买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京信息工程大学

摘要：本申请涉及一种基于压缩感知的抗间歇式主瓣干扰方法。该方法包括：对间歇式干扰回波信号建模，获得雷达间歇式干扰回波信号模型，利用自适应数字波束形成技术对雷达间歇式干扰回波信号模型中的副瓣干扰进行消除后，建立间歇式干扰稀疏回波信号模型，将求解间歇式干扰稀疏回波信号模型转换为1‑范数规则化的最优化问题，获得转化后的间歇式干扰稀疏回波信号模型，利用快速阈值迭代稀疏重构算法求解对转化后的间歇式干扰稀疏回波信号模型进行求解分析，消除间歇式主瓣干扰信号，输出间歇式主瓣干扰抑制后的目标回波信号。利用快速阈值迭代稀疏重构算法来恢复稀疏信号向量，消除主瓣干扰，提升算法实效性。

主权项：1.一种基于压缩感知的抗间歇式主瓣干扰方法，其特征在于，所述方法包括：对间歇式干扰回波信号建模，获得雷达间歇式干扰回波信号模型，所述雷达间歇式干扰回波信号模型为：Rn＝Sn+Zn+En其中，Rn为实测回波信号，En为雷达接收回路噪声，Sn为原始发射信号由目标反射的理想回波，n为回波信号采样点数序号，Zn为间歇式干扰项；利用自适应数字波束形成技术对所述雷达间歇式干扰回波信号模型中的副瓣干扰进行消除后，建立间歇式干扰稀疏回波信号模型，所述间歇式干扰稀疏回波信号模型为： 其中，R为自适应数字波束形成技术处理后的雷达间歇式干扰回波信号，为稀疏矢量，s为目标回波信号，z为干扰信号，A＝[Φ，Id]为稀疏变换矩阵，Φ为傅里叶反变换基，Id为单位矩阵，E为对目标回波信号进行自相关运算；将求解所述间歇式干扰稀疏回波信号模型转换为1-范数规则化的最优化问题，获得转化后的间歇式干扰稀疏回波信号模型；利用快速阈值迭代稀疏重构算法求解对所述转化后的间歇式干扰稀疏回波信号模型进行求解分析，消除间歇式主瓣干扰信号，输出间歇式主瓣干扰抑制后的目标回波信号；所述利用快速阈值迭代稀疏重构算法求解对所述转化后的间歇式干扰稀疏回波信号模型进行求解分析，消除间歇式主瓣干扰信号，获得间歇式主瓣干扰抑制后的目标回波信号的步骤，包括：1初始参数设置，s0＝[0，...，0]T，z0＝[0，...，0]T；2前向预测，Rapp＝iffts0+z0；3残差计算，r＝Rapp-R；4后向预测， 其中，s0为回波信号初始值，z0为干扰信号初始值，iffts0为对回波信号初始值s0进行逆傅里叶变化，Rapp为前向预测结果，sapp为目标回波信号后向预测结果，zapp为干扰信号后向预测结果，r为残差，R为自适应数字波束形成技术处理后的雷达间歇式干扰回波信号，表示第j次迭代估计的回波信号，表示第j+1次迭代估计的干扰信号，K为预测阈值系数，fftr表示对残差信号进行傅里叶变换；5阈值处理，t1＝median|sapp|λ1t2＝median|zapp|λ2 其中，t1为回波信号阈值，t2为干扰信号阈值，median表示求中值运算，λ1为回波信号范数加权系数，λ2为干扰信号范数加权系数，Sth为目标回波信号阈值处理结果，zth为干扰信号阈值处理结果，α表示或大于0时，否则为0；6更新系数， 其中，aj为第j次迭代时的阈值系数，aj+1为第j+1次迭代时的阈值系数；7预测更新， 8回到第2步，直到rσ为止，rσ，σ为噪声标准方差；9输出为间歇式主瓣干扰抑制后的目标回波信号，为估计的间歇式主瓣干扰信号；10去除估计的间歇式主瓣干扰信号获得间歇式主瓣干扰抑制后的目标回波信号

全文数据：

权利要求：

百度查询： 南京信息工程大学 基于压缩感知的抗间歇式主瓣干扰方法