雷达脉内信号识别与参数测量实验设计

肖易寒， 王博煜， 曹宗恒， 张 瑞， 杨志钢

（哈尔滨工程大学信息与通信工程学院，哈尔滨 150006）

0 引 言

近年来随着深度学习的不断发展，信号识别技术取得了日新月异的进步，广泛使用于雷达、通信、声呐等领域［1］。目前高校在信息与通信工程类学科中广泛开设有图像识别、人工智能等相关专业。设计一套智能信号识别平台有利于提高该类专业学生的实践以及创新能力，加深对人工智能、信号处理技术的理解，培养符合国防背景要求的专业人才［2］。

雷达脉内信号有意调制是根据雷达类型和用途等因素对雷达信号波形进行调制（例如可以利用回波脉内线性调频（Linear Frequency Modulation，LFM）信号测量目标物体与雷达之间的距离以及速度信息）［3］。脉内有意调制识别根据接收到的回波信号分析该信号的调制方式，在现代战场环境下具有非常重要的意义。

雷达脉内信号无意调制是由不同雷达发射机内部元器件的非理想性导致发射相同调制信号时所产生的细微差异［4-5］。这种差异类似于“指纹”特征，无法避免。脉内无意调制识别是根据接收到的回波信号分析出发射该信号的辐射源个体信息。

本实验采用Python 语言控制软件无线电平台ADALM-PLUTO发射雷达脉冲信号，采用通用软件无线电外设（Universal Software Radio Peripheral，USRP）接收雷达脉冲信号，利用AlexNet 网络进行有意调制识别，利用ResNet网络进行无意调制识别。根据有意调制识别结果执行对应的参数测量算法进行脉内信号的参数测量。

实验过程如图1 所示，大致可分为

图1 雷达脉内信号识别与参数测量实验框图

（1）脉冲信号发射单元。通过Python 语言控制不同的软件无线电平台（ADALM-PLUTO）发射不同调制类型的雷达脉冲信号［6］，信号数据通过USB 接口由PC机传输至ADALM-PLUTO的天线进行发送。

（2）脉冲信号接收单元。采用USRP作为信号接收机［7-8］，使用LabView设计的界面控制其接收天线接收ADALM-PLUTO发射的信号。

（3）脉内信号识别与参数测量单元。从USRP接收的脉冲信号中提取出脉内信号。对脉内信号进行无意特征提取，利用希尔伯特变换得到其瞬时相位特征，送入ResNet 网络进行无意调制识别。再次对脉内信号进行时频特征提取，获得其时频图像，送入AlexNet网络进行有意调制识别。根据识别结果执行对应的参数测量算法测量其带宽、中心频率等参数信息。

（4）结果显示单元。利用PyQt5.11.2 工具设计一个GUI界面［9-11］，将过程（3）中的脉内信号识别结果、参数测量结果以及脉内信号的时域波形、频域波形、有意特征和无意特征进行显示。

1 实验要求

该实验主要用于信息与通信工程专业信号处理方向本科生及研究生实验教学，该专业学生可通过对实验平台的设计与应用了解掌握雷达脉冲信号的产生与发射，脉冲信号的接收，脉内信号的识别与参数测量。学生需要掌握：

（1）雷达脉冲信号产生的基本知识，基于Python语言控制ADALM-PLUTO进行雷达脉冲信号的产生与发送。

（2）设计基于LabVIEW2018 控制USRP 进行雷达脉冲信号接收的界面。

（3）雷达脉内信号的带宽以及中心频率等参数测量算法。

（4）雷达脉内信号的有意、无意特征的提取算法。

（5）深度学习的基本知识以及Pytorch 框架的使用，根据网络结构自行搭建出深度神经网络用于雷达脉内信号识别。

（6）GUI界面设计，基于PyQt5.11.2 工具的界面设计，用于显示脉内信号识别与参数测量结果。

2 实验方案设计

该实验主要分为：脉冲信号发射、脉冲信号接收、脉内有意调制识别、脉内无意调制识别、脉内信号参数测量和上位机界面设计实验。

2.1 脉冲信号发射

该实验主要完成利用Python 语言控制ADALMPLUTO发射指定调制类型［LFM、非线性调频（Non-Linear Frequency Modulation，NLFM）、二相编码（Binary Phase Shift Keying，BPSK）、四相编码（Quadrature Phase Shift Keying，QPSK）］的雷达脉冲信号，实验采用的信号参数见表1。

表1 脉内信号有意调制参数设置表

将上述功能汇总到GUI界面。如图2 所示，界面主要由3 部分组成：

图2 雷达脉冲信号发射界面

（1）通过在对应编辑框内填写信号对应的参数，可以完成对发射信号参数的设置。

（2）通过填写Pluto发射端中心频率、基带抽样频率以及增益的参数值，可完成对Pluto 发射端参数的设置。

（3）设置发射信号的调制类型（LFM、NLFM、BPSK或QPSK），根据表1 填写信号参数值。点击“开始”按钮即可根据设置的信号参数以及调制类信号，通过Pluto发射天线源源不断地向外界发射信号，并在右下角实时显示发射信号的时域波形。

2.2 脉冲信号接收

信号由Pluto天线发射，需使用USRP的接收天线进行接收，通过LabVIEW设计的信号接收端界面如图3 所示。

图3 USRP显示界面设计

USRP显示界面按照功能可划分为：USRP 接收参数设置和工作状态显示区域；信号采集参数设置区域以及接收信号时、频域显示区域。信号采集可设置单次采集文件最大个数和文件保存路径，并实时显示当前保存文件位置和名称。可通过指示灯亮起提示当前单次采集已完成，并自动开启下一次的采集工作，以此对数据文件进行不断更替，实现连续处理。

2.3 脉内信号有意调制识别

脉内信号有意调制识别实验框图如图4 所示，包括信号检测、信号预处理和有意调制识别等单元，实验所需信号的参数见表1。

图4 脉内信号有意调制识别框图

操作步骤如下：

步骤1读取USRP采集的脉冲信号文本文件，得到接收信号的脉冲波形数据。

要想取得这样的成绩，需要付出大量的时间精力，而同时Arneis还要兼顾2场侍酒师比赛，3个专业考试，并到5个国家产区进行考察学习，这样的强度是可想而知的。在这样的情况下，Arneis只能尽量挤出时间来学习。“我们一般是下午一两点去公司上班，早一点的话晚上11点半左右下班，晚一点凌晨1点下班。早上早起看书，例如早上八九点，看书到上班，有些活动不可避免要推掉，很难兼顾那么多东西。”如今，Arneis在冲刺WSET Diploma，对于2019年，他希望明年能顺利通过WSET Diploma考试，至于MS考试，“如果明年年初有名额的话，一定全力以赴去准备。”Arneis说。

步骤2遍历脉冲波形的每个采样点并与门限电平比较，将高于门限电平的采样点保留作为脉内信号。

步骤3脉内信号的CWD时频矩阵计算［12］

式中：WN（τ）为加权对称窗函数，其范围为-N/2≤τ≤N/2，N为窗函数宽度；WM（s）为矩形窗函数，幅值为1，范围为-M/2≤τ≤M/2，M为窗函数宽度。

步骤4将该时频矩阵进行裁剪并映射成RGB 3通道的图像作为AlexNet网络的输入。

步骤5将该时频图像送入AlexNet 网络进行推理得到有意调制识别结果。

AlexNet网络共有8 层结构，前5 层为卷积层用于提取时频图特征，后3 层为全连接层用于对网络提取的特征进行分类［13］。AlexNet网络结构如图5 所示。

图5 AlexNet网络结构图

2.4 脉内信号无意调制识别

脉内信号无意调制识别框图如图6 所示，包括信号检测、无意特征提取和无意调制识别等单元，实验所需信号的参数见表1。

图6 脉内信号无意调制识别框图

步骤1同2.3 小节的步骤1。

步骤2同2.3 小节的步骤2。

步骤3对脉内信号s（t）做Hilbert变换，取出其实部Re［s（t）］与虚部Im［s（t）］。

步骤4计算脉内信号s（t）的瞬时相位

作为区分不同PLUTO个体的无意特征，如图7 所示。

图7 信号无意特征波形图

步骤5将提取到的脉内信号无意特征送入一维ResNet网络进行无意调制识别，得到发射该信号的ADALM-PLUTO个体信息。

ResNet网络［14］结构如图8 所示，由1 层卷积处理模块及6 层RBU单元模块组成。其中，CBR_X中的X为输出通道数；CBR/2_X中的/2 为该单元模块执行下采样操作，使得输出特征的宽变为输入特征宽的一半。

图8 ResNet网络结构图

2.5 脉内信号参数测量

对于LFM信号，采用分数阶傅里叶变换测量其中心频率以及带宽［15］，算法伪码如图9 所示。

图9 LFM信号参数估计算法伪码

对于BPSK 或QPSK 信号的中心频率，采用FFT算法进行测量，算法伪码如图10 所示。对于NLFM信号，采用最小二乘的方法测量其中心频率以及带宽，从时频矩阵中提取出时频曲线，由于NLFM信号的瞬时频率是随时间变化的二次函数，其次对时频曲线进行最小二乘估计，得出信号的中心频率和带宽参数。

图10 BPSK参数估计算法伪码

2.6 上位机界面设计

上位机界面设计实验，目的在于使信息工程专业本科和研究生在掌握信号处理的基础上利用PyQt 5.11.2工具进行GUI界面设计，界面如图11 所示。

图11 雷达脉内信号识别与参数测量界面

图中给出的是针对ADALM-PLUTO发射起始频率为1 MHz，带宽为6 MHz，脉宽为50 μs，占空比为50%的LFM脉冲信号进行脉内信号识别与参数测量结果的可视化展示。图中最左侧从上到下依次给出了有意调制识别结果、无意调制识别结果以及参数测量结果（中心频率、带宽等参数信息）。中间部分是对脉内时域波形、频域波形以及有意调制特征的显示。右侧部分是对脉内时域波形、频域波形、无意调制征的显示。

2.7 实验环境搭建

在微波暗室环境中搭建实验平台如图12 所示。学生通过完成雷达脉冲信号发送、接收以及脉内信号识别与参数测量等实验，不仅可拓宽其专业视野，熟悉Python语言、LabVIEW语言的编写以及GUI 界面的开发，培养其实践和创新能力，进一步提高教学质量。同时还可充分调动学生的积极性，有利于学生专业核心能力的全面提升。

图12 微波暗室环境中的实验平台

3 结 语

本文设计了基于深度神经网络的雷达脉内信号识别与参数测量实验，有机融合了图像处理、GUI 编程、深度学习等技术。对提高国防背景下的信息工程类本科生和研究生在信号处理领域的实践和创新能力具有重要价值。基于该实验平台，优秀学生可进一步进行算法的改进与软件运行过程的改进，可高效调动学生从事科研工作的积极性，培养学生的创新能力，提高实验教学的质量。