CN109031215A - 高脉冲丢失下的参差雷达脉冲重复周期估计方法 - Google Patents
高脉冲丢失下的参差雷达脉冲重复周期估计方法 Download PDFInfo
- Publication number
- CN109031215A CN109031215A CN201810680157.1A CN201810680157A CN109031215A CN 109031215 A CN109031215 A CN 109031215A CN 201810680157 A CN201810680157 A CN 201810680157A CN 109031215 A CN109031215 A CN 109031215A
- Authority
- CN
- China
- Prior art keywords
- pri
- subcycle
- value
- vector
- matrix
- 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
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
- G01S7/28—Details of pulse systems
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
本发明提出了一种高脉冲丢失下的参差雷达脉冲重复周期估计方法,具体步骤包括:对参差雷达进行帧周期估计,并以帧周期所对应的终止脉冲序号、起始脉冲序号和脉冲个数构建矩阵I;根据步骤1得到的3×l维矩阵I以及估计的参差雷达帧周期,估计参差雷达信号的参差数和各子周期PRI值;解算子周期之间的顺序关系,得到各子周期顺序。本发明既能正确估计参差雷达的帧周期、参差个数、各子周期,还解算处各子周期之间的顺序关系。
Description
技术领域
本发明属于电子对抗技术领域,具体涉及一种高脉冲丢失下的参差雷达脉冲重复周期估计方法。
背景技术
参差雷达是一种常见的脉冲雷达,能解决脉冲雷达的盲速问题,因为该种雷达具有多个不同的脉冲重复间隔(Pulse Repetition Interval,PRI)或脉冲重复频率(PulseRepetition Frequency,PRF)。而雷达信号分选是电子对抗系统中的重要组成部分,其功能和作用是将接收机截获到的雷达信号脉冲序列进行处理,分离出属于不同雷达的脉冲串。目前常用的重频分选算法主要是针对具有固定单一PRI的雷达信号,即常规雷达信号,或抖动雷达信号,经典的算法有累积差值直方图法(Cumulative DIFference histogram,CDIF)、序列差值直方图法(Sequential DIFference histogram,SDIF)、PRI变换法等。然而,用这些算法处理参差雷达的脉冲序列时,分选结果不太理想,如PRI变换,由于其在抑制谐波时,参差雷达帧周期也会被视作谐波而被抑制。有人在扩展关联发的基础上,建立一个以脉冲的到达时间(Time Of Arrival,TOA)和PRI为双变量的函数,通过检测函数峰值位置来对参差雷达脉冲序列进行分选。有人利用PRI变换获得信号的时域PRI谱,然后根据PRI谱内脉冲对数特征完成参差雷达信号帧周期的分选工作。还有人研究了在密集信号环境下PRI参数判定门限的设计方法,进而提出了PRI参差雷达脉冲分选新方法。上述这几种参差信号分选方法,虽然在门限设计、参差雷达帧周期估计等进行了有益探讨,但都没有对雷达信号的参差个数和子周期进行估计,也没有解算各子周期之间的顺序关系,且往往要求具有较低的脉冲丢失率。
发明内容
本发明的目的在于提出了一种高脉冲丢失下的参差雷达脉冲重复周期估计方法。
实现本发明的技术解决方案为:一种高脉冲丢失下的参差雷达脉冲重复周期估计方法,具体步骤为:
步骤1、对参差雷达进行帧周期估计,并以帧周期所对应的终止脉冲序号、起始脉冲序号和脉冲个数构建矩阵I;
步骤2、根据步骤1得到的3×l维矩阵I以及估计的参差雷达帧周期,估计参差雷达信号的参差数和各子周期PRI值;
步骤3、解算子周期之间的顺序关系,得到各子周期顺序。
优选地,步骤1对参差雷达进行帧周期估计,并以帧周期所对应的终止脉冲序号、起始脉冲序号和脉冲个数构建矩阵I的具体步骤为:
步骤1-1、计算参差雷达脉冲中任意两个脉冲之间的到达时间差,得到一个含有PRI(脉冲重复周期)信息的矩阵D,其计算公式为:
D(i-1,j)=t(i)-t(j),2≤i≤M,1≤j≤i-1
其中,t(i)为各脉冲的到达时间,M为参差雷达信号脉冲序列中的脉冲个数;
