CN113109784B - 一种基于盲源分离的雷达脉冲重复间隔估计方法 - Google Patents
一种基于盲源分离的雷达脉冲重复间隔估计方法 Download PDFInfo
- Publication number
- CN113109784B CN113109784B CN202110466533.9A CN202110466533A CN113109784B CN 113109784 B CN113109784 B CN 113109784B CN 202110466533 A CN202110466533 A CN 202110466533A CN 113109784 B CN113109784 B CN 113109784B
- Authority
- CN
- China
- Prior art keywords
- signal
- pulse
- radar
- signals
- pri
- 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
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
-
- 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)
- 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
本发明公开一种基于盲源分离的雷达脉冲重复间隔估计方法,其包括以下步骤:步骤S1、构建雷达信号盲源分离模型,对一维均匀线阵接收的多路观测信号进行信号盲源分离处理,得到单部雷达辐射源的信号;对步骤S1中得到的单部雷达辐射源信号分别进行希尔伯特变换;对步骤S2中变换后的复信号分别进行信号包络提取;对步骤S3中的信号包络,分别设置阈值;根据步骤S3中的阈值,对信号包络进行整形,得到一串矩形脉冲;针对步骤S5中的一串矩形脉冲分别设置阈值,根据信号采样频率和阈值,进行脉冲到达时间、脉冲截止时间、脉冲宽度的估计,然后进行雷达脉冲重复间隔PRI的估计。本发明能够有效解决信号混叠给雷达信号参数估计、识别分析带来的问题。
Description
技术领域
本发明属于雷达侦查信号处理技术领域,尤其是涉及一种基于盲源分离的雷达脉冲重复间隔估计方法,用于对雷达对抗侦察获取的雷达脉冲进行脉冲重复间隔估计,克服复杂电磁环境下雷达信号混叠导致的PRI难以估计的问题,为进一步的PRI调制样式识别、雷达工作模式、用途及威胁等级分析奠定坚实基础。
背景技术
雷达脉冲重复间隔(Pulse Repetition Interval,PRI)体现了雷达的工作模式、用途甚至威胁等级,是雷达辐射源的重要特征参数,新型雷达中会使用多种调制样式的PRI。对PRI参数的估计对于雷达辐射源识别具有重要意义。复杂电磁环境条件下,以下两种因素导致PRI参数估计存在很大困难:
(1)、新型雷达中经常使用多种调制样式的PRI,PRI参数变化规律复杂;
(2)、由于辐射源数量多、脉冲密度大,导致不同雷达信号互相混叠,对PRI调制样式识别造成虚假信号干扰。
现阶段,对于固定、参差PRI调制样式,通常可在去交错时根据雷达脉冲串中各个脉冲到达时间(Arrival of Time,TOA)的估计值,利用TOA统计直方图法、线性随机动态模型法、Hough变换法、平面变换法、快速傅里叶变换法等加以区分。但对于抖动、滑变、正弦调制及驻留与切换等PRI调制样式,去交错处理时只能粗略识别成“复杂”类型,无法作出具体判断。现有技术中针对复杂PRI调制识别方法基本都是先估计脉冲串中每个脉冲前沿的TOA,然后得到其差分序列(称为PRI序列),再利用PRI序列的不同特征实现复杂体制PRI的调制识别。
现有技术中复杂体制PRI的调制识别方法大体分为以下2类:
(1)、PRI序列差分符号特征识别法,在分析脉冲串中每个脉冲到达前沿时间的二次差分(PRI序列的一次差分)特征的基础上,利用PRI序列一次差分后的符号向量特征,通过神经网络方法实现了对抖动、滑变、正弦调制及驻留与切换等4种复杂体制PRI调制识别。但是,此方法特征向量维数较大,分类器设计较复杂,需要对神经网络进行事先学习与训练,无法对PRI调制参数进行估计。
(2)、PRI序列自相关函数形状特征识别法,此方法首先定义了一种PRI序列自相关函数,在此基础上定义了3个分类特征量,然后实现PRI调制样式的识别。此方法能够实现对抖动、滑变、正弦调制及驻留与切换等4种复杂体制PRI调制样式进行识别,且能够对周期性PRI调制的周期进行估计。但是,此方法定义的3个特征及其判决门限受信号参数及噪声影响较大,鲁棒性不足。
鉴于PRI参数的重要性,亟需研究准确有效的PRI估计方法,以克服复杂电磁环境下信号混叠对PRI估计产生的不利影响。
发明内容
针对复杂电磁环境下,雷达信号数量多、脉冲密度大造成雷达信号混叠严重,对雷达信号PRI参数估计造成的问题,本发明的目的是提供一种基于盲源分离的雷达脉冲重复间隔估计方法,其首先通过盲源分离方法对接收到的雷达信号进行分离,然后对分离开的单部雷达信号进行PRI参数估计,能够为PRI调制样式识别、雷达工作模式及威胁等级判定奠定坚实基础。
为实现上述发明目的,本发明采用如下技术方案:
一种基于盲源分离的雷达脉冲重复间隔估计方法,其包括以下步骤:
步骤S1、构建雷达信号盲源分离模型,采用盲源分离方法,对一维均匀线阵接收的多路观测信号X(t)进行信号盲源分离处理,得到单部雷达辐射源的信号,分离得到的信号矩阵表示为:
其中,t=1,2,…,N,t为信号采样点,N为信号采样点数,K为信号个数;
所述雷达信号盲源分离模型如下:
设定K个远场雷达信号从方向θ1,…,θK入射到由M个传感器组成的一维均匀线性阵列上,获得阵列观测信号X(t),表示为
其中,X(t)=[X1(t),X2(t),…,XM(t)]T为阵列观测信号向量;
a(θk)为阵列方向向量;
A(θ)=[a(θ1),a(θ2),…,a(θK)]为方向向量构成的矩阵;
θ=[θ1,…θK]T为信号的来波角度参数向量;
s(t)=[s1(t),s2(t),…,sK(t)]T为入射信号向量;
w(t)=[w1(t),w2(t),…,wM(t)]T为加性噪声向量;
K为信号个数;
T表示转置;
采样时刻t=1,2,…,N,N为信号采样时刻数,即信号采样点数;
步骤S2、对步骤S1中分离得到的单部雷达辐射源信号分别进行希尔伯特变换,使信号/>分别变为复信号/>
步骤S3、对步骤S2中变换后的复信号分别进行信号包络提取,对/>提取的包络分别表示为
步骤S4、对步骤S3中的信号包络根据信号中每一个脉冲包络幅值的20%,分别设置阈值,设其阈值分别表示为TH1h,TH2h…,THKh,上述的TH1h,TH2h…,THKh均是一组向量;
步骤S5、根据步骤S4中的TH1h,TH2h…,THKh,对信号包络进行整形;
所述整形方法是,若信号包络的某脉冲的幅值大于等于其分别对应的阈值,即TH1h,TH2h…,THKh中的一个值,则该脉冲幅值置为1,否则该脉冲幅值置0,根据以上处理得到对应于/>的一串矩形脉冲,分别表示为/>
步骤S6、针对步骤S5中的分别设置阈值α,根据信号采样频率和阈值,信号采样频率是使用阵列天线接收信号时设置的采样频率,进行脉冲到达时间、脉冲截止时间、脉冲宽度的估计,然后进行雷达脉冲重复间隔PRI的估计。
进一步地,上述的步骤S1中,所述阵列观测信号X(t)模型的假设条件如下:
(1)、入射信号为相互独立的窄带平稳信号,满足均值E{s(t)}=0、协方差矩阵其中,/>为第k个信号的功率;
(2)、阵列观测信号向量中叠加噪声为加性噪声,与信号独立;
(3)、入射信号数小于等于阵元数,信号数和阵元数远小于样本数,即K≤M,K<<N,M<<N;
