CN106324575A - 基于模糊函数特征的频率捷变信号分选新方法 - Google Patents
基于模糊函数特征的频率捷变信号分选新方法 Download PDFInfo
- Publication number
- CN106324575A CN106324575A CN201610266394.4A CN201610266394A CN106324575A CN 106324575 A CN106324575 A CN 106324575A CN 201610266394 A CN201610266394 A CN 201610266394A CN 106324575 A CN106324575 A CN 106324575A
- Authority
- CN
- China
- Prior art keywords
- signal
- pulse
- matrix
- frequency
- energy
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于模糊函数特征的频率捷变信号分选新方法,该方法包括以下主要步骤:(1)选取接收到的脉冲流中任意的两个脉冲信号,并进行脉冲信号重构;(2)对重构信号进行模糊函数变换,得到矩阵;(3)对矩阵进行二值化处理,得到二值矩阵;(4)对二值矩阵中各脉冲能量点的分布规律进行提取,即提取能量分布值;(5)将提取的能量分布值进行归一化处理,得到时频域能量分布归一化值;(6)基于归一化值完成分选。
Description
技术领域
本发明是一种基于模糊函数特征的频率捷变信号分选新方法,用于提高对新体制频率捷变雷达信号的分选准确率。
背景技术
雷达信号分选是电子对抗领域中信号处理与应用重要而困难的研究课题,由于新体制雷达信号形式复杂、参数多变快变等,尤其是对于频率捷变、频率分集等信号,传统的基于常规特征参数和脉内特征参数的可靠性急剧下降,直接导致分选准确率的降低,出现分选“增批”、“漏批”问题。
模糊函数是对雷达辐射源信号进行分析研究和波形设计的有效工具,其完全取决于雷达辐射源所发射的信号波形。由于模糊函数提供了对信号结构信息较为完整的描述,因此利用模糊函数能反映不同信号结构信息之间差异。特别是对于新体制频率捷变雷达信号而言,现在都采用相参体制,与非相参信号相比,模糊函数之间的差异更加明显。因此,通过对信号的模糊函数进行特征提取,挖掘出能表征相参与非相参信号差别的特征参数,可以有效解决当前信号分选中的问题。
发明内容
(1)选取接收到的脉冲流中任意的两个脉冲信号,并进行脉冲信号重构;
(2)对重构信号进行模糊函数变换,得到矩阵;
(3)对矩阵进行二值化处理,得到二值矩阵;
(4)对二值矩阵中各脉冲能量点的分布规律进行提取,即提取能量分布值;
(5)将提取的能量分布值进行归一化处理,得到时频域能量分布归一化值;
(6)基于归一化值完成分选。
附图说明
附图1是本发明的流程图。参照附图1,本发明的流程由选取任意两个脉冲信号并进行脉冲信号重构、对重构信号进行模糊函数变换得到矩阵、对矩阵进行二值化处理得到二值矩阵、对二值矩阵中各脉冲能量点的分布规律进行提取、将提取的能量分布值进行归一化处理以及基于归一化值完成分选6个部分组成。其中1用于选取任意两个脉冲信号并进行脉冲信号重构;2用于对重构信号进行模糊函数变换并得到矩阵;3用于对矩阵进行二值化处理得到二值矩阵;4用于对二值矩阵中各脉冲能量点的分布规律进行提取;5用于将提取的能量分布值进行归一化处理;6基于归一化值完成分选。
附图2是两个频率捷变脉冲信号能量分布随信噪比的变化图,其中图2(a)为相参脉冲信号,图2(b)为非相参脉冲信号。图2中横坐标为信噪比(dB),纵坐标为能量分布归一化值
具体实施方式
实施本发明的原理如下:对雷达信号进行重构并进行模糊函数变换,将模糊函数矩阵二值化处理成二值矩阵,对二值矩阵中各脉冲能量点的分布规律进行提取,并得到归一化值用于雷达信号的分选。本发明可以在较低的信噪比,获得较高的分选准确率。
(1)接收到的雷达信号可表示为
式(1)中,P为一次侦察中所截获的脉冲个数,Ap为第p个脉冲的幅度,Tp为第p个脉冲的到达时间,υ(t)为均值为0、方差为的复高斯白噪声。
侦收的各脉冲信号可用下式进行表示
式(1)中,P为接收的脉冲个数,Ap为第p个脉冲的幅度,Fp=fp/fs为第p个脉冲的归一化中心频率,fs为采样频率,Kp=fs·Tp为第p个脉冲的起始采样点,Tp为第p个脉冲的到达时间,为雷达发射信号的初始相位,υ(t)为均值为0、方差为的复高斯白噪声。设Kij=fs·Tij为第i和j个脉冲之间的采样点数,则第i和j个脉冲分别表示为
式(2)、(3)中,为侦察接收到的第i和j个脉冲在t=0时刻的初始相位。
对式(3)进行化简,可得到
则重构信号的数学表达式为
式(5)中,υ(n)是实部和虚部相互独立、均值为0和方差为的复高斯白噪声。
(2)对S进行模糊函数变化处理,得到矩阵W
中,r为时延,0≤m≤R,R=2Kij为脉冲重构信号的长度。
