CN104198999B - 一种基于同构序列的脉冲分选方法 - Google Patents

Abstract

本发明提出一种基于同构序列搜索的脉冲分选方法，解决实际中淹没于大量脉冲流里的脉组检测问题。步骤S1，由脉冲流的到达时间序列的一阶后向差分得到脉冲重复时间间隔序列，并对脉冲重复时间间隔序列的每个元素的值作量化处理；步骤S2，利用后缀数组和最大公共前缀的方法，筛选脉冲重复时间间隔序列的重复子串：步骤S3，对于有包含关系的子串，删除长度较短的子串，对于有交叠关系的子串，进行合并衔接操作；步骤S4，对剩余脉冲流，构造脉冲流到达时间差值矩阵；步骤S5，提取差值矩阵每一行的正实数序列组成一维数组，进行排序得到若干子集；步骤S6，搜索每个子集的和的最大公共子序列，确定目标脉冲的位置；步骤S7，谐波校验，脉冲丢失校验。

Description

一种基于同构序列的脉冲分选方法

技术领域

本发明涉及一种基于同构序列的脉冲分选方法,属于信号处理领域。

背景技术

随着电磁环境的日益复杂化，如何从高度密集的脉冲信号环境中分选出感兴趣的信号，挖掘其中的规律，一直都是雷达、声呐等领域的研究热点。提取有规律的脉组序列是脉冲分选的重要方法。早期脉冲分选的经典方法是对脉冲参数(PRI)进行统计直方图分析，直方图法主要用于分析常规脉冲信号，无法消除谐波的影响，更无法适应现代复杂多变的脉冲类型。PRI变换算法是利用了相位因子达到抑制谐波的作用，但该方法对参数初值设置较为敏感，且计算量大。状态转移矩阵法从研究相邻两个PRI值的关联性的角度，分析整个脉冲序列的PRI特性，由此得到的分选结果有局限性。

直方图、PRI变换、状态转移矩阵法的作用都是分析PRI的整体规律，还需要借助别的方法把符合该规律的脉冲提取出来。而且它们的分选效果在一定程度上依赖于目标脉冲的累加效果，若目标脉冲占整个脉冲流的比例很小，则目标脉冲的PRI特性将不能被检测出。而实际上，由于接收系统采用空域、频域二维方式搜索目标，接收机在一定时间内以一定的概率对目标脉冲的录取，或者由于辐射源自身扫描和灵活的波束调度，波束驻留时间很短，这些原因都导致了接收机只能获取部分脉冲流。辐射源发出的脉冲多成组工作，因此接收到的大量脉冲流里面实际上只存在少量的目标辐射源的脉冲组。这些少量脉组的差值直方图、PRI谱峰都很低，且状态转移概率也很低，无法明显地区分于干扰脉冲。若这些脉组还发生了脉冲丢失，那上述算法的检测性能会更低。

因此，不仅为了更快地处理普通情形下的脉冲分选，还要解决这种淹没于大量脉冲流里的脉冲组检测问题，同时要求对脉冲组发生脉冲丢失或受到干扰的情形有良好的鲁棒性，我们提出了基于同构序列的脉冲分选方法，所述同构脉冲序列，即脉冲序列的PRI值相同(或近似相同)，如果这些脉冲序列没有发生脉冲丢失或没有受到脉冲干扰，那么称之为显同构序列；如果同一辐射源发出的脉冲序列存在脉冲丢失或脉冲干扰，或多个辐射源发出的脉冲序列交织在一起，那么称这种脉冲序列为隐同构序列。

发明内容

本发明是为了克服现有技术的缺陷，除了能够更快地处理普通情况下的脉冲分选之外，还要解决实际中淹没于大量脉冲流里的脉组检测问题，同时为了进一步解决当脉组受到干扰或发生脉冲丢失情形下的检测问题，本发明提出了一种基于同构序列的脉冲分选方法。

