CN110133632B - 一种基于cwd时频分析的复合调制信号识别方法 - Google Patents

Abstract

本发明属于信息与通信工程的脉内信号类型识别领域，具体涉及一种基于CWD时频分析的复合调制信号识别方法。本发明利用了CWD算法对脉冲采样信号进行时频图像分析，能针对多种常规信号和多种复合调制信号进行分类识别。本发明相对于一般的瞬时相位法和短时傅里叶变换等时频分析方法有着更好的抗噪声性能，在较低信噪比的情况下也有良好的识别性能。

Description

一种基于CWD时频分析的复合调制信号识别方法

技术领域

本发明属于信息与通信工程的脉内信号类型识别领域，具体涉及一种基于CWD时频分析的复合调制信号识别方法。

背景技术

近年来，雷达对距离速度分辨率、测速测距精度、抗干扰性能和低截获概率提出了更高的要求。传统的单一调制信号已逐渐不能兼顾这些要求，因而复合调制信号正越来越成为研究热点。常见复合调制信号有频率编码与相位编码复合(FSK_BPSK)信号、伪码—线性调频复合(LFM_BPSK)信号。FSK_BPSK符合信号旁瓣压缩性能好及距离分辨率高，在雷达等领域受到广泛关注。

针对线性调频(LFM)信号形式简单,易被截获,而伪码调相信号对多普勒频移较敏感等问题,提出一种脉间伪码调相脉内线性调频的新的复合调制信号。该新信号具有图钉型模糊函数和良好的距离及速度分辨率。在高分辨力,抗干扰、低截获方面都显示出独特的优势。

LeMieux讨论了基于Costas和互补Welti码的FSK_PSK复合信号。Donohoe研究了基于Costas和基于量化线性调频FSK_PSK复合信号的模糊函数性质。2011年曾小东等人基于ZAM—GTFR对2FSK_BPSK复合调制信号进行参数估计。2016年王曙光等人以信号频谱相像系数和幅度统计参数为分类特征对FSK_BPSK复合调制信号进行识别。

2012年向崇文等人针对LFM_BPSK信号提出了一种基于分数阶傅里叶变换平面切割与相关检测结合的新方法。2013年宋军等人采用二叉树方法，基于相位展开和瞬时频率对LFM—BPSK复合调制信号、BPSK信号和LFM信号进行了识别，并讨论和分析了纽曼—皮尔逊(N—P)准则下识别门限的选取。接着对LFM_BPSK复合调制信号进行参数估计。

综上，很少有学者提出多个复合调制信号的综合识别方案，针对这一问题，本发明提出了基于CWD时频分析的多个信号类型(包括两个复合调制信号)的识别方案。

发明内容

本发明的目的在于提供构建多个复合调制信号的脉内识别方案，使输入的采样信号的脉内信息通过算法流程提取出基本参数并进行分类的一种基于CWD时频分析的复合调制信号识别方法。

本发明的目的通过如下技术方案来实现：

一种基于CWD时频分析的复合调制信号识别方法，包括以下步骤：

步骤一：对输入的信号采样，对采样信号进行CWD时频变换，得到时频图像；

步骤二：对时频图像进行图像形态学处理，对处理后的图像进行骨架提取，得到时频线；

步骤三：对时频线进行Radon变换，对比映射到频率轴方向的Radon变换图，Radon变换图带最大的为大带宽类信号；Radon变换图带宽小于大带宽类信号且峰数量大于1的为FSK类信号；Radon变换图带宽小于大带宽类信号且峰数量小于或等于1的为单载频类信号；所述的大带宽类信号包括LFM信号、LFM_BPSK信号和NLFM信号；所述的FSK类信号包括2FSK信号和FSK_BPSK信号；所述的单载频类信号包括常规信号和BPSK信号；

