多模型融合滤波技术在间歇采样重复干扰抑制中的应用研究

针对间歇采样重复干扰(ISRJ)存在的高功率、强相干性和复杂调制特性导致的雷达误检测问题，研究人员创新性地提出多模型融合滤波方法。该方法通过多信号特征提取模型重构干扰信号，设计融合滤波技术实现精确干扰估计，并采用交替迭代算法实现目标检测。实验证明该方法在复杂调制干扰表征和目标信号完整保留方面具有显著优势，为电子对抗领域提供了有效的ISRJ抑制解决方案。

　　

在现代电子对抗领域，雷达系统正面临着日益复杂的电磁环境挑战。间歇采样重复干扰(Interrupted Sampling Repeated Jamming, ISRJ)作为一种典型的主瓣干扰形式，凭借其高功率、强相干性和复杂调制特性，能在雷达接收端产生大量虚假目标信号，严重干扰真实目标的检测与识别。传统ISRJ抑制方法存在两大技术瓶颈：一是难以准确表征具有快速变化特性的复杂调制干扰，二是干扰消除过程中易造成目标回波能量损失。这些问题导致现有方法在低信干噪比(Jamming to Signal and Noise Ratio, JSNR)条件下性能急剧下降，无法满足现代战争对雷达抗干扰能力的严苛要求。

针对这一技术难题，山东大学（根据资助项目ZR2024MF096推断）的研究团队在《Digital Signal Processing》发表创新性研究成果。该研究突破传统单模型处理的局限，提出基于多模型融合滤波的ISRJ抑制框架。通过构建兼顾连续信号和脉冲信号特征的多域干扰重构模型，结合融合滤波技术和交替迭代算法，实现了复杂调制干扰的精确估计与目标信号的完整恢复。实验验证表明，该方法在单脉冲时间内即可完成干扰抑制，特别适用于舰船打击等高数据率雷达跟踪场景。

关键技术方法包括：1) 基于变分模态分解(Continuous Variational Mode Decomposition, CVMD)和小波分析的混合信号特征提取；2) 多域干扰信号融合重构技术；3) 干扰消除与信号估计的交替迭代优化算法。研究采用蒙特卡洛实验和场景模拟实验双重验证体系，在-10dB至20dB的JSNR范围内系统评估方法性能。

【ISRJ Signal Model】
建立线性调频(Linear Frequency Modulation, LFM)信号模型S(t)=rect(t/T)e^jπμt2，其中μ=B/T为调制斜率。ISRJ干扰被建模为M个截取段的加权叠加y(t)=∑_m=1^MA_m·rect((t-t_m)/T_c)S(t)，精确表征了干扰信号的时域不连续性。

【Simulated Experiments and Analysis】
对比实验显示：在JSNR=10dB时，融合方法的干扰重构误差比单一CVMD方法降低62.5%；目标检测概率提升至98.7%，显著高于稀疏恢复方法的82.3%。场景验证证实该方法可有效抑制调制ISRJ、频移干扰等多种相干干扰。

【Conclusion】
该研究创新性地将多模型思想引入电子对抗领域，其技术优势体现在三方面：1) 通过CVMD-小波双通道处理实现复杂调制干扰的精准解析；2) 融合滤波技术使干扰估计均方误差降低至传统方法的1/3；3) 交替迭代算法在保留目标信号完整性的同时，处理速度满足单脉冲实时性要求。这项成果为智能干扰对抗提供了新的技术途径，在导弹导引头、机载雷达等资源受限平台具有重要应用价值。研究获得国家自然科学基金(62301612)和山东省自然科学基金(ZR2024MF096)等多项支持。