CN106295500A - 一种重频抖动信号和常规信号分离方法 - Google Patents

一种重频抖动信号和常规信号分离方法 Download PDF

Info

Publication number
CN106295500A
CN106295500A CN201610583782.5A CN201610583782A CN106295500A CN 106295500 A CN106295500 A CN 106295500A CN 201610583782 A CN201610583782 A CN 201610583782A CN 106295500 A CN106295500 A CN 106295500A
Authority
CN
China
Prior art keywords
pri
signal
normal signal
little
rectangular histogram
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610583782.5A
Other languages
English (en)
Other versions
CN106295500B (zh
Inventor
田田
刘鹏
匡华星
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
724th Research Institute of CSIC
Original Assignee
724th Research Institute of CSIC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 724th Research Institute of CSIC filed Critical 724th Research Institute of CSIC
Priority to CN201610583782.5A priority Critical patent/CN106295500B/zh
Publication of CN106295500A publication Critical patent/CN106295500A/zh
Application granted granted Critical
Publication of CN106295500B publication Critical patent/CN106295500B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Analogue/Digital Conversion (AREA)

Abstract

本发明属于雷达数据处理及信号分选技术领域,特别涉及一种重频抖动信号和常规信号分离方法,主要解决混合信号情形下常规信号的存在会降低抖动信号分选准确率的问题;其实现步骤是:1.划分信号分选关注的PRI范围为K个均匀的小区间,称为PRI小箱,计算各小箱的中心;2.遍历输入PDW缓存中所有脉冲对,计算每个脉冲对的到达时间差,然后进行直方图统计;3.遍历统计完成的直方图,设置阶跃阈值为T,确定直方图中所有的上阶跃和下阶跃,对所有的上阶跃和下阶跃分别进行排序并一一配对,基于每个配对结果可计算获取一个潜在的常规信号PRI;本发明有利于提高抖动信号分选准确率,可用于雷达侦测系统。

