CN110531316A - 一种对流层散射机制的识别方法 - Google Patents
一种对流层散射机制的识别方法 Download PDFInfo
- Publication number
- CN110531316A CN110531316A CN201910776727.1A CN201910776727A CN110531316A CN 110531316 A CN110531316 A CN 110531316A CN 201910776727 A CN201910776727 A CN 201910776727A CN 110531316 A CN110531316 A CN 110531316A
- Authority
- CN
- China
- Prior art keywords
- probability density
- curve
- data
- echo
- packet data
- 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.)
- Pending
Links
- 230000007246 mechanism Effects 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000009826 distribution Methods 0.000 claims abstract description 74
- 230000015572 biosynthetic process Effects 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 10
- 238000003786 synthesis reaction Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 235000007164 Oryza sativa Nutrition 0.000 claims description 4
- 235000009566 rice Nutrition 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 240000007594 Oryza sativa Species 0.000 claims 1
- 238000005259 measurement Methods 0.000 abstract description 26
- 238000012545 processing Methods 0.000 abstract description 2
- 230000005855 radiation Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000006854 communication Effects 0.000 description 8
- 230000001939 inductive effect Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 239000005436 troposphere Substances 0.000 description 7
- 238000005070 sampling Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 239000012530 fluid Substances 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 241000209094 Oryza Species 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010835 comparative analysis Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000005433 ionosphere Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
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
- G01S5/06—Position of source determined by co-ordinating a plurality of position lines defined by path-difference measurements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/12—Simultaneous equations, e.g. systems of linear equations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种对流层散射机制的识别方法，步骤如下：采集对流层散射回波电平时间序列数据；对采集到的实测数据进行分组；计算分组数据的均值和方差，并画出各分组数据的实测数据概率密度直方图和实测数据概率密度曲线图以及对应的莱斯概率密度理论曲线图和瑞利概率密度理论曲线图；将各分组数据的实测数据概率密度曲线图分别与对应的莱斯概率密度理论曲线图和瑞利概率密度理论曲线图进行比对，如果实测数据概率密度曲线与莱斯或瑞利概率密度理论曲线吻合，则根据莱斯分布或瑞利分布与散射机制的对应关系识别回波的散射机制，否则根据多莱斯分布与散射机制的对应关系识别回波的散射机制。本发明方法通过对实测回波数据的处理可实现对散射机制的识别。
Description
技术领域
本发明属于对流层散射通信技术领域，尤其涉及一种对流层散射传播机制的识别方法。
背景技术
对流层散射传播现象从20世纪30年代被发现至今，已凭借其不受电离层影响、传输容量较大、安全保密且中继站少、传输距离远等独特的优点大量用于通信(主要是军事通信)领域，并实现了对流层散射超视距通信传播。至今为止，无线电通信领域的工作者们大体提出了湍流非相干散射、不规则层非相干反射和稳定层相干反射三种传播机制来解释和支撑对流层散射传播现象，这三种散射机制都分别具有各自较严格的理论体系以及相吻合的实验数据，因此，对流层散射通信已经在军、民领域得到了很好的应用。
随着对流层散射通信技术发展愈来愈成熟，人们提出了应用对流层散射回波来解决辐射源的定位和侦查问题。现有的对于超视距目标辐射源的定位侦查技术通常是用两个测向站的测向线交叉定位的方式来获得辐射源信号的位置，但这种测向定位技术由于需要两个测向站来实现定位，使用成本高。只用一个测向站来实现超视距辐射源的定位是本领域工作者们的另一研究方向，而用一个测向站实现超视距辐射源定位的核心问题是对散射传播过程中散射机制的识别，然后通过散射机制的特性来反演辐射源的特性，因此对于对流层散射传播机制的识别是解决单站定位的关键，在超视距辐射源定位中需要了解散射机制的物理机理并根据不同的散射机制来反演辐射源的特性，但目前尚无研究涉及对流层散射传播机制的识别方法。
发明内容
本发明的目的是提供一种利用对流层散射回波数据来识别散射机制的方法，从而解决对流层散射超视距传播辐射源的定位、侦查等问题。
为了实现上述目的，本发明采取如下的技术解决方案：
一种对流层散射机制的识别方法，包括以下步骤：
数据采集；采集一定时间周期内的对流层散射回波电平时间序列数据；
数据分组；对采集到的实测数据进行分组，并剔除脉冲式坏数据；
获取数据曲线图；计算每一个分组数据的均值和方差，并画出各分组数据的实测数据概率密度直方图和实测数据概率密度曲线图，同时基于各分组数据的均值和方差，根据莱斯分布概率密度函数和瑞利分布概率密度函数分别画出对应的莱斯概率密度理论曲线图和瑞利概率密度理论曲线图；
曲线图对比；将各分组数据的实测数据概率密度曲线图分别与对应的莱斯概率密度理论曲线图和瑞利概率密度理论曲线图进行比对，如果某一分组数据的实测数据概率密度曲线与该分组数据的莱斯概率密度理论曲线吻合，则根据莱斯分布与散射机制的对应关系识别回波的散射机制，如果某一分组数据的实测数据概率密度曲线与该分组数据的瑞利概率密度理论曲线吻合，则根据瑞利分布与散射机制的对应关系识别回波的散射机制，如果某一分组数据的实测数据概率密度曲线与该分组数据的莱斯概率密度理论曲线及瑞利概率密度理论曲线均不吻合，则根据双(多)莱斯分布与散射机制的对应关系识别回波的散射机制。
进一步的，与莱斯分布对应的回波散射机制为：湍流散射回波机制或不稳定非相干反射层回波机制与稳定相干层反射回波机制共存，或者受路径湍流闪烁影响的波导回波或者大气反射回波；
与瑞利分布对应的回波散射机制为：湍流非相干散射回波机制，或者不稳定非相干反射层回波机制，或者湍流非相干散射回波机制和不稳定非相干反射层回波机制共存；
与双(多)莱斯分布对应的回波散射机制为：收发天线交叉区域出现了两个或者两个以上的尺度接近的湍流结构，是两个或者多个莱斯机制共同决定的接收信号。
进一步的，在数据分组步骤中采用包络线法对采集到的回波电平时间序列数据进行分组，根据数据的概率密度曲线的峰值进行分组，令每一分组数据的概率密度曲线有且只有一个峰值。
进一步的，在曲线图对比步骤中，对于实测数据概率密度曲线与对应的莱斯概率密度理论曲线及瑞利概率密度理论曲线均不吻合的分组数据，采用双(多)莱斯叠加法来对数据进行分析验证，以确定形成总信号的随机信号，步骤如下：
S201、确定两个莱斯分布的随机信号的均值α1、α2；
分组数据的双莱斯概率密度理论曲线根据信号电平的包络概率密度函数p(E)获得，信号电平的包络概率密度函数p(E)为：
式中的K为莱斯分布的莱斯因子，Δ为双波参数，I0表示第一类零阶修正贝塞尔函数，exp表示以e为底的指数函数；
在0～1之间搜索Δ的取值，找到与该分组数据的实测数据概率密度曲线吻合度最高的信号电平的包络概率密度函数曲线，与该吻合度最高的信号电平的包络概率密度函数曲线对应的Δ值为Δ的最终取值；
根据以下公式联立方程组计算α1、α2：
S202、在(0,ψ0)范围内任意取一个数作为ψ01的值，生成满足莱斯分布的随机数E1、E2，
式中的ψ01表示两个莱斯分布的随机信号其中一个随机信号的方差，ψ0为分组数据的方差；
S203、计算合成电平幅度随机数Data，并获取合成电平幅度随机数的概率密度曲线，式中的和分别是服从0～2π均分分布的随机数，j表示虚数单位；
S204、将合成电平幅度随机数的概率密度曲线和实测数据概率密度曲线继续对比，如果曲线吻合，则可确定ψ01是两个莱斯分布的随机信号其中一个随机信号的方差，另一个随机信号的方差ψ02根据总信号方差ψ0和ψ01求出；如果曲线不吻合，则返回步骤S202，重新在(0,ψ0)范围内取一个数作为ψ01值，重新生成E1、E2，重复以上步骤，直到合成电平幅度随机数的概率密度曲线和实测数据概率密度曲线相吻合，求出两个莱斯分布的随机信号的均值和方差即可确定形成总信号的两个莱斯分布的随机信号。
进一步的，数据采集步骤中，当采集的实测数据是功率值时，按以下公式转换为电平值：E＝Pt+20lgf-Gr+77.2，其中，Gr是天线增益，f是接收机接收到信号的频率，Pt是实测数据。
由以上技术方案可知，本发明基于不同的对流层散射机制会产生不同概率密度型号的物理机理，通过采集到的散射回波数据的概率密度分布与理论瑞利、莱斯、双(多)莱斯分布的概率密度曲线的对比分析来实现散射机制的判别，从而为通过散射机制的特性反演超视距目标辐射源的特征，最终实现超视距目标辐射源的定位和侦查提供技术支持和理论支撑，以解决实际工程应用中存在的如何识别散射机制的问题。
附图说明
图1为本发明方法的流程图；
图2为包络线法对实测的时间序列进行分组的示意图；
图3为采用双(多)莱斯叠加法分析数据的步骤流程图；
图4为窄波束收发系统电磁波与湍流相互作用的回波示意图；
图5a为收发天线交叉区域线度大于湍流外尺度时宽波束系统电磁波与湍流相互作用的回波示意图；
图5b为收发天线交叉区域线度远大于湍流外尺度时宽波束系统电磁波与湍流相互作用的回波示意图；
图6为两个外尺度为L1和L2的湍流落入交叉体积时宽波束系统电磁波与湍流相互作用的回波示意图；
图7为不稳定非相干反射层相互作用的回波示意图；
图8为湍流非相干散射和不稳定非相干散射共存机制的回波示意图；
图9为受路径湍流影响的稳定层相干反射回波示意图；
图10为双(多)莱斯的回波散射机制示意图；
图11为仿真实验的实测对流层散射回波功率数据图；
图12为实测对流层散射回波功率数据转换后的电平数据图；
图13a至图13f分别为仿真实验数据各分组数据图；
图14a至图14f分别为仿真实验各分组数据的实测数据概率密度曲线和莱斯概率密度理论曲线、瑞利概率密度理论曲线、双(多)莱斯叠加概率密度曲线的对比图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下获得的所有其他实施例，都属于本发明保护的范围。
发明人发现，对流层散射回波信号服从一定的统计规律，由此可根据信号的统计规律得到不同概率密度与散射机制的对应关系，本发明的基本思路是利用实测的对流层散射回波数据来判别散射链路对应的散射机制，通过对实测的回波数据进行分组、统计特性分析、数据概率密度曲线与理论概率密度曲线的对比分析，可最终按照概率密度分布与散射机制的对应关系实现散射机制识别的目的。
以上是本发明的核心思想，下面对本发明实施例的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其它不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
图1为本发明方法的流程图，下面结合图1对本发明方法的步骤进行说明，如图1所示，本发明方法的步骤如下：
S101、数据采集；采集一定时间周期内的对流层散射回波电平时间序列数据，采样周期为T，采样间隔为t；根据散射回波的快变化特性以及实验研究经验，采样间隔t优选设为1秒或0.5秒，在该采样间隔下可以有效地采集到数据快变化的细节。
S102、数据分组；对采集到的实测数据进行分组，本发明采用包络线法对采集到的回波电平时间序列数据进行分组，图2为一回波电平时间序列图，采用包络线法进行跃变分组时，根据数据的概率密度曲线的峰值进行分组，令每一分组数据的概率密度曲线有且只有一个峰值，分组的同时将脉冲式数据作为坏数据进行剔除。分组方法具体如下：基于原始采集数据的包络线进行预分组，然后画出各预分组数据的概率密度曲线，观察各预分组数据的概率密度曲线是否只有一个峰值，即是否为单峰值，若是单峰值则该预分组数据的分组正确；若不是单峰值，则在该段预分组数据的左端点不变的前提下，将右端点小幅度地左移，然后画出修改右端点后的预分组数据的概率密度曲线，并观察此时预分组数据的概率密度曲线是否只有一个峰值，如果是则该预分组修正完成，如果不是则再次移动右端点并画出新的概率密度曲线进行观察，直至该预分组数据的的概率密度曲线为单峰值为止，当所有预分组数据的概率密度曲线均为单峰值时，分组完成。
S103、获取数据曲线图；计算每一个分组数据的均值和方差，并画出各分组数据的实测数据概率密度直方图和实测数据概率密度曲线图，同时基于各分组数据的均值和方差，根据莱斯分布概率密度函数和瑞利分布概率密度函数分别画出对应的莱斯概率密度理论曲线图和瑞利概率密度理论曲线图；莱斯分布概率密度函数为瑞利分布概率密度函数为其中，E为信号电平幅度，ψ0为分组数据的方差，α为分组数据的均值，I0表示第一类零阶修正贝塞尔函数，exp表示以e为底的指数函数。
S104、曲线图对比；将各分组数据的实测数据概率密度曲线图分别与对应的莱斯概率密度理论曲线图和瑞利概率密度理论曲线图进行比对，如果某一分组数据的实测数据概率密度曲线与该分组数据的莱斯概率密度理论曲线吻合，则根据莱斯分布与散射机制的对应关系识别回波的散射机制，如果某一分组数据的实测数据概率密度曲线与该分组数据的瑞利概率密度理论曲线吻合，则根据瑞利分布与散射机制的对应关系识别回波的散射机制，如果某一分组数据的实测数据概率密度曲线与该分组数据的莱斯概率密度理论曲线及瑞利概率密度理论曲线均不吻合，则根据双(多)莱斯分布与散射机制的对应关系识别回波的散射机制。
与莱斯分布对应的回波散射机制为：湍流散射回波机制或不稳定非相干反射层回波机制与稳定相干层反射回波机制共存(图5a、5b及图6)，或者受路径湍流闪烁影响的波导回波或者大气反射回波(图9)。
与瑞利分布对应的回波散射机制为：湍流非相干散射回波机制(图4)，或者不稳定非相干反射层回波机制(图7)；或者湍流非相干散射回波机制和不稳定非相干反射层回波机制共存(图8)。
与双(多)莱斯分布对应的回波散射机制为：收发天线交叉区域出现了两个或者两个以上(5个以内)的尺度接近的湍流结构，是两个或者多个莱斯机制共同决定的接收信号(图10)。
根据湍流散射的物理机理，电磁波在湍流散射体内的作用过程与偶极子相似，湍流体内部和湍流外尺度边界界面处会形成感应电荷、感应电流，外尺度确定的界面表面的感应电流和感应电荷在一定时间内相对稳定，湍流体内部的感应电流变化较快。因此，平面波与一个外尺度确定的团流体作用时其物理过程相当于一个稳定“偶极子”和许多随机“偶极子”的联合作用结果。由此可以认为对流层超视距散射链路的作用过程可根据收发端天线波束宽度来细化其接收场强表示的过程。
湍流非相干散射回波机制根据交叉体积线度和外尺度线度的关系可以分为三种情况：
如图4所示，如果收发天线交叉区域的线度远小于湍流外尺度，则此时外尺度界面不能形成明显的感应电荷、感应电流，接收信号只有内部子湍流随机散射信号起作用，形成窄波束收发系统下的电磁波与湍流相互作用。
如图5a所示，如果收发天线交叉区域线度大于湍流外尺度，且只有一个外尺度为L的湍流落入交叉体积，则接收信号是外界面感应电荷、感应电流和内部子湍流随机散射信号共同起作用，形成宽波束收发系统电磁波与湍流相互作用。
如图5b所示，如果收发天线交叉区域线度远大于湍流外尺度，两个湍流的一部分落入交叉体积，则此时两个湍流大尺度交界面处形成的感应电荷、感应电流，接收信号是外界面感应电荷、电流和两组内部子湍流随机散射信号共同起作用。
如图6所示，如果收发天线交叉区域线度远大于湍流外尺度，且有两个外尺度分别为L1和L2的湍流落入交叉体积，则此时形成两个外尺度界面的感应电荷、感应电流，接收信号是两个外界面感应电荷、电流和两组内部子湍流随机散射信号共同起作用。
稳定相干层反射回波机制是湍流外尺度边界或两个大尺度湍流的交界面对信号的散射回波。
不稳定非相干反射层回波机制湍流散射耗散后期一系列独立的小尺度湍流群形成的交界面群。不稳定非相干反射界面(层)是外尺度很小的、内部不包含更细微湍动过程的、湍流结构体“群”，这种“群”通常出现在大尺度湍流耗散后期。由于这种“群”的每一个湍流内部没有细微结构，所以每一个湍流的散射信号很稳定，形成了类似离散群聚粒子的散射回波效果，如图7所示。
理论上对流层散射回波数据的概率密度分布情况有瑞利分布、莱斯分布、双莱斯分布、三莱斯分布以及四莱斯分布等。发明人研究发现，在实际工程中，由于对流层散射收发天线的强方向性、高增益使得天线的波束较窄，因此收发天线的交叉区域的线度与湍流体外尺度形成的是窄波束系统下的电磁波与湍流相互作用的情况。因此在实际情况中，收发天线交叉体积内出现三个及以上湍流体的情况很少，即使出现了，由于交叉体积线度的问题，导致湍流体内外尺度相近会很快耗散为小尺度的湍流“群，很难观察到，即对流层散射回波的概率密度分布在大多数情况下是服从双莱斯分布的，瑞利分布、单莱斯分布的情况也会出现，而三莱斯分布或四莱斯分布的情况出现的概率很低，没有实际的应用意义，因此本发明不再另外讨论三莱斯分布或四莱斯分布的情况，而是将三莱斯分布或四莱斯分布的情况统一放在双(多)莱斯分布中进行讨论，在散射机制识别时，当分组数据的实测数据概率密度曲线与对应的莱斯概率密度理论曲线及瑞利概率密度理论曲线均不吻合时，优先考虑双莱斯分布的情况。
对于实测数据概率密度曲线与对应的莱斯概率密度理论曲线及瑞利概率密度理论曲线均不吻合的分组数据，考虑工程实用性和严谨性，本发明进一步采用双(多)莱斯叠加法来对数据进行验证分析，以确定形成总信号的随机信号，从而根据多莱斯分布与散射机制的对应关系来识别回波的散射机制。下面结合图3对采用双(多)莱斯叠加法验证分析数据的具体步骤进行说明(图3中虚线框内的部分对应于数据采集、数据分组和数据曲线获取步骤)，其步骤如下：
S201、确定两个莱斯分布的随机信号的均值α1、α2；
分组数据的双莱斯概率密度理论曲线可根据信号电平的包络概率密度函数p(E)获得，信号电平的包络概率密度函数p(E)为：
式中的K为莱斯分布的莱斯因子，莱斯因子为主信号功率与多径信号分量功率之比，Δ为双波参数，是主信号峰值功率与平均功率的比值；根据分组数据的均值、方差和信号电平的包络概率密度函数p(E)即可获取该分组数据的双莱斯概率密度理论曲线；
在0～1之间搜索Δ的取值，找到与该分组数据的实测数据概率密度曲线吻合度最高的包络概率密度函数曲线，与该吻合度最高的包络概率密度函数曲线对应的Δ值为Δ的最终取值；
根据以下公式联立方程组，根据已知的K值和Δ值计算α1、α2：
式中的α1、α2分别表示两个莱斯分布的随机信号的均值，即α是两个莱斯分布的随机信号叠加后总信号的均值。
S202、在(0,ψ0)范围内任意取一个数作为ψ01值，生成满足莱斯分布的随机数E1、E2，
E1、E2分别是两个莱斯分布的随机信号的电平幅度，式中的ψ01表示其中一个莱斯分布的随机信号的方差，由总信号方差(即分组数据的方差)与两个莱斯分布的随机信号的方差间的关系ψ0＝ψ01+ψ02可知，ψ01的取值范围是(0,ψ0)，因此可在(0,ψ0)范围内任意取数作为ψ01的值(另一个莱斯分布的随机信号的方差ψ02＝ψ0-ψ01)来生成随机数E1、E2，可采用Matlab软件直接产生已知均值和方差的莱斯分布的随机数E1、E2。
S203、计算合成电平幅度随机数Data，并获取合成电平幅度随机数的概率密度曲线，式中的和分别是服从0～2π均分分布的随机数，可用Matlab软件直接生成，j表示虚数单位。
S204、将合成电平幅度随机数的概率密度曲线和实测数据概率密度曲线继续对比，如果曲线吻合，则双(多)莱斯叠加理论正确，可确定ψ01是两个莱斯分布的随机信号其中一个随机信号的方差，另一个随机信号的方差ψ02则可根据总信号方差ψ0和ψ01求出；如果曲线不吻合，则返回步骤S202，重新在(0,ψ0)范围内取一个数作为ψ01值，重新生成E1、E2，重复以上步骤，直到合成电平幅度随机数的概率密度曲线和实测数据概率密度曲线相吻合(实际情况中散射回波大多数情况下是服从双莱斯分布的，因此在(0,ψ0)范围内可以找到一个ψ01值使得合成电平幅度随机数的概率密度曲线和实测数据概率密度曲线相吻合)，求出两个莱斯分布的随机信号的均值和方差即可确定形成总信号的两个莱斯分布的随机信号。
双(多)莱斯叠加法是以双波模型的概率密度函数理论为基础，在利用双(多)莱斯叠加法分析概率密度曲线时，不同莱斯分布均值和方差的选取是关键。根据均值和方差的物理意义可知，均值是平均电平信号，而方差是起伏电平的功率，所以，当两个随机信号叠加后，总信号的方差应该为两个随机信号方差的和，即ψ0＝ψ01+ψ02；而总信号的均值不是二者之和，即α≠α1+α2，根据矢量信号叠加原理可知，总信号均值的取值范围为|α1-α2|≤α≤α1+α2，符合双波模型概率密度函数随机数，其均值功率为α1 2+α2 2。
下面通过以下的仿真实验对本发明方法进行说明，实验数据采用MATLAB软件进行处理。
使用可变波束宽度的天线采集对流层散射回波电平时间序列，采样周期T＝24小时，采样间隔t＝5s，测量17507个数据点，天线的接收频率为63MHz，测得的数据以dBm为单位。当采集的实测数据是功率值时(图11)，则对测得的功率时间序列按照以下公式转换为电平值：E＝Pt+20lgf-Gr+77.2，其中，Gr是天线增益，单位为(dBi)，f是接收机接收到信号的频率，单位为(MHz)，Pt是实测数据，lg表示以10为底的对数。转换后的数据图如图12所示。采集到的数据是电平值时可直接处理。
对实测数据进行分组(图13a至图13f)，并剔除脉冲式坏数据。
利用Matlab中的统计工具包，获得每一分组数据的均值、方差以及实测数据概率密度直方图和实测数据概率密度曲线图，并利用Matlab中的统计工具包将每一分组数据的均值和方差代入莱斯分布概率密度函数和瑞利分布概率密度函数，绘制莱斯概率密度理论曲线图和瑞利概率密度理论曲线图(图14a至图14f)。
