CN111427018A - 一种雷达干扰装备干扰效果评估方法 - Google Patents
一种雷达干扰装备干扰效果评估方法 Download PDFInfo
- Publication number
- CN111427018A CN111427018A CN202010323184.0A CN202010323184A CN111427018A CN 111427018 A CN111427018 A CN 111427018A CN 202010323184 A CN202010323184 A CN 202010323184A CN 111427018 A CN111427018 A CN 111427018A
- Authority
- CN
- China
- Prior art keywords
- signal
- interference
- frequency
- signals
- radar
- 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
- 230000000694 effects Effects 0.000 title claims abstract description 48
- 238000011156 evaluation Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 72
- 230000005855 radiation Effects 0.000 claims abstract description 61
- 238000004458 analytical method Methods 0.000 claims abstract description 59
- 238000005070 sampling Methods 0.000 claims abstract description 22
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000004445 quantitative analysis Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 18
- 230000000630 rising effect Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 10
- 238000000691 measurement method Methods 0.000 claims description 8
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000002401 inhibitory effect Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000012952 Resampling Methods 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims 2
- 238000012549 training Methods 0.000 abstract description 4
- 230000008859 change Effects 0.000 description 8
- 238000001228 spectrum Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000010363 phase shift Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000287196 Asthenes Species 0.000 description 1
- 108091026890 Coding region Proteins 0.000 description 1
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
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
- G01S7/38—Jamming means, e.g. producing false echoes
-
- 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
- G01S7/40—Means for monitoring or calibrating
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
本发明公开了一种雷达干扰装备干扰效果评估方法，包括以下步骤：1、从雷达干扰装备的信号接口采样雷达辐射源信号和干扰信号；2、对采样的雷达辐射源信号和干扰信号进行时频特征分析；3、根据信号相似度对干扰信号的干扰效果进行实时监测，对干扰样式选择的合理性、干扰参数设置的准确性进行定量分析，得出干扰效果评估结果；4、根据信号相似度分析结果判定干扰效果。本发明通过对雷达辐射源信号和干扰信号进行相似度分析，给出干扰信号的干扰效果评估，为作战训练实操评判提供参考依据，同时为装备操作人员进行干扰决策提供有效的技术支持。
Description
技术领域
本发明涉及雷达干扰评估技术领域，尤其是一种雷达干扰装备干扰效果评估方法。
背景技术
雷达，在战场上有着非常重要的地位，是很重要的军事电子设备，可以通过雷达获得目标的方位角和俯仰角、速度、距离等信息，被称之为“电子战的眼睛”。随着雷达技术的发展，雷达干扰技术也得到了快速进步。雷达干扰，是通过扰乱敌方或者欺骗敌方的雷达设备，从而使敌方设备的效能降低甚至完全丧失的电子干扰。从作战角度来讲，就是通过破坏和扰乱敌方雷达系统，使其无法准确监测到我方雷达信号，从而确保我方作战安排得以顺利实现的战术。
受多种因素限制，雷达干扰装备在作战训练中一般不发射强功率干扰信号，导致受训人员对干扰信号的特征了解甚少，经常无法判定采用的干扰样式、设置的干扰信号参数是否合理，对目标雷达也无法评估干扰效果。
发明内容
针对现有技术的缺陷，本发明旨在提供一种雷达干扰装备干扰效果评估方法，通过对雷达辐射源信号和干扰信号进行相似度分析，给出干扰信号的干扰效果评估，为作战训练实操评判提供参考依据。
为解决上述技术问题，本发明公开的雷达干扰装备干扰效果评估方法包括以下步骤：
S1，从雷达干扰装备的信号接口采样雷达辐射源信号和干扰信号；
S2，对采样的雷达辐射源信号和干扰信号进行时频特征分析；
S3，根据信号相似度对干扰信号的干扰效果进行实时监测，对干扰样式选择的合理性、干扰参数设置的准确性进行定量分析，得出干扰效果评估结果；
其中，定量分析过程包括通过基于QMF分析的信号分选方法区分来自于不同雷达辐射源信号，再通过基于上升沿波形配对的信号分选方法实现雷达辐射信号源与干扰信号的配对，最后通过波形相似性度量完成信号相似度分析；
S4，根据信号相似度分析结果判定干扰效果。
进一步的，信号处理采用ZFFT测频法对信号进行频域分析，具体操作为，先将采集到的信号X移频变为X′，然后经低通滤波和再采样，最后进行快速傅里叶变换；或采用分段FFT相位加权测频方法对信号进行频域分析，具体操作为，将x(n)分成互不重叠的M组，数据长度为L点，采样数据表示为si＝[x(iL),x(iL+1),…,x(iL+L)]，其中i＝0,1,…,M-1，分别对M组数据进行L点的FFT运算得到si，幅度积累后，粗测出信号频率，再进行相位加权，精测出信号频率。
进一步的，信号处理采用基于WVD的时频分析方法对信号进行时频分析，具体操作为：①获取采样信号，进行Hilbert变换，得到采样信号的解析信号；②确定窗口类型、窗口长度、窗口移动步进；③移动窗口，以窗口中心为基准点，计算窗口内数据瞬时自相关；④对瞬时自相关进行快速傅立叶变换；⑤以窗口移动步进移动窗口，重复步骤③、④、⑤，直至所有数据处理完毕。
进一步的，通过基于QMF分析的信号分选方法区分来自于不同雷达辐射源信号的具体操作为，采用QMF分析实现信号的正交小波分解，通过双通道正交镜像滤波器组将输入信号能量在频率上分成正交分量，再将形成的QMF对引入到一个具有一定层数的树形结构，通过波形分解使得在每一层内的“块”具有相同的面积大小，每个滤波器的输出分量再输入到下一层的QMF对中，每一个QMF对均以π为界将输入的信号波形分解成高频分量和低频分量两部分，此处的“块”是指时频平面上包含基函数能量的矩形区域。这里的正交镜像滤波器采用改进型SINC滤波器，该滤波器传递函数为
其中(N-2)/2≤n≤N/2，C为压缩变量，S为尺度变量，N为卷积点数，ω(n)为抑制Gibbs现象的Hamming窗函数。
进一步的，通过基于上升沿波形配对的信号分选方法实现雷达辐射信号源与干扰信号的配对，具体操作为，①提取脉冲信号包络并进行曲线拟合；②提取曲线拟合后脉冲信号包络的上升沿；③采用Huasdorff距离法判断雷达辐射源信号和干扰信号上升沿波形的相似度，完成雷达辐射信号源与干扰信号的配对。
进一步的，通过波形相似性度量完成信号相似度分析，具体操作为，①结合运用夹角余弦算法和滑动窗口算法对雷达辐射源信号和干扰信号波形做整体比较，得到波形基本相似度；②采用平均绝对差算法比较雷达辐射源信号波形和干扰信号波形的幅值，得出幅值相似度；③将波形基本相似度和幅值相似度平均加权，得到雷达辐射源信号波形与干扰信号波形的最终相似度值。
进一步的，干扰效果评估结果的评判标准为，最终相似度值95％以上为干扰效果好，80％-95％为干扰效果一般，65％-80％为临界干扰，低于65％为无干扰效果。
本发明通过对雷达辐射源信号和干扰信号进行相似度分析，给出干扰信号的干扰效果评估，为作战训练实操评判提供参考依据，同时为装备操作人员进行干扰决策提供有效的技术支持。
附图说明
图1为雷达干扰装备干扰效果评估方法流程图；
图2为ZFFT测频法流程示意图；
图3为频率k0附近频谱展开图；
图4为WVD处理流程图；
图5为正交镜像滤波器组树结构图；
图6为LFM信号5层QMF分析等高线图；
图7为Barker信号3层QMF分析等高线图；
图8为costas信号3层QMF分析等高线图；
图9为frank信号2层QMF分析等高线图；
图10为某雷达辐射源信号的脉冲包络波形；
图11为基于上升沿波形配对的信号分选方法流程图；
图12为动态滑动窗口算法示意图；
图13为分段FFT相位加权测频方法流程图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。本发明的实施例是为了示例和描述起见而给出的，而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显而易见的。选择和描述实施例是为了更好说明本发明的原理和实际应用，并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
实施例1
一种雷达干扰装备干扰效果评估方法，如图1所示，以下步骤：
S1，从雷达干扰装备的信号接口采样雷达辐射源信号和干扰信号；
S2，对采样的雷达辐射源信号和干扰信号进行时频特征分析；
S3，根据信号相似度对干扰信号的干扰效果进行实时监测，对干扰样式选择的合理性、干扰参数设置的准确性进行定量分析，得出干扰效果评估结果；
其中，定量分析过程包括通过基于QMF分析的信号分选方法区分来自于不同雷达辐射源信号，再通过基于上升沿波形配对的信号分选方法实现雷达辐射信号源与干扰信号的配对，最后通过波形相似性度量完成信号相似度分析；
S4，根据信号相似度分析结果判定干扰效果。
在信号的时频特征分析方面，本实施例进行了频域分析、时频分析。
频域分析主要实现信号的高精度频率测量，并给出信号频谱。对采集到的数字信号进行测频，常用方法是过零点法和快速傅里叶变换法(FFT)。对于没有受到噪声污染的纯净信号，过零点法不失为一种快捷的方法。然而，在实际环境中，不存在纯净的雷达信号。若用过零点法测量被噪声污染的雷达信号的频率，误差将达到不能容忍的程度。FFT是一种经典频谱分析方法，被人们广泛地用于频谱测量和分析。但是，FFT在高精度测频上受到了制约。因为FFT的频率分辨率Δf＝fs/N，其中fs为采样频率，N为FFT变换长度；fs的降低受奈奎斯特频率的限制，不能无限制地降低；N的增加受到处理时间和计算机内存的限制，不能无限制地增大。
本实施例采用ZFFT测频法对信号进行频域分析，具体操作为，先将采集到的信号X移频变为X′，然后经低通滤波和再采样，最后进行快速傅里叶变换，如图2所示。例如，若估算出的X带宽约为1MHz，那么经移频、低通滤波后的Y(n)可在0-1MHz范围内，再采样的采样频率若取为5MHz，那么跟原本500MHz的采样频率相比，采样频率降低了100倍，在变换长度N不变时，测频精度也就提高了100倍。
信号频率在频谱上表现为一个极大值点，即由频谱上的极大值位置可测出信号的频率。由于FFT的输出结果是离散的，FFT输出的最大频谱分量点与信号的真实频率(谱峰极大点)存在一定的偏差，即存在频率谱峰的估计问题。为了进一步提高测频精度，求得真实信号频率，需要对输出结果进行修正。参照图3，假定FFT的第一个极大值为X0，频率值为k0，第二个极大值为X1，频率值为k1。如果FFT运算采用汉宁窗，则修正公式为
通过上述方法，信号测频精度能够达到5KHz以内。
时频分析主要是分析频率随时间变化信号的特征，这类信号包括频率调制信号、频率编码信号等。本实施例基于WVD非平稳信号处理技术完成雷达信号脉内调制方式的识别，在此基础上，完成调制特征的提取。
维格纳-威利分布(WVD)是一种非平稳信号处理技术，对信号的分析更加侧重于局部特性，在时域和频域都具有一定的分辨率，特别是对于LFM信号，具有近似理想的时频聚集性。对信号的WVD进行一阶矩分析，可以得到信号的瞬时频率，从而能够提取相位编码雷达信号的脉内相位跳变点。
实信号x(t)的WVD定义为
其中s(t)为信号x(t)的解析信号，令
则dτ＝2dλ，代入上式可得
若令
也可以表示为
这是典型的傅立叶变换式，称为信号的瞬时自相关。
根据定义，WVD可以解释为每一个时刻对应的频谱是以这一时刻为中心，将信号在这一时刻左右两侧的所有部分对褶相乘，然后对相乘后的结果进行傅立叶变换得到。
WVD的计算是非因果运算。实际应用中，信号都是在一个有限区间内，可以通过引入延迟加以克服。如果分析所允许的延迟相对于信号区间很小的话，则可以通过对信号在时间t0的加窗形式应用WVD来定义，加窗后的信号为sw(t,t0)＝s(t)w(t-t0)。使用加窗后的信号代替原解析信号得到的WVD称为伪WVD。
伪WVD利于实现，适合于实时处理。首先将输入信号离散化，离散WVD定义为
然后固定窗口，依次移动数据，待窗口内的数据处理完以后，顺序输入数据，依次循环至数据处理完毕，具体步骤如下：
1、获取采样信号，进行Hilbert变换，得到原始信号的解析信号；
2、确定窗口类型、窗口长度、窗口移动步进；
3、移动窗口，以窗口中心为基准点，计算窗口内数据瞬时自相关；
4、对瞬时自相关进行快速傅立叶变换；
5、以窗口移动步进移动窗口，重复步骤3-5，直至所有数据处理完毕。
上述运算速度很大程度上取决于窗口移动步进的大小Δstep，在采用WVD方法对LFM信号进行检测的过程中，关键是要获得脉内时频能量分布趋势，因此，Δstep的大小对于检测的结果影响不大，只要保证Δstep小于窗口宽度的大小，就能够保证脉内时频能量分布趋势保持不变，如果Δstep的值大于窗口宽度，将会导致单分量信号误判为多分量信号。窗口宽度的大小根据采样数据长度、频率分辨率的要求折衷选择，窗口选择的越宽频率分辨率越高，在窗口宽度受限的情况下，可以通过补零的方法提高频率标称分辨率，WVD计算流程如图4所示。
WVD除了可以展现信号的时频能量分布之外，还可以用于提取信号的瞬时频率。信号x(t)的瞬时频率表示为
其中，s(t)为x(t)的解析信号。如果把信号的解析信号表示为复平面的一向量，表示向量幅角的转速，容易知晓，信号的WVD的一阶矩与信号的瞬时频率成正比。
假设离散信号的序列长度为N，则信号的瞬时频率为
其中fs为采样频率，M为WVD的频率点数，m1(n)为WVD的一阶矩，
可以得到基于WVD的瞬时离散频率估计为
线性调频信号与相位编码信号是PC信号的典型代表，在新体制雷达中已经获得了大量的应用。采用WVD方法对这两种信号进行检测主要从两个方面考虑，对于线性调频雷达信号，主要观察其时-频面的能量分布；对于相位编码雷达信号，主要是提取信号的瞬时频率，根据频率跳跃点来提取相位突变点。
设x(t)＝cos(2πf0t+kπt2)为一具有恒等幅度的线性调频信号，其解析信号为
则计算其瞬时自相关得到
进而可得线性调频信号的WVD为
可见，单分量线性调频信号的WVD为沿直线f＝f0+kt分布的冲击线谱，分布的幅值集中出现在表示信号瞬时频率变化的直线上，因此在展现线性调频信号的频率调制率上，WVD具有最佳的时频聚集性。
相位编码信号是将脉冲宽度T分为N个子脉冲，则子脉冲宽度为τ＝T/N，然后用载波的相位对这些子脉冲进行编码，各个子脉冲之间存在着固定的相移，相移的大小与编码规律有关系。由于各个子码之间存在相位跳变点，因此反映在瞬时频率上就是存在频率跃迁，通过对瞬时频率的提取，可以完成相位编码雷达信号相位跳变点的提取。
从信号处理的角度出发，破坏雷达相参性或使得干扰信号具有与雷达辐射源回波相同的相参性，是最本质的手段，即产生具有雷达辐射源回波相似结构、相似特征的干扰信号，使其能有效进入雷达接收机，获取处理增益，使雷达在接收、处理、判决、参数估计、成像、目标监测、分类识别过程中，难以有效区分雷达辐射源回波与干扰，从而在高分辨率SAR图像监测中出现大量虚警，或迫使恒虚警门限升高，并大幅度降低目标的监测概率。基于信号相似度的干扰机理，干扰信号必须具有SAR雷达目标回波信号相似特征，从而实现能量的有效积累，对SAR雷达实施有效干扰，所以雷达辐射源信号与干扰信号的相似度成为该装备考核干扰效果的重要指标。为获取信号相似度，就需要提取信号特征并进行特性分析，将来自不同雷达辐射源的信号区分开来。伴随信号波形的复杂化，参数特征灵活多变的新体制雷达信号的出现，仅依靠基于提取信号参数特征的分选方法，难以满足现代电子战中信号分选的要求。
本实施例采用基于QMF分析的信号分选方法，在合适的分解层数下，通过提取信号的图像特征来区分来自于不同雷达辐射源信号，能够解决针对WVD时频分析中存在的双线性变换带来交叉项干扰，造成的多相位、多频率信号分选效果不佳的问题。QMF分析用于对雷达信号进行正交小波分解，通过双通道正交镜像滤波器组将输入信号能量在频率上分成正交分量。在时频平面内，高频小波变换在时间上会更尖，低频小波变换则在频率上更尖。也就是说，随着频率增加，在时间上“块”会变得更短并且占用更大的频率带宽。由于小波变换是线性的，因此存在对这些“块”最小面积的基本限制。本实施例通过将形成的QMF对引入到一个具有一定层数的树形结构，通过波形分解使得在每一层内的“块”具有相同的面积大小，每个滤波器的输出分量再输入到下一层的QMF对中，如图5所示，每一个QMF对均以π为界将输入的信号波形分解成高频分量和低频分量两部分，此处的“块”是指时频平面上包含基函数能量的矩形区域。正交镜像滤波器采用改进型SINC滤波器，该滤波器传递函数为
其中(N-2)/2≤n≤N/2，C为压缩变量，S为尺度变量，N为卷积点数，ω(n)为抑制Gibbs现象的Hamming窗函数。
设归一化信号以每秒一个样本的速率输入，信号带宽为[0,π]，由于每个滤波器输出信号只有一半的带宽，所以只要求1/2的样本满足奈奎斯特采样定理；因此对这些信号序列进行2倍降采样，得到相同数目的输出样本。图5中树形结构每层的输出组成一个矩阵，该矩阵中元素的平方和近似代表相应时频图中块内所包含的能量，每层的块输出的系数矩阵的长度(时间上)和宽度(频率上)分别是上层的系数矩阵的2倍和1/2。层数不同，该结构对信号的分辨率也不同，层数越高，时间分辨率降低，但频率分辨率增大。由其特性可知，第n层共有2n个QMF对；前一层时频分辨窗口的频率长度是下一层的2倍，时间长度是下一层的1/2，满足了多分辨率的要求。若总层数为L，输入信号的采样频率为fs，则对于第l(l≤L)层，频率分辨率为
时间分辨率为
对于LPI雷达信号，通过选择适当层数，可以轻易识别出不同信号的调制样式和调制参数特征，如能够确定带宽、载频、“片”内的能量分布、相位调制、脉宽，以及时频图上的位置信息等，甚至可以识别出当前发射机的数量和LPI发射机的类型。层数越少，时间分辨率越高，相应的频率分辨率越低；当层数增多时，时间分辨率随之变低，同时频率分辨率会变高。下面选取几类典型LPI雷达信号进行QMF分析。
选取的LFM信号参数：采样频率fs＝40MHz，脉宽τ＝10μs，信号起始频率fc＝2MHz，带宽B＝4MHz。在不受噪声污染的情况下，通过QMF分析，进行5层处理得到图6结果。
选取的Barker码信号参数：采样频率fs＝40MHz，脉宽T＝13μs，子脉冲宽度τ＝1μs，信号中心频率f0＝10MHz。在不受噪声污染的情况下，通过QMF分析，进行3层处理得到图7结果。
选取的10位costas信号参数：采样频率fs＝40MHz，编码序列为[2,4,8,5,10,9,7,3,6,1]，子频率持续时间Tp＝1μs，信号起始频率fc＝2MHz。在不受噪声污染的情况下，通过QMF分析，进行3层处理得到图8结果。
选取的frank码信号参数：采样频率fs＝40MHz，子脉冲宽度τ＝1μs，N＝3，即码长为32＝9，脉宽T＝9μs，信号载频f0＝10MHz。在不受噪声污染的情况下，通过QMF分析，进行2层处理得到图9结果。
对于不同调制样式的雷达信号，通过合适层数的QMF分析可以清晰地进行区分，并能够准确地识别出信号的调制信息，例如LFM信号的调制斜率，barker码和frank码信号的相位突变点位置等，为信号分选提供了充分可靠的依据，同时具有一定的抗噪性能，并满足了信号分选准确性和实时性的要求。对于信噪比较低，信号分选结果不理想时，可以通过对信号进行多次自相关、小波变换等降噪技术，进一步提升算法性能。
通过基于QMF分析的信号分选方法，区分来自于不同雷达辐射源信号后，本实施例通过基于上升沿波形配对的信号分选方法，通过对信号进行变换或映射，提取具有指纹特征的波形，用于雷达辐射源信号与干扰信号的配对。雷达辐射源信号与干扰信号建立的配对关系后，才具有进一步比较信号相似度的意义。
雷达辐射源信号分选的核心是特征提取，所选特征的可分离性决定了分选方法的有效性，现有技术主要采用脉间参数特征和脉内细微特征，分选结果普遍存在增批、漏批的问题。因此，基于雷达个体识别结果的方法才能实现最有效的信号分选。由于任何单个雷达辐射源内所用的电子元器件均存在不可避免的误差，且内部机械构造也存在极小的差异，因而在脉冲信号的包络波形上表现出了复杂的非线性特征，也可以说雷达辐射源信号脉冲包络波形上的差异是不可避免地存在的，即便是同一生产厂商在同一时间、同一批次生产出来的相同型号的两部雷达也是如此。这样就从硬件的构造上说明了根据信号脉冲包络波形的差异进行雷达辐射源信号分选是具有一定可行性的。
某雷达辐射源信号的脉冲包络波形如图10所示。接收到的雷达辐射源信号由于受到噪声干扰、信道衰落和多径效应等的影响，脉冲信号的包络波形在由电磁空间传输到接收天线的过程中，必定会造成失真，使得包络的形状出现起伏和变化，其中对脉冲信号的包络影响最大的是多径效应。经研究发现在信号的包络各参数特征中，包络的前沿波形是受多径效应影响最小的，而包络的后沿波形及脉宽是受多径效应影响最大的。因此，只考虑了从宏观角度对信号的整体包络波形进行研究，避开多径效应带来的影响，选取了信号包络的上升沿作为雷达辐射源的指纹特征。参照图11，具体步骤如下：
1、脉冲包络的提取
