目标信号相关下信号级融合的组网雷达抗欺骗式干扰方法

摘要

本发明提出一种目标信号相关下信号级融合的组网雷达抗欺骗式干扰方法，能够对不同欺骗式干扰产生的假目标进行有效鉴别。包括：步骤1，每个节点雷达接收回波数据，并计算对应的噪声功率；步骤2，构造每个点目标在多个节点雷达的慢时间随机复包络序列；步骤3，估计每个点目标在每个节点雷达的平均功率；步骤4，将同一点目标在多个节点雷达的慢时间随机复包络序列两两组合构成多个包络组，并估计相关性度量；步骤5，计算检测门限范围；步骤6，搜索最优检测门限；步骤7，判断相关性度量是否大于最优检测门限，当相关性度量小于等于最优检测门限时，判定该包络组通过假目标检验；否则将其对应的两个点目标标定为假目标；步骤8，剔除假目标。

说明书

技术领域

本发明涉及雷达技术领域，特别涉及一种目标信号相关下信号级融合的组网雷达抗欺 骗式干扰方法。

背景技术

电子欺骗技术致力于在方向、位置、跟踪起点等信息方面对受害雷达进行欺骗或是在 真实目标回波周围制造很多假目标以至于真实目标信息不能被提取出来。一种有效的电子 欺骗技术类别为欺骗式电子欺骗技术。欺骗的目的是通过调制的发射或转发对雷达接收回 波的幅度、相位等信息进行误导。尤其是数字射频存储器(Digital Radio Frequency Memory， DRFM)的出现使得欺骗式干扰技术更加成熟，应用了DRFM的转发式干扰机广泛用于自 卫式干扰以及随队干扰中。欺骗式干扰会占用大量的系统资源，严重影响雷达系统的探测 和跟踪性能。

针对欺骗式假目标干扰，单站雷达由于视角单一，很难对其进行对抗，而组网雷达可 利用点迹关联的方法对检测到的目标进行真假判别，并剔除掉假目标，从而实现欺骗式干 扰的对抗。但是，由于组网雷达中每个节点雷达均会受到欺骗式干扰，密集假目标会导致 每个节点雷达的量测值间进行关联检验的错误率较高，且组网雷达布站位置不理想，也会 影响组网雷达对抗欺骗式干扰的能力。

现有组网雷达都是利用数据级融合对欺骗式干扰进行对抗，在雷达对目标测量的过程 中，只利用了目标的点迹信息或者航迹信息，但是其他信息并没有有效的利用，因此，数 据级融合抗干扰方法不能完全发挥其抗干扰能力，无法充分利用雷达组网优势。

发明内容

针对上述技术问题，本发明的目的在于提出一种目标信号相关下信号级融合的组网雷 达抗欺骗式干扰方法，能够对不同欺骗式干扰产生的假目标进行有效鉴别。

为了达到上述目的，本发明采用以下技术方案予以实现。

一种目标信号相关下信号级融合的组网雷达抗欺骗式干扰方法，所述组网雷达包括多 个节点雷达，所述方法包括以下步骤：

步骤1，每个节点雷达分别接收回波数据，并依据所述回波数据计算所述每个节点雷 达的噪声功率；

步骤2，计算所述回波数据匹配滤波后点目标的回波数据的复幅度，并根据所述复幅 度构造每个点目标在所述多个节点雷达的慢时间随机复包络序列；

步骤3，根据所述每个点目标在所述多个节点雷达的慢时间随机复包络序列，估计每 个点目标在每个节点雷达的平均功率；

步骤4，对于同一点目标，将其在所述多个节点雷达的慢时间随机复包络序列两两组 合，构成多个包络组，并估计每个包络组的相关性度量；

步骤5，给定组网雷达的真实目标误判概率，并依据所述组网雷达的真实目标误判概 率，计算所述每个包络组对应的相关性度量的检测门限范围；

步骤6，在所述检测门限范围内搜索最优检测门限；

步骤7，将所述相关性度量与所述最优检测门限进行比较，判断所述相关性度量是否 大于所述最优检测门限，当所述相关性度量小于等于所述最优检测门限时，判定所述相关 性度量对应的包络组通过假目标检验；当所述相关性度量大于所述最优检测门限时，判定 所述相关性度量对应的包络组未通过假目标检验，并将该包络组对应的两个点目标标定为 假目标；

