CN111401185B - 基于射频指纹sev的电磁信号与装备关联分析方法和系统 - Google Patents
基于射频指纹sev的电磁信号与装备关联分析方法和系统 Download PDFInfo
- Publication number
- CN111401185B CN111401185B CN202010161148.9A CN202010161148A CN111401185B CN 111401185 B CN111401185 B CN 111401185B CN 202010161148 A CN202010161148 A CN 202010161148A CN 111401185 B CN111401185 B CN 111401185B
- Authority
- CN
- China
- Prior art keywords
- sev
- target
- radio frequency
- equipment
- signals
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/12—Fingerprints or palmprints
- G06V40/1347—Preprocessing; Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于射频指纹SEV的电磁信号与装备关联分析方法和系统,使用辐射源个体确认技术,进行未知电磁信号与已知装备的关联分析,解决辐射源指纹识别中的开集识别问题,使未知电磁信号能被有效识别和关联。本发明的方法是:首先提取获取的电磁信号的常规特征参数,从已建立的装备目标库中筛选出与所提取的常规特征参数相吻合的候选目标,组成候选目标子集;再提取所述电磁信号的射频指纹特征,以虚警率为衡量标准,选取SEV判决门限,在候选目标子集上执行SEV,实现合理的识别与拒识;最后将SEV执行结果与装备目标库中的已知装备进行航迹融合与目标确认,完成电磁信号与装备的关联分析。
Description
技术领域:
本发明涉及电磁信号与装备关联性分析技术领域,特别是涉及一种基于射频指纹SEV的电磁信号与装备关联分析方法和系统。
背景技术:
随着雷达及通信辐射源装备的广泛部署使用,具有相似甚至相同工作参数的辐射源数量不断增加,利用传统的辐射源参数难以准确地区分目标个体,使电磁信号与装备之间的关联变得困难。为应对日益复杂的电磁环境,辐射源指纹识别技术应运而生。辐射源指纹识别,又称特定辐射源识别(Specific Emitter Identification,SEI),是指提取辐射源电磁信号的射频指纹特征参数,并将其与已知辐射源的射频指纹进行比对,从而识别辐射源个体身份的过程。由于发射机器件的非理想性和制造容差,会在其发射信号中引入无意调制,这种无意调制具有普遍性、唯一性和稳定性,成为隐含在电磁信号中的射频指纹。由于具有特定射频指纹的电磁信号与特定的辐射源个体关联,而特定的辐射源个体安装在特定的装备上,所以通过SEI,电子侦察系统能够从密集复杂的辐射源环境中可靠地辨识出感兴趣的目标,为装备关联分析提供可靠的手段。
SEI技术的关键是射频指纹特征提取,主要被研究的特征包括时域、频域和变换域特征。时域指纹特征是最基本的指纹特征,它主要源于信号中确定性的、可随信号同步重复出现的无意调制,原始的时域特征包括信号包络、瞬时频率和瞬时相位特征。频域特征是指基于信号频谱或功率谱等谱图所提取的特征。而变换域特征则是指直接基于信号进行二维或者高维变换得到的特征,变换域特征对不需要的随机抖动有较好的抑制作用,关于该类特征的研究也最多,但其所用的特征提取方法往往耗时,而且难以避免地会造成个体信息在高维空间的扩散以及降维引起的信息损失。
此外,在已有的研究中,SEI往往只用以实现闭集识别,即在目标库范围内把射频指纹特征识别为已知目标。对于电磁信号与装备关联分析,需要确认电磁信号是否与特定的装备有关联性,这就涉及拒识问题,即是否要拒绝识别的问题,所以仅仅用闭集SEI无法完成分析任务。为了解决SEI中的开集识别问题,即判断待识别电磁信号来自已知目标还是未知目标,需要使用辐射源个体确认(Specific Emitter Verification,SEV)技术,它利用射频指纹特征判断电磁信号是否来自某个特定的辐射源个体。关于SEV的研究比较少,而且判决门限往往过多依赖人为设置,缺乏衡量标准。
发明内容:
为了克服现有技术存在的不足,本发明提供一种基于射频指纹SEV的电磁信号与装备关联分析方法和系统,使用辐射源个体确认(Specific Emitter Verification,SEV)技术,进行未知电磁信号与已知装备的关联分析,解决辐射源指纹识别(Specific EmitterIdentification,SEI)中的开集识别问题,使未知电磁信号能被有效识别和关联。
本发明的技术方案是:
1.一种基于射频指纹SEV的电磁信号与装备关联分析方法,其特征在于,首先提取获取的电磁信号的常规特征参数,从已建立的装备目标库中筛选出与所提取的常规特征参数相吻合的候选目标,组成候选目标子集;再提取所述电磁信号的射频指纹特征,以虚警率为衡量标准,选取SEV判决门限,在候选目标子集上执行SEV,实现合理的识别与拒识;最后将SEV执行结果与装备目标库中的已知装备进行航迹融合与目标确认,完成电磁信号与装备的关联分析。
2.所述方法包括以下步骤:
1)建立装备目标库,目标库中包含已获取的目标相关辐射源电磁信号的常规特征参数和射频指纹特征参数;
2)提取电磁信号的常规特征参数,包括信号载频、时长、调制样式和调制参数,对于脉冲信号,还要提取脉冲重复间隔;
3)将目标库中各目标的常规特征参数与提取的电磁信号常规特征参数进行对比分析,将调制样式相同并且特征参数有交叠或达到一定相似度的目标取出,作为候选目标,组成候选目标子集;
4)区分电磁信号是否为特殊信号、一般雷达信号或一般通信信号,针对特殊信号、一般雷达信号、一般通信信号,分别提取射频指纹特征;
5)根据虚警率的要求,以规格化残差作为差异度量因子计算SEV判决门限,在候选目标子集上执行SEV;
6)根据已建立的航迹和目标识别结果,进行航迹融合与目标确认,完成电磁信号与装备的关联分析。
3.步骤4)中,提取射频指纹特征的步骤包括:
41)对于特殊信号,直接提取特殊定义特征;
42)对于一般雷达信号,提取ST和LFM信号的瞬时相位特征,提取BPSK信号的平方谱特征,提取FSK类调制信号的第一载频段特征;
43)对于一般通信信号,首先考查信号中是否存在单音时段,如果存在单音时段,则直接提取该段信号的瞬时相位特征,如果不存在单音时段,则提取如下统计特征:基带信号的高阶谱特征,信号包络、瞬时相位和频谱曲线的分形特征、熵特征和奇异值分解特征,以及频谱的偏态和峰态形状特征。
4.步骤5)中,以规格化残差为指示因子计算SEV判决门限的步骤包括:
51)对目标射频指纹特征组成的集合随机平分多次,每次划分都计算各特征的规格化残差(NR)值;
52)将所有NR值降序排列;
53)根据需要的虚警率大小,从NR值中选择合适的值作为SEV判决门限。
5.步骤5)中,在候选目标子集上执行SEV是指:对于候选目标子集中的各个目标,计算待考查电磁信号的射频指纹特征相对目标指纹集的NR值,若NR值低于SEV判决门限,则确认待考查电磁信号的个体身份与该目标相符,否则拒识该电磁信号。
6.步骤6)中,电磁信号与装备的关联分析的步骤包括:
61)将电磁信号的定位结果与已有航迹结果进行关联;
62)列出所有未拒识的目标以及由它们计算的NR值,基于NR值计算各目标的相对权重;
63)对关联航迹上所有数据点的模糊识别结果的相对权重进行统计,将累积权重最大的目标判为该航迹的目标。
7.一种基于射频指纹SEV的电磁信号与装备关联分析系统,其特征在于,包括装备目标库模块、常规特征参数提取模块、候选目标筛选模块、射频指纹特征提取模块、SEV模块、关联装备分析模块;所述常规特征参数提取模块用于提取获取的电磁信号的常规特征参数;候选目标筛选模块用于从装备目标库模块中筛选出与电磁信号常规特征参数相吻合的候选目标,组成候选目标子集;射频指纹特征提取模块用于提取所述电磁信号的射频指纹特征;SEV模块用于以提取的射频指纹特征在候选目标子集上执行SEV;关联装备分析模块用于完成电磁信号与装备关联分析。
8.所述装备目标库模块包括已知目标及其装载辐射源的电磁信号所对应的常规特征参数和射频指纹特征参数。
9.所述射频指纹特征提取模块包括特殊信号射频指纹特征提取单元、雷达信号射频指纹特征提取单元、通信信号射频指纹特征提取单元,用于分别提取特殊信号、一般雷达信号、一般通信信号的射频指纹特征。
10.所述SEV模块包括判决门限计算单元,用于根据虚警率的要求,以规格化残差作为差异度量因子计算SEV判决门限。
本发明的有益效果是:
本发明提供的一种基于射频指纹SEV的电磁信号与装备关联分析方法和系统,使用辐射源个体确认(Specific Emitter Verification,SEV)技术,进行未知电磁信号与已知装备的关联分析,解决了辐射源指纹识别(Specific Emitter Identification,SEI)中的开集识别问题,使未知电磁信号能被有效识别和关联。
本发明采用信号常规特征参数筛选目标并指导射频指纹特征提取,根据信号特点提取相应的射频指纹,提高目标分析与指纹分析的针对性,从而保证分析的效率和精度。在SEV过程中,以虚警率为标准,能够实现虚警抑制,保证感兴趣的装备信号能被有效识别和关联。
本发明首先利用易于提取、差异性大的常规特征参数筛选目标,缩小后续处理中的装备关联范围;其次,通过常规特征参数辨识特殊信号,并结合信号调制特点指导射频指纹特征提取,提高目标分析和指纹分析的针对性,从而保证分析的效率和精度。然后,将射频指纹特征用于辐射源个体确认(SEV)。在SEV过程中,以虚警率为衡量标准,采用规格化残差作为差异度量因子,实现合理的识别与拒识。最后将SEV结果与已有分析结果进行航迹融合,再确认航迹上的目标个体身份。本发明利用射频指纹实现装备的精确识别,并且以虚警率为参考标准,可以抑制感兴趣信号被拒识的概率,从而保证装备关联的效能。
附图说明:
图1是本发明的基于射频指纹SEV的电磁信号与装备关联分析方法流程图;
图2是基于电磁信号特点的射频指纹特征提取流程图;
图3是SEV判决门限计算流程图。
具体实施方式:
以下结合附图对本发明的实施例作进一步详细说明。
如图1所示,是本发明的基于射频指纹SEV的电磁信号与装备关联分析方法流程图。
一种基于射频指纹SEV的电磁信号与装备关联分析方法,首先提取获取的电磁信号的常规特征参数,从已建立的装备目标库中筛选出与所提取的常规特征参数相吻合的候选目标,组成候选目标子集;再提取所述电磁信号的射频指纹特征,以虚警率为衡量标准,选取SEV判决门限,在候选目标子集上执行SEV,实现合理的识别与拒识;最后将SEV执行结果与装备目标库中的已知装备进行航迹融合与目标确认,完成电磁信号与装备的关联分析。
所述方法包括以下步骤:
1)建立装备目标库,目标库中包含已获取的目标相关辐射源电磁信号的常规特征参数和射频指纹特征参数;
2)提取电磁信号的常规特征参数,包括信号载频、时长、调制样式和调制参数,对于脉冲信号,还要提取脉冲重复间隔;
3)将目标库中各目标的常规特征参数与提取的电磁信号常规特征参数进行对比分析,将调制样式相同并且特征参数有交叠或达到一定相似度的目标取出,作为候选目标,组成候选目标子集;
4)区分电磁信号是否为特殊信号、一般雷达信号或一般通信信号,针对特殊信号、一般雷达信号、一般通信信号,分别提取射频指纹特征;
5)根据虚警率的要求,以规格化残差作为差异度量因子计算SEV判决门限,在候选目标子集上执行SEV;
6)根据已建立的航迹和目标识别结果,进行航迹融合与目标确认,完成电磁信号与装备的关联分析。
下面依次阐述各步骤的具体实施方式。
步骤1)中,装备目标库的建立需要事先针对感兴趣的目标,经过长期电子侦察,结合辅助情报手段,获取目标装载的雷达/通信辐射源的电磁信号,并进行数据分析,提取信号的常规特征参数和射频指纹特征参数,建立装备目标与其电磁信号特征参数的对应关系。装备目标库是进行未知电磁信号与已知装备关联分析的前提。
步骤2)中,提取的常规特征参数包括如下信号参数:(1)载频,包括载频模式(如固定、离散变化、连续变化)、载频变化范围和典型载频值;(2)时长;(3)脉冲重复间隔(PulseRepetition Interval,PRI),该参数只针对雷达信号,包括PRI模式、PRI变化范围和典型PRI值;(4)调制样式,雷达信号区分单音(Single Tone,ST)、线性调频(Linear FrequencyModulation,LFM)、二相编码(Binary Phase Shift Keying,BPSK)和频移键控(FrequencyShift Keying,FSK)类调制,通信信号除了区分不同调幅/调频/调相类型外,还区分不同通信体制;(5)调制参数,与调制样式相对应的调制参数,如LFM信号的调制斜率、FSK类信号的频率集和子码长度等等。
步骤3)中,将目标库Ω中各目标的常规特征参数与上述电磁信号参数进行对比分析,将调制样式相同并且特征参数有交叠或达到一定相似度(例如达到80%以上)的目标取出,作为候选目标,组成候选目标子集Ωs。如果不存在候选目标,说明电磁信号无法与装备目标库关联,结束本次处理流程。
步骤4)中,如图2所示,是基于电磁信号特点的射频指纹特征提取流程图。
在进行射频指纹特征提取时,首先判断信号是否属于特殊信号。在感兴趣的装备中,有些特殊型号的装备,尤其是特殊的军事装备,其发射的电磁信号具有明显的常规参数特征,而且对这些特殊信号也已形成针对性的指纹特征提取方法。根据常规参数识别出这些特殊信号,然后直接提取特殊定义特征,可以快速准确地提取指纹特征,并且方便与目标库进行对比。
如果不是特殊信号,而是一般的雷达信号,分以下三种情况提取射频指纹特征:
(1)对于ST和LFM信号,提取瞬时相位特征。方法是:首先利用Hilbert变换得到复信号z(n),n=1,2,L,Ns,其中Ns为总样点数,再计算相位角:
其中Re{·}和Im{·}分别表示取信号实部和虚部。
对于ST信号,相位中的初相和载频成分不是射频指纹信息,需要将它们消除。消除方法是,用/>减去其直线拟合结果。设H=[1,s],其中1=[1,1,L,1]T,s=[1,2,L,Ns]T,则对/>的直线拟合结果为/>于是得到ST信号的射频指纹特征,即瞬时相位特征:
(2)对于BPSK信号,提取平方谱特征。方法是:首先利用Hilbert变换得到复信号z(n),n=1,2,L,Ns,然后对信号样本取平方,得到平方信号z2(n)=z2(n),n=1,2,L,Ns。接着,通过谱峰插值的方法精确估计平方信号z2的载频然后计算信号频谱:
其中N≥Ns为傅里叶变换点数。
(3)对于FSK类调制信号,如FSK信号、FSK+LFM信号和FSK+BPSK信号等,只对第一载频段,即第一个子脉冲提取射频指纹特征,提取方法与上述(1)(2)两种情况相同。
对于一般的通信信号,首先考查信号中是否存在单音时段,单音段的存在主要是为了载频同步的需要。如果存在单音段,则直接提取该段信号的瞬时相位特征,提取方法同上。如果不存在单音段,则需要用统计方法抑制通信信号中多变的有意调制信息,特征提取方法是:针对基带信号提取高阶谱特征;针对信号包络、瞬时相位和频谱曲线分别提取分形特征、熵特征和奇异值分解特征,此外还对频谱提取偏态和峰态形状特征。
步骤5)中,用规格化残差(NR)度量样本相对集合的差异性。设η是待考查模式,为了度量它与样本集X的差异性,首先从X中选择距离η最近的K个模式,设为xk,k=1,2,L,K,则η的NR值定义为
令η表示由电磁信号提取的射频指纹特征矢量,X是候选目标子集Ωs中某个目标的射频指纹特征矢量集合,包含n个样本,则r(η)表征了样本η与目标特征集X的差异程度。如果电磁信号来自该目标,则η与X的样本同属一类,r(η)值较小;反之,r(η)会是一个较大值。这样,通过设置合适的判决门限h即可解决识别/拒识问题。
判决门限h的选取是SEV的关键,本发明以虚警率为衡量标准,使得h的选择能够保证虚警率不超过给定值Pf。本发明中的虚警率是指:把本来与目标有关联性的电磁信号误认为没有关联的概率。以虚警率作为SEV的衡量标准是指:在需要设置判决门限进行个体确认时,门限的设置以要求的虚警率为参考依据,使得SEV的实际虚警率不高于要求值。
如图3所示,是SEV判决门限计算流程图。首先将训练样本集(包含n个样本的候选目标子集Ωs中某个目标的射频指纹特征矢量集合)X随机划分为大小相等并且不相交的两部分X1,X2,满足然后对于X1中的每一个样本,利用X2计算其NR值;同样,利用X1计算X2中各样本的NR值,这样共得到n个NR值;上述过程重复P次,可得到nP个NR值;然后对这些NR值由大到小排序,假设得到r1≥r2≥L≥rnP;再根据要求的虚警率Pf计算整数值m=[Pf·nP],其中[·]表示取整,则最终将SEV判决门限设为h=rm。这样,实际虚警率为
其中1{·}为指示函数,满足虚警率要求。
样本集随机划分次数P的选择与样本集大小n和需求的虚警率Pf有关,一般应使Pf·nP≥5。
得到判决门限h后,即可在候选目标集Ωs上执行SEV,方法是:对于Ωs中的各个目标,计算提取的射频指纹特征矢量η相对目标指纹特征集合X的NR值r(η),若r(η)<h则该目标确认待考查电磁信号的个体身份与之相符,否则拒绝识别该电磁信号。遍历候选目标集Ωs中的所有目标,如果均无法识别,则相应的SEV结果为拒识该电磁信号,结束处理流程。如果电磁信号未被Ωs中的某些目标拒识,设这些目标为对应的NR值为即为未拒识情况下的SEV结果。由于这d个目标均满足虚警率要求,所以识别结果具有模糊性,将目标/>的相对权重依次设为/>
步骤6)中,将电磁信号的定位结果与已有航迹进行关联,然后对关联航迹上所有数据点的模糊识别结果的相对权重进行统计,将累积权重最大的目标判为该航迹的目标,这样就完成了电磁信号与装备的关联分析。电磁信号与装备的关联分析的步骤包括:
61)将电磁信号的定位结果与已有航迹进行关联;关联方法是:首先根据相邻航迹点的距离、方位角和俯仰角差值的下限与上限确定相关波门,然后采用Kalman滤波预测航迹位置,最后把定位结果落在相关波门内且与预测位置最近的航迹作为关联对象;
62)列出所有未拒识的目标以及由它们计算的NR值,基于NR值计算各目标的相对权重;
63)对关联航迹上所有数据点的模糊识别结果的相对权重进行统计,将累积权重最大的目标判为该航迹的目标。
在上述处理过程中,对目标身份的确认实际上分两步完成:首先利用易于提取、差异性大的常规特征参数进行粗识别,实现辐射源类型识别;其次利用提取难度高但携带个体信息的射频指纹特征进行精细识别,实现对电磁信号个体身份的确认。此外,射频指纹特征提取采用了避繁就简的处理原则,即尽量不对信号做过多数学变换,这样能在充分保留指纹细节的同时节约时间成本,所以本发明采用优先提取时域特征、其次频域特征、再次变换域特征的策略。最后,本发明以虚警率作为SEV的衡量标准,可以抑制感兴趣信号被拒识的概率,从而保证装备关联的效能。
相应的,一种基于射频指纹SEV的电磁信号与装备关联分析系统,包括常规特征参数提取模块、候选目标筛选模块、装备目标库模块、射频指纹特征提取模块、SEV模块、关联装备模块。各模块功能如下:常规特征参数提取模块用于提取电磁信号的常规特征参数;候选目标筛选模块用于从已装备目标库模块中筛选出与电磁信号常规特征参数相吻合的候选目标,组成候选目标子集;射频指纹特征提取模块用于提取电磁信号的射频指纹特征;SEV模块用于以提取的射频指纹特征在候选目标子集上执行SEV,实现对电磁信号个体身份的确认;关联装备模块用于完成电磁信号与装备的关联分析。
其中,装备目标库模块包括了已知目标及其装载辐射源的电磁信号所对应的常规特征参数和射频指纹特征参数。射频指纹特征提取模块包括特殊信号射频指纹特征提取单元、雷达信号射频指纹特征提取单元、通信信号射频指纹特征提取单元,用于分别提取特殊信号、一般雷达信号、一般通信信号的射频指纹特征。SEV模块包括判决门限计算单元,用于根据虚警率的要求,以规格化残差作为差异度量因子计算判决门限。
应当指出,以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明创造,但不以任何方式限制本发明创造。一切不脱离本发明创造的精神和范围的技术方案及其改进,其均涵盖在本发明创造的保护范围当中。
Claims (8)
1.一种基于射频指纹SEV的电磁信号与装备关联分析方法,其特征在于,首先提取获取的电磁信号的常规特征参数,从已建立的装备目标库中筛选出与所提取的常规特征参数相吻合的候选目标,组成候选目标子集;再提取所述电磁信号的射频指纹特征,以虚警率为衡量标准,选取SEV判决门限,在候选目标子集上执行SEV,实现合理的识别与拒识;最后将SEV执行结果与装备目标库中的已知装备进行航迹融合与目标确认,完成电磁信号与装备的关联分析;
所述方法包括以下步骤:
1)建立装备目标库,目标库中包含已获取的目标相关辐射源电磁信号的常规特征参数和射频指纹特征参数;
2)提取电磁信号的常规特征参数,包括信号载频、时长、调制样式和调制参数,对于脉冲信号,还要提取脉冲重复间隔;
3)将目标库中各目标的常规特征参数与提取的电磁信号常规特征参数进行对比分析,将调制样式相同并且特征参数有交叠或达到一定相似度的目标取出,作为候选目标,组成候选目标子集;
4)区分电磁信号是否为特殊信号、一般雷达信号或一般通信信号,针对特殊信号、一般雷达信号、一般通信信号,分别提取射频指纹特征;
5)根据虚警率的要求,以规格化残差NR作为差异度量因子计算SEV判决门限,使得SEV判决门限能够保证虚警率不超过给定值;所述虚警率是指:把本来与目标有关联性的电磁信号误认为没有关联的概率;然后在候选目标子集上执行SEV;所述在候选目标子集上执行SEV是指:对于候选目标子集中的各个目标,计算待考查电磁信号的射频指纹特征相对目标指纹集的NR值,若NR值低于SEV判决门限,则确认待考查电磁信号的个体身份与该目标相符,否则拒识该电磁信号;
6)根据已建立的航迹和目标识别结果,进行航迹融合与目标确认,完成电磁信号与装备的关联分析。
2.根据权利要求1所述的基于射频指纹SEV的电磁信号与装备关联分析方法,其特征在于,所述步骤4)中,提取射频指纹特征的步骤包括:
41)对于特殊信号,直接提取特殊定义特征;
42)对于一般雷达信号,提取ST和LFM信号的瞬时相位特征,提取BPSK信号的平方谱特征,提取FSK类调制信号的第一载频段特征;
43)对于一般通信信号,首先考查信号中是否存在单音时段,如果存在单音时段,则直接提取该段信号的瞬时相位特征,如果不存在单音时段,则提取如下统计特征:基带信号的高阶谱特征,信号包络、瞬时相位和频谱曲线的分形特征、熵特征和奇异值分解特征,以及频谱的偏态和峰态形状特征。
3.根据权利要求1所述的基于射频指纹SEV的电磁信号与装备关联分析方法,其特征在于,所述步骤5)中,以规格化残差为差异度量因子计算SEV判决门限的步骤包括:
51)对目标射频指纹特征组成的集合随机平分多次,每次划分都计算各特征的规格化残差NR值;
52)将所有NR值降序排列;
53)根据需要的虚警率大小,从NR值中选择合适的值作为SEV判决门限。
4.根据权利要求1所述的基于射频指纹SEV的电磁信号与装备关联分析方法,其特征在于,所述步骤6)中,电磁信号与装备的关联分析的步骤包括:
61)将电磁信号的定位结果与已有航迹结果进行关联;
62)列出所有未拒识的目标以及由它们计算的NR值,基于NR值计算各目标的相对权重;
63)对关联航迹上所有数据点的模糊识别结果的相对权重进行统计,将累积权重最大的目标判为该航迹的目标。
5.一种基于射频指纹SEV的电磁信号与装备关联分析系统,其特征在于,包括装备目标库模块、常规特征参数提取模块、候选目标筛选模块、射频指纹特征提取模块、SEV模块、关联装备分析模块;所述常规特征参数提取模块用于提取获取的电磁信号的常规特征参数;候选目标筛选模块用于从装备目标库模块中筛选出与电磁信号常规特征参数相吻合的候选目标,组成候选目标子集;所述射频指纹特征提取模块用于区分电磁信号是否为特殊信号、一般雷达信号或一般通信信号,针对特殊信号、一般雷达信号、一般通信信号,分别提取所述电磁信号的射频指纹特征;所述SEV模块用于根据虚警率的要求,以规格化残差NR作为差异度量因子计算SEV判决门限,使得SEV判决门限能够保证虚警率不超过给定值;所述虚警率是指:把本来与目标有关联性的电磁信号误认为没有关联的概率;然后以提取的射频指纹特征在候选目标子集上执行SEV;在候选目标子集上执行SEV是指:对于候选目标子集中的各个目标,计算待考查电磁信号的射频指纹特征相对目标指纹集的规格化残差NR值,若NR值低于SEV判决门限,则确认待考查电磁信号的个体身份与该目标相符,否则拒识该电磁信号;关联装备分析模块用于完成电磁信号与装备关联分析。
6.根据权利要求5所述的基于射频指纹SEV的电磁信号与装备关联分析系统,其特征在于,所述装备目标库模块包括已知目标及其装载辐射源的电磁信号所对应的常规特征参数和射频指纹特征参数。
7.根据权利要求5所述的基于射频指纹SEV的电磁信号与装备关联分析系统,其特征在于,所述射频指纹特征提取模块包括特殊信号射频指纹特征提取单元、雷达信号射频指纹特征提取单元、通信信号射频指纹特征提取单元,用于分别提取特殊信号、一般雷达信号、一般通信信号的射频指纹特征。
8.根据权利要求5所述的基于射频指纹SEV的电磁信号与装备关联分析系统,其特征在于,所述SEV模块包括判决门限计算单元,用于根据虚警率的要求,以规格化残差作为差异度量因子计算SEV判决门限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010161148.9A CN111401185B (zh) | 2020-03-10 | 2020-03-10 | 基于射频指纹sev的电磁信号与装备关联分析方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010161148.9A CN111401185B (zh) | 2020-03-10 | 2020-03-10 | 基于射频指纹sev的电磁信号与装备关联分析方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111401185A CN111401185A (zh) | 2020-07-10 |
CN111401185B true CN111401185B (zh) | 2023-06-20 |
Family
ID=71432340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010161148.9A Active CN111401185B (zh) | 2020-03-10 | 2020-03-10 | 基于射频指纹sev的电磁信号与装备关联分析方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111401185B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113052126B (zh) * | 2021-04-08 | 2022-09-06 | 北京理工大学 | 一种基于深度学习的双阈值开集信号调制识别方法 |
CN116738259B (zh) * | 2023-08-14 | 2023-11-07 | 西南交通大学 | 基于多谐波的电磁泄漏辐射源指纹提取与识别方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102279390A (zh) * | 2011-05-06 | 2011-12-14 | 西南交通大学 | 一种低信噪比雷达辐射源信号脉内调制识别方法 |
DE102011052900A1 (de) * | 2011-08-22 | 2013-02-28 | Medav Gmbh | Verfahren und Vorrichtung zur Ein- und Zuordnung von Signalemittern in Echtzeit |
CN109150340A (zh) * | 2018-07-28 | 2019-01-04 | 中国人民解放军战略支援部队信息工程大学 | 指纹特征提取方法及身份检测方法和辐射源识别校正方法 |
CN109886116A (zh) * | 2019-01-21 | 2019-06-14 | 中国人民解放军战略支援部队信息工程大学 | 基于ads-b的辐射源个体识别方法及装置 |
CN110632572A (zh) * | 2019-09-30 | 2019-12-31 | 中国人民解放军战略支援部队信息工程大学 | 基于无意调相特性的雷达辐射源个体识别方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8131074B2 (en) * | 2008-09-11 | 2012-03-06 | Raytheon Company | Specific emitter identification using histogram of oriented gradient features |
FR3054671B1 (fr) * | 2016-07-26 | 2018-07-13 | Thales | Procede et dispositif d'identification de modes d'emission radar |
-
2020
- 2020-03-10 CN CN202010161148.9A patent/CN111401185B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102279390A (zh) * | 2011-05-06 | 2011-12-14 | 西南交通大学 | 一种低信噪比雷达辐射源信号脉内调制识别方法 |
DE102011052900A1 (de) * | 2011-08-22 | 2013-02-28 | Medav Gmbh | Verfahren und Vorrichtung zur Ein- und Zuordnung von Signalemittern in Echtzeit |
CN109150340A (zh) * | 2018-07-28 | 2019-01-04 | 中国人民解放军战略支援部队信息工程大学 | 指纹特征提取方法及身份检测方法和辐射源识别校正方法 |
CN109886116A (zh) * | 2019-01-21 | 2019-06-14 | 中国人民解放军战略支援部队信息工程大学 | 基于ads-b的辐射源个体识别方法及装置 |
CN110632572A (zh) * | 2019-09-30 | 2019-12-31 | 中国人民解放军战略支援部队信息工程大学 | 基于无意调相特性的雷达辐射源个体识别方法及装置 |
Non-Patent Citations (1)
Title |
---|
邢小鹏.基于时空信息融合的雷达辐射源个体识别系统设计与实现.CNKI硕士电子期刊.2019,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111401185A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10429488B1 (en) | System and method for geo-locating and detecting source of electromagnetic emissions | |
Wu et al. | False-target recognition against interrupted-sampling repeater jamming based on integration decomposition | |
Greco et al. | Radar detection and classification of jamming signals belonging to a cone class | |
US8933834B2 (en) | Radar device | |
CN111401185B (zh) | 基于射频指纹sev的电磁信号与装备关联分析方法和系统 | |
Kawalec et al. | Specific emitter identification using intrapulse data | |
CN115993580A (zh) | 一种被动侦察系统信号处理方法 | |
Deng et al. | A novel specific emitter identification method based on radio frequency fingerprints | |
de Amorim et al. | Millimeter wave chipless RFID authentication based on spatial diversity and 2-D classification approach | |
CN112213697A (zh) | 一种基于贝叶斯决策理论用于雷达欺骗干扰识别的特征融合方法 | |
KR101426863B1 (ko) | 특징인자를 이용한 레이더 펄스내 변조형태 인식 방법 | |
CN109633628B (zh) | 基于分布式组网雷达数据融合的抗rgpo干扰的方法 | |
Liu et al. | Unsupervised clustering method to discriminate dense deception jamming for surveillance radar | |
Guo et al. | Miss distance estimation based on scattering center model using time-frequency analysis | |
CN106019250B (zh) | 基于角闪烁转发式假目标鉴别方法 | |
Tu et al. | GNSS intermediate spoofing detection via dual‐peak in frequency domain and relative velocity residuals | |
CN114839602B (zh) | 基于电磁数据聚类的雷达信号统计特征提取方法及装置 | |
CN106093891A (zh) | 基于多普勒速度检验的雷达网抗密集距离假目标干扰方法 | |
Milczarek et al. | Automatic Classification of Frequency-Modulated Radar Waveforms Under Multipath Conditions | |
Matuszewski et al. | Knowledge-based signal processing for radar identification | |
Aslan | Emitter identification techniques in electronic warfare | |
CN104820213B (zh) | 一种基于动态剔除的搜索跟踪雷达方向图估计方法 | |
Svarc et al. | Perspective methods of radar pulse classification | |
Sun et al. | Unintentional modulation microstructure enlargement | |
Alvarez et al. | Full-wave method for RF sources location |
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 |