CN107576942B - 一种基于信号聚类的辐射源扫描周期实时估计方法 - Google Patents
一种基于信号聚类的辐射源扫描周期实时估计方法 Download PDFInfo
- Publication number
- CN107576942B CN107576942B CN201710621891.6A CN201710621891A CN107576942B CN 107576942 B CN107576942 B CN 107576942B CN 201710621891 A CN201710621891 A CN 201710621891A CN 107576942 B CN107576942 B CN 107576942B
- Authority
- CN
- China
- Prior art keywords
- radiation source
- time
- envelope
- pdw
- scanning period
- 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
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明为一种基于信号聚类的辐射源扫描周期实时估计方法，包括对截获到的辐射源PDW进行预分选，从频域、时域、空域三个维度进行聚类；采用PRI变换法对聚类后的PDW进行分选，并利用序列搜索后的相关PDW进行参数计算形成EDW；对时间间隔相近的EDW进行合并，形成一次完整的截获包络；利用主动雷达天线主副比关系，设置副瓣抑制门限，抑制截获到的辐射源天线副瓣包络，同时对截获到的辐射源天线主瓣包络进行滑窗积累；利用迭代法估计滑窗积累包络的周期信息。该方法有利于超视距被动相控阵侦测设备进行资源优化分配，实现费效比较高的信号截获，对提升超视距被动相控阵侦测设备对辐射源截获概率以及参数相近的多部雷达分辨能力有着重要的作用。
Description
技术领域
本发明属于辐射源超视距被动侦测技术领域。
背景技术
关于辐射源扫描周期估计的国内外文献资料较少，Bahaeddin Eravc1的论文“Automatic Radar Antenna Scan Analysis In Electronic Warfare”[1]以及Cheng Li，Wei Wang等人的论文“Recognition and Parameter Extraction of One-DimensionalElectronic Scanning for 3D Radar”[2]等对辐射源扫描周期做了研究，但文中对辐射源目标的截获均比较理想，能够百分百截获辐射源主瓣，且包络形状、参数等都比较准确，幅度不受侦测装备天线的调制以及大气波导、距离变化等因素的影响。这些方法比较适合用于理论研究，或者对采集数据进行事后分析。
本发明基于辐射源主动探测波束扫描的周期性，对超视距被动侦测设备截获到的辐射源PDW(脉冲描述字)进行实时预处理、分选、包络合并、滑窗积累、副瓣抑制以及包络周期估计等，实现对辐射源扫描周期的实时估计。
发明内容
本发明采用的技术方案包括：首先对超视距被动侦测设备截获到的辐射源PDW按时间片进行预分选，实现脉冲流密度稀释，降低后续分选的压力。然后对预处理后的PDW进行分选，将和辐射源关联的PDW筛选出并形成EDW(辐射源描述字)。再对生成的EDW进行合并生成完整的辐射源截获包络。对同一辐射源多次截获的包络进行滑窗积累，并依据主动雷达的主副比特性对积累的截获包络进行副瓣抑制。最后采用迭代法对副瓣抑制后的多个包络到达时间进行包络周期估计。
本发明的实现软件平台可选WorkBench3.2，硬件平台为MPC8640D处理器、1GB内存，操作系统为vxWorks6.8；预分选的时间片为50ms，分选算法采用PRI算法，副瓣抑制采用的主副比门限为10dB，迭代法采用的时间步进为50ms，利用迭代法对包络时间差进行迭代误差计算，估计的辐射源扫描周期范围为1s-15s。
本发明与现有方法相比，其显著优点为：采用本发明可以根据超视距被动侦测设备侦测到的辐射源信息，实时、准确的对辐射源扫描周期进行估计。本发明不受超视距侦测设备以及辐射源天线扫描调制的影响，无需对辐射源主瓣进行全截获，在丢失部分辐射源扫描周期的主瓣信息时仍能对辐射源扫描周期进行估计，特别适合因超视距侦测设备采用频率扫描或方位扫描等导致的对辐射源截获概率不高情形，对于超视距被动侦测领域具有很高的推广应用价值。
附图说明
图1是分选流程图。
图2是辐射源一次截获包络分裂合并示意图。
图3是利用幅度信息对辐射源副瓣信息进行抑制图。
具体实施方式
本发明具体实施步骤为：
1)对截获到的辐射源PDW进行预分选。
辐射源PDW包含了频率、脉宽、到达时间、到达方位、幅度等信息，利用其中的频率、脉宽、到达方位信息对PDW从频域、时域、空域三个维度进行聚类，将聚类后的PDW信息送往后端进行分选处理，从而降低分选处理的运算量。
2)对预分选后的PDW进行分选。
采用PRI变换法对PDW到达时间差进行直方图统计以及划定门限。对于过门限的直方图格子，认为其为潜在的辐射源目标，对其进行序列搜索。序列搜索分为连续序列搜索以及完整序列搜索。当连续序列搜索到的相关PDW大于M时再进行完整序列搜索，当完整序列搜索获得的相关PDW大于N时，将所有相关PDW筛选出进行EDW参数计算，形成EDW。继续查找下一个过门限的直方图格子，重复上述流程，直至剩余PDW小于10或者无过门限的直方图格子，该部分流程结束。分选流程如图1所示。
