PRI周期性调制信号的TOA中点匹配分选算法

陈维高，张国毅，常硕

(空军航空大学,吉林 长春 130022)

0 引言

雷达信号分选是指从多部雷达脉冲信号互相交迭的条件下，分离出属于同一部雷达的脉冲信号的过程[1]。它是获取敌方雷达信息从而判断其威胁等级、制定作战计划的主要依据，是雷达对抗系统的关键技术。在辐射源数量不多且信号形式简单的情况下，传统的雷达信号分选方法如：模板匹配法[2]、直方图分选法(CDIF，SDIF)[3-4]、平面变换技术[5]等，能够取得满意的分选效果。然而，在高技术的现代战争中，随着雷达数目的急剧增加和信号形式的日趋复杂，传统雷达信号分选方法在分选准确度和实时性上大大降低，使得雷达信号分选任务面临巨大的挑战。

针对传统分选方法存在的问题，一些学者通过改进传统算法来改善[6]；另一些学者通过探索新的特征参数[7]或者研究新的算法来提高算法的适应能力[8-10]。为了适应多种复杂信号形式，同时满足高密度信号环境下对分选准确度与实时性的要求，本文提出了一种新的基于雷达脉冲重复周期的雷达信号分选算法。算法首先在脉冲序列中点附近任意选取一点P作为中心点，然后通过提出的TOA中点匹配法依次比较左右两侧相邻脉冲间隔，从而提取出PRI值。通过计算机仿真实验，验证了该算法具备一定的抗噪和抗脉冲丢失能力，并能够较好地满足信号分选对准确性和实时性的要求。

1 TOA中点匹配法

TOA中点匹配法的基本思想是：对于侦察接收机侦收到的多个辐射源脉冲序列TOA1,TOA2，…，TOAn(n为脉冲序列的总脉冲数)，首先在序列长度的中间位置任意选取一点TOAi，

i=round(n/2)，

(1)

式中：round(x)为四舍五入函数。

以TOAi为中心点开始进行匹配运算，并结合对比验证法提取出PRI值，然后按照提取出的PRI值对序列进行抽取。

算法基本步骤：

(1) 选取脉冲序列靠近中心处的一点TOAi作为中心点，以TOAi为中心点开始计算其左右两侧相邻脉冲的TOA差值PRIl1，PRIr1，其中PRIl1=TOAi-TOAi-1，PRIr1=TOAi+1-TOAi。

(2) 比较左右TOA差值的大小，如果PRIl1-PRIr1>ε(ε是满足间隔值相等的最大容限)，选择下一个右侧脉冲，计算其到中心点的TOA差值PRIr2=TOAi+2-TOAi，然后与PRIl1进行比较。如果PRIr1-PRIl1>ε，则选择下一个左侧脉冲，计算PRIl2=TOAi-TOAi-2并进行比较。如果左右两侧计算得到的间隔值相等，即PRIlm-PRIrn≤ε(其中m,n分别指代中心点左右侧第m，n个脉冲，)，则进行步骤(3)。

(3) 记录此PRI值，并将标号est=est+1(初始值为0，每选出一个相等的间隔est值加1)，然后继续按照步骤(2)计算并比较PRIl (m + 1)与PRIr(n+1)。

(4) 如果标号est=4(此时在满足实时性需要和抑制谐波达到最优)，并且保证

(2)

式中：η为满足间隔值整除的最大容差，一般取值很小。

式(2)的设定是为了在脉冲丢失的情况下，保证检测出的PRI1是真实PRI而不是谐波。此时，转入步骤(5)。

如果在中心点两侧不能检测到满足式(5)的PRI值，就认为中心点选择错误(可能是选择了干扰噪声作为中心点，或者中心点邻近的真实脉冲存在丢失的情况从而不能提取真实的PRI值)，需要重新选择中心点。则转入步骤(6)。

(5) 选取PRI1作为检测出的真实PRI值，存储该PRI值，然后进行第2小节的PRI类型检测和脉冲抽取，抽取完转到步骤(7)。

(6) 将中心点右移一个脉冲转到步骤(7)。

(7) 如果脉冲序列的长度不小于检测一组脉冲序列所需的最小脉冲个数(本文设定为9，由于式(2)间接要求最少9个脉冲可以检测出一组脉冲序列)，并且中心点TOAi右移后与最后一个脉冲TOAn之间的脉冲数不小于4，转到步骤(1)重新进行匹配运算。否则，算法结束。

2 PRI类型检测和脉冲抽取

检测出真实的PRI值后，需要检测该PRI是固定PRI信号还是具有其他周期调制特征的PRI信号。如果不经检测就开始利用该PRI值进行常规脉冲抽取，对于PRI固定信号自然适用；然而对于其他PRI周期调制信号，该PRI值是骨架周期，因此利用常规脉冲抽取只能抽取出该组序列的一部分脉冲，剩余脉冲不仅会干扰算法余下的过程，而且将大大增加算法的运算量。针对上述问题，本文提出了PRI类型检测法来检测该PRI值，并改进了常规脉冲抽取算法来抽取其他PRI周期调制信号。

