基于脉冲数据流的雷达辐射源个体识别方法及实现

严 勇，刘瑞丰，王海剑

(解放军91650部队，广东 广州 510320)

0 引 言

现代雷达为达到抗干扰、低截获等效果往往采用复杂体制。复杂体制的一个重要表现就是雷达各种参数的变化多，变化快。例如采用捷变模式的复杂雷达，频率的捷变使雷达载频范围和带宽扩大，可抗瞄准式干扰和提高雷达目标检测能力。复杂体制雷达导致脉冲序列变化多，数据量大，简单的参数比对和记录不能完全表征雷达参数的特征。文献[1]提出基于多脉冲的雷达个体识别技术，主要是基于频率稳定度，以及脉冲重复间隔稳定度进行个体识别，但都是基于单个脉冲参数，无法体现多个脉冲参数的特点。文献[2]采用统计的方法，总结脉冲间的规律，来体现雷达个体的差异，但是不能对脉冲序列进行描述。基于脉冲数据流的方法可根据脉冲数据流的特征描述雷达个体差异，实现对雷达辐射源的个体识别。

1 基于脉冲数据流的个体识别方法原理

1.1 脉冲数据流的定义

脉冲数据流是指雷达根据其变化的全脉冲参数值，构成的一系列不同参数值的数据集合。根据脉冲雷达常规参数的数量，可得到雷达参数种类集合：Zm={A1,A2,A3,…,Am}，m为雷达脉冲参数个数。雷达其中一个脉冲参数值的集合可表示为ALn={AL1,AL2,AL3,…,ALn}，为雷达脉冲参数AL的值脉冲储备序列，其中n为参数AL的脉冲序列个数。雷达脉冲参数一般包含载频、重复间隔、脉宽、幅度等参数。载频集合A1i={A11,A12,A13,…,A1i}，为雷达脉冲参数A1载频值的储备序列，其中i为载频值的序列个数。重复间隔集合A2j={A21,A2,A23,…,A2j}，为雷达脉冲参数A2重复间隔值的储备序列，其中j为重复间隔值的序列个数。脉宽集合A3k={A31,A32,A33,…,A3k}，为雷达脉冲参数A3脉宽值的储备序列，其中k为脉宽值的序列个数。假设发射脉冲序列选取L个脉冲参数种类，则发射脉冲数据流可表示为集合BM={B1,B2,B3,…,BL}，其中B1∈A1i，B2∈A2j，…，BL∈ALn。发射的脉冲数据流BM的序列总数量最大值M为所有脉冲参数个数的乘积，即M=i×j×k×…×n。

1.2 脉冲数据流的特性

脉冲数据流由多个脉冲特征参数综合决定，具有数量的有限性、序列的差异性以及个体特征性。

脉冲数据流的有限性由每一个脉冲参数的数量有限性决定。对于捷变频雷达，其载频值的变化数量由雷达捷变值的大小决定。脉冲参数值的变化范围由设备自身设计时决定，在一定范围内变化。

脉冲数据流的差异性体现在同型雷达脉冲序列的组合不同、不同型雷达脉冲参数值的不同2个方面。同型号雷达，脉冲参数的值可能相同，但脉冲序列组合方式不同，序列构成就不同。不同型雷达一般在参数上有较大差异，能直接区分。

脉冲数据流的个体特征性是指同型雷达不同个体，使用的脉冲序列不同，即脉冲在相同参数变化范围内，使用的脉冲序列组合不同，体现出个体的差异。

1.3 脉冲数据流具备个体识别的条件

一是雷达脉冲参数具有可变性且参数值准确度高。频率捷变雷达具有类似特征，频率值变化范围从几十兆到上百兆，频率可选择点数多。对于采用脉内调制的脉冲，当调制带宽较大时，频率值一般取中心值，由于接收设备存在各种误差可导致中心频率测不准[3]，不建议该类型参数进行脉冲数据流个体识别。一般要求脉内调制带宽小，得到的频率精度和准确度较高，脉冲参数比对的意义才较大。

二是不同脉冲参数需要组合，构成多种脉冲序列。雷达参数一般是指载频、重复间隔、脉宽等，可组合的参数序列组合样式由载频值数量、重复间隔值数量和脉宽值数量决定。多种参数组合变化可以构成脉冲序列的多样性，确保脉冲序列重复率低，可选择性多。

三是不同个体有差异。不同雷达个体的载频、重复间隔等参数的取值范围不同，具体取值方式不同，得到的脉冲序列流组合就不同，形成的个体特征库就不同，才能够通过特征库的匹配得到近似的雷达个体。

1.4 基于脉冲数据流的匹配识别方法

匹配识别方法是通过积累雷达个体脉冲序列组合，构建个体识别特征库，对实验个体脉冲数据流数据与个体识别特征库进行脉冲流匹配，得到整个脉冲数据流的匹配度，从而得到最近似的雷达个体匹配结果。

2 基于脉冲数据流的个体识别流程

2.1 确定特征脉冲参数

不同型号雷达特征脉冲参数的选择不同，如频率捷变雷达，重复间隔也采用捷变，而脉宽为固定，则可选择频率和重复间隔作为特征脉冲参数。一般要求2个及以上特征参数，组合构成脉冲序列流类型和数量较多，实际使用的选择性较大。如下列雷达载频值捷变有8个范围段，可取值较多，重复间隔取值有5段，取值多，频率与重复间隔可组合性强，脉冲参数序列多样。

2.2 建立雷达个体脉冲序列特征库

建立脉冲序列特征库需要大量数据样本，对样本数据进行分析统计，得到所有脉冲序列组合。不同雷达选择的脉冲特征参数不一样，得到的参数特征库内容不同。

2.3 建立雷达个体脉冲序列图谱

雷达脉冲序列图谱就是脉冲序列的多维展示，以采用频率和重复间隔2个脉冲参数的二维脉冲序列为例，构建的脉冲数据图谱为频率和重复间隔二维图。不同型号雷达特征图谱参数使用不同，不具有可比性；同型号雷达不同雷达个体脉冲数据图谱使用相同特征参数，但具体脉冲流数据不同，具有差异性，是能进行个体识别的典型特征。

2.4 脉冲数据流快速个体识别

把样本数据逐一与雷达特征序列库数据进行查找匹配，得到每组脉冲数据是否存在匹配，最后汇总所有脉冲数据，得到脉冲数据流与库的匹配率，根据匹配结果选择匹配率最高的雷达个体作为个体识别结果。根据不同个体特征库的差异，可设置不同的匹配率作为最后是否匹配个体的结果。快速识别方法，能在实时获取采集样本的情况下，对样本数据与多个特征库数据进行比对，得到多个匹配结果，选择匹配度最高的作为匹配结果。图1为基于脉冲数据流的匹配识别方法原理图。图2、图3为某型雷达频率统计图和重复间隔统计图。

图1 基于脉冲数据流的匹配识别方法原理图

图2 某型雷达频率统计图

图3 某型雷达重复间隔统计图

3 基于脉冲数据流的个体识别实现

3.1 数据预处理

脉冲数据流方法对脉冲数据的准确度要求高。由于不同装备采集数据的规范和方法不一样，导致设备参数出现部分差异，需要将入库数据与测试数据进行预处理。

一是要确定数据的真实性。入库数据一般是确定的雷达个体目标数据，判情要准确无误。参数的采集方法要适当，得到的参数数据要准确稳定。测试数据一般为未知个体，数据不能进行人为修改，确保匹配结果的准确性。

二是剔除错误数据。在设备采集数据过程中，会因为设备采集条件以及雷达个体位置距离等外界条件影响设备采集数据的准确性。需要对明显错误的数据以及信噪比差导致脉冲测不准等引起的参数测量错误数据进行清除操作。

三是调整参数精度。雷达脉冲参数中频率测量的精度一般由设备自身接收机决定，在正常信噪比情况下的精度一般比较高，雷达脉冲重复间隔参数一般由设备通过到达时间差计算得到，主要由设备时钟与脉冲到达时接收机状态决定。侦察设备在实际工作中可能由于信噪比、相对位移、相对速度等因素导致设备测得的参数不准，需要结合参数实际确定参数精度。

3.2 程序实现

程序通过VS2013软件环境，实现对雷达参数原始数据的入库统计，建立雷达个体特征库。通过MATAB画图程序实现对特征数据库的画图，直观查看特征数据库的分布情况。

通过对样本数据逐一匹配，统计得到所有样本数据的总体匹配率，实现对样本数据的多个匹配结果输出。通过3部同型号雷达参数数据建库，得到表1所示不同数据匹配比对结果。

4 该辐射源个体识别方法特点及存在问题

图4 雷达特征库数据分布

采用脉冲数据流的个体识别方法，能够快速直观地得到样本数据和已知雷达个体的匹配度，以及样本数据的个体识别结果，具有方法简单、特征效果直观、识别准确度高的特点。但是其也存在一些问题：一是建库需要大量样本数据。由于脉冲数据多，需要针对每个个体收集大量个体雷达脉冲数据，统计得到完整的个体特征数据库。个体特征数据库越全，个体识别成功率越高。二是该方法限制条件多，适用面受限。该方法对脉冲参数的限制条件要求多，参数要求具有捷变等特性，部分雷达不适用。

表1 3部同型号雷达参数数据匹配比对结果

5 结束语

现今对雷达个体的识别方法虽然有很多，但是每种方法都具有不同的适用性。本文针对脉冲数据流的方法以及其他关于脉冲内部指纹信息[4]等方法达到的效果都比较有限。新体制雷达的不断发展进步，雷达脉冲序列组合以及脉冲内部调制等方式日趋复杂，但脉冲内部指纹信息差异性逐渐缩小，趋于固化，需要结合雷达具体型号、样式、工作模式进行不同的方法区分，也导致雷达辐射源个体识别方法的受限性越来越大。