Description

一种重频抖动信号和常规信号分离方法
技术领域
本发明属于雷达数据处理及信号分选技术领域,特别涉及重频抖动信号和常规信号的分离方法;
背景技术
信号分选是指根据辐射源信号测量参数形成的脉冲描述字(Pulse DescriptorWord,PDW),通过脉冲串去交错生成辐射源描述字(Emitter Descriptor Word,EDW);目前,基于脉冲重复间隔(Pulse repetition interval,PRI)的信号分选方法应用最为广泛。
重频抖动信号是复杂辐射源信号的一种重要表现形式,其时域特征可表示如下:tn=tn-1+p(1±εn)n=1,2,...,N-1,其中,p是抖动中心,ε是抖动半径,即抖动信号的PRI是在一定抖动范围内随机选取的值。
抖动信号的分选是一个难题,目前,利用改进的PRI变换法可以有效地分选抖动信号;然而,改进的PRI变换法只在输入信号全是抖动信号的情形下才具有良好的抖动信号分选能力,但是在信号类型较为混杂的情形下,典型如常规信号和抖动信号混合情形,受制于信号间的相互影响,常规信号的存在会降低抖动信号分选准确率;为此需要将常规信号的PDW和抖动信号的PDW进行分离,而实现上述分离的前提和难题,即如何获取输入PDW缓存中包含的潜在的常规信号PRI,从而根据PRI利用成熟的脉冲序列搜索方法提取出所有常规信号的PDW。
本发明的目的在于提供一种重频抖动信号和常规信号分离方法,针对常规信号和抖动信号混合情形,在生成的直方图中确定所有的上阶跃和下阶跃,经过排序和匹配后计算获取潜在的常规信号PRI,为实现常规信号和重频抖动信号的分离提供前提。
发明内容
为实现上述技术目的,本发明采用技术方案包括以下步骤:
步骤1,设信号分选算法关注的PRI范围为[τminmax],将该范围分为K个均匀的小区间,称为PRI小箱,计算各个小箱的中心τk
步骤2,遍历输入PDW缓存中所有脉冲对(tn,tm),计算每个脉冲对的到达时间差,然后进行直方图统计;
步骤3,遍历统计完成的直方图,设置阶跃阈值为T,确定直方图中所有的上阶跃和下阶跃;分别对所有的上阶跃和下阶跃按照直方图从左至右的顺序进行排序,将具有相同序号的上阶跃和下阶跃进行一一配对;基于配对结果计算输入PDW缓存中所包含的潜在的常规信号PRI,其中每个配对结果可计算获得一个常规信号PRI。
本发明的特点和进一步改进在于:
在步骤1中,各个小箱的中心τk=(k-1/2)b+τmin,其中,k取1到K,b是每个PRI小箱的宽度:b=(τmaxmin)/K。
步骤2中,对于每个脉冲对(tn,tm),计算其到达时间差|tn-tm|进行直方图统计时的小箱起点ks和终点ke,起点ks=max(k1,0),终点ke=min(k2,K),其中 ε是信号分选算法支持分选的抖动信号的最大抖动半径。
步骤3具体子步骤为:
(3.1)遍历统计完成的直方图,设置阶跃阈值为T,确定直方图中所有的上阶跃和下阶跃:设直方图相邻小箱为bi和bi+1,i取1到K-1,若bi+1高度大于bi,且高度差大于阈值T,则(bi,bi+1)称为上阶跃;若bi高度大于bi+1,且高度差大于阈值T,(bi,bi+1)称为下阶跃;
(3.2)将所有的上阶跃按照直方图从左到右的顺序进行排序,同时将所有的下阶跃也按照直方图从左到右的顺序进行排序,将排序后具有相同序号的上阶跃与下阶跃进行一一配对;
(3.3)每个配对结果对应一个常规信号的PRI,计算方式如下:
设发生上阶跃的两个小箱的小箱中心分别为U1、U2,U1<U2,则存在某个常规信号,其PRI用p表示,满足:
设发生下阶跃的两个小箱的小箱中心分别为D1、D2,D1<D2,则存在某个常规信号,其PRI用p表示,满足:
计算得出同时满足上述两个条件的常规信号的PRI,若存在多个合理取值,则确保各个取值为相邻元素差为1的升序序列。
本发明的有益效果为:针对常规信号和抖动信号混合的情形,在生成的直方图中确定所有的上阶跃和下阶跃,经过排序和匹配后计算获取潜在的常规信号PRI,为实现常规信号和重频抖动信号的分离提供良好支持,有利于提高抖动信号分选准确率;
附图说明
图1为本发明的一种重频抖动信号和常规信号分离方法的流程图。
具体实施方式
图1为本发明的重频抖动信号和常规信号分离方法的流程图。结合附图,本发明的具体步骤为:
步骤1,设信号分选算法关注的PRI范围为[τminmax],将该范围分为K个均匀的小区间,称为PRI小箱,计算各个小箱的中心τk,其中各个小箱的中心τk=(k-1/2)b+τmin,k取1到K,b是每个PRI小箱的宽度:b=(τmaxmin)/K。
步骤2,遍历输入PDW缓存中所有脉冲对(tn,tm),计算每个脉冲对的到达时间差,然后进行直方图统计;
(2.1)对于每个脉冲对(tn,tm),计算其到达时间差|tn-tm|进行直方图统计时的小箱起点ks和终点ke,起点ks=max(k1,0),终点ke=min(k2,K),其中 ε是信号分选算法支持分选的抖动信号的最大抖动半径。
步骤3,遍历统计完成的直方图,确定所有的上阶跃和下阶跃;分别对所有的上阶跃和下阶跃按照直方图从左至右的顺序进行排序,将具有相同序号的上阶跃和下阶跃进行一一配对;基于配对结果计算输入PDW缓存中所包含的潜在的常规信号PRI,其中每个配对结果可计算获得一个常规信号PRI:
(3.1)遍历统计完成的直方图,设置阶跃阈值为T,确定直方图中所有的上阶跃和下阶跃:设直方图相邻小箱为bi和bi+1,i取1到K-1,若bi+1高度大于bi,且高度差大于阈值T,则(bi,bi+1)称为上阶跃;若bi高度大于bi+1,且高度差大于阈值T,(bi,bi+1)称为下阶跃;
(3.2)将所有的上阶跃按照直方图从左到右的顺序进行排序,同时将所有的下阶跃也按照直方图从左到右的顺序进行排序,将排序后具有相同序号的上阶跃与下阶跃进行一一配对;
(3.3)每个配对结果对应一个常规信号的PRI,计算方式如下:
设发生上阶跃的两个小箱的小箱中心分别为U1、U2,U1<U2,则存在某个常规信号,其PRI用p表示,满足:
设发生下阶跃的两个小箱的小箱中心分别为D1、D2,D1<D2,则存在某个常规信号,其PRI用p表示,满足:
计算得出同时满足上述两个条件的常规信号的PRI,若存在多个合理取值,则确保各个取值为相邻元素差为1的升序序列。

Claims (4)

1.一种重频抖动信号和常规信号分离方法,其特征在于,包括以下步骤:
步骤1:设信号分选算法关注的PRI范围为[τminmax],将该范围分为K个均匀的小区间,称为PRI小箱,计算各个小箱的中心τk
步骤2:遍历输入PDW缓存中所有脉冲对(tn,tm),计算每个脉冲对的到达时间差,然后进行直方图统计;
步骤3:遍历统计完成的直方图,设置阶跃阈值为T,确定直方图中所有的上阶跃和下阶跃;分别对所有的上阶跃和下阶跃按照直方图从左至右的顺序进行排序,将具有相同序号的上阶跃和下阶跃进行一一配对;基于配对结果计算输入PDW缓存中所包含的潜在的常规信号PRI,其中每个配对结果可计算获得一个常规信号PRI。
2.根据权利要求1所述的一种重频抖动信号和常规信号分离方法,其特征在于所述步骤1中各个小箱的中心τk=(k-1/2)b+τmin,其中,k取1到K,b是每个PRI小箱的宽度:b=(τmaxmin)/K。
3.根据权利要求1所述的一种重频抖动信号和常规信号分离方法,其特征在于所述步骤2包括:
(2.1)对于每个脉冲对(tn,tm),计算其到达时间差|tn-tm|进行直方图统计时的小箱起点ks和终点ke,起点ks=max(k1,0),终点ke=min(k2,K),其中 ε是信号分选算法支持分选的抖动信号的最大抖动半径;
(2.2)计算出小箱起点ks和终点ke后,对在[ks,ke]范围内的所有直方图小箱的高度加一;
(2.3)遍历所有脉冲对,重复上述步骤直到遍历结束。
4.根据权利要求1所述的一种重频抖动信号和常规信号分离方法,其特征在于所述步骤3包括:
(3.1)遍历统计完成的直方图,设置阶跃阈值为T,确定直方图中所有的上阶跃和下阶跃:设直方图相邻小箱为bi和bi+1,i取1到K-1,若bi+1高度大于bi,且高度差大于阈值T,则(bi,bi+1)称为上阶跃;若bi高度大于bi+1,且高度差大于阈值T,(bi,bi+1)称为下阶跃;
(3.2)将所有的上阶跃按照直方图从左到右的顺序进行排序,同时将所有的下阶跃也按照直方图从左到右的顺序进行排序,将排序后具有相同序号的上阶跃与下阶跃进行一一配对;
(3.3)每个配对结果对应一个常规信号的PRI,计算方式如下:
设发生上阶跃的两个小箱的小箱中心分别为U1、U2,U1<U2,则存在某个常规信号,其 PRI用p表示,满足:
设发生下阶跃的两个小箱的小箱中心分别为D1、D2,D1<D2,则存在某个常规信号,其PRI用p表示,满足:
计算得出同时满足上述两个条件的常规信号的PRI,若存在多个合理取值,则确保各个取值为相邻元素差为1的升序序列。
CN201610583782.5A 2016-07-22 2016-07-22 一种重频抖动信号和常规信号分离方法 Active CN106295500B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610583782.5A CN106295500B (zh) 2016-07-22 2016-07-22 一种重频抖动信号和常规信号分离方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610583782.5A CN106295500B (zh) 2016-07-22 2016-07-22 一种重频抖动信号和常规信号分离方法

Publications (2)

Publication Number Publication Date
CN106295500A true CN106295500A (zh) 2017-01-04
CN106295500B CN106295500B (zh) 2019-06-18

Family

ID=57652190

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610583782.5A Active CN106295500B (zh) 2016-07-22 2016-07-22 一种重频抖动信号和常规信号分离方法

Country Status (1)

Country Link
CN (1) CN106295500B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107561499A (zh) * 2017-07-27 2018-01-09 中国船舶重工集团公司第七二四研究所 一种基于edw融合的复杂多参差信号分选方法
CN108181613A (zh) * 2017-12-04 2018-06-19 山东航天电子技术研究所 一种pri抖动信号序列差值非均匀量化分选方法
CN110426696A (zh) * 2019-07-20 2019-11-08 中国船舶重工集团公司第七二四研究所 一种脉冲缺损的雷达信号特征序列搜索方法
CN111781564A (zh) * 2020-06-12 2020-10-16 中国船舶重工集团公司第七二四研究所 一种抖动信号脉冲序列快速预判方法
CN111796239A (zh) * 2020-06-12 2020-10-20 中国船舶重工集团公司第七二四研究所 一种小范围重频抖动信号的谐波抑制方法
CN116821658A (zh) * 2023-06-29 2023-09-29 中国船舶集团有限公司第七二三研究所 一种适应不同重复间隔类型的时钟周期指纹特征提取方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104198999A (zh) * 2014-08-07 2014-12-10 北京理工大学 一种基于同构序列的脉冲分选方法
CN105277923A (zh) * 2015-11-20 2016-01-27 清华大学 一种单通道雷达信号分选方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104198999A (zh) * 2014-08-07 2014-12-10 北京理工大学 一种基于同构序列的脉冲分选方法
CN105277923A (zh) * 2015-11-20 2016-01-27 清华大学 一种单通道雷达信号分选方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
D.J. MILOJEVIC等: "Improved algorithm for the deinterleaving of radar pulses", 《IEE PROCEEDINGS》 *
岳志勇等: "重频抖动脉冲信号分选研究", 《遥测遥控》 *
罗长胜等: "一种对重频调制与抖动信号的PRI变换分选新方法", 《电讯技术》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107561499A (zh) * 2017-07-27 2018-01-09 中国船舶重工集团公司第七二四研究所 一种基于edw融合的复杂多参差信号分选方法
CN108181613A (zh) * 2017-12-04 2018-06-19 山东航天电子技术研究所 一种pri抖动信号序列差值非均匀量化分选方法
CN108181613B (zh) * 2017-12-04 2020-07-14 山东航天电子技术研究所 一种pri抖动信号序列差值非均匀量化分选方法
CN110426696A (zh) * 2019-07-20 2019-11-08 中国船舶重工集团公司第七二四研究所 一种脉冲缺损的雷达信号特征序列搜索方法
CN111781564A (zh) * 2020-06-12 2020-10-16 中国船舶重工集团公司第七二四研究所 一种抖动信号脉冲序列快速预判方法
CN111796239A (zh) * 2020-06-12 2020-10-20 中国船舶重工集团公司第七二四研究所 一种小范围重频抖动信号的谐波抑制方法
CN111796239B (zh) * 2020-06-12 2024-01-12 中国船舶集团有限公司第七二四研究所 一种小范围重频抖动信号的谐波抑制方法
CN116821658A (zh) * 2023-06-29 2023-09-29 中国船舶集团有限公司第七二三研究所 一种适应不同重复间隔类型的时钟周期指纹特征提取方法
CN116821658B (zh) * 2023-06-29 2024-04-12 中国船舶集团有限公司第七二三研究所 一种适应不同重复间隔类型的时钟周期指纹特征提取方法

Also Published As

Publication number Publication date
CN106295500B (zh) 2019-06-18

Similar Documents

Publication Publication Date Title
CN106295500B (zh) 一种重频抖动信号和常规信号分离方法
CN102891852B (zh) 基于报文分析的协议格式自动推断方法
EP3349200A1 (en) Method and device for processing traffic road information
CN109270497A (zh) 雷达脉冲信号的多维参数预分选方法
AU2015295944A1 (en) Aggregate query method and system for traffic data flows
WO2022036801A1 (zh) 一种实现异构网络共存的方法和系统
CN104239321B (zh) 一种面向搜索引擎的数据处理方法及装置
CN103324745A (zh) 基于贝叶斯模型的文本垃圾识别方法和系统
CN109839619A (zh) 基于自适应分桶的雷达信号粗分选方法、系统及存储介质
CN104899264A (zh) 一种多模式正则表达式匹配方法及装置
CN104639123B (zh) 闪烁脉冲越过阈值的时间点获取方法及装置
CN105574495A (zh) 一种区间型雷达辐射源信号特征类型识别能力分析方法
CN106570022A (zh) 一种跨数据源查询方法、装置及系统
CN103631769A (zh) 一种判断文件内容与标题间一致性的方法及装置
WO2019119223A1 (zh) 基于雷达的测距处理方法、装置及无人飞行器
WO2023083152A1 (zh) 图像分割方法、装置、设备及存储介质
CN105786857A (zh) 一种提高视频聚合效率的方法及系统
WO2023029413A1 (zh) 伴随信息的确定方法、装置、设备及存储介质
Sonet et al. Adhoc: an R package to calculate ad hoc distance thresholds for DNA barcoding identification
CN103106796A (zh) 智能交通监控系统中的车辆检测方法和装置
CN107133643A (zh) 基于多特征融合及特征选择的乐音信号分类方法
CN117131281B (zh) 舆情事件处理方法、装置、电子设备和计算机可读介质
CN104515983B (zh) 基于统计最优的频率步进雷达信号目标抽取方法
Ouyang Deyo: Detr with yolo for step-by-step object detection
CN103823753B (zh) 一种面向网页内容无障碍检测的网页抽样方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant