CN111090077A - 多维度去交错后的toa差分统计雷达信号分选方法 - Google Patents

Abstract

本发明涉及多维度去交错后的TOA差分统计雷达信号分选方法，属于雷达技术领域。该方法通过在时域进行一定数据量的累计，并合理分段，能够展现其统计规律，克服实际复杂电磁环境下的漏脉冲、偶然测量误差造成的分选不正确等问题。多个维度的去交错和滤杂波处理，能够解决实际复杂电磁环境下由于脉冲密度高所造成的数据量过大，噪声、杂波、非雷达信号干扰等问题。使得TOA差值分选可行，更加准确，可信度更高。另外，PRI参数估计对漏脉冲造成的PRI倍增采取措施后，能够克服因漏脉冲而造成的PRI参数估计错误，并且判别复杂重周类型，如脉冲参差、脉组参差、重周抖动等情况，从而能够适应复杂电磁环境下各种复杂信号形式。

Description

多维度去交错后的TOA差分统计雷达信号分选方法

技术领域

本发明涉及雷达技术领域，特别涉及雷达信号处理技术领域，具体是指一种多维度去交错后的TOA差分统计雷达信号分选方法。

背景技术

雷达技术的迅猛发展，各国都在使用大量常规或者特殊的不同类型的雷达设备，其特点是：配置的空间不断扩大，从地面、空中、海上发展到外层空间；雷达体制多种多样；配置数量大大增加；占用的频谱越来越宽。

基于脉冲到达时间(Time of Arrival，TOA)的分选算法被认为是最可靠的分选方法，也是广大学者研究的热点，其中经典的算法有累计差值直方图算法(CumulativeDifference Histogram，CDIF)、序列差值直方图算法(Sequential DifferenceHistogram，SDIF)、复值自相关积分法、平面变换法以及一些相关的改进方法等。在一些雷达数量少、样式简单、电磁环境好的情境下尚能发挥作用，但在实际复杂的电磁环境下，这些传统方法则有可能无法快速、持续、可靠地进行信号分选，对辐射源准确地做出判断。

传统分选方法重点强调脉冲到达时间(TOA)的重要性及可靠性，并直接对理想辐射源信号的TOA进行分析，但在实际情况下，TOA维度的数据基本无法使用，因为大量无效数据交织在辐射源信号中，完全破坏了脉冲到达时间之间的规律，PRI(Pulse RepetitionInterval，脉冲重复周期)分选法效果很难令人满意。

对于实际复杂电磁环境下漏脉冲所造成的PRI参数倍增，导致参数估计不正确，以及复杂重周参差类型判断等问题，一直没有特别好的通用解决方案。

发明内容

本发明的目的是克服了上述现有技术中的缺点，提供一种多维度去交错、滤杂波后，再基于根据脉冲到达时间(TOA)做统计、分析、处理的新分选方法。

为了实现上述的目的，本发明的多维度去交错后的TOA差分统计雷达信号分选方法包括以下步骤：

(A)在功率域设置门限，滤除接收到的信号中接收机灵敏度附近的噪声，获得侦收数据；

(B)根据实际分选任务的数据量大小及所需分选上报的频次，对所述的侦收数据进行时域划分；

(C)根据到达角作到达角统计直方图，根据所述的到达角统计直方图在所述的侦收数据中分离出不同到达角的数据；

(D)根据频段划分为不同的波段，在不同波段内作频率统计直方图，所述的频率统计直方图的容差范围在3倍均方根误差以内，将不同频率的数据相互分离；

(E)经分离的数据，根据到达时间差分作达时间差分统计直方图，并根据所述的到达时间差分统计直方图确定脉冲重复周期类型。

该多维度去交错后的TOA差分统计雷达信号分选方法中，所述的到达角统计直方图的容差根据时间和需要分选的对象的速度确定。

该多维度去交错后的TOA差分统计雷达信号分选方法中，所述的根据频段划分为不同的波段，具体为：根据频段划分为P、L、S、C、X、Ku、K、Ka波段。

该多维度去交错后的TOA差分统计雷达信号分选方法中，所述的频率统计直方图的容差根据硬件测量误差以及频率抖动情况确定。

该多维度去交错后的TOA差分统计雷达信号分选方法中，所述的根据所述的到达时间差分统计直方图确定脉冲重复周期类型，具体为：

根据到达时间差分统计直方图及到达时间二阶差分情况，确定脉冲重复周期类型及其参数。

该多维度去交错后的TOA差分统计雷达信号分选方法中，所述的根据所述的到达时间差分统计直方图确定脉冲重复周期类型，具体包括以下步骤：

(1)判断所述的到达时间差分统计直方图是否只有一个峰值，若是，则确定所述的脉冲重复周期类型为固定重复周期；若否，则进入步骤(2)；

(2)判断多个峰值是否相邻，若是，则进入步骤(3)，若否，则进入步骤(4)；

(3)判断相邻脉冲峰值的差值是否超过一个脉冲周期的30％，若是，则判断为杂波，若否，则确定为重复周期抖动；

(4)计算每个相邻脉冲的差值的二阶差分，该二阶差分为正的个数记为Np，为负的个数记为Ns，为0的个数记为N0；判断N0/(Np+Ns)是否小于等于1；若是，则确定所述的脉冲重复周期类型为脉冲参差；若否，则确定所述的脉冲重复周期类型为脉组参差。

采用了该发明的多维度去交错后的TOA差分统计雷达信号分选方法，其通过在时域进行一定数据量的累计，并合理分段，能够展现其统计规律，克服实际复杂电磁环境下的漏脉冲、偶然测量误差造成的分选不正确等问题。同时，多个维度的去交错和滤杂波处理，能够解决实际复杂电磁环境下由于脉冲密度高所造成的数据量过大，噪声、杂波、非雷达信号干扰等问题。使得TOA差值分选可行，更加准确，可信度更高。另外，脉冲重复周期(PRI)的参数估计对漏脉冲造成的PRI倍增采取措施后，能够克服因漏脉冲而造成的PRI参数估计错误，并且判别复杂重周类型，如脉冲参差、脉组参差、重周抖动等情况，从而能够适应复杂电磁环境下各种复杂信号形式。

附图说明

图1为本发明的多维度去交错后的TOA差分统计雷达信号分选方法的步骤流程图。

图2为本发明的多维度去交错后的TOA差分统计雷达信号分选方法中确定脉冲重复周期类型的过程示意图。

图3为实际应用中本发明的多维度去交错后的TOA差分统计雷达信号分选方法实现过程示意图。

图4为本发明的方法在实际应用中PRI参数估计流程图。

图5为本发明的方法在实际应用中脉冲参差接收顺序示意图。

图6为本发明的方法在实际应用中脉冲参差坐标示意图。

图7为利用本发明的方法信号1以达时间为横坐标，频率为纵坐标的示意图。

图8为利用本发明的方法信号1以达时间为横坐标，重周为纵坐标的示意图。

图9为利用本发明的方法信号1以达时间为横坐标，脉宽为纵坐标的示意图。

图10为利用本发明的方法将重周和脉宽在同一到达时间轴进行对比分析的示意图。

具体实施方式

为了能够更清楚地理解本发明的技术内容，特举以下实施例详细说明。

请参阅图1所示，为本发明的多维度去交错后的TOA差分统计雷达信号分选方法的步骤流程图。

在一种实施方式中，该多维度去交错后的TOA差分统计雷达信号分选方法包括以下步骤：

(A)在功率域设置门限，滤除接收到的信号中接收机灵敏度附近的噪声，获得侦收数据；

(B)根据实际分选任务的数据量大小及所需分选上报的频次，对所述的侦收数据进行时域划分；

(C)根据到达角作到达角统计直方图，根据所述的到达角统计直方图在所述的侦收数据中分离出不同到达角的数据；

(D)根据频段划分为不同的波段，在不同波段内作频率统计直方图，所述的频率统计直方图的容差范围在3倍均方根误差以内，将不同频率的数据相互分离；

(E)经分离的数据，根据到达时间差分作达时间差分统计直方图，并根据所述的到达时间差分统计直方图确定脉冲重复周期类型。

在优选的实施方式中，所述的步骤(C)中到达角统计直方图的容差根据时间和需要分选的对象的速度确定。

所述的步骤(D)中根据频段划分为不同的波段，具体为：根据频段划分为P、L、S、C、X、Ku、K、Ka波段。所述的频率统计直方图的容差根据硬件测量误差以及频率抖动情况确定。

在更优选的实施方式中，所述的根据所述的到达时间差分统计直方图确定脉冲重复周期类型，具体为：根据到达时间差分统计直方图及到达时间二阶差分情况，确定脉冲重复周期类型及其参数，具体过程如图2所示，包括以下步骤：

(1)判断所述的到达时间差分统计直方图是否只有一个峰值，若是，则确定所述的脉冲重复周期类型为固定重复周期；若否，则进入步骤(2)；

(2)判断多个峰值是否相邻，若是，则进入步骤(3)，若否，则进入步骤(4)；

(3)判断相邻脉冲峰值的差值是否超过一个脉冲周期的30％，若是，则判断为杂波，若否，则确定为重复周期抖动；

(4)计算每个相邻脉冲的差值的二阶差分，该二阶差分为正的个数记为Np，为负的个数记为Ns，为0的个数记为N0；判断N0/(Np+Ns)是否小于等于1；若是，则确定所述的脉冲重复周期类型为脉冲参差；若否，则确定所述的脉冲重复周期类型为脉组参差。

在实际应用中，本发明的多维度去交错后的TOA差分统计雷达信号分选方法实现过程如图3所示。基本包括以下步骤：

步骤A：实际电磁环境中，有大量低功率且在接收机灵敏度附近的数据和噪声，这些数据对分选没有太大帮助，却又大量出现，故设定恰当的功率门限能大量减少无效数据，提高分选效率。在功率域根据实际接收机灵敏度等情况设置门限以滤除灵敏度附近噪声。

步骤B：根据实际分选任务的数据量大小及所需分选上报的频次对征收数据进行时域划分；如在某批侦收的数据中，以2分钟的脉冲描述字(Pulse Description Word，PDW)数据为一帧，对数据进行一次划分。

步骤C：从空间角度来考虑，同一辐射源信号的到达角(Direction of Arrival，DOA)必相同或相近，根据DOA作统计直方图，容差根据时间和需要分选的对象速度设置合适的值，分离不同DOA的数据。

步骤D：根据频段划分为P、L、S、C、X、Ku、K、Ka波段，再在不同频段内作频率统计直方图，直方图的容差根据硬件测量误差以及频率抖动这种情况，设置容差范围在3倍均方根误差以内，将不同频率的数据分离，门限值设为总数据量的10％。

步骤E：经过上述多维度去交错后，再对TOA差分做统计直方图，将统计结果进行处理，并进行PRI参数类型判断。实际应用中的PRI参数估计流程参照图4所示。

设连续到达k个脉冲记为n_i，其到达时间为t_i,i＝1,2,3…k，其脉冲重复周期为T，即t_i-t_j＝T，其中i-j＝1，则理论上统计直方图的峰值只有一个，峰值为k，对应脉冲固定，且脉冲重复间隔(PRI)为T。而实际上假定每隔三个脉冲左右随机漏一个脉冲，则t_i-t_j＝2×T，设总共漏k/100个脉冲，则会造成k/100个脉冲倍频，统计直方图出现两个峰值，一个为0.98×k，对应相邻脉冲的差值(D1TOA)为T，一个峰值为0.01×k，对应D1TOA＝2×T。同理，漏更多脉冲，则会产生更多虚假PRI，同时主峰值会降低。根据上述推导，可针对低PRI进行去PRI谐波处理，即将m×PRI处脉冲经行合并，由雷达设计体制可知，脉冲参差的参数互质，故不会影响真实PRI值的估计。

由频率细分得到的PDW(脉冲描述字)，仍有可能是各类杂波，但其典型特征为D1TOA不规律且杂乱，遵循均匀分布，则在PRI统计的过程中，若判断其PRI峰值均匀分布在超过常规的PRI范围值，则认为该频点为杂波和噪声。

统计过程中，如出现多峰值情况，并且排除增批的情况，那么PRI的类型则为PRI脉组参差和PRI脉冲参差，其统计特性一样。本算法通过计算TOA的二阶差分(D2TOA)，并计算正负数和0的比值，来判段是脉冲参差还是脉组参差。以脉冲3参差为例，其参差值分别为PRI1，PRI2，PRI3；如图5所示。

假设接收到n个脉冲，以到达时间(TOA)，相邻脉冲的差值(D1TOA)分别为横纵坐标画图，如图6所示，其中的标注的正负号表示D1TOA差分的符号。

可以分析出，D1TOA差分符号为正和负的数据有n个，前后数据D1TOA相等的PDW数量N0为0；故：

判定为脉冲参差；同理，可分析出若是脉组参差，

将会大于1，从而判定PRI为脉组参差。

本发明的方法已经通过了验证，取得了满意的应用效果：

(1)实验条件：在某批实际实验的复杂电磁环境下侦收的未知辐射源数据中，截取120s的数据。

(2)仿真内容：

通过Matlab分析其中的1部主要辐射源的信号参数，以到达时间为横坐标，对其频率、重周、脉宽进行绘图，分别如图7、8、9所示。

(3)仿真结果分析：

本发明对该批数据进行分选和参数估计，其结果如下表1所示：

表1对实测数据进行分选和参数估计结果表

从图7和上表1的信号1对比可以看出，频率值均值是9700MHz和9730MHz，频率参数估计正确。

从图8和上表1的信号1对比可以看出，脉宽均值主要集中在1.22us和1.62us、1.72us、1.82us、1.92us左右，脉宽参数估计正确。

从图9和上表1的信号1对比可以看出，重周类型为脉组参差，其均值主要集中在7.424us、7.680us、7.936us、8.192us、8.448us、8.704us，参数估计正确。

如图10所示，进一步将重周和脉宽在同一到达时间轴进行对比分析，可以看到5个脉组对应5个脉宽，能过确认该辐射源的规律特性，得出该信号确实为某辐射源的结论。说明本发明所提方法是正确的。

采用了该发明的多维度去交错后的TOA差分统计雷达信号分选方法，其通过在时域进行一定数据量的累计，并合理分段，能够展现其统计规律，克服实际复杂电磁环境下的漏脉冲、偶然测量误差造成的分选不正确等问题。同时，多个维度的去交错和滤杂波处理，能够解决实际复杂电磁环境下由于脉冲密度高所造成的数据量过大，噪声、杂波、非雷达信号干扰等问题。使得TOA差值分选可行，更加准确，可信度更高。另外，脉冲重复周期(PRI)的参数估计对漏脉冲造成的PRI倍增采取措施后，能够克服因漏脉冲而造成的PRI参数估计错误，并且判别复杂重周类型，如脉冲参差、脉组参差、重周抖动等情况，从而能够适应复杂电磁环境下各种复杂信号形式。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (6)

1.一种多维度去交错后的TOA差分统计雷达信号分选方法，其特征在于，包括以下步骤：

(A)在功率域设置门限，滤除接收到的信号中接收机灵敏度附近的噪声，获得侦收数据；

(B)根据实际分选任务的数据量大小及所需分选上报的频次，对所述的侦收数据进行时域划分；

(C)根据到达角作到达角统计直方图，根据所述的到达角统计直方图在所述的侦收数据中分离出不同到达角的数据；

(D)根据频段划分为不同的波段，在不同波段内作频率统计直方图，所述的频率统计直方图的容差范围在3倍均方根误差以内，将不同频率的数据相互分离；

(E)经分离的数据，根据到达时间差分作达时间差分统计直方图，并根据所述的到达时间差分统计直方图确定脉冲重复周期类型。

2.根据权利要求1所述的多维度去交错后的TOA差分统计雷达信号分选方法，其特征在于，所述的到达角统计直方图的容差根据时间和需要分选的对象的速度确定。

3.根据权利要求1所述的多维度去交错后的TOA差分统计雷达信号分选方法，其特征在于，所述的根据频段划分为不同的波段，具体为：

根据频段划分为P、L、S、C、X、Ku、K、Ka波段。

4.根据权利要求3所述的多维度去交错后的TOA差分统计雷达信号分选方法，其特征在于，所述的频率统计直方图的容差根据硬件测量误差以及频率抖动情况确定。

5.根据权利要求1所述的多维度去交错后的TOA差分统计雷达信号分选方法，其特征在于，所述的根据所述的到达时间差分统计直方图确定脉冲重复周期类型，具体为：

根据到达时间差分统计直方图及到达时间二阶差分情况，确定脉冲重复周期类型及其参数。

6.根据权利要求5所述的多维度去交错后的TOA差分统计雷达信号分选方法，其特征在于，所述的根据所述的到达时间差分统计直方图确定脉冲重复周期类型，具体包括以下步骤：

(1)判断所述的到达时间差分统计直方图是否只有一个峰值，若是，则确定所述的脉冲重复周期类型为固定重复周期；若否，则进入步骤(2)；

(2)判断多个峰值是否相邻，若是，则进入步骤(3)，若否，则进入步骤(4)；

(3)判断相邻脉冲峰值的差值是否超过一个脉冲周期的30％，若是，则判断为杂波，若否，则确定为重复周期抖动；

(4)计算每个相邻脉冲的差值的二阶差分，该二阶差分为正的个数记为Np，为负的个数记为Ns，为0的个数记为N0；判断N0/(Np+Ns)是否小于等于1；若是，则确定所述的脉冲重复周期类型为脉冲参差；若否，则确定所述的脉冲重复周期类型为脉组参差。

Images