信号分选半实物仿真分析平台设计与实现

贾思平，曾　俊，郭利荣

(解放军93993部队,甘肃兰州　730102)

贾思平(1983—)，男，甘肃庄浪人，工程师，主要研究方向为电子对抗信息处理；

E-mail：guolirongs@163.com

曾　俊(1982—)，男，湖北荆门人，工程师，主要研究方向为电子对抗信息处理；

郭利荣(1988—)男，福建建瓯人，助理工程师，主要研究方向为电子对抗信息处理研究。



工程与应用

信号分选半实物仿真分析平台设计与实现

贾思平，曾俊，郭利荣

(解放军93993部队,甘肃兰州730102)

摘要：针对当前信号分选理论成果较少应用于实践的问题，采用Matlab中图形用户界面(GUI)设计实现了信号分选半实物仿真分析平台。所设计的平台通过模拟信号产生或数据加载、特征参数计算以及信号分选，可以得到直观的信号分选结果，且能模拟硬件方案中信号分选流程，使仿真平台能更有效地应用于研究雷达辐射源信号分选的过程以及同时获取各分选算法的分选效果，为信号分选技术和信号处理技术的研究提供平台。

关键词：Matlab；图形化设计；半实物仿真分析平台

0引言

雷达辐射源信号分选是电子情报侦察(Electronic Intelligence, ELINT)、电子支援侦察(Electronic Support Measures, ESM)和雷达告警接收机(Radar Warning Receiver, RWR)系统中的关键处理技术之一，也是衡量雷达对抗侦察设备技术先进程度的重要标志[1-2]。但随着电子技术的迅速发展，信号环境日益复杂多变，雷达反侦察、抗干扰能力不断完善，对雷达辐射源信号的分选、识别能力提出更高的要求，其中仿真技术对实际设备的升级和研制以提高信号分选能力具有重要的参考价值[3]。

文献[4]中，对信号的脉内调制特征进行挖掘，提取了稳定的脉内调制特征参数，国内学者也对脉内和脉间特征参数提取进行研究[5-8]，但在实际设备中运用不多，理论指导实践的效果不明显。在文献[9]中，利用Matlab图形用户界面进行信号分选的仿真，但只是为适应训练和教学需要。文献[10]中，设计的信号分选仿真系统利用常规参数进行信号分选，可对信号分选方案进行选择，能较好地应用于雷达脉冲信号的分选研究。

针对当前存在的问题，基于Matlab的GUI模块具有操作简便，结构友好的特点[11]，利用GUI模块设计搭建了半实物仿真分析平台，模拟雷达信号分选的全过程。首先介绍半实物仿真数据的采集，然后对半实物仿真分析平台的功能、总体思路、基本组成框架、界面情况等方面进行优化设计，最后加载半实物仿真数据，并利用加载的半实物仿真数据对文献[12]所研究的算法进行验证。该仿真平台还可以融合新的分选算法，实现分选算法资源库的管理，并且可以根据仿真进一步指导硬件系统的设计，为新一代设备的研制提供技术参考。

1半实物仿真数据的采集

利用实验室仪器采集得到的信号作为半实物仿真数据，数据采集实验结构如图1所示。多个信号发生器产生的信号，经信号合成板和馈线输入高速数据采集板中，采集设备对信号进行采集并存储，上位机与硬件系统之间连接PCI总线。通过该方式采集的半实物仿真数据，较计算机模拟仿真数据，可以更加贴近实际的雷达信号和实际侦收情景，以验证信号分选算法。

图1　半实物仿真数据采集实验结构图

图2给出了半实物仿真数据采集系统的组成框图。

图2　半实物仿真数据采集系统组成框图

半实物仿真数据采集系统的组成框图中，高速ADC模块的采样频率为150 MHz，存储深度为1 G bit，采样位数为12位，FPGA主要提供整个硬件系统的时序逻辑控制，并实时存储波形数据。硬件系统与计算机之间通过PCI总线连接，可以实现高速数据传输以及功能的可扩展性。计算机应用软件可进行数据分析处理，并存储处理前后的数据。

