一种新的雷达信号分选方法

陈惠民　盛骥松

摘 要：在雷达辐射源信号分选领域,随着现代电子战电磁环境的恶化,信号参数空间的严重交叠,五经典参数分选方法性能急剧下降。针对传统信号分选方法的不足,提出瞬时自相关算法瞬时频率派生特征提取算法,提取和补充新的分选参数,构建更为有效的分选特征向量。通过Matlab仿真,验证了该算法的正确性和实际应用的可行性。

关键词：雷达辐射源；信号分选；五经典参数；瞬时频率；特征提取算法

中图分类号：TN95 文献标识码：B

文章编号：1004-373X(2009)01-020-03

New Method of Classifying the Radar Signals

CHEN Huimin1,SHENG Jisong2

(1.Institute of Electronic & Information,Jiangsu University of Science & Technology,Zhenjiang,212003,China;

2.The 723 Academy of CSIC,Yangzhou,225001,China)

Abstract：In the field of classifying the radar emitter signals,as the electromagnetic environment in modern Electronic warfare is becoming worse,signals parameters overlapping are serious,the performances of the five classic parameters classifying signals descend rapidly.As deficiency of the conventional method,the feature extraction algorithm of derived characters of instantaneous frequency is proposed.Via the algorithm,some new parameters could be extracted,so the more effective classifying characteristics vector could be constructed.Simulation experiments through Matlab show correction and feasibility of practical application of the algorithm.

Keywords：radar emitter;signal classifying;five classic parameters;instantaneous frequency;feature extraction algorithm

0 引 言

随着现代战争的发展,电子战的作用和地位发生了巨大的变化,成为现代战争的重要手段。要想做到知己知彼,取得战争的主动权就必须掌握敌方雷达等电子装备的特性。因此,通过侦察情报的分析来进行雷达信号识别具有特别重要的意义。就目前而言,现有识别方法已不能满足日益复杂的电磁环境的需要,对新的雷达信号识别方法的研究势在必行。

瞬时自相关算法是一种非线性时频分析方法,适用于非平稳信号的分析。而现代雷达信号多采用非平稳信号,瞬时自相关算法瞬时频率派生特征提取算法用于雷达信号的分选便成为可能。

1 瞬时自相关算法(ISC)原理

设经模数转换(ADC)采样、解析变换后得到的中频解析信号为:

s(n)=Aexp{j}(1)

式中,A为信号幅度,f(n)和φ(n)分别为频率和相位调制函数,φ0为任意初相,fs为采样频率。

参考文献［1］,信号的瞬时自相关运算定义为:

Y(n,m)=s(n)× s(n+m), m=0,±1,…(2)

为了计算上的方便,将式(2)调整为:

Y(n,m)=s(n+m)× s(n), m=1,2,…(3)

式中, s(n)表示s(n)的共轭,m为延迟间隔。

将式(1)代入式(3)得:

Y(n,m)=s(n+m)× s(n)=

A2exp{j\2π/fs+φ(n+m)-φ(n)〗}(4)

设瞬时相位为θ(n,m),则式(4)可用下式表示:

Y(n,m)=A2(5)

比较式(4)和式(5),可得瞬时相位θ(n,m)

θ(n,m)=arctansin θ(n,m)cos θ(n,m)=

arctanImRe=

2π/fs+

φ(n+m)-φ(n)(6)

式中,Im(·)和Re(·)分别表示求信号虚部和实部的运算。由于相位的变化率为频率,因此信号的瞬时频率由下式计算：

f(n,m)=θ(n,m)fs/(2πm)(7)

将式(6)代入式(7)得：

f(n,m)=(n+m)f(n+m)-nf(n)m+

fs2πm(8)

对于任意如式(1)的信号,在不太长的时间间隔m内(m頝信号长度),可将其近似看作频率为fi(i=1,2,3,…)的局部平稳谐波,即:

2πf(n)n/fs+φ(n)+φ02πfin/fs+φ0,

n≤i≤n+m-1(9)

换句话说,相位调制φ(n)引起的相位改变相当于信号频率从f(n)调整为fi所引起的相位变化。

为了抑制噪声的干扰,对n和n+m间的采样点作滑动平均处理,以平均瞬时频率:

f(n,m)=1m∑n+m-1i=nf(i,m)(10)

作为第n点的瞬时频率。经此处理后,算法在低信噪比环境的适应能力有了进一步的提高。

2 瞬时频率派生特征提取算法

根据统计学原理,利用各瞬时频率统计特性的变化差异来提取它的派生特征,并使新提取的特征具有标识信号调制类型的能力。

下面就常规脉冲信号(CON)、线性调频信号(LFM)、相位编码信号(PSK)和频率编码信号(FSK)几种典型雷达信号进行瞬时频率派生特征提取算法进行分析。

LFM的瞬时频率和采样时间之间表现出较好的线性相关性,而其他类型信号的相关性均较差。因此,相关系数R可以作为识别LFM信号的一个较为可靠的特征：

R=cov(f IF,nTs)D(f IF)D(nTs)(11)