步骤四：对于单载频类信号，对整个脉冲时间内进行瞬时累加自相关分析，检测相位跳变点；检测到相位跳变点的为BPSK信号，检测不到的为常规信号；

步骤五：对于FSK类信号进行时域切割后分段检测，对每个时间段进行瞬时累加自相关分析，检测相位跳变点；检测到相位跳变点的为FSK_BPSK信号，检测不到的为2FSK信号；

步骤六：对于大带宽类信号，对Radon变换图进行线性区域能量检测，线性区域的能量占比低的为NFLM信号；再对线性区域的能量占比高的信号的整个脉冲时间内进行瞬时累加自相关分析，检测相位跳变点；检测到相位跳变点的为与LFM_BPSK信号，检测不到的为LFM信号。

本发明还可以包括：

步骤四、步骤五和步骤六中所述的瞬时累加自相关分析具体为：

设被检测的信号为：

其中，A为常数，f₀为信号载频，

为相位调制函数；信号的瞬时自相关为：

τ为信号延迟；所述的瞬时累加自相关分析为假设信号s(t)到信号s(t+τ)发生相位突变，依次增大τ，分别取不同的τ值，多次运算后时域叠加，上述过程离散形式表示为：

所述的步骤一中输入的信号满足奈奎斯特采样定理且信号频段处于采样频率的第一奈奎斯特区。

本发明的有益效果在于：

本发明能针对多种常规信号和多种复合调制信号进行分类识别。本发明相对于一般的瞬时相位法和短时傅里叶变换等时频分析方法有着更好的抗噪声性能，在较低信噪比的情况下也有良好的识别性能。

