CN111722188A - 基于stft预分选的pri变换雷达信号分选方法 - Google Patents
基于stft预分选的pri变换雷达信号分选方法 Download PDFInfo
- Publication number
- CN111722188A CN111722188A CN202010417093.3A CN202010417093A CN111722188A CN 111722188 A CN111722188 A CN 111722188A CN 202010417093 A CN202010417093 A CN 202010417093A CN 111722188 A CN111722188 A CN 111722188A
- Authority
- CN
- China
- Prior art keywords
- pri
- pulse
- sorting
- signal
- stft
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 28
- 238000012545 processing Methods 0.000 claims description 21
- 230000009466 transformation Effects 0.000 claims description 19
- 238000012360 testing method Methods 0.000 claims description 16
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 238000005311 autocorrelation function Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 5
- 238000003672 processing method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 230000005855 radiation Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000011426 transformation method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- WLWIMKWZMGJRBS-UHFFFAOYSA-N primin Chemical compound CCCCCC1=CC(=O)C=C(OC)C1=O WLWIMKWZMGJRBS-UHFFFAOYSA-N 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000007865 diluting Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010885 neutral beam injection Methods 0.000 description 1
- 238000000926 separation method Methods 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
- G01S7/021—Auxiliary means for detecting or identifying radar signals or the like, e.g. radar jamming signals
-
- 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
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于雷达侦察技术领域,公开的一种基于STFT预分选和PRI变换的雷达信号分选方法,是基于STFT方法对高密度雷达脉冲流进行预处理,得到每个脉冲的脉内特征信息,根据脉内特征将脉冲流分为四种类型的信号,然后采用PRI变换法对每类信号进行信号分选,再对包含多种脉内调制类型、多种PRI调制方式的高密度脉冲流实现有效的分选,本发明适用于常规脉冲、频率调制、相位调制、复合调制等多种脉内调制类型,适用于PRI滑变、抖动等多种PRI调制方式,需要信号数据量少,分选效率高;克服了传统PRI变换法处理后真实的PRI值淹没在谐波中,无法提取到各类信号的PRI值,在多种PRI调制类型信号混合情况的分选失效问题。
Description
技术领域
本发明属于雷达侦察技术领域,采用短时傅里叶变换STFT和脉冲重复周期PRI变换相结合的方法,提出了一种基于STFT预分选和PRI变换的雷达信号分选方法,主要用于雷达侦察中对侦收到的雷达信号脉冲流进行有效的分选。
背景技术
电子侦察是现代战争的重要组成部分,是获取电子情报的重要手段,是电子对抗的前提条件。由于雷达等电子信号广泛地应用于各种武器平台上,因此长期以来雷达对抗在电子战中占据着主导地位。雷达对抗通常包括雷达侦察、雷达干扰和雷达攻击,其中雷达侦察是雷达干扰和雷达攻击的基础,主要对敌方雷达辐射源进行截获、分选、识别和定位。所谓分选就是从密集交叠的信号脉冲流中分离出各部雷达的信号并选出有用的信号,是识别的前提和基础。
