaptive filter with sidelobe suppression integrated with the range-doppler algorithm[C]. 1999 International Geoscience and Remote Sensing Symposium, Hamburg, Germany, 1999: 574–576.
    [59] LUO X, ULANDER L M H, ASKNE J, et al. RFI suppression in ultra-wideband SAR systems using LMS filters in frequency domain[J]. Electronics Letters, 2001, 37(4): 241–243. doi: 10.1049/el:20010153
    [60] HARCKE L J and LE C T C. AirMOSS P-band RF interference experience[C]. 2014 IEEE Radar Conference, Cincinnati, USA, 2014: 761–764.
    [61] VU V T, SJÖGREN T K, PETTERSSON M I, et al. RFI suppression in ultrawideband SAR using an adaptive line enhancer[J]. IEEE Geoscience and Remote Sensing Letters, 2010, 7(4): 694–698. doi: 10.1109/LGRS.2010.2045633
    [62] LAMONT-SMITH T, HILL R D, HAYWARD S D, et al. Filtering approaches for interference suppression in low‐frequency SAR[J]. IEE Proceedings-Radar, Sonar and Navigation, 2006, 153(4): 338–344. doi: 10.1049/ip-rsn:20050092
    [63] ZHOU F, WU R B, XING M D, et al. Eigensubspace-based filtering with application in narrow-band interference suppression for SAR[J]. IEEE Geoscience and Remote Sensing Letters, 2007, 4(1): 75–79. doi: 10.1109/LGRS.2006.887033
    [64] ZHOU Feng, TAO Mingliang, BAI Xueru, et al. Narrow-band interference suppression for SAR based on independent component analysis[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(10): 4952–4960. doi: 10.1109/TGRS.2013.2244605
    [65] ZHOU Feng, XING Mengdao, BAI Xueru, et al. Narrow-band interference suppression for SAR based on complex empirical mode decomposition[J]. IEEE Geoscience and Remote Sensing Letters, 2009, 6(3): 423–427. doi: 10.1109/LGRS.2009.2015340
    [66] TAO Mingliang, ZHOU Feng, LIU Jianqiang, et al. Narrow-band interference mitigation for SAR using independent subspace analysis[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(9): 5289–5301. doi: 10.1109/TGRS.2013.2287900
    [67] TAO Mingliang, ZHOU Feng, ZHANG Zijing, et al. Wideband interference mitigation in high-resolution airborne synthetic aperture radar data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(1): 74–87. doi: 10.1109/TGRS.2015.2450754
    [68] MILLER T R, MCCORKLE J W, and POTTER L C. Near-least-squares radio frequency interference suppression[C]. The Algorithms for Synthetic Aperture Radar Imagery II, Orlando, USA, 1995: 72–84.
    [69] HUANG X T and LIANG D N. Gradual RELAX algorithm for RFI suppression in UWB-SAR[J]. Electronics Letters, 1999, 35(22): 1916–1917. doi: 10.1049/el:19991347
    [70] 黄晓涛, 梁甸农. 基于RELAX的UWB-SAR抑制RFI算法[J]. 国防科技大学学报, 2000, 22(2): 55–59. doi: 10.3969/j.issn.1001-2486.2000.02.013HUANG Xiaotao and LIANG Diannong. RFI suppression in UWB-SAR based on RELAX[J]. Journal of National University of Defense Technology, 2000, 22(2): 55–59. doi: 10.3969/j.issn.1001-2486.2000.02.013
    [71] LIU Zhiling, LIAO Guisheng, and YANG Zhiwei. Time variant RFI suppression for SAR using iterative adaptive approach[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10(6): 1424–1428. doi: 10.1109/LGRS.2013.2259575
    [72] YANG Zhiwei, DU Wentao, LIU Zhiling, et al. WBI suppression for SAR using iterative adaptive method[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2016, 9(3): 1008–1014. doi: 10.1109/JSTARS.2015.2470107
    [73] DJUKANOVIĆ S, DAKOVIĆ M, THAYAPARAN T, et al. Method for non-stationary jammer suppression in noise radar systems[J]. IET Signal Processing, 2010, 4(3): 305–313. doi: 10.1049/iet-spr.2009.0034
    [74] DJUKANOVIC S and POPOVIC V. A parametric method for multicomponent interference suppression in noise radars[J]. IEEE Transactions on Aerospace and Electronic Systems, 2012, 48(3): 2730–2738. doi: 10.1109/TAES.2012.6237624
    [75] ZHANG Shuangxi, XING Mengdao, GUO Rui, et al. Interference suppression algorithm for SAR based on time-frequency transform[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(10): 3765–3779. doi: 10.1109/TGRS.2011.2164409
    [76] NGUYEN L H, TRAN T, and DO T. Sparse models and sparse recovery for ultra-wideband SAR applications[J]. IEEE Transactions on Aerospace and Electronic Systems, 2014, 50(2): 940–958. doi: 10.1109/TAES.2014.120454
    [77] NGUYEN L H and TRAN T D. Efficient and robust RFI extraction via sparse recovery[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2016, 9(6): 2104–2117. doi: 10.1109/JSTARS.2016.2528884
    [78] LIU Hongqing, LI Dong, ZHOU Yi, et al. Joint wideband interference suppression and SAR signal recovery based on sparse representations[J]. IEEE Geoscience and Remote Sensing Letters, 2017, 14(9): 1542–1546. doi: 10.1109/LGRS.2017.2721425
    [79] LIU Hongqing and LI Dong. RFI suppression based on sparse frequency estimation for SAR imaging[J]. IEEE Geoscience and Remote Sensing Letters, 2016, 13(1): 63–67. doi: 10.1109/LGRS.2015.2496620
    [80] NGUYEN L H, DAO M D, and TRAN T D. Joint sparse and low-rank model for radio-frequency interference suppression in ultra-wideband radar applications[C]. 2014 48th Asilomar Conference on Signals, Systems and Computers, Pacific Grove, USA, 2014: 864–868.
    [81] JOY S, NGUYEN L H, and TRAN T D. Radio frequency interference suppression in ultra-wideband synthetic aperture radar using range-azimuth sparse and low-rank model[C]. 2016 IEEE Radar Conference, Philadelphia, USA, 2016: 1–4.
    [82] NGUYEN L H and TRAN T D. RFI-radar signal separation via simultaneous low-rank and sparse recovery[C]. 2016 IEEE Radar Conference, Philadelphia, USA, 2016: 1–5.
    [83] SU Jia, TAO Haihong, TAO Mingliang, et al. Narrow-band interference suppression via RPCA-based signal separation in time-frequency domain[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2017, 10(11): 5016–5025. doi: 10.1109/JSTARS.2017.2727520
    [84] HUANG Yan, LIAO Guisheng, LI Jie, et al. Narrowband RFI suppression for SAR system via fast implementation of joint sparsity and low-rank property[J]. IEEE Transactions on Geoscience and Remote Sensing, 2018, 56(5): 2748–2761. doi: 10.1109/TGRS.2017.2782682
    [85] HUANG Yan, LIAO Guisheng, XIANG Yijian, et al. Reweighted nuclear norm and reweighted Frobenius norm minimizations for narrowband RFI suppression on SAR system[J]. IEEE Transactions on Geoscience and Remote Sensing, 2019, 57(8): 5949–5962. doi: 10.1109/TGRS.2019.2903579
    [86] HUANG Yan, LIAO Guisheng, ZHANG Zhen, et al. Fast narrowband RFI suppression algorithms for SAR systems via matrix-factorization techniques[J]. IEEE Transactions on Geoscience and Remote Sensing, 2019, 57(1): 250–262. doi: 10.1109/TGRS.2018.2853556
    [87] HUANG Yan, LIAO Guisheng, ZHANG Lei, et al. Efficient narrowband RFI mitigation algorithms for SAR systems with reweighted tensor structures[J]. IEEE Transactions on Geoscience and Remote Sensing, 2019, 57(11): 9396–9409. doi: 10.1109/TGRS.2019.2926440
    [88] HUANG Yan, LIAO Guisheng, XU Jingwei, et al. Narrowband RFI suppression for SAR system via efficient parameter-free decomposition algorithm[J]. IEEE Transactions on Geoscience and Remote Sensing, 2018, 56(6): 3311–3322. doi: 10.1109/TGRS.2018.2797946
    [89] 张双喜, 孙光才, 刘艳阳, 等. 基于四通道SAR欺骗式干扰抑制算法[J]. 现代雷达, 2011, 33(2): 22–26, 30. doi: 10.3969/j.issn.1004-7859.2011.02.006ZHANG Shuangxi, SUN Guangcai, LIU Yanyang, et al. Deception interference supression algorithm based on four-channel for SAR[J]. Modern Radar, 2011, 33(2): 22–26, 30. doi: 10.3969/j.issn.1004-7859.2011.02.006
    [90] LI Chen and ZHU Daiyin. The detection of deception jamming against SAR based on dual-aperture antenna cross-track interferometry[C]. 2006 CIE International Conference on Radar, Shanghai, China, 2006: 1–4.
    [91] SUN Bingzhang and LI Jingwen. A new interference elimination method for multi-satellite SAR system[C]. 2008 IEEE International Geoscience and Remote Sensing Symposium, Boston, USA, 2008: IV-1316–IV-1319.
    [92] 于春锐. 合成孔径雷达有源干扰抑制技术研究[D]. [博士论文], 国防科学技术大学, 2012.YU Chunrui. Study on active interference suppression for synthetic aperture radar[D]. [Ph.D. dissertation], National University of Defense Technology, 2012.
    [93] 郭睿, 孙光才, 王玉, 等. 极化SAR中的有源干扰抑制分析[J]. 宇航学报, 2011, 32(6): 1365–1372. doi: 10.3873/j.issn.1000-1328.2011.06.025GUO Rui, SUN Guangcai, WANG Yu, et al. Analysis of the active jamming suppression in polarimetric SAR[J]. Journal of Astronautics, 2011, 32(6): 1365–1372. doi: 10.3873/j.issn.1000-1328.2011.06.025
    [94] FENG Qingqing, XU Huaping, WU Zhefeng, et al. Deceptive jamming suppression for SAR based on time-varying initial phase[C]. 2016 IEEE International Geoscience and Remote Sensing Symposium, Beijing, China, 2016: 4996–4999.
    [95] 赵宗锋. 基于信号波形设计的SAR抗干扰技术研究[D]. [硕士论文], 国防科学技术大学, 2007.ZHAO Zongfeng. SAR anti-jamming based on waveform design[D]. [Master dissertation], National University of Defense Technology, 2007.
    [96] 李江源, 王建国. 利用复杂调制LFM信号的SAR抗欺骗干扰技术[J]. 电子与信息学报, 2008, 30(9): 2111–2114. doi: 10.3724/SP.J.1146.2007.00231LI Jiangyuan and WANG Jianguo. The anti-jamming technology for SAR cheat jamming using complex modulated LFM signal[J]. Journal of Electronics &Information Technology, 2008, 30(9): 2111–2114. doi: 10.3724/SP.J.1146.2007.00231
    [97] 冯祥芝, 许小剑. 随机线性调频斜率SAR抗欺骗干扰方法研究[J]. 系统工程与电子技术, 2009, 31(1): 69–73. doi: 10.3321/j.issn:1001-506X.2009.01.018FENG Xiangzhi and XU Xiaojian. Study of countermeasures to deceptive jamming using random linear modulation frequency ratio SAR[J]. Systems Engineering and Electronics, 2009, 31(1): 69–73. doi: 10.3321/j.issn:1001-506X.2009.01.018
    [98] LI Yuntao, JIA Xin, CHEN Yongguang, et al. Frequency agility MIMO-SAR imaging and anti-deception jamming performance[C]. 2014 31th URSI General Assembly and Scientific Symposium, Beijing, China, 2014: 1–4.
    [99] 贾宝京. SAR欺骗干扰抑制和目标高分辨成像方法的研究[D]. [硕士论文], 燕山大学, 2015.JIA Baojing. Study on SAR confronting deception jamming and high resolution imaging[D]. [Master dissertation], Yanshan University, 2015.
    [100] LIU Yongcai, WANG Wei, PAN Xiaoyi, et al. Inverse omega-K algorithm for the electromagnetic deception of synthetic aperture radar[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2016, 9(7): 3037–3049. doi: 10.1109/JSTARS.2016.2543961
    [101] ZHAO Bo, HUANG Lei, LI Jian, et al. Deceptive SAR jamming based on 1-bit sampling and time-varying thresholds[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2018, 11(3): 939–950. doi: 10.1109/JSTARS.2018.2793247
    [102] LUO Shuangcai, XIONG Ying, CHENG Hao, et al. An algorithm of radar deception jamming suppression based on blind signal separation[C]. 2011 International Conference on Computational Problem-Solving, Chengdu, China, 2011: 167–170.
    [103] ZHAO Bo, HUANG Lei, HE Chunlong, et al. SAR deception jamming identification via differential feature enhancement[C]. 2016 CIE International Conference on Radar, Guangzhou, China, 2016: 1–5.
    [104] SHI Xiaoran, ZHOU Feng, ZHAO Bo, et al. Deception jamming method based on micro-Doppler effect for vehicle target[J]. IET Radar, Sonar & Navigation, 2016, 10(6): 1071–1079.
    [105] ZHAO Bo, HUANG Lei, and ZHANG Jihong. Single channel SAR deception jamming suppression via dynamic aperture processing[J]. IEEE Sensors Journal, 2017, 17(13): 4225–4230. doi: 10.1109/JSEN.2017.2695001
    [106] ZHAO Bo, HUANG Lei, LI Jian, et al. Target reconstruction from deceptively jammed single-channel SAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2018, 56(1): 152–167. doi: 10.1109/TGRS.2017.2744178
    [107] ZHAO Bo, HUANG Lei, and SUN Weize. Target reconstruction in deceptively jammed SAR via ADMM[J]. IEEE Sensors Journal, 2019, 19(11): 4331–4339. doi: 10.1109/JSEN.2018.2873683
  • [1] 孟智超卢景月张磊 . 前视多通道SAR自适应鉴别抑制欺骗干扰. 雷达学报, 2019, 8(1): 82-89. doi: 10.12000/JR18081
    [2] 李伟王兴亮邹鲲徐艺盟张群 . 基于数据融合和陷波滤波的MIMO 雷达抗欺骗干扰算法 (英文). 雷达学报, 2012, 1(3): 246-252. doi: 10.3724/SP.J.1300.2012.20060
    [3] 周春晖李飞李宁郑慧芳王翔宇 . 改进的基于特征子空间的SAR图像射频干扰抑制算法. 雷达学报, 2018, 7(2): 235-243. doi: 10.12000/JR17025
    [4] 周超刘泉华胡程 . 间歇采样转发式干扰的时频域辨识与抑制. 雷达学报, 2019, 8(1): 100-106. doi: 10.12000/JR18080
    [5] 刘宁赵博黄磊 . 单通道SAR抗欺骗干扰方法. 雷达学报, 2019, 8(1): 73-81. doi: 10.12000/JR18072
    [6] 刘永才王伟潘小义代大海 . 基于延迟-移频的SAR 有源欺骗干扰有效区域研究. 雷达学报, 2013, 2(1): 46-53. doi: 10.3724/SP.J.1300.2012.13001
    [7] 曾铮张福博陈龙永卜祥玺周思言 . 基于多输入多输出合成孔径雷达的二维混合基线抗欺骗干扰方法. 雷达学报, 2019, 8(1): 90-99. doi: 10.12000/JR18118
    [8] 王文钦陈慧郑植张顺生 . 频控阵雷达技术及其应用研究进展. 雷达学报, 2018, 7(2): 153-166. doi: 10.12000/JR18029
    [9] 丁斌向茂生梁兴东 . 射频干扰对机载P波段重复轨道InSAR系统的影响分析. 雷达学报, 2012, 1(1): 82-90. doi: 10.3724/SP.J.1300.2012.10062
    [10] 李永祯胡万秋孙豆李重威 . 一种基于极化信息的机载拖曳式诱饵存在性检测与抑制方法研究. 雷达学报, 2016, 5(6): 666-672. doi: 10.12000/JR16115
    [11] 邢孟道林浩陈溅来孙光才严棒棒 . 多平台合成孔径雷达成像算法综述. 雷达学报, 2019, 8(6): 732-757. doi: 10.12000/JR19102
    [12] 卫扬铠曾涛陈新亮丁泽刚范宇杰温育涵 . 典型线面目标合成孔径雷达参数化成像. 雷达学报, 2020, 9(1): 143-153. doi: 10.12000/JR19077
    [13] 金添 . 叶簇穿透合成孔径雷达增强成像方法. 雷达学报, 2015, 4(5): 503-508. doi: 10.12000/JR15114
    [14] 李晓峰张彪杨晓峰 . 星载合成孔径雷达遥感海洋风场波浪场. 雷达学报, 2020, 9(3): 425-443. doi: 10.12000/JR20079
    [15] 任笑真杨汝良 . 一种基于幅度和相位迭代重建的四维合成孔径雷达成像方法. 雷达学报, 2016, 5(1): 65-71. doi: 10.12000/JR15135
    [16] 邹鲲吴德伟张斌李伟 . 一种针对失配信号的可调自适应检测器. 雷达学报, 2015, 4(4): 411-417. doi: 10.12000/JR14129
    [17] 刘平羽吕晓德刘忠胜张汉良 . 基于主辅通道联合处理的无源雷达同频干扰抑制方法研究. 雷达学报, 2019, (): 1-13. doi: 10.12000/JR19047
    [18] 邹鲲来磊骆艳卜李伟 . 子空间干扰非高斯杂波的抑制. 雷达学报, 2019, 8(): 1-8. doi: 10.12000/JR19050
    [19] 张驰李悦丽周智敏 . 基于独立分量分析法的稀疏阵列穿墙成像雷达直达波干扰抑制. 雷达学报, 2014, 3(5): 524-532. doi: 10.3724/SP.J.1300.2014.14066
    [20] 祝晓静李飞王宇王伟孙翔 . 基于改进方位相位编码的全极化SAR距离模糊抑制方法. 雷达学报, 2017, 6(4): 420-431. doi: 10.12000/JR17015
  • 加载中
图(18)表(1)
计量
  • 文章访问数:  1689
  • HTML浏览量:  712
  • PDF下载量:  350
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-12-17
  • 录用日期:  2020-02-15
  • 网络出版日期:  2020-03-11
  • 刊出日期:  2020-02-28

