基于复数据经验模式分解的天波超视距雷达瞬态干扰抑制.docx

基于复数据经验模式分解的天波超视距雷达瞬态干扰抑制
摘要
天波超视距雷达系统在远程侦察和目标追踪方面具有很大的优势。然而，瞬态干扰对其性能的影响是不可避免的。因此，采用复数据经验模式分解算法对天波超视距雷达系统中的瞬态干扰进行抑制。通过仿真实验表明，该算法能够有效地抑制瞬态干扰，提高系统的性能和鲁棒性。
关键词：天波超视距雷达；瞬态干扰；复数据经验模式分解；抑制
引言
天波超视距雷达作为目标追踪和侦察领域的重要工具，具有不可忽视的地位。然而，由于天波超视距雷达发射功率较低，天线高度较高，环境复杂，这些工作中可能会出现各种各样的干扰信号，特别是瞬态干扰，会极大地降低雷达系统的性能和鲁棒性。
传统的方法主要是通过消除噪声、滤波器等方法来处理干扰信号。然而，这些方法只能适用于白噪声干扰等静态干扰，对于瞬态干扰无法做出有效的处理。因此，为了提高雷达系统的性能和鲁棒性，需要采用新的处理方法。
本文提出了一种基于复数据经验模式分解的天波超视距雷达瞬态干扰抑制方法。该方法结合了复数据经验模式分解算法和瞬态干扰的特性，能够有效地抑制瞬态干扰，并提高雷达系统的性能和鲁棒性。
理论分析
复数据经验模式分解算法是一种新型的信号分解技术，可以将时变信号分解为一组局部自振震动模态和一个随时间变化的趋势项。该算法的基本思想是通过将信号分解为多个不同频率的本征模态函数（EmpiricalModeDecomposition，EMD），使得每个本征模态函数的频率在一个小范围内变化。采用希尔伯特变换将本征模态函数转换为振幅及相位的复数形式，即得到复数据经验模式分解信号。
瞬态干扰在时间和频率上都具有局限性，并且变化较快。因此，我们可以通过将信号分解为多个不同频率的本征模态函数，更好地抑制瞬态干扰。利用复数据经验模式分解的方法，可以将原始信号分解为不同频率和幅度的组合，从而将瞬态干扰与其它信号分开。通过对每个本征模态函数进行阈值滤波和合成，即可得到抑制瞬态干扰的信号输出。
实验结果
为了验证复数据经验模式分解方法对天波超视距雷达瞬态干扰的处理效果，本文对仿真数据进行了分析和测试。
首先，我们对原始信号进行了复数据经验模式分解。图1展示了原始信号和分解后的五个本征模态函数。可以看出，原始信号较为复杂，但经过复数据经验模式分解分解后，可以得到较为明显的不同频率和幅度的各个本征模态函数，较好地展现出信号的变化特性。
图1复数据经验模式分解结果
接下来，我们将本征模态函数进行阈值过滤和合成，并得到抑制瞬态干扰的输出信号。图2展示了经过复数据经验模式分解后的输出信号。可以看出，瞬态干扰信号已经得到较好的抑制。
图2经过复数据经验模式分解处理后的输出信号
结论
本文提出了一种基于复数据经验模式分解的天波超视距雷达瞬态干扰抑制方法，该方法结合了复数据经验模式分解算法和瞬态干扰的特性，能够有效地抑制瞬态干扰，并提高雷达系统的性能和鲁棒性。通过仿真实验表明，该算法能够有效地抑制瞬态干扰，并提高系统的性能和鲁棒性。因此，该算法将有望在实际应用中得到广泛的应用。
参考文献
[1]刘琳，孙乐乐，祝波.天波超视距雷达瞬态干扰抑制方法[J].电子技术应用，2013（6）：34-37.
[2]黄智，李华，严华.基于复数据经验模态分解的瞬态干扰抑制方法[J].电波科学学报，2012（2）：183-191.
[3]赵静，黄罡，常宇.基于复数据经验模态分解的音频瞬态干扰抑制方法[J].信息科技与标准化，2014（9）：64-68.