(4)、信号在理想空间传播,阵列传感器具有全向一致性。
进一步地,上述的步骤S6中,对矩形脉冲串进行脉冲到达时间、脉冲截止时间、PRI参数的估计,步骤为:
步骤S6.1、首先,根据得到大于此门限值的信号包络整形后的矩形脉冲串中的采样位置,记为nn,nn是一个向量;
步骤S6.2、根据步骤S6.1中得到的向量nn,得到的第一个脉冲的到达时间,记为ytoa(1)=nn(1)/Fs,其中,Fs为信号采样频率;
步骤S6.3、计算的第一个脉冲的结束时间,其计算方法为:令i从1到length(nn)-1循环,length(nn)表示计算向量nn中的点数,当i值满足nn(i+1)-nn(i)>THpw时,其中,THpw为由事先估计或设定的能够处理的雷达信号最小脉宽pwmin得到的一个阈值,THpw=pwmin*Fs,Fs为信号采样频率;第一个脉冲的结束时间为ytoe(1)=nn(i)/fs,/>的第二个脉冲的到达时间表示为ytoa(2)=nn(i+1)/fs,第二个脉冲的结束时间计算方法同第一个脉冲结束时间计算方法相同;按照此步骤处理,得到/>所有脉冲的到达时间和截止时间;
步骤S6.4、计算得到雷达脉冲重复间隔PRI值,令j从1到length(ytoa)-1循环,length(ytoa)表示计算向量ytoa中的点数,ytoa表示所有脉冲到达时间组成的向量,PRI(j)=ytoa(j+1)-ytoa(j),计算得到了对应于/>的PRI参数值。
由于采用如上所述的技术方案,本发明具有如下优越性:
该基于盲源分离的雷达脉冲重复间隔估计方法,其采用盲源分离方法对一维天线阵列接收的信号进行分离,得到属于单部雷达信号的脉冲流,有效解决了信号混叠给雷达信号参数估计、识别分析带来的问题;针对分离开来的单部雷达信号脉冲流,利用波形整形方法得到对应于该雷达信号脉冲流的矩形脉冲串,为脉冲到达时间、结束时间的精确获取奠定了坚实基础;针对雷达信号脉冲流的矩形脉冲串,利用脉冲到达时间、结束时间计算方法,精确获得脉冲到达时间和结束时间,从而精确计算得到脉冲重复间隔值。
附图说明
图1是实施例一中的辐射源信号波形图;
图2是实施例一中的天线阵列观测信号波形图;
图3是实施例一中的从观测信号中分离出来的信号的波形图;
图4是实施例一中的分离信号的包络波形图;
图5是实施例一中的包络整形后的脉冲串波形图;
图6是实施例一中的雷达辐射源信号的PRI值和分离信号估计的PRI值对比图;
图7是实施例二中的辐射源信号波形图;
图8是实施例二中的天线阵列观测信号波形图;
图9是实施例二中的从观测信号中分离出来的信号的波形图;
图10是实施例二中的分离信号的包络波形图;
图11是实施例二中的包络整形后的脉冲串波形图;
图12是实施例二中的雷达辐射源信号的PRI值和分离信号估计的PRI值对比图;
图13是图12的局部放大图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步详细说明。
一种基于盲源分离的雷达脉冲重复间隔估计方法,其包括以下步骤:
步骤S1、构建雷达信号盲源分离模型,采用盲源分离方法,对一维均匀线阵接收的多路观测信号X(t)进行信号盲源分离处理,得到单部雷达辐射源的信号,分离得到的信号矩阵表示为:
其中,t=1,2,…,N,t为信号采样点,N为信号采样点数,K为信号个数;
所述雷达信号盲源分离模型如下:
设定K个远场雷达信号从方向θ1,…,θK入射到由M个传感器组成的一维均匀线性阵列上,获得阵列观测信号X(t),表示为
其中,X(t)=[X1(t),X2(t),…,XM(t)]T为阵列观测信号向量;
a(θk)为阵列方向向量;
A(θ)=[a(θ1),a(θ2),…,a(θL)]为方向向量构成的矩阵;
θ=[θ1,…θK]R为信号的来波角度参数向量;
s(t)=[s1(t),s2(t),…,sK(t)]T为入射信号向量;