步骤1-2、对矩阵D中不为零的各个PRI值进行统计,得到一个2×n维矩阵X,其中第一行表示PRI值,第二行表示各PRI值出现次数,n为矩阵D中不为零的不同元素个数;
步骤1-3、找出矩阵X第二行中前γ个最大值所对应的索引值,记作向量Ind,确定矩阵X第一行中索引号为Ind的所有PRI值中的最小值为该参差雷达的帧周期,具体表示为:
T=min(X(1,Ind));
步骤1-4、以帧周期所对应的终止脉冲序号、起始脉冲序号和脉冲个数组成一个3×l维矩阵I,其数学表达式为:
I(1,:)={i|D(i,j)==T}
I(2,:)={j|D(i,j)==T}
I(3,:)={i-j|D(i,j)==T}
其中,l表示矩阵D中值为T的元素个数,T表示帧周期。
优选地,步骤2估计参差雷达信号的参差数和各子周期PRI值,具体为:
步骤2-1、确定一个帧周期内的脉冲个数最大值a,并找出脉冲个数最大值为a的所有列b,假设有b列,若列数为1,则令a=a-1,重复步骤2-1,直到列数不为1;否则进入步骤2-2;
步骤2-2、取出这b列数据对应的起始脉冲序号、终止脉冲序号以及每对序号间的TOA值,并对它们做一次一阶差分运算,得到一个b×a维矩阵Y;
若矩阵Y所有行都相同,则表明参差数N=a,且每一行中的元素就是该参差雷达的子周期PRI值,即得到{τp|p=1,…,N},整个估计结束;否则,删除重复的行后得到c×a维的矩阵Z,进行步骤2-3;
步骤2-3、找出矩阵Z中的不同PRI值,并按从小到大进行排序,得到一个1×q维向量V,q为矩阵Z中不同PRI值的个数,计算向量V中的前两个元素之和,记作d,接着取出向量V中所有小于d的元素,记作向量W,且W中的元素按从小到大排序;
步骤2-4、计算向量W中所有元素之和,记作s,比较s与帧周期T作之间的大小,若T=s,则表明向量W中所有元素刚好全部都是该参差雷达的子周期PRI值,故参差数N等于向量W的长度,向量W中的所有元素即为各子周期PRI值{τp|p=1,…,N},整个估计结束;若T>s,则进入步骤2-5;
步骤2-5、计算向量W中的最后两个元素之和,记作e,若T-s<e,且e也是向量V中的元素,则表明T-s这个值也是该参差雷达的一个子周期PRI值,故将T-s加入向量W中,参差数N等于向量W的长度,向量W中的所有元素即为各子周期PRI值{τp|p=1,…,N},整个估计结束;若T-s>e,则找出向量V中大于d,但又小于e的元素,首先排除这些元素中等于向量W中任意两个元素之和的元素,然后将剩下的元素中的最小值加入向量W中,并令d等于该最小值,然后重复步骤2-4和步骤2-5,直至估计结束。
优选地,步骤3解算子周期之间的顺序关系,得到各子周期顺序的具体步骤为:
步骤3-1、若矩阵Z的列数等于估计得到的参差点个数,即N=a,则矩阵T退化为一个行向量,该向量中各元素的顺序关系就是各参差点的顺序关系:τ1,τ2,...,τN,否则转步骤3-2;
步骤3-2、若矩阵Z的列数小于估计得到的参差数,即N>a,则说明存在脉冲丢失,此时矩阵T往往有多行,即c>1,任找一个出现次数最多的子周期PRI值,并对含有该子周期PRI值的行进行循环移位,使得含有该子周期PRI值的行第一个元素值都是选出来的那个子周期PRI值,记作矩阵Z',其次,从含有该子周期PRI值的行中取出第一行数据,记作向量A,与估计得到的各子周期PRI值{τp|p=1,…,N}做比较,找出向量A中的假子周期PRI值的位置,并根据剩余行数据中相应位置的元素及前后元素之间的关系,得到组成假子周期PRI值的另一个子周期PRI值及这两个真实子周期PRI值之间的顺序关系,最后将排序后的这两个真实子周期PRI值替换假子周期PRI值的位置,从而得到最终的子周期顺序关系:τ1,τ2,...,τN。
本发明与现有技术相比,其显著优点为:本发明既能正确估计参差雷达的帧周期、参差个数、各子周期,还解算处各子周期之间的顺序关系,且当脉冲丢失率较高时仍适用。
下面结合附图对本发明做进一步详细的描述。
附图说明
图1为本发明方法的流程图。
图2为无脉冲丢失时参差脉冲序列中各脉冲对应的PRI值示意图。
图3为有40%脉冲丢失率时所接收到的脉冲序列中各脉冲对应的PRI值示意图。
图4为将接收到的脉冲对应到实际发送的脉冲序号后实际有效脉冲的PRI值示意图。
图5为PRI信息矩阵D中各PRI值出现次数的统计结果示意图。
具体实施方式
一种高脉冲丢失下的参差雷达脉冲重复周期估计方法,具体步骤为:
步骤1、对参差雷达进行帧周期估计,并以帧周期所对应的终止脉冲序号、起始脉冲序号和脉冲个数构建矩阵I;
步骤2、根据步骤1得到的3×l维矩阵I以及估计的参差雷达帧周期,估计参差雷达信号的参差数和各子周期PRI值;
步骤3、解算子周期之间的顺序关系,得到各子周期顺序。
进一步的实施例中,步骤1对参差雷达进行帧周期估计,并以帧周期所对应的终止脉冲序号、起始脉冲序号和脉冲个数构建矩阵I的具体步骤为:
步骤1-1、计算参差雷达脉冲中任意两个脉冲之间的到达时间差,得到一个含有PRI(脉冲重复周期)信息的矩阵D,其计算公式为:
D(i-1,j)=t(i)-t(j),2≤i≤M,1≤j≤i-1
其中,t(i)为各脉冲的到达时间,M为参差雷达信号脉冲序列中的脉冲个数;
步骤1-2、对矩阵D中不为零的各个PRI值进行统计,得到一个2×n维矩阵X,其中第一行表示PRI值,第二行表示各PRI值出现次数,n为矩阵D中不为零的不同元素个数;
步骤1-3、找出矩阵X第二行中前γ个最大值所对应的索引值,记作向量Ind,确定矩阵X第一行中索引号为Ind的所有PRI值中的最小值为该参差雷达的帧周期,具体表示为:
T=min(X(1,Ind));
步骤1-4、以帧周期所对应的终止脉冲序号、起始脉冲序号和脉冲个数组成一个3×l维矩阵I,其数学表达式为:
I(1,:)={i|D(i,j)==T}
I(2,:)={j|DjD(i,j)==T}
I(3,:)={i-j|D(i,j)==T}
其中,l表示矩阵D中值为T的元素个数,T表示帧周期。
进一步的实施例中,步骤2估计参差雷达信号的参差数和各子周期PRI值,具体为:
步骤2-1、确定一个帧周期内的脉冲个数最大值a,并找出脉冲个数最大值为a的所有列b,假设有b列,若列数为1,则令a=a-1,重复步骤2-1,直到列数不为1;否则进入步骤2-2;
步骤2-2、取出这b列数据对应的起始脉冲序号、终止脉冲序号以及每对序号间的TOA值,并对它们做一次一阶差分运算,得到一个b×a维矩阵Y;
若矩阵Y所有行都相同,则表明参差数N=a,且每一行中的元素就是该参差雷达的子周期PRI值,即得到{τp|p=1,…,N},整个估计结束;否则,删除重复的行后得到c×a维的矩阵Z,进行步骤2-3;
步骤2-3、找出矩阵Z中的不同PRI值,并按从小到大进行排序,得到一个1×q维向量V,q为矩阵Z中不同PRI值的个数,计算向量V中的前两个元素之和,记作d,接着取出向量V中所有小于d的元素,记作向量W,且W中的元素按从小到大排序;
步骤2-4、计算向量W中所有元素之和,记作s,比较s与帧周期T作之间的大小,若T=s,则表明向量W中所有元素刚好全部都是该参差雷达的子周期PRI值,故参差数N等于向量W的长度,向量W中的所有元素即为各子周期PRI值{τp|p=1,…,N},整个估计结束;若T>s,则进入步骤2-5;
步骤2-5、计算向量W中的最后两个元素之和,记作e,若T-s<e,且e也是向量V中的元素,则表明T-s这个值也是该参差雷达的一个子周期PRI值,故将T-s加入向量W中,参差数N等于向量W的长度,向量W中的所有元素即为各子周期PRI值{τp|p=1,…,N},整个估计结束;若T-s>e,则找出向量V中大于d,但又小于e的元素,首先排除这些元素中等于向量W中任意两个元素之和的元素,然后将剩下的元素中的最小值加入向量W中,并令d等于该最小值,然后重复步骤2-4和步骤2-5,直至估计结束。
进一步的实施例中,步骤3解算子周期之间的顺序关系,得到各子周期顺序的具体步骤为:
步骤3-1、若矩阵Z的列数等于估计得到的参差点个数,即N=a,则矩阵T退化为一个行向量,该向量中各元素的顺序关系就是各参差点的顺序关系:τ1,τ2,...,τN,否则转步骤3-2;
步骤3-2、若矩阵Z的列数小于估计得到的参差数,即N>a,则说明存在脉冲丢失,此时矩阵T往往有多行,即c>1,任找一个出现次数最多的子周期PRI值,并对含有该子周期PRI值的行进行循环移位,使得含有该子周期PRI值的行第一个元素值都是选出来的那个子周期PRI值,记作矩阵Z',其次,从含有该子周期PRI值的行中取出第一行数据,记作向量A,与估计得到的各子周期PRI值{τp|p=1,…,N}做比较,找出向量A中的假子周期PRI值的位置,并根据剩余行数据中相应位置的元素及前后元素之间的关系,得到组成假子周期PRI值的另一个子周期PRI值及这两个真实子周期PRI值之间的顺序关系,最后将排序后的这两个真实子周期PRI值替换假子周期PRI值的位置,从而得到最终的子周期顺序关系:τ1,τ2,...,τN。
以下结合实施例、附图对本发明作进一步描述。
实施例1