合成孔径雷达抗干扰技术综述

    通讯作者: 黄岩 yan_huang@seu.edu.cn
    作者简介:
    黄 岩(1991–),男,山东济南人,博士,讲师。2018年毕业于西安电子科技大学雷达信号处理国防科技重点实验室,获得信号与信息处理工学博士学位,现任东南大学信息科学与工程学院毫米波国家重点实验室讲师。主要研究方向为合成孔径雷达和MIMO雷达抗干扰技术、图像处理及解译、机器学习、目标检测与识别等。目前主持多项国家自然科学基金、军委科技委等雷达抗干扰技术相关的纵向课题。E-mail: yan_huang@seu.edu.cn;
    赵 博(1986–),男,河南南阳人,博士,助理教授。2015年毕业于西安电子科技大学雷达信号处理重点实验室,获得信号与信息处理专业博士学位。2015–2018年在深圳大学从事博士后研究工作,2016–2017年为美国佛罗里达大学访问学者。现为深圳大学电子与信息工程学院助理教授。研究方向包括雷达系统设计、雷达信号处理、高分辨遥感探测、电子对抗、压缩采样与信息恢复等。E-mail: b_zhao@szu.edu.cn;
    陶明亮(1989–),男,湖南株洲人,博士,副教授。2016年获西安电子科技大学工学博士学位,现任西北工业大学电子信息学院副教授。陕西省优秀博士学位论文和首届中国电子教育学会优秀博士论文获得者,2017年入选全国博士后创新人才支持计划,并获国际无线电科学联盟颁发的“青年科学家奖”,2018年入选陕西省青年科技新星和陕西省高校科协青年托举人才支持计划。主要研究方向为复杂电磁环境对抗技术。E-mail: mltao@nwpu.edu.cn;
    陈展野(1993–),男,湖北黄冈人,博士,讲师。2019年在西安电子科技大学雷达信号处理国家重点实验室获得博士学位,现担任重庆大学微电子与通信工程学院讲师。主要研究方向为合成孔径雷达信号处理,地/海面运动目标检测。E-mail: czy@cqu.edu.cn;
    洪 伟(1962–),男,教授,博士生导师。1988年在东南大学无线电工程系(现信息科学与工程学院)获得博士学位,现任东南大学信息科学与工程学院毫米波国家重点实验室主任,教育部长江学者计划特聘教授,IEEE Fellow, CIE Fellow,国家杰出青年基金获得者。主要研究方向为电磁场与微波技术、毫米波亚毫米波理论与技术、无线通信射频与天线技术。作为首席科学家或项目负责人承担完成多项国家973、863、创新群体、科技重大专项项目等。获国家自然科学二等奖、四等奖各1项,部省科技进步一等奖3项等多项科技奖以及IEEE 802.11aj国际标准杰出贡献奖、首届全国创新争先奖状等。E-mail: weihong@seu.edu.cn
  • 1. 东南大学信息科学与工程学院毫米波国家重点实验室 南京 211100
  • 2. 深圳大学信息工程学院 深圳 518060
  • 3. 西北工业大学电子信息学院 西安 710072
  • 4. 重庆大学微电子与通信工程学院 重庆 400044
基金项目:  国家自然科学基金(61901112, 61801297, 61801390),十三五领域基金(61404130223),江苏省自然科学基金(BK20190330),深圳大学科研启动项目(2019119)

摘要: 合成孔径雷达(SAR)得益于其全天时全天候、高分辨率的工作模式,在最近几十年吸引了全球雷达学者的目光。作为一种有源雷达系统,合成孔径雷达高分辨成像过程中会受多样式复杂多变的强电磁干扰影响,从而严重影响合成孔径雷达最终的高分辨成像结果,因此,如何有效对抗复杂电磁干扰是合成孔径雷达探测感知的难点和重点之一。该文针对不同的干扰样式、干扰来源、干扰散射机理、雷达天线配置、目标特性等合成孔径雷达抗干扰及高分辨成像的关键要素和主要思路进行了总结梳理,并依照干扰对抗算法的本质,对近些年代表性的合成孔径雷达对抗压制干扰和欺骗干扰算法的文献进行介绍和归纳,旨在为以后的研究提供一定的参考。

English Abstract

    • 合成孔径雷达(Synthetic Aperture Radar, SAR)是一种有源遥感雷达系统,以其特有的合成孔径技术,可以实现全天时全天候的高分辨成像,在战场侦察、灾害监测、灾害评估及预警、资源勘探、地形测绘等方面发挥着可见光、高光谱、红外等其它对地观测传感器不具备的作用[1-10],逐渐受到全世界各国国防部和军民企业的高度重视。

      合成孔径雷达的基本原理来源于实孔径技术,但其又突破了实孔径技术的瓶颈和限制。对于传统的实孔径技术,其方位分辨率反比于实孔径的大小,即实孔径越长,其分辨率越高。但是同样的,随着作用距离变远,雷达的方位分辨率也会随之变低。假设需要在几十千米的作用距离下获得米级的高分辨率图像,则至少需要几百米的实孔径天线,然而在飞机或者卫星平台上安装如此大的天线是根本不可能的事情。因此为了突破实孔径天线对方位分辨率的限制,1951年,文献[11-13]发现波束的方位向分辨率能通过雷达与目标之间的相对运动而明显改善,这一理论为合成孔径雷达实现2维高分辨观测成像打下了基础。实际上,该理论利用了长时间平台运动带来的时间采样来代替固定不动的实孔径空间采样。而合成孔径的基本原理正是基于用时间信息弥补了空间信息,从而实现了方位向的高分辨率。与此同时,可以通过发射具有大带宽的信号经距离脉压后可以得到距离向高分辨率。因此,长时间的能量积累提高了系统的输出信噪比,同时合成的较长孔径又能获得超高分辨率,故合成孔径雷达在运动目标检测、目标自动识别等方面都有很好的发挥和应用[14,15]

      然而,作为一种宽带雷达系统,合成孔径雷达在工作频段内易受到敌方有源干扰机信号、无线通信信号、广播电视信号和其它雷达信号等多种复杂电磁干扰的影响,即使合成孔径雷达能够通过2维匹配滤波获得较高的能量积累,但强干扰源仍将严重制约高分辨成像效果,从而进一步影响后续合成孔径雷达对地、海的观测[16]。在现代信息电子战中,必须意识到,信息电子战的核心就在于如何获取复杂电磁环境中对信息的制霸权,合成孔径雷达抗干扰能力的重要性丝毫不逊色于合成孔径雷达系统研制本身,如果在没有任何干扰抑制措施的前提下,一旦合成孔径雷达系统面临电子干扰,那么其很容易丧失信息获取能力,这就是所谓的“睁眼瞎”[16-18]。如图1所示,左侧为受到窄带射频干扰影响下的合成孔径雷达图像,右侧是通过干扰抑制算法得到的真实图像。从图中可以很明显的看出,许多图中反射强度较弱的细节尤其是关注的目标点被严重干扰,此时无法获取对其的有效检测和识别[19,20]