w(t)=[w1(t),w2(t),…,wM(t)]T为加性噪声向量;
K为信号个数;
T表示转置;
采样时刻t=1,2,…,N,N为信号采样时刻数,即信号采样点数;
所述阵列观测信号X(t)模型的假设条件如下:
(1)、入射信号为相互独立的窄带平稳信号,满足均值E{s(t)}=0、协方差矩阵其中,/>为第k个信号的功率;
(2)、阵列观测信号向量中叠加噪声为加性噪声,与信号独立;
(3)、入射信号数小于等于阵元数,信号数和阵元数远小于样本数,即K≤M,K<<N,M<<N;
(4)、信号在理想空间传播,阵列传感器具有全向一致性;
步骤S2、对步骤S1中分离得到的单部雷达辐射源信号分别进行希尔伯特变换,使信号/>分别变为复信号/>
步骤S3、对步骤S2中变换后的复信号分别进行信号包络提取,对/>提取的包络分别表示为
步骤S4、对步骤S3中的信号包络根据信号中每一个脉冲包络幅值的20%,分别设置阈值,设其阈值分别表示为TH1h,TH2h…,THKh,上述的TH1h,TH2h…,THKh均是一组向量;
步骤S5、根据步骤S4中的TH1h,TH2h…,THKh,对信号包络进行整形;
所述整形方法是,若信号包络的某脉冲的幅值大于等于其分别对应的阈值,即TH1h,TH2h…,THKh中的一个值,则该脉冲幅值置为1,否则该脉冲幅值置0,根据以上处理得到对应于/>的一串矩形脉冲,分别表示为/>
步骤S6、针对步骤S5中的分别设置阈值为α,0<α<1,根据信号采样频率和阈值,信号采样频率是使用阵列天线接收信号时设置的采样频率,进行脉冲到达时间、脉冲截止时间、脉冲宽度的估计,然后进行雷达脉冲重复间隔PRI的估计。
下面以矩形脉冲串为例来详细说明脉冲到达时间、脉冲截止时间、PRI参数的估计方法。
步骤S6.1、首先,根据α取值为0.5,得到大于门限值,即0.5,的信号包络整形后的矩形脉冲串中的采样位置,记为nn,显然它是一个向量;
步骤S6.2、根据步骤S6.1中得到的向量nn,得到的第一个脉冲的到达时间,记为ytoa(1)=nn(1)/Fs,其中,Fs为信号采样频率,单位为Hz;
步骤S6.3、计算的第一个脉冲的结束时间,其计算方法为:令i从1到length(nn)-1循环,length(nn)表示计算向量nn中的点数,当i值满足nn(i+1)-nn(i)>THpw时,其中,THpw为由事先估计或设定的能够处理的雷达信号最小脉宽pwmin(单位:μs)得到的一个阈值,THpw=pwmin*Fs,Fs为信号采样频率(单位:Hz);第一个脉冲的结束时间为ytoe(1)=nn(i)/fs,/>的第二个脉冲的到达时间表示为ytoa(2)=nn(i+1)/fs,第二个脉冲的结束时间计算方法同第一个脉冲结束时间计算方法相同;按照此步骤处理,得到/>所有脉冲的到达时间和截止时间;
步骤S6.4、计算得到雷达脉冲重复间隔PRI值,令j从1到length(ytoa)-1循环,length(ytoa)表示计算向量ytoa中的点数,ytoa表示所有脉冲到达时间组成的向量,PRI(j)=ytoa(j+1)-ytoa(j),如此就计算得到了对应于/>的PRI参数值。
对于雷达脉冲重复间隔PRI值的计算方法按照上述步骤S6.1~S6.4进行操作,重复之处不再赘述。
通过实验测试对本发明的技术方案作进一步详细说明。
本发明基于盲源分离的雷达脉冲重复间隔估计方法的实验验证是在DELL9020MT型个人计算机,Intel(R)Core(TM)i7-4770 CPU@3.40GHz,64位Windows操作系统的仿真条件下进行的,仿真软件采用MATLAB R2010a。
为了充分验证本发明的有效性,应用本发明的技术方案与文献公开的技术方案进行对比,共开展四组实验测试。
实施例一
5部雷达辐射源信号都采用PRI参差抖动的脉间调制样式。PRI参差抖动雷达信号是在PRI参差信号的基础上加抖动量形成的。每一个周期内的PRI有4个基准值,分别为100μs,120μs,140μs,180μs,每个PRI的抖动百分比为5%,基准值加上抖动量形成雷达信号实际的PRI值。
雷达信号脉内调制方式分别为二相编码(BPSK)、单频点(CW)、线性调频(LFM)、多相编码(MPSK)和非线性调频(NLFM),其参数分别如下:
BPSK:子脉冲宽度为10/31μs,编码方式为[0,0,1,1,1,0,1,1,0,1,1,0,1,0,1,0,1,0,0,0,0,0,0,1,1,1,0,0,1,1,0],初始相位为0,信号载频为30MHz。
CW:脉冲宽度为20μs,载频为30MHz,初始相位为0。
LFM:脉冲宽度为20μs,带宽为10MHz,起始频率为30MHz,初始相位为0。
MPSK:子脉冲宽度为0.4μs,采用弗朗克编码方式,码元数为5,载频为30MHz,初始相位为0。
NLFM:采用《雷达手册》第319页所示非对称NLFM信号,频率—时间函数及系数值与文献中相同,脉冲宽度为20μs,带宽为10MHz,起始频率为30MHz,初始相位为0。
仿真实验中,天线阵元数M=5,雷达数量K=5,信号幅值都为1,采样频率Fs=300MHz,信号采样点数N=605999,观测信号叠加噪声后的信噪比为30dB,盲源分离方法采用SOBI方法。
各个关键步骤中信号的波形如图1~5所示;分离信号和雷达辐射源信号的相似系数如表1所示;5部雷达辐射源信号的PRI参数及分离得到5个信号计算得到的PRI参数结果对比如图6所示。
从图1~5中直观的看出,经过本发明的技术方案的处理,对分离信号获得了它们整形后的矩形脉冲串波形,上升沿和下降沿很陡峭,无疑对提取脉冲到达时间、结束时间及PRI值能够奠定坚实基础。
表1分离信号与雷达辐射源信号的相似系数
表2中,标记有下划线的数值为分离信号与某雷达辐射源信号的相似系数,由于信号的信息都是蕴藏在波形之中,故相似系数取值正负并不影响信号的信息,只要相似系数取值的绝对值越接近于1就越好。从表1中能够看出,分离信号1与第5部雷达辐射源信号相似度为0.9676,分离信号2与第3部雷达辐射源信号相似度为-0.9686,分离信号3与第1部雷达辐射源信号相似度为0.9829,分离信号4与第2部雷达辐射源信号相似度为-0.9320,分离信号5与第4部雷达辐射源信号相似度为0.9242,表示分离效果很好。
从图6中看出,经过本发明的技术方案的处理步骤,从分离信号估计得到的PRI值与雷达辐射源信号真实的PRI值十分接近,能够证明本发明的技术方案的有效性。
实施例二
有5部雷达辐射源,脉内调制方式都是LFM,脉内参数为:脉冲宽度为20μs,带宽为10MHz,起始频率为30MHz,初始相位为0。PRI调制样式分别为:参差、抖动、滑变、正弦调制、驻留和切换,主要参数如下:
参差:每一个周期内的PRI有4个基准值,分别为100μs,120μs,140μs,180μs,采用此种脉间调制样式的雷达信号脉冲数为35,即PRI个数为34;
抖动:PRI基准值为100μs,抖动率为5%,采用此种脉间调制样式的雷达信号脉冲数为40,即PRI个数为39;
滑变:每一个周期内有4个PRI值,周期内PRI取值是:PRI(k)=100+(k-1)*15(μs),采用此种脉间调制样式的雷达信号脉冲数为40,即PRI个数为39;
正弦调制:PRI的变化量以正弦调制规律进行周期变化,设该正弦函数的幅度为λ,调制的初始相位为调制速率为v,则可以将该信号的PRI表示为
PRI(k)=PRI0+λ*PRI0*sin[2πυ·PRI0·(k-1)]。
其中,PRI0=100μs,v=50。
采用此种脉间调制样式的雷达信号脉冲数为40,即PRI个数为39;
驻留和切换:每个周期内的PRI个数为3,分别为100μs,120μs,140μs,每周期内取第1种PRI值的个数为3,取第2种PRI值的个数为4,取第3种PRI值的个数为3。