2半实物仿真分析平台设计

2.1平台设计原则与功能

为提高分选方法的仿真精度，完整描述雷达信号分选的具体过程，根据信号分选流程，进行半实物仿真分析平台的设计，主要有以下四点设计原则：

(1)移植性原则：要求平台中各模块之间具有独立性，可进行模块的重复利用；

(2)开放性原则：要求平台中各模块之间具备兼容性，模块易于添加和修正，保证模块之间的影响尽可能小；

(3)交互性原则：要求平台中各模块之间的互连、互通、互传特性好，可实现模块的动态调配功能；

(4)简便性原则：要求平台的可视化能力强，操作简便，易于上手。

该平台主要实现了以下六个功能：

(1)可模拟产生所需的雷达信号，同时可对雷达信号参数进行灵活设置；

(2)可加载半实物仿真数据，支持半实物仿真数据与模拟数据之间灵活切换，以便进行半实物仿真数据的验证分析；

(3)可根据实际需求选择雷达信号特征参数提取算法，并可直观显示特征参数的分布规律；

(4)可根据实际需求选择信号分选算法，利用提取的特征参数进行分选效果分析，并直观显示分选效果图以及导出分选结果；

(5)可对各个模块功能正确运行与否进行提示；

(6)支持平台使用向导功能，可为操作者提供详细的操作方法及步骤。

2.2平台体系架构

为保证平台设计的逻辑性和开放性，该平台利用基于组件的分层体系架构进行设计，以实现资源的有效管控、组件的快速重构、模块的灵活部署，达到平台功能的可拓展性，该平台设计的体系结构如图3所示。

图3　系统体系结构图

系统结构由基础保障层、系统资源层、公共组件层和应用系统层这四个层次组成。

基础保障层：该层是平台设计的底层，却是平台运行的关键层之一，为平台功能的正常发挥提供保障。该层主要有数据库服务器、仿真服务器、投影输出设备、用户终端、网络环境等相关基础支撑设备，其中打印、投影输出设备为可选设备。

系统资源层：该层作为平台运行的资源库，是实现平台功能正常发挥的基础，可为平台运行和各种分析应用提供所需的信号参数模型、数据加载格式、特征提取算法、信号分选算法、决策控制模型、仿真服务、系统元数据包和平台使用向导等。

公共组件层：该层为平台中各个模块的数据互连、互通、互传起到决定性作用，是实现平台功能正常发挥的桥梁，可为平台运行及各种分析应用提供所需的数据显示、数据传递、数据交互、平台管控、XML接口、数据存储等标准化、可重用的公共组件。

应用系统层：该层是平台设计的顶层，是平台运行的核心部分，通过对基础保障层、系统资源层、公共组件层这三个层的调配，实现平台中各个模块的功能，包括雷达信号的产生、半实物仿真数据的加载、特征参数的提取、信号分选等。

平台中各个模块通过统一的集成框架相互集成，具有良好的兼容性、灵活性和开放性，可以实现与雷达对抗信息处理软件、雷达对抗信息处理算法效能评估软件、雷达辐射源数据管理软件等相关软件功能模块的互通以及资源的共享。集成框架负责实现与设备相关具体功能的各种业务逻辑，与数据交互、模块移植、指令读取等非业务逻辑之间的松耦合关系，以及平台设计的灵活开放功能。

2.3平台功能组成

为实现半实物仿真分析平台的设计，将平台的功能细分为4大模块共9个功能区，对各个功能区分别进行设计。具体由信号产生及加载、特征参数提取、信号分选以及平台管控这四大模块构成，各分模块包含具体的功能区，平台功能组成框图如图4所示。

