有源人工干扰是声纳在实际工作中必然面对的重要挑战。有源人工干扰通常通过类噪声干扰（NLJs）和相干干扰（CJs）两种途径实现。其中，类噪声干扰装置通过增加接收机中的类噪声信号以掩盖目标；相干干扰装置通过发送与目标回波同载频、时延调制波形有差异的相干信号以达到欺骗声纳或雷达接收机的效果。

以往研究曾提出匹配滤波器（MF）、旁瓣消隐、旁瓣对消等抗干扰方法从信号处理层面对有源人工干扰进行检测与抑制。但这些方法只能对抗一种特定干扰，且对辅助数据的利用率不高，综合性能亟待提升。

针对这一现状，中国科学院水下航行器信息技术重点实验室郝程鹏团队与意大利同行开展合作研究，提出双辅助数据自适应匹配滤波方法（IDT-AMF）和迭代最小化稀疏学习方法（SLIM），以抵抗来自天线旁瓣的NLJs和/或CJs攻击。

相关研究成果近日在线发表于《IEEE航天与电子系统汇刊》。

在该研究中，科研人员将两组辅助数据联合利用起来，结果显示，IDT-AMF方法比传统MF、DT-AMF具有更好的检测性能；而SLIM方法则充分挖掘并利用了人工干扰的空域稀疏性，可实现对目标信号、NLJs和CJs的准确区分与有效抑制。（来源：中国科学报 张晴丹）

相关论文信息：https://doi.org/10.1109/TAES.2019.2929968