CN112162255B - 一种基于脉内特征的脉冲拼接方法 - Google Patents

一种基于脉内特征的脉冲拼接方法 Download PDF

Info

Publication number
CN112162255B
CN112162255B CN202011046557.0A CN202011046557A CN112162255B CN 112162255 B CN112162255 B CN 112162255B CN 202011046557 A CN202011046557 A CN 202011046557A CN 112162255 B CN112162255 B CN 112162255B
Authority
CN
China
Prior art keywords
pulse
intra
signal
threshold
splicing
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
Application number
CN202011046557.0A
Other languages
English (en)
Other versions
CN112162255A (zh
Inventor
吴昊
王睿杰
其他发明人请求不公开姓名
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
724th Research Institute of CSIC
Original Assignee
724th Research Institute of CSIC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 724th Research Institute of CSIC filed Critical 724th Research Institute of CSIC
Priority to CN202011046557.0A priority Critical patent/CN112162255B/zh
Publication of CN112162255A publication Critical patent/CN112162255A/zh
Application granted granted Critical
Publication of CN112162255B publication Critical patent/CN112162255B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/411—Identification of targets based on measurements of radar reflectivity

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明设计了一种基于脉内特征的分裂脉冲拼接方法，主要用于实现在低性噪比或复杂干扰电磁环境下，侦察到的脉冲信号出现频域或时域分裂情况时的脉冲信号拼接。包括如下步骤：首先对接收脉冲信号进行分析判断疑似分裂脉冲，建立脉冲的脉内特征矩阵。求得两个疑似分裂脉冲的相似系数，将相似系数过门限的两个分裂脉冲进行脉冲拼接，重新进行脉内分析处理，生成新的脉冲参数(PDW)。最后对生成的新的数据进行处理，生成辐射源RDW参数。本发明利用脉冲脉内特征参数，完成对侦察到的分裂脉冲信号进行脉冲拼接，解决大脉宽、大带宽信号分裂问题，实现准确的脉冲参数计算，有效提高被动雷达侦察目标准确率、目标识别率，具有一定的应用前景。

Description

一种基于脉内特征的脉冲拼接方法
技术领域
本技术属于无源探测技术被动雷达数据处理领域。
背景技术
由于雷达技术的发展，被动雷达面临着严峻的挑战，雷达反侦察以及抗干扰能力显著增强。在信号侦察过程中，对于低性噪比情况下或在复杂干扰电磁环境下，侦察到的脉冲信号会出现频域或时域上分裂情况，这样会影响被动雷达目标识别的准确率，影响设备性能。现有的被动雷达装备大多没有很好的解决这个问题，不能将分裂脉冲还原并正确地分析处理数据。而对分裂目标进行信号拼接还原，给目标分析提供了一个新的处理技术，有效提高目标识别准确率。
由于电磁环境复杂，现代雷达信号参数多变，侦察到的信号质量参差不齐。对于大脉宽或大带宽信号，在低信噪比、复杂电磁环境或信道化处理等多种情况下，容易出现脉冲在时域上和频域上分裂问题。由于脉冲时域或频域上的分裂，对后续的脉内特征分析、信号分选、辐射源融合等数据处理都会受其影响，最终的分析结果也会因此有所偏差，无法正确地获取辐射源参数。快速准确地判断雷达信号是否分裂，将分裂的信号进行脉冲拼接并分析处理，是被动雷达数据处理领域的一大难题。
发明内容
针对侦察到的大脉宽或大带宽信号，在低信噪比、复杂电磁环境或信道化处理等多种情况下，会出现频域或时域上分裂情况，本发明提出了一种基于脉内特征的脉冲拼接方法，对分裂信号进行拼接，形成完整的脉冲信号，可有效提高对低信噪比和复杂电磁环境下目标的识别能力。
为实现上述目的，本发明是通过以下技术方案实现的：
步骤一：脉冲预处理，硬件将中频信号送至脉内特征分析软件；
步骤二：对脉冲信号进行脉内特征分析，获取脉内特征参数，通过参数比对，判断疑似分裂脉冲，建立脉冲的脉内特征矩阵；
步骤三：对脉内特征矩阵按照量化算法进行参数归一化调整，求得两个疑似分裂脉冲的相似系数；
步骤四：将相似系数过门限的两个分裂脉冲进行脉冲拼接，生成新的中频数据，重新进行脉内分析处理，生成拼接后新的脉冲参数PDW；
步骤五：对生成的新的PDW数据进行信号分选和数据融合处理，生成辐射源RDW参数。
本发明通过对脉内特征的分析，快速判断疑似分裂脉冲，将分裂脉冲进行脉冲拼接，生成新的中频数据并完成脉内分析处理，对数据重新进行信号分选和数据融合，生成辐射源RDW参数，避免了因侦察到的脉冲信号分裂而导致无法正确获得辐射源信息。本发明解决了大脉宽、大带宽信号，在信噪比较低，电磁环境较为复杂的情况下出现的脉冲分裂问题，提高了侦察设备目标识别的准确率，在被动雷达数据处理中具有较好的效果和意义。
附图说明
附图1脉冲预处理流程图。
附图2基于脉内特征的脉冲拼接流程图。
附图3脉冲拼接后的脉内特征图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行进一步的详细阐述。
本发明提出的基于脉内特征的脉冲拼接方法，先进行脉冲预处理，将中频数据送至脉内特征分析软件进行分析，建立索引，读取每一个脉冲的中频数据并进行脉内调制类型识别和特征参数计算；在完成脉内分析后，进行脉冲分裂判断，比较相邻的PDW的参数，满足频率差门限、到达时间差门限、幅度差门限的判为疑似分裂脉冲；对疑似分裂的脉冲建立脉内特征矩阵，求相似系数，把相似系数过门限的判为同一脉冲分裂出的子脉冲；最后进行脉冲拼接，找到相应中频索引，将分裂脉冲的中频数据拼在一起，重新进行脉内分析处理，再发送至分选模块，完成分选和融合处理。
脉冲预处理流程如图1所示，其中不同通道分裂合并模块和同通道分裂合并模块采用本发明。本发明优选处理流程图如图2所示，具体描述为：
步骤1.信号脉内特征分析，将相邻PDW脉内参数比对，判断疑似分裂脉冲；对疑似分裂脉冲建立脉内特征矩阵；
步骤2.将脉内特征矩阵的特征参数进行归一化调整；求取两个疑似分裂脉冲求相似系数，系数小于门限的脉冲信号判定为分裂脉冲；分裂脉冲进行拼接，重新建立中频索引，对新的中频数据进行脉内特征分析；
步骤3.更新PDW缓存，进行数据分选和融合。
1)上面所述步骤1主要处理包括如下步骤：
Step1相邻PDW脉内参数比对，判断疑似分裂脉冲：
对相邻的PDW脉内参数进行比较，判断疑似分裂脉冲要满足以下几个条件：
频率差门限ΔRF：满足频率门限要求的信号可以拼接；
到达时间差门限ΔTOA：满足到达时间差门限要求的信号可以拼接；
幅度差门限ΔPA：满足幅度差门限的脉冲才拼接；
PDW拼接幅度最低值PAmin：当信号幅度低于该门限时，不拼接该信号；PAmin的值决定了ΔRFΔTOA，ΔPA取值大小。
幅度饱和值PAmax：同时到达时间出现一个饱和信号时，所有满足时间差信号全部作为交调信号剔除；
通带隔离度值PAchan：同时到达时间出现门限超过通带隔离度时立刻剔除幅度较小信号；
PDW拼接脉宽最小值PWmin：当信号脉宽小于该门限时，不拼接该信号。
Step2建立脉冲的脉内特征矩阵
对于满足条件的脉冲信号，通过脉内特征分析处理，得到中频数据的几个重要特征参数：载频RF、幅度PA、方位DOA、调制类型Type、调频斜率k、码元个数num。建立脉内特征一维矩阵，记为PF＝[RF，PA，DOA，Type，k，num]；
2)上面所述步骤2主要处理包括如下步骤：
Step1将脉内特征矩阵的特征参数进行归一化调整
例如RF＝3300MHz，化为RF＝0.33，PA＝-10dB，化为PA＝0.1，DOA＝44.5°，化为DOA＝0.45，将常规单频信号(NM)、线性调频(LFM)、二相编码(BPSK)、四相编码(QPSK)、非线性调频(NLFM)、频率编码(FSK)按如下公式量化：
Figure BDA0002708174830000031
对于调频斜率k，若是线性调频，则进行归一化调整，若不是线性调频，则取值为0；
对于码元个数num，按如下分段函数取值：
Figure BDA0002708174830000032
Step2两个疑似分裂脉冲求相似系数
将两个疑似分裂的脉冲PDW1和PDW2的脉内特征矩阵按照如下公式进行计算处理：
Figure BDA0002708174830000033
由同一个脉冲分裂出来的两个子脉冲计算得到的相似系数接近于1，因此通过相似系数Sim与1的接近程度判断是否为分裂脉冲，相似系数的具体门限值与采集的信号信噪比有关，可以根据情况作调整。
Step3分裂脉冲进行拼接：
对于相似系数Sim过门限的两个脉冲，判断为分裂脉冲，由脉冲索引找到两个PDW对应的中频数据，将PDW2对应的中频数据进行删除脉冲头操作，PDW1对应的中频进行删除脉冲尾操作，把新的PDW2的中频数据拼接到新的PDW1的中频数据尾部，生成一个新的脉冲中频数据包；将新的中频数据包重新进行脉内分析处理，形成PDW3；删除原来的PDW1和PDW2.，将PDW3的索引记为原PDW1的索引，PDW3的TOA记为PDW1的TOA；将PDW缓存中在排序在原PDW2后面的PDW的索引依此减去1。
3)上述步骤3将更新后的PDW缓存送至分选模块
在分裂脉冲判断与拼接步骤之后，重新进行脉内分析处理，更新了PDW缓存，将更新后的PDW缓存送至分选模块，进行后续的分选和融合处理，这样提高了特征分析软件在存在脉冲分裂情况下的分选准确性。脉冲拼接后的脉内特征图如图3所示。