如图1所示。设参差脉冲序列有8个子周期,分别为195、50、170、128、85、96、77、116,帧周期为917,发10组,故发送的脉冲总数为80个。图2给出了无脉冲丢失时参差脉冲序列中各脉冲对应的PRI值,图3给出了在有40%脉冲丢失率时所接收到的脉冲序列中各脉冲对应的PRI值,图4是将接收到的脉冲对应到实际发送的脉冲序号后实际有效脉冲的PRI值。本实施例中,高脉冲丢失下的参差雷达脉冲重复周期估计方法的具体步骤为:
步骤1、对参差雷达进行帧周期估计,并以帧周期所对应的终止脉冲序号、起始脉冲序号和脉冲个数构建矩阵I;
步骤1-1、计算脉冲序列中任意两个脉冲之间的到达时间差,得到一个含有PRI信息的矩阵D。
步骤1-2、对矩阵D中不为零的各个PRI值进行统计,得到一个2×n维矩阵X,其中第一行表示PRI值,第二行表示各PRI值出现次数,n为矩阵D中不为零的不同元素个数。统计结果如图5所示。
步骤1-3、找出矩阵X第二行中前5个最大值所对应的索引值,也即出现次数最多的PRI值所对应的索引号,记作向量Ind。这样,矩阵X第一行中索引号为Ind的所有PRI值中的最小值就是该参差雷达的帧周期。从图5可以看出,PRI值出现次数最多的5个中含有真实帧周期的值,即向量Ind中的第一个元素所对应的PRI值,通过查找矩阵X可得帧周期T的估计值为917,与真实帧周期的值一致。
步骤1-4、根据矩阵D和刚估算得到的T,得到用矩阵D中值为T的元素的行、列及两者之差组成一个3×l维矩阵I,这三个参数分别表示这个帧周期所对应的终止脉冲序号、起始脉冲序号和脉冲个数见表1。
表1
步骤2、根据步骤1得到的3×l维矩阵I以及估计的参差雷达帧周期,估计参差雷达信号的参差数和各子周期PRI值;
步骤2-1设矩阵I第三行中的最大值为a,即一个帧周期内脉冲个数最大值为a,然后取出第三行值为a的所有列,假设共有b列。当脉冲丢失率比较高时,若只有1列,即b=1,则该种情况下的估计可信度不高,则令a=a-1,并重复本步骤,否则进入步骤2)。通过表1可以知道,矩阵I第三行中的最大值为6,即a=6,共有8列,即b=8。
步骤2-2、对于上述b列数据,取出每一列的第一行(对应起始脉冲序号)和第二行(对应终止脉冲序号)数据,组成一对,再取出每对序号之间的TOA值,然后对它们做一次一阶差分运算,这样就可以得到一个b×a维矩阵Y。若矩阵Y所有行都相同,则表明参差数N=a,且每一行中的元素就是该参差雷达的子周期PRI值,即得到{τp|p=1,…,N},整个估计结束;否则,删除重复的行后得到c×a维的矩阵Z,并转步骤3)。从表2可以看出,矩阵Y有重复的行,剔除重复的行后得到如表3所示的矩阵Z。
表2
表3
步骤2-3、找出矩阵Z中的不同PRI值,并按从小到大进行排序,得到一个1×q维向量V,q为矩阵Z中不同PRI值的个数。计算向量V中的前两个元素之和,记作d,接着取出向量V中所有小于d的元素,记作向量W(W也是按从小到大排序的)。向量V见表4,向量V中的前两个元素之和d=127,并可得向量W的元素为50、77、85、96、116。
表4
PRI值 | 50 | 77 | 85 | 96 | 116 | 128 | 170 | 173 | 195 | 245 | 258 | 415 |
步骤2-4、计算向量W中所有元素之和,记作s。然后比较s与帧周期T作之间的大小,因为s肯定不可能大于帧周期T,故只考虑剩下两种情况。若T=s,则表明向量W中所有元素刚好全部都是该参差雷达的子周期PRI值,故参差数N等于向量W的长度,向量W中的所有元素即为各子周期PRI值{τp|p=1,…,N},整个估计结束;若T>s,则转步骤5)。向量W中所有元素之和s为424,小于估计得到的帧周期值917,即T>s。
步骤2-5、计算向量W中的最后两个元素之和,记作e,若T-s<e,且e也是向量V中的元素,则表明T-s这个值也是该参差雷达的一个子周期PRI值,故将T-s加入向量W中,参差数N等于向量W的长度,向量W中的所有元素即为各子周期PRI值{τp|p=1,…,N},整个估计结束;若T-s>e,则找出向量V中大于d,但又小于e的元素,首先排除这些元素中等于向量W中任意两个元素之和,然后将剩下的元素中的最小值加入向量W中,并令d等于该最小值,然后重复步骤4)和5),直至估计结束。向量W中的最后两个元素之和e为212,因T-s>e,故找出向量V中大于d,但又小于e的元素:128、170、173、195,其中173刚好为向量W中的元素“77”和元素“96”之和,然后将剩下三个中的最小值“128”加入到向量W中,重复步骤4)和5),依次将“170”和“195”加入到向量W中,此时向量W中所有元素之和刚好等于估计得到的帧周期值,故该参差雷达的参差数为向量W的长度,即有N=8,向量W中的元素为各子周期PRI值,分别为50、77、85、96、116、128、170、195。
步骤3、解算子周期之间的顺序关系,得到各子周期顺序。
步骤3-1、若矩阵Z的列数等于估计得到的参差点个数,即N=a,则矩阵T退化为一个行向量,该向量中各元素的顺序关系就是各参差点的顺序关系:τ1,τ2,...,τN,否则转步骤2)。估计得到的参差数N=8,大于矩阵Z的列数a=6。
步骤3-2、若矩阵Z的列数小于估计得到的参差数,即N>a,则说明存在脉冲丢失,此时矩阵T往往有多行,即c>1。首先,任找一个出现次数最多的子周期PRI值,并对含有该子周期PRI值的行进行循环移位,使得那些行的第一个元素值都是选出来的那个子周期PRI值,记作矩阵Z'。其次,从那些行中取出第一行数据,记作向量A,与估计得到的各子周期PRI值{τp|p=1,…,N}做比较,找出向量A中的假子周期PRI值的位置,并根据其他行数据中相应位置的元素及前后元素之间的关系,可以得到组成假子周期PRI值的另一个子周期PRI值及这两个真实子周期PRI值之间的顺序关系。最后将排序后的这两个真实子周期PRI值替换假子周期PRI值的位置,从而得到最终的子周期顺序关系:τ1,τ2,...,τN。
从矩阵Z可以看出,子周期值116出现次数算最多之一,现对矩阵Z的每一行进行循环移位,使得第一列的值为116,得矩阵Z',见表5。取矩阵Z'中的第一行作为向量A,与估计得到的各子周期PRI值作比较后,可以发现向量A中的元素“245”和“173”为假的子周期,同时可以知道子周期“50”和“195”应该在假子周期“245”的位置,子周期“77”和“96”应该在假子周期“173”的位置。从矩阵Z'中的第二行可知,子周期“77”和“96”的顺序关系应该是“96”在前,“77”在后,从矩阵Z'中的第三行可知,子周期“50”和“195”的顺序关系应该是“195”在前,“50”在后,于是可得最终的各子周期顺序关系为116、195、50、170、128、85、96、77,与真实的顺序关系195、50、170、128、85、96、77、116一致,即估计正确。
表5
Claims (4)
1.一种高脉冲丢失下的参差雷达脉冲重复周期估计方法,其特征在于,具体步骤为:
步骤1、对参差雷达进行帧周期估计,并以帧周期所对应的终止脉冲序号、起始脉冲序号和脉冲个数构建矩阵I;
步骤2、根据步骤1得到的3×l维矩阵I以及估计的参差雷达帧周期,估计参差雷达信号的参差数和各子周期PRI值;
步骤3、解算子周期之间的顺序关系,得到各子周期顺序。
2.根据权利要求1所述的高脉冲丢失下的参差雷达脉冲重复周期估计方法,其特征在于,步骤1对参差雷达进行帧周期估计,并以帧周期所对应的终止脉冲序号、起始脉冲序号和脉冲个数构建矩阵I的具体步骤为:
步骤1-1、计算参差雷达脉冲中任意两个脉冲之间的到达时间差,得到一个含有PRI(脉冲重复周期)信息的矩阵D,其计算公式为:
D(i-1,j)=t(i)-t(j),2≤i≤M,1≤j≤i-1
其中,t(i)为各脉冲的到达时间,M为参差雷达信号脉冲序列中的脉冲个数;
步骤1-2、对矩阵D中不为零的各个PRI值进行统计,得到一个2×n维矩阵X,其中第一行表示PRI值,第二行表示各PRI值出现次数,n为矩阵D中不为零的不同元素个数;
步骤1-3、找出矩阵X第二行中前γ个最大值所对应的索引值,记作向量Ind,确定矩阵X第一行中索引号为Ind的所有PRI值中的最小值为该参差雷达的帧周期,具体表示为:
T=min(X(1,Ind));
步骤1-4、以帧周期所对应的终止脉冲序号、起始脉冲序号和脉冲个数组成一个3×l维矩阵I,其数学表达式为:
I(1,:)={i|D(i,j)=T}
I(2,:)={j|D(i,j)==T}
I(3,:)={i-j|D(i,j)==T}
其中,l表示矩阵D中值为T的元素个数,T表示帧周期。
3.根据权利要求1所述的高脉冲丢失下的参差雷达脉冲重复周期估计方法,其特征在于,步骤2估计参差雷达信号的参差数和各子周期PRI值,具体为:
步骤2-1、确定一个帧周期内的脉冲个数最大值a,并找出脉冲个数最大值为a的所有列,假设有b列,若列数为1,则令a=a-1,重复步骤2-1,直到列数不为1;否则进入步骤2-2;
步骤2-2、取出这b列数据对应的起始脉冲序号、终止脉冲序号以及每对序号间的TOA值,并对它们做一次一阶差分运算,得到一个b×a维矩阵Y;
若矩阵Y所有行都相同,则表明参差数N=a,且每一行中的元素就是该参差雷达的子周期PRI值,即得到{τp|p=1,…,N},整个估计结束;否则,删除重复的行后得到c×a维的矩阵Z,进行步骤2-3;