步骤8，剔除所述假目标。

优选地，所述步骤1包括以下子步骤：

1a)设所述组网雷达包括n个节点雷达，其中n≥2，每个节点雷达接收回波数据；

1b)每个节点雷达根据接收到的回波数据X，估计出每个节点雷达的噪声功率

${\sigma }_n^2=X^{H}X$

其中，H表示矩阵的共轭转置。

优选地，所述步骤2包括以下子步骤：

2a)采用以下公式对所述回波数据进行匹配滤波，得到匹配滤波后点目标的回波数据 y(t)：

$y\left(t\right)=x\left(t\right)\otimes x^{*}(-t)$

其中，y(t)为匹配滤波后点目标的回波数据，x(t)为回波数据，为卷积符号，*表示共 轭；

2b)采用以下公式对所述匹配滤波后点目标的回波数据进行相干积累，得到相干积累 后点目标的回波数据Y(k)：

$Y\left(k\right)=\underset{m=0}{\overset{Q-1}{\Sigma }}y\left(m\right)e^{-j\frac{2\pi }{Q}km}$

其中，Q为脉冲积累个数，y(m)为匹配滤波后点目标的回波数据；

2c)设所述相干积累后点目标的回波数据中包括P个点目标的回波数据，对所述相干 积累后点目标的回波数据进行恒虚警检测，分别得到P个点目标的回波数据的复幅度；

2d)设所述组网雷达包括n个节点雷达，其中n≥2，将所述P个点目标的回波数据的 复幅度组成集合，并将所述集合作为P个点目标的慢时间随机复包络序列

$X_{p_i}^i=\left\{A_{p_i}^i,i=1,2,3...\mathrm{..},n\right\},p_i=1,2,3....P$

其中，n表示所述组网雷达中的节点雷达个数，且n≥2；表示所述n个节点雷达中 的第i个节点雷达检测到的第p_i个点目标的回波数据的复幅度；是一个矩阵，行数为每 个相干处理周期中所有脉冲数，列数为点目标的个数P。

优选地，所述步骤3包括以下子步骤：

3a)设所述组网雷达包括n个节点雷达，其中n≥2，设所述匹配滤波后点目标的回波 数据中包括P个点目标，从所述n个节点雷达中选取第i个节点雷达，并选取所述第i个节 点雷达检测到的第p_i个点目标的回波数据的复幅度

3b)根据所述第i个节点雷达检测到的第p_i个点目标的回波数据的复幅度通过以 下公式计算所述点目标p_i在第i个节点雷达的平均功率的估计值

${\zeta }_{p_i,i}^2=\frac{{A_{p_i}^i}^H{A}_{p_i}^i}{Q},i=1,2,3,...,n$

其中，Q为相干处理周期中PRT的个数，H表示矩阵的共轭转置。

优选地，所述步骤4包括以下子步骤：

4a)设所述组网雷达包括n个节点雷达，其中n≥2，设所述匹配滤波后点目标的回波 数据中包括P个点目标，从所述n个节点雷达中选取第i个节点雷达和第j个节点雷达，从 所述P个点目标中选取第p个点目标，对于所述第i个节点雷达，所述第p个点目标为第p_i个点目标；对于所述第j个节点雷达，所述第p个点目标为第p_j个点目标，将所述第i个节 点雷达检测的第p_i个点目标的慢时间随机复包络序列和第j个节点雷达检测的第p_j个 点目标的慢时间随机复包络序列进行组合，构成包络组；

4b)通过以下公式计算所述和构成的包络组的第一相关系数

${\hat{\rho }}_{p_i,p_j}={\left(X_{p_i}^i\right)}^H{X}_{p_j}^j,i\ne j,i=1,2,3...n,j=1,2,3...n$

其中，H表示矩阵的共轭转置；

4c)重复4b)至得到每个包络组的第一相关系数；

4d)根据每个包络组的第一相关系数通过以下公式选取其实部作为每个包络组 对应的相关性度量

${\mu }_{p_i,p_j}=real\left({\hat{\rho }}_{p_i,p_j}\right)$

其中，real( )表示对取实部。

优选地，所述步骤5包括以下子步骤：

5a)设所述组网雷达包括n个节点雷达，其中n≥2，设所述匹配滤波后点目标的回波 数据中包括P个点目标，从所述n个节点雷达中选取第i节点雷达和第j个节点雷达，根据 信号载频f_m，第i节点雷达与第j个节点雷达主波束间的夹角Δβ_ij，第i节点与第j节点观测 下的目标期望尺寸D_ij，通过以下公式计算第二相关系数