传统的雷达信号分选、识别方法主要基于脉冲重复周期(PRI)、信号载频(RF)、脉冲宽度(PW)、脉冲幅度(PA)、到达时间(TOA)和到达角(DOA)等参数构成的特征矢量,是现役电子侦察系统中使用较多的一类方法。当信号脉冲密度不高,信号样式为常规雷达辐射源信号时,该方法是比较有效的。随着电磁环境的信号密度日趋密集和信号样式的多样化,脉间常规参数空间交叠严重、分布形式复杂、类边界模糊,从而导致该方法分选识别能力有限,可靠性不高。在多种复杂体制雷达并存的情况下,脉内分析是一种有望提高信号分选识别性能的有效途径。对雷达信号的脉内分析主要包括:自动识别敌方雷达信号的调制方式、精确估计其调制参数(载频、脉宽、到达时间、调制斜率、码速率和码元序列等)以及瞬时频率等。由于接收机硬件技术的不断发展,使得人们深入研究雷达信号脉内特征成为可能。
基于单参数的分选技术,通常是基于空域的到达角和频域的载频进行稀释预处理,即是预分选(在实际侦测信号的过程中,操作人员通常也会选定空域范围和频域范围以达到剔除无用信号的目的,此过程即为信号的预分选),然后基于时域的PRI进行主分选,也就是最终的分选,这是当前应用最为广泛的分选技术,称为基于PRI的单参数分选算法。基于多参数的分选技术,是将PRI与脉内调制特征等参数结合起来,形成多参数,然后基于分类器同步完成分选。基于多参数的分选与识别技术是当前的研究热点。现代电子战环境中的辐射源数目众多,信号流密度已达到百万至千万个脉冲每秒,实际进行分选时的辐射源数目较多,基于单参数的PRI分选方法基本失效,但是由于雷达信号的脉内调制特征较为稳定,在短时间内不会发生变化,如果提取它们的脉内调制特征作为PRI分选的辅助参数,进行多参数PRI分选,则可以取得较理想的分选效果。提取信号的脉内调制特征进行分选,是有效解决多辐射源信号时,特别是常规参数多变、快变以及相互交叠时的有效手段。
短时傅里叶变换(STFT)是常用的脉内特征参数提取方法,STFT克服了传统傅里叶变换的缺点,通过对信号加窗,截取到一段信号并进行傅里叶变换,移动窗口可得到一组STFT。它反映了频率随时间大致地变化规律,为线性变换,运算简单且不产生多信号交调,在雷达信号处理中得到了广泛应用。
本发明提出了一种基于STFT的多参数PRI雷达信号分选算法,通过STFT对雷达信号进行快速处理得到其大致的时频特征,完成对信号的预分选,将高密度脉冲流初步分为几类,进而针对这几类信号分别进行PRI分选。PRI分选时选用目前信号分选常用的PRI变换算法。
发明内容
为克服现有雷达信号分选方法的不足,本发明提出了一种基于STFT预分选和PRI变换的雷达信号分选方法。
为实现上述发明目的,本发明采用如下技术方案:
一种基于STFT预分选和PRI变换的雷达信号分选方法,是基于STFT方法对高密度雷达脉冲流进行预处理,得到每个脉冲的脉内特征信息,根据脉内特征将脉冲流分为四种类型的信号,然后采用PRI变换法对每类信号进行信号分选,可对包含多种脉内调制类型、多种PRI调制方式的高密度脉冲流实现有效的分选,其步骤如下:
步骤一:基于STFT方法对高密度雷达脉冲流进行预处理;雷达脉内特征被称为雷达信号的指纹特征,包括相位调制、频率调制、幅度调制及三种调制组合的混合调制。短时傅里叶变换STFT,是对接收到的信号加窗,该窗口时宽一般较窄,然后对窗内信号进行傅里叶变换,得到其频谱信息;设置步进逐步移动窗口位置,得到新的窗内信号,再次进行傅里叶变换,依次进行,直到窗口完全覆盖了需要处理的信号数据,即完成一次短时傅里叶变换。设置窗口长度和滑动步长,对侦收到的脉冲流进行STFT处理,快速得到其脉内调制特征,计算得到该段信号的瞬时频率标准差,作为信号分类的检验统计量;
步骤二:确定检验统计量阈值,将脉冲流分为四类;选取信号的瞬时频率标准差作为分类的检验统计量,根据各种类型信号的瞬时频率标准差值的先验信息和STFT处理得到的脉冲信号瞬时频率标准差值,确定检验统计量的四个阈值,以此为依据将STFT处理后的脉冲进行分类,共分为常规脉冲类、频率调制类、相位调制类、其他类型四类,对高密度脉冲流起到了预分选作用;
步骤三:采用PRI变换法对每种类型信号进行分选;基于PRI变换的脉冲重复间隔估计完全抑制了出现在自相关函数中的子谐波;它对交叠的雷达脉冲序列进行PRI变换,形成PRI谱图,超过门限的峰值所对应的脉冲间隔,当是交叠脉冲序列中所包含的某雷达的PRI值,然后,以此PRI值进行序列搜索;PRI变换法对于固定重频、参差重频和抖动重频都有很好的检测效果;采用PRI变换法对四种类型信号进行分选,计算其PRI值,实现对四类信号的有效分选;
步骤四:将每种类型信号的分选结果进行综合,得到整个侦收脉冲流信号的分选结果;将四种类型信号的分选结果,即处理得到的PRI值进行综合,得到整个脉冲流信号的分选结果,基于STFT预分选的PRI变换信号处理方法,实现对侦收脉冲的有效分选。
由于采用上述技术方案,本发明具有如下优越性:
本发明提出的一种基于STFT预分选和PRI变换的雷达信号分选方法,是基于STFT方法对高密度雷达脉冲流进行预处理,得到每个脉冲的脉内特征信息,根据脉内特征将脉冲流分为四种类型的信号,然后采用PRI变换法对每类信号进行信号分选,再对包含多种脉内调制类型、多种PRI调制方式的高密度脉冲流实现有效的分选,本发明适用于常规脉冲、频率调制、相位调制、复合调制等多种脉内调制类型,适用于PRI滑变、抖动等多种PRI调制方式,需要信号数据量少,分选效率高;克服了传统PRI变换法处理后真实的PRI值淹没在谐波中,无法提取到各类信号的PRI值,在多种PRI调制类型信号混合情况的分选失效问题。
附图说明
图1是信号分选方法应用场景示意图。
图2是STFT算法示意图。
图3是PRI变换法示意图。
图4给出了基于STFT预分选的PRI变换信号分选方法流程图。
图5是检验统计量瞬时频率标准差分类区间示意图。
图6是基于STFT预分选的PRI变换信号分选方法的四类信号分选结果图。
图7是基于STFT预分选的PRI变换信号分选方法与PRI变换法分选结果对比图。
具体实施方式
下面结合附图对本发明做进一步说明。
如图1至图7所示,一种基于STFT预分选和PRI变换的雷达信号分选方法,是基于STFT方法对高密度雷达脉冲流进行预处理,得到每个脉冲的脉内特征信息,根据脉内特征将脉冲流分为四种类型的信号,然后采用PRI变换法对每类信号进行信号分选,可对包含多种脉内调制类型、多种PRI调制方式的高密度脉冲流实现有效的分选,其步骤如下:
步骤一:基于STFT方法对高密度雷达脉冲流进行预处理;
雷达脉内特征被称为雷达信号的指纹特征,包括相位调制、频率调制、幅度调制及三种调制组合的混合调制。短时傅里叶变换(STFT),是对接收到的信号加窗,该窗口时宽一般较窄,然后对窗内信号进行傅里叶变换,得到其频谱信息。设置一定的步进逐步移动窗口位置,得到新的窗内信号,再次进行傅里叶变换,依次进行,直到窗口完全覆盖了需要处理的信号数据,即完成一次短时傅里叶变换。设置一定的窗口长度和滑动步长,对侦收到的脉冲流进行STFT处理,快速得到其脉内调制特征,计算得到该段信号的瞬时频率标准差,作为信号分类的检验统计量。
步骤二:确定检验统计量阈值,将脉冲流分为四类;
选取信号的瞬时频率标准差作为分类的检验统计量,根据各种类型信号的瞬时频率标准差值的先验信息和STFT处理得到的脉冲信号瞬时频率标准差值,确定检验统计量的四个阈值,以此为依据将STFT处理后的脉冲进行分类,共分为常规脉冲类、频率调制类、相位调制类、其他类型四类,对高密度脉冲流起到了预分选作用。
步骤三:采用PRI变换法对每种类型信号进行分选;
基于PRI变换的脉冲重复间隔估计几乎完全抑制了出现在自相关函数中的子谐波。它对交叠的雷达脉冲序列进行PRI变换,形成PRI谱图,超过门限的峰值所对应的脉冲间隔,有可能是交叠脉冲序列中所包含的某雷达的PRI值,然后,以此PRI值进行序列搜索。PRI变换算法对于固定重频、参差重频和抖动重频都有很好的检测效果。采用PRI变换法对四种类型信号进行分选,计算其PRI值,实现对四类信号的有效分选。
步骤四:将每种类型信号的分选结果进行综合,得到整个侦收脉冲流信号的分选结果;
将四种类型信号的分选结果,即处理得到的PRI值进行综合,得到整个脉冲流信号的分选结果,基于STFT预分选的PRI变换信号处理方法,可以实现对侦收脉冲的有效分选。
基于STFT预分选的PRI变换信号分选方法,是基于STFT方法对高密度雷达脉冲流进行预处理,得到每个脉冲的脉内特征信息,根据脉内特征将脉冲流分为四种类型的信号,然后采用PRI变换法对每类信号进行信号分选,可对包含多种脉内调制类型、多种PRI调制方式的高密度脉冲流实现有效的分选。
图1是信号分选方法应用场景示意图。电子侦察是现代战争的重要组成部分,是获取电子情报的重要手段,是电子对抗的前提条件。由于雷达等电子信号广泛地应用于各种武器平台上,因此长期以来雷达对抗在电子战中占据着主导地位。雷达侦察是雷达干扰和雷达攻击的基础,主要对敌方雷达辐射源进行截获、分选、识别和定位。所谓分选就是从密集交叠的信号脉冲流中分离出各部雷达的信号并选出有用的信号,是识别的前提和基础。图中的雷达侦察设备同时对多部不同体制的雷达信号进行侦收,需要采用高效的信号分选方法对高密度脉冲流实现有效分选。
图2是STFT算法示意图。传统的雷达侦察方式是对接收到的信号直接进行快速傅里叶变换(FFT),这种处理方式会使信号的时域信息丢失,只保留了频域信息,FFT的这一特性对信号的时频分析是极为不利的。为了解决这一问题,学者们提出了短时傅里叶变换(STFT)的方法,即对接收到的信号加窗,该窗口时宽一般较窄,然后对窗内信号进行傅里叶变换,得到其频谱信息。设置一定的步进逐步移动窗口位置,得到新的窗内信号,再次进行傅里叶变换,依次进行,直到窗口覆盖了全部接收信号,即完成一次短时傅里叶变换。
STFT变换过程表达式为:
其中,s(t)为接收信号,w(t)为窗口信号。
不同窗函数会带来STFT性能上的差异,必须根据s(t)的形状与特性以及检测需求进行选择。窗口滑动步长对STFT方法的时域精度、数据运算量、信号参数估计精度等都有影响。根据测量所需的时频分辨率和计算量,选取合适的滑动步长很有必要。
图3是PRI变换法示意图。利用脉冲到达时间(TOA)来估计脉冲的重复间隔有很多种算法,如序列搜索法、CDIF、SDIF。这些算法都是以计算接收脉冲序列的自相关函数为基础,由于周期信号的自相关函数仍然是周期函数,所以上述算法很容易出现信号的PRI及其整数倍值(称子谐波)同时存在的现象。基于PRI变换的脉冲重复间隔估计几乎完全抑制了出现在自相关函数中的子谐波。它对交叠的雷达脉冲序列进行PRI变换,形成PRI谱图,超过门限的峰值所对应的脉冲间隔,有可能是交叠脉冲序列中所包含的某雷达的PRI值,然后,以此PRI值进行序列搜索。PRI变换算法对于固定重频、参差重频和抖动重频都有很好的检测效果。
PRI变换算法引入指数因子exp(2πjt/τ)得到:
式中τ>0,|D(τ)|给出了一种PRI谱图,在真实的PRI值处将出现峰值,离散式为:
式中,m,n∈(0,1,…,N-1)且m<n。由于PRI变换引入了一个相位因子exp[2πjtn/(tn-tm)],从而完全抑制了子谐波。
根据选定的研究范围Primin、Primax,将区域划分成K个PRI箱。PRI箱的大小由b=(Primax-Primin)/K确定,对应的谱值叠加到同一个PRI箱中,τk=Primin+(k-1/2)×b为第k个PRI箱的中心。求取满足研究范围[Primin,Primax]的TOA差值,可用下式计算第k个PRI箱的谱值。
所有样本经过上式计算形成PRI谱图。
图4给出了基于STFT预分选的PRI变换信号分选方法流程图。雷达脉内特征被称为雷达信号的指纹特征,包括相位调制、频率调制、幅度调制及三种调制组合的混合调制。基于STFT预分选的PRI变换信号分选方法是将接收到的脉冲信号进行STFT处理,快速得到其脉内调制特征,以此为依据将脉冲流进行划分,起到稀释脉冲流密度的作用,然后在每一类脉冲流中采用PRI变换算法实现雷达信号的有效分选。
在基于STFT预分选的PRI变换信号分选方法中,高密度脉冲流经过快速STFT处理分为四类,分别为常规脉冲类、频率调制类、相位调制类、其他类别,对高密度信号起到了预分选和分流的作用,然后使用PRI变换方法对各个类别的信号进行主分选,最后将四类信号的分选结果进行汇总整理得到信号的最终分选结果。
图5是瞬时频率标准差分类区间示意图。根据各种类型信号间的时频图特性,本发明采用信号瞬时频率的标准差作为检验统计量:
式中,f(i),i=1,2,…N是第i个采样信号经STFT处理后得到的瞬时频率,N是采样点个数。确定检验统计量分类区间,根据σf落在区间的位置对脉冲流进行分类。
根据分类区间可得由检验统计量进行分类的判决公式:
式中,σc、σx、σq、σp为进行分类判决的门限值,根据需要侦察的信号特征及以往实践经验进行确定。
图6是基于STFT预分选的PRI变换信号分选方法的四类信号仿真分选结果。仿真中采用四种常用的雷达脉冲信号,常规脉冲信号、线性调频信号、二相编码信号、FSK/PSK复合信号,四种信号的数学表达式分别如下式所示。
式中,A1、f1、T1分别为常规脉冲信号的幅度、载频、初相、脉宽;A2、f2、k2、T2分别为线性调频信号的幅度、初始频率、调频斜率、初相、脉宽;A3、N3、f3、TP分别为二相编码信号的幅度、码元数、载频、码元宽度,为二相编码中的两种相位值;FSK/PSK复合信号表达式中,NB为伪码序列位数,NF为跳频序列位数,bk={+1,-1}为二进制伪码序列,TB为码元宽度,跳频周期TF=NB·TB,fi=ci·Δf为跳频频率,ci为跳频序列,Δf为倍频分量,为子脉冲函数,为初相。
四种信号使用的脉内调制方式和PRI调制方式各不相同,目前主流的信号分选方法都会根据到达角和载频进行预分选,所以四种信号的到达角和载频相近。四种信号的参数设置下表所示。
四个门限值分别设置为:
仿真中每种信号脉冲流包含3个周期的脉冲信号,窗函数采用的是矩形窗,步长重叠率为50%。常规脉冲信号PRI分选结果与设置值一致,都为20ms;二相编码信号和线性调频信号PRI分选结果与设置值一致,为其帧周期;FSK/PSK信号PRI分选结果为以16ms为基准周期,最大抖动比为(18-16)/16*100%=12.5%,与设置参数略有偏差,因为处理的周期数只有3个,并且重频抖动信号复杂,分选难度大。将分选结果与仿真设置参数对比可得,该方法可以对多种脉内调制方式、多种PRI调制方式的多类型信号组成的脉冲流进行有效的分选,分选效率高,在3个信号周期内可处理得到PRI值。
图7是基于STFT预分选的PRI变换信号分选方法与PRI变换法分选结果对比图。图中的两组分选结果都是根据同一组仿真数据得到的,处理的数据量相同。从图中可以看出,本发明方法可以根据脉内特征将脉冲流分类,经过分别处理,基本得到各类信号准确的PRI值,适用于常规脉冲、频率调制、相位调制、复合调制等多种脉内调制类型,适用于PRI固定、PRI参差、PRI滑变、PRI抖动等多种PRI调制方式,并且需要的信号数据量少,分选效率高;传统PRI变换法处理后,真实的PRI值淹没在谐波中,无法提取到各类信号的PRI值,PRI变换法在多种PRI调制类型信号混合情况下,分选失效。
Claims (1)
1.一种基于STFT预分选和PRI变换的雷达信号分选方法,其特征是:基于STFT方法对高密度雷达脉冲流进行预处理,得到每个脉冲的脉内特征信息,根据脉内特征将脉冲流分为四种类型的信号,然后采用PRI变换法对每类信号进行信号分选,可对包含多种脉内调制类型、多种PRI调制方式的高密度脉冲流实现有效的分选,其步骤如下:
步骤一:基于STFT方法对高密度雷达脉冲流进行预处理;雷达脉内特征被称为雷达信号的指纹特征,包括相位调制、频率调制、幅度调制及三种调制组合的混合调制;短时傅里叶变换STFT,是对接收到的信号加窗,该窗口时宽一般较窄,然后对窗内信号进行傅里叶变换,得到其频谱信息;设置步进逐步移动窗口位置,得到新的窗内信号,再次进行傅里叶变换,依次进行,直到窗口完全覆盖了需要处理的信号数据,即完成一次短时傅里叶变换;设置窗口长度和滑动步长,对侦收到的脉冲流进行STFT处理,快速得到其脉内调制特征,计算得到该段信号的瞬时频率标准差,作为信号分类的检验统计量;
步骤二:确定检验统计量阈值,将脉冲流分为四类;选取信号的瞬时频率标准差作为分类的检验统计量,根据各种类型信号的瞬时频率标准差值的先验信息和STFT处理得到的脉冲信号瞬时频率标准差值,确定检验统计量的四个阈值,以此为依据将STFT处理后的脉冲进行分类,共分为常规脉冲类、频率调制类、相位调制类、其他类型四类,对高密度脉冲流起到了预分选作用;
步骤三:采用PRI变换法对每种类型信号进行分选;基于PRI变换的脉冲重复间隔估计完全抑制了出现在自相关函数中的子谐波;它对交叠的雷达脉冲序列进行PRI变换,形成PRI谱图,超过门限的峰值所对应的脉冲间隔,当是交叠脉冲序列中所包含的某雷达的PRI值,然后,以此PRI值进行序列搜索;
PRI变换法对于固定重频、参差重频和抖动重频都有很好的检测效果;采用PRI变换法对四种类型信号进行分选,计算其PRI值,实现对四类信号的有效分选;
步骤四:将每种类型信号的分选结果进行综合,得到整个侦收脉冲流信号的分选结果;将四种类型信号的分选结果,即处理得到的PRI值进行综合,得到整个脉冲流信号的分选结果,基于STFT预分选的PRI变换信号处理方法,实现对侦收脉冲的有效分选。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010417093.3A CN111722188B (zh) | 2020-05-18 | 2020-05-18 | 基于stft预分选的pri变换雷达信号分选方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010417093.3A CN111722188B (zh) | 2020-05-18 | 2020-05-18 | 基于stft预分选的pri变换雷达信号分选方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111722188A true CN111722188A (zh) | 2020-09-29 |
CN111722188B CN111722188B (zh) | 2024-03-15 |
Family
ID=72564647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010417093.3A Active CN111722188B (zh) | 2020-05-18 | 2020-05-18 | 基于stft预分选的pri变换雷达信号分选方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111722188B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112630740A (zh) * | 2020-12-08 | 2021-04-09 | 中国人民解放军陆军工程大学 | 密集多目标的分辨方法及装置 |
CN112698274A (zh) * | 2020-12-05 | 2021-04-23 | 扬州宇安电子科技有限公司 | 一种分级pri变换的雷达信号分选和脉冲序列提取系统 |
CN112949383A (zh) * | 2021-01-22 | 2021-06-11 | 中国人民解放军63892部队 | 一种基于HyDeep-Att网络的波形捷变雷达辐射源识别方法 |
CN113075637A (zh) * | 2021-04-29 | 2021-07-06 | 中国船舶重工集团公司第七二三研究所 | 基于脉冲描述字数据压缩的机载pd雷达信号分选方法 |
CN113156391A (zh) * | 2021-04-25 | 2021-07-23 | 电子科技大学 | 一种雷达信号多维特征智能分选方法 |
CN113721219A (zh) * | 2021-10-08 | 2021-11-30 | 中国电子科技集团公司第三十八研究所 | 一种基于多参数聚类的雷达信号分选方法和系统 |
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 |
CN116593971A (zh) * | 2023-07-13 | 2023-08-15 | 南京誉葆科技股份有限公司 | 一种瞬时频率特征的雷达信号调制识别方法 |
CN117554919A (zh) * | 2024-01-11 | 2024-02-13 | 成都金支点科技有限公司 | 一种基于双向lstm网络的雷达信号分选搜索方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5565764A (en) * | 1995-05-05 | 1996-10-15 | Texas Instruments Incorporated | Digital processing method for parameter estimation of synchronous, asynchronous, coherent or non-coherent signals |
KR100761795B1 (ko) * | 2006-09-28 | 2007-09-28 | 국방과학연구소 | 형태 구분자를 이용한 레이더 신호의 펄스반복주기 변조형태 인식 방법 |
DE102010013637A1 (de) * | 2010-04-01 | 2011-10-06 | Rohde & Schwarz Gmbh & Co. Kg | Verfahren zur Klassifizierung von Signalen nach der verwendeten Modulationsart |
WO2013012517A1 (en) * | 2011-07-21 | 2013-01-24 | The Boeing Company | Radar pulse detection using a digital radar receiver |
CN104914415A (zh) * | 2015-05-21 | 2015-09-16 | 中国人民解放军63892部队 | 基于目标距离像模板匹配的单脉冲雷达相干干扰方法 |
CN106405518A (zh) * | 2016-12-07 | 2017-02-15 | 中国船舶重工集团公司第七二四研究所 | 一种复杂体制雷达信号等级关联聚类分选方法 |
CN107103286A (zh) * | 2017-03-31 | 2017-08-29 | 电子信息系统复杂电磁环境效应国家重点实验室 | 基于改进最短路径法的欠定盲源分离源信号恢复方法 |
CN108051781A (zh) * | 2017-08-22 | 2018-05-18 | 哈尔滨工程大学 | 一种基于dbn模型的雷达信号工作模式识别方法 |
CN109683143A (zh) * | 2019-03-07 | 2019-04-26 | 西安电子科技大学 | 雷达信号分选方法、装置、计算机设备及可存储介质 |
CN110135390A (zh) * | 2019-05-24 | 2019-08-16 | 哈尔滨工业大学 | 基于主信号抑制的辐射源个体识别方法 |
CN110531335A (zh) * | 2019-09-18 | 2019-12-03 | 哈尔滨工程大学 | 一种基于并查集的低复杂度相似聚类信号分选方法 |
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 |
CN110764063A (zh) * | 2019-10-15 | 2020-02-07 | 哈尔滨工程大学 | 一种基于sdif与pri变换法结合的雷达信号分选方法 |
CN110927691A (zh) * | 2019-12-11 | 2020-03-27 | 南京航空航天大学 | 一种基于多时编码相位调制的低截获雷达信号设计方法 |
-
2020
- 2020-05-18 CN CN202010417093.3A patent/CN111722188B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5565764A (en) * | 1995-05-05 | 1996-10-15 | Texas Instruments Incorporated | Digital processing method for parameter estimation of synchronous, asynchronous, coherent or non-coherent signals |
KR100761795B1 (ko) * | 2006-09-28 | 2007-09-28 | 국방과학연구소 | 형태 구분자를 이용한 레이더 신호의 펄스반복주기 변조형태 인식 방법 |
DE102010013637A1 (de) * | 2010-04-01 | 2011-10-06 | Rohde & Schwarz Gmbh & Co. Kg | Verfahren zur Klassifizierung von Signalen nach der verwendeten Modulationsart |
WO2013012517A1 (en) * | 2011-07-21 | 2013-01-24 | The Boeing Company | Radar pulse detection using a digital radar receiver |
CN104914415A (zh) * | 2015-05-21 | 2015-09-16 | 中国人民解放军63892部队 | 基于目标距离像模板匹配的单脉冲雷达相干干扰方法 |
CN106405518A (zh) * | 2016-12-07 | 2017-02-15 | 中国船舶重工集团公司第七二四研究所 | 一种复杂体制雷达信号等级关联聚类分选方法 |
CN107103286A (zh) * | 2017-03-31 | 2017-08-29 | 电子信息系统复杂电磁环境效应国家重点实验室 | 基于改进最短路径法的欠定盲源分离源信号恢复方法 |
CN108051781A (zh) * | 2017-08-22 | 2018-05-18 | 哈尔滨工程大学 | 一种基于dbn模型的雷达信号工作模式识别方法 |
CN109683143A (zh) * | 2019-03-07 | 2019-04-26 | 西安电子科技大学 | 雷达信号分选方法、装置、计算机设备及可存储介质 |
CN110135390A (zh) * | 2019-05-24 | 2019-08-16 | 哈尔滨工业大学 | 基于主信号抑制的辐射源个体识别方法 |
CN110531335A (zh) * | 2019-09-18 | 2019-12-03 | 哈尔滨工程大学 | 一种基于并查集的低复杂度相似聚类信号分选方法 |
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 |
CN110764063A (zh) * | 2019-10-15 | 2020-02-07 | 哈尔滨工程大学 | 一种基于sdif与pri变换法结合的雷达信号分选方法 |
CN110927691A (zh) * | 2019-12-11 | 2020-03-27 | 南京航空航天大学 | 一种基于多时编码相位调制的低截获雷达信号设计方法 |
Non-Patent Citations (7)
Title |
---|
QIANG GUO: "Pulse-to-pulse periodic signal sorting features and feature extraction in radar emitter pulse sequences", 《JOURNAL OF SYSTEMS ENGINEERING AND ELECTRONICS 》, 30 June 2010 (2010-06-30) * |
吴海威: "新体制雷达信号参数估计与分选算法研究及DSP快速实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 September 2018 (2018-09-15) * |
庞进寿: "步进频率雷达信号参数估计与识别方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, 15 April 2020 (2020-04-15) * |
张治海;秦开兵;张元发;: "基于脉内特征的雷达信号分选新方法", 现代防御技术, no. 02, 15 April 2009 (2009-04-15) * |
杨承志;肖卫华;吴宏超;李吉民;: "一种对多种重频调制类型雷达信号分选算法的研究", 科学技术与工程, no. 34, 8 December 2014 (2014-12-08) * |
王海军: "基于二分法STFT的宽带信号检测算法研究", 《航空兵器》, 15 June 2019 (2019-06-15) * |
龚文斌;黄可生;: "基于图像特征的雷达信号脉内调制识别算法", 电光与控制, no. 04, 15 April 2008 (2008-04-15) * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112698274A (zh) * | 2020-12-05 | 2021-04-23 | 扬州宇安电子科技有限公司 | 一种分级pri变换的雷达信号分选和脉冲序列提取系统 |
CN112630740A (zh) * | 2020-12-08 | 2021-04-09 | 中国人民解放军陆军工程大学 | 密集多目标的分辨方法及装置 |
CN112949383A (zh) * | 2021-01-22 | 2021-06-11 | 中国人民解放军63892部队 | 一种基于HyDeep-Att网络的波形捷变雷达辐射源识别方法 |
CN113156391A (zh) * | 2021-04-25 | 2021-07-23 | 电子科技大学 | 一种雷达信号多维特征智能分选方法 |
CN113156391B (zh) * | 2021-04-25 | 2022-08-05 | 电子科技大学 | 一种雷达信号多维特征智能分选方法 |
CN113075637A (zh) * | 2021-04-29 | 2021-07-06 | 中国船舶重工集团公司第七二三研究所 | 基于脉冲描述字数据压缩的机载pd雷达信号分选方法 |
CN113075637B (zh) * | 2021-04-29 | 2022-06-07 | 中国船舶重工集团公司第七二三研究所 | 基于脉冲描述字数据压缩的机载pd雷达信号分选方法 |
CN113721219A (zh) * | 2021-10-08 | 2021-11-30 | 中国电子科技集团公司第三十八研究所 | 一种基于多参数聚类的雷达信号分选方法和系统 |
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 |
CN116593971A (zh) * | 2023-07-13 | 2023-08-15 | 南京誉葆科技股份有限公司 | 一种瞬时频率特征的雷达信号调制识别方法 |
CN117554919A (zh) * | 2024-01-11 | 2024-02-13 | 成都金支点科技有限公司 | 一种基于双向lstm网络的雷达信号分选搜索方法 |
CN117554919B (zh) * | 2024-01-11 | 2024-03-29 | 成都金支点科技有限公司 | 一种基于双向lstm网络的雷达信号分选搜索方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111722188B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111722188B (zh) | 基于stft预分选的pri变换雷达信号分选方法 | |
CN112036074B (zh) | 一种高脉冲密度环境下雷达信号分选方法及系统 | |
Liu et al. | Deep learning and recognition of radar jamming based on CNN | |
CN111175718B (zh) | 联合时频域的地面雷达自动目标识别方法及系统 | |
Lehtomäki | Analysis of energy based signal detection | |
CN110334591A (zh) | 一种基于聚类分析的无人机跳频信号检测及识别方法 | |
Cain et al. | Convolutional neural networks for radar emitter classification | |
Chen et al. | Interrupted-sampling repeater jamming suppression based on stacked bidirectional gated recurrent unit network and infinite training | |
CN111693944A (zh) | 雷达有源干扰信号参数提取与干扰样式识别方法及装置 | |
Ghadimi et al. | Deep learning-based approach for low probability of intercept radar signal detection and classification | |
CN108594177A (zh) | 基于改进hht的雷达信号调制方式分析方法、信号处理系统 | |
CN111427018A (zh) | 一种雷达干扰装备干扰效果评估方法 | |
CN115993580A (zh) | 一种被动侦察系统信号处理方法 | |
Yar et al. | A complete framework of radar pulse detection and modulation classification for cognitive EW | |
CN111474524A (zh) | 一种雷达干扰装备干扰效果监测与决策支持系统 | |
CN111680737A (zh) | 差异性信噪比条件下的雷达辐射源个体识别方法 | |
CN114114166A (zh) | 一种基于dtm算法的雷达脉冲去交错方法 | |
Chunjie et al. | Synthetic algorithm for deinterleaving radar signals in a complex environment | |
CN116797796A (zh) | Drfm间歇采样下基于时频分析与深度学习的信号识别方法 | |
CN111060878A (zh) | 适用于单脉冲的lfm雷达工作模式实时分类方法及装置 | |
CN109034087B (zh) | 一种基于pca降维的混合型机器学习信号分类方法 | |
Ng et al. | Target detection in sea clutter using resonance based signal decomposition | |
Jiang et al. | Specific radar emitter identification based on a digital channelized receiver | |
CN115345216A (zh) | 一种融合先验信息的fmcw雷达干扰消除方法 | |
Huang et al. | Novel modulation recognizer for frequency-hopping signals based on persistence diagram |
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 |