楊 翔，汪文浩

(1.中航工業(yè)北京青云航空儀表有限公司，北京 100017；2.上海交通大學(xué) 密西根學(xué)院，上海 200240)

?

利用譜估計(jì)算法的雷達(dá)信號(hào)分選*

楊 翔**1，汪文浩2

(1.中航工業(yè)北京青云航空儀表有限公司，北京 100017；2.上海交通大學(xué) 密西根學(xué)院，上海 200240)

傳統(tǒng)雷達(dá)信號(hào)分選過(guò)程中分別進(jìn)行脈沖重復(fù)頻率檢測(cè)與初始到達(dá)時(shí)間估計(jì)時(shí)，脈沖搜索時(shí)間過(guò)長(zhǎng)。為此，提出了一種新的基于譜估計(jì)的信號(hào)分選算法。該算法通過(guò)諧波濾除減小了脈沖初始到達(dá)時(shí)間估計(jì)的運(yùn)算次數(shù)，并在進(jìn)行脈沖重復(fù)頻率檢測(cè)的同時(shí)估計(jì)脈沖初始到達(dá)時(shí)間，從而避免了傳統(tǒng)信號(hào)分選算法中對(duì)整個(gè)序列的遍歷，節(jié)省了計(jì)算資源。仿真結(jié)果驗(yàn)證了該算法的有效性。

雷達(dá)信號(hào)分選；譜估計(jì)；脈沖重復(fù)頻率檢測(cè)；脈沖初始時(shí)間檢測(cè)；諧波濾除

1 引 言

雷達(dá)信號(hào)分選是電子偵察信號(hào)處理的核心技術(shù)，其目的是從偵察接收機(jī)偵測(cè)到的脈沖流中檢測(cè)并分離出屬于不同輻射源的脈沖序列，為輻射源跟蹤、威脅判別與反輻射攻擊提供信息。

信號(hào)分選由預(yù)分選與主分選兩部分組成，預(yù)分選完成脈沖稀釋，主分選完成脈沖重復(fù)間隔(Pulse Repetition Interval，PRI)或脈沖重復(fù)頻率(Pulse Repetition Frequency，PRF)檢測(cè)和脈沖分離。信號(hào)主分選一直是信號(hào)分選領(lǐng)域的研究熱點(diǎn)和難點(diǎn)[1]。

從20世紀(jì)80年代開(kāi)始，各種關(guān)于信號(hào)主分選的研究算法相繼出現(xiàn)[2-14]，主要算法包括到達(dá)時(shí)間差(Time Difference of Arrival，TDOA)直方圖分析算法[2-5]和變換域分析方法[6-7]。TDOA直方圖分析算法利用脈沖TDOA統(tǒng)計(jì)信息估計(jì)各個(gè)獨(dú)立脈沖序列的PRI，變換域分析算法通過(guò)分析脈沖到達(dá)時(shí)間(Time of Arrival，TOA)序列的變換域特征估計(jì)各個(gè)獨(dú)立脈沖序列的PRI或PRF。

在完成PRI或PRF檢測(cè)后，信號(hào)分選算法需要在脈沖序列中搜索每一個(gè)脈沖串的初始脈沖到達(dá)時(shí)刻(Initial Arrival Time,IAT)，進(jìn)而完成脈沖串的提取[2-3，8]。IAT搜索往往要耗費(fèi)大量計(jì)算資源，使得信號(hào)分選實(shí)時(shí)性較低。文獻(xiàn)[9-10]分別通過(guò)研究數(shù)據(jù)流網(wǎng)格聚類和基于樣本的周期估計(jì)方法來(lái)提高IAT搜索的運(yùn)算效率，以提高信號(hào)分選的實(shí)時(shí)性。

本文利用譜估計(jì)的方法解決IAT搜索耗費(fèi)大量資源的問(wèn)題。譜估計(jì)算法最早在美國(guó)空軍專利[11]中提出。此后，文獻(xiàn)[7]提出圓周映射譜估計(jì)算法，對(duì)傳統(tǒng)的譜估計(jì)進(jìn)行了一定改進(jìn)。文獻(xiàn)[12]通過(guò)調(diào)整采樣點(diǎn)間隔，實(shí)現(xiàn)了對(duì)譜估計(jì)算法估計(jì)精度和運(yùn)算時(shí)間的控制，提高了譜估計(jì)算法的信號(hào)環(huán)境適應(yīng)性。文獻(xiàn)[13]提出首先利用譜估計(jì)算法進(jìn)行粗分選，再利用小波包變換提取特征進(jìn)行再分選的算法，保證了信號(hào)分選的實(shí)時(shí)性與可靠性。然而，已有的譜估計(jì)算法在進(jìn)行PRF檢測(cè)時(shí)，會(huì)檢測(cè)到大量真實(shí)PRF整數(shù)倍的虛假PRF；同時(shí)，已有的譜估計(jì)算法只利用了脈沖TOA序列幅度譜信息，在完成脈沖串PRF檢測(cè)后，需要進(jìn)行序列遍歷搜索，以檢測(cè)不同脈沖串的初始到達(dá)脈沖，耗費(fèi)大量資源。

本文從研究脈沖TOA序列的幅度譜與相位譜入手，推導(dǎo)了譜圖的理論表示，提出了諧波濾除來(lái)剔除虛假PRF以減少IAT估計(jì)的運(yùn)算量，并在利用脈沖幅度譜檢測(cè)序列PRF的同時(shí)，利用譜圖的相位信息檢測(cè)序列的IAT。這種聯(lián)合PRF檢測(cè)與IAT估計(jì)的方法可有效降低信號(hào)分選算法的運(yùn)算時(shí)間，從而提升信號(hào)分選的效率。

2 譜估計(jì)方法簡(jiǎn)介

給定TOA序列{tm|m=0,1,…,M-1}，令tm=lm·ΔT(lm為正整數(shù)，ΔT為量化時(shí)間間隔)，則原TOA序列可以表示為

(1)

對(duì)x(l)做離散傅里葉變換(DiscreteFourierTransformation,DFT)，可得

(2)

式中：L=lM-1。

本文稱X(k)為序列{tm|m=0,1,…,M-1}的譜,|X(k)|為序列的幅度譜，∠X(k)為序列的相位譜，k為頻率因子。易得，在序列的譜圖中，譜值X(k)對(duì)應(yīng)的頻率值為k/L。

3 單個(gè)穩(wěn)定PRI脈沖序列的PRF檢測(cè)與IAT估計(jì)

本節(jié)將給出利用譜估計(jì)算法對(duì)單個(gè)穩(wěn)定PRI脈沖序列進(jìn)行分選的過(guò)程。其中，單個(gè)穩(wěn)定脈沖序列是指一個(gè)序列中相鄰兩個(gè)脈沖的TOA為一個(gè)固定值。

假定一個(gè)穩(wěn)定PRI脈沖序列由M個(gè)脈沖的TOA組成，則該TOA序列可以表示為

(3)

式中：s表示IAT；h表示相鄰脈沖的TDOA。

對(duì)x(l)做DFT，可得

(4)

下面分別利用|X(k)|和∠X(k)檢測(cè)PRF和估計(jì)IAT。

3.1 PRF檢測(cè)

傳統(tǒng)的譜估計(jì)算法在生成幅度譜后直接檢測(cè)峰值[11]。本文對(duì)傳統(tǒng)的譜估計(jì)方法進(jìn)行改進(jìn)，在生成幅度譜后對(duì)峰值統(tǒng)計(jì)量進(jìn)行諧波濾除。

圖1給出了本文算法PRF檢測(cè)的流程圖，其中陰影部分為諧波濾除，為本算法區(qū)別于傳統(tǒng)PRF檢測(cè)算法的步驟。諧波濾除時(shí)，遍歷當(dāng)前峰值所對(duì)應(yīng)頻率因子的整數(shù)倍，將其統(tǒng)計(jì)量減去當(dāng)前峰值。通過(guò)諧波濾除，可以剔除虛假的檢測(cè)值，生成濾除諧波后的幅度譜圖，以減小后續(xù)IAT估計(jì)的次數(shù)。

圖1 PRF檢測(cè)流程圖

Fig.1 Flowchart of PRF detection

3.2 IAT估計(jì)

傳統(tǒng)的譜估計(jì)算法在完成PRF檢測(cè)后通過(guò)序列搜索的方法進(jìn)行IAT估計(jì)[2-3,8]，本文通過(guò)相位譜直接進(jìn)行IAT估計(jì)，避免了對(duì)整個(gè)序列的遍歷。

利用θ(k)代表∠X(k)，由公式(4)可知，幅度譜峰值處的相位可以表示為

(5)

式中：n為正整數(shù)。

需要說(shuō)明的是，完成DFT后的譜圖相位信息存在纏繞的問(wèn)題，需要采用相位解纏繞方法去除相位模糊。本文所有仿真實(shí)驗(yàn)均使用Matlab模擬完成，在傅里葉變換后，利用Matlab自帶函數(shù)angle提取頻域相位，此時(shí)相位值會(huì)被轉(zhuǎn)換到區(qū)間[0,2π)中，然后利用Matlab自帶函數(shù)unwrap進(jìn)行解纏繞。

4 復(fù)雜脈沖序列的譜估計(jì)檢測(cè)

本節(jié)將介紹利用譜估計(jì)算法對(duì)多個(gè)穩(wěn)定PRI脈沖序列和單個(gè)抖動(dòng)PRI脈沖序列進(jìn)行分選的過(guò)程。

4.1 多個(gè)穩(wěn)定脈沖序列

假定一個(gè)脈沖串由P個(gè)穩(wěn)定PRI脈沖序列組成，則這個(gè)脈沖串TOA序列可以表示為

(6)

式中：Mp、sp和hp分別代表第p個(gè)脈沖序列的脈沖個(gè)數(shù)、IAT和PRI；L和M分別代表脈沖串的截止時(shí)間與脈沖總數(shù)。易得

(7)

考慮接收機(jī)具備一定的脈沖分辨能力，能區(qū)分出上升/下降沿未完全重疊的脈沖，容易推導(dǎo)出利用3.1節(jié)提出的方法進(jìn)行諧波濾除后，有

|X(kp)|≈Mp。

(8)

對(duì)于每個(gè)峰值所對(duì)應(yīng)的頻率因子kp，其所檢測(cè)出的PRF為kp/L,0≤p≤P。

在將干擾序列濾除后，可以得到改進(jìn)后的幅度譜

(9)

仿真實(shí)驗(yàn)選取一個(gè)由8個(gè)穩(wěn)定脈沖序列組成的脈沖串，其PRF分別為10kHz、38kHz、49kHz、57kHz、80kHz、95kHz、105kHz和300kHz。該脈沖串的原始幅度譜圖和經(jīng)過(guò)諧波濾除后的幅度譜圖如圖2所示。由圖可知，在濾除諧波后，可清晰地檢測(cè)出8個(gè)脈沖串的PRF。

(a)原始譜圖

(a)諧波濾除后的譜圖

圖2 利用幅度譜進(jìn)行多個(gè)穩(wěn)定PRI脈沖序列的PRF檢測(cè)

Fig.2PRFdetectionofmultiplestablesequencesbyusingmagnitudespectrum

圖3給出了利用相位譜擬合出的直線，可以看到分別對(duì)應(yīng)于輻射源1和輻射源2的相位序列在擬合成直線時(shí)分別有一點(diǎn)出現(xiàn)了偏移，這是由于解纏繞時(shí)相位值在-π和π處躍遷導(dǎo)致的，并不影響對(duì)直線斜率的計(jì)算。

圖3 利用相位譜進(jìn)行多個(gè)穩(wěn)定PRI脈沖序列的IAT估計(jì)

Fig.3IATestimationofmultiplestablesequencesbyusingphasespectrum

表1給出了原始序列真實(shí)的IAT與利用相位譜檢測(cè)出的IAT。由表可知，利用譜估計(jì)法對(duì)多個(gè)穩(wěn)定脈沖序列構(gòu)成的復(fù)合脈沖串進(jìn)行IAT估計(jì)的有效性極高。

表1 對(duì)多個(gè)穩(wěn)定脈沖序列的初始脈沖檢測(cè)結(jié)果

Tab.1TheestimatedresultforIATofmultiplestablesequences

編號(hào)真值/μs檢測(cè)值/μs18.895808.9404022.342902.3178036.379306.3793043.906703.9234051.441701.4416064.191904.1823073.373203.3736080.480490.48066

4.2 單個(gè)抖動(dòng)脈沖序列

一般地，用來(lái)表示抖動(dòng)脈沖序列的模型被稱為隨機(jī)差分模型(Random Difference Model,RDM)[15]。本節(jié)將以RDM模型為例，給出利用譜估計(jì)算法對(duì)單個(gè)抖動(dòng)脈沖序列的分選步驟。

假定一個(gè)抖動(dòng)脈沖序列的脈沖重復(fù)間隔的中心值為Pj，令tk表示第k個(gè)和第k+1個(gè)脈沖之間的間隔，則對(duì)于RDM模型，有

(10)

式中：U代表均勻分布；ρ代表抖動(dòng)間隔。

根據(jù)RDM模型，容易求得抖動(dòng)序列的譜為

(11)

式中：h表示原序列的PRI中心值。

為了對(duì)序列的譜進(jìn)行估計(jì)，首先推導(dǎo)出序列譜的期望

(12)

因篇幅所限，具體的推導(dǎo)過(guò)程不再給出，感興趣的讀者可與作者聯(lián)系。

同時(shí)，可以通過(guò)對(duì)幅度譜方差的推導(dǎo)來(lái)估算幅度譜的抖動(dòng)展寬。詳細(xì)的推導(dǎo)過(guò)程可與作者聯(lián)系索取。

在實(shí)際中，由于發(fā)射機(jī)和接收機(jī)的非線性效應(yīng)，導(dǎo)致TOA的測(cè)量并不準(zhǔn)確，使得發(fā)射機(jī)發(fā)射的穩(wěn)定脈沖序列被接收機(jī)接收為抖動(dòng)脈沖序列。這種測(cè)量誤差不超過(guò)100 ns[16]，所引起的序列抖動(dòng)不超過(guò)脈沖序列PRF中心值的1%。

仿真實(shí)驗(yàn)選取PRF中心值為105 kHz、初始脈沖到達(dá)時(shí)間為0.321 7 μs的抖動(dòng)序列，使抖動(dòng)序列的抖動(dòng)分別在PRF中心值(-0.1%,0.1%)、(-0.2%,0.2%)、(-0.5%,0.5%)、(-1%,1%)、(-2%,2%)、(-3%,3%)范圍內(nèi)，可分別對(duì)序列進(jìn)行PRF檢測(cè)與IAT估計(jì)。圖4和圖5分別給出了脈沖序列的抖動(dòng)范圍在區(qū)間(-0.1%,0.1%)和區(qū)間(-3%,3%)時(shí)，經(jīng)過(guò)諧波濾除后的序列幅度譜。需要指出的是，圖5中脈沖序列的幅度譜統(tǒng)計(jì)量在諧波對(duì)應(yīng)的頻率因子附近出現(xiàn)了負(fù)值，這是因?yàn)槎秳?dòng)脈沖序列諧波統(tǒng)計(jì)量小于基波統(tǒng)計(jì)量，在由諧波分量減去基波分量進(jìn)行諧波濾除時(shí)，產(chǎn)生了負(fù)值。由圖可知，在濾除諧波后，可以清晰地檢測(cè)出抖動(dòng)脈沖序列的PRF中心值。

圖4 抖動(dòng)范圍在PRF中心值(-0.1%,0.1%)范圍內(nèi)序列濾除諧波后的幅度譜

Fig.4 The magnitude spectrum of jittered sequence with(-0.1%,0.1%) jitter scale after harmonics removed

圖5 抖動(dòng)范圍在PRF中心值(-3%,3%)范圍內(nèi)序列濾除諧波后的幅度譜

Fig.5 The magnitude spectrum of jittered sequence with(-3%,3%) jitter scale after harmonics removed

圖6和圖7分別給出了脈沖序列的抖動(dòng)范圍在區(qū)間(-0.1%,0.1%)和區(qū)間(-3%,3%)時(shí)，利用相位譜擬合出的直線。由圖可知，這兩條直線與單個(gè)穩(wěn)定PRI脈沖序列相位譜擬合出的直線非常接近，這說(shuō)明當(dāng)脈沖序列存在抖動(dòng)時(shí)，依然可以利用脈沖相位譜擬合出直線進(jìn)性序列IAT估計(jì)。

圖6 抖動(dòng)范圍在PRF中心值(-0.1%,0.1%)范圍內(nèi)，利用相位譜進(jìn)行序列IAT估計(jì)

Fig.6 IAT estimation of jittered sequence with (-0.1%,0.1%) jitter scale

圖7 抖動(dòng)范圍在PRF中心值(-3%,3%)范圍內(nèi)，利用相位譜進(jìn)行序列IAT估計(jì)

Fig.7 IAT estimation of jittered sequence with (-3%,3%) jitter scale

表2給出了當(dāng)抖動(dòng)序列的抖動(dòng)分別在PRF中心值(-0.1%,0.1%)、(-0.2%,0.2%)、(-0.5%,0.5%)、(-1%,1%)、(-2%,2%)和(-3%,3%)范圍內(nèi)時(shí)，利用序列的相位譜估計(jì)出的IAT。由表可知，利用譜估計(jì)法對(duì)單個(gè)抖動(dòng)脈沖序列進(jìn)行IAT估計(jì)的有效性較高。

表2 不同抖動(dòng)范圍下估計(jì)出的序列IAT

Tab.2 IAT estimation of jittered sequences with different jitter scale

抖動(dòng)范圍/%真值/μs估計(jì)值/μs(-0.1,0.1)0.32170.3071(-0.2,0.2)0.32170.2972(-0.5,0.5)0.32170.3031(-1,1)0.32170.2895(-2,2)0.32170.3306(-3,3)0.32170.3635

5 結(jié)束語(yǔ)

本文從理論上提出了一種新的利用譜估計(jì)進(jìn)行脈沖去交錯(cuò)的算法,不僅可以高準(zhǔn)確度地檢測(cè)出脈沖序列的PRF，還能同時(shí)檢測(cè)出每一個(gè)脈沖序列的IAT，從而完成序列提取。相比于傳統(tǒng)信號(hào)分選算法需要遍歷兩次脈沖序列，這種并行檢測(cè)的處理方法只需要遍歷一次脈沖序列，運(yùn)算效率提升了1倍。本文通過(guò)對(duì)不同類型的脈沖序列進(jìn)行仿真實(shí)驗(yàn)，驗(yàn)證了該算法在信號(hào)分選中的有效性以及運(yùn)算優(yōu)勢(shì)。下一步計(jì)劃是將本文提出的算法推廣到具體的工程應(yīng)用中。

[1] WILKINSON D R，WATSON A W. Use of metric techniques in ESM data processing[J].IEE Proceedings F:Communications,Radar of Signal Processing,1985,132(4):229-232.

[2] MARDIAH K. New techniques for de-interleaving repetition sequences[J].IEE Proceedings F:Radar and Signal Processing,1989,136(4):149-154.

[3] MILOJEVIC D J，POPOVIC B M. Improved algorithm for deinterleaving of radar pulses[J].IEE Proceedings F：Communications,Radar and Signal Processing,1992,139(1):98-104.

[4] NISHIGUCHI K，KOBAYASHI M. Improved algorithm for estimating pulse repetition[J].IEEE Transactions on Aerospace and Electronic Systems,2000,36(2):407-421.

[5] 楊翔，顧洪宇. 基于到達(dá)時(shí)間差直方圖的信號(hào)分選算法研究[J]. 電子與信息學(xué)報(bào)，2015，37(11):2762-2768. YANG Xiang，GU Hongyu. A signal sorting algorithm based on time difference of arrival[J].Journal of Electronics & Information Technology，2015，37(11):2762-2768.(in Chinese)

[6] PERKINS J，COAT I. Pulse train de-interleaving via the Hough transform[C]//Proceedings of 1994 IEEE Conference on Acoustics,Speech,and Signal Processing.Adelaide,Australia：IEEE,1994:197-200.

[7] ORSI R J,MOORE J B,MAHONY R E. Spectrum estimation of interleaved pulse trains[J].IEEE Transactions on Signal Processing,1999,47(6):1646-1653.

[8] WANG P C,ORR M,SPARROW M,et al.System and method for detecting and de-interleaving radar emitters:7397415[P]. 2008-07-08.

[9] 張國(guó)毅，王曉峰，張旭洲. 基于數(shù)據(jù)流聚類的動(dòng)態(tài)信號(hào)分選框架[J].電訊技術(shù)，2011，51(9)：65-68. ZHANG Guoyi，WANG Xiaofeng，ZHANG Xuzhou. A dynamic frame of signal sorting based on data stream clustering[J].Telecommunication Engineering，2011,51(9)：65-68.(in Chinese)

[10] 關(guān)一夫，張國(guó)毅，劉志鵬. 一種基于脈沖樣本序列的 PRI 周期信號(hào)分選算法[J].電訊技術(shù)，2014，54(7)：915-920. GUAN Yifu，ZHANG Guoyi，LIU Zhipeng. A novel de-interleaving algorithm for PRI periodic signal based on pulse sample sequence[J].Telecommunication Engineering，2014，54(7)：915-920.(in Chinese)

[11] LAVIGNE J P.Wrench:539625[P].1895-05-21.