直接提取信号包络得到的波形并不理想，给后续上升沿的提取和波形配对造成很大的误差影响。针对这一问题，本实施例对初步提取的信号包络进行曲线拟合，曲线拟合方式可采用三次样条插值法。
2、基于上升沿波形配对的信号分选
对于任意两组(雷达辐射源信号与干扰信号)上升沿波形，其波形的匹配度越高，则说明两段上升沿波形越相似，实现脉冲配对。本实施例采用Hausdorff距离法来计算上升沿波形之间的相似度。
Huasdorff是一类定义为两个点集之间的max-min型距离函数，它主要用于计算两个点集之间的相似程度，且无需考虑两个点集中的点是否存在某种对应关系，因而可以在没有映射关系的前提下计算两个点集之间的相似程度。
设两个有限点集为A＝{a1,a2,…,an}和B＝{b1,b2,…,bn}，则可以定义点集A和B之间的Hausdorff距离函数为H(A,B)＝max{h(A,B),h(B,A)}。h(A,B)称为由点集A到点集B的单向Hausdorff距离函数，有
反之，h(B,A)称为由点集B到点集A的单向Hausdorff距离函数，有
其中|| ||是一类距离范数，可以是L2和L∞等，通常为L2，也即欧氏距离。如果定义点集A中任意一点a到点集B的距离dB(a)为a点到点集B中每一个点的距离的最小值，即
则h(A,B)是点集A中所有点到点集B的距离dB(a)的最大值，可以理解为在全部由最小距离值组成的集合中取其中的最大距离作为h(A,B)。将标准模板定义为A，待匹配波形定义为B，则可以用h(A,B)来度量A、B之间的匹配程度，同理h(B,A)表示B与A之间的匹配度，进而H(A,B)就完整地度量了任意两个点集A、B之间的相似度，通常把H(A,B)称为A、B之间的双向Hausdorff距离函数。
3、聚类分析
在上述波形配对思想中，上升沿波形和采样点数的选择对分选结果的影响很大，这里的采样点数指的是单个完整包络所有点的个数。针对此问题，本实施例对每个雷达辐射源提取一个脉冲包络的上升沿作为模板波形，与干扰信号波形进行Hausdorff距离的计算，对得到的Hausdorff距离值进行聚类分析，完成信号分选。基于上升沿波形配对的信号分选方法能够有效的解决当前信号分选方法中普遍存在的增批、漏批问题。
雷达辐射源信号与干扰信号的配对完成后，通过波形相似性度量完成信号相似度分析。现有的相似性度量理论是一种用于描述形状、图像、信号或数据相似性的理论，在很多领域都有着十分重大的意义。目前，相似性度量理论已经广泛应用于信号波形的相似度测量中。例如，运用区域相关法来测量信号的相似度，是将两个信号均匀分成若干时间段，寻找两信号最佳的匹配段，该方法算法思想简单，运算速度快，且结果不受信号线性变化和相位变化的影响，但结果往往不能有效反映整个波形的匹配情况；将动态时间归正法应用于测量心电图信号的相似度，该方法对信号的幅值变化较为灵敏，但对整个信号的直流偏移不敏感；运用骨架树匹配法测量波形的相似度，该方法对信号时间轴上的非线性波动不敏感，但当波形的峰谷信息复杂使得树的节点数增多时，运算时间加长；采用夹角余弦算法来计算两个信号间的相似度，并且将之应用于计算中药指纹图谱的相似度过程中，取得了良好的效果，但由于夹角余弦算法计算得出的只是波形整体的相关度，对波形的幅值变化特别是幅值的成比例变化和信号的直流偏移，夹角余弦算法不能很好地反映出来，无法体现出波形的局部特征。
基于波形相似性度量的信号相似度分析方法是通过对雷达辐射源信号与干扰信号的脉冲信号序列，进行信号预处理后，在夹角余弦算法的基础上，结合运用平均绝对差算法和动态滑动窗口算法，提出加权平均法，通过测量雷达辐射源信号波形与干扰信号波形之间的相似度，分别提取波形的基本相似度和幅值相似度指标，并对所测得的相似度值进行加权平均处理，得到波形相似性的最终结果，避免信号非相参带来的影响。具体步骤如下：
1、信号预处理
侦察设备上截获的雷达辐射源信号经采样后得到的离散信号序列为{s(i),i＝1,2,...,L}，L为信号序列长度。为确保信号数据间的可比性，在对信号进行相似性度量前，需要对信号进行无量纲化的数据处理，标准化公式为
2、测量波形基本相似度
当前雷达技术以相参体制为主，在测量辐射源波形和干扰波形的基本相似度时，需先对波形进行相位对齐，通过夹角余弦算法结合动态滑动窗口算法来解决匹配计算过程中的问题。
对雷达辐射源信号波形与干扰信号波形做m次匹配计算，如图12所示。为了在相位对齐的同时，保持参与匹配的波形数据的长度一致，每进行一次匹配，干扰信号波形数据的比较窗口向后滑动一位并使窗口的长度减少一位，对雷达辐射源信号波形的操作一样，只是滑动方向相反。在做完m次匹配计算后，取这m个匹配值中最大的一个为本次波形匹配的基本相似度结果，即
匹配的目的就是要得到它们最接近理想匹配情况下的相似度，以此判断基本相似度是否合格。在m次匹配计算得到的匹配值中，取最大值代表相对接近理想时的波形匹配情况，反映雷达辐射源信号波形与干扰信号波形之间相对真实的匹配程度。
若波形数据长度均为N，其中有n个周期波形。为了精确计算结果，令滑动窗口的步长为1，总的滑动距离为m。经过反复仿真实验得出，当取m＝2N/n,n≥3时，得到的匹配值可信度最高。
3、测量波形幅值相似度
由于夹角余弦算法对波形的幅值变化，特别是幅值的成比例变化和信号的偏移不敏感，通过该算法计算得到的基本相似度值不能够有效反映出比较波形幅值的变化情况。然而，波形的幅值变化对波形相似度的影响很大，因此必须对干扰信号波形的幅值再做单独处理，计算波形幅值相似度。
本实施例采用平均绝对差算法对干扰信号波形幅值的整体成比例变化和偏移进行检测。假设，干扰信号波形A和雷达辐射源信号波形M是相位对齐以后的两个波形，波形数据长度都为h，则di＝|Ai-Mi|。这里，di为相位对齐后干扰信号波形与雷达辐射源信号波形第i个元素幅值的绝对差，它可以直观地表示两波形幅值的变化情况，但不能直接用于计算两个波形幅值相似度，需经过进一步转换。波形幅值相对变化量为
归一化后为
其中Dmin和Dmax为波形幅值相对变化量的最小值和最大值。干扰信号波形和雷达辐射源信号波形的幅值相似度的平均值
4、加权平均处理
雷达辐射源信号波形与干扰信号波形的最终相似度值，通过基本相似度值和幅值相似度值做加权平均得到，其中，相似度指标的权重可以通过人工结合先验情况提前设置好，并根据实际情况和实际需要进行调整。
最终相似度值S＝SAM*α-Sa*β，α,β∈(0,1)，α和β分别表示整体相似度值SAM、波形幅值的相异度Sa在最终相似度值计算中所占的权重。
干扰效果评估结果的评判标准为，最终相似度值95％以上为干扰效果好，80％-95％为干扰效果一般，65％-80％为临界干扰，低于65％为无干扰效果。
实施例2
本实施例相比于实施例1的区别在于，采用分段FFT相位加权测频方法对信号进行频域分析，具体操作如图13所示包括以下步骤：
1、将x(n)分成互不重叠的M组，数据长度为L点，采样数据表示为si＝[x(iL),x(iL+1),…,x(iL+L)]，其中i＝0,1,…,M-1，分别对M组数据进行L点的FFT运算得到平均谱
2、幅度积累后，搜索L个频谱中幅度最大值所对应的位置，粗测出信号频率
3、计算实际频率与粗测频率的精确偏差
其中，∠Si为FFT变换后对应于第i个最大幅度谱的相位。
4、精测信号频率，
显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域及相关领域的普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都应属于本发明保护的范围。
Claims (9)
1.一种雷达干扰装备干扰效果评估方法，其特征在于，包括以下步骤：
S1，从雷达干扰装备的信号接口采样雷达辐射源信号和干扰信号；
S2，对采样的雷达辐射源信号和干扰信号进行时频特征分析；
S3，根据信号相似度对干扰信号的干扰效果进行实时监测，对干扰样式选择的合理性、干扰参数设置的准确性进行定量分析，得出干扰效果评估结果；
其中，定量分析过程包括通过基于QMF分析的信号分选方法区分来自于不同雷达辐射源信号，再通过基于上升沿波形配对的信号分选方法实现雷达辐射信号源与干扰信号的配对，最后通过波形相似性度量完成信号相似度分析；
S4，根据信号相似度分析结果判定干扰效果。
2.根据权利要求1所述的雷达干扰装备干扰效果评估方法，其特征在于，信号处理采用ZFFT测频法对信号进行频域分析，具体操作为，先将采集到的信号X移频变为X′，然后经低通滤波和再采样，最后进行快速傅里叶变换。
3.根据权利要求1所述的雷达干扰装备干扰效果评估方法，其特征在于，信号处理采用分段FFT相位加权测频方法对信号进行频域分析，具体操作为，将x(n)分成互不重叠的M组，数据长度为L点，采样数据表示为si＝[x(iL),x(iL+1),…,x(iL+L)]，其中i＝0,1,…,M-1，分别对M组数据进行L点的FFT运算得到si，幅度积累后，粗测出信号频率，再进行相位加权，精测出信号频率。
4.根据权利要求1所述的雷达干扰装备干扰效果评估方法，其特征在于，信号处理采用基于WVD的时频分析方法对信号进行时频分析，具体操作为：①获取采样信号，进行Hilbert变换，得到采样信号的解析信号；②确定窗口类型、窗口长度、窗口移动步进；③移动窗口，以窗口中心为基准点，计算窗口内数据瞬时自相关；④对瞬时自相关进行快速傅立叶变换；⑤以窗口移动步进移动窗口，重复步骤③、④、⑤，直至所有数据处理完毕。
5.根据权利要求1所述的雷达干扰装备干扰效果评估方法，其特征在于，通过基于QMF分析的信号分选方法区分来自于不同雷达辐射源信号的具体操作为，采用QMF分析实现信号的正交小波分解，通过双通道正交镜像滤波器组将输入信号能量在频率上分成正交分量，再将形成的QMF对引入到一个具有一定层数的树形结构，通过波形分解使得在每一层内的“块”具有相同的面积大小，每个滤波器的输出分量再输入到下一层的QMF对中，每一个QMF对均以π为界将输入的信号波形分解成高频分量和低频分量两部分，此处的“块”是指时频平面上包含基函数能量的矩形区域。
6.根据权利要求5所述的雷达干扰装备干扰效果评估方法，其特征在于，正交镜像滤波器采用改进型SINC滤波器，该滤波器传递函数为
其中(N-2)/2≤n≤N/2，C为压缩变量，S为尺度变量，N为卷积点数，ω(n)为抑制Gibbs现象的Hamming窗函数。
7.根据权利要求5所述的雷达干扰装备干扰效果评估方法，其特征在于，通过基于上升沿波形配对的信号分选方法实现雷达辐射信号源与干扰信号的配对，具体操作为，①提取脉冲信号包络并进行曲线拟合；②提取曲线拟合后脉冲信号包络的上升沿；③采用Huasdorff距离法判断雷达辐射源信号和干扰信号上升沿波形的相似度，完成雷达辐射信号源与干扰信号的配对。
8.根据权利要求7所述的雷达干扰装备干扰效果评估方法，其特征在于，通过波形相似性度量完成信号相似度分析，具体操作为，①结合运用夹角余弦算法和滑动窗口算法对雷达辐射源信号和干扰信号波形做整体比较，得到波形基本相似度；②采用平均绝对差算法比较雷达辐射源信号波形和干扰信号波形的幅值，得出幅值相似度；③将波形基本相似度和幅值相似度平均加权，得到雷达辐射源信号波形与干扰信号波形的最终相似度值。
9.根据权利要求8所述的雷达干扰装备干扰效果评估方法，其特征在于，干扰效果评估结果的评判标准为，最终相似度值95％以上为干扰效果好，80％-95％为干扰效果一般，65％-80％为临界干扰，低于65％为无干扰效果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010323184.0A CN111427018A (zh) | 2020-04-22 | 2020-04-22 | 一种雷达干扰装备干扰效果评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010323184.0A CN111427018A (zh) | 2020-04-22 | 2020-04-22 | 一种雷达干扰装备干扰效果评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111427018A true CN111427018A (zh) | 2020-07-17 |