2.1 PRI类型检测

基本原理：对于除了PRI固定信号外的其他PRI周期调制信号，一个周期内必然有多个脉冲，并且本周期的脉冲加上一个帧周期在下一个周期内必然存在一一对应的脉冲，如图1所示。所以，通过检测下一周期内是否有脉冲与本周期内的脉冲匹配，就可以判断该PRI值是PRI固定信号的还是其他PRI周期调制信号的帧周期。

图1 三参差脉冲序列示意图Fig.1 Diagram of three stagger pulse sequence

2.2 脉冲抽取

(1) 经过PRI类型检测确定了PRI值的归属之后，如果是PRI固定信号的PRI值，则按照常规脉冲抽取算法对原始脉冲序列进行抽取，即将第一个脉冲作为起始点，根据检测出的PRI寻找下一个脉冲，检测容差为ε，若找到，将起始点变为找到的脉冲，将其抽取出来。若未找到，寻找2PRI处是否有脉冲存在，若找到，改变起点为找到的脉冲，否则寻找3PRI处，若存在，改变起始点为找到的脉冲，否则放弃搜索，将起始点变为下一个脉冲，重复上述过程。

(2) 如果是其他PRI周期调制信号的帧周期，同样将第一个脉冲作为起始点，根据检测出的PRI值，按照上文相同的方法寻找下一个脉冲，无论存在与否，都改变起始点为下一个脉冲，重复上述过程。这种抽取方法可以按照帧周期一次将该组序列全部提取出来。

3 实例分析及算法流程

3.1 实例分析

下面结合图2详细介绍TOA中点匹配法的过程。

(1) 对图中脉冲序列计算中心点，i=round(23/2)=12，取TOA12作为中心点，计算PRIl1=t12-t11，PRIr1=t13-t12，PRIr1-PRIl1>ε；计算PRIl2=t12-t10，与PRIr1比较，PRIl2-PRIr1>ε；依次计算并比较，直到PRIr4-PRIl5≤ε，即t16与t7到中心点t12的间隔相等，令PRI1=PRIr4，est=1。

(2) 从t6和t17开始向两侧依次计算到中心点的间隔值，按照步骤(1)进行比较，并记录相等的间隔值，直到est=4。开始将PRI1～PRI4代入式(2)进行检测，满足条件，进行PRI类型检测。

(3) 首先，从t1处开始检测，检测容差为ε，可以判断在t1+PRI1,t1+PRI2,t1+PRI3处都不存在脉冲。然后，起始点变为t2进行检测，在t2+PRI1处存在脉冲t6，确定t2～t6为一个周期，在周期内进行检测。依次判断t3+PRI,t4+PRI,t5+PRI处是否存在脉冲，经判断存在t7,t9分别与t3和t5对应。由此可知该PRI值属于PRI周期调制信号的帧周期。

图2 2部雷达交错脉冲序列Fig.2 Interleaving pulse sequence of two radars

(4) 按照第2小节中抽取周期调制信号的方法对脉冲序列进行抽取，可以将A部雷达脉冲全部抽取出来。剩余的脉冲按照(1)～(2)步进行运算，得到PRI值，由于t1+PRI处存在脉冲B2，并且在抽取出A部雷达后脉冲B1与B2相邻，所以不需要进行PRI类型检测，可以直接判断该PRI值是PRI固定信号的重复周期。按照第2小节中抽取PRI固定信号的方法进行抽取。整个算法结束。

3.2 算法流程

算法流程如图3所示。

图3 TOA中点匹配法流程图Fig.3 Diagram of the TOA center matching

4 仿真实验分析

为了检验算法在复杂信号环境下的分选性能，仿真实验产生多种复杂体制的交叠脉冲。脉冲分选的准确率和漏选率[11]分别定义为：

(1) 准确率。(SR/S)×100%，其中S是分选得到的同一类脉冲的数目，SR是正确分选的脉冲数。

(2) 漏选率。((SM-SR)/SM)×100%，其中SM表示原始脉冲序列中属于同一类雷达的数目。

系统实验环境：Windows XP，Intel CPU Q8200，3GB内存，仿真软件为Matlab R2010a。

实验采样时间共为0.5 s，脉冲丢失率为2%，丢失后脉冲总数为4 439个，噪声脉冲占总数的10%。其中包括2部PRI固定雷达，PRI值分别为950 μs，1 233 μs；1部PRI滑变雷达，滑变范围为398～1 194 μs，每个周期内有11个脉冲；1部PRI正弦调制雷达，调制均值为732 μs，每个周期有30个脉冲；1部PRI排定调制雷达；1部PRI五参差雷达(具体参数信息见表1)。原始脉冲的TOA差分[12]如图4所示。

图4 原始信号TOA差分图Fig.4 TOA difference of original signal

实验中设定检测容差ε=2 μs，η=2 μs。分选结果如表1所示。

整个分选算法用时12.83 s，脉冲分选的平均准确率为97.39%，平均漏选率为6.18%。分选结果的TOA差分图如图5所示。

表1 TOA中点匹配法分选结果Table 1 Statistics data of sorting results

图5 分选结果TOA差分图Fig.5 TOA difference results of signal sorting

为了进一步验证算法分选复杂PRI调制信号的能力，本文利用SDIF算法对实验数据进行分选，图6是该算法的五级直方图，经多次仿真实验发现即使相应的调低算法的门限值，也不能对数据进行分选。

实验结果表明，该算法能够适应多种PRI周期调制信号，具备一定的抗干扰和抗脉冲丢失的能力。经多次仿真实验验证，算法对于本文列举的信号形式平均分选准确率在90%以上，平均漏选率在10%以下，具备较高的分选准确率，并且能够满足对于实时性的要求。

图6 SDIF算法5级直方图Fig.6 Five grade histogram of SDIF algorithm

5 结束语

本文在分析了高密度复杂信号条件下信号分选面临的主要问题的基础上，提出了TOA中点匹配法。通过对比匹配抽取出PRI值，然后进行PRI类型检测，根据不同的信号类型进行抽取。最后通过仿真实验，验证了算法的有效性。

算法还存在一些问题有待于进一步研究：一方面，由于该算法从原理上是依据信号的周期特征进行分选的，所以并不适用于PRI非周期调制信号(如PRI抖动信号)，需要结合其他算法来进行完善；另一方面，算法的实时性还有进一步提高的空间。

参考文献：

[1] 何明浩. 雷达对抗信息处理[M]. 北京：清华大学出版社, 2010: 8-9.

HE Ming-hao. Radar ECM Information Processing[M]. Beijing：Tsinghua University Press, 2010: 8-9.

[2] CHEN Ting，GUO Wei，SHEN Bing．A New Radar Emitter Recognition Method Based on Pulse Sample Figure[C]∥Fuzzy Systems and Knowledge Discovery (FSKD)，2011 Eighth International Conference on.Hefei,China,2011：1902-1905.

[3] XIE GRO-liang, WANG Hong-xun, XU Zhong-wei,et al. A Fast Sorting Method for Modulated and Jitter PRI Radar Signals[C]∥Transportation, Mechanical, and Electrical Engineering (TMEE), 2011 International Conference on.Changchun,China,2011: 2210-2213.

[4] Melekt Acar Boyacioglu, Yakup Kara, Omer Kaan Baykan. Predicting Bank Financial Failures Using Neural Networks, Support Vector Machines and Multivariate Statistical Methods: A Comparative Analysis in the Sample of Savings Deposit Insurance Fund (SDIF) Transferred Banks in Turkey[J]. Expert Systerms with Applications, 2009, 36(2):3355-3366.

[5] TIAN Fen-fang. De-Interleaving of Radar Signal Based on Improved PRI Transform Algorithm[J]. Electronic Science and Technology, 2010, 23(11):116-118.

[6] Ala Mahdavi, Amir Mansour Pezeshk. A Fast Enhanced Algorithm of PRI Transform[C]∥Sixth International Symposium on Parallel Computing in Electrical Engineering.Luton,United Kingdom, 2011:179-184.

[7] GUO Qiang, QU Zhen-shen, WANG Chang-hong. Pulse-to-Pulse Periodic Signal Sorting Features and Feature Extraction in Radar Emitter Pulse Sequences[J]. Journal of Systems Engineering and Electronics, 2010, 21(3): 328-389.

[8] ZHAO Bao-chang, PENG Shi-rui, YU Chun-lai, et al. A New Method for Soring Radar Signals Based on Coherency[C]∥ Third International Conference on Measuring Technology and Mechatronics Automation.Shanghai,China,2011:170-173.

[9] ZHU Xiang-peng, JIN Ming, QIAN Wei-qiang, et al. The Application of Unsupervised Clustering in Radar Signal Preselection Based on DOA Parameters[C]∥First International Conference on Pervasive Computing, Signal Processing and Applications.Harbin,China, 2010:956-959.

[10] Anant Ram, Ashish Sharma, Anand S Jalall. An Enhanced Density Based Spatial Clustering of Applications with Noise[C]∥International Advance Computing Conference.Patiala,India, 2009:1475-1478.

[11] 樊甫华，张万军，谭营．基于累积变换的周期性对称调制模式的快速自动搜索算法[J]．电子学报，2005，33(7)：1266-1270．

FAN Fu-hua, ZHANG Wan-jun, TAN Ying. A Fast and Automatic Searching Algorithm of Periodic and Symmetric Patterns Based on Accumulative Transformation Technique[J]. ACTA Electronica Sinica, 2005, 33(7): 1266-1270.

[12] 曹阳．基于PRI的高密度脉冲信号分选算法研究[D]．哈尔滨：哈尔滨工业大学，2008：73-74．

CAO Yang. Research on Sorting Algorithm for High Density Pulse Flow of Radar Signal Based on PRI Parameter[D]. Harbin: Harbin Institute of Technology, 2008: 73-74.