[12] 李楊寰，初翠強(qiáng)，徐暉，等. 一種新的脈沖重復(fù)頻率估計(jì)方法[J].電子信息對(duì)抗技術(shù)，2007，22(2)：18-22. LI Yanghuan，CHU Cuiqiang，XU Hui,et al.A novel algorithm for estimating pulse repetition frequency[J].Electronic Information Warfare Technology，2007，22(2)：18-22.(in Chinese)

[13] 張春杰，王大海.基于脈內(nèi)特征聚類的分選方法[J].應(yīng)用科技，2014，41(4)：17-21.

ZHANG Chunjie，WANG Dahai. A sorting method for unknown radar emitter signals based on pulse feature clustering[J].Applied Science and Technology，2014，41(4)：17-21.(in Chinese)

[14] 蔣銳，朱岱寅，朱兆達(dá). 一種基于等效殘差點(diǎn)的InSAR相位解纏繞方法[J].南京航空航天大學(xué)學(xué)報(bào)，2013，45(2)：209-216. JIANG Rui，ZHU Daiyin，ZHU Zhaoda. Phase unwrapping approach using equivalent residues for InSAR[J].Journal of Nanjing University of Aeronautics & Astronautics，2013，45(2)：209-216.(in Chinese)

[15] VERGARA-DOMINGUEZ L. Analysis of the digital MTI filter with random PRI[J].IEE Proceedings F:Radar and Signal Processing，1993，140(2)：129-137.

[16] TSUI J.寬帶數(shù)字接收機(jī)[M].2版.楊小牛,陸安寧，金飚，譯.北京：電子工業(yè)出版社，2016. TSUI J. Digital techniques for wideband recievers[M].2nd ed.Translated by YANG Xiaoniu,LU Anning,JIN Biao.Beijing:Publishing House of Electronics Industry，2016.(in Chinese)

楊 翔(1989—)，女，甘肅定西人，分別于2011年和2014年獲北京大學(xué)理學(xué)學(xué)士學(xué)位與理學(xué)碩士學(xué)位，目前主要從事雷達(dá)信號(hào)分選算法研究;

YANG Xiang was born in Dingxi,Gansu Province,in 1989. She received the B.S. degree and the M.S. degree from Peking University in 2011 and 2014,respectively.Her research concerns radar signal sorting algorithm.

Email:yangxiangyx123@163.com

汪文浩(1995—)，男，四川綿陽(yáng)人，上海交通大學(xué)密西根學(xué)院學(xué)生，主要專業(yè)為電子工程。

WANG Wenhao was born in Mianyang,Sichuan Province,in 1995. He is now a student.His major is electronic engineering.

Radar Signal Sorting Based on Spectrum Estimation

YANG Xiang1，WANG Wenhao2

(1.AVIC Beijing Keeven Aviation Instrument Co., Ltd.,Beijing 100017,China;2.University of Michigan，Shanghai Jiaotong University,Shanghai 200240,China)

Traditional radar signal sorting methods have expensive cost on computation in pulse repetition frequency(PRF) detection and initial arrival time(IAT) estimation respectively. To solve this problem,a novel sorting method based on spectrum estimation is proposed. The method cuts down the operational times for IAT estimation by removing the harmonics,and determines the IAT while detecting the periodicity of a pulse train,thus avoiding the conventional traverse of sequence and saving the computational resource. Simulation results demonstrate its feasibility and efficiency.

radar signal sorting;spectral estimation;pulse repetition frequency detection;initial arrival time estimation；harmonics removing

10.3969/j.issn.1001-893x.2016.07.009

楊翔，汪文浩.利用譜估計(jì)算法的雷達(dá)信號(hào)分選[J].電訊技術(shù)，2016,56(7):765-770.[YANG Xiang，WANG Wenhao.Radar signal sorting based on spectrum estimation[J].Telecommunication Engineering,2016,56(7):765-770.]

2016-03-17；

2016-07-01 Received date:2016-03-17；Revised date：2016-07-01

TN971

A

1001-893X(2016)07-0765-06

**通信作者：yangxiangyx123@163.com Corresponding author：yangxiangyx123@163.com