${\rho }_{i,j,p_i,p_j}=J_0\left(2{\mathrm{\pi D}}_{ij}{f}_{m}sin\right({\mathrm{\Delta \beta }}_{ij}/2)/c)+J_2\left(2{\mathrm{\pi D}}_{ij}{f}_{m}sin\right({\mathrm{\Delta \beta }}_{ij}/2)/c),\forall i\ne j$

其中，c表示光速，J₀( )表示第一类贝塞尔函数零阶量，J₂( )表示第一类贝塞尔函数 二阶量；

5b)给定组网雷达的真实目标误判概率P_l；

5c)根据所述组网雷达的真实目标误判概率P_l，通过以下公式计算相关度量的计算检 测门限范围

${\eta }_{p_i,p_j\min }=\sqrt{{\mathrm{Q\zeta }}_{p_i,i}^2{\zeta }_{p_j,j}^2/2}·{\Phi }^{-1}\left({(1-P_l)}^{1/P}\right)$

$\left(\begin{array}{c}{\eta }_{p_i,p_j\max }=\sqrt{Q({\zeta }_{p_i,i}^2{\zeta }_{p_j,j}^2+{\rho }_{i,j,p_i,p_j}{\sigma }_i^2{\sigma }_j^2)/2}·{\Phi }^{-1}\left({(1-P_l)}^{1/P}\right)\\ +{\rho }_{i,j,p_i,p_j}·Q\sqrt{{\sigma }_i^2{\sigma }_j^2}\end{array}\right)$

其中，Φ( )表示标准正态分布，Q为相干处理周期中PRT的个数，P为检测得到的目标个 数，表示点目标p_i在第i个节点雷达和第j个节点雷达的平均功率，为第二相 关系数，分别为第i个节点雷达和第j个节点雷达的噪声功率。

优选地，所述步骤6包括以下子步骤：

在所述检测门限范围内搜索最优检测门限搜索准则为：

$|F\left(\hat{\eta }\right)-P_l|/P_l\le ϵ$

$F\left(\hat{\eta }\right)=1-\Phi \left(\frac{\hat{\eta }-{\rho }_{i,j,p_i,p_j}·Q\sqrt{{\sigma }_i^2{\sigma }_j^2}}{\sqrt{Q({\zeta }_{p_i,i}^2{\zeta }_{p_j,j}^2+{\rho }_{i,j,p_i,p_j}{\sigma }_i^2{\sigma }_j^2)/2}}\right)\Phi {\left(\frac{\hat{\eta }}{\sqrt{{\mathrm{Q\zeta }}_{p_i,i}^2{\zeta }_{p_j,j}^2/2}}\right)}^{P-1}$

其中，ε为误差门限，P_l为真实目标误判概率。

优选地，所述步骤7包括以下子步骤：

7a)将所述相关性度量与所述最优检测门限进行比较；

7b)当时，判定所述相关性度量对应的包络组通过假目标检验；

7c)当时，判定所述相关性度量对应的包络组未通过假目标检验，并将该 包络组对应的两个点目标标定为假目标。

优选地，所述步骤8包括以下子步骤：

8a)查找被标定为假目标的两个点目标所在的包络组对应的相关性度量；

8b)将所述相关性度量对应的点目标回波数据的复幅度置为零。

本发明与现有技术相比，具有以下优点：

第一，本发明利用真实目标回波的复包络相互独立而干扰信号复包络相关的特点，通 过步骤4对于同一点目标，将其在所述多个节点雷达的慢时间随机复包络序列两两组合， 构成多个包络组，并估计每个包络组的相关性度量，由于真实目标的回波相关系数比较小， 因此可以利用信号级融合处理，使得目标的信息得到了较高的使用率，最终能够更有效的 对抗欺骗式干扰。

第二，本发明只用到信号包络，未出现任何调制方式，因此能够不依赖于欺骗式干扰 的信号调制方式，从而可以对不同欺骗式干扰方式产生的假目标进行有效鉴别。

第三，本发明可用于网络化雷达系统融合中心，通过对目标的包络进行相关性检验， 能够鉴别欺骗式干扰产生的有源假目标，实现网络化雷达系统有效对抗欺骗式干扰。

附图说明

图1为本发明实施例一中一种目标信号相关下信号级融合的组网雷达抗欺骗式干扰 方法的流程图；

图2为本发明实施例二中一种目标信号相关下信号级融合的组网雷达抗欺骗式干扰 方法的流程图；

图3为P_l＝0.001，M＝2，目标位置区域[-100，100]*[10，100]Km，时，假目标正确鉴别概率P_FT随目标位置的变化而变化的曲线图，其中，X、Y轴为距离， 纵坐标为鉴别概率P_FT；

图4为P_l＝0.001，M＝2，目标位置区域[-100，100]*[10，100]Km，时，假目标正确鉴别概率P_FT随目标位置的变化而变化的曲线图，其中，X、Y轴为距离， 纵坐标为鉴别概率P_FT；

图5为P_l＝0.001，M＝2，目标位置区域[-100，100]*[10，100]Km， 时，假目标正确鉴别概率P_FT随目标位置的变化而变化 的曲线图，其中，X、Y轴为距离，纵坐标为鉴别概率P_FT。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方 式对本发明作进一步详细的说明。

实施例一：

参照图1，示出了本发明实施例一种目标信号相关下信号级融合的组网雷达抗欺骗式 干扰方法，本实施例具体可以包括以下步骤：

步骤1，每个节点雷达分别接收回波数据，并依据所述回波数据计算所述每个节点雷 达的噪声功率。

本实施例中设所述组网雷达包括n个节点雷达，其中n≥2，设所述匹配滤波后点目标 的回波数据中包括P个点目标。

所述步骤1包括以下子步骤：

1a)设所述组网雷达包括n个节点雷达，其中n≥2，每个节点雷达接收回波数据；

需要说明的是，本实施例中的网络化雷达系统中包含有n个节点雷达，n≥2，每个节 点雷达分别接收不包含信号的回波数据，即每个节点雷达不发信息只接收不包含信号的回 波数据。

1b)每个节点雷达根据接收到的回波数据X，估计出每个节点雷达的噪声功率

${\sigma }_n^2=X^{H}X$

其中，H表示矩阵的共轭转置。

步骤2，计算所述回波数据匹配滤波后点目标的回波数据的复幅度，并根据所述复幅 度构造每个点目标在所述多个节点雷达的慢时间随机复包络序列。

本实施例中所述步骤2包括以下子步骤：

2a)采用以下公式对所述回波数据进行匹配滤波，得到匹配滤波后点目标的回波数据 y(t)：

$y\left(t\right)=x\left(t\right)\otimes x^{*}(-t)$

其中，y(t)为匹配滤波后点目标的回波数据，x(t)为回波数据，为卷积符号，*表示共 轭。

需要说明的是，本实施例采用的网络化雷达系统中包含有n个节点雷达，n≥2，每个 节点雷达接收回波信号，并对接收的回波信号进行匹配滤波2a)、相干积累2b)和恒虚警 检测2c)。本实施例采用上述公式对所述回波数据进行匹配滤波，即采用回波数据与其共 轭反转之后的函数卷积的方法进行匹配滤波。需要进一步说明的是，回波数据中包括真实 目标、假目标、噪声(真假目标统称信号)，而匹配滤波能够提高信噪比，因此可以更加 清晰凸显点目标的回波数据。

2b)采用以下公式对所述匹配滤波后点目标的回波数据进行相干积累，得到相干积累 后点目标的回波数据Y(k)：

$Y\left(k\right)=\underset{m=0}{\overset{Q-1}{\Sigma }}y\left(m\right)e^{-j\frac{2\pi }{Q}km}$

其中，Q为脉冲积累个数，y(m)为匹配滤波后点目标的回波数据。

需要说明的是，相干积累是指将同一节点雷达不同脉冲重复周期的数据调整相位再相 加，目的是提高信噪比，相干积累后点目标的回波数据信噪比更大，本实施例采用上述公 式对所述匹配滤波后点目标的回波数据进行相干积累，即采用对同一节点雷达不同脉冲重 复周期的数据进行离散傅立叶变换的方式进行相干积累，离散傅立叶变换公式即为上述公 式。

2c)设所述相干积累后点目标的回波数据中包括P个点目标的回波数据，对所述相干 积累后点目标的回波数据进行恒虚警检测，分别得到P个点目标的回波数据的复幅度。

需要说明的是，恒虚警检测是指将回波数据与给定门限进行比较，目的是把真假目标 回波数据从噪声背景中提取出来，恒虚警检测后可以得到点目标回波数据的复幅度本 实施例上述步骤2a)、2b)、2c)对应步骤1中的“计算匹配滤波后回波数据的复幅度”。

