稀疏分解在雷达移频干扰抑制方面的应用研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (6): 129-130.

• 数据库、信号与信息处理 • 上一篇下一篇

稀疏分解在雷达移频干扰抑制方面的应用研究

冯有前1，余付平2，高大化1，安芹力1

1.空军工程大学理学院，西安 710051
2.空军工程大学导弹学院，陕西三原 713800

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-02-21 发布日期:2012-02-21

Research on radar shift-frequency jamming suppression based on sparse decomposition

FENG Youqian1, YU Fuping2, GAO Dahua1, AN Qinli1

1.College of Science, Air Force Engineering College, Xi’an 710051, China
2.The Missile Institute, Air Force Engineering College, Sanyuan, Shaanxi 713800, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-02-21 Published:2012-02-21

摘要/Abstract

摘要： 移频干扰是对脉冲压缩雷达有效的干扰形式，为了抑制移频干扰对线性调频脉冲压缩雷达的影响，提出构建自适应的联合过完备原子库的思想。根据雷达发射信号与移频干扰信号的特征，构造一组线性调频时移信号和一组线性调频频移信号，由这两部分信号共同构成联合过完备库；利用稀疏分解方法和BP（Basis Pursuit）算法实现干扰抑制和有用信号的重构。实验结果验证了该方法的有效性和正确性。

关键词: 联合过完备库, 稀疏分解, 移频干扰, BP算法, 干扰抑制

Abstract: Shift-frequency Jamming is effective jamming to pulse compress radar of the Linear Frequency Modulation signal（LFM）. To suppress shift-frequency jamming, the idea of constructing the combining redundancy dictionary is proposed. A set of LFM shift-
time signals and LFM shift-frequency signals are built up according to the features of transmitted signal and jamming signal, the two-part signals form the combining redundancy dictionary. Then jamming suppression and the signal reconstruction are achieved with the sparse decomposition method and BP（Basis Pursuit） algorithm. The simulation results show that the proposed method is effective and correct.

Key words: combining redundancy dictionary, sparse decomposition, shift-frequency jamming, BP algorithm, jamming suppression

冯有前1，余付平2，高大化1，安芹力1. 稀疏分解在雷达移频干扰抑制方面的应用研究[J]. 计算机工程与应用, 2012, 48(6): 129-130.

FENG Youqian1, YU Fuping2, GAO Dahua1, AN Qinli1. Research on radar shift-frequency jamming suppression based on sparse decomposition[J]. Computer Engineering and Applications, 2012, 48(6): 129-130.

[1]	岳琪，徐忠亮，郭继峰. 面向混合乐器音乐分析的稀疏特征提取方法[J]. 计算机工程与应用, 2021, 57(14): 181-186.
[2]	杨永鹏，杨真真，李建林，乐俊. 低秩稀疏分解及其在视频和图像处理中的应用[J]. 计算机工程与应用, 2020, 56(16): 21-30.
[3]	李墨羽，焦瑞莉，朱云龙，吴世玉. GNSS-R SAR地面目标建模与成像[J]. 计算机工程与应用, 2019, 55(23): 265-270.
[4]	涂兵1，2，3，潘建武1，2，3，张国云1，2，3，李朝辉1，3，李孝春1，3. 基于LBP和稀疏表示的天际线检测算法研究[J]. 计算机工程与应用, 2016, 52(20): 158-162.
[5]	赵亚丁1，沈宽2. 用于DR图像缺陷检测的改进的LBP算法[J]. 计算机工程与应用, 2016, 52(19): 179-183.
[6]	杨明，陈玲玲. OMP信号稀疏分解的改进ACFOA实现[J]. 计算机工程与应用, 2015, 51(20): 208-212.
[7]	欧阳桢，李应. 基于萤火虫算法的匹配追踪用于生态声音辨识[J]. 计算机工程与应用, 2015, 51(2): 198-204.
[8]	肖正安，罗海峰. FOA-LM算法及其在语音信号稀疏分解中的应用[J]. 计算机工程与应用, 2015, 51(12): 219-222.
[9]	陈勤，芮贤义. 基于天线选择的全双工中继干扰抑制[J]. 计算机工程与应用, 2015, 51(1): 89-91.
[10]	余付平1，2，沈堤1. 基于拟牛顿方向的改进平滑[l0]算法[J]. 计算机工程与应用, 2013, 49(22): 215-218.
[11]	肖正安. 语音信号稀疏分解的FOA实现[J]. 计算机工程与应用, 2013, 49(10): 232-234.
[12]	景军锋1，2，张缓缓1，李鹏飞1，王静1. LBP和Tamura纹理特征方法融合的织物疵点分类算法[J]. 计算机工程与应用, 2012, 48(23): 155-160.
[13]	邹海，褚维翠，徐军，张娟，王子琦. 双权值神经网络在图像分割中的应用[J]. 计算机工程与应用, 2012, 48(13): 163-166.
[14]	甄小仙，刘哲，马聪. 结合级联字典和双层稀疏分解的图像重构[J]. 计算机工程与应用, 2011, 47(23): 154-156.
[15]	梁瑞宇，奚吉，张学武. 改进的多载波码分多址系统多址干扰抑制算法[J]. 计算机工程与应用, 2011, 47(19): 153-155.

稀疏分解在雷达移频干扰抑制方面的应用研究

Research on radar shift-frequency jamming suppression based on sparse decomposition

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics