CN112462343A - 一种通过频域变换处理提取雷达信号脉内特征参数的方法 - Google Patents

Abstract

本发明涉及雷达信号领域，具体的说是一种通过频域变换处理提取雷达信号脉内特征参数的方法，包括以下主要步骤：一、对侦测到的雷达信号进行Welch功率谱的特征提取；二、对Welch功率谱的特征进行三维熵的提取；三、选择三维熵作为最终的雷达信号脉内特征参数。当某个熵不足以区分8类雷达辐射源信号时，可以结合其他熵进行分析，总体而言，8类雷达辐射源信号Welch功率谱的三维熵特征存在差异，即具有较好的分离性，香农熵的方差小于0.01，指数熵的方差处于‑5数量级，范数熵的方差小于2.5，说明8类雷达辐射源信号Welch功率谱的三维熵特征受噪声的影响较小，即具有较好的稳定性，为后续的雷达信号分选与识别奠定了良好的基础。

Description

一种通过频域变换处理提取雷达信号脉内特征参数的方法

技术领域

本发明涉及雷达信号领域，具体说是一种通过频域变换处理提取雷达信号脉内特征参数的方法。

背景技术

随着新型复杂体制雷达所占的比例越来越大，未知雷达辐射源信号分选在电子战中扮演的角色愈来愈重要，所需解决的问题也愈来愈多。当前的雷达辐射源信号分选算法主要是基于分析截获信号的各种常规参数，如到达时间、到达角、载频、脉宽等。其中，利用到达时间分选是较为常用的一种方法，典型的如序列差直方图、PRI变换，以及改进的PRI变换算法等。但这些算法都存在一定的缺陷，难以适用于当前复杂的电磁环境。脉内特征是雷达辐射源信号最具特色的参数之一，虽然当前一些雷达辐射源信号的常规参数变化丰富，但其脉内特征参数却具有一定的稳定性。因此，本发明提出一种基于频域变换处理的脉内特征参数，给出详细的提取过程，并进行了仿真分析，验证了所提方法的有效性和可行性。

发明内容

针对现有技术中的问题，本发明提供了一种通过频域变换处理提取雷达信号脉内特征参数的方法。

本发明解决其技术问题所采用的技术方案是：一种通过频域变换处理提取雷达信号脉内特征参数的方法，包括以下步骤：

(1)对接收到的雷达信号进行Welch功率谱的特征提取；

假设侦测到的一雷达信号序列

将其分段，每段长度为M，段间重叠为M-k，此时第i段的信号序列为：

xⁱ(t)＝x[t+(i-1)k] 0≤t≤M-1,1≤i≤L

式中，0＜k＜M，L为分段数，且满足：(L-1)k+M≤N

第i段的功率谱估计为：

式中，w(·)为非矩形窗函数；U为归一化因子，使所得的谱是渐进无偏估计，即：

则Welch定义的谱估计为：

(2)对Welch功率谱的特征进行三维熵的提取：

虽然求取雷达辐射源信号的Welch功率谱后，不同雷达信号间的差异得到了凸显，但是其维数较大，不便于表征信号特征和后续的分选识别，需要考虑利用一些提取简单、适用性强的特征进行降维处理，熵可以用来表征系统能量分布均匀的程度，也能作为对系统无序状态的衡量，不同雷达辐射源信号的Welch功率谱具有不同的规律特性，用熵有利于定量描述这种特性，下面给出三维熵特征的具体计算方法：

1)香农熵

由于不同雷达辐射源信号的Welch功率谱特征的无序化和不确定程度存在差异，因此可以用香农熵来进行刻画，香农熵的定义为：

假设一集合X＝{x₁,x₂,…,x_n}，则集合中各个事件发生的概率用n维概率分布 P＝{p₁,p₂,…,p_n}表示，且满足两个条件：0≤p_i≤1且

由此，香农熵表达式为下列公式一：

其中，

2)指数熵

香农熵在解决信号不确定性问题时有较好的效果，但也存在一定的问题，在香农熵的定义中，如果p_i→0，则信息增量ΔI(p_i)→∞，即当p_i＝0时，ΔI(p_i)＝-log₂(p_i)没有定义，因此，为了解决计算过程中出现不收敛的现象，用

代替log₂(1/p_i)能起到较好的效果，并且能提高计算精度，则指数熵表达式为下列公式二：

其中，

3)范数熵

范数熵在刻画不同脉内调制方式的雷达辐射源信号的频谱形状、能量分布和集中程度上有较好的效果，考虑到不同雷达辐射源信号的Welch功率谱具有不同的能量分布情况，因此可以用范数熵来进行刻画，假设一信号序列

则范数熵的表达式为下列公式三：

式中，1＜R＜2，通常情况下可以取R＝1.5；

(3)选择三维熵作为最终的雷达信号脉内特征参数：

对于侦测到的雷达信号，首先求取Welch功率谱，然后在此基础上按照公式一、公式二和公式三，依次求取出香农熵、指数熵和范数熵，构成雷达信号的脉内特征参数，描述为：

F＝{H_S,H_E,H_R}。

本发明的有益效果：

本发明所述的一种通过频域变换处理提取雷达信号脉内特征参数的方法，当某个熵不足以区分8类雷达辐射源信号时，可以结合其他熵进行分析，总体而言，8类雷达辐射源信号Welch功率谱的三维熵特征存在差异，即具有较好的分离性，香农熵的方差小于0.01，指数熵的方差处于-5数量级，范数熵的方差小于2.5，说明8类雷达辐射源信号Welch功率谱的三维熵特征受噪声的影响较小，即具有较好的稳定性，为后续的雷达信号分选与识别奠定了良好的基础。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1为本发明提供的一种通过频域变换处理提取雷达信号脉内特征参数的方法的流程图；

图2为本发明提供的是CW雷达辐射源信号在无噪声情况下的Welch功率谱；

图3为本发明提供的是LFM雷达辐射源信号在无噪声情况下的Welch功率谱；

图4为本发明提供的是FSK雷达辐射源信号在无噪声情况下的Welch功率谱；

图5为本发明提供的是BPSK雷达辐射源信号在无噪声情况下的Welch功率谱；

图6为本发明提供的是QPSK雷达辐射源信号在无噪声情况下的Welch功率谱；

图7为本发明提供的是LFM-BPSK雷达辐射源信号在无噪声情况下的Welch功率谱；

图8为本发明提供的是FSK-BPSK雷达辐射源信号在无噪声情况下的Welch功率谱；

图9为本发明提供的是NLFM雷达辐射源信号在无噪声情况下的Welch功率谱；

图10为本发明提供的是8类雷达辐射源信号在对应信噪比环境下Welch功率谱的香农熵均值；

图11为本发明提供的是8类雷达辐射源信号在对应信噪比环境下Welch功率谱的指数熵均值；

图12为本发明提供的是8类雷达辐射源信号在对应信噪比环境下Welch功率谱的范数熵均值；

图13为本发明提供的是8类雷达辐射源信号在对应信噪比环境下Welch功率谱的香农熵方差；

图14为本发明提供的是8类雷达辐射源信号在对应信噪比环境下Welch功率谱的指数熵方差；

图15为本发明提供的是8类雷达辐射源信号在对应信噪比环境下Welch功率谱的范数熵方差。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

如图1-图15所示，本发明所述的一种通过频域变换处理提取雷达信号脉内特征参数的方法，一是对接收到的雷达信号进行Welch功率谱的特征提取；二是对Welch功率谱的特征进行三维熵的提取；三是选择三维熵作为最终的雷达信号脉内特征参数。

(1)对接收到的雷达信号进行Welch功率谱的特征提取。

假设侦测到的一雷达信号序列

将其分段，每段长度为M，段间重叠为M-k，此时第i段的信号序列为：

xⁱ(t)＝x[t+(i-1)k] 0≤t≤M-1,1≤i≤L

式中，0＜k＜M，L为分段数，且满足：(L-1)k+M≤N

第i段的功率谱估计为：

式中，w(·)为非矩形窗函数；U为归一化因子，使所得的谱是渐进无偏估计，即：

则Welch定义的谱估计为：

为了体现不同雷达辐射源信号Welch功率谱的差异，以CW、LFM、FSK、BPSK、 QPSK、LFM-BPSK、FSK-BPSK、NLFM等8种典型的雷达辐射源信号为例，给出它们在无噪声情况下的Welch功率谱，如图2-图9所示(横轴：频率/MHz；纵轴：归一化幅度)。

(2)对Welch功率谱的特征进行三维熵的提取

虽然求取雷达辐射源信号的Welch功率谱后，不同雷达信号间的差异得到了凸显，但是其维数较大，不便于表征信号特征和后续的分选识别，需要考虑利用一些提取简单、适用性强的特征进行降维处理。熵可以用来表征系统能量分布均匀的程度，也能作为对系统无序状态的衡量。由图2-图9可知，不同雷达辐射源信号的Welch功率谱具有不同的规律特性，用熵有利于定量描述这种特性。下面给出三维熵特征的具体计算方法：

1)香农熵

由于不同雷达辐射源信号的Welch功率谱特征的无序化和不确定程度存在差异，因此可以用香农熵来进行刻画。香农熵的定义为：

假设一集合X＝{x₁,x₂,…,x_n}，则集合中各个事件发生的概率用n维概率分布 P＝{p₁,p₂,…,p_n}表示，且满足两个条件：0≤p_i≤1且

由此，香农熵表达式为下列公式一：

其中，

2)指数熵

香农熵在解决信号不确定性问题时有较好的效果，但也存在一定的问题。在香农熵的定义中，如果p_i→0，则信息增量ΔI(p_i)→∞，即当p_i＝0时，ΔI(p_i)＝-log₂(p_i)没有定义。因此，为了解决计算过程中出现不收敛的现象，用

代替log₂(1/p_i)能起到较好的效果，并且能提高计算精度。则指数熵表达式为下列公式二：

其中，

3)范数熵

范数熵在刻画不同脉内调制方式的雷达辐射源信号的频谱形状、能量分布和集中程度上有较好的效果，考虑到不同雷达辐射源信号的Welch功率谱具有不同的能量分布情况，因此可以用范数熵来进行刻画。假设一信号序列

则范数熵的表达式为下列公式三：

式中，1＜R＜2，通常情况下可以取R＝1.5。

(3)选择三维熵作为最终的雷达信号脉内特征参数。

对于侦测到的雷达信号，首先求取Welch功率谱，然后在此基础上按照公式一、公式二和公式三，依次求取出香农熵、指数熵和范数熵，构成雷达信号的脉内特征参数，描述为

F＝{H_S,H_E,H_R}

为了对雷达信号脉内特征参数的性能进行分析，在信噪比为0、5、10和15dB时，分别求取8类雷达辐射源信号Welch功率谱的三维熵特征，每类信号产生200个，得到8类雷达辐射源信号在对应信噪比环境下Welch功率谱的三维熵特征的均值和方差，如图10- 图12和图13-图15所示。

由图10-图12可知，当某个熵不足以区分8类雷达辐射源信号时，可以结合其他熵进行分析，总体而言，8类雷达辐射源信号Welch功率谱的三维熵特征存在差异，即具有较好的分离性。由图13-图15可知，香农熵的方差小于0.01，指数熵的方差处于-5数量级，范数熵的方差小于2.5，说明8类雷达辐射源信号Welch功率谱的三维熵特征受噪声的影响较小，即具有较好的稳定性，为后续的雷达信号分选与识别奠定了良好的基础。

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施方式和说明书中的描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入本发明要求保护的范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (4)

1.一种通过频域变换处理提取雷达信号脉内特征参数的方法，其特征在于，包括以下步骤：

(1)对接收到的雷达信号进行Welch功率谱的特征提取；

假设侦测到的一雷达信号序列

将其分段，每段长度为M，段间重叠为M-k，此时第i段的信号序列为：

xⁱ(t)＝x[t+(i-1)k]0≤t≤M-1,1≤i≤L

式中，0＜k＜M，L为分段数，且满足：(L-1)k+M≤N

第i段的功率谱估计为：

式中，w(·)为非矩形窗函数；U为归一化因子，使所得的谱是渐进无偏估计，即为：

则Welch定义的谱估计为：

(2)对Welch功率谱的特征进行三维熵的提取：

虽然求取雷达辐射源信号的Welch功率谱后，不同雷达信号间的差异得到了凸显，但是其维数较大，不便于表征信号特征和后续的分选识别，熵可以用来表征系统能量分布均匀的程度，也能作为对系统无序状态的衡量，下面给出三维熵特征的具体计算方法：

1)香农熵

由于不同雷达辐射源信号的Welch功率谱特征的无序化和不确定程度存在差异，因此可以用香农熵来进行刻画，香农熵的定义为：

假设一集合X＝{x₁,x₂,…,x_n}，则集合中各个事件发生的概率用n维概率分布P＝{p₁,p₂,…,p_n}表示，且满足两个条件：0≤p_i≤1且

由此，香农熵表达式为下列公式一：

其中，

2)指数熵

香农熵在解决信号不确定性问题时有较好的效果，但也存在一定的问题，在香农熵的定义中，如果p_i→0，则信息增量ΔI(p_i)→∞，即当p_i＝0时，ΔI(p_i)＝-log₂(p_i)没有定义，则指数熵表达式为下列公式二：

其中，

3)范数熵

范数熵在刻画不同脉内调制方式的雷达辐射源信号的频谱形状、能量分布和集中程度上有较好的效果，考虑到不同雷达辐射源信号的Welch功率谱具有不同的能量分布情况，因此可以用范数熵来进行刻画，假设一信号序列

则范数熵的表达式为下列公式三：

式中，1＜R＜2，通常情况下可以取R＝1.5；

(3)选择三维熵作为最终的雷达信号脉内特征参数：

对于侦测到的雷达信号，首先求取Welch功率谱，然后在此基础上按照公式一、公式二和公式三，依次求取出香农熵、指数熵和范数熵，构成雷达信号的脉内特征参数，描述为下列公式八：

F＝{H_S,H_E,H_R}。

2.根据权利要求1所述的一种通过频域变换处理提取雷达信号脉内特征参数的方法，其特征在于，不同雷达辐射源信号的Welch功率谱具有不同的规律特性，用熵有利于定量描述这种特性。

3.根据权利要求1所述的一种通过频域变换处理提取雷达信号脉内特征参数的方法，其特征在于，根据对Welch功率谱的特征进行三维熵的提取，求取雷达辐射源信号的Welch功率谱后，需要考虑利用一些提取简单、适用性强的特征进行降维处理。

4.根据权利要求1所述的一种通过频域变换处理提取雷达信号脉内特征参数的方法，其特征在于，为了解决计算过程中出现不收敛的现象，用

代替log₂(1/p_i)能起到较好的效果，并且能提高计算精度。

Images