CN106597365B - 一种基于时域聚类的复杂电子信号时差定位方法 - Google Patents
一种基于时域聚类的复杂电子信号时差定位方法 Download PDFInfo
- Publication number
- CN106597365B CN106597365B CN201611019947.2A CN201611019947A CN106597365B CN 106597365 B CN106597365 B CN 106597365B CN 201611019947 A CN201611019947 A CN 201611019947A CN 106597365 B CN106597365 B CN 106597365B
- Authority
- CN
- China
- Prior art keywords
- time difference
- time
- electronic signal
- sophisticated electronic
- signal
- 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.)
- Active
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
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0273—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves using multipath or indirect path propagation signals in position determination
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明为一种基于时域聚类的复杂信号时差定位方法,属于无源侦察定位领域,主要用于实现对复杂电子信号的时差定位。对侦察截获的的复杂环境中的辐射源信号,从射频、脉宽、重复周期、幅度、到达时间五个方面提取复杂目标辐射信号特征,针对不同侦察系统在同一时间侦收的同一目标信号特征变化时机一致的特点,采用基于时域聚类的复杂电子信号时差定位算法,先通过射频和脉宽简单聚类后,再对相应参数范围内数据进行时间差计算,并将时间差结果进行直方图统计,最后对误差范围内一致的时间差进行融合处理,从而实现对复杂电子信号的定位和跟踪。
Description
技术领域
本发明属于电子对抗领域的无源定位。
背景技术
目前无源定位技术中的时差定位方法具有定位精度高、定位算法简单的优点,在近几年得到广泛推广。在实际应用中该算法在多敌我识别信号定位中有较好的效果,然而针对电子信号,尤其是多目标复杂信号定位存在很多困难。定位概率低,准确率差。在复杂的电磁环境中判断多个接收站的脉冲信号是否为同一目标是一个重要的难点。
现代电子系统向多功能、多用途的方向发展,一部电子信息系统可能有多种工作模式和工作体制,同时为了提高自身的性能和抗干扰的需要,往往采用各种复杂的波形设计。上述特点较大地破坏了信号分选和识别所利用的信号规律性。时差定位脉冲数据的获取很大程度上需要分选的配合,才能选择出同一目标的脉冲数据。当前分选的主要方法还是基于传统的单站参数:射频、脉宽、幅度、到达时间和重复周期。然而,当前环境中参数的交叠和复杂体制电子系统信号的变化使得这些方法在解决复杂体制辐射源信号分选问题上存在一定的困难。
本发明在传统单站参数的基础上根据三站时差特性,利用多站时域特性的共性对现有特征参数进行补充,把分选和定位结合起来。
发明内容
本发明为提高多目标复杂电子信号的时差定位能力,结合智能分选和定位算法,提出了一种基于时域聚类的复杂信号时差定位方法。
本发明的技术方案为:对侦察截获的的复杂环境中的辐射源信号,从射频、脉宽、重复周期、幅度、到达时间五个方面提取复杂目标辐射信号特征,针对不同侦察系统在同一时间侦收的同一目标信号特征变化时机一致的特点,采用基于时域聚类的复杂电子信号时差定位算法,先通过射频和脉宽简单聚类后,再对相应参数范围内数据进行时间差计算,并将时间差结果进行直方图统计,最后对误差范围内一致的时间差进行融合处理,从而实现对复杂电子信号的定位和跟踪。
本发明的具体实现途径为:通过搜集真实环境的电子信号侦察数据,提供仿真平台模拟真实环境中的三站时差定位场景,通过可视化软件从射频、脉宽、幅度、重复周期、到达时间五个方面反复研究复杂电子信号特征。利用复杂电子信号的瞬时脉冲到达各站时的信号特性相同的特征,通过计算脉冲描述字的相对时间差;再根据同一个地点的时间差一致的原理,对同一复杂电子信号进行关联;同时根据两个周期的时间差变化趋势,对本周期与历史周期收到的不同脉冲信号进行关联。
具体实现流程为:
s1.运行复杂信号时差定位程序,通过光纤实时读取脉冲描述字数据或通过文件读取历史脉冲描述字数据;
s2.把三站脉冲描述字分别存入对应缓存,以T秒为时间周期,以主站为主线根据时间周期进行对齐;