附图说明

图1是一种基于CWD时频分析的复合调制信号识别方法的方案框图。

图2(a)是常规信号的CWD时频图像(20dB)。

图2(b)是BPSK信号的CWD时频图像(20dB)。

图2(c)是2FSK信号的CWD时频图像(20dB)。

图2(d)是LFM信号的CWD时频图像(20dB)。

图2(e)是FSK_BPSK信号的CWD时频图像(20dB)。

图2(f)是LFM_BPSK信号的CWD时频图像(20dB)。

图2(g)是NLFM信号的CWD时频图像(20dB)。

图3(a)是常规信号的骨架提取图像。

图3(b)是BPSK信号的骨架提取图像。

图3(c)是2FSK信号的骨架提取图像。

图3(d)是LFM信号的骨架提取图像。

图3(e)是FSK_BPSK信号的骨架提取图像。

图3(f)是LFM_BPSK信号的骨架提取图像。

图3(g)是NLFM信号的骨架提取图像。

图4(a)是常规信号的Radon变换图像(变换角度-π/2)。

图4(b)是BPSK信号的Radon变换图像(变换角度-π/2)。

图4(c)是2FSK信号的Radon变换图像(变换角度-π/2)。

图4(d)是LFM信号的Radon变换图像(变换角度-π/2)。

图4(e)是FSK_BPSK信号的Radon变换图像(变换角度-π/2)。

图4(f)是LFM_BPSK信号的Radon变换图像(变换角度-π/2)。

图4(g)是NLFM信号的Radon变换图像(变换角度-π/2)。

图5(a)是NLFM信号的Radon变换图像(变换角度为积分最大时的角度)。

图5(b)是LFM信号的Radon变换图像(变换角度为积分最大时的角度)。

图5(c)是LFM_BPSK信号的Radon变换图像(变换角度为积分最大时的角度)。

图6(a)是2FSK信号的第一个频率编码区域的时域分割图像。

图6(b)是2FSK信号的第二个频率编码区域的时域分割图像。

图6(c)是FSK_BPSK信号的第一个频率编码区域的时域分割图像。

图6(d)是FSK_BPSK信号的第二个频率编码区域的时域分割图像。

图7(a)是常规信号的瞬时累加自相关后的时域图像(累加次数30)。

图7(b)是BPSK信号的瞬时累加自相关后的时域图像(累加次数30)。

图7(c)是2FSK信号的瞬时累加自相关后的时域图像(累加次数30)。

图7(d)是LFM信号的瞬时累加自相关后的时域图像(累加次数30)。

图7(e)是FSK_BPSK信号的瞬时累加自相关后的时域图像(累加次数30)。

图7(f)是LFM_BPSK信号的瞬时累加自相关后的时域图像(累加次数30)。

图8是不同信号类型的识别率曲线。

具体实施方式

下面结合附图对本发明做进一步描述。

本发明应用于雷达信号脉冲的脉内类型识别，目的在构建多个复合调制信号的脉内识别方案。使输入的采样信号的脉内信息通过算法流程提取出基本参数并进行分类。

本发明的实现方案：对脉冲采样信号进行CWD时频变换，对得到的时频图像进行图像形态学处理，包括二值化、闭运算等操作，对处理后的图像进行骨架提取，确定每个时间采样点的瞬时频率；然后对骨骼图像进行Radon变换，观察其映射到频率轴方向的变换图，可以估计出信号带宽并粗略判断信号是否属于单载频类、FSK类或者大带宽类；再对FSK类信号进行时间切割分析，对每个时间段进行瞬时累加自相关，检测相位跳变点最后细分信号类型；对于单载频类和大带宽类信号，对整个脉冲时间内进行瞬时累加自相关分析，检测相位跳变点后细分信号类型。

本发明适用的条件：

(1)输入信号应满足奈奎斯特采样定理且信号频段处于采样频率的第一奈奎斯特区，以确保基于CWD时频变换的频率估计准确。

(2)输入信号类型包括常规信号、BPSK(二相编码)信号、2FSK(频移键控)信号、FSK_BPSK信号、LFM(线性调频)信号、NLFM(非线性调频)信号、LFM_BPSK信号。

本发明包含5个模块：CWD时频变换模块、图像骨架提取模块、radon变换模块、时域切割模块、瞬时累加自相关模块。

1)CWD时频变换模块

Choi-Williams分布是Cohen类时频分布的一种具有分辨率高，交叉项不显著的特点。通过调节其核函数参数，便可以调节其分辨率。Choi-Williams分布表示如下：

其中，t，ω分别表示时频分布的时域和频域分量；f(u,τ)为分布的核函数；τ为时延。

通过选取不同参数的核函数，可抑制交叉项的干扰，但也会降低时频聚焦性，对瞬时频率的分辨率产生影响。核函数表达式如下：

核函数f(u,τ)是一个二阶低通滤波器，可以有效抑制交叉项，σ是正值缩放因子，本发明取σ＝1。离散形式的Choi-Williams变换为：

为了提高运算效率，在每个时间序l计算分布之前，运用加权窗函数对(1-3)式求和，则加窗Choi-Williams变换可以表示为如下形式：

式中，W_N(τ)为对称窗函数，范围为-N/2≤τ≤N/2；W_M(s)是一个在-M/2≤s≤M/2范围内取值为1的矩形窗。增加W_N(τ)的长度可以提高分布的频率分辨率，但交叉项难以得到抑制；减小其长度意味着频率分辨率的降低，但是交叉项的抑制效果会更明显。因此，减少交叉项和提高频率分辨率无法同时兼顾。式(1-4)可重新表述为如下形式：

其中，核函数为：

式中，W(n)为对称窗函数，本发明取汉明窗，并在[-L,L]上有非零值；W(s)是在[-M/2,M/2]上值为1的矩形窗。为了加快计算速度，定义ω＝πk/2N得到分布的DFT(DiscreteFourier Transform)形式，将其带入公式(1-5)与(1-6)可得：

其中，核函数S′(l,n)定义为：

由于在运算中采取了DFT运算过程，为了加快运算速度，采用2的整数次幂点数的FFT(Fast Fourier Transform)代替DFT进行计算。本发明使用128长度的FFT，如果序列长度不足128，则用零补齐。

图2(a)至图2(g)列出了不同信号类别的CWD时频图像(20dB)。

2)图像骨架提取模块

对CWD时频图像进行图像形态学操作，包括二值化处理、中值滤波以及闭运算。然后对经过初步处理的图像提取骨架特征，提取原则是每个采样时间点只取一个能量集中的瞬时频率点，为后续Radon变换提供基础。图3(a)至图3(g)列出了不同信号类型的时频线骨架提取图像。

3)Radon变换模块

对于一个n维的函数f(x₁,x₂,...,x_n)，它的Radon变换就是定义在n-1维超平面上的积分值。对于二维函数f(x,y)，Radon变换计算它在某一指定角度射线方向上的投影变换，即它在确定方向上的线积分。对图像而言，Radon变换反映了图像在不同方向上的投影性质。Radon变换的二维表达式如下：

其中：

直线l的方程为：

x′＝xcosθ+ysinθ (1-11)

式(1-11)的几何意义是函数f(x,y)在θ角度上距离原点x′的一个投影值，当θ值固定，x′取遍所有值是就得到θ方向上的投影值，再改变θ角度值，就得到不同方向上的投影值。

对θ取

后的投影值进行分析可以对信号类型进行粗分类，图4(a)至图4(g)列出了不同信号类别的Radon变换图像(变换角度

)。

后面也对调频信号时频线进行了Radon变换检测线性调频的能量占比达到区分非线性和线性调频信号的目的，图5(a)是NLFM信号的Radon变换图像(变换角度为积分最大时的角度)。图5(b)是LFM信号的Radon变换图像(变换角度为积分最大时的角度)。图5(c)是LFM_BPSK信号的Radon变换图像(变换角度为积分最大时的角度)。

4)时域切割模块

针对FSK类信号，本发明的识别方案会采取分割时域区域的方法来细分FSK类信号的具体类型。时域切割的原则是根据Radon变换图像的峰值，将峰值作为频率编码在骨架图像搜索对应频率的时间区域，不同频率编码对应不同时间区域，达到时域切割的目的。

图6(a)至图6(d)给出了2FSK信号和FSK_BPSK的不同频率编码对应时间区域的图像，其中FSK_BPSK信号的每一个频率编码区域又包含相位编码信息，而2FSK的频率编码区域不存在相位编码信息。

5)瞬时累加自相关模块

瞬时累加自相关算法可以检测信号的位跳变点，对信号类型进行细分。

设被检测信号如下：

其中，A为常数，f₀为信号载频，

为相位调制函数。对信号延迟τ，有：

式(1-12)和式(1-13)的共轭相乘得：

上式称为信号的瞬时自相关。为了消除相位偏移量2πf₀τ的影响，需要首先估计信号的载频。信号载频可由骨架提取模块提供，设估计得到的载频为f₀′，Δf₀＝f₀′-f₀为载频估计误差。然后抵消掉相位偏移量，如下式：

在载频估计足够准确的情况下，估计误差近似为0，不考虑幅值，上式可以近似等于：

对于BPSK信号，当不存在相位跳变时，上式的取值为1，当存在相位跳变时，上式取值为-1。

由于相位的变化对噪声比较敏感，所以式(1-16)的抗噪能力不强。为了改善上述方法的低信噪比性能，采用了瞬时累加自相关的方法。假设信号s(t)到信号s(t+τ)发生相位突变，那么依次增大τ(τ＜T(码元周期))，分别取不同的τ值，多次运算后时域叠加，由于相位突变点从同一时刻开始，因此叠加后幅度增加，提高了抗噪声性能。上述过程离散形式可表示为

图7(a)至图7(f)列出了不同信号类别的瞬时累加自相关后时域图像的例子，且L取30。

一种基于CWD时频分析的复合调制信号识别方法，整个方案主要由时频变换，时频骨架提取，Radon变换，时域切割和子时间片相位跳变分析。相对于一般的瞬时相位法和短时傅里叶变换等时频分析方法有着更好的抗噪声性能，在较低信噪比的情况下也有良好的识别性能。