Claims (1)

1.一种基于脉内特征的脉冲拼接方法，其特征在于：
步骤一：脉冲预处理，硬件将中频信号送至脉内特征分析软件；
步骤二：对脉冲信号进行脉内特征分析，获取脉内特征参数，通过参数比对，判断疑似分裂脉冲，所述判断疑似分裂脉冲满足条件包括：
频率差门限△RF：满足频率门限要求的信号可以拼接；
到达时间差门限△TOA：满足到达时间差门限要求的信号可以拼接；
幅度差门限△PA：满足幅度差门限的脉冲才拼接；
PDW拼接幅度最低值PAmin：当信号幅度低于该门限时，不拼接该信号；PAmin的值决定了△RF、△TOA和△PA取值大小；
幅度饱和值PAmax：同时到达时间出现一个饱和信号时，所有满足时间差信号全部作为交调信号剔除；
通带隔离度值PAchan：同时到达时间出现门限超过通带隔离度时立刻剔除幅度较小信号；
PDW拼接脉宽最小值PWmin：当信号脉宽小于该门限时，不拼接该信号；
对于满足条件的脉冲信号，通过脉内特征分析处理，得到中频数据的特征参数，包括载频RF、幅度PA、方位DOA、调制类型Type、调频斜率k、码元个数num；建立脉内特征一维矩阵，记为PF＝[RF，PA，DOA，Type，k，num]；
步骤三：对脉内特征矩阵按照量化算法进行参数归一化调整，将常规单频信号NM、线性调频LFM、二相编码BPSK、四相编码QPSK、非线性调频NLFM、频率编码FSK按如下公式量化：
Figure FDA0003653819670000011
对于调频斜率k，若是线性调频，则进行归一化调整，若不是线性调频，则取值为0；对于码元个数num，按如下分段函数取值：
Figure FDA0003653819670000012
将两个疑似分裂的脉冲PDW1和PDW2的脉内特征矩阵按照如下公式进行计算处理：
Figure FDA0003653819670000013
步骤四：对于相似系数Sim过门限的两个脉冲，判断为分裂脉冲，由脉冲索引找到两个PDW 对应的中频数据，将PDW2对应的中频数据进行删除脉冲头操作，PDW1对应的中频进行删除脉冲尾操作，把新的PDW2的中频数据拼接到新的PDW1的中频数据尾部，生成一个新的脉冲中频数据包；将新的中频数据包重新进行脉内分析处理，形成PDW3；删除原来的PDW1和PDW2，将PDW3的索引记为原PDW1的索引，PDW3的TOA记为PDW1的TOA；将PDW缓存中在排序在原PDW2后面的PDW的索引依此减去1；
步骤五：对生成的新的PDW数据进行信号分选和数据融合处理，生成辐射源RDW参数。
CN202011046557.0A 2020-09-29 2020-09-29 一种基于脉内特征的脉冲拼接方法 Active CN112162255B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011046557.0A CN112162255B (zh) 2020-09-29 2020-09-29 一种基于脉内特征的脉冲拼接方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011046557.0A CN112162255B (zh) 2020-09-29 2020-09-29 一种基于脉内特征的脉冲拼接方法