s3.把时间窗范围内的脉冲数据根据脉宽等级进行划分;
s4.根据频率范围划分脉冲数据;
s5.对主站的脉冲数据进行时间差计算,并把计算结果画直方图进行时域聚类,找到峰值;
s6.根据主站峰值挑选主站脉冲描述字,并根据主站预分选情况得出的相关参数对另两站直接进行序列搜索,以两站为一个单位计算两站之间的时间偏移量;
s7.对时间偏移量进行统计,容差范围内偏移量计算平均偏移量;
s8.根据两两站获得的时间偏移量进行定位,若当前周期存在多组可定位目标,并且存在时间偏移量相似的情况,则对相似的定位目标进行关联,得到融合后复杂信号;
s9.最后对历史定位点迹进行关联和滤波。
为了提高系统工作实时性,本发明提出的方法对前期分选工作进行了简化,在进行射频、脉宽的简单聚类后,对相应参数范围内数据先进行时间差计算。并对时间差结果进行直方图统计,对误差范围内一致的时间差进行关联,获得复杂电子信号特征。以实现对复杂电子信号的定位和跟踪。同时本发明针对某些特殊的复杂信号如宽带信号、多重复周期信号采用特殊处理流程,以实现对当前大部分主流复杂电子信号的定位。
本发明的有益效果是:在不提高硬件成本的基础上,根据复杂电子信号的不同特质,采用了多种模板基于不同参数模板的时域特性进行分选和定位的方法,极大得提高了复杂电子信号的无源定位能力。它的提出及工程实现在无源定位领域具有很高的推广应用价值。
附图说明
图1是本发明流程图。
图2是宽带信号时差定位流程图。
图3是重复周期变化信号时差定位流程图。
具体实施方式
以下结合实施例和附图对本发明进行说明。
本发明提出的基于时域聚类的复杂信号时差定位方法流程示意图如图1所示。
当复杂信号为宽带信号时,由于大部分被动侦察系统的带宽是由多个信道拼接组成,因此,在实际应用中经常会把单个目标分选为多个频率不一致的目标。针对这一问题,在步骤s4根据频率范围划分脉冲数据时,根据宽带特殊信号的模板进行脉冲数据的划分,以便于能对整个宽带信号的时域特征同时进行分析。
现有的复杂电子信号除了频率发生变化外,还有重复周期和脉宽的变化。通常,重复周期和脉宽的变化有一定的关系,但由于大脉宽数据脉宽分裂问题,因此在实际匹配过程中,主要参考重复周期的特性。针对重复周期变化的信号,根据该复杂信号参数范围挑选所有脉冲数据,对时域聚类结果进行直方图统计。重复周期变化的复杂信号主要流程如附图3所示,在时域聚类时可获得多值,根据多个重复周期值分别进行时间偏移配对,通过偏移值统计对同一目标的多个重复周期进行关联,最后形成唯一的复杂目标信息。。
高重频的时差定位由于解模糊性,一直是该领域的一个难点。在分析高重频复杂电子信号的过程中发现,当高重频信号同时也是一个重复周期参差变化的复杂电子信号时,可根据重复周期切换时的时间一致性,通过统计时间偏移量值直方图的方法找到正确时间偏移量的细微优势,以排除时间差模糊。
Claims (4)
1.一种基于时域聚类的复杂电子信号时差定位方法,其特征在于具有以下步骤:
s1.运行复杂电子信号时差定位程序,通过光纤实时读取脉冲描述字数据或通过文件读取历史脉冲描述字数据;
s2.把三站脉冲描述字分别存入对应缓存,以T秒为时间周期,以主站为主线根据时间周期进行对齐;
s3.把时间窗范围内的脉冲数据根据脉宽等级进行划分;
s4.根据频率范围划分脉冲数据;
s5.对主站的脉冲数据进行时差计算,并把计算结果画直方图进行时域聚类,找到峰值;
s6.根据主站峰值挑选主站脉冲描述字,并根据主站预分选情况得出的相关参数对另两站直接进行序列搜索,以两站为一个单位计算两站之间的时差;
s7.对两站之间的时差进行统计,容差范围内计算平均两站之间的时差;
s8.根据两两站获得的时差进行定位,若当前周期存在多组可定位目标,并且存在两站之间的时差相似的情况,则对相似的定位目标进行关联,得到融合后复杂电子信号;
s9.最后对历史定位点迹进行关联和滤波。
2.根据权利要求1所述的一种基于时域聚类的复杂电子信号时差定位方法,其特征在于:当所述复杂电子信号为宽带信号时,将单个目标分选为多个频率不一致的目标;在所述s4步骤时,根据宽带信号的模板划分脉冲数据,以便于能对整个宽带信号的时域特征同时进行分析。
3.根据权利要求1所述的一种基于时域聚类的复杂电子信号时差定位方法,其特征在于:当所述复杂电子信号为重复周期变化的信号时,根据该复杂电子信号参数范围挑选所有脉冲数据,对时域聚类结果进行直方图统计,在时域聚类时可获得多个重复周期值,根据多个重复周期值分别进行两站之间的时差配对,通过两站之间的时差统计对同一目标的多个重复周期进行关联,最后形成唯一的复杂电子信息。
