沈 路鄧憶秋趙 巍劉 洋姜珍珠

(中國(guó)電子科技集團(tuán)公司第二十九研究所,四川 成都 610036)

0 引言

雷達(dá)信號(hào)分選是從截獲到的密集雷達(dá)脈沖流中分選出屬于不同雷達(dá)輻射源的脈沖,是雷達(dá)信號(hào)偵察處理中的核心組成部分之一。只有從脈沖流中分選出屬于不同輻射源的脈沖序列之后,才能對(duì)雷達(dá)輻射源施加壓制干擾或構(gòu)造虛假目標(biāo)回波信號(hào)進(jìn)行欺騙干擾。而隨著現(xiàn)代電子戰(zhàn)環(huán)境信號(hào)日趨密集,電子戰(zhàn)系統(tǒng)截獲到的脈沖參數(shù)交疊日益嚴(yán)重,傳統(tǒng)分選方法難以給出準(zhǔn)確的分選結(jié)果,且經(jīng)常會(huì)出現(xiàn)信號(hào)的錯(cuò)批與漏批。

傳統(tǒng)的信號(hào)分選方法主要有統(tǒng)計(jì)直方圖法、累計(jì)差值直方圖法(CDIF)和序列差值直方圖法(SDIF),但這些方法都只能適用于脈沖少量丟失的場(chǎng)景,脈沖重復(fù)間隔(PRI)變換法及其改進(jìn)算法則存在算法運(yùn)算量大以及容差參數(shù)選擇的問(wèn)題4]。蔡偉對(duì)基于雷達(dá)信號(hào)樣本庫(kù)的信號(hào)分選識(shí)別方法進(jìn)行了研究,但該算法需要雷達(dá)庫(kù)樣本庫(kù)作為先驗(yàn)知識(shí),牟皓、陳春利提出的基于SVM 分類器的信號(hào)分選方法需要對(duì)樣本脈沖進(jìn)行訓(xùn)練,丁增斗、翁永祥提出的聚類算法則要求脈沖在頻率和脈寬維度存在一定的區(qū)分度。

針對(duì)以上問(wèn)題,本文提出一種基于模板提取的信號(hào)分選算法,采用模板匹配的思想提取最優(yōu)的特征脈沖序列。算法考慮了脈沖特征不連續(xù)以及漏脈沖和脈沖分裂等情形,在不需要先驗(yàn)雷達(dá)庫(kù)信息的情況下能夠有效提取雷達(dá)特征脈沖序列,實(shí)現(xiàn)電磁參數(shù)交疊的脈沖分選。

1 基于模板提取的信號(hào)分選算法

1.1 模板提取算法的提出

從統(tǒng)計(jì)學(xué)意義上來(lái)講,全脈沖序列就是按照脈沖到達(dá)時(shí)間先后順序排列的時(shí)間序列,而信號(hào)分選所要解決的問(wèn)題就是從大量的時(shí)間序列中提取出反映信號(hào)變化特征的特征序列。雷達(dá)信號(hào)特征反映在脈沖描述字上是一組特征脈沖序列,如果在截獲到的脈沖中包含若干個(gè)重復(fù)的模板脈沖序列,那么信號(hào)分選則可以理解為提取信號(hào)的模板脈沖序列。

1.2 模板提取算法原理

設(shè)脈沖序列為:

式中:x ={ , , ,t },t =t t。

假設(shè)脈沖序列中存在信號(hào),,…,S 共個(gè)信號(hào),信號(hào)S 對(duì)應(yīng)的時(shí)間特征序列為:Y ={y ,y ,,y },0＜≤,

式 中:y ={ , , ,t };t =t -t。

脈沖序列的分選問(wèn)題就轉(zhuǎn)化為提取模板序列Y 。模板提取算法步驟如下:

(1) 讀取輸入全脈沖的脈沖數(shù)據(jù)到達(dá)時(shí)間序列。

(2) 根據(jù)假設(shè)的模板序列查找與之相匹配且持續(xù)時(shí)間相同的匹配序列。如圖1所示,若假設(shè)模板序列={f },0≤＜,Q ={g },0≤＜,0≤＜S ,表示與假設(shè)模板序列持續(xù)時(shí)間相同的匹配序列個(gè)數(shù),S 表示匹配序列持續(xù)時(shí)間相同的脈沖個(gè)數(shù),則:

圖1 模板序列匹配處理流程圖

模板序列的持續(xù)時(shí)間為D = - ,序列Q 的持續(xù)時(shí)間為D = - ,若D ≤,則:

(3) 將提取得到的模板序列進(jìn)行匹配處理

則式(8)和式(9)須滿足:

式中:為頻率門(mén)限;為到達(dá)時(shí)間差門(mén)限;為匹配比例門(mén)限;R 為匹配比例。

若序列的脈沖與Q 序列脈沖成功匹配的脈沖數(shù)為U ,=1,2,…,再計(jì)算模板序列與匹配序列Q 的脈沖匹配脈沖總個(gè)數(shù),則對(duì)應(yīng)模板序列的脈沖匹配個(gè)數(shù)即為:

(4) 重復(fù)步驟(2)～(3),將脈沖匹配個(gè)數(shù)最多的模板序列作為模板序列輸出。

(5) 在脈沖序列中刪除提取成功的模板以及對(duì)應(yīng)匹配序列,得到當(dāng)次處理的剩余脈沖。

(6) 剩余脈沖或處理次數(shù)滿足退出要求則結(jié)束處理,否則重復(fù)步驟(2)～(5)。

模板提取算法流程圖如圖2所示。

圖2 模板提取算法流程圖

2 仿真數(shù)據(jù)驗(yàn)證

為驗(yàn)證算法的正確性,仿真產(chǎn)生3 個(gè)信號(hào),信號(hào)的載頻相同且類型均為固定,脈寬均小于0.5μs,重頻類型為參差和組變,仿真信號(hào)參數(shù)如表1所示。

