基于脉内特征的辅助分选技术研究

陈 超，杨国彬，王 宇

(中国电子科技集团公司第51研究所，上海 201802)

基于脉内特征的辅助分选技术研究

陈 超，杨国彬，王 宇

(中国电子科技集团公司第51研究所，上海 201802)

提出了一种基于现场可编程门阵列(FPGA)的脉内特征实时提取技术，利用时频分析方法实现对现有常见的脉内调制类型(简单脉冲、二相编码、四相编码、线性调频、频率编码)进行实时的检测及识别，并将脉内调制特征与传统的脉冲描述字结合构成扩展脉冲描述字；然后，利用聚类方法建立多维特征参数分选模型进行信号分选，由于充分利用脉内信息进行脉冲信号分选，进一步提高了信号分选的处理速度和分选准确率，并通过内场测试证明了方法的有效性。

时频分析；脉内调制；检测；聚类；分选

0 引 言

随着雷达技术的不断发展，雷达在现代战争中的应用越来越多，电磁信号也越来越密集，电磁威胁环境的信号密度己高达百万量级。同时，随着电子和雷达技术的发展，新体制雷达发展迅速并逐渐占居主导地位。新体制雷达中常规脉冲雷达信号比例已减少，线性调频、非线性调频、相位编码等雷达信号逐渐增多。这就对雷达信号的分选和识别提出了更高的要求，需要对雷达信号的脉内调制特征进行分析。脉内调制特征[1-3]作为分选参数是近年来雷达对抗技术的发展趋势。但是，由于目前脉内特征提取算法运算量大，处理速度慢所限制，脉内特征参数和常规参数结合用于信号分选和辐射源识别还没有展开实质性的研究，脉内特征信息还没有被充分利用。本技术正是基于目前的研究现状,展开对基于硬件实现实时的脉内特征提取技术，实现对现有常见的脉内调制类型(简单脉冲、二相编码、四相编码、线性调频、频率编码及非线性调频)进行实时检测及识别，并把识别的脉内调制类型结果和常规脉冲描述字(PDW)进行合并，构成扩展脉冲描述字，用于雷达信号的分选处理，并通过内场测试证明了该方法的有效性。

1 基于FPGA的脉内调制类型实时提取

1.1 时频分析原理

傅里叶变换是为了观察信号的频谱而进行的变换，但是要通过傅里叶变换获得一个模拟信号的谱特征，必须得到在时域中信号的所有信息，甚至包括未来的信息。这给实际应用带来了比较大的困难，而且信号一经傅里叶变换就等于失去了时间，给出的只有频谱信息，即不能作时频分析。为了克服傅里叶变换的这个不足，D.Gabor在其论文中，为了提取傅里叶变换的局部信息，引入了1个时间局部化“窗函数”g(t-b)，其中b参数用于平移动窗，这样就能覆盖整个时域。这就是所谓的“短时傅里叶变换(STFT)”，从短时傅里叶变换的表达式可以看出，在t时刻的STFT就是信号x(τ)与1个移动的以t为中心的“分析窗”g(τ-t)相乘以后的傅里叶变换，由于与相对短的函数g(τ-t)相乘就能有效抑制掉分析时刻τ=t通道以外的信号，这样STFT(t,ω)就是信号x(τ)在分析时刻τ=t附近简单的局部谱。此种变换是集时间表示与频率表示于一身的分解，这是时频分析方法之一。本文就是基于这种时频分析[4-6]方法对雷达信号进行检测并对脉内调制特征进行识别的。

1.2 脉内调制类型提取步骤

识别脉内调制类型的主要流程是：首先对输入信号进行预处理，然后对预处理的信号进行检测，如果检测到信号，则进行信号参数测量及脉内调制特征识别;如果没有检测到可分析的脉冲，则分析结束，准备分析下一包数据。处理的流程框图如图1所示。现场可编程门阵列(FPGA)程序的总体功能：接收AD输入的中频信号，进行信号检测，完成对接收信号频率、脉宽、幅度和到达时间等参数的测量，同时对信号进行脉内分析，判断信号是简单脉冲、相位编码、线性调频还是频率编码等类型，将形成的脉冲描述字与后面的脉内特征提取模块提取的脉内调制特征(IPMC)相结合构成扩展脉冲描述字(KPDW)，再将KPDW输入到分选模块进行分选处理。FPGA工程的顶层模块组成如图2所示。

图1 FPGA脉内特征提取技术流程框图

信号脉冲描述字检测[7]模块对信号进行检测时的主要步骤：首先，检测模块对输入的中频信号进行混频、滤波等下变频处理，将信号变成I、Q正交2路；然后，信号经过cordic模块，得到2路输出，一路是信号的幅度，一路是信号的相位；对检测到的信号进行脉冲到达时间与结束时间测量(脉宽)及信号功率的测量(脉幅)；再通过计算信号相位得到信号的射频(RF);最后，得到常规的脉冲描述字(PDW)。处理流程图如图2所示。