依次将各分组数据的实测数据概率密度曲线图分别与对应的莱斯概率密度理论曲线图和瑞利概率密度理论曲线图进行比对，其中，第一组、第三组、第四组、第六组分组数据的实测数据概率密度曲线与莱斯概率密度理论曲线基本吻合，因此可以根据莱斯分布与散射机制的对应关系来识别回波的散射机制，和第一组、第三组、第四组、第六组分组数据对应的散射链路对应的散射机制为：湍流散射回波机制或不稳定非相干反射层回波机制和稳定相干层反射回波两种作用共存，或受路径湍流闪烁影响的波导回波或者大气反射回波。第二组和第五组数据既不符合瑞利分布，也不符合莱斯分布，采用双(多)莱斯叠加法对数据进行多次对比分析，在第二组数据中求得的两个莱斯分布的均值和方差为：α1＝1.46、ψ01＝2.56；α2＝1.20、ψ02＝1.12；第五组数据中求得的两个莱斯分布的均值和方差为：α1＝0.72、ψ01＝0.92；α2＝0.89、ψ02＝1.56，可以按照多莱斯分布对应的散射机制来判别散射机制，和第二组、第五组分组数据对应的散射链路对应的散射机制为：收发天线交叉区域出现了两个或者两个以上(5个以内)的尺度接近的湍流结构，是两个或者多个莱斯机制共同决定的接收信号。
本发明方法通过对实测回波数据的处理来达到散射机制识别的目的，从而可以通过散射机制的特性反演超视距目标辐射源的特征，最终实现超视距目标辐射源的定位和侦查。
以上所述，仅是本发明的较佳实施例而已，并非对本发明做任何形式上的限制，虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。
Claims (5)
1.一种对流层散射机制的识别方法，其特征在于，包括以下步骤：
数据采集；采集一定时间周期内的对流层散射回波电平时间序列数据；
数据分组；对采集到的实测数据进行分组，并剔除脉冲式数据；
获取数据曲线图；计算每一个分组数据的均值和方差，并画出各分组数据的实测数据概率密度直方图和实测数据概率密度曲线图，同时基于各分组数据的均值和方差，根据莱斯分布概率密度函数和瑞利分布概率密度函数分别画出对应的莱斯概率密度理论曲线图和瑞利概率密度理论曲线图；
曲线图对比；将各分组数据的实测数据概率密度曲线图分别与对应的莱斯概率密度理论曲线图和瑞利概率密度理论曲线图进行比对，如果某一分组数据的实测数据概率密度曲线与该分组数据的莱斯概率密度理论曲线吻合，则根据莱斯分布与散射机制的对应关系识别回波的散射机制，如果某一分组数据的实测数据概率密度曲线与该分组数据的瑞利概率密度理论曲线吻合，则根据瑞利分布与散射机制的对应关系识别回波的散射机制，如果某一分组数据的实测数据概率密度曲线与该分组数据的莱斯概率密度理论曲线及瑞利概率密度理论曲线均不吻合，则根据双(多)莱斯分布与散射机制的对应关系识别回波的散射机制。
2.根据权利要求1所述的对流层散射机制的识别方法，其特征在于：与莱斯分布对应的回波散射机制为：湍流散射回波机制或不稳定非相干反射层回波机制与稳定相干层反射回波机制共存，或者受路径湍流闪烁影响的波导回波或者大气反射回波；
与瑞利分布对应的回波散射机制为：湍流非相干散射回波机制，或者不稳定非相干反射层回波机制，或者湍流非相干散射回波机制和不稳定非相干反射层回波机制共存；
与双(多)莱斯分布对应的回波散射机制为：收发天线交叉区域出现了两个或者两个以上的尺度接近的湍流结构，是两个或者多个莱斯机制共同决定的接收信号。
3.根据权利要求1或2所述的对流层散射机制的识别方法，其特征在于：在数据分组步骤中采用包络线法对采集到的回波电平时间序列数据进行分组，根据数据的概率密度曲线的峰值进行分组，令每一分组数据的概率密度曲线有且只有一个峰值。
4.根据权利要求1或2所述的对流层散射机制的识别方法，其特征在于：在曲线图对比步骤中，对于实测数据概率密度曲线与对应的莱斯概率密度理论曲线及瑞利概率密度理论曲线均不吻合的分组数据，采用双(多)莱斯叠加法对数据进行分析验证，以确定形成总信号的随机信号，步骤如下：
S201、确定两个莱斯分布的随机信号的均值α1、α2；
分组数据的双莱斯概率密度理论曲线根据信号电平的包络概率密度函数p(E)获得，信号电平的包络概率密度函数p(E)为：
式中的K为莱斯分布的莱斯因子，Δ为双波参数，I0表示第一类零阶修正贝塞尔函数，exp表示以e为底的指数函数；
在0～1之间搜索Δ的取值，找到与该分组数据的实测数据概率密度曲线吻合度最高的信号电平的包络概率密度函数曲线，与该吻合度最高的信号电平的包络概率密度函数曲线对应的Δ值为Δ的最终取值；
根据以下公式联立方程组计算α1、α2：
S202、在(0,ψ0)范围内任意取一个数作为ψ01的值，生成满足莱斯分布的随机数E1、E2，
式中的ψ01表示两个莱斯分布的随机信号其中一个随机信号的方差，ψ0为分组数据的方差；
S203、计算合成电平幅度随机数Data，并获取合成电平幅度随机数的概率密度曲线，式中的和分别是服从0～2π均分分布的随机数，j表示虚数单位；
S204、将合成电平幅度随机数的概率密度曲线和实测数据概率密度曲线继续对比，如果曲线吻合，则可确定ψ01是两个莱斯分布的随机信号其中一个随机信号的方差，另一个随机信号的方差ψ02根据总信号方差ψ0和ψ01求出；如果曲线不吻合，则返回步骤S202，重新在(0,ψ0)范围内取一个数作为ψ01值，重新生成E1、E2，重复以上步骤，直到合成电平幅度随机数的概率密度曲线和实测数据概率密度曲线相吻合，求出两个莱斯分布的随机信号的均值和方差即可确定形成总信号的两个莱斯分布的随机信号。
5.根据权利要求1或2所述的对流层散射机制的识别方法，其特征在于：数据采集步骤中，当采集的实测数据是功率值时，按以下公式转换为电平值：E＝Pt+20lgf-Gr+77.2，其中，Gr是天线增益，f是接收机接收到信号的频率，Pt是实测数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910776727.1A CN110531316A (zh) | 2019-08-22 | 2019-08-22 | 一种对流层散射机制的识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910776727.1A CN110531316A (zh) | 2019-08-22 | 2019-08-22 | 一种对流层散射机制的识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110531316A true CN110531316A (zh) | 2019-12-03 |
Family
ID=68662449
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910776727.1A Pending CN110531316A (zh) | 2019-08-22 | 2019-08-22 | 一种对流层散射机制的识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110531316A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1707981A (zh) * | 2004-06-07 | 2005-12-14 | 因芬尼昂技术股份公司 | 藉无线链接莱斯因数估测改善寻位方法的可靠性及准确性 |
| US20100081426A1 (en) * | 2007-01-10 | 2010-04-01 | Telefonaktiebolaget L M Ericsson (Publ) | Method for Classifying Radio Channels |
| CN103457678A (zh) * | 2013-02-22 | 2013-12-18 | 南京信息工程大学 | 多云天气条件下的气象卫星复合信道仿真模型的建立方法 |
| CN105182305A (zh) * | 2015-06-04 | 2015-12-23 | 南昌大学 | 电离层非相干散射雷达仿真系统 |
| CN109150339A (zh) * | 2017-06-28 | 2019-01-04 | 北京石油化工学院 | 基于瑞利衰弱信道信号包络的频谱感知方法及系统 |
| CN109714120A (zh) * | 2018-12-19 | 2019-05-03 | 河海大学 | 一种模拟耦合多天线室内空间衰落信道传播特性的方法 |
-
2019
- 2019-08-22 CN CN201910776727.1A patent/CN110531316A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1707981A (zh) * | 2004-06-07 | 2005-12-14 | 因芬尼昂技术股份公司 | 藉无线链接莱斯因数估测改善寻位方法的可靠性及准确性 |
| US20100081426A1 (en) * | 2007-01-10 | 2010-04-01 | Telefonaktiebolaget L M Ericsson (Publ) | Method for Classifying Radio Channels |
| CN103457678A (zh) * | 2013-02-22 | 2013-12-18 | 南京信息工程大学 | 多云天气条件下的气象卫星复合信道仿真模型的建立方法 |
| CN105182305A (zh) * | 2015-06-04 | 2015-12-23 | 南昌大学 | 电离层非相干散射雷达仿真系统 |
| CN109150339A (zh) * | 2017-06-28 | 2019-01-04 | 北京石油化工学院 | 基于瑞利衰弱信道信号包络的频谱感知方法及系统 |
| CN109714120A (zh) * | 2018-12-19 | 2019-05-03 | 河海大学 | 一种模拟耦合多天线室内空间衰落信道传播特性的方法 |
Non-Patent Citations (4)
| Title |
|---|
| 张明高: "《对流层散射传播》", 31 October 2004, 电子工业出版社 * |
| 格雷戈里D.德金: "《空-时无线信道》", 31 August 2004, 西安交通大学出版社 * |
| 王苏君等: "对流层散射传播特性及信号谱特性分析", 《空间电子技术》 * |
| 肖景明等: "《电波传播工程计算》", 30 June 1989, 西安电子科技大学出版社 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105388465B (zh) | 基于海浪谱模型的海杂波模拟方法 | |
| CN107728110B (zh) | 一种基于lfm信号相位调制的共享信号设计方法 | |
| CN106291496B (zh) | 基于四路径模型的运动目标与地面复合散射建模方法 | |
| Hume et al. | Netted radar sensing | |
| CN105891799B (zh) | 适用于机械扫描雷达的有源干扰侦察方法 | |
| CN109142896A (zh) | 基于三维大气电场和memd的雷电预警方法 | |
| CN110531316A (zh) | 一种对流层散射机制的识别方法 | |
| CN106443625A (zh) | 基于高分辨一维像信息融合的目标识别方法 | |
| CN109521418A (zh) | 基于干涉场的地基雷达测角方法 | |
| CN113484838A (zh) | 一种多基地雷达有源假目标鉴别方法及系统 | |
| Stinco et al. | Non‐cooperative target recognition in multistatic radar systems | |
| Bennett et al. | Target classification with multiple frequency illumination | |
| CN106291490B (zh) | 一种用于反演表面波导的海杂波功率计算方法和装置 | |
| CN103499811A (zh) | 提高雷达目标估计性能的天线个数分配方法 | |
| CN109738876A (zh) | 一种基于加速度补偿的机动目标参数估计方法 | |
| Zhao et al. | Modulation recognition of MFSK signals based on multifractal spectrum | |
| Tropkina et al. | Distributed communication and sensing system co-design for improved UAV network resilience | |
| Karimi et al. | Waveform design for cognitive radar with deterministic extended targets in the presence of clutter | |
| Gjessing et al. | On the scattering of electromagnetic waves by a moving tropospheric layer having sinusoidal boundaries | |
| Hanpinitsak et al. | Clustering method based on scatterer locations for indoor dynamic MIMO channel | |
| Zhou et al. | Single scattering impulse response modeling of underwater wireless optical channels | |
| Ding et al. | Ray-tracing based channel clustering and analysis at 28 GHz in conference environment | |
| Qiu et al. | Multiple BPSK/LFM hybrid modulated signals parameter estimation and analysis intercepted by non-cooperative radar receiver | |
| Nielsen et al. | A dynamic model of the indoor channel | |
| Liang et al. | Detection power of a distributed MIMO radar system |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191203 |
|
| RJ01 | Rejection of invention patent application after publication |