陳家瑞，趙 莉，柴 恒

(中國(guó)船舶重工集團(tuán)公司第七二三研究所，江蘇 揚(yáng)州 225101)

1 概 述

離線情報(bào)分析軟件可以完成譜分析、脈沖參數(shù)測(cè)量、脈內(nèi)分析、信號(hào)分選、圖形顯式等功能。并且為了方便用戶的人工分析，圖形顯式可以自助伸縮，在圖形上可以通過(guò)選點(diǎn)進(jìn)行輔助測(cè)量。離線情報(bào)分析軟件的組成如圖1所示[1]。

圖1 離線情報(bào)分析軟件

離線情報(bào)分析軟件具有參數(shù)測(cè)量精度高、提供廣泛測(cè)量和分析功能、具備多種直觀的顯示方式、支持人工參與輔助分析的功能，并具備多文件批處理功能，提高數(shù)據(jù)分析的效率。在信號(hào)脈內(nèi)測(cè)量分析時(shí)，采用了信號(hào)盲分離技術(shù)、信號(hào)自適應(yīng)處理技術(shù)、改進(jìn)Kay瞬時(shí)頻率估計(jì)技術(shù)、超窄碼元信號(hào)識(shí)別技術(shù)、模糊決策樹判決技術(shù)等，提高信號(hào)分析的精度和準(zhǔn)確度。為了對(duì)脈間參數(shù)測(cè)量進(jìn)行分析，在成熟的累積直方圖(CDIF)、序列直方圖(SDIF)和時(shí)間序列確認(rèn)方法的基礎(chǔ)上，引入了數(shù)據(jù)挖掘(Data Mining)的GSP(generalized sequential pattern)算法對(duì)雷達(dá)信號(hào)知識(shí)進(jìn)行挖掘，提高信號(hào)脈間分析方法對(duì)信號(hào)的適應(yīng)性。離線情報(bào)分析軟件面臨著大數(shù)據(jù)量的問(wèn)題，因此必須對(duì)算法進(jìn)行加速；通過(guò)采用MKL庫(kù)、OpenMP技術(shù)、數(shù)據(jù)分析并行化技術(shù)顯著提高情報(bào)分析軟件的效率。離線情報(bào)分析軟件的分層架構(gòu)圖如圖2所示[2-4]。

圖2 離線情報(bào)分析軟件分層架構(gòu)圖

離線情報(bào)分析軟件的分析流程如圖3所示。

圖3 離線情報(bào)分析軟件分析流程

2 脈內(nèi)調(diào)制參數(shù)測(cè)量

脈內(nèi)參數(shù)調(diào)制測(cè)量流程及關(guān)鍵技術(shù)如圖4所示，各環(huán)節(jié)作用如下：

圖4 脈內(nèi)調(diào)制參數(shù)測(cè)量流程及關(guān)鍵技術(shù)

(1) 信號(hào)盲分離:此模塊主要用于分離在時(shí)域和頻域有混疊的信號(hào)，輸出分離的中頻信號(hào)供后續(xù)處理。

(2) 脈內(nèi)參數(shù)測(cè)量：此模塊主要進(jìn)行信號(hào)的參數(shù)測(cè)量，通過(guò)對(duì)信號(hào)進(jìn)行質(zhì)量評(píng)估，自適應(yīng)地分析信號(hào)的到達(dá)時(shí)間、載頻、脈寬、功率等關(guān)鍵參數(shù)。

(3) 調(diào)制識(shí)別：利用不同調(diào)制類型時(shí)頻特征的差異，基于決策樹判決技術(shù)，根據(jù)信號(hào)時(shí)頻曲線等特征進(jìn)行信號(hào)的調(diào)制識(shí)別功能。

下面重點(diǎn)介紹在脈內(nèi)參數(shù)調(diào)制測(cè)量中使用的信號(hào)盲分離技術(shù)、自適應(yīng)處理技術(shù)、無(wú)模糊相位提取技術(shù)[5-6]。

2.1 信號(hào)盲分離技術(shù)

信號(hào)盲分離技術(shù)是在時(shí)域和頻域均有混疊并且信號(hào)的先驗(yàn)信息未知的情況下將時(shí)頻域混疊的信號(hào)進(jìn)行分離。本系統(tǒng)中采用基于快速獨(dú)立成分分析(FastICA)盲分離方法，分離流程如圖5所示。

圖5 信號(hào)盲分離流程

(1) 對(duì)中頻信號(hào)進(jìn)行頻譜分析，檢測(cè)譜峰，計(jì)算對(duì)應(yīng)譜峰個(gè)數(shù)和對(duì)應(yīng)譜峰寬度。

(2) 根據(jù)譜峰的位置與寬度，用相應(yīng)的帶通濾波器對(duì)各譜峰進(jìn)行濾波，得到初步分離的信號(hào)。

(3) 初步分離的譜峰內(nèi)如果是單一信號(hào)，則已經(jīng)被分離，直接輸出用于后續(xù)處理。

(4) 對(duì)于初步分離后頻域混疊信號(hào)，采用FastICA算法進(jìn)行分離。

(5) 綜合輸出的單個(gè)信號(hào)與分離信號(hào)，最終實(shí)現(xiàn)信號(hào)盲分離輸出。

2.2 信號(hào)自適應(yīng)處理技術(shù)

自適應(yīng)處理技術(shù)主要根據(jù)不同的信號(hào)質(zhì)量與特征，自動(dòng)調(diào)整處理方法、處理流程和處理參數(shù)等，使其與處理數(shù)據(jù)的統(tǒng)計(jì)分布特征、結(jié)果特征相適應(yīng)，提升系統(tǒng)處理速度與結(jié)果的可信度，本系統(tǒng)采用的自適應(yīng)處理方法如圖6所示。

圖6 自適應(yīng)處理流程

(1) 針對(duì)分離后的信號(hào)首先進(jìn)行信噪比估計(jì)，根據(jù)信噪比大小采用不同的處理方法。

(2) 對(duì)于信噪比低于一定閾值的信號(hào)，采用信噪比增加技術(shù)提升信號(hào)質(zhì)量。采用信噪比增強(qiáng)可以有效提高信號(hào)參數(shù)測(cè)量與調(diào)制識(shí)別的準(zhǔn)確性，但是會(huì)影響信號(hào)的細(xì)微特征，從而降低信號(hào)個(gè)體識(shí)別的可信度。

(3) 對(duì)信號(hào)質(zhì)量進(jìn)行評(píng)估，主要包括：脈沖信號(hào)的完整性、脈沖多徑、脈沖毛刺以及虛假脈沖等。對(duì)于低質(zhì)量的信號(hào)可以直接丟棄，將信號(hào)質(zhì)量評(píng)估的結(jié)果送往下一級(jí)。

(4) 根據(jù)信號(hào)質(zhì)量調(diào)整處理算法進(jìn)行參數(shù)測(cè)量以及識(shí)別等。

(5) 對(duì)于不同的信號(hào)質(zhì)量，給出相應(yīng)的結(jié)果與可信度輸出。

本系統(tǒng)采用二階四階矩信噪比估計(jì)法作為信號(hào)的信噪比估計(jì)算法。其基本原理是利用信號(hào)和噪聲的2、4階矩之間的關(guān)系來(lái)估計(jì)信噪比。二階四階矩估計(jì)法是一種自適應(yīng)算法，由于其是基于接收信號(hào)的二階和四階量估計(jì)，從而不需要相位恢復(fù)。作為累計(jì)量算法，它不需要接收機(jī)判決，因此是一種無(wú)輔助數(shù)據(jù)估計(jì)算法。在二階和四階矩應(yīng)用于實(shí)加性高斯白噪聲(AWGN)信道中載波和噪聲估計(jì)的基礎(chǔ)上，可以得出對(duì)于實(shí)信道和復(fù)信道中信噪比估計(jì)方法。

假設(shè)接收信號(hào)與噪聲都是零均值、相互獨(dú)立的隨機(jī)過(guò)程，并且復(fù)噪聲的同相和正交兩路相互獨(dú)立，則信號(hào)的二階量M2和四階量M4可以簡(jiǎn)化表示為：

M2=S+N

(1)

M4=KaS2+4SN+KwN2

(2)

其中：

Ka=E[|an|4]/(E[|an|2])2

(3)

Kw=E[|wn|4]/(E[|wn|2])2

(4)

聯(lián)立兩式可以推出S、N的估計(jì)值：

(5)

N=M2-S

(6)

此處S與N的比值即為信噪比。

對(duì)于MPSK信號(hào)來(lái)說(shuō)，Ka=1；對(duì)于復(fù)噪聲來(lái)說(shuō)，Kw=2，因此可得：

(7)

(8)

在實(shí)際應(yīng)用中，二階和四階量是由接收信號(hào)的時(shí)間平均來(lái)計(jì)算的，下面給出它們的近似表達(dá)式，對(duì)于實(shí)信道或復(fù)信道都適用：

(9)

(10)

式中：N為接收信號(hào)時(shí)域?qū)挾取?/p>

在電磁環(huán)境復(fù)雜的外場(chǎng)條件下，對(duì)實(shí)際接收到的脈沖信號(hào)，選取信噪比較高的同調(diào)制方式、同脈寬脈沖共100個(gè)，對(duì)常用的3種信噪比估計(jì)算法的實(shí)際性能和效果進(jìn)行評(píng)估，測(cè)試結(jié)果如圖7所示。由圖8可以看出，通過(guò)自相關(guān)矩陣奇異值分解法與M2M4估計(jì)法得出的SNR估計(jì)值均低于平方信噪方差比估計(jì)法，但是自相關(guān)矩陣奇異值分解法的實(shí)測(cè)SNR估計(jì)值略大于M2M4估計(jì)法。如圖9所示，自相關(guān)矩陣奇異值分解法的SNR估計(jì)方差在3種算法中是最小的，這表明在信噪比為30 dB左右時(shí)，自相關(guān)矩陣奇異值分解估計(jì)算法的穩(wěn)定性最佳。