表1 仿真信號(hào)參數(shù)

仿真信號(hào)全脈沖的頻率和到達(dá)時(shí)間差圖如圖3所示,從圖3中可以看出:由于3個(gè)信號(hào)相互交錯(cuò),且頻率、脈寬參數(shù)相同,脈沖到達(dá)時(shí)間相互交錯(cuò),從到達(dá)時(shí)間差圖上無(wú)法分辨出信號(hào)的類型。為了模擬真實(shí)環(huán)境,在仿真信號(hào)中模擬了漏脈沖并增加了隨機(jī)噪聲,分析了不同漏脈沖比例和噪聲比例對(duì)脈沖分選正確率的影響。

圖3 仿真信號(hào)全脈沖頻率與到達(dá)時(shí)間差圖

不同漏脈沖比例及分選算法的分選正確率如圖4 所示,從圖4 中可以看出:相比常規(guī)的CDIF算法和SDIF算法,基于模板提取算法的脈沖分選正確率有明顯提升,漏脈沖比例在小于10%的情況下脈沖分選正確率可達(dá)到80%以上,而CDIF和SDIF算法的正確率僅為55%左右,但隨著漏脈沖比例的增加,3種算法的脈沖分選正確率也將隨之降低。

圖4 漏脈沖與分選算法對(duì)脈沖分選正確率的影響

圖5所示為在不同漏脈沖比例,噪聲比例分別在5%、10%和20%的場(chǎng)景下的脈沖分選正確率。從圖5可以看出:當(dāng)漏脈沖比例為5%時(shí),脈沖分選正確率能達(dá)到90%左右;而隨著漏脈沖和噪聲比例的增加,尤其是噪聲比例達(dá)到20%后,分選正確率急劇下降?？梢钥闯?噪聲比例對(duì)脈沖分選正確率的影響要大于漏脈沖比例,原因是隨著噪聲比例的增加,將影響脈沖序列相關(guān)的正確性,從而進(jìn)一步降低脈沖分選正確率。

圖5 漏脈沖與噪聲對(duì)分選正確率的影響

3 實(shí)際數(shù)據(jù)驗(yàn)證

以某艦載課題截獲到的雷達(dá)信號(hào)為研究對(duì)象,信號(hào)載頻主要集中在漁船導(dǎo)航信號(hào)頻段(9 300 MHz～9 500 MHz),脈寬均在1μs以下,實(shí)際信號(hào)全脈沖頻率與到達(dá)時(shí)間差圖如圖6所示。

圖6 實(shí)際信號(hào)全脈沖頻率與到達(dá)時(shí)間差圖

采用傳統(tǒng)分選算法對(duì)該數(shù)據(jù)進(jìn)行頻率和脈寬預(yù)分選,僅依靠頻率和脈寬無(wú)法將信號(hào)完全分開(kāi),而常規(guī)重頻分選難以處理脈沖交錯(cuò)較為密集的信號(hào),因此常規(guī)信號(hào)分選難以處理此類信號(hào)場(chǎng)景。

模板提取算法得到的信號(hào)1～信號(hào)6的脈沖截圖如圖7～圖12所示,信號(hào)分選得到的信號(hào)類型為重頻參差和重頻固定。由圖9～圖12可以看出:由于脈沖重疊的影響,提取得到的模板脈沖序列在個(gè)別脈沖出現(xiàn)了提取錯(cuò)誤。CDIF 算法、SDIF 算法與基于模板提取的分選結(jié)果統(tǒng)計(jì)如表2所示,從中可以看出:基于模板提取的算法分選正確率可達(dá)到80%以上,而常規(guī)分選正確率不超過(guò)50%。這是因?yàn)閭鹘y(tǒng)算法難以對(duì)頻率和脈寬維度無(wú)法區(qū)分的脈沖進(jìn)行正確分選,使得在重頻處理時(shí)易將參差信號(hào)誤處理為抖動(dòng)信號(hào),導(dǎo)致分選正確率較低。而本文算法充分利用信號(hào)脈沖到達(dá)時(shí)間相關(guān)性規(guī)律對(duì)脈沖去交錯(cuò),解決在頻率和脈寬維度難以區(qū)分的信號(hào)分選難題,顯著提升了脈沖分選正確率。

圖7 模板提取算法的第1個(gè)信號(hào)

圖8 模板提取分選算法的第2個(gè)信號(hào)

圖9 模板提取分選算法的第3個(gè)信號(hào)

圖10 模板提取算法的第4個(gè)信號(hào)

圖11 模板提取算法的第5個(gè)信號(hào)

圖12 模板提取算法的第6個(gè)信號(hào)

表2 傳統(tǒng)算法與基于模板提取的信號(hào)分選統(tǒng)計(jì)表

4 結(jié)束語(yǔ)

本文基于模板提取的思想提出了一種信號(hào)分選新算法,算法認(rèn)為雷達(dá)信號(hào)是在基于模板脈沖進(jìn)行重復(fù)變化,在該假設(shè)的基礎(chǔ)上進(jìn)行模板脈沖提取。由于算法是通過(guò)脈沖到達(dá)時(shí)間的變化提取模板,不依賴于脈沖頻率、脈寬和方位信息,即使在頻率、脈寬等信息難以區(qū)分的情況下仍能夠?qū)崿F(xiàn)信號(hào)的正確分選,提升了信號(hào)分選的適應(yīng)能力。仿真與實(shí)際數(shù)據(jù)驗(yàn)證表明,該算法在信號(hào)密集且頻率、脈寬參數(shù)交疊的情況下仍能取得較好的效果。