2d)设所述组网雷达包括n个节点雷达，其中n≥2，将所述P个点目标的回波数据的 复幅度组成集合，并将所述集合作为P个点目标的慢时间随机复包络序列

$X_{p_i}^i=\left\{A_{p_i}^i,i=1,2,3...\mathrm{..},n\right\},p_i=1,2,3....P$

其中，n表示所述组网雷达中的节点雷达个数，且n≥2；表示所述n个节点雷达中 的第i个节点雷达检测到的第p_i个点目标的回波数据的复幅度；是一个矩阵，行数为每 个相干处理周期中所有脉冲数，列数为点目标的个数P。

需要说明的是，上述步骤2d)对应步骤2中的根据所述复幅度构造每个点目标的慢时 间随机复包络序列，即本实施例将所述匹配滤波后回波数据的复幅度的集合作为每个点目 标的慢时间随机复包络序列。本实施例在一个相干处理周期中所有脉冲重复时间(Pulse  Recurrence Time，PRT)重复上述2a)、2b)、2c)。

步骤3，根据所述每个点目标在所述多个节点雷达的慢时间随机复包络序列，估计每 个点目标在每个节点雷达的平均功率。

本实施例中所述步骤3包括以下子步骤：

3a)设所述组网雷达包括n个节点雷达，其中n≥2，设所述匹配滤波后点目标的回波 数据中包括P个点目标，从所述n个节点雷达中选取第i个节点雷达，并选取所述第i个节 点雷达检测到的第p_i个点目标的回波数据的复幅度

3b)根据所述第i个节点雷达检测到的第p_i个点目标的回波数据的复幅度通过以 下公式计算所述点目标p_i在第i个节点雷达的平均功率的估计值

${\zeta }_{p_i,i}^2=\frac{{A_{p_i}^i}^H{A}_{p_i}^i}{Q},i=1,2,3,...,n$

其中，Q为相干处理周期中PRT的个数，H表示矩阵的共轭转置。

需要说明的是，本实施例3a)、3b)是以根据第i节点雷达检测到的第p_i个点目标的慢时 间随机复包络序列计算所述点目标p_i在节点i的平均功率的估计值为例进行说明 的，每个点目标平均功率的计算与之类似，本实施例不再赘述。并且步骤3估计得到的每 个点目标在每个节点的平均功率在后面的步骤6b)中用到。

步骤4，对于同一点目标，将其在所述多个节点雷达的慢时间随机复包络序列两两组 合，构成多个包络组，并估计每个包络组的相关性度量。

本实施例中所述步骤4包括以下子步骤：

4a)设所述组网雷达包括n个节点雷达，其中n≥2，设所述匹配滤波后点目标的回波 数据中包括P个点目标，从所述n个节点雷达中选取第i个节点雷达和第j个节点雷达，从 所述P个点目标中选取第p个点目标，对于所述第i个节点雷达，所述第p个点目标为第p_i个点目标；对于所述第j个节点雷达，所述第p个点目标为第p_j个点目标，将所述第i个节 点雷达检测的第p_i个点目标的慢时间随机复包络序列和第j个节点雷达检测的第p_j个 点目标的慢时间随机复包络序列进行组合，构成包络组；

4b)通过以下公式计算所述和构成的包络组的第一相关系数

${\hat{\rho }}_{p_i,p_j}={\left(X_{p_i}^i\right)}^H{X}_{p_j}^j,i\ne j,i=1,2,3...n,j=1,2,3...n$

其中，H表示矩阵的共轭转置。

4c)重复4b)至得到每个包络组的第一相关系数。

本实施例可以遍历所有节点，使所有节点的所有点目标重复4b)，最终得到每个包络 组的第一相关系数。

4d)根据每个包络组的第一相关系数通过以下公式选取其实部作为每个包络组 对应的相关性度量

${\mu }_{p_i,p_j}=real\left({\hat{\rho }}_{p_i,p_j}\right)$

其中，real( )表示对取实部。

需要说明的是，所述每个包络组的相关系数为复数，本实施例中选取相关系数的实部 作为相关性度量。

步骤5，给定组网雷达的真实目标误判概率，并依据所述组网雷达的真实目标误判概 率，计算所述每个包络组对应的相关性度量的检测门限范围。

本实施例中所述步骤5包括以下子步骤：

5a)设所述组网雷达包括n个节点雷达，其中n≥2，设所述匹配滤波后点目标的回波 数据中包括P个点目标，从所述n个节点雷达中选取第i节点雷达和第j个节点雷达，根据 信号载频f_m，第i节点雷达与第j个节点雷达主波束间的夹角Δβ_ij，第i节点与第j节点观测 下的目标期望尺寸D_ij，通过以下公式计算第二相关系数