3)对分选形成的EDW进行合并生成一次截获包络。
在实时处理时，预分选和分选采用时间片定时处理的方式，从而会导致对辐射源一次完整截获的包络被分裂成多个子EDW。利用EDW间的时间信息，对EDW间时间差小于门限的相近EDW进行合并，形成一个完整的辐射源一次截获包络。图2为辐射源一次截获包络分裂合并示意图。
4)同一辐射源的包络进行副瓣抑制以及滑窗积累。
辐射源的截获包络包含了辐射源频率、重复周期、脉宽、方位、幅度、到达时间等信息。这些信息中与天线调制相关的参数只有方位、到达时间与幅度信息。方位与到达时间信息只是包含了天线调制中主副瓣在方向图中的位置关系，无法区分截获的包络是对方主瓣信息还是副瓣信息。剩下的参数中就只有幅度信息可用，图3所示为利用幅度信息对辐射源副瓣信息进行抑制的示意图，图中D主表示侦测装备主瓣截获，D副表示侦测装备副瓣截获，E主表示截获的辐射源主瓣，E副表示截获的辐射源副瓣。
以辐射源的多个截获包络中幅度最大的截获包络作为参考，下降10dBm作为门限，小于该门限的截获包络认为是辐射源副瓣进行丢弃。该方法10dBm门限是基于常规雷达主副比一般大于20dB。
为了识别辐射源天线扫描方式与提高对辐射源扫描周期估计的精度，需利用多个辐射源主瓣的信息，这就需要对辐射源主瓣的截获包络进行积累。考虑到大气衰减的变化以及辐射源与侦测系统相对位置的变化，本方法采用滑窗积累方式。滑窗积累即设立一个数组，数组内始终保存有最新的N个周期截获的辐射源主瓣包络信息，当第N+1个信息进来时，剔除N个周期中生存时间最长的包络信息，同时对第N+1个信息进行存储。
5)对积累的辐射源包络进行周期估计。
完成辐射源截获包络副瓣抑制与主瓣包络积累后根据主瓣之间时间差信息来估计辐射源扫描周期，采用的方法为迭代法。
根据精度要求与扫描周期估计范围划分时间格子。如扫描周期估计范围为1-15s，估计精度要求100ms，则可按50ms一个时间格子，将1-15秒划分为281个格子。每个格子中心分别为1s、1.05s……15s。
用每个时间格子作为周期估计值计算主瓣到达时间差估计值与实测值的差。
式中k为时间格子的序号，i为主瓣到达时间差的序号，Δt为主瓣到达时间差，T’为时间格子的中心值，[]为四舍五入取整符号。考虑到辐射源扫描周期倍频(T/N)的影响，ΔT存在多个最小值，在小于门限多个最小ΔT的时间格子中取最大的时间格子作为目标的估计周期。
Claims (4)
1.一种基于信号聚类的辐射源扫描周期实时估计方法，其特征在于：首先，对截获到的辐射源PDW进行预分选，利用PDW中的频率、脉宽、到达方位信息对PDW从频域、时域、空域三个维度进行聚类；对聚类后的PDW进行分选，并利用序列搜索后的相关PDW进行参数计算形成EDW；根据EDW间的时间信息，对时间间隔相近的EDW进行合并，形成一次完整的截获包络；根据主动雷达天线主副比关系，设置副瓣抑制门限，抑制截获到的辐射源天线副瓣包络，同时对截获到的辐射源天线主瓣包络积累；根据精度要求与扫描周期估计范围划分时间格子,用每个时间格子作为周期估计值计算主瓣到达时间差估计值与实测值的差,计算公式为：
式中k为时间格子的序号，i为主瓣到达时间差的序号，Δt为主瓣到达时间差，T’为时间格子的中心值，[]为四舍五入取整符号，在小于门限多个最小ΔT的时间格子中取最大的时间格子作为目标的估计周期。
2.根据权利要求1所述的一种基于信号聚类的辐射源扫描周期实时估计方法，其特征在于：所述分选采用PRI分选算法。
3.根据权利要求1所述的一种基于信号聚类的辐射源扫描周期实时估计方法，其特征在于：所述序列搜索包括连续序列搜索以及完整序列搜索。
4.根据权利要求1所述的一种基于信号聚类的辐射源扫描周期实时估计方法，其特征在于：所述包络积累采用滑窗积累。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710621891.6A CN107576942B (zh) | 2017-07-27 | 2017-07-27 | 一种基于信号聚类的辐射源扫描周期实时估计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710621891.6A CN107576942B (zh) | 2017-07-27 | 2017-07-27 | 一种基于信号聚类的辐射源扫描周期实时估计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107576942A CN107576942A (zh) | 2018-01-12 |
| CN107576942B true CN107576942B (zh) | 2020-05-01 |
Family
ID=61034194
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710621891.6A Active CN107576942B (zh) | 2017-07-27 | 2017-07-27 | 一种基于信号聚类的辐射源扫描周期实时估计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107576942B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108919193A (zh) * | 2018-07-12 | 2018-11-30 | 中国船舶重工集团公司第七二四研究所 | 一种基于序列片段挖掘的参数捷变雷达信号分选方法 |
| 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 |
| CN110426696B (zh) * | 2019-07-20 | 2021-02-09 | 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 |
| CN110428154B (zh) * | 2019-07-20 | 2023-04-07 | 中国船舶重工集团公司第七二四研究所 | 基于辐射源数据库的多频段相控阵设备相互引导侦测方法 |
| CN111751792B (zh) * | 2020-06-15 | 2024-03-22 | 哈尔滨工程大学 | 一种被动雷达信号分选pdw预处理方法 |
| CN112904287B (zh) * | 2021-01-14 | 2021-10-22 | 无锡国芯微电子系统有限公司 | 一种基于被动雷达寻的器的跟踪辐射源参数估计方法及其应用 |
| CN113075637B (zh) * | 2021-04-29 | 2022-06-07 | 中国船舶重工集团公司第七二三研究所 | 基于脉冲描述字数据压缩的机载pd雷达信号分选方法 |
| CN114019490B (zh) * | 2021-09-18 | 2023-09-08 | 中国电子科技集团公司第二十九研究所 | 一种多目标天线扫描周期估算方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7034738B1 (en) * | 2003-12-05 | 2006-04-25 | Itt Manufacturing Enterprises, Inc. | Method of radar pattern recognition by sorting signals into data clusters |
| 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 |
| EP3112894A1 (de) * | 2015-07-01 | 2017-01-04 | Airbus DS Electronics and Border Security GmbH | Verfahren zur automatischen klassifikation von radarobjekten |
| CN106383332A (zh) * | 2016-07-26 | 2017-02-08 | 中国船舶重工集团公司第七二四研究所 | 一种雷达被动工作模式下扫描方式自适应调整方法 |
| CN106405518A (zh) * | 2016-12-07 | 2017-02-15 | 中国船舶重工集团公司第七二四研究所 | 一种复杂体制雷达信号等级关联聚类分选方法 |
| CN106597365A (zh) * | 2016-11-18 | 2017-04-26 | 中国船舶重工集团公司第七二四研究所 | 一种基于时域聚类的复杂电子信号时差定位方法 |
| CN106772261A (zh) * | 2016-12-07 | 2017-05-31 | 中国船舶重工集团公司第七二四研究所 | 雷达侦测信号多维特征聚类可视化显示方法 |
-
2017
- 2017-07-27 CN CN201710621891.6A patent/CN107576942B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7034738B1 (en) * | 2003-12-05 | 2006-04-25 | Itt Manufacturing Enterprises, Inc. | Method of radar pattern recognition by sorting signals into data clusters |
| 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 |
| EP3112894A1 (de) * | 2015-07-01 | 2017-01-04 | Airbus DS Electronics and Border Security GmbH | Verfahren zur automatischen klassifikation von radarobjekten |
| CN106383332A (zh) * | 2016-07-26 | 2017-02-08 | 中国船舶重工集团公司第七二四研究所 | 一种雷达被动工作模式下扫描方式自适应调整方法 |
