基于快慢时频分布的雷达复合欺骗干扰识别方法研究

作者及机构
本文由Wenbin Wei、Rui Guo和Zengping Chen共同完成，三位作者均来自中山大学电子与通信工程学院（School of Electronics and Communications Engineering, Sun Yat-sen University）。研究成果发表于2025年的IEEE Transactions on Instrumentation and Measurement（卷74，文章编号8511919）。

学术背景

研究领域与动机
本研究属于电子对抗（Electronic Warfare, EW）与雷达信号处理交叉领域，聚焦于复杂对抗环境中复合欺骗干扰（Compound Deception Jamming, CDJ）的识别问题。现代电子战中，欺骗干扰因成本低、效果显著而备受关注，但其复合形式（如多种干扰叠加）会导致传统时频分布（Time-Frequency Distribution, TFD）图像中干扰特征严重交织，尤其在低干噪比（Jamming-to-Noise Ratio, JNR）下易造成漏检或误判。

研究目标
提出一种基于快慢时频分布（Fast-Slow Time–Frequency Distribution, FST-FD）的CDJ识别方法，通过结合相干积累（Coherent Accumulation, CA）和多普勒频移差异，提升低JNR下的识别可靠性，并解决小尺寸干扰（如短时采样干扰）的漏检问题。

研究方法与流程

1. 信号模型与干扰类型

研究首先建立了8种典型欺骗干扰的数学模型，包括：
- 切普拼接干扰（Chopping and Interleaving, CI）
- 频谱弥散干扰（Smeared Spectrum, SMSP）
- 间歇采样直接转发干扰（Intermittent Sampling Direct Repeater Jamming, ISDRJ）
- 距离欺骗干扰（Distance Deception Jamming, DDJ）等。
通过随机组合生成32类CDJ，用于后续实验验证。

2. FST-FD特征提取

核心创新点：
- 相干积累的时频不变性证明：通过数学推导验证了TFD在CA过程中的传递不变性，即CA不会改变干扰的时频特征形态，仅增强能量。
- 多普勒通道分离：利用不同干扰的多普勒频移差异，在距离-多普勒域中分离CDJ信号，提取独立的FST-FD图像。
- 算法流程：
1. 目标搜索：采用CA-CFAR（单元平均恒虚警率）检测多普勒通道中的干扰切片。
2. 短时傅里叶变换（STFT）：对切片进行时频分析，生成FST-FD图像。

3. 轻量化网络设计（MAM-YOLOv8n）

为解决小尺寸干扰识别难题，提出混合注意力机制（Mixed Attention Mechanism, MAM）改进的YOLOv8n网络：
- 通道-空间混合注意力模块（CSMAM）：结合通道注意力（关注能量分布）和空间注意力（定位干扰区域），提升对小尺寸干扰的敏感性。
- 多尺度卷积核：针对不同尺寸干扰，在YOLOv8n的三个检测头中分别采用21×21、11×11和5×5的卷积核。

4. 实验验证

数据集：
- 仿真数据：8类单干扰（1600样本）和12类CDJ（600样本）用于训练；20类未训练CDJ用于零样本测试。
- 实测数据：公开数据集（4类干扰）和自建数据集（S波段雷达采集的4类干扰及其组合）。

实验设计：
- 低JNR场景（-25~0 dB）：验证FST-FD相比传统TFD的抗噪优势。
- 多干扰交织场景：测试CDJ在相同/不同多普勒频移下的分离效果。

主要结果

1. FST-FD的优越性：

   • 在JNR=-10 dB时，传统TFD图像被噪声淹没，而FST-FD仍能保留完整时频特征（图6-7）。
     
   • 对CI+DFTJ+ISCRJ类CDJ，FST-FD成功分离三类干扰（图9）。
     

2. 识别性能提升：

   • 在相干脉冲数=16时，MAM-YOLOv8n的识别准确率达93.8%，较传统TFD方法（如VGG16、YOLOv5）提升40%以上（表III）。
     
   • 实测数据中，准确率优势达12.1%~16.9%（表VI）。
     

3. 小尺寸干扰识别：

   • CSMAM模块使ISDRJ等小尺寸干扰的识别准确率提升5.5%（表IV）。
     

结论与价值

科学价值：
- 理论层面：首次证明CA过程中TFD的传递不变性，为雷达信号处理提供新视角。
- 方法层面：FST-FD特征与MAM-YOLOv8n的结合，解决了CDJ识别中的交织和低JNR难题。

应用价值：
- 为雷达在强干扰环境下（如旁瓣干扰、远距离欺骗）的参数测量提供可靠保障。
- 轻量化网络设计（单图像处理时间14.1 ms）满足实时性需求。

研究亮点

1. 特征提取创新：FST-FD通过CA和多普勒分离，兼具抗噪与特征解耦能力。
   
2. 网络设计创新：CSMAM模块针对性增强小尺寸干扰的注意力机制。
   
3. 零样本识别能力：仅需训练单干扰类型，即可识别未知CDJ组合。
   

附录验证：
- 分析了多普勒频移未对齐FFTbin（附录A）和距离徙动（附录B）对TFD不变性的影响，通过仿真验证了方法的鲁棒性（图17）。

本研究为复杂电磁环境下雷达抗干扰技术提供了新的理论框架和实用工具，后续可结合Keystone变换进一步优化高速目标场景的性能。