相比光学、红外等观测手段,合成孔径雷达(Synthetic Aperture Radar,SAR)具有独特的优势,在战场侦察、精确制导等军用方面和地形测绘、环境监视等民事领域都具有广阔的应用前景。然而,频谱的重复利用等现象使得SAR所处的环境越来越复杂,SAR接收到的回波中不可避免地混入同一频段的其它非相干源发射的电磁波,这些干扰和目标信号混叠在一起,从而在成像结果上产生线条或噪点等对地面目标形成遮盖,严重影响了SAR成像质量。同时在实际成像过程中,由于气流等影响使得SAR平台运动不稳定,因此在成像之前需要进行多普勒参数估计,从而进行运动补偿,而干扰的存在会影响参数估计的准确性,导致SAR图像变得模糊。因此,如何有效地从原始回波中识别干扰以及将干扰滤除是SAR研究领域中一个具有显著现实意义的重要课题,但同时也是一个难题。本文立足于此实际应用需求,对窄带干扰和宽带干扰的特性进行分析,研究了几种射频干扰的抑制算法,且取得了不错的滤波效果。具体研究内容如下:1.首先,建立了复杂电磁环境中SAR回波信号的数学模型。其次,介绍了距离-多普勒成像算法以及线频调变标等常用成像算法。然后,为了更有效地从原始回波中将干扰滤除,从不同表征域对存在窄带干扰和宽带干扰的SAR回波数据进行特性分析,增强了对干扰的认知。最后,为了获取性能更佳的滤波方法,介绍了几种定性和定量的干扰抑制效果评估准则,为后续SAR干扰抑制研究奠定基础。2.研究了基于特征值分析的干扰检测方法以及基于矩阵分解的非参数化的窄带射频干扰抑制算法。由于压制干扰通常与目标信号不相干,且为了实现对有用信号的遮盖,一般具有较大的功率,因此可以对原始回波的相关矩阵进行特征值分析,从而根据特征值的分布检测回波中是否存在干扰。基于矩阵分解的干扰抑制算法首先将原始SAR回波信号进行短时傅里叶变换(Short Time Frequency Transform,STFT)得到STFT矩阵。其次,充分利用窄带干扰STFT矩阵的低秩特性以及目标信号STFT矩阵的稀疏特性,对原始SAR回波的时频域信号进行建模,将干扰抑制问题转化成矩阵分解的凸优化问题。然后,利用矩阵分解算法从原始回波的STFT矩阵中分离得到干扰和目标信号,并利用逆短时傅里叶变换进行信号恢复,从而实现窄带干扰的抑制。最后,利用该算法分别对仿真数据和实测数据进行干扰滤波处理,获得了良好的干扰抑制效果。3.研究了一种基于峭度的干扰检测方法,提出了一种基于贝叶斯估计的参数化的窄带射频干扰算法。场景中不同散射点的回波具有不同的方向和距离特性,使得整体的有用回波信号服从复高斯分布,而窄带干扰具有带宽窄和功率大的特点,所以混入窄带干扰的原始SAR回波的频谱中通常存在“尖峰”,不再具有高斯性。峭度可以衡量一个信号的非高斯程度,因此可以利用峭度检测回波中是否存在干扰。基于贝叶斯估计的窄带干扰抑制算法充分利用了有用信号的复高斯特性以及窄带射频干扰的频率稀疏特性。首先,构造干扰的频率字典矩阵。其次,对原始回波信号及干扰进行参数化建模,得到其统计意义下的概率密度分布函数。然后,利用最大后验估计以及梯度迭代算法对干扰参数进行精确估计,从而实现干扰重构和干扰抑制。最后,分别通过仿真实验和实测数据对该干扰抑制算法进行验证。4.提出了基于深度卷积神经网络的干扰检测算法以及基于深度残差网络的窄带和宽带干扰抑制算法。深度卷积神经网络可以自动提取与选择图像中的纹理特征与空间信息,而存在干扰的时频谱与不存在干扰的时频谱具有极大的差别,因此可以用来检测原始回波的时频谱中是否存在干扰。该算法首先利用STFT将雷达回波信号转化到时频域进行表征。然后,结合深度残差网络以及跳级连接结构提取目标信号的时频特征,并重构目标信号的时频图像。最后,利用逆短时傅里叶变换将信号的时频谱图转化到时域,从而实现对干扰的抑制。由于训练样本中的干扰形式既包括窄带干扰,也包括线性调频宽带干扰和正弦调频宽带干扰,所以该算法可以同时适用于存在窄带干扰和宽带干扰的情况。文中利用该干扰抑制算法对仿真数据和实测回波进行处理,并通过性能评估函数验证了该算法的优越性。