      图  1  窄带射频干扰对合成孔径雷达成像的影响

      Figure 1.  Effect of narrowband RFI to SAR imaging

      图1所示的仅仅是一种简单的影响整个场景信干噪比(Signal-to-Interference-and-Noise Ratio, SINR)的类噪声式压制干扰,就足以对合成孔径雷达成像造成严重的影响;而随着现代战争信息化的逐渐加强,很多情况下带有欺骗性质的干扰机具有更强的军事意义并造成更恶劣的影响,其能够产生与合成孔径雷达回波相似的散射点[21,22],来产生欺骗性的目标,如图2所示,图2(b)相较于图2(a)在图的右侧位置多了许多虚假的车辆,这将影响后续对目标的检测和判断。

      图  2  欺骗干扰对合成孔径雷达成像的影响

      Figure 2.  Effect of deceptive jamming to SAR imaging

      因此,随着合成孔径雷达在军用和民用领域的广泛应用,其所面临的电磁环境愈加复杂,并且对它的干扰手段也越来越多,干扰形式越来越灵活,此时合成孔径雷达的抗干扰技术尤为关键,这对提高合成孔径雷达系统在复杂电磁环境中的生存能力和实用效能,具有重要的现实意义。

    • 在复杂电磁环境中,合成孔径雷达受到的干扰类型可以根据干扰的能量来源、产生途径、频带带宽以及作用机理等不同标准进行分类。按照干扰的能量来源,合成孔径雷达可以分为无源干扰和有源干扰两大类[23]。其中,无源干扰是指利用非目标的物体对电磁波的反射、折射、散射或吸收等现象产生的干扰。一般情况下,无源干扰不会影响合成孔径雷达的正常工作,而是减弱乃至改变了敌我目标的雷达反射面积(Radar Cross-Section, RCS),使得合成孔径雷达获得失真的高分辨图像,增大图像的解译难度。典型的无源干扰包括箔条干扰、吸波材料、反雷达伪装网等。而有源干扰是指由辐射电磁波的能源所产生的干扰,也是本文介绍的核心。合成孔径雷达目前面临的有源干扰类型多样,可以简单分为有意干扰和无意干扰[24],其中无意干扰是指由于自然或其它因素无意识形成的干扰,包括宇宙干扰、雷电干扰以及其他无线电射频干扰等;有意干扰是指由于人为有意识制造的干扰,是战争时期合成孔径雷达面临的主要威胁,其可以进一步分为压制干扰和欺骗干扰[25],具体的干扰类型如图3所示。

      图  3  合成孔径雷达有源干扰分类

      Figure 3.  Classification of sourced interferences for SAR systems

      对于有源干扰信号而言,如果从干扰信号本身对比合成孔径雷达宽带信号的相对带宽出发,干扰信号又可以统一划分为窄带干扰和宽带干扰,像无线电射频干扰(如电视信号、FM/AM调频信号等)则是一种典型的窄带干扰[26],其作用效果与窄带压制干扰类似,可以归结为无意的压制干扰,而其它宽带雷达信号则是一种典型的宽带干扰。同时,如果从有意干扰源信号到达合成孔径雷达接收机的方式考虑[27],如干扰是直接到达接收机还是经过地面待观测场景散射到达接收机[28-30],则有意干扰信号又可以划分为直达波干扰和散射波干扰(又称为直达波干扰和弹射式干扰[31,32])。因此,干扰的分类方式多种多样,文献层出不穷,合成孔径雷达抗干扰技术,从不同体制的合成孔径雷达系统、任务、目标与环境相互作用的视角,呈现着丰富的研究内容。本文仅以合成孔径雷达系统面临的有源压制干扰和欺骗干扰(即图3中加粗的部分)为重点,对其相关技术动态进行总结,为其未来的研究和发展提供参考。

    • 为更好地抑制合成孔径雷达面临的复杂电磁干扰,首先需要了解各种干扰反映到合成孔径雷达接收信号中的数学模型,针对不同干扰信号的数学模型,才能更好地设计有针对性的干扰抑制算法。

    • 针对压制干扰,根据干扰信号的相对带宽大小及调制方式,可以划分为窄带干扰、调频调制宽带干扰和正弦调制宽带干扰3种形式。由于合成孔径雷达系统的接收信号可以看作是真实回波信号、多样式混合干扰和背景噪声之和[33],故其1维数学模型可表示为

      $ \begin{split} y\left( k \right)=\,& x\left( k \right){\rm{ + }}i\left( k \right){\rm{ + }}n\left( k \right) \\ = \,& x\left( k \right){\rm{ + nbi}}\left( k \right){\rm{ + wbi}}\left( k \right){\rm{ + }}n\left( k \right) \end{split} $

      式中,k表示第k个距离快时间单元,y, x, i, nbi, wbi和n分别表示接收信号、真实回波、混合干扰、窄带干扰(Narrow Band Interference, NBI)、宽带干扰(Wide Band Interference, WBI)和背景噪声。1维数学模型只能反映出单快拍(方位采样)窄带或宽带干扰的时域或频域信息,而无法提供更多的信息。为获取高分辨的合成孔径雷达图像,合成孔径雷达信号模型通常建立为距离-方位时间的3维数学模型[34],即

      $ \begin{split} {{Y}}\left( {k{\rm{,}}l} \right)=\,& {{X}}\left( {k{\rm{,}}l} \right){\rm{ + }}{{I}}\left( {k{\rm{,}}l} \right){\rm{ + }}{{N}}\left( {k{\rm{,}}l} \right) \\ = \,& {{X}}\left( {k{\rm{,}}l} \right)+{\bf{NBI}}\left( {k{\rm{,}}l} \right)+{\bf{WBI}}\left( {k{\rm{,}}l} \right)+{{N}}\left( {k{\rm{,}}l} \right)\\ \end{split} $

      式中,l表示方位慢时间的采样单元,即第l个脉冲。而窄带干扰可以表示为N个正弦函数信号之和[35]

      $ {\bf{NBI}}\left( {k,l} \right){\rm{ = }}\sum\limits_{n{\rm{ = 1}}}^N {{A_n}\left( l \right){\rm{exp}}\left( {{\rm{j2}}\pi{f_n}{t_k}} \right)} $

      式中,${A_n}\left( l \right)$表示第n个窄带干扰在第l次脉冲的复幅度,${f_n}$表示第n个窄带干扰的频率,${t_k}$表示第k个距离采样时刻。而宽带干扰分为两种,分别是调频调制(Chirp-Modulated, CM)宽带干扰和正弦调制(Sinusoidal-Modulated, SM)宽带干扰。其中,CM宽带干扰可以表示为

      $ {\bf{WB}}{{\bf{I}}_{{\rm{CM}}}}\left( {k,l} \right){\rm{ = }}\sum\limits_{n{\rm{ = 1}}}^N {{B_n}\left( l \right){\rm{exp}}\left( {{\rm{j2}}\pi{f_n}{t_k}{\rm{ + j}}\pi{\gamma_n}t_k^{\rm{2}}} \right)} $

      式中,${B_n}\left( l \right)$表示第n个CM宽带干扰在第l次脉冲的复幅度,${\gamma _n}$${f_n}$分别表示第n个CM宽带干扰的调频率和频率。而SM宽带干扰可以表示为

      $ {\bf{WB}}{{\bf{I}}_{{\rm{SM}}}}\left( {k,l} \right){\rm{ = }}\sum\limits_{n{\rm{ = 1}}}^N {{B_n}\left( l \right){\rm{exp}}\left\{ {{\rm{j}}{\beta _n}\left( l \right){\rm{sin}}\left( {{\rm{2}}\pi{f_n}{t_k}{\rm{ + }}{\varphi _n}} \right)} \right\}} $

      式中,与式(4)相同的符号对应SM宽带干扰相同的含义,${\beta _n}\left( l \right)$表示第n个干扰在第l次脉冲的调制系数,${\varphi _n}$表示第n个干扰的的初始相位。窄带、宽带压制干扰的数学模型示意图如图4所示,图中分别表现了不同干扰在2维距离-方位时域、1维距离频域和2维距离时频域的表现。

      图  4  不同维度的窄带、宽带压制干扰信号模型示意图

      Figure 4.  Illustrations of narrowband and wideband suppressed interference models in different domains

    • 不同于压制干扰,欺骗干扰一般是通过“截获-调制-转发”的方式刻意模拟合成孔径雷达回波特征,在合成孔径雷达成像结果中形成聚焦良好的虚假目标。经过精细设计的虚假目标具有与真实目标相似的散射特性,能够与合成孔径雷达图像较好地融合,达到“真假难辨”的干扰效果。经过距离脉压后的合成孔径雷达信号,任意一散射点的真实回波可以表示为[36]

      $ \begin{split} s\left( {{t_r},{t_a}} \right) =\,& {\rm{\sigma sinc}}\left( {{B_r}\left( {{t_r} - \frac{{2{R_0}}}{{\rm{c}}}} \right)} \right) \cdot {a_a}\left( {{t_a} - {\rm{\tau }}} \right)\\ & \cdot \exp \left( { - {\rm{j}}\frac{{4{\rm{\pi }}}}{{\rm{\lambda }}}R\left( {{t_a} - {\rm{\tau }}} \right)} \right) \end{split} $

      其中,${t_r}$${t_a}$分别表示距离快时间和方位慢时间,$\sigma $表示散射系数,${B_r}$表示合成孔径雷达信号的带宽,${a_a}\left( \cdot \right)$表示方位向包络,$\tau $表示散射点与雷达的时延,$\lambda $表示波长,$R\left( \cdot \right)$表示随方位时间变化的瞬时斜距。为了简化模型,${a_a}\left( \cdot \right)$可以被认为是理想的矩形函数,即

      $ {a_a}\left( {{t_a}} \right) = {\rm{rect}}\left( {\frac{{{t_a}}}{T}} \right) = \left\{ \begin{aligned} & {1{\rm{,}}\;\;\left| {{t_a}} \right| \le T/2}\\ & {0{\rm{,}}\;\; {\text{其它}}} \end{aligned} \right. $

      式中,$\left| {\; \cdot \;} \right|$表示绝对值,T 表示相干处理时间。当散射点在天线主瓣内,本文认为在被合成孔径雷达主瓣接收同时没有衰减,而在旁瓣区域则没有散射回波。假设欺骗干扰也是同样的设计,只会影响合成孔径雷达的主瓣,则欺骗干扰可以被调制为[36,37]

      $ \begin{split} s'\left( {{t_r},{t_a}} \right) =\,& \underbrace {\frac{\sigma }{{{\sigma _J}}}}_{\left( {\rm{a}} \right)}{s_J}\left( {{t_r},{t_a}} \right)*\underbrace {\delta \left( {{t_r} - \frac{{2\Delta R\left( {{t_a}} \right)}}{{\rm{c}}}} \right)}_{\left( {\rm{b}} \right)}\\ & \cdot \underbrace {{\rm{exp}}\left( { - {\rm{j}}\frac{{4{\rm{\pi }}}}{\lambda }\Delta R\left( {{t_a}} \right)} \right)}_{\left( {\rm{c}} \right)} \end{split} $

      其中,${\sigma _J}$表示干扰的散射系数,${s_J}\left( {{t_r},{t_a}} \right)$表示被干扰机截取的合成孔径雷达信号,$* $ 表示卷积操作,$\delta \left( \cdot \right)$表示狄拉克函数。同时,(a)部分表示幅度放缩,通常是根据真实场景的先验信息来获取,(b)和(c)部分分别表示时延和多普勒调制部分,这两部分都与干扰机到虚假目标的瞬时斜距$\Delta R\left( {{t_a}} \right)$有关,可以表示为

      $\Delta R\left( {{t_a}} \right) = R\left( {{t_a} - \tau } \right) - {R_J}\left( {{t_a}} \right)$

      其中,${R_J}\left( {{t_a}} \right)$表示虚假目标的瞬时斜距。假设干扰机作用时间范围为$\left[ { - T/2,\,T/2} \right]$,则在相同位置的假目标散射点的距离脉压后信号可以表示为

      $ \begin{split} s'\left( {{t_r},{t_a}} \right) =\,& \sigma '{\rm{sinc}}\left( {{B_r}\left( {{t_r} - \frac{{2{R_0}}}{{\rm{c}}}} \right)} \right) \cdot {a_a}\left( {{t_a}} \right)\\ & \cdot {\rm{exp}}\left( { - {\rm{j}}\frac{{4{\rm{\pi }}}}{\lambda }R'\left( {{t_a} - \tau } \right)} \right) \end{split} $

      其中,$\sigma '$$R'\left( \cdot \right)$分别表示假目标散射点的散射系数和瞬时斜距。对比假目标散射点和真实散射点的表达式,除去幅度上的变化,主要区别在于支撑时间域和多普勒相位,它们之间的关系可以表示为

      $ \begin{split} s'\left( {{t_r},{t_a}} \right) =\,& s\left( {{t_r},{t_a}} \right)\delta \left( {{t_a} + \tau } \right) \\ & \cdot {\rm{exp}}\left( { - {\rm{j\pi \tau }}\left( {2{f_{{\rm{dc}}}} + \gamma \left( {{t_a} - \tau } \right)} \right)} \right) \end{split} $

      欺骗干扰和真实回波的时频分布示意图如图5所示。根据干扰效果的不同,可将欺骗干扰区域分为:

      图  5  欺骗干扰和真实回波的时频分布模型示意图

      Figure 5.  Illustration of the time-frequency distribution of deceptive jammings and true echoes

      (1) 强干扰区:阴影1区域内的欺骗干扰与合成孔径雷达回波部分重合,难以通过常规的方法进行有效抑制,从而在合成孔径雷达成像结果中形成较强的欺骗干扰,危害性最大;

      (2) 弱干扰区:阴影2区域内的欺骗干扰在时频域与合成孔径雷达回波不重合,同时其多普勒频谱未超出由合成孔径雷达系统脉冲重复频率所限定的方位频带宽度。该区域内的欺骗干扰能够较容易地得到抑制;

      (3) 干扰失效区:阴影3区域内的欺骗干扰由于超出了奈奎斯特采样定理的限制而发生混叠,虽然无法形成有效的虚假目标成像结果,但仍会以类似噪声干扰的形式降低真实场景的成像质量。

    • 针对不同的干扰手段(即压制式及欺骗式干扰类型),本节对当前对应的典型抗干扰技术进行了总结与归类。具体而言,针对不同类型的压制干扰,笔者总结了大量研究文献,主要分为非参数化干扰抑制算法、参数化干扰抑制算法以及半参数化干扰抑制算法来展开描述,分别介绍对应不同算法的优缺点;针对不同类型、合成孔径雷达通道特性的欺骗干扰,主要从多通道直达波和反射波欺骗干扰抑制算法和单通道欺骗干扰抑制算法来详细说明。

    • 随着合成孔径雷达应用范围的不断拓展及探测能力的持续提升,其所面临的电磁环境日益复杂。在有源压制干扰作用下,实际上无论干扰的样式如何,其对合成孔径雷达成像的破坏主要依靠强干扰功率在时域、频域或空域所形成的压制效果。根据压制干扰相对于合成孔径雷达的带宽,可以将压制干扰抑制技术分为窄带和宽带干扰抑制技术。而当前的抗干扰方法,则可根据处理方式的不同分为以下3类。

    • 非参数化干扰抑制方法将接收信号表征到1维距离频域或2维距离时频域中,利用干扰信号与真实回波信号间的强度特征差异,构建自适应滤波器或利用信号子空间投影来滤除干扰。非参数化方法操作简单,计算复杂度低,同时在一定程度上避免了低维模型不准确带来的影响。经典的非参数化方法主要有:自适应滤波器、陷波滤波器和子空间投影等算法。

      陷波滤波器算法主要针对的是L,P波段的孤立窄带、宽带压制干扰,其研究开展较早。针对第2部分给出的窄带压制干扰信号模型,陷波滤波器的主要原理是在超过设定的频谱或图像能量门限的强窄带干扰区域设置零陷,由于窄带干扰有限且占总信号频谱比例较小,且陷波滤波器实现较为简单,故在很多应用中都取得了不错的干扰抑制效果;而针对孤立的宽带干扰则主要在距离时频域设计陷波滤波器,降低频谱损失。早在1996年,Cazzaniga和Guarnieri[38]就提出利用MUSIC方法来估计窄带干扰频率并设计陷波滤波器对抗干扰。随后,德国宇航中心的Buckreuss和Horn[39]提出了相干距离单元平均方法,并率先应用于E-SAR系统。F. Meyer等人[40]设计自适应检测来确定窄带、宽带干扰位置以及陷波滤波器宽度来设计完整的干扰抑制流程,并在实测全极化ALOS PALSAR数据中得到了很好的验证,如图6所示。

      图  6  PALSAR实测数据陷波滤波器干扰抑制性能[40]

      Figure 6.  Interference suppression performance of the notched filter on PALSAR real data[40]

      国际无线电联盟(InTernational Union of Radio science, ITU-R)在其RS. 1749报告中也给出了相似的陷波滤波建议,以使得能够应用于地球探测卫星服务(Earth Exploration Satellite Service, EESS)中[41]。文献[42]表明TarraSAR-X实测数据中存在特殊的近零点射频干扰,该射频干扰受脉冲调制,在频域有很强的旁瓣,传统陷波滤波器将失效。该文在传统陷波滤波器基础上进一步提出了双向陷波器,实现两次抑制后获得两幅图像再结合,以获取更好的方位谱信息。文献[43]提出一种子带频谱相消方法,利用相邻频谱子带信号的差异近似实现陷波滤波器的作用,并应用于实测数据。上述陷波滤波器主要应用于原始数据,而当原始数据很多时候较难获取,若当前仅有已聚焦的单视复图像,许多学者提出了图像域的陷波滤波器来从聚焦的图像数据中抑制干扰。其中,文献[44,45]提出一种后验陷波滤波方法可以消除聚焦图像的干扰,并分别在L波段合成孔径雷达实测数据上进行了实验验证,其流程图如图7所示。文献[46]中提出了一种在2维距离时域-多普勒域利用多普勒频差滤波的方法来抑制间歇传输宽带干扰。

      图  7  后验陷波滤波方法流程图[44]

      Figure 7.  Block diagram of Posteriori Notched Filtering[44]

      然而,在文献[47]中指出以上陷波滤波器的缺陷在于,当滤波器的零陷宽度超过波形的2%那么将会导致空间分辨率的下降,同时导致波形旁瓣水平的下降。为了降低这个缺陷的影响,文献[48-51]介绍了几种通过建立相干SAR数据对的互信息来设计关于谱估计的信号重构算法。

      自适应滤波器主要原理是在合适的作用域(如时频域、空域等)中构建一个自适应滤波器,将真实信号与干扰分离,但应用的主要对象仍然是窄带压制干扰。最出名的用于窄带干扰抑制的自适应滤波器是最小均方(Least Mean Square, LMS)滤波器,其在收敛速度、稳定性、计算复杂度和自适应等各方面有很好的折中。Le等人[52,53]首先在时域建立LMS滤波器(Time Domain LMS, TDLMS)从宽带的NASA AirSAR数据中抑制多组静止和非静止的窄带有源干扰。同时,这种时域应用的TDLMS滤波器还被应用于E-SAR[54,55]和PALSAR(the Phased Array type L-land Synthetic Aperture Radar)[56],如图8所示是TDLMS滤波器在ALOS PALSAR实测数据中抑制干扰前后的累积频谱对比图。

      图  8  ALOS PALSAR实测数据验证时域最小均方滤波器抑制干扰性能[56]

      Figure 8.  Interference suppression performance of TDLMS filter on ALOS PALSAR real data[56]

      然而,这种TDLMS滤波器虽然能很好的抑制强干扰的主瓣,但对其强干扰旁瓣的抑制性能不太理想。对此,Lord和Inggs[57,58]改进并提出具有抑制旁瓣性能的LMS自适应滤波器。而且,TDLMS滤波器的收敛速率会受到输入信号自相关矩阵的最大和最小特征值的制约,因此,为了加速LMS滤波器的收敛,一些频域应用的LMS滤波器(Frequency Domain LMS, FDLMS)被提出[59,60]。进一步,为了加强LMS滤波器对时变干扰的抑制能力,Vu等人[61]提出一种自适应谱线增强器(Adaptive Line Enhancer, ALE)来辅助归一化的LMS滤波器对窄带射频干扰进行抑制。同时,不同于流行的LMS滤波器,Lamont-Smith等人[62]在直升机机载数据获取系统抗干扰实验中应用了自适应维纳滤波器,获得了比LMS自适应滤波器更优更快的性能,干扰抑制效果如图9所示。总的来说,自适应滤波器同样更适用于窄带孤立干扰,具有快速优秀的性能,但是其综合性能受限于时变干扰和强干扰的旁瓣,不够稳健。

      图  9  维纳滤波在低频直升机载合成孔径雷达系统对抗窄带射频干扰[62]

      Figure 9.  Narrowband RFI suppression performance of Wiener filter on the Helicopter-borne SAR system[62]

      子空间投影和成分分解类非参数化方法充分考虑了陷波滤波器和自适应滤波器设计中系统响应等的限制,可以有效对抗窄带、宽带干扰。我国的专家学者们在这一领域开展了开拓性的研究:西安电子科技大学的周峰教授等[63]提出基于特征值分解的子空间投影方法(Eigen-Subspace Projection, ESP),可以有效分离信号子空间和干扰子空间,通过将接收信号投影到信号子空间获得较好的窄带干扰抑制效果,图10给出了特征分解子空间投影方法与陷波滤波器的抗干扰性能对比。

      图  10  实测合成孔径雷达场景下特征子空间投影方法与陷波滤波器抗干扰性能对比[63]

      Figure 10.  Performance comparison of ESP method and notched filter[63]

      同时,周峰教授[64]假设干扰与真实信号统计独立,采用独立成分分析方法(Independent Component Analysis, ICA)来抑制窄带干扰。进一步考虑,周峰教授等人[65]利用复数经验模态分解(Complex Empirical Mode Decomposition, CEMD)来将信号分解成一系列本质函数来实现窄带干扰与真实信号分离。而基于短时傅里叶变换,西北工业大学的陶明亮副教授[66]率先提出一种独立空间分析方法,首先利用子空间投影来提取对应于窄带射频干扰的显著特征,并基于此信号再采用独立成分分析方法对各窄带干扰做进一步的提取。在此基础上,陶明亮副教授等人[67]进一步提出了抑制宽带干扰的子空间投影方法,通过短时傅里叶变换在2维距离时频域分离真实回波子空间和干扰子空间,图11给出了宽带干扰影响下2维距离时频域子空间投影方法与1维距离频域陷波滤波器以及2维距离时频域陷波滤波器的对比。总体来说,子空间投影和成分分解类非参数化方法可以在一定程度上避免滤波器系统的限制,但是非参数化算法理论更适用于干扰较强的情况,在干扰较弱的情况反而会失效,因此,该类算法在时变复杂干扰环境下不够稳健;同时,雷达真正接收的信号是干扰、真实回波和噪声的组合,非参数化算法仅考虑了干扰的特征,缺乏对真实回波的约束,从而无法对其进行有效保护。

      图  11  宽带干扰下子空间投影法与陷波滤波器的2维距离时频谱对比[67]

      Figure 11.  Performance comparison of the ESP method and notched filters for wideband interference[67]

    • 不同于非参数化方法,参数化方法是通过建立干扰信号的参数化模型,估计模型参数以达到估计并提取干扰的目的。参数化方法普遍适用于孤立单一类型干扰,即第2.1部分中所提的几类经检验有数学模型的干扰。现有方法针对窄带和宽带干扰建立了一系列干扰信号模型,主要包括:1995年美国陆军研究实验室的Miller等人[68]基于窄带射频干扰先验信息来估计正弦模型参数并利用最小二乘算法恢复真实信号;国防科技大学的黄晓涛教授和梁甸农教授[69,70]提出一种渐变RELAX方法来估计窄带干扰的正弦信号模型参数,则定义接收信号为

      $ {{y}}\left( l \right) = {{Ab}}\left( l \right) + {{x}}\left( l \right) + {{n}}\left( l \right) = {{Ab}}\left( l \right) + {{w}}\left( l \right) $

      其中,${A} = \left[ {{a}\left( {{f_1}} \right)\;{a}\left( {{f_2}} \right)\; ··· \;{a}\left( {{f_K}} \right)} \right]$, ${a}\left( {{f_k}} \right) = $$ {\left[ {1\;\;\exp \left( {{\rm j}2\pi {f_k}{t_s}} \right)\; ··· \;\exp \left( {{\rm j}2\pi {f_k}\left( {M - 1} \right){t_s}} \right)} \right]^{\rm{T}}}$, ${b}\left( l \right) = $$ {\left[ {{\beta _1}\!\left( l \right)\;{\beta _2}\!\left( l \right)\; ··· \;{\beta _K}\!\left( l \right)} \right]^{\rm{T}}}$表示第l个脉冲的复振幅。而正弦信号逼近接收信号并估计其参数可以通过最小化两者之间的差,即

      $ \left\{ {{\hat{ f}},{\hat{ b}}} \right\} = {F_1}\left( {{{f}}{\rm{,}}{{b}}} \right) = \mathop {\arg\min}\limits_{ {{{f}},{{b}}}} \sum\limits_{l = 1}^L {{{\left\| {{{y}}\left( l \right) - {{Ab}}\left( l \right)} \right\|}^2}} $