4.根据权利要求3所述的一种基于时域聚类的复杂电子信号时差定位方法,其特征在于:当高重频信号同时也是一个重复周期参差变化的复杂电子信号时,可根据重复周期切换时的时间一致性,通过统计两站之间时差值采用直方图的方法找到正确两站之间的时差值的细微优势,以排除时差模糊。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611019947.2A CN106597365B (zh) | 2016-11-18 | 2016-11-18 | 一种基于时域聚类的复杂电子信号时差定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611019947.2A CN106597365B (zh) | 2016-11-18 | 2016-11-18 | 一种基于时域聚类的复杂电子信号时差定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106597365A CN106597365A (zh) | 2017-04-26 |
CN106597365B true CN106597365B (zh) | 2019-04-30 |
Family
ID=58591672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611019947.2A Active CN106597365B (zh) | 2016-11-18 | 2016-11-18 | 一种基于时域聚类的复杂电子信号时差定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106597365B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107480689B (zh) * | 2017-06-28 | 2020-07-14 | 山东航天电子技术研究所 | 一种基于相似性专家知识的未知辐射源体制自动识别方法 |
CN107576942B (zh) * | 2017-07-27 | 2020-05-01 | 中国船舶重工集团公司第七二四研究所 | 一种基于信号聚类的辐射源扫描周期实时估计方法 |
CN107967490A (zh) * | 2017-12-08 | 2018-04-27 | 中国船舶重工集团公司第七二四研究所 | 一种基于直方图极小值点的脉冲描述字自适应聚类方法 |
CN108535686B (zh) * | 2018-03-06 | 2022-02-15 | 中国船舶重工集团公司第七二四研究所 | 一种截断宽带线性调频信号的时差定位方法 |
CN109188389B (zh) * | 2018-10-16 | 2023-03-28 | 哈尔滨工业大学 | 超视距多基被动雷达中的解时差测量模糊的方法 |
CN109782273B (zh) * | 2019-01-11 | 2021-05-04 | 中国船舶重工集团公司第七二四研究所 | 一种基于长时聚类关联的辐射源编批方法 |
CN110598738B (zh) * | 2019-08-07 | 2021-12-28 | 中国电子科技集团公司第二十九研究所 | 一种基于空间信息的分布式聚类方法 |
CN113075620B (zh) * | 2021-03-25 | 2022-08-05 | 电子科技大学 | 一种基于多站时差网格聚类的信号分选方法 |
CN114966594A (zh) * | 2022-05-18 | 2022-08-30 | 中国船舶集团有限公司第七二三研究所 | 一种基于带宽融合的宽带信号侦收方法 |
CN114841297B (zh) * | 2022-07-05 | 2022-09-06 | 成都戎星科技有限公司 | 一种基于dto分离的多星无源定位散点目标分类方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7397415B1 (en) * | 2006-02-02 | 2008-07-08 | Itt Manufacturing Enterprises, Inc. | System and method for detecting and de-interleaving radar emitters |
CN103941236A (zh) * | 2014-05-12 | 2014-07-23 | 中国船舶重工集团公司第七二四研究所 | 多参数栅格化滑动信号统计筛选处理方法 |
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 |
CN104579257A (zh) * | 2014-11-26 | 2015-04-29 | 北京理工大学 | 一种基于子串搜索的脉冲配对方法 |
CN105022792A (zh) * | 2015-06-25 | 2015-11-04 | 中国船舶重工集团公司第七二四研究所 | 基于数据挖掘的被动雷达信号分选关联权重计算方法 |
-
2016
- 2016-11-18 CN CN201611019947.2A patent/CN106597365B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7397415B1 (en) * | 2006-02-02 | 2008-07-08 | Itt Manufacturing Enterprises, Inc. | System and method for detecting and de-interleaving radar emitters |
CN103941236A (zh) * | 2014-05-12 | 2014-07-23 | 中国船舶重工集团公司第七二四研究所 | 多参数栅格化滑动信号统计筛选处理方法 |
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 |
CN104579257A (zh) * | 2014-11-26 | 2015-04-29 | 北京理工大学 | 一种基于子串搜索的脉冲配对方法 |
CN105022792A (zh) * | 2015-06-25 | 2015-11-04 | 中国船舶重工集团公司第七二四研究所 | 基于数据挖掘的被动雷达信号分选关联权重计算方法 |
Non-Patent Citations (5)
Title |
---|
Design and Implementation on Sorting and Tracking Processor for Radar Signal Based on DSP;Jiang Yan,et al;《2013 Fourth World Congress on Software Engineering》;20131231;第144-149页 |
基于多参数相关性的脉冲配对;周昌术;《系统仿真技术及其应用学术会议》;20071231;第787-790页 |
基于多重分选的脉冲配对时差检测;孙毓富等;《舰船电子对抗》;20131231;第36卷(第6期);第38-41页 |
多站时差与多参数联合分选定位方法;马贤同等;《国防科技大学学报》;20151231;第37卷(第6期);第78-83页 |
雷达信号多参数联合分选算法研究;张加龙;《万方》;20150730;全文 |
Also Published As
Publication number | Publication date |
---|---|
CN106597365A (zh) | 2017-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106597365B (zh) | 一种基于时域聚类的复杂电子信号时差定位方法 | |
CN103713277B (zh) | 一种基于位置信息场的辐射源定位方法 | |
CN109275095B (zh) | 一种基于蓝牙的室内定位系统、定位设备和定位方法 | |
CN105527303B (zh) | 利用毫米波检测材料的方法及系统 | |
CN110334591A (zh) | 一种基于聚类分析的无人机跳频信号检测及识别方法 | |
CN103487788B (zh) | 一种序列脉冲信号快速自动提取方法 | |
CN105277923A (zh) | 一种单通道雷达信号分选方法 | |
CN111175719B (zh) | 基于bp神经网络的智能航迹起始方法 | |
CN109270497A (zh) | 雷达脉冲信号的多维参数预分选方法 | |
CN104865570B (zh) | 一种快速的动态规划检测前跟踪方法 | |
CN104267439A (zh) | 一种无监督人体检测与定位的方法 | |
CN105116394A (zh) | 一种基于多维细微特征分析的目标点迹提取方法 | |
CN104881561B (zh) | 一种基于Hough变换的多维参数的检测前跟踪方法 | |
Xiao et al. | Wireless network optimization via physical layer information for smart cities | |
CN103278704B (zh) | 一种基于北斗的三维闪电探测系统和方法 | |
CN107576942A (zh) | 一种基于信号聚类的辐射源扫描周期实时估计方法 | |
CN110490134A (zh) | 信号识别方法、设备及存储介质 | |
CN105445699A (zh) | 一种非视距误差消除的测距方法及系统 | |
CN106990400B (zh) | 一种基于幅度单脉冲的高精度测角技术实现方法 | |
CN106324563A (zh) | 一种多点无源探测全相位信号分选与到达时间差测量系统 | |
CN106680783A (zh) | 基于站址误差融合算法对抗欺骗式假目标的方法 | |
CN107561530A (zh) | 一种基于协同被动探测多维信息的目标识别方法 | |
CN106162529A (zh) | 室内定位方法与装置 | |
CN108107410B (zh) | 一种异型雷达联合判决目标检测方法 | |
CN108535704A (zh) | 一种基于自适应二维聚类的信号预分选方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |