CN112462343B - 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
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 Download PDFInfo
- Publication number
- CN112462343B CN112462343B CN202011254110.2A CN202011254110A CN112462343B CN 112462343 B CN112462343 B CN 112462343B CN 202011254110 A CN202011254110 A CN 202011254110A CN 112462343 B CN112462343 B CN 112462343B
- Authority
- CN
- China
- Prior art keywords
- entropy
- radar
- radiation source
- signal
- power spectrum
- 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
- 238000000034 method Methods 0.000 title claims abstract description 15
- 230000009466 transformation Effects 0.000 title claims abstract description 11
- 238000001228 spectrum Methods 0.000 claims abstract description 60
- 230000005855 radiation Effects 0.000 claims abstract description 46
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- G01S7/418—Theoretical aspects
-
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/295—Means for transforming co-ordinates or for evaluating data, e.g. using computers
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
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,…,xn}，则集合中各个事件发生的概率用n维概率分布P＝{p1,p2,…,pn}表示，且满足两个条件：0≤pi≤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pi→0，则信息增量ΔI(pi)→∞，即当pi＝0时，ΔI(pi)＝-log2(pi)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/pi)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＝{HS,HE,HR}。
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,…,xn}，则集合中各个事件发生的概率用n维概率分布P＝{p1,p2,…,pn}表示，且满足两个条件：0≤pi≤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pi→0，则信息增量ΔI(pi)→∞，即当pi＝0时，ΔI(pi)＝-log2(pi)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/pi)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＝{HS,HE,HR}
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 (1)
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，因此用香农熵来进行刻画，香农熵的定义为：
假设一集合X＝{x1,x2,…,xn}，则集合中各个事件发生的概率用n维概率分布P＝{p1,p2,…,pn}表示，且满足两个条件：0≤pi≤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pi→0，则信息增量ΔI(pi)→∞，即当pi＝0时，ΔI(pi)＝-log2(pi)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＝{HS,HE,HR}。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011254110.2A CN112462343B (zh) | 2020-11-11 | 2020-11-11 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011254110.2A CN112462343B (zh) | 2020-11-11 | 2020-11-11 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112462343A CN112462343A (zh) | 2021-03-09 |
| CN112462343B true CN112462343B (zh) | 2023-09-19 |
Family
ID=74826788
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011254110.2A Active CN112462343B (zh) | 2020-11-11 | 2020-11-11 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112462343B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110071884A (zh) * | 2019-04-11 | 2019-07-30 | 哈尔滨工程大学 | 一种基于改进熵云特征的通信信号调制识别方法 |
| CN114924234B (zh) * | 2022-07-21 | 2022-10-21 | 中国人民解放军国防科技大学 | 一种基于区域对比度的雷达辐射源目标信号检测方法 |
| CN117992760B (zh) * | 2024-04-07 | 2024-06-18 | 中国电子科技集团公司第十研究所 | 一种基于认知图谱的电磁环境监测任务规划方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106529478A (zh) * | 2016-11-08 | 2017-03-22 | 中国人民解放军空军工程大学 | 一种联合三维熵特征的雷达辐射源信号识别方法 |
| CN109254274A (zh) * | 2018-11-23 | 2019-01-22 | 哈尔滨工程大学 | 一种基于特征融合的雷达辐射源辨识方法 |
| CN111308437A (zh) * | 2020-02-27 | 2020-06-19 | 南京慧尔视智能科技有限公司 | 一种毫米波mimo交通雷达求熵解速度模糊的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102015120733B4 (de) * | 2015-11-30 | 2017-11-02 | Infineon Technologies Ag | Radarvorrichtung mit Schätzung des Phasenrauschens |
-
2020
- 2020-11-11 CN CN202011254110.2A patent/CN112462343B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106529478A (zh) * | 2016-11-08 | 2017-03-22 | 中国人民解放军空军工程大学 | 一种联合三维熵特征的雷达辐射源信号识别方法 |
| CN109254274A (zh) * | 2018-11-23 | 2019-01-22 | 哈尔滨工程大学 | 一种基于特征融合的雷达辐射源辨识方法 |
| CN111308437A (zh) * | 2020-02-27 | 2020-06-19 | 南京慧尔视智能科技有限公司 | 一种毫米波mimo交通雷达求熵解速度模糊的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 雷达辐射源信号特征提取评估指标体系的构建;韦旭;潘谊春;程柏林;何缓;;空军预警学院学报(第01期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112462343A (zh) | 2021-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112462343B (zh) | 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 | |
| CN108469602B (zh) | 一种基于谱特征提取的脉冲信号类型自动判别方法 | |
| CN105223481B (zh) | 基于差值能量函数的局部放电特高频信号起始时刻确定方法 | |
| CN111965615A (zh) | 一种基于检测前估计的雷达目标检测方法 | |
| CN110988834B (zh) | 一种基于自适应阈值双门限的脉冲到达时间测量方法 | |
| CN104331583B (zh) | 一种基于实测海杂波数据的多重分形建模方法 | |
| CN105223482A (zh) | 局部放电特高频信号波形的小波分解二值去噪方法 | |
| CN105429719A (zh) | 基于功率谱和多尺度小波变换分析强干扰信号检测方法 | |
| CN108983158B (zh) | 一种基于Hankel矩阵奇异值分解的探地雷达噪声抑制方法 | |
| CN111339986B (zh) | 基于时域/频域分析的装备用频规律挖掘方法和系统 | |
| CN110398722A (zh) | 基于随机矩阵有限谱的扩展目标回波检测方法 | |
| CN106772271A (zh) | 一种基于匹配自相关算法的雷达信号toa估计方法 | |
| CN110632563B (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 | |
| CN117890853A (zh) | 基于粒子群优化补偿的单矢量水听器浅海多目标测向方法 | |
| CN112578359B (zh) | 一种通过双谱变换处理提取雷达信号脉内特征参数的方法 | |
| CN114584432B (zh) | 基于改进平滑周期图算法的信号检测方法 | |
| CN115169406B (zh) | 基于经验模态分解的瞬时相位指纹特征增强方法 | |
| CN115980689A (zh) | 基于点云检测的辐射源信号分选方法、装置、设备及介质 | |
| CN105959035B (zh) | 一种直扩信号截获检测方法 | |
| CN112462344B (zh) | 通过时频域变换处理提取雷达信号脉内特征参数的方法 | |
| CN115356692A (zh) | 一种基于pri区间树上时间片不重叠的雷达信号分选增批处理方法 | |
| CN115407127A (zh) | 基于相干累积功率与多维Log-Sum函数的无网格瞬时频率估计方法 | |
| CN112578360B (zh) | 一种基于变换域提取雷达信号脉内特征参数的方法 | |
| CN112436863A (zh) | 一种基于频谱离散度分析的信号快速检测搜索方法 | |
| CN113109777B (zh) | 基于stokes矢量分解的宽带极化雷达目标检测方法 |
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 |