Publications (2)

Publication Number Publication Date
CN112162255A CN112162255A (zh) 2021-01-01
CN112162255B true CN112162255B (zh) 2022-12-27

Family

ID=73861983

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011046557.0A Active CN112162255B (zh) 2020-09-29 2020-09-29 一种基于脉内特征的脉冲拼接方法

Country Status (1)

Country Link
CN (1) CN112162255B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112904288B (zh) * 2021-01-14 2023-08-29 无锡国芯微电子系统有限公司 一种脉冲信号合并的系统、脉冲信号合并的方法
CN112433191B (zh) * 2021-01-27 2021-04-09 成都市克莱微波科技有限公司 脉冲信号的处理方法、装置、电子设备及存储介质
CN114624670B (zh) * 2022-03-11 2024-09-17 西安迅尔电子有限责任公司 一种基于信号脉内参数的低延时信号分选算法
CN114966594A (zh) * 2022-05-18 2022-08-30 中国船舶集团有限公司第七二三研究所 一种基于带宽融合的宽带信号侦收方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108365899B (zh) * 2018-01-31 2021-08-20 成都泰格微电子研究所有限责任公司 一种信道化测频的带宽拼接系统及方法
CN108508436B (zh) * 2018-04-08 2020-07-10 电子科技大学 一种对多普勒效应具有容忍性的距离像拼接方法
CN111220974B (zh) * 2019-12-10 2023-03-24 西安宁远电子电工技术有限公司 一种低复杂度的基于调频步进脉冲信号的频域拼接方法

Also Published As

Publication number Publication date
CN112162255A (zh) 2021-01-01

Similar Documents

Publication Publication Date Title
CN112162255B (zh) 一种基于脉内特征的脉冲拼接方法
CN106130942B (zh) 一种基于循环谱的无线通信信号调制识别及参数估计方法
CN110133599B (zh) 基于长短时记忆模型的智能雷达辐射源信号分类方法
CN111060878B (zh) 适用于单脉冲的lfm雷达工作模式实时分类方法及装置
CN110163040B (zh) 非高斯杂波中雷达辐射源信号识别技术
CN111751797B (zh) 一种基于方位角的高频地波雷达一阶和二阶回波谱分界线确定方法
CN114545342B (zh) 利用多通道侦察接收机的雷达脉冲信号参数测量方法
CN110751049B (zh) 一种面向信号采样梯度攻击的防御方法
Wang et al. Specific emitter identification based on deep adversarial domain adaptation
Fadul et al. An analysis of process parameters for the optimization of specific emitter identification under rayleigh fading
CN116540250B (zh) 一种激光测距方法及系统
CN117676609A (zh) 一种雷达辅助通信的基于神经网络的波束预测方法
CN111832632B (zh) 基于高次频谱对称Holder系数的雷达信号分选方法及系统
Wang et al. Autonomous radar pulse modulation classification using modulation components analysis
CN117062228A (zh) 一种基于近场无线通信码本的多臂波束训练方法
CN109814072B (zh) 一种基于数字接收机的雷达信号处理方法及装置
CN115219991A (zh) 一种基于希尔伯特变换的二相编码调制信号识别方法
CN116388798A (zh) 一种Link16跳频信号去噪侦察识别算法
Ma et al. Radar working mode recognition based on hierarchical feature representation and clustering
Yuan et al. A Low-Complexity Parameter Estimation Algorithm for an Integrated Radar-Communication Waveform With Cross-Mode Interference
CN113702901B (zh) 一种基于信号相关性增强的互相关时延估计方法
CN112684420A (zh) 一种基于相对熵的制导雷达射频隐身波形设计方法
Jiang et al. Recognition method for the bionic camouflage click communication trains modulated by time delay difference
Wen et al. RF transmitter identification and classification based on deep residual shrinkage network
Moradkhani et al. Deep-Learning based DOA estimation in the presence of multiplicative noise

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