CN106950544B - 一种基于dsp实现的大时宽信号分段识别的方法 - Google Patents

Abstract

本发明属于雷达信号调制类型的识别领域，具体涉及一种基于DSP实现的大时宽信号分段识别的方法。本发明包括以下四个模块：1原始信号数据分段截取模块；2分段数字正交混频、滤波、抽取模块；3频谱和时频特征分段计算模块；4综合判别模块。在DSP上做信号处理的时间长短决定与信号数据的长度，因此在保证信号识别效果不变的情况下，采用对原始采样数据分段数字混频正交变换的方法，减少需要处理的数据长度，然后综合每段信号数据的频谱和时频特征对信号进行识别，这样的处理方法，保证了信号处理的实时性和准确性。

Description

一种基于DSP实现的大时宽信号分段识别的方法

技术领域

本发明属于雷达信号调制类型的识别领域，具体涉及一种基于DSP实现的大时宽信号分段识别的方法。

背景技术

在电子侦察系统中，往往会出现信号脉宽特别大的信号，即大时宽信号。对这种信号采样会产生海量的数据，而信号数据的长度越长，信号处理的时间越长，从而数据的处理会对系统造成沉重的负担，且达不到实时处理的效果。针对这一问题，在工程实践上提出了一种分段信号数据处理并综合识别脉内调制特征的方法

从目前的研究雷达信号调制方式的文献来看，大多数的研究都没有考虑信号时宽的大小对信号处理的时间影响；很多在工程实践上实现的雷达信号脉内调制方式识别方法也都采用基于DSP(数字信号处理器)的识别方法，而信号数据长度的大小影响着DSP处理的时间，信号数据长度越长，DSP处理时间也就越长，因此研究基于DSP实现的大时宽信号识别很有必要。

本发明是在分段截取信号数据导致信号数据信息不完整的前提下，采用基于DSP的分段综合识别方法，针对大时宽信号的识别方法进行研究。基本思想是对信号原始采样数据进行截断处理，信号截断长度以实际需求为准，然后分段信号数据进行数字混频、低通滤波、抽取，综合每段信号的频谱和信号频率特征信息，得出最终的信号调制方式识别结果。

发明内容

本发明的目的在于提供一种有效的基于DSP实现的大时宽信号分段识别的方法。

本发明的目的是这样实现的：

一种基于DSP实现的大时宽信号分段识别的方法，包括以下四个模块：1原始信号数据分段截取模块；2分段数字正交混频、滤波、抽取模块；3频谱和时频特征分段计算模块；4综合判别模块，在原始信号数据分段截取模块1中，对原始信号数据按照数据长度采用等间隔方式，将数据截取为M段，减少了原始信号数据量，相应的信号处理时间也就缩短。在频谱和时频特征分段计算模块3中，假定分段信号数据长度为N，则M段信号数据组成了一个M×N的信号频谱矩阵，通过对矩阵M×N的每一列求最大值并记录保存，重新组合得到一个长度为N的信号频谱，这段信号频谱用来表示信号特征。

在所述的频谱和时频特征分段计算模块3中，通过对M段信号数据分段利用最小二乘算法求取信号时频曲线的拟合直线的斜率和截距，根据M段拟合直线的斜率是否相等来判断线性调频信号。

本发明的有益效果在于：在DSP上做信号处理的时间长短决定与信号数据的长度，因此在保证信号识别效果不变的情况下，采用对原始采样数据分段数字混频正交变换的方法，减少需要处理的数据长度，然后综合每段信号数据的频谱和时频特征对信号进行识别，这样的处理方法，保证了信号处理的实时性和准确性。

附图说明

图1是系统总体流程框图；

图2是信号数据截取示意图；

图3是数字混频正交变换原理图；

图4是滤波器抽取示意图；

图5是DSP程序识别流程。

具体实施方式

下面结合附图对本发明做进一步描述。

本发明经过模拟数字转换器以采样频率f_NYQ采集的原始信号数据x(n)，首先根据原始信号数据长度，将信号截取为M段，M段分别经过数字混频、低通滤波、抽取后，原始实信号数据x(n)从实数域转换到复数域形成M段复信号；然后，M段复数信号数据分别做快速傅立叶变换得到信号的幅频谱，综合M段信号的幅频谱求得信号的3dB带宽；之后，求出M段信号数据的时频信息；最后综合M段信号数据的频谱和信号时频特征进行分析，得到原始信号数据x(n)的调制方式。

本发明适用的条件为：

(1)输入信号为大时宽(在这里是指脉宽100us以上)的脉冲压缩雷达信号，包括常规雷达信号、二相编码信号、四相编码信号、线性调频信号、非线性调频信号以及频率编码信号。

(2)x(n)采样序列要满足奈奎斯特采样定理，设其采样频率为f_NYQ。

本发明是采用DSP实现的，基本流程包括以下三部分：分段信号数据长度的截取、分段数字混频正交变换、分段信号频谱和信号时频特征的获取，如图1所示。

1)分段信号数据长度的截取

具体来说本发明信号数据长度的截取方法为公式(1)所示：

式中，v表示每段间隔，N表示信号数据长度，number表示每段数据长度，M代表着截取段数为M段，

表示向下取整，分段截取信号数据的示意图如图2所示。

2)分段数字混频正交变换

原始采样信号的数据无法直接用来进行信号识别，因而采用数字混频正交变换法，将其变成同相分量I和正交分量Q，数字混频正交变换原理如图3所示，其中X_m(n)表示第m段信号数据，NCO是本地数字振荡器，LPF表示低通滤波器，Y_mI(n)和Y_mQ(n)代表第m段I和Q路滤波器抽取输出。

数字混频正交变换的基本模块包括：数字混频、低通滤波和整数倍抽取。数字混频表达式如公式(2)和(3)所示：

式中，X_mI(n)表示第m段信号的同相分量，X_mQ(n)表示第m段信号的正交分量，但是数字混频结果得到的同相分量和正交分量含有高频分量，因而采用低通滤波器提取信号低频成分用来进行信号识别。

信号的采样频率高会产生海量的数据，因此需要对信号降低速率，常用的方法就是抽取，抽取可以按整数倍抽取也可以按有理数因子抽取，这里采用整数倍抽取。信号的抽取也就是对信号再采样，采样后的信号会产生频谱搬移从而产生混叠，为了避免降低采样率后的频谱无混叠，先利用低通滤波器进行抗混叠滤波，然后再保留滤波器输出的第V个采样点，形成抽取序列y(n)，滤波器抽取的示意图如图4所示。

按照图3所示结构，对数字混频后的信号X_mI(n)和X_mQ(n)进行滤波，即对信号做卷积，然后对卷积后的结果进行抽取。但是在DSP实现中这种方式比较费时，做了大量不必要的运算。合理的实现方法是先进行抽取然后再滤波，即将抽取前移，如公式(4)和(5)所示。

式中，h(k)为N点FIR滤波器系数，V为抽取倍数，X_mI和X_mQ为第m段信号混频后的I路信号和Q路信号数据，Y_mI(n)和Y_mQ(n)分别为第m段信号经过数字混频、低通滤波、抽取后的输出的I路和Q路数据。

3)分段信号频谱和时频特征的获取

本发明所要识别的信号有6种，每种信号的频谱和信号时频特征有所区别，根据这些差异把6种信号识别出来。利用快速傅立叶变换公式如公式(6)所示，求得复数信号的频谱，找出频谱的最大值以及频谱幅度降低3dB时信号的频谱宽度，然后利用信号的频谱宽度特征进行信号识别。

式中，k的取值为0到N-1，x(n)为复数序列，

信号频率特征的获取是利用最小二乘线性拟合算法。最小二乘算法实现步骤如下：

第一、线性拟合直线和信号时频曲线的总偏差定义为如公式(7)所示。

式中，f(n)表示信号时频曲线，

表示线性拟合直线，α和β分别是拟合直线

的斜率和截距。

第二、为使总偏差达到最小，需要对公式(7)求偏导，如公式(8)和(9)所示。

第三、联立公式(8)和(9)，求解可得α和β，如公式(10)和(11)所示。

第四、由最小二乘线性拟合求得的拟合直线的斜率α和截距β可以反映出信号时频曲线的特征，如常规信号的最小二乘线性拟合截距β基本上接近于零，由最小二乘拟合的直线和线性调频信号的时频曲线基本上重合。