      其中,$\hat{ f} = \left[ {{{\hat f}_1},{{\hat f}_2}, ··· ,{{\hat f}_P}} \right]$, $\hat{ b} = \left[ {\hat{ b}\left( 1 \right)}\ \ {\hat{ b}\left( 2 \right)}\ \ ··· {\hat{ b}\left( L \right)} \right]$, $\hat{ b}\left( l \right) = {\left[ {{{\hat \beta }_1}\left( l \right)\;{{\hat \beta }_2}\left( l \right)\; ··· \;{{\hat \beta }_K}\left( l \right)} \right]^{\rm{T}}}$。通常,求解式(13)的问题需要通过迭代求解,尤其针对窄带干扰源数量较多的情况。西安电子科技大学的刘志凌博士等人[71]提出利用迭代自适应方法(Iterative Adaptive Approach, IAA)来估计时变射频干扰正弦模型的幅度和频率,仿真验证估计式(11)中正弦信号的参数,IAA仅需要2~3次迭代即可快速收敛,如图12所示。

      图  12  IAA方法迭代估计窄带干扰正弦信号参数[71]

      Figure 12.  Narrowband interference sinusoidal parameter estimation with IAA method[71]

      在此基础上,西安电子科技大学的杨志伟教授等人[72]进一步利用IAA和短时傅里叶变换估计孤立宽带干扰的频率,再利用正交子空间投影来抑制干扰。Djukanovic等人[73,74]提出两类高阶模糊函数估计方法来用多项式拟合估计干扰的相位参数;西北工业大学的张双喜副教授等人[75]提出利用小波变换和短时傅里叶变换来分析窄带和宽带干扰在2维距离时频域的特性。

      总体来说,参数化模型适用于孤立单一类型干扰,可以对每个方位采样时间(单脉冲)下的孤立干扰参数进行估计,但其通过逐脉冲迭代估计干扰模型参数,计算复杂度高。与非参数化方法相似,参数化干扰模型同样没有考虑真实回波信号的特征,缺乏对其的保护。

    • 最近几年,随着信息处理理论的快速发展,很多复杂的信号分离问题都可以转换成超参数的优化问题来求解。2014年美国陆军实验室Nguyen等人[76,77]从稀疏重构理论的角度出发,率先提出一种半参数化抑制问题,该方法通过求解如下优化问题实现窄带射频干扰的提取

      $ \begin{split} \left\{ {{{{\alpha}}_l'}{\rm{,}}{{{{e}}}_l'}} \right\} =\,& \mathop {\arg \min }\limits_{{{{\alpha }}_l}{\rm{,}}{{{e}}_l}} {\left\| {{{y}}\left( l \right) - {{{D}}^{\rm{SAR}}}{{{\alpha }}_l} - {{D}}_{}^{\rm{NBI}}{{{e}}_l}} \right\|_2} \\ & + \lambda {\left\| {{{{\alpha }}_l}} \right\|_1} + \tau {\left\| {{{{e}}_l}} \right\|_1}\\[-10pt] \end{split} $

      其中,${{y}}\left( l \right)$表示第l个脉冲的接收信号,${x}\left( l \right) = $$ {{D}^{{\rm{SAR}}}}{{\alpha }_l}$表示第l个脉冲的真实信号,${{D}^{{\rm{SAR}}}}$表示合成孔径雷达真实信号的稀疏字典,${{\alpha }_l}$表示稀疏系数;同样${i}\left( l \right) = {D}_{}^{{\rm{NBI}}}{{e}_l}$表示第l个脉冲的干扰信号,${D}_{}^{{\rm{NBI}}}$表示窄带干扰的稀疏字典,${{e}_l}$表示干扰字典下的稀疏系数。通过求解式(14)中的稀疏重构优化,干扰抑制效果如图13所示。

      图  13  美国陆军研究实验室的稀疏恢复半参数化方法抑制射频干扰[76]

      Figure 13.  Sparse recovery semi-parametric method for RFI suppression by US Army Research Lab[76]

      但是逐脉冲迭代求解式(14)中的优化问题,其计算复杂度比参数化方法逐脉冲迭代估计模型参数还要高。重庆邮电大学的刘宏清教授等人[78,79]在距离时频域利用相似的稀疏表示重构算法分别抑制窄带射频干扰和宽带干扰,具有相似的计算复杂度,不过将稀疏重构算法扩展到宽带干扰,为后续算法的设计提供了新的思路。随后,Nguyen等人[80-82]又提出利用稳健主成分分析方法(Robust Principal Component Analysis, RPCA)来通过低秩恢复稳健对抗窄带射频干扰,其优化问题可以表示为

      $ \begin{split} \left\{ {{\hat{ I}}{\rm{,}}{\hat{ X}}} \right\} =\,& \mathop {\arg \min }\limits_{{{I}},{{X}}} {\left\| {{I}} \right\|_*} + \lambda {\left\| {{X}} \right\|_1} \\ &{\rm{s}}{\rm{.t}}{\rm{.}}\;\;\left\| {{{Y}} - {{I}} - {{X}}} \right\|_{\rm{F}}^2 \le {\rm{\delta }} \\ \end{split} $

      其中,${\left\| {\; \cdot \;} \right\|_{\rm{*}}}$表示核范数,${\left\| {\; \cdot \;} \right\|_{\rm{1}}}$表示矩阵的l1范数,${\left\| {\; \cdot \;} \right\|_{\rm{F}}}$表示Frobenius范数。而西北工业大学的粟嘉副教授[83]提出在距离时频域通过RPCA方法来对抗窄带干扰,具备更稳健的抗干扰性能。RPCA类算法相较于稀疏重构类算法有效提高了抗干扰能力并大大降低运算复杂度,但其仍有进一步提高的空间。因此,笔者开展了行稀疏方法的研究,联合约束窄带干扰的1维稀疏和2维低秩特性,大大降低了计算复杂度的同时提高了抗干扰性能[84]。然而,上述所有方法虽然有效提高了抗干扰能力并降低算法的运算复杂度,但其会受到优化模型精确度的影响。为此,笔者首次提出用非凸模型来提升干扰约束精度[85],并以此为基础,利用快速矩阵分解技术[86]及张量理论[87],在精确表征干扰问题的同时大大降低计算复杂度,笔者所提出的张量理论干扰抑制方法的性能如图14所示。同时,为进一步缓解超参数取值对抗干扰性能的影响,笔者基于所提“低秩+稀疏”分解模型,自适应估计超参数的取值,并取得了不错的抗干扰效果[88]

      图  14  张量理论半参数化干扰抑制方法性能[88]

      Figure 14.  Performance of tensor theory semi-parametric interference suppression method[88]

      总体来说,半参数化方法不仅利用优化模型来约束干扰,同时还在优化模型中保护了真实信号,故理论上其抗干扰性能要优于前两种方法。但是其抗干扰性能的优劣取决于超参数取值和优化模型的选取。3类压制干扰抑制方法的优缺点对比如表1所示。

      非参数化方法参数化方法半参数化方法
      计算复杂度*较高
      性能较差*
      真实信号保护项*
      参数*有(模型参数)有(超参数)
      性能依赖条件干扰足够强干扰模型已知超参数、优化模型

      表 1  现有抗单一类型孤立干扰方法优缺点对比(*表示最优)

      Table 1.  Comparison of isolated interference suppression methods (* denotes optimal)

    • 欺骗干扰的信号强度与真实回波类似,其主要特点是在合成孔径雷达成像过程中形成具有迷惑性的虚假目标,能够与合成孔径雷达图像较好地融合,具有极高的隐蔽性。不同于压制干扰,欺骗干扰在多个表征域均具有与合成孔径雷达回波高度相似的特征,对其干扰抑制的难度较大。根据合成孔径雷达系统的通道特性,本文将欺骗干扰抑制技术分为多通道和单通道合成孔径雷达系统欺骗干扰抑制技术两方面来介绍。

    • 多通道合成孔径雷达系统能够提供更多的空域自由度,是一种常用的欺骗干扰抑制手段。由于多个通道各自位置的不同,它们接收到的合成孔径雷达回波之间存在固定的相位偏差。虽然干扰机能够通过多普勒调制产生大场景虚假目标,但由于其发射位置固定,欺骗干扰在多个合成孔径雷达通道中的相位偏差随着虚假场景的变化而变化,与合成孔径雷达回波之间存在明显差异。因此,可以利用多通道之间的固定相位差构造导向矢量[89],通过空时自适应处理(Space Time Adaptive Processing,STAP)技术在不同通道之间进行干涉相消[90-92],达到抑制欺骗干扰的目的。文献[92]还进一步讨论了关于直达波和散射波欺骗干扰的抑制方法,针对直达波欺骗干扰,可以基于慢时间域的空时自适应处理技术,利用真实信号与欺骗干扰在空间-慢时间的统计特性差异,实现对直达波欺骗干扰的抑制,如图15所示;对于散射波欺骗干扰,由于地面大范围被照射区域的漫反射,多径干扰形成的散射波信号在方位向严重扩展,并且其统计特性随慢时间变换,导致干扰的慢时间过程是非平稳的,此时慢时间STAP的干扰抑制能力有限,文献中采用快时间域的STAP处理方法,通过通道、快时间采样数据的协方差矩阵求得最优权值来对每一个脉冲进行滤波,抑制散射波欺骗干扰,其干扰抑制后图像对比原始图像的方位向和距离向切片如图16所示。此外,与多通道相结合的多极化技术也可以提供类似的相位差异特征[93],采用多普勒域对消的方法同样能够有效地抑制欺骗干扰。

      图  15  多通道直达波欺骗干扰抑制效果[92]

      Figure 15.  Direct-path deceptive jamming suppression performance[92]

      图  16  仿真数据快时间STAP的欺骗干扰抑制性能对比原始图像[92]

      Figure 16.  Fast-time STAP deceptive jamming suppression performance via simulated data[92]

    • 目前,有很多通过发射参数捷变的波形来抑制欺骗干扰的主动抗干扰方式,例如通过随机初始相位[94]、正交编码捷变[95]、频率斜率抖动[96]、随机线性调频斜率[97]、多载频[98]等技术破坏干扰在方位维的相干性,使其退化成为噪声干扰加以抑制,此外,合成孔径雷达系统也可以采用随机调整脉冲重复周期(Pulse Repetition Time, PRT)的方法,扰乱欺骗干扰的转发时序[99],达到抑制欺骗干扰的目的。在波形捷变技术中,使用较多的正交码的真实正交性能还需要实测验证,同时,合适的编码仍需要采用遗传算法、模拟退火算法等技术去搜索。一般情况下,以上捷变技术主要通过两个途径来提高抑制欺骗干扰的性能,第一,考虑使用噪声调频信号、噪声加正弦信号以及随机二相编码等形式,进一步降低信号被截获的概率;第二,通过在不同慢时刻发射相互正交的波形信号,达到抑制转发式欺骗干扰的目的。在当前技术条件下,这类方法虽然在一定程度上增加了合成孔径雷达系统的复杂度,但能够达到较好的欺骗干扰抑制效果。然而,干扰与抗干扰技术是在相互竞争中不断交互发展的,随着欺骗干扰调制理论与技术水平的进一步发展,上述干扰抑制方法也将面临着升级完善的问题[100,101]

      因此,考虑到这个问题,许多学者基于单通道、固定波形的基本合成孔径雷达系统模型,证明在这种合成孔径雷达成像平台中同样能够实现有效的欺骗干扰抑制。其中Luo等人[102]基于单通道合成孔径雷达系统提出了发射单一波形解决低分辨率量化的欺骗干扰问题,但是实际上,低量化精度的假设并不是欺骗干扰的难点。由于发射了单一波形,并且仅有单通道可以利用,其空间和时间自由度都很有限,针对这一复杂问题,深圳大学的赵博博士等人将其分成几个子问题来考虑。首先,文献[103]通过建模分析真实回波和转发式欺骗干扰的本质机理,具体如2.2部分所述,利用直方图匹配距离(Histogram Match Distance, HMD)来增强真实回波和欺骗干扰的微分特征,以此在合成孔径雷达图像中对欺骗干扰产生的虚假目标区域进行标识,其干扰辨识效果如图17所示。

      图  17  单通道合成孔径雷达系统复杂场景欺骗干扰辨识效果[103]

      Figure 17.  Deceptive scene recognition for single-channel SAR system[103]

      其次,对于人造的真实目标合成孔径雷达影像的重要信息,欺骗性干扰通常设计得很好,有更多细节[104],这增加了欺骗性干扰识别的难度。为了解决这个问题,笔者提出了一种动态合成孔径(Dynamic Synthetic Aperture, DSA)的概念[105],并利用其稀疏属性欺骗性地阻塞目标进行重构。但是,在初步的DSA(introductory DSA, iDSA)方法中,方位角需要超分辨率预处理,在重建前估算可行区域的范围,导致算法性能依赖于超分辨率估算结果。而且,由于iDSA方法的优化问题仅考虑幅度,但忽略相位和旁瓣,因为散射体接近导致重建结果性能下降。为了解决这个问题,赵博等人[106]在文献将散射体的相位和旁瓣考虑用于字典的构造,使我们获得更好的重建结果并同时实现超分辨率。此外,一种多DSA(Multi-DSA)方法用于确保提出算法的稳健性,并在此基础上进一步利用交替方向乘子法(Alternating Direction Method of Multipliers, ADMM)提高干扰抑制的效率[107]。最终,传统的抗欺骗干扰性能合成孔径雷达系统得到改进而不会引起额外显著花费。另一方面,通过使用在时频域中真实合成孔径雷达回波与欺骗性干扰之间的差异,所提出的方法能够即使欺骗干扰技术改善也能正常工作,重构恢复的真实回波和欺骗干扰如图18所示。

      图  18  单通道合成孔径雷达欺骗干扰污染场景重构结果[107]

      Figure 18.  Reconstruction of the deceptive jamming polluted scene for single channel SAR system[107]

    • 通过第3节对合成孔径雷达对抗压制干扰和欺骗干扰方法的详细梳理和介绍,可以看出,面对如今复杂多变的电磁环境,尽管很多文献针对具体的应用场景、任务建立了不同的目标函数与约束条件,并提出不同的优化算法,但这些研究都存在不足,仍有继续改进的空间。本文认为合成孔径雷达抗干扰有以下重要的发展趋势:

      (1) 干扰检测及统计特性分析方面:现有有源干扰抑制方法几乎全都是假设已经存在干扰的前提下,仅有少量文献有提及设置自适应门限来确定是否存在干扰,若不存在干扰则没有必要采用任何干扰抑制方法,如文献[67]中提到的利用尼曼-皮尔森引理通过虚警门限确定干扰是否存在。据笔者有限的知识,通常此类自适应门限的方法仅能用来确认干扰比真实信号能量强很多的情况,目前尚未有学者专门针对不同类型的干扰进行统计分析。这也是由于干扰种类错综复杂,其统计特性难以衡量导致。笔者认为需从大量的干扰数据中建立干扰的统计先验库,针对某一类干扰样式分析其统计特性。

      (2) 大数据背景下合成孔径雷达干扰抑制技术:合成孔径雷达抗干扰技术本质的处理对象仍是数据,数据驱动类的信息处理框架在几乎所有计算机视觉和自然语言处理等应用中都取得了最优的性能,而干扰环境的日趋复杂,干扰样式的日趋多样必将导致雷达接收、探测、获取、利用的数据量急剧上升,大数据背景下的合成孔径雷达干扰抑制技术应运而生。许多文献已经针对具体的干扰类型做了诸多尝试,但若仅直接应用这些数据驱动类方法,在实际应用中的可靠性能仍然是值得商榷的。因此,如何较好的运用大数据时代的产物,最后能够落地到实践应用的技术,是未来的一个主要趋势。

      (3) 自主干扰认知与动态对抗博弈:对于刻意而为的有源欺骗干扰,其目的性与针对性更强,且会从对抗突防的角度出发引入多样的对抗手段,为欺骗干扰的抑制带来了严峻的挑战。而在合成孔径雷达欺骗干扰抑制的应用中,也不存在一劳永逸的抗干扰方法能够应对各种欺骗干扰突防策略。因此,干扰抑制与欺骗干扰是在相互竞争中交替发展的。为了在对抗中争取主动权,合成孔径雷达成像中的欺骗干扰抑制方法一方面需要具备自主认知能力,能够自动发觉当前欺骗干扰方法的弱点,以便寻求最有效的欺骗干扰抑制手段;另一方面,欺骗干扰与抗干扰手段的逐渐丰富,对抗的双方得以根据对方的对抗手段实时地调整己方策略,从而使得对抗成为一个动态的博弈过程,从而具备了更高的自由度与更多的可能性。如果加强欺骗干扰抑制系统的自主认知能力,在动态博弈中占据主导地位,是合成孔径雷达抗欺骗干扰技术面临的一个重要问题。

    • 本文对合成孔径雷达抗干扰的理论与方法进行了总结和归纳,从多方面梳理了对有源压制干扰和欺骗干扰的对抗思路,分析了一些常见的干扰优化对抗的方法和准则,并基于合成孔径雷达体制和干扰特性,介绍了合成孔径雷达抗干扰的研究进展。通过分类梳理,方便研究者了解和掌握合成孔径雷达对抗压制干扰和欺骗干扰的研究动态,理解研究内容。最后本文指出了该领域未来可能的发展趋势,为研究者挖掘潜在的研究课题和定位新的研究方向提供参考和思路。

参考文献 (107)

目录

    /

    返回文章
    返回