(3)对矩阵W二值化处理,具体过程为:设定一个阈值,将矩阵中所含的分量和阈值逐一进行比较,矩阵中分量大于阈值的记为1,小于阈值的记为0,经矩阵二值化处理即可得到一个0、1矩阵。其中,阈值T可以定义为
式(7)中,k为阈值T的可调系数,R为信号长度,Wij为矩阵第i行第j列元素。
时频矩阵二值化处理后得到0、1矩阵B中的元素为
(4)提取二值矩阵B中各元素点即信号能量点的分布规律,即可实现时频域相参特征参数的提取。特征提取的主要思路为:
首先,提取每个脉冲信号在时频域上的能量分布值,即
Pn=∑bij,bij∈第n个脉冲 (9)
(5)将提取的信号时频域能量分布值进行归一化处理
式(10)中,N为脉冲个数。
(6)将能量分布归一化值作为能量分布特征,完成频率捷变雷达信号的分选。
下面结合实例说明一下整个发明的优势。
信号样式为脉间频率捷变脉冲信号,脉冲幅度为1,侦察接收机输出第i个和第j个脉冲的中频分别为28MHz、23MHz,脉冲宽度τ=20μs,两个脉冲到达时间间隔Tj-Ti=30μs,采样频率fs=70MHz,发射两个相参脉冲雷达辐射源的初始相位相同,发射两个非相参脉冲雷达辐射源的初始相位不同。
利用Matlab仿真工具分别对信噪比为-5dB~30dB情况下由任意两个脉冲在时频域的能量分布进行特征参数提取效果仿真,进行100次蒙特卡洛实验取均值,得到的仿真结果如图2所示。图2中横坐标为信噪比(dB),纵坐标为能量分布归一化值
从图2中,可以看出两个相参脉冲信号在时频域的能量分布随着信噪比的增加趋于相同,在信噪比为5dB时,两个相参脉冲信号在时频域的能量分布归一化值几乎接近;两个非相参脉冲信号在时频域的能量分布随着信噪比的增加差距增大,在信噪比为5dB时,两个相参脉冲信号在时频域的能量分布归一化值差距变大,随后趋于稳定。因此,对于任意两个脉冲信号在时频域的能量分布归一化值接近,可以识别为相参的,来自同一雷达辐射源;否则为非相参的,来自不同雷达辐射源。可见所提取相参特征参数的效果与实验的预期效果一致,特征参数提取方法是有效的、是可应用于对新体制雷达信号进行分选的。
Claims (1)
1.基于模糊函数特征的频率捷变信号分选新方法,其特征在于包括以下主要技术措施:
(1)对接收的任意两个脉冲信号进行构
式(1)中,υ(n)是实部和虚部相互独立、均值为0和方差为的复高斯白噪声。
(2)对S进行模糊函数变化处理,得到矩阵W
(3)对矩阵W二值化处理,得到0、1矩阵B中的元素为
(4)提取每个脉冲信号在时频域上的能量分布值,即
Pn=∑bij,bij∈第n个脉冲 (4)
(5)将提取的信号时频域能量分布值进行归一化处理
式(5)中,N为脉冲个数。
(6)将能量分布归一化值作为能量分布特征,完成频率捷变雷达信号的分选。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610266394.4A CN106324575A (zh) | 2016-04-26 | 2016-04-26 | 基于模糊函数特征的频率捷变信号分选新方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610266394.4A CN106324575A (zh) | 2016-04-26 | 2016-04-26 | 基于模糊函数特征的频率捷变信号分选新方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106324575A true CN106324575A (zh) | 2017-01-11 |
Family
ID=57725189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610266394.4A Pending CN106324575A (zh) | 2016-04-26 | 2016-04-26 | 基于模糊函数特征的频率捷变信号分选新方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106324575A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102466795A (zh) * | 2010-11-09 | 2012-05-23 | 何明浩 | 基于多指标的雷达信号脉内特征参数评估方法 |
CN103954935A (zh) * | 2014-05-12 | 2014-07-30 | 哈尔滨工业大学 | 一种最小l1范数下的雷达信号分选方法 |
CN105005029A (zh) * | 2015-07-17 | 2015-10-28 | 哈尔滨工程大学 | 一种基于数据场层次聚类的多模雷达信号分选方法 |
-
2016
- 2016-04-26 CN CN201610266394.4A patent/CN106324575A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102466795A (zh) * | 2010-11-09 | 2012-05-23 | 何明浩 | 基于多指标的雷达信号脉内特征参数评估方法 |
CN103954935A (zh) * | 2014-05-12 | 2014-07-30 | 哈尔滨工业大学 | 一种最小l1范数下的雷达信号分选方法 |
CN105005029A (zh) * | 2015-07-17 | 2015-10-28 | 哈尔滨工程大学 | 一种基于数据场层次聚类的多模雷达信号分选方法 |
Non-Patent Citations (1)
Title |
---|
郭利荣 等: "基于矩阵二值化的频率捷变雷达信号分选", 《雷达科学与技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huynh-The et al. | Accurate LPI radar waveform recognition with CWD-TFA for deep convolutional network | |
CN109738887B (zh) | 一种适用于微动干扰场景的目标人体运动状态识别方法 | |
CN106842164B (zh) | 基于小波去噪的非合作脉冲压缩雷达微弱目标检测方法 | |
CN103901416B (zh) | 一种基于稳健主成分分析法的多通道杂波抑制方法 | |
CN105137396B (zh) | 一种smsp干扰和c&i干扰的检测方法 | |
CN103217670B (zh) | 一种基于pca的外辐射源微弱信号检测方法 | |
CN107576943A (zh) | 基于瑞利熵的自适应时频同步压缩方法 | |
CN106226742B (zh) | 一种混沌多时编码调相雷达波形设计 | |
Han et al. | Experimental demonstration of underwater acoustic communication using bionic signals | |
CN106019254A (zh) | 一种uwb冲击生物雷达多人体目标距离向分离辨识方法 | |
CN112083393A (zh) | 基于谱图平均时间特征的间歇采样转发干扰识别方法 | |
CN113221631A (zh) | 基于卷积神经网络的序列脉冲抗干扰目标检测方法 | |
Jiang et al. | A sonar-embedded disguised communication strategy by combining sonar waveforms and whale call pulses for underwater sensor platforms | |
Cohen et al. | Reduced time-on-target in pulse Doppler radar: Slow time domain compressed sensing | |
Liu et al. | Hopping instants detection and frequency tracking of frequency hopping signals with single or multiple channels | |
Li et al. | Bionic covert underwater communication focusing on the overlapping of whistles and clicks generated by different cetacean individuals | |
CN106324575A (zh) | 基于模糊函数特征的频率捷变信号分选新方法 | |
CN105137404A (zh) | 基于预脉冲间处理的雷达压缩采样方法及系统 | |
Hinderer | Blind source separation of radar signals in time domain using deep learning | |
CN104793197A (zh) | 基于ifft频谱相除法和梯度自适应格型滤波的直达波抑制方法 | |
CN115184876A (zh) | 一种基于小波变换及波形整形的2fsk信号参数估计方法 | |
Duan et al. | Interference countermeasure system based on time–frequency domain characteristics | |
Li et al. | Deep learning for interference mitigation in time-frequency maps of fmcw radars | |
JP7158355B2 (ja) | ノイズ除去装置および距離測定装置 | |
Wong et al. | Improved target detection in spiky sea clutter using sparse signal separation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170111 |