图5是本发明在DSP中具体识别流程，具体实现步骤如下：

1、通过计算原始数据的长度来判断是否进行信号数据截取，在这里假定信号的采样频率为1250MHz，则定义的大时宽信号数据x(n)的长度为大于131072，130172为2的整数次幂，其对应的脉冲宽度为104.8576us，便于FFT计算；对信号数据x(n)的长度大于131072的离散数据序列根据公式(1)进行截断处理；为了便于进行FFT计算处理，这里数据截断长度number固定为16384，数据段数为8段，每段数据间隔v根据信号数据点数N而定。

2、根据图3所示结构分段进行数字混频正交变换，每段数据长度为16384，通过数字混频、滤波抽取后得到两路数据，分别是同相分量I和正交分量Q，抽取倍数为8倍，因此最终的数据长度变成2048，能够极大的缩短信号处理时间。

3、分段对同相分量I和正交分量Q组成的复数信号做FFT变换得到信号幅度谱，按照信号幅度谱数据顺序依次比较8段数据中对应位置的数据大小，记录相位位置的最大值data_max(m)，然后按照顺序组成新的信号幅度谱new_data；记录新组成的信号幅度谱中的最大值max_amplitude，并搜索超过max_amplitude一半的最大频率点fre_max和最小频率点fre_min，最终得出信号3dB带宽则为sig_bw＝fre_max-fre_min+1。

4、由于一阶相位差分求信号频率受噪声影响比较大，因此采用N重相位差分求取信号的信号频率；之后根据公式(10)和(11)求得每段信号时频曲线的拟合直线，记录每段数据线性拟合的斜率a_array(m)和截距b_array(m)，然后根据公式(7)求得线性拟合偏差并记录为fai(m)。

5、根据步骤3求得的3dB带宽，设定一个合适的阈值threshold可以将信号分为调频信号和调相信号，之后再分别进行信号识别分析。

6、调频模块主要包括线性调频信号、非线性调频信号和频率编码信号，对信号数据分段截取时得到的信号时频信息是不完整的，但是具有规律性。如：线性调频信号的时频曲线是一条斜率不为零的直线，信号截取后的数据所求的信号时频曲线在该段内仍然是一条斜率不为零的直线，并且利用最小二乘法求得的斜率a_array(m)，8段数据所得到斜率值的大小几乎一样(考虑噪声的影响，没有噪声影响所求得值大小一样)，所求的截距b_array(m)能够连接成一条直线；非线性调频信号的时频关系是一条曲线，每段信号数据利用最小二乘法求得的斜率不一样；频率编码信号的时频曲线是呈阶梯状的直线，在码元内频率是一条斜率为零的直线，码元变化出会发生跳变，因此每段信号数据利用最小二乘法所得斜率a_array(m)和截距b_array(m)有两种情况：第一、斜率a_array(m)相等，截距b_array(m)部分相等；第二、斜率a_array(m)不相等，截距b_array(m)不相等。因此，可以通过再次对所求得斜率a_array(m)做最小二乘变换求得拟合偏差，通过拟合偏差识别出这三种信号。

7、调相模块包括常规信号、二相编码信号、四相编码信号，常规信号的时频曲线是一条横线，二相编码信号以及四相编码信号的频率根据编码会产生跳变。信号数据分段截取后，信号的时频信息会有丢失，因此需要结合8段信号数据的时频信息才能识别出常规信号、二相编码信号和四相编码信号。根据步骤4所求得的每段信号数据的时频曲线拟合偏差fai(m)，可以做一个等效替换，等效替换的意思就是：常规信号的8段截取数据求得的信号频率不会有突变，因此最小二乘法求得的拟合偏差fai(m)小且大小几乎一样，二相编码信号和四相编码信号求得的信号时频曲线部分数据段会有突变，所以最小二乘法求得的拟合偏差fai(m)较大且不相同，并且四相编码信号的时频曲线突变值有两个，因此拟合偏差fai(m)会出现两种值。也就是说，常规信号的拟合偏差fai(m)只有一种值，二相编码信号的拟合偏差fai(m)有两种值，四相编码信号的拟合偏差fai(m)会有三种值，因而可以根据这些特点来识别常规信号、二相编码信号和四相编码信号。

4)实验结果

参数设置：采样频率：1.25GHz 数据长度：212144 脉冲宽度：169.7152us

表1.信噪比3dB时大时宽信号脉内调制方式的识别结果

表2.信噪比0dB时大时宽信号脉内调制方式的识别结果

表3.信噪比-3dB时大时宽信号脉内调制方式的识别结果

仿真结果表明，在信号信噪比大于3dB时6种大时宽信号识别效果都很好，当信噪比低于3dB时由于受信号噪声的影响，NS、BPSK、识别概率降低并错误识别为QPSK。

DSP测试：DSP主频：1GHz信号数据长度：262144脉冲宽度：209.7152us

第一、信号数据不进行分段截取处理，直接用来进行信号识别，程序运行时间为900ms。

第二、信号数据分段截取处理，分为8段，每段数据长度为16384，程序运行时间为400ms。

从以上结果可以看出，对于大时宽信号，采取分段数据截取并综合分段数据频谱和时频特征进行识别，能够保证信号处理的实时性、有效性。

Claims (1)

1.一种基于DSP实现的大时宽信号分段识别的方法，包括以下四个模块：(1)原始信号数据分段截取模块；(2)分段数字正交混频、滤波、抽取模块；(3)频谱和时频特征分段计算模块；(4)综合判别模块，其特征在于：

在原始信号数据分段截取模块(1)中，对原始信号数据按照数据长度采用等间隔方式，将数据截取为M段，减少了原始信号数据量，相应的信号处理时间也就缩短， 在频谱和时频特征分段计算模块(3)中，假定分段信号数据长度为N，则M段信号数据组成了一个M×N的信号频谱矩阵，通过对矩阵M×N的每一列求最大值并记录保存，重新组合得到一个长度为N的信号频谱，这段信号频谱用来表示信号特征；

在所述的频谱和时频特征分段计算模块(3)中，通过对M段信号数据分段利用最小二乘算法求取信号时频曲线的拟合直线的斜率和截距，根据M段拟合直线的斜率是否相等来判断线性调频信号；

1)分段信号数据长度的截取

信号数据长度的截取方法为公式(1)所示：

式中，v表示每段间隔，N表示信号数据长度，number表示每段数据长度，M代表着截取段数为M段，

表示向下取整；

2)分段数字混频正交变换

原始采样信号的数据采用数字混频正交变换法，将其变成同相分量I和正交分量Q，其中X_m(n)表示第m段信号数据，NCO是本地数字振荡器，LPF表示低通滤波器，Y_mI(n)和Y_mQ(n)代表第m段I和Q路滤波器抽取输出；

数字混频正交变换包括：数字混频、低通滤波和整数倍抽取；数字混频表达式如公式(2)和(3)所示：

式中，X_mI(n)表示第m段信号的同相分量，X_mQ(n)表示第m段信号的正交分量，采用低通滤波器提取信号低频成分用来进行信号识别；

利用低通滤波器进行抗混叠滤波，然后再保留滤波器输出的第V'个采样点，形成抽取序列y(n)；

对数字混频后的信号X_mI(n)和X_mQ(n)进行滤波，即对信号做卷积，然后对卷积后的结果进行抽取，如公式(4)和(5)所示：

式中，h(k)为N点FIR滤波器系数，V为抽取倍数，X_mI和X_mQ为第m段信号混频后的I路信号和Q路信号数据；

3)分段信号频谱和时频特征的获取

利用快速傅立叶变换公式如公式(6)所示，求得复数信号的频谱，找出频谱的最大值以及频谱幅度降低3dB时信号的频谱宽度，然后利用信号的频谱宽度特征进行信号识别；

式中，k的取值为0到N-1，x(n)为复数序列，

利用最小二乘线性拟合算法获取信号频率特征，最小二乘算法实现步骤如下：

第一、线性拟合直线和信号时频曲线的总偏差定义为如公式(7)所示；

式中，f(n)表示信号时频曲线，

表示线性拟合直线，α和β分别是拟合直线

的斜率和截距；

第二、为使总偏差达到最小，需要对公式(7)求偏导，如公式(8)和(9)所示；

第三、联立公式(8)和(9)，求解可得α和β，如公式(10)和(11)所示；

第四、由最小二乘线性拟合求得的拟合直线的斜率α和截距β，反映信号时频曲线的特征。

Images