式中,f IF为提取的瞬时序列,Ts=1/fs为采样间隔,cov(·)和D(·)分别为协方差和方差函数。

将瞬时频率f IF做归一化处理：

f IF1=f IF/max(f IF)(12)

用E1表示f IF1的均值,将(f IF1-E1)大于零的部分再做归一化处理,这种去均值并提取正值的处理方式,将使f IF1长度缩短并使不同类信号的f IF1结构发生不同程度的变化。这种变化上的差异,有利于信号分类。

对于PSK信号,由于相位突变会引起频率的跳变。这里用Np来表示突变峰的个数：

Np(n)=1,f IF>E+4σ

1,f IF

0,其他(13)

式中,σ表示均方差。

通常将经典五参数作为雷达辐射源信号预分选,在此基础上,再构造分类特征向量［R,σ1-σ2,Np］作为辐射源信号主分选,根据分类特征向量门限,判别出各雷达辐射源信号。

3 仿真结果

仿真选取的雷达信号为：常规脉冲信号(CON)、线性调频信号(LFM)、相位编码信号(二相位编码BPSK,采用7位Barker编码方式)和频率编码信号(二频率编码BFSK,采用13位Barker编码方式)。仿真参数为：A=2,fs=120 MHz,f0= 10 MHz,PW=13 μs,B= 10 MHz,对于二频率编码信号,它的两个频率f1= 10 MHz,f2=2 MHz,信噪比SNR为-6~15 dB。

图1给出了SNR=0 dB、高斯白噪声下的瞬时自相关算法的时频分析图。

图1 0 dB高斯白噪声下的ISC时频分析图

为了确定各特征向量［R,σ1-σ2,Np］的门限,在SNR为-6~15 dB的环境下,对各种典型信号分类特征向量的各分量的取值范围进行了100次的仿真实验,所得统计结果列于表1。

表1 各种典型信号分类特征向量的各分量的取值

信号类型Rσ1-σ2Np

CON-0.084 8～0.057 8-0.194 3～0.042 60

LFM0.808 6～0.999 4-0.142 4～-0.032 70

BPSK-0.058 3～0.046 6-0.044 9～-0.014 32～3

BFSK-0.311 4～-0.257 00.060 5～0.321 90

从表1可知,R是一个较理想的分类特征。因为在所考察的雷达辐射源信号类中,仅有LFM信号的IF随采样时间nTs的变化而线性变化,两者表现出较好的线性相关特性,具有较大的R值,而其余类信号R值均小于0.1,因此,可选择0.1作为R的门限,从而将LFM首先分离出来。从表1中Np的统计结果可以判别出BPSK信号,选择1作为Np的门限。分离出LFM和BPSK信号后,可选择0.05作为σ1-σ2的门限,大于等于0.05的为BFSK信号,小于0.05的为CON信号。图2给出了信号判别流程框图。

图2 信号判别流程图

4 结 语

瞬时自相关算法瞬时频率派生特征提取算法,在低信噪比情况下,能够较好地分选出各雷达辐射源信号,该算法运算量不大,抗噪性能良好,工程应用是一个不错的研究方向,作者将在以后的工作中继续对这方面进行深入研究。

参考文献

［1］赵国庆.雷达对抗原理.西安:西安电子科技大学出版社,1999.

［2］胡波.脉内特征提取在信号调制形式识别中的应用.雷达与对抗,2005(2):35-38.

［3］陈海忠,朱伟强.雷达相位编码信号的脉内调制特征分析.舰船电子侦察,2006,29(2):8-11.

［4］葛哲学.Matlab 7辅助信号处理技术与应用.北京:电子工业出版社,2002.

［5］胡书广.数字信号处理理论、算法与实现.北京:清华大学出版社,2003.

［6］袁伟明,王敏,吴顺君.低截获概率雷达信号的调制识别研究.信号处理,2006,22(2):153-156.

［7］张贤达,保铮.非平稳信号分析与处理［M］.北京:国防工业出版社,1999.

［8］王勇,张欣.雷达信号脉内特征参数提取技术［J］.中国雷达,2006(1):13-21.

［9］Chen V C.Applications of Time-frequency Processing to Radar Imaging.Opt.Eng.,1997,36(4):1 152-1 161.

［10］Mardia H K.New Techniques for the Deinterleaving of Repetitive Sequences［J］.IEE Proceedings,Part F:Radar and Signal Processing,1989,136(4):149-154.

作者简介

陈惠民 男,1979年出生,硕士研究生。研究方向为电子对抗。

盛骥松 男,1968年出生,研究员,中船重工723所。研究方向为电子对抗、雷达系统总体。