圖7 外場(chǎng)條件下3種方法的SNR估計(jì)

圖8 外場(chǎng)條件下3種方法的SNR估計(jì)均值

圖9 外場(chǎng)條件下3種方法的SNR估計(jì)方差

2.3 無(wú)模糊相位提取技術(shù)

對(duì)于接收的的雷達(dá)信號(hào)，無(wú)模糊相位的提取正確性對(duì)信號(hào)調(diào)制方式的準(zhǔn)確識(shí)別和脈內(nèi)分析都有很重要的意義。雷達(dá)信號(hào)模型可以表示為：

r(n)=s(n)+w(n)=Aexp{jφ(n)}+w(n),n=1，…，N

(11)

式中：A為載波幅度；φ(n)為相位；w(n)為方差等于σ2的附加性高斯白噪聲；N為樣本個(gè)數(shù)。

由復(fù)信號(hào)通過(guò)反正切可以得到瞬時(shí)相位：

(12)

由于測(cè)量相位的取值范圍為[-π,π]，因此測(cè)量相位φ(n)為真實(shí)相位，φ對(duì)2π取模后的相位值為：

φ(n)=mod(φT(n),2π)

(13)

式中：mod表示取模運(yùn)算，相位展開算法就是由測(cè)量相位解模糊得到真實(shí)相位。

等效式為：

φ(n)=φT(n)-kn2π

(14)

式中：kn為第n個(gè)樣本點(diǎn)所處的周期數(shù)，相鄰2個(gè)樣本點(diǎn)之間的相位差為：

Δφ(n)=ΔφT(n)-(kn-kn-1)2π

(15)

在滿足奈奎斯特采樣定理的情況下，若φT(n)和φT(n-1)處于相鄰周期，則Δφ(n)<0,因此可以根據(jù)相鄰樣本點(diǎn)之間的測(cè)量相位差逐級(jí)解模糊得到信號(hào)的真實(shí)相位，第n個(gè)樣本點(diǎn)的真實(shí)相位值為：

(16)

當(dāng)相位被噪聲污染時(shí)，相鄰樣本點(diǎn)的相位差為：

Δφ(n)=ΔφT(n)-(kn-kn-1)2π+Δε(n)

(17)

當(dāng)φT(n)和φT(n-1)處于同一周期內(nèi)：

Δφ(n)=ΔφT(n)+Δε(n)

(18)

可以看出，當(dāng)Δε(n)<-ΔφT(n)時(shí)，解模糊得到的φT(n)會(huì)出現(xiàn)錯(cuò)誤。若要降低錯(cuò)誤概率，那么ΔφT(n)應(yīng)該盡可能的大。因?yàn)棣う誘(n)∈(0,π]，因此當(dāng)ΔφT(n)=π時(shí)，進(jìn)行相位展開的性能最佳。圖10給出了在0～10 dB信噪比情況下，采樣率fs與載頻fc比值分別為2,3,5時(shí)相位展開錯(cuò)誤概率的分布曲線，可以看出采樣率fs與fc的比值為2時(shí)，錯(cuò)誤率最小。

因此，在信噪比較低的情況下，可以通過(guò)將采樣信號(hào)上變頻至fs的1/2附近，進(jìn)行相位展開，得到精確的瞬時(shí)相位，再根據(jù)上變頻的頻率求得變頻前信號(hào)的真實(shí)相位。圖10為相位展開錯(cuò)誤概率的分布曲線。

圖10 相位展開錯(cuò)誤概率的分布曲線

3 結(jié)束語(yǔ)

離線情報(bào)分析軟件通過(guò)采用分層處理架構(gòu)實(shí)現(xiàn)全功能的后處理分析功能，并采用MKL庫(kù)、OpenMP技術(shù)、數(shù)據(jù)分析并行化等處理加速技術(shù)實(shí)現(xiàn)了高速離線情報(bào)處理；采用信號(hào)盲分離解決了信號(hào)同時(shí)到達(dá)分析；通過(guò)信噪比估計(jì)實(shí)現(xiàn)了信號(hào)自適應(yīng)處理，在處理復(fù)雜度和處理時(shí)間之間取得了平衡；通過(guò)無(wú)模糊相位提取技術(shù)實(shí)現(xiàn)了脈內(nèi)參數(shù)測(cè)量。通過(guò)上述方法，實(shí)現(xiàn)了覆蓋信號(hào)分析、信號(hào)分選、情報(bào)生成及數(shù)據(jù)加速的離線情報(bào)分析軟件，具有功能齊全和性能優(yōu)越的特點(diǎn)。