图2 PDW检测流程图

基于FPGA的脉内特征提取模块对前端采集的中频数据采用流水线并行方式进行处理，特征提取流程框图如图 4所示，对输入数据进行多通道并行的流水线方式进行处理，短时傅里叶变换的每个窗口长度选择512点，FPGA时钟是137.5 MHz，图中每通道显示出3个窗口的傅里叶变换结果。在进行滑窗傅里叶变换的同时，对已给出傅里叶变换结果的窗口进行时频曲线分析，根据时频特征判断识别出脉内调制类型及调制参数，即在整个脉宽数据滑窗结束前，就可以给出脉内特征分析结果，这样，在脉冲结束延迟系统响应时间后就得到含有脉内特征的脉冲描述字的结果输出，系统响应时间是每个窗口进行傅里叶变换的时间。

图3 脉内调制特征提取流程框图

利用任意波形发生器产生具有脉内调制的脉冲信号进行测试分析，分别产生了频率编码、线性调频、二相编码及四相编码调制脉冲信号，注入到系统中，利用开发的FPGA程序进行分析，分析结果如图4～图7所示。

图4 频率编码信号FPGA分析结果

图5 线性调频信号FPGA分析结果

图7 四相编码信号FPGA分析结果

2 多维特征参数分选模型建立

本文将提取的传统PDW和脉内调制特征结合构成扩展PDW,然后采用聚类的方法建立一种多维特征参数(扩展PDW)分选模型，聚类分选算法是雷达信号分选的重要方法之一，属于一种无监督的学习方法。

该方法按照一定的相似性度量方法以及一定的评价准则将数据集中的样本进行归并和分类，这样更加容易找到数据集中的内在组织结构，从而能够更好地分析各样本数据的关系。对于无源侦察而言，一般情况接收到的脉冲流因缺少先验知识无法预先知道空间辐射源信号的类型与数目，所以属于典型无监督分类问题。

从聚类角度进行辐射源信号分选，可以将每个辐射源信号源作为一个信号类，每个脉冲就是相应辐射源的一次观测样本，每个脉冲的脉冲参数描述个数就是特征维数。只要所选取的特征参数具有比较强的类内聚集性及类间分离性，在理论上就可以达到比较不错的分选效果。

为判断一个雷达辐射源脉冲信号是否属于某一个辐射源，可以用脉冲信号的多个参数进行加权欧几里德距离来表征雷达辐射源脉冲信号参数之间的几何距离:

(1)

式中:x为辐射源脉冲信号参数的测量值向量;ω为辐射源信号参数的中心值向量;W为雷达辐射源信号参数的加权矩阵;中心值向量ω为已聚类脉冲参数测量值向量的算术平均值。

(2)

式中:m为己聚类脉冲序列的脉冲个数。

脉冲参数之间几何距离表示为归一化的几何距离：

(3)

式中：N为参与计算相似性度量值的信号脉冲参数个数；W为反映各参数重要程度的权系数。

如果几何距离越小表示脉冲信号参数之间的相似程度越高，如果几何距离小于某一门限值，则该脉冲参数属于同一雷达辐射源。如果几何距离大于某一门限值，则该脉冲参数属于1个新的雷达辐射源。

该分选模型的具体步骤如下:先取1个脉冲某一项脉内的调制特征向量V，如果有己聚类的脉冲序列，则取出其参数中心值xoi和容差范围Δxmi。计算该脉冲的每一个参数同己聚类脉冲参数的误差Δi=xi-xoi，只要{Δi}中任意一个值大于给定的容差范围，该脉冲就不属于己聚类的脉冲序列，只有{Δi}≤{Δxmi}，才能按照上述公式计算脉冲参数之间的几何距离L。如果L小于给定的距离门限，则表示聚类成功，如果某个脉冲的参数与多个脉冲序列的参数之间的几何距离小于门限，则应当取距离L值最小的脉冲系列作为聚类结果。按式(4)重新计算聚类结果脉冲参数中心值:

(4)

式中:m为己聚类脉冲序列的脉冲个数，已聚类脉冲个数越多，在计算脉冲参数的中心值时权重就越大。

如果这个脉冲不属于所有己经聚类的脉冲序列，则这个脉冲作为一个新的聚类脉冲序列。其脉冲参数中心值xoi=xi，容差范围是Δxmi，可以根据需要先设一个经验值，比如Δxmi=xoi×100%。

3 内场测试验证及分析

为了验证上述方法的有效性，本文借助课题的硬件平台进行了内场测试，系统测试框图如图8所示；将任意波形发生器产生的多种信号(信号产生参数如表1所示)注入到系统中，既可以实时观测到侦收信号的脉内识别情况，又可以查看实时分选的结果。

对于现代复杂体制雷达来说,常规的脉冲描述字不但灵活多变，而且存在较大程度的交叠。这时仅通过脉间的五大参数已无法达到满意的信号分选效果，可通过补充脉内信息降低其交叠概率。在表格描述的信号环境中，信号分选遵循多维参数聚类的原则，首先从空域上分选，信号被划分成3组，第1组为R1,R2,R3,R4,R5，第2组为R6,R7，第3组为R8,R9,R10。第2组R6,R7通过频域维的参数可达到信号分离的目的。R8,R9,R10这一组通过频域维的参数可先分离出R8信号，R9,R10通过脉宽可分离。第1组的信号RF-PW特征空间分布较为复杂，辐射源之间交叠严重，这时通过脉内特征参数可最终分离出每个信号。如R2和R5两部雷达频率和脉宽参数相似，重周都是参差类型，并且R5重周参数覆盖R2参数，但是，二者脉内信息参数不同，因此，如果没有脉内信息，则分选软件将两部雷达信号分选为同一批信号，这样就漏分选1批信号，如图9所示；如果加入脉内信息，则可以正确地分选出2批信号，如图10所示。R3和R8在没有方向信息情况下分选和R2和R5情况类似，加入脉内信息可以正确分选出2批信号，否则，只能错误地分选为1批信号，分选结果如图11、图12所示。

图8 系统测试框图

雷达编号DOA(°)RF(MHz)PW(μs)PRI(μs)脉内类型R140300015固定750重频抖动，抖动量20%LFMR2413000～3300三脉冲调频10～20捷变557/613/671三参差LFMR34252950～3350三脉冲捷变16固定780重频抖动，抖动量20%QPSKR44352900～3100，脉组捷变10固定250～450重频滑变LFMR5443250～3550单脉冲捷变20～32捷变960/1050/1160/1290NFLMR6609000、固定51600BPSKR76110000～10500单脉冲捷变15460BPSKR889330016570重频抖动，抖动量15%NFLMR9902410403509/3383/3636/3888CONR10912412191488/1532/1576/1621/1665/1709六参差FSK备注：LFM：线性调频，FSK：频率编码，BPSK：二相编码，QPSK：四相编码，CON：简单脉冲

图9 R2/R5脉内类型相同分选结果(漏分选1批)

图10 R2/R5脉内类型不同时分选结果(分选2批)

图11 R3/R8脉内类型相同分选结果(漏分选1批)

图12 R3/R8脉内类型不同分选结果(分选出2批)

因此，基于脉内信息的脉冲配对及辅助信号分选，缓解了因脉间的参数交叠引起分选的复杂度，并且大大提高了雷达信号分选的准确率。

4 结束语

本文根据时频分析理论开发出了基于FPGA的脉内调制类型实时识别处理的算法。通过对脉冲信号脉内调制类型的识别，结合常规的脉冲参数检测，形成含有脉内调制类型信息的扩展脉冲描述字，最后，利用聚类方法建立多维特征参数分选模型进行信号分选，大大提高了雷达信号分选的速度及准确率，并很好地改善了信号分选的漏分选现象。因此，本文的研究对未来进行新体制及复杂电磁环境下的信号分选具有非常重大的意义。

[1] 黄知涛，周一宇，姜文利.基于相对无模糊相位重构的自动脉内调制特性分析[J].通信学报，2003,24(4)：30-33.

[2] 毕大平，董晖，姜秋喜.基于瞬时频率的脉内调制识别技术[J].电子对抗技术，2003,20(2):6-10.

[3] 那云諕，司锡才[J].二相编码信号调制分析与识别.系统工程与电子技术，2004,26(3):298-332.

[4] 刘庆云,李志舜.确定性时变信号的分析与处理方法研究[D].西安：西北工业大学，2004.

[5] 张贤达.非平稳信号分析于处理[M].北京：国防工业出版社，1998.

[6] 科恩.时-频分析：理论与应用[M].西安：西安交通大学出版，1998.

[7]VANTREESHL.Detection,Estimation,andModulationTheory[M].北京：电子工业出版，2003.

Study of Auxiliary Sorting Technology Based on In-pulse Characteristics

CHEN Chao，YANG Guo-bin，WANG yu

(51st Research Institute of CETC,Shanghai 201802，China)

This paper presents a real time extracting technology of in-pulse characteristics based on field-programmable gate array (FPGA),uses time-frequency analysis method to perform real time detection and recognition to existing common in-pulse modulation types (conventinal pulse,binary phase shift keying,quadrature phase shift keying,linear frequency modulation,frequency shift keying),and combines in-pulse modulation characteristics with traditional pulse description word (PDW) to constitute extended PDW (EPDW),then uses the clustering method to set up the multi-dimensional parameter sorting model for signal sorting.Due to the full use of the in-pulse information for pulse signal,the processing speed of signal sorting and sorting accuracy are further improved,and the validity of the method is proved by field test.

time-frequency analysis;in-pulse modulation;detection;clustering;sorting

2016-05-27

TN971

A

CN32-1413(2016)06-0094-06

10.16426/j.cnki.jcdzdk.2016.06.020