Family
ID=71555079
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010323184.0A Pending CN111427018A (zh) | 2020-04-22 | 2020-04-22 | 一种雷达干扰装备干扰效果评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111427018A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112731309A (zh) * | 2021-01-06 | 2021-04-30 | 哈尔滨工程大学 | 一种基于双线性高效神经网络的有源干扰识别方法 |
| CN112924965A (zh) * | 2021-02-01 | 2021-06-08 | 桂林电子科技大学 | 基于聚类相参叠加的频率分集阵列雷达目标成像方法 |
| CN113343897A (zh) * | 2021-06-25 | 2021-09-03 | 中国电子科技集团公司第二十九研究所 | 一种基于辐射信号斜率变化加快信号处理的方法 |
| CN113759319A (zh) * | 2021-08-24 | 2021-12-07 | 同济大学 | 一种控制发射信号相位变化的方法 |
| CN114114199A (zh) * | 2022-01-27 | 2022-03-01 | 北京宏锐星通科技有限公司 | 对合成孔径雷达信号参数的分选方法及分选装置 |
| CN115469279A (zh) * | 2022-11-14 | 2022-12-13 | 安徽华可智能科技有限公司 | 一种雷达对抗装备性能实时检测系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105911351A (zh) * | 2016-04-11 | 2016-08-31 | 湖南科技大学 | 基于dsp的实时zfft方法 |
| CN106484659A (zh) * | 2016-09-29 | 2017-03-08 | 哈尔滨工程大学 | 一种基于离散傅里叶变换的广义似然比线谱检测方法 |
| CN106778610A (zh) * | 2016-12-16 | 2017-05-31 | 哈尔滨工程大学 | 一种基于时频图像特征的脉内调制识别方法 |
| WO2018173350A1 (ja) * | 2017-03-21 | 2018-09-27 | 株式会社 東芝 | レーダ装置及び電波干渉の回避方法 |
| CN109116312A (zh) * | 2018-07-20 | 2019-01-01 | 电子科技大学 | 基于qmfb与卷积神经网络的雷达信号分类方法 |
| CN109212491A (zh) * | 2018-10-17 | 2019-01-15 | 中国航天科工集团八五研究所 | 一种基于雷达信号指纹特征的辐射源识别方法 |
| CN109375060A (zh) * | 2018-11-12 | 2019-02-22 | 上海金智晟东电力科技有限公司 | 一种配电网故障波形相似度计算方法 |
| CN109459732A (zh) * | 2018-12-21 | 2019-03-12 | 电子科技大学 | 一种宽带雷达干扰信号的识别分类方法 |
| CN110618405A (zh) * | 2019-10-16 | 2019-12-27 | 中国人民解放军海军大连舰艇学院 | 一种基于干扰机理与决策能力的雷达有源干扰效能测算方法 |
-
2020
- 2020-04-22 CN CN202010323184.0A patent/CN111427018A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105911351A (zh) * | 2016-04-11 | 2016-08-31 | 湖南科技大学 | 基于dsp的实时zfft方法 |
| CN106484659A (zh) * | 2016-09-29 | 2017-03-08 | 哈尔滨工程大学 | 一种基于离散傅里叶变换的广义似然比线谱检测方法 |
| CN106778610A (zh) * | 2016-12-16 | 2017-05-31 | 哈尔滨工程大学 | 一种基于时频图像特征的脉内调制识别方法 |
| WO2018173350A1 (ja) * | 2017-03-21 | 2018-09-27 | 株式会社 東芝 | レーダ装置及び電波干渉の回避方法 |
| CN109116312A (zh) * | 2018-07-20 | 2019-01-01 | 电子科技大学 | 基于qmfb与卷积神经网络的雷达信号分类方法 |
| CN109212491A (zh) * | 2018-10-17 | 2019-01-15 | 中国航天科工集团八五研究所 | 一种基于雷达信号指纹特征的辐射源识别方法 |
| CN109375060A (zh) * | 2018-11-12 | 2019-02-22 | 上海金智晟东电力科技有限公司 | 一种配电网故障波形相似度计算方法 |
| CN109459732A (zh) * | 2018-12-21 | 2019-03-12 | 电子科技大学 | 一种宽带雷达干扰信号的识别分类方法 |
| CN110618405A (zh) * | 2019-10-16 | 2019-12-27 | 中国人民解放军海军大连舰艇学院 | 一种基于干扰机理与决策能力的雷达有源干扰效能测算方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112731309A (zh) * | 2021-01-06 | 2021-04-30 | 哈尔滨工程大学 | 一种基于双线性高效神经网络的有源干扰识别方法 |
| CN112731309B (zh) * | 2021-01-06 | 2022-09-02 | 哈尔滨工程大学 | 一种基于双线性高效神经网络的有源干扰识别方法 |
| CN112924965A (zh) * | 2021-02-01 | 2021-06-08 | 桂林电子科技大学 | 基于聚类相参叠加的频率分集阵列雷达目标成像方法 |
| CN113343897A (zh) * | 2021-06-25 | 2021-09-03 | 中国电子科技集团公司第二十九研究所 | 一种基于辐射信号斜率变化加快信号处理的方法 |
| CN113759319A (zh) * | 2021-08-24 | 2021-12-07 | 同济大学 | 一种控制发射信号相位变化的方法 |
| CN114114199A (zh) * | 2022-01-27 | 2022-03-01 | 北京宏锐星通科技有限公司 | 对合成孔径雷达信号参数的分选方法及分选装置 |
| CN115469279A (zh) * | 2022-11-14 | 2022-12-13 | 安徽华可智能科技有限公司 | 一种雷达对抗装备性能实时检测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111427018A (zh) | 一种雷达干扰装备干扰效果评估方法 | |
| CN111474524A (zh) | 一种雷达干扰装备干扰效果监测与决策支持系统 | |
| Duk et al. | Target detection in sea-clutter using stationary wavelet transforms | |
| JP4988332B2 (ja) | 速度が曖昧な物標の非コヒーレント積分のための技法 | |
| Quinquis et al. | Some radar imagery results using superresolution techniques | |
| Yang et al. | A novel feature extraction method for ship-radiated noise | |
| Liu et al. | Deep learning and recognition of radar jamming based on CNN | |
| CN111722188B (zh) | 基于stft预分选的pri变换雷达信号分选方法 | |
| CN109839618B (zh) | 低信噪比雷达信号识别方法、计算机可读存储介质及系统 | |
| CN109885805B (zh) | 一种多分量非平稳信号的瞬时频率估计方法 | |
| Han et al. | Wideband interference suppression for SAR via instantaneous frequency estimation and regularized time-frequency filtering | |
| CN104655929A (zh) | 一种时域信号的数字时频测量方法及相应的目标识别方法 | |
| CN106534014A (zh) | 一种多分量lfm信号的精确检测与分离方法 | |
| Chen et al. | LFM signal detection and estimation based on deep convolutional neural network | |
| Hao et al. | Novel method for non-stationary signals via high-concentration time–frequency analysis using SSTFrFT | |
| CN115166650B (zh) | 一种雷达信号识别与参数估计方法和系统 | |
| CN110632563A (zh) | 一种基于短时傅里叶变换的脉内频率编码信号参数测量方法 | |
| Shreyamsha Kumar et al. | Target identification using harmonic wavelet based ISAR imaging | |
| CN115345216A (zh) | 一种融合先验信息的fmcw雷达干扰消除方法 | |
| Yang et al. | LPI radar signal detection based on the combination of FFT and segmented autocorrelation plus PAHT | |
| Yang et al. | Deep contrastive clustering for signal deinterleaving | |
| CN114740463B (zh) | 一种能提高调频连续波雷达距离分辨率的方法 | |
| Guo et al. | Pulse-to-pulse periodic signal sorting features and feature extraction in radar emitter pulse sequences | |
| CN108020324B (zh) | 单束激光叠加脉冲信号的滤波检测方法 | |
| CN107238813B (zh) | 近场信号源波达方向和波达时间确定方法及装置 |
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: 20200717 |