步骤2-3、找出矩阵Z中的不同PRI值,并按从小到大进行排序,得到一个1×q维向量V,q为矩阵Z中不同PRI值的个数,计算向量V中的前两个元素之和,记作d,接着取出向量V中所有小于d的元素,记作向量W,且W中的元素按从小到大排序;
步骤2-4、计算向量W中所有元素之和,记作s,比较s与帧周期T作之间的大小,若T=s,则表明向量W中所有元素刚好全部都是该参差雷达的子周期PRI值,故参差数N等于向量W的长度,向量W中的所有元素即为各子周期PRI值{τp|p=1,…,N},整个估计结束;若T>s,则进入步骤2-5;
步骤2-5、计算向量W中的最后两个元素之和,记作e,若T-s<e,且e也是向量V中的元素,则表明T-s这个值也是该参差雷达的一个子周期PRI值,故将T-s加入向量W中,参差数N等于向量W的长度,向量W中的所有元素即为各子周期PRI值{τp|p=1,…,N},整个估计结束;若T-s>e,则找出向量V中大于d,但又小于e的元素,首先排除这些元素中等于向量W中任意两个元素之和的元素,然后将剩下的元素中的最小值加入向量W中,并令d等于该最小值,然后重复步骤2-4和步骤2-5,直至估计结束。
4.根据权利要求1所述的高脉冲丢失下的参差雷达脉冲重复周期估计方法,其特征在于,步骤3解算子周期之间的顺序关系,得到各子周期顺序的具体步骤为:
步骤3-1、若矩阵Z的列数等于估计得到的参差点个数,即N=a,则矩阵T退化为一个行向量,该向量中各元素的顺序关系就是各参差点的顺序关系:τ1,τ2,...,τN,否则转步骤3-2;
步骤3-2、若矩阵Z的列数小于估计得到的参差数,任找一个出现次数最多的子周期PRI值,并对含有该子周期PRI值的行进行循环移位,使得含有该子周期PRI值的行第一个元素值都是选出来的那个子周期PRI值,记作矩阵Z',其次,从含有该子周期PRI值的行中取出第一行数据,记作向量A,与估计得到的各子周期PRI值{τp|p=1,…,N}做比较,找出向量A中的假子周期PRI值的位置,并根据剩余行数据中相应位置的元素及前后元素之间的关系,得到组成假子周期PRI值的另一个子周期PRI值及这两个真实子周期PRI值之间的顺序关系,最后将排序后的这两个真实子周期PRI值替换假子周期PRI值的位置,从而得到最终的子周期顺序关系:τ1,τ2,...,τN。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810680157.1A CN109031215B (zh) | 2018-06-27 | 2018-06-27 | 高脉冲丢失下的参差雷达脉冲重复周期估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810680157.1A CN109031215B (zh) | 2018-06-27 | 2018-06-27 | 高脉冲丢失下的参差雷达脉冲重复周期估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109031215A true CN109031215A (zh) | 2018-12-18 |
CN109031215B CN109031215B (zh) | 2022-05-13 |
Family
ID=64610998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810680157.1A Active CN109031215B (zh) | 2018-06-27 | 2018-06-27 | 高脉冲丢失下的参差雷达脉冲重复周期估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109031215B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109917360A (zh) * | 2019-03-01 | 2019-06-21 | 吉林大学 | 一种混叠脉冲的参差pri估计方法 |
CN110334471A (zh) * | 2019-07-17 | 2019-10-15 | 吉林工程技术师范学院 | 参差序列及脉组参差序列的pri子周期提取方法 |
CN110927679A (zh) * | 2019-11-14 | 2020-03-27 | 扬州船用电子仪器研究所(中国船舶重工集团公司第七二三研究所) | 一种基于散列表的多部雷达信号排序方法 |
CN111257839A (zh) * | 2020-03-30 | 2020-06-09 | 吉林大学 | 一种雷达信号分选方法 |
CN112198481A (zh) * | 2020-10-09 | 2021-01-08 | 哈尔滨工程大学 | 一种脉冲丢失混叠情况下的pri抖动雷达信号分选方法 |
CN112763989A (zh) * | 2020-12-30 | 2021-05-07 | 湖南艾科诺维科技有限公司 | 一种基于cdif的抖动信号分选方法 |
CN113702920A (zh) * | 2021-08-25 | 2021-11-26 | 西南交通大学 | 一种区分不同脉间参差雷达数据的联合复杂度值计算方法 |
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 |
CN118549933A (zh) * | 2024-07-29 | 2024-08-27 | 中国科学院空天信息创新研究院 | 一种空时编码Staggered SAR成像方法 |
CN118549933B (zh) * | 2024-07-29 | 2024-09-27 | 中国科学院空天信息创新研究院 | 一种空时编码Staggered SAR成像方法 |
Citations (2)
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 |
CN105403863A (zh) * | 2015-12-09 | 2016-03-16 | 哈尔滨工业大学 | 基于多特征提取的雷达脉冲重复间隔调制识别方法 |
-
2018
- 2018-06-27 CN CN201810680157.1A patent/CN109031215B/zh active Active
Patent Citations (2)
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 |
CN105403863A (zh) * | 2015-12-09 | 2016-03-16 | 哈尔滨工业大学 | 基于多特征提取的雷达脉冲重复间隔调制识别方法 |
Non-Patent Citations (6)
Title |
---|
丁兴军等: "一种基于脉冲重频跟踪的信号分选方法", 《舰船电子对抗》 * |
刘正成等: "一种快速重频参差信号分选方法", 《舰船电子对抗》 * |
张保群: "一种抗SDIF分选的脉冲重复间隔参差设计方法", 《兵器装备工程学报》 * |
李英达等: "一种脉冲重复间隔复杂调制雷达信号分选方法", 《电子与信息学报》 * |
苏焕程等: "一种基于余数周期的PRI精确估计算法", 《航天电子对抗》 * |
贺刚等: "一种基于TOA差值矩阵的雷达信号分选方法", 《航天电子对抗》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109917360A (zh) * | 2019-03-01 | 2019-06-21 | 吉林大学 | 一种混叠脉冲的参差pri估计方法 |
CN110334471A (zh) * | 2019-07-17 | 2019-10-15 | 吉林工程技术师范学院 | 参差序列及脉组参差序列的pri子周期提取方法 |
CN110334471B (zh) * | 2019-07-17 | 2023-06-27 | 长春电子科技学院 | 参差序列及脉组参差序列的pri子周期提取方法 |
CN110927679A (zh) * | 2019-11-14 | 2020-03-27 | 扬州船用电子仪器研究所(中国船舶重工集团公司第七二三研究所) | 一种基于散列表的多部雷达信号排序方法 |
CN111257839B (zh) * | 2020-03-30 | 2021-12-21 | 吉林大学 | 一种雷达信号分选方法 |
CN111257839A (zh) * | 2020-03-30 | 2020-06-09 | 吉林大学 | 一种雷达信号分选方法 |
CN112198481B (zh) * | 2020-10-09 | 2023-07-21 | 哈尔滨工程大学 | 一种脉冲丢失混叠情况下的pri抖动雷达信号分选方法 |
CN112198481A (zh) * | 2020-10-09 | 2021-01-08 | 哈尔滨工程大学 | 一种脉冲丢失混叠情况下的pri抖动雷达信号分选方法 |
CN112763989A (zh) * | 2020-12-30 | 2021-05-07 | 湖南艾科诺维科技有限公司 | 一种基于cdif的抖动信号分选方法 |
CN112763989B (zh) * | 2020-12-30 | 2024-02-06 | 湖南艾科诺维科技有限公司 | 一种基于cdif的抖动信号分选方法 |
