论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar,SAR)具有全天时、全天候、作用距离远和穿透能力强等优点,广泛应用于地形测绘、资源勘探、灾情监测等民用领域以及战场侦察、态势监视、精确制导等军事领域。随着SAR技术的广泛应用,SAR对抗的研究具有迫切的应用需求。SAR有源干扰机通过向对方SAR发射干扰,破坏其SAR成像效果,从而降低对方SAR系统获取观测区域信息的能力。SAR有源干扰按实现方式,可以分为有源压制干扰和有源欺骗干扰。相比于直接发射高功率的压制干扰而言,欺骗干扰通过对截获或再生的雷达回波进行调制转发,导致SAR图像中出现虚假场景,使对方无法正确判断战场态势和难以形成正确决策,该方法具有隐蔽且干扰功率低等优点。然而,有源欺骗干扰对侦察精度要求高,现有的SAR欺骗干扰模板生成方法很难满足模板纹理高相似度和生成结果多样性的需求,同时现有的SAR欺骗干扰评估方法存在着评估项单一和普适性差的问题。因此,SAR欺骗干扰模板生成与效果评估方法研究具有重要的理论意义和应用价值。本文将从SAR成像与SAR有源欺骗干扰机理出发,针对如何扩大SAR欺骗干扰范围,提高欺骗场景逼真度和欺骗干扰效能综合评估等方面问题展开深入研究。本文的主要工作及创新点如下:1.首先对SAR成像原理进行了介绍,分析了SAR高分辨率原理与SAR信号处理方法,对经典的SAR成像算法,距离多普勒算法进行了介绍与仿真。其次,以SAR成像原理为基础,介绍了SAR欺骗干扰的基本方法,建立了欺骗干扰几何模型并进行了仿真实验。随后,针对欺骗干扰实时性与有效范围的问题,研究了一种大场景下的快速欺骗干扰方法,采用两步生方法成与分段补偿方法在一定程度上提高了欺骗干扰的实时性和有效干扰范围,并在大场景条件下下对该算法进行了仿真验证。2.针对虚假场景逼真度有限的问题,提出了基于生成对抗网络理论的欺骗干扰模板生成方法。首先,建立了生成对抗网络的基本模型并对其原理进行分析,并进一步研究其改进的网络模型。在对现有网络模型分析的基础上,建立了适用于欺骗干扰模板产生的生成式对抗网络新模型。同时,通过已知特定场景的SAR图像,并对其进行预处理,建立SAR场景图像数据集。以此为基础,通过深度学习方法对网络模型进行训练,得到干扰模板生成结果。最后,该部分还简要分析了基于模板库与纹理合成的传统欺骗干扰模板生成方法,对基于块拼接的纹理合成方法进行了介绍并仿真。通过对两种欺骗干扰模板生成方法进行比较,验证了所提方法的优越性。3.针对现有SAR有源欺骗干扰评估方法评估项单一和普适性差的问题,提出了一种基于卷积神经网络的SAR有源欺骗干扰评估新方法。由于SAR欺骗干扰图像的稀缺性,该部分首先分析在欺骗干扰机对雷达平台的航迹估计精度有限情况下,航迹误差对欺骗干扰调制函数和欺骗干扰图像质量的影响,并建立基于航迹误差的欺骗干扰图像样本集。该样本集将作为后续指标有效性验证和干扰评估网络训练的样本。其次,研究和分析了基于图像质量指标的SAR欺骗干扰评估方法,并将其处理结果作为深度神经网络的输入矢量集,获得最终的干扰效果综合评估结果。最后,提出了基于卷积神经网络的欺骗干扰效果评估方法。并通过航迹误差的欺骗干扰图像样本集的仿真实验验证了所提方法的有效性。