${\rho }_{i,j,p_i,p_j}=J_0\left(2{\mathrm{\pi D}}_{ij}{f}_{m}sin\right({\mathrm{\Delta \beta }}_{ij}/2)/c)+J_2\left(2{\mathrm{\pi D}}_{ij}{f}_{m}sin\right({\mathrm{\Delta \beta }}_{ij}/2)/c),\forall i\ne j$

其中，c表示光速，J₀( )表示第一类贝塞尔函数零阶量，J₂( )表示第一类贝塞尔函数 二阶量。

5b)给定组网雷达的真实目标误判概率P_l；

5c)根据所述组网雷达的真实目标误判概率P_l，通过以下公式计算相关度量的计算检 测门限范围

${\eta }_{p_i,p_j\min }=\sqrt{{\mathrm{Q\zeta }}_{p_i,i}^2{\zeta }_{p_j,j}^2/2}·{\Phi }^{-1}\left({(1-P_l)}^{1/P}\right)$

$\left(\begin{array}{c}{\eta }_{p_i,p_j\max }=\sqrt{Q({\zeta }_{p_i,i}^2{\zeta }_{p_j,j}^2+{\rho }_{i,j,p_i,p_j}{\sigma }_i^2{\sigma }_j^2)/2}·{\Phi }^{-1}\left({(1-P_l)}^{1/P}\right)\\ +{\rho }_{i,j,p_i,p_j}·Q\sqrt{{\sigma }_i^2{\sigma }_j^2}\end{array}\right)$

其中，Φ( )表示标准正态分布，Q为相干处理周期中PRT的个数，P为检测得到的目标个 数，表示点目标p_i在第i个节点雷达和第j个节点雷达的平均功率，为第二相 关系数，分别为第i个节点雷达和第j个节点雷达的噪声功率。

步骤6，在所述检测门限范围内搜索最优检测门限。

本实施例在所述检测门限范围内搜索最优检测门限搜索准则为：

$|F\left(\hat{\eta }\right)-P_l|/P_l\le ϵ$

$F\left(\hat{\eta }\right)=1-\Phi \left(\frac{\hat{\eta }-{\rho }_{i,j,p_i,p_j}·Q\sqrt{{\sigma }_i^2{\sigma }_j^2}}{\sqrt{Q({\zeta }_{p_i,i}^2{\zeta }_{p_j,j}^2+{\rho }_{i,j,p_i,p_j}{\sigma }_i^2{\sigma }_j^2)/2}}\right)\Phi {\left(\frac{\hat{\eta }}{\sqrt{{\mathrm{Q\zeta }}_{p_i,i}^2{\zeta }_{p_j,j}^2/2}}\right)}^{P-1}$

其中，ε为误差门限，P_l为真实目标误判概率。

需要说明的是，具体实现时，可以利用二分搜索法，在所述检测门限范围内搜索最优 检测门限二分搜索法基本思想为：取的中间值将范围划分为 和计算此三者对应的对比给定的真实目标误判概率属于哪个范 围，便取这个范围继续进行上述操作，直到得到的便是最优检测门限。

步骤7，将所述相关性度量与所述最优检测门限进行比较，判断所述相关性度量是否 大于所述最优检测门限，当所述相关性度量小于等于所述最优检测门限时，判定所述相关 性度量对应的包络组通过假目标检验；当所述相关性度量大于所述最优检测门限时，判定 所述相关性度量对应的包络组未通过假目标检验，并将该包络组对应的两个点目标标定为 假目标。

需要说明的是，本实施例将所述相关性度量与所述最优检测门限进行比较，判断所述 相关性度量是否大于所述最优检测门限的过程，即对所述相关性度量进行假设检验。

本实施例中所述步骤7包括以下子步骤：

7a)将所述相关性度量与所述最优检测门限进行比较；

7b)当时，判定所述相关性度量对应的包络组通过假目标检验；

需要说明的是，若包络组通过假目标检验，则该包络组对应的两个点目标通过假目标 检验；

7c)当时，判定所述相关性度量对应的包络组未通过假目标检验，并将该 包络组对应的两个点目标标定为假目标。

步骤8，剔除所述假目标。

本实施例中所述步骤8包括以下子步骤：

8a)查找被标定为假目标的两个点目标所在的包络组对应的相关性度量；

8b)将所述相关性度量对应的点目标回波数据的复幅度置为零。

需要说明的是，根据上述步骤4中的描述，任意两个节点的点目标的慢时间随机复包 络序列构成包络组，并且相关性度量是针对包络组来说的，因此上述步骤8a)先找出在7c) 中被标定为假目标的两个点目标所在的包络组对应的相关性度量。根据2d)中的描述，每 个点目标的慢时间随机复包络序列是点目标回波数据的复幅度的集合，而包络组选 取任意两个节点的点目标的慢时间随机复包络序列构成的，包络组又与所述相关性度量， 因此可以根据所述相关性度量找到对应的点目标回波数据的复幅度，然后将所述相关性度 量对应的点目标回波数据的复幅度置为零。

需要说明的是，将所述相关性度量对应的点目标回波数据的复幅度置为零，可以使慢 时间随机复包络序列中只有真实目标的复包络序列，从而剔除所述假目标。本实施例在 步骤7中找出假目标之后，在步骤8中直接删除所述假目标，从而实现抗欺骗式干扰的目 的。

需要说明的是，本实施例对每个包络组都进行如下处理：

遍历检验第i节点和第j节点雷达中的每一个点目标组合的剔除其假目标。对第 i节点雷达中的每一个点目标进行的p_j次检验，一次被列为有源假目标，则剔除该有源假 目标，对第j节点雷达中的每一个点目标进行的p_i次检验，一次被列为有源假目标，则剔 除有源假目标。即依次对任意两个节点雷达中的全部目标进行步骤3至步骤8的检验，剔 除有源假目标，从而实现抗欺骗式干扰的目的。

实施例二：

参照图2，示出了本发明实施例一种目标信号相关下信号级融合的组网雷达抗欺骗式 干扰方法，本实施例具体可以包括以下步骤：

步骤201，取第i个节点的每个目标的慢时间随机复包络序列。

需要说明的是，所述步骤201与实施例一中的步骤2对应，可以参见实施例一中步骤 2的相关描述，本实施例在此不做赘述。

步骤202，取第j个节点的每个目标的慢时间随机复包络序列。

需要说明的是，所述步骤202与实施例一中的步骤2对应，可以参见实施例一中步骤 2的相关描述，本实施例在此不做赘述。

步骤203，估计平均功率；

需要说明的是，本实施例中步骤203根据步骤201中所取的第i个节点的每个目标的 慢时间随机复包络序列，估计其对应的平均功率。步骤203与实施例一中的步骤3对应， 估计平均功率的具体内容参见实施例一中步骤3的相关描述，本实施例在此不做赘述。

步骤204，估计平均功率；

需要说明的是，本实施例中步骤204根据步骤202中所取的第j个节点的每个目标的 慢时间随机复包络序列，估计其对应的平均功率。步骤204与实施例一中的步骤3对应， 估计平均功率的具体内容参见实施例一中步骤3的相关描述，本实施例在此不做赘述。

步骤205，估计相关系数。

需要说明的是，本实施例中步骤205是将步骤201所取的第i个节点的每个目标的慢 时间随机复包络序列，和步骤202所取的第j个节点的每个目标的慢时间随机复包络序列 构成包络组，然后估计该包络组的相关系数。步骤205与实施例一中的步骤4对应，估计 相关系数的具体内容参见实施例一中步骤4的相关描述，本实施例在此不做赘述。

步骤206，取实部得到相关性度量。

需要说明的是，步骤206是对相关系数取实部得到相关性度量步骤206与 实施例一中的步骤4对应，取实部的具体内容参见实施例一中步骤4的相关描述，本实施 例在此不做赘述。

步骤207，估计噪声功率。

需要说明的是，本实施例中步骤207根据步骤201中所取的第i个节点的每个目标的 慢时间随机复包络序列，估计其对应的噪声功率。步骤203与实施例一中的步骤1对应， 估计平均功率的具体内容参见实施例一中步骤1的相关描述，本实施例在此不做赘述。

步骤208，估计噪声功率。

需要说明的是，本实施例中步骤208根据步骤202中所取的第j个节点的每个目标的 慢时间随机复包络序列，估计其对应的噪声功率。步骤203与实施例一中的步骤1对应， 估计平均功率的具体内容参见实施例一中步骤1的相关描述，本实施例在此不做赘述。

步骤209，计算检测门限范围。需要说明的是，步骤209是计算检测门限范围 步骤209与实施例一中的步骤5对应，计算检测门限的具体内容参见实施 例一中步骤5的相关描述，本实施例在此不做赘述。

步骤210，最优检测门限搜索。

需要说明的是，步骤210是利用二分搜索法搜索最优检测门限步骤210与实施 例一中的步骤6对应，计算检测门限的具体内容参见实施例一中步骤6的相关描述，本实 施例在此不做赘述。

步骤211，判断相关性度量是否大于最优检测门限。

需要说明的是，步骤211将相关性度量与最优检测门限进行比较，判断相关 性度量是否大于最优检测门限当时，判定所述相关性度量对应的 包络组未通过假目标检验，并将该包络组对应的两个点目标标定为有源假目标，即当 时，执行步骤212。步骤211与实施例一中的步骤7对应，具体内容参见实施 例一中步骤7的相关描述，本实施例在此不做赘述。

步骤212，得出有源假目标位置。

需要说明的是，当时，判定相关性度量对应的包络组未通过假目标检验， 并将该包络组对应的两个点目标标定为假目标，即得出了有源假目标的位置。步骤212与 实施例一中的步骤7c)对应，具体内容参见实施例一中步骤7c)的相关描述，本实施例在 此不做赘述。

步骤213，剔除所述假目标。

需要说明的是，步骤213与实施例一中的步骤8对应，具体内容参见实施例一中步骤 8的相关描述，本实施例在此不做赘述。

本发明对抗欺骗式干扰的能力可通过以下仿真进一步验证。

1.实验场景1

(1)以两部节点雷达组成的组网雷达为例进行仿真实验，第一个节点雷达工作在发射状 态，第二个节点雷达工作在接收状态，对同一空间区域进行探测。在共同探测区域中只有 一个真实目标。

假设两个节点雷达的接收信号进行脉冲压缩以后，得到真实目标的复包络序列的目标 噪声比TNR相等，有源假目标的复包络序列的目标噪声比TNR相等。

(2)实验内容与结果分析

实验一：本发明提出的有源假目标鉴别方法的鉴别性能与接收站点之间的距离有关。 设P_l＝0.001，M＝2，目标位置区域[-100，100]*[10，100]Km，站点位置分别为对 本发明提出的有源假目标鉴别方法进行5000次Moto Carlo蒙特卡罗实验，统计得到假目 标正确鉴别概率P_FT，如图3所示。

实验二：设P_l＝0.001，M＝2，目标位置区域[-100，100]*[10，100]Km，站点位置分别为 对本发明提出的有源假目标鉴别方法进行5000次Moto Carlo 蒙特卡罗实验，统计得到假目标正确鉴别概率P_FT，如图3所示。

从图3和图4中均可以看到，在靠近目标位置中心的区域时，P_FT较大，鉴别性能较 好，在靠近目标位置边缘区域时，鉴别性能较差，这是由于当目标位于目标区域边缘位置 时，离两站点的位置差异过大，以致无法鉴别。图3中目标处于处于区域[-50，50]*[20，80]KM 时P_FT最大，鉴别性能最好。图4中目标处于[-30，30]*[20，60]KM时鉴别性能最好。

从图3和图4的比较中可知站点之间基线越长P_FT越好。图3中P_FT下降较为缓慢，图 4中P_FT下降较为陡峭，说明基站位置越远鉴别性能在目标区域内下降的越慢，性能越好。

2.实验场景2

实验三：本发明提出的有源假目标鉴别方法的鉴别性能与接收站点的个数有关。设 P_l＝0.001，M＝2，站点位置为目标位置区域 [-100，100]*[10，100]Km，对本发明提出的有源假目标鉴别方法进行5000次Moto Carlo蒙特 卡罗实验，统计得到假目标正确鉴别概率P_FT，如图5所示。

从图5中可以看到，虽然在靠近目标区域边缘处P_FT有微小的下降，但在整个目标区 域P_FT下降都及其缓慢，鉴别性能都比较好。

从图5和图3、图4的比较可以看出随着站点个数的增加，P_FT增加，鉴别性能有较大 的提升。

对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是 本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某 些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所 描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他 实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模 块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、 组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中， 由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可 以位于包括存储设备在内的本地和远程计算机存储介质中。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一 个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之 间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体 意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包 括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商 品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要 素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

以上对本发明所提供的一种目标信号相关下信号级融合的组网雷达抗欺骗式干扰方 法，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以 上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般 技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述， 本说明书内容不应理解为对本发明的限制。