CN113702920A (zh) * | 2021-08-25 | 2021-11-26 | 西南交通大学 | 一种区分不同脉间参差雷达数据的联合复杂度值计算方法 |
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 |
CN118549933A (zh) * | 2024-07-29 | 2024-08-27 | 中国科学院空天信息创新研究院 | 一种空时编码Staggered SAR成像方法 |
CN118549933B (zh) * | 2024-07-29 | 2024-09-27 | 中国科学院空天信息创新研究院 | 一种空时编码Staggered SAR成像方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109031215B (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109031215A (zh) | 高脉冲丢失下的参差雷达脉冲重复周期估计方法 | |
CN105277923B (zh) | 一种单通道雷达信号分选方法 | |
CN110764063B (zh) | 一种基于sdif与pri变换法结合的雷达信号分选方法 | |
CN108226869B (zh) | 一种重频参差的雷达信号的检测方法 | |
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 | |
EP3132357A1 (en) | Computing cross-correlations for sparse data | |
CN104038249B (zh) | 周期长码直扩信号伪随机码估计方法 | |
CN102928822A (zh) | 基于高分辨一维距离像的雷达目标长度计算方法 | |
CN114089285A (zh) | 一种基于一阶脉冲重复间隔pri的信号分选方法 | |
CN103297087A (zh) | 一种超宽带定位系统的到达时间估计方法 | |
CN108093213B (zh) | 一种基于视频监控的目标轨迹模糊数据融合方法 | |
Yan et al. | Intelligent and fast two-dimensional CFAR procedure | |
Franchi et al. | Statistical properties of the maximum Lyapunov exponent calculated via the divergence rate method | |
Liu et al. | A radar signal sorting algorithm based on PRI | |
Manickchand et al. | Comparative study of TOA based emitter deinterleaving and tracking algorithms | |
CN109444899B (zh) | 一种基于纯角度信息的航迹关联方法 | |
CN116184331A (zh) | 一种基于重频滑变的抗分选信号设计方法及系统 | |
CN110488259A (zh) | 一种基于gdbscan的雷达目标分类方法及装置 | |
CN115980689A (zh) | 基于点云检测的辐射源信号分选方法、装置、设备及介质 | |
CN109784318A (zh) | 基于神经网络的Link16数据链信号的识别方法 | |
Jiang et al. | Pulse-compression radar signal sorting using the blind source separation algrithms | |
CN110426696A (zh) | 一种脉冲缺损的雷达信号特征序列搜索方法 | |
Cheng et al. | A radar main lobe pulse correlation sorting method | |
CN113296071B (zh) | 基于相关匹配法的多参差信号分选方法及装置 | |
Grimmett et al. | Multistatic post-track classification using a target strength function |
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 |