图4　平台功能组成框图

平台中各个模块可以单独运行，实现各自模块的功能，也可以通过指令控制，使得模块之间相互协调配合工作，图5给出了半实物仿真分析平台的工作流程。

(1)信号产生及加载模块

信号产生及加载模块由雷达信号产生和半实物仿真数据加载这两个功能区组成。雷达信号产生功能区的任务是产生模拟的雷达信号，并可对脉冲幅度、脉冲宽度、频率、采样频率、脉冲重复间隔、脉冲信号延迟时间、侦收脉冲个数以及信噪比等参数进行设置。半实物仿真数据加载功能区的任务是加载采集信号，需要以一定的加载格式对采集的半实物仿真数据进行加载，并对加载的数据进行预处理，保证数据之间有效匹配。

(2) 特征参数提取模块

图5　半实物仿真分析平台工作流程图

信号分选模块由特征参数、分类器选择和雷达信号分选这两个功能区组成。特征参数、分类器选择功能区的任务是根据仿真需求对特征参数以及分类器进行选择，不同的参数和分类器的组合形成不同的分选方法，并比较不同分选方法的分选效果。特征参数主要包括提取的频域和时频域相参特征参数、常规五大参数和脉内特征参数，分类器主要包括SVM、BP神经网络、Kohonen神经网络和RBF神经网络。雷达信号分选功能区的任务是利用基于频域和时频域相参特征的分选准则进行分选，也可以选取特征参数和分类器进行信号分选效果和特征参数的有效性进行验证。

(4)平台管控模块

平台管控模块由实验过程监视、实验结果表现及存储和平台操作向导这三个功能区组成。实验过程监视主要用于平台运行过程中的监视，以模块功能正确运行与否的提示为监视对象。实验结果表现及存储主要是对模拟产生的信号、加载的半实物仿真数据、提取的特征参数以及分选结果进行存储，对提取的特征参数、分选得到的图形结果和数字结果进行显示，还可对分选结果以事先定义好的格式导出，供操作者进行分选效果的综合分析以及分选算法的综合评估。平台操作向导主要提供平台操作的流程说明，保证操作平台中各模块功能的正确运行，便于使用者对平台的操作。

2.4平台显示界面

半实物仿真分析平台利用组件模块的设计思路，将整个主界面划分为雷达信号产生、半实物仿真数据加载、特征参数提取、信号分选、平台使用向导、按键区这六个组件模块。运行半实物仿真分析平台软件，其登陆界面如图6所示。选择“开始”键可进入主界面，主界面设计如图7所示，选择“关闭”键可退出平台。对于半实物仿真数据的加载采用子界面的方式，点击主界面的“数据加载”功能键，即可弹出如图8所示的数据加载界面，该界面主要由加载路径、脉冲个数统计、脉冲参数分布情况、完整数据预览、绘制波形图、绘制频谱图、绘制相频特性图、删除、保存、确定功能键组成，输入载入路径再点击“确定”键，即可实现半实物仿真数据的加载。通过界面的部分功能键可初步分析加载数据的脉冲个数、脉冲调制类型等信息。若需删除数据，可点击“删除”键进行操作。加载后的数据只暂存于软件中，须通过“保存”键对数据进行存储。

图6　登陆界面

图7　平台主界面

图8　数据加载界面

3半实物仿真数据分析

3.1特征参数提取效果分析

图9　数据加载设置图

图10　特征参数提取效果图

对图9加载的采集信号进行相参特征参数提取，其效果与文献[12]模拟数据的特征参数提取效果基本相同。从图10中可直观地区分出这些脉冲信号来自三个信号源，中频值为25 MHz和30 MHz的脉冲信号以及中频值为35 MHz的一部分脉冲信号相参特征参数聚为一类，即来自同一个信号源，中频值为28 MHz和33 MHz的脉冲信号相参特征参数聚为一类，即来自同一个信号源，中频值为35 MHz 的另一部分脉冲信号相参特征参数单独聚为一类，即来自单一信号源。由于采集的信号在传输过程中会受到器件的影响，接口之间的匹配问题也会使得采集的信号相位引入冗余信息，导致特征参数分布存在局部混乱现象，即错误分布情况。

此外，从图10中还可以看出，提取的信号频谱主峰图中心矩特征参数的聚集性优于信号时频域能量分布特征参数。但频域相参特征提取算法采用图像处理技术，其算法的运算量较大，而时频域相参特征提取算法利用矩阵二值化处理方法，其算法的运算量较小。因此，在特征提取效果和算法运算量上，两种特征提取算法各有利弊。

综合上述的分析可知，利用频域和时频域相参特征提取算法，可以有效提取采集信号的频域和时频域相参特征参数，验证了文献[12]提出的频域和时频域相参特征提取算法是有效可行的。

3.2基于相参特征参数的分选效果分析

为验证文献[12]研究的分选方法的有效性，设计两组分选实验，一组利用基于频域和时频域相参特征的分选准则进行采集信号分选，另一组将提取的频域和时频域相参特征参数输入分类器中，实现采集信号快速、准确的分选。

分选实验一：利用基于频域和时频域相参特征的分选准则对采集信号进行分选，分别记为方法一和方法二，在分选模块点击“基于频域相参特征的分选准则”和“基于时频域相参特征的分选准则”功能键，可得到如表1所示的分选结果。记中频值为25 MHz和30 MHz的脉冲信号以及中频值为35 MHz 中的一部分脉冲信号来自信号源A，中频值为35 MHz中的另一部分脉冲信号来自信号源B，中频值为28 MHz和33 MHz的脉冲信号来自信号源C。

表1　分选结果(%)

从表1中可看出，方法一的分选准确率要高于方法二，且方法一和方法二的分选准确率均大于等于90%，具有较高的分选准确率，这一结果验证了文献[12]提出的基于频域和时频域相参特征的分选准则是可行的。

分选实验二：利用分类器对采集信号进行分选，首先在分选模块“分类器选择”菜单中选取SVM分类器，然后依次在“特征参数选择”菜单中选取频谱主峰图中心矩特征和时频域能量分布特征，并点击“分选”功能键，可得到分选效果如图11所示。

图11　利用SVM的分选效果图

从图11中可看出，将提取的频域和时频域相参特征参数输入SVM分类器中，可得到直观的分选效果图，且可以清晰地看到错分现象。不同的特征参数输入SVM分类器中可得到不同的分选效果，利用频谱主峰图中心矩特征的分选效果要好于利用时频域能量分布特征的分选效果，通过分选效果图的比较，可实现对信号分选特征参数的选取，为今后分选特征参数的规范提供参考。

对于分选实验二，也可以在“分类器选择”菜单中选取不同的分类器如BP、Kohonen和RBF神经网络，得到的分选结果如表2所示。

表2　利用不同分类器的信号分选准确率(%)

注：参数一为频谱主峰图中心矩特征；参数二为时频域能量分布特征。

从表2中的对比结果可以看出，利用不同的分类器可得到不同的分选效果，SVM的分选准确率高于BP神经网络、Kohonen神经网络和RBF神经网络的分选准确率，这说明SVM分类器具有较好的稳定性和推广能力，这一结果与文献[15]得到的结论相一致。因此，将SVM分类器应用于信号分选比神经网络更具优势。

综合以上两组实验可知，基于频谱主峰图中心矩特征和时频域能量分布特征的分选方法，可实现采集信号高效准确的分选，验证了文献[12]研究的分选方法是有效可行的。

4结语

本文设计了半实物仿真分析平台，该平台具有可视性强、开放灵活、操作方便、移植性好、数据传递率高等优点，基于该平台加载了半实物仿真数据，利用加载的半实物仿真数据验证了文献[12]研究的算法是有效的。此外，新的特征提取算法和信号分选算法可以直接融合到该平台中，以提高算法的管理效率，增强可视化效果，也能够为雷达信号分选技术的工程应用提供借鉴，具有较强的理论意义和较高的应用价值。

参考文献：

[1]许学. 复杂体制雷达辐射源信号特征分析[D]. 成都: 西南交通大学, 2011.

[2]陈昌孝. 基于多传感器的雷达辐射源信号识别关键技术研究[D]. 武汉: 空军预警学院, 2014.

[3]王雪松， 肖顺平， 冯德军， 等. 现代雷达电子战系统建模与仿真[M]. 北京: 电子工业出版社, 2010.

[4]韩俊. 复杂雷达信号的特征挖掘与评估[D]. 武汉: 空军雷达学院, 2011.

[5]Zhang G. X., Jin W. D.,H. L. Z. Radar emitter signal recognition based on complexity feature[J]. 西南交通大学学报. 2004,12(2):116-122.

[6]Zhang G. X., Jin W. D.,H. L. Z. Radar emitter signal recognition based on resemblance coefficient features.

2004: 665-670.

[7]Guo Lirong, He Minghao, Yu Chunlai, Wang Bingqie. A New Time Domain Coherent Method of Radar Emitter Sorting[C]. Electronic Engineering and Information Science, ICEEIS 2014, 2014, 981: 386-391.

[8]郭利荣, 何明浩, 郁春来, 王冰切. 基于频谱图像中心矩特征的雷达信号分选方法[J]. 探测与控制学报, 2015, 37(2):77-81.

[9]韩俊， 何明浩， 徐庆， 等. 基于GUI的雷达脉冲序列分选仿真软件平台[J]. 现代电子技术, 2006,29(22):49-50.

[10]马晓东， 沈军， 司伟建. 基于MATLAB图形用户界面的信号分选仿真系统[J]. 应用科技, 2007,34(12):17-20.

[11]印金国. Matlab可视化界面设计与控件使用[J]. 电脑编程技巧与维护, 2007(1):30-35.

[12]郭利荣. 利用雷达信号相参特征的分选方法研究[D]. 武汉: 空军预警学院, 2015.

[13]郭利荣, 何明浩, 郁春来, 王冰切. 基于时频矩阵二值化的雷达信号分选[J]. 中国电子科学研究院学报, 2014, 9(5): 486-491.

[14]郭利荣, 何明浩, 郁春来, 王冰切. 基于多域参数的频率捷变雷达信号分选新方法[J]. 现代防御技术, 2015, 43(5):178-183.

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

贾思平(1983—)，男，甘肃庄浪人，工程师，主要研究方向为电子对抗信息处理；

E-mail：guolirongs@163.com

曾俊(1982—)，男，湖北荆门人，工程师，主要研究方向为电子对抗信息处理；

郭利荣(1988—)男，福建建瓯人，助理工程师，主要研究方向为电子对抗信息处理研究。

Designing Implementation of Signal Sorting Semi-physical Simulation Analysis Platform

JIA Si-ping, ZENG Jun, GUO Li-rong

(No. 93993 Unit of PLA, Lanzhou 730102)

Abstract:In order to solve the problem that the signal sorting theory is seldom applied to practice. Designing implementation of signal sorting semi-physical simulation analysis platform is based on Matlab graphics. The designed platform can intuitively display the result of signal sorting by simulating the producing of signal or loading data, calculating characteristic parameters and sorting signal. And the platform can simulate the signal sorting process in hardware realization. The platform can be used to effectively study the interleaving procedure of radar emitter signal and obtain the sorting effect of various sorting algorithms at meantime. It will provide a platform for researches for signal sorting and signal processing technologies.

Key words:Matlab; Graphical Design; Semi-physical Simulation Analysis Platform

作者简介

中图分类号：TN971

文献标识码：A

文章编号：1673-5692(2016)01-059-07

收稿日期：2015-11-30

修订日期：2016-01-09

doi:10.3969/j.issn.1673-5692.2016.01.012