对采样信号进行CWD时频分析，得到时频图像，根据时频图像提取图像骨架，得到时频线。对时频线进行Radon变换区分单载频信号(常规信号、BPSK)、FSK类信号(2FSK、FSK-BPSK)和大带宽(LFM、LFM-BPSK、NLFM)信号。

对于FSK类信号，通过对不同频率的信号进行时域切割后分段检测。不同分割区域分别利用瞬时累加自相关算法进行相位跳变检测，可以细分具体信号类型。

对于单载频信号和大带宽信号，利用瞬时累加自相关算法进行相位跳变检测，可以细分具体信号类型。

复合调制信号的识别在近年逐渐成为雷达侦察信号处理的热点。针对单个复合调制信号很多学者都提出了一系列识别方法，但是鲜有对多个复合调制信号进行识别，因此本发明利用了CWD算法对脉冲采样信号进行时频图像分析，为FSK_BPSK和LFM_BPSK的识别建立了一套识别方案。具体方法是利用CWD变换图提取描述信号瞬时频率信息的时频骨骼图，经过Radon变换后确定信号粗类别后使用瞬时累加自相关算法确定信号具体类型。仿真结果证明，本发明可以在低信噪比(5dB)的情况下，两种复合调制信号的正确识别率均达到95％以上。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种基于CWD时频分析的复合调制信号识别方法，其特征在于，包括以下步骤：

步骤一：对输入的信号采样，对采样信号进行CWD时频变换，得到时频图像；

步骤二：对时频图像进行图像形态学处理，对处理后的图像进行骨架提取，得到时频线；

步骤三：对时频线进行Radon变换，对比映射到频率轴方向的Radon变换图，Radon变换图带宽最大的为大带宽类信号；Radon变换图带宽小于大带宽类信号且峰数量大于1的为FSK类信号；Radon变换图带宽小于大带宽类信号且峰数量小于或等于1的为单载频类信号；所述的大带宽类信号包括LFM信号、LFM_BPSK信号和NLFM信号；所述的FSK类信号包括2FSK信号和FSK_BPSK信号；所述的单载频类信号包括常规信号和BPSK信号；

步骤四：对于单载频类信号，对整个脉冲时间内进行瞬时累加自相关分析，检测相位跳变点；检测到相位跳变点的为BPSK信号，检测不到的为常规信号；

步骤五：对于FSK类信号进行时域切割后分段检测，对每个时间段进行瞬时累加自相关分析，检测相位跳变点；检测到相位跳变点的为FSK_BPSK信号，检测不到的为2FSK信号；

步骤六：对于大带宽类信号，对Radon变换图进行线性区域能量检测，线性区域的能量占比最低的为NFLM信号；再对线性区域的能量占比最高的信号的整个脉冲时间内进行瞬时累加自相关分析，检测相位跳变点；检测到相位跳变点的为与LFM_BPSK信号，检测不到的为LFM信号。

2.根据权利要求1所述的一种基于CWD时频分析的复合调制信号识别方法，其特征在于：步骤四、步骤五和步骤六中所述的瞬时累加自相关分析具体为：

设被检测的信号为：

其中，A为常数，f₀为信号载频，

为相位调制函数；信号的瞬时自相关为：

τ为信号延迟；所述的瞬时累加自相关分析为假设信号s(t)到信号s(t+τ)发生相位突变，依次增大τ，分别取不同的τ值，多次运算后时域叠加，上述过程离散形式表示为：

3.根据权利要求1或2所述的一种基于CWD时频分析的复合调制信号识别方法，其特征在于：所述的步骤一中输入的信号满足奈奎斯特采样定理且信号频段处于采样频率的第一奈奎斯特区。

Images