| CN106597365A (zh) * | 2016-11-18 | 2017-04-26 | 中国船舶重工集团公司第七二四研究所 | 一种基于时域聚类的复杂电子信号时差定位方法 |
| CN106405518A (zh) * | 2016-12-07 | 2017-02-15 | 中国船舶重工集团公司第七二四研究所 | 一种复杂体制雷达信号等级关联聚类分选方法 |
| CN106772261A (zh) * | 2016-12-07 | 2017-05-31 | 中国船舶重工集团公司第七二四研究所 | 雷达侦测信号多维特征聚类可视化显示方法 |
Non-Patent Citations (2)
| Title |
|---|
| A Multi-parameter Synthetic Signal Sorting Algorithm Based on Clustering;Yu Zhifu et al.;《2007 8th International Conference on Electronic Measurement and Instruments》;20070818;第2363-2366页 * |
| 一种基于层次划分聚类的雷达信号分选算法;何佩佩 等;《现代防御技术》;20160815;第44卷(第4期);第51-55页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107576942A (zh) | 2018-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107576942B (zh) | 一种基于信号聚类的辐射源扫描周期实时估计方法 | |
| US10429488B1 (en) | System and method for geo-locating and detecting source of electromagnetic emissions | |
| CN108490410B (zh) | 一种两坐标雷达对海目标联合检测跟踪方法 | |
| US20100283666A1 (en) | Radar signals clustering method using frequency modulation characteristics and combination characteristics of signals, and system for receiving and processing radar signals using the same | |
| CN111524084B (zh) | 基于多峰高斯拟合的光子计数激光雷达点云去噪方法 | |
| CN106405552B (zh) | 基于wvd—pga算法的sar雷达目标聚焦方法 | |
| CN106483514B (zh) | 一种基于eemd和支持向量机的飞机运动模式识别方法 | |
| KR101632167B1 (ko) | 수집 레이더 신호의 클러스터링 방법 | |
| CN109839619B (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 | |
| CN112799053B (zh) | 一种单脉冲信号的实时配对分选方法 | |
| CN103033797B (zh) | 一种基于空域滤波的米波雷达自适应频率选择方法 | |
| CN112213688B (zh) | 一种用于低空空域低小慢飞行器目标个体识别的特征提取方法 | |
| CN106896348A (zh) | 一种基于概率数据关联的雷达信号分选方法 | |
| CN112597820A (zh) | 一种基于雷达信号分选的目标聚类方法 | |
| CN110907908A (zh) | 基于包络分析的导航雷达信号分选方法 | |
| CN204989459U (zh) | 一种针对单脉冲跟踪制导雷达的角度欺骗干扰装置 | |
| CN104793193A (zh) | 基于sar-dpca微多普勒时-空-频三维分析方法 | |
| Sinha et al. | Estimation of Doppler profile using multiparameter cost function method | |
| CN113589255B (zh) | 一种基于多频联合稀疏贝叶斯学习的到达角估计方法 | |
| Iglesias et al. | Real-time radar pulse parameter extractor | |
| CN108535686B (zh) | 一种截断宽带线性调频信号的时差定位方法 | |
| CN116299195A (zh) | 一种基于toa序列相关度的雷达信号处理方法 | |
| CN108508413B (zh) | 一种基于概率统计的低信噪比条件下目标检测方法 | |
| CN111079929B (zh) | 基于神经计算的短波单站多目标地理坐标快速估计方法 | |
| CN115390037A (zh) | 多类别、未知雷达辐射源脉冲信号分选系统 |
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 |