本发明提出的一种基于同构序列的脉冲分选方法，该方法包括以下步骤：

步骤S1，由脉冲流的到达时间序列的一阶后向差分得到脉冲重复时间间隔序列，并对脉冲重复时间间隔序列的每个元素的值作量化处理；

步骤S2，利用后缀数组和最大公共前缀的方法，筛选上述脉冲重复时间间隔序列的重复子串：

步骤S3，对于有包含关系的子串，删除长度较短的子串，对于有交叠关系的子串，进行合并衔接操作；

步骤S4，对剩余脉冲流，构造脉冲流到达时间差值矩阵；

步骤S5，提取上述差值矩阵每一行的正实数序列组成一维数组φ，进行排序得到若干子集{φ₁,φ₂,...,φ_k}，每个子集内元素相同，对应一个脉冲重复时间间隔值，记录每个子集φ_i的元素在差值矩阵中对应的位置，子集每个元素行序号构成一维数组Row_i，列序号构成一维数组Column_i；

步骤S6，搜索每个子集φ_i对应的Row_i和Column_i的最大公共子序列，确定目标脉冲的位置；

步骤S7，谐波校验：如果子集φ_j对应的脉冲重复时间间隔是子集φ_i对应的脉冲重复时间间隔的整数倍，且子集φ_i对应的脉冲包含子集φ_j对应的脉冲，则认为子集φ_j对应的脉冲序列是谐波影响构成的；脉冲丢失校验：对于某子集φ_i中搜索到的目标脉冲，如果每个脉冲的列序号等于相邻后一个脉冲的行序号，则不存在脉冲丢失现象；若存在某个脉冲的列序号不等于相邻后一个脉冲的行序号，则存在脉冲丢失现象；至此完成脉冲分选。

有益效果：本发明提出一种基于同构序列的脉冲分选方法，把在大量脉冲流中提取目标辐射源脉组的问题转化成了提取PRI序列的重复子串问题，把后缀数组和最大公共前缀、最长公共子序列的概念引入脉冲分选，实现了PRI重复子串的快速筛选，若脉组发生了脉冲丢失或受到干扰，把提取目标脉冲序列转化为了在所构造的TOA差值矩阵中搜索真实PRI值的问题，可有效处理脉冲干扰和丢失情形，借助容差的设置，该方法对抖动、参差重频类型的脉冲有一定的检测能力。

附图说明

图1是本发明的流程示意图；

图2是本发明的脉冲序列的到达时间和载频二维分布图；

图3是本发明的搜索到辐射源目标脉冲的到达时间和载频的二维分布图；

图4是本发明的脉冲序列的到达时间和载频二维分布图；

图5是本发明的搜索到的辐射源目标脉冲的到达时间和载频的二维分布图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

本发明提供的方法既可以在个人计算机、工控机及服务器上以软件的形式安装并执行，也可将方法做成嵌入式芯片以硬件的形式来体现。

本发明所提出的基于同构序列的脉冲分选方法包括以下步骤：

步骤S1，由脉冲流的到达时间(TOA)序列的一阶后向差分得到脉冲重复时间间隔(PRI)序列，并对此PRI序列的每个元素的值作量化处理；

所述脉冲流的到达时间序列表示为：

TOA＝{t₁,t₂,...,t_n}，其中t_i表示n个脉冲中第i个脉冲的前沿到达时间，i＝1,…,n；所述脉冲流的重复时间间隔序列表示为：PRI＝{PRI₁,PRI₂,...,PRR_n-1}，其中PRI_j＝t_j+1-t_j表示第j个脉冲与第j+1个脉冲的时间间隔，j＝1,…,n-1。

所述的PRI量化处理可以减小后续处理的压力，把要考量的PRI的范围划分成若干个子区间，落在同一子区间的PRI值用同一个值代替，区间的长度取决于实际测量的精度。

步骤S2，利用后缀数组和最大公共前缀的方法，筛选上述PRI序列的重复子串：

所述步骤S2进一步包括以下步骤：

步骤S21，构造PRI序列的后缀，并进行排序得到后缀数组SA：

后缀：从长度为n-1的PRI序列的某个位置i开始到序列末尾的一个特殊子串，记为Sufix(i),1≤i≤n-1；

后缀数组：PRI序列的所有后缀都按字典顺序进行排序后，将后缀在PRI序列中的位置用一个一维数组记录，这个数组称为后缀数组，记为SA，且Sufix(SA[i])<Sufix(SA[i+1]),1≤i<n-1，

长度为n-1的PRI序列有n-1个后缀，可采用倍增算法、DifferenceCovemod3等算法对这n-1个后缀进行排序，构造后缀数组SA。

步骤S22：比较相邻后缀，提取它们的最长公共前缀和对应的SA值：

字典比较：比较两个串的大小，先比较第一个元素的大小，如果相等再比较第二个元素大小，依次类推；

前缀：从PRI序列的开头到某个位置i的一个特殊子串，记为Prefix(i),1≤i≤n-1，

提取相邻后缀的最大公共前缀，由于量化误差、测量误差的存在，要求对应元素之差在一定的阈值内，阈值的大小与脉冲重频类型有关。

步骤S3，对于有包含关系的子串，删除长度较短的子串，对于有交叠关系的子串，对它们进行合并衔接操作：

所述步骤S3进一步包括以下步骤：

S31：按照SA顺序，对搜索到的子串进行排序；

排序后的子串可表示为Substring(i)，长度记为length(i)，该子串的首个元素在整个PRI序列里的位置index(i)；

S32：若两个相邻的子串存在包含关系，则删除其中长度小的子串；若两个相邻的子串存在交叠关系，则合并衔接这两个子串：

包含、交叠关系可以描述为：

包含：若两个相邻子串分别为Substring(i),Substring(i+1)，长度分别为length(i),length(i+1)，索引值分别为index(i),index(i+1)，不妨设length(i)<length(i+1)，若满足以下条件，则删除Substring(i)，

$\left\{\begin{array}{c}\mathrm{SA}\left(i\right)\&GreaterEqual;\mathrm{SA}(i+1)\\ \mathrm{SA}\left(i\right)+\mathrm{length}\left(i\right)-1\&le;\mathrm{SA}(i+1)+\mathrm{length}(i+1)-1\end{array}\right.$

交叠：若两个相邻子串满足下面的条件，

$\left\{\begin{array}{c}\mathrm{SA}\left(i\right)\&le;\mathrm{SA}(i+1)\\ \mathrm{SA}\left(i\right)+\mathrm{length}\left(i\right)-1\&GreaterEqual;\mathrm{SA}(i+1)-1\end{array}\right.$

则可以合并这两个子串形成一个更长的序列。

步骤S4，n个原始脉冲提取重复子串后剩余k个脉冲，构造TOA差值矩阵；

定义Δ_ij表示第i、j个脉冲的距离，设当前的脉冲最多与之后第p个脉冲关联，则 ${\mathrm{\&Delta;}}_{\mathrm{ij}}=\left\{\begin{array}{c}{t}_j-t_i,1\&le;i<j\&le;\mathrm{n\; and\; j}-i\&le;p\\ 0,i\&GreaterEqual;\mathrm{j\; or\; j}-i>p\end{array}\right.,$ 注意到若j＝i+1，则Δ_i(i+1)＝PRI(i),1≤i≤n-1，定义TOA差值矩阵为

$\mathrm{\&Delta;}=\left[\begin{array}{cccccccccc}0& {\mathrm{\&Delta;}}_{12}& {\mathrm{\&Delta;}}_{13}& {\mathrm{\&Delta;}}_{14}& ...& {\mathrm{\&Delta;}}_{1p}& 0& 0& ...& 0\\ 0& 0& {\mathrm{\&Delta;}}_{23}& {\mathrm{\&Delta;}}_{24}& ...& {\mathrm{\&Delta;}}_{2p}& {\mathrm{\&Delta;}}_{2(p+1)}& 0& ...& 0\\ 0& 0& 0& {\mathrm{\&Delta;}}_{34}& ...& {\mathrm{\&Delta;}}_{3p}& {\mathrm{\&Delta;}}_{3(p+1)}& {\mathrm{\&Delta;}}_{3(p+2)}& ...& 0\\ ...& ...& ...& ...& ...& ...& ...& ...& ...& ...\\ 0& 0& 0& 0& 0& 0& 0& 0& 0& {\mathrm{\&Delta;}}_{(n-1)n}\\ 0& 0& 0& 0& 0& 0& 0& 0& 0& 0\end{array}\right].$

步骤S5，提取上述差值矩阵每一行的正实数序列组成一维数组φ，进行排序得到若干子集{φ₁,φ₂,...,φ_k}，每个子集内元素相同，对应一个脉冲重复时间间隔值，记录每个子集φ_i的元素在差值矩阵中对应的位置，子集每个元素行序号构成一维数组Row_i，列序号构成一维数组Column_i；

步骤S6，搜索每个子集的和的最大公共子序列，确定目标脉冲的位置；

步骤S7，谐波校验、脉冲丢失校验；

所述步骤S6进一步包括以下步骤：

步骤S61，采用LCS(LongestCommonSubsequence)算法搜索每个子集φ_i对应的Row_i和Column_i的最大公共子序列LCS_i；

步骤S62，设LCS_i的元素在Row_i的位置记为Location1_i，LCS_i在Column_i的位置记为Location2_i，记Location_i为Location1_i和Location2_i的并集，Location_i即对应子集φ_i中的真实脉冲时间间隔的位置，据此可以转化为目标脉冲在原始脉冲序列中的位置；

步骤S7进一步包括以下步骤：

步骤S71，谐波校验，如果子集φ_j对应的PRI_j是子集φ_i对应的PRI_i的整数倍，且φ_j对应的脉冲序列包含于φ_i对应的脉冲序列，则认为子集φ_j对应的脉冲序列是谐波影响构成的；

步骤S72，脉冲丢失校验，对于某子集φ_i中搜索到的目标脉冲，如果每个脉冲的列序号等于相邻后一个脉冲的行序号，则不存在脉冲丢失现象；若存在某个脉冲的列序号不等于相邻后一个脉冲的行序号，则存在脉冲丢失现象。

下面给出使用上述方法，对模拟的存在噪声、干扰的脉组检测的实施例。

实例1：脉组未发生脉冲丢失或干扰

假设目标辐射源脉冲串间歇出现，淹没在噪声及干扰脉冲之中，设经过载频、脉宽等预分选之后的一段10,000个脉冲的序列，如图2所示，每个脉冲用到达时间来表示，脉冲的载频在一个较小的范围变化，存在3个分散的脉组，每个脉组包含4个脉冲，组内脉冲时间间隔为1000us，需要从这10,000个脉冲里检测出3个脉组，总共12个脉冲。本发明使用的方法，可以搜索出4个脉冲组的位置，如图3所示。

实例2：脉组发生丢失或干扰

设经过载频、脉宽等预分选之后的一段10,000个脉冲的序列，如图4所示，存在两个互相交织的固定重频脉冲序列，PRI值分别为1000us、827us，且这两条脉冲序列都发生了脉冲丢失，需要从10,000个脉冲里分别提取出这两个序列。本发明使用的方法，可以搜索出两条交织的脉冲序列，如图5所示。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种基于同构序列的脉冲分选方法，其特征在于，该方法包括以下步骤：

步骤S1，由脉冲流的到达时间序列的一阶后向差分得到脉冲重复时间间隔序列，并对脉冲重复时间间隔序列的每个元素的值作量化处理；

步骤S2，利用后缀数组和最大公共前缀的方法，筛选上述脉冲重复时间间隔序列的重复子串：

步骤S3，对于有包含关系的子串，删除长度较短的子串，对于有交叠关系的子串，进行合并衔接操作；

步骤S4，对剩余脉冲流，构造脉冲流到达时间差值矩阵；

定义Δ_ij表示第i、j个脉冲的距离，设当前的脉冲最多与之后第p个脉冲关联，则 ${\mathrm{\&Delta;}}_{ij}=\left\{\begin{array}{c}{t}_j-t_i,1\&le;i<j\&le;nandj-i\&le;p\\ 0,i\&GreaterEqual;jorj-i>p\end{array}\right.,$ 其中t_i表示n个脉冲中第i个脉冲的前沿到达时间，i＝1,…,n；若j＝i+1，则Δ_i(i+1)＝PRI_i,1≤i≤n-1，其中PRI_i＝t_i+1-t_i表示第i个脉冲与第i+1个脉冲的时间间隔，i＝1,…,n-1；定义脉冲流的到达时间差值矩阵为 $\mathrm{\&Delta;}=\left[\begin{array}{cccccccccc}0& {\mathrm{\&Delta;}}_{12}& {\mathrm{\&Delta;}}_{13}& {\mathrm{\&Delta;}}_{14}& ...& {\mathrm{\&Delta;}}_{1p}& 0& 0& ...& 0\\ 0& 0& {\mathrm{\&Delta;}}_{23}& {\mathrm{\&Delta;}}_{24}& ...& {\mathrm{\&Delta;}}_{2p}& {\mathrm{\&Delta;}}_{2(p+1)}& 0& ...& 0\\ 0& 0& 0& {\mathrm{\&Delta;}}_{34}& ...& {\mathrm{\&Delta;}}_{3p}& {\mathrm{\&Delta;}}_{3(p+1)}& {\mathrm{\&Delta;}}_{3(p+2)}& ...& 0\\ ...& ...& ...& ...& ...& ...& ...& ...& ...& ...\\ 0& 0& 0& 0& 0& 0& 0& 0& 0& {\mathrm{\&Delta;}}_{(n-1)n}\\ 0& 0& 0& 0& 0& 0& 0& 0& 0& 0\end{array}\right];$

步骤S5，提取上述差值矩阵每一行的正实数序列组成一维数组φ，进行排序得到若干子集{φ₁,φ₂,...,φ_k}，每个子集内元素相同，对应一个脉冲重复时间间隔值，记录每个子集φ_i的元素在差值矩阵中对应的位置，子集每个元素行序号构成一维数组Row_i，列序号构成一维数组Column_i；

步骤S6，搜索每个子集φ_i对应的Row_i和Column_i的最大公共子序列，确定目标脉冲的位置；

步骤S7，谐波校验：如果子集φ_j对应的脉冲重复时间间隔是子集φ_i对应的脉冲重复时间间隔的整数倍，且子集φ_i对应的脉冲包含子集φ_j对应的脉冲，则认为子集φ_j对应的脉冲序列是谐波影响构成的；脉冲丢失校验：对于某子集φ_i中搜索到的目标脉冲，如果每个脉冲的列序号等于相邻后一个脉冲的行序号，则不存在脉冲丢失现象；若存在某个脉冲的列序号不等于相邻后一个脉冲的行序号，则存在脉冲丢失现象；至此完成脉冲分选。

2.如权利要求1所述的一种基于同构序列的脉冲分选方法，其特征在于，所述步骤S1中的量化处理为将要考量的PRI的范围划分成若干个子区间，落在同一子区间的PRI值用同一个值代替，区间的长度取决于实际测量的精度。

3.如权利要求1所述的一种基于同构序列的脉冲分选方法，其特征在于，所述步骤S2的筛选脉冲重复时间间隔序列的重复子串进一步包括以下步骤：

步骤S21：构造PRI序列的后缀，并进行排序得到后缀数组SA；

步骤S22：比较相邻后缀，提取它们的最长公共前缀和对应的SA值。

4.如权利要求3所述的一种基于同构序列的脉冲分选方法，其特征在于：所述步骤S21的后缀、后缀数组描述为：

后缀：从长度为n的序列S的某个位置i开始到序列末尾的一个特殊子串，记为Suffix(i),1≤i≤n；

后缀数组：序列S的所有后缀都按字典顺序进行排序后，将后缀在序列S中的位置用一个一维数组记录，这个数组称为后缀数组，记为SA，且

Suffix(SA[i])＜Suffix(SA[i+1]),1≤i＜n。