采用此种脉间调制样式的雷达信号脉冲数为40,即PRI个数为39。
仿真实验中,天线阵元数M=5,雷达数量K=5,信号幅值都为1,采样频率Fs=300MHz,信号采样点数N=1505999,观测信号叠加噪声后的信噪比为30dB,盲源分离方法采用SOBI方法。
各个关键步骤中信号的波形如图7~12所示;分离信号和雷达辐射源信号的相似系数如表2所示;5部雷达辐射源信号的PRI参数及分离得到5个信号计算得到的PRI参数结果对比如图13所示。
从图7~12中直观的看出,经过本发明的技术方案的处理,对分离信号获得了它们整形后的矩形脉冲串波形,上升沿和下降沿很陡峭,无疑对提取脉冲到达时间、结束时间及PRI值能够奠定坚实基础。
表2分离信号与雷达辐射源信号的相似系数
表2中,标记有下划线的数值为分离信号与某雷达辐射源信号的相似系数,由于信号的信息都是蕴藏在波形之中,故相似系数取值正负并不影响信号的信息,只要相似系数取值的绝对值越接近于1就越好。从表2中能够看出,分离信号1与第4部雷达辐射源信号相似度为1.0000,分离信号2与第5部雷达辐射源信号相似度为1.0000,分离信号3与第3部雷达辐射源信号相似度为-1.0000,分离信号4与第1部雷达辐射源信号相似度为-0.9996,分离信号5与第2部雷达辐射源信号相似度为-0.9997,表示分离效果很好。
从图12、图13中看出,由分离信号估计得到的PRI值与雷达辐射源信号的PRI值吻合度很好,表示PRI参数估计正确。
以上所述仅为本发明的较佳实施例,而非对本发明的限制,在不脱离本发明的精神和范围的情况下,凡依本发明申请专利范围所作的均等变化与修饰,皆应属本发明的专利保护范围之内。
Claims (2)
1.一种基于盲源分离的雷达脉冲重复间隔估计方法,其特征是:其包括以下步骤:
步骤S1、构建雷达信号盲源分离模型,采用盲源分离方法,对一维均匀线阵接收的多路观测信号X(t)进行信号盲源分离处理,得到单部雷达辐射源的信号,分离得到的信号矩阵表示为:
其中,t=1,2,…,N,t为信号采样点,N为信号采样点数,K为信号个数;
所述雷达信号盲源分离模型如下:
设定K个远场雷达信号从方向θ1,…,θK入射到由M个传感器组成的一维均匀线性阵列上,获得阵列观测信号X(t),表示为
其中,X(t)=[X1(t),X2(t),...,XM(t)]T为阵列观测信号向量;
a(θk)为阵列方向向量;
A(θ)=[a(θ1),a(θ2),…,a(θK)]为方向向量构成的矩阵;
θ=[θ1,…θK]T为信号的来波角度参数向量;
s(t)=[s1(t),s2(t),…,sK(t)]T为入射信号向量;
w(t)=[w1(t),w2(t),…,wM(t)]T为加性噪声向量;
K为信号个数;
T表示转置;
采样时刻t=1,2,…,N,N为信号采样时刻数,即信号采样点数;
步骤S2、对步骤S1中分离得到的单部雷达辐射源信号分别进行希尔伯特变换,使信号/>分别变为复信号/>
步骤S3、对步骤S2中变换后的复信号分别进行信号包络提取,对提取的包络分别表示为/>
步骤S4、对步骤S3中的信号包络根据信号中每一个脉冲包络幅值的20%,分别设置阈值,设其阈值分别表示为TH1h,TH2h…,THKh,上述的TH1h,TH2h…,THKh均是一组向量;
步骤S5、根据步骤S3中的TH1h,TH2h…,THKh,对信号包络进行整形;
所述整形方法是,若信号包络的某脉冲的幅值大于等于其分别对应的阈值,即TH1h,TH2h…,THKh中的一个值,则该脉冲幅值置为1,否则该脉冲幅值置0,根据以上处理得到对应于/>的一串矩形脉冲,分别表示为/>
步骤S6、针对步骤S3中的分别设置阈值α,根据信号采样频率和阈值,信号采样频率是使用阵列天线接收信号时设置的采样频率,进行脉冲到达时间、脉冲截止时间、脉冲宽度的估计,然后进行雷达脉冲重复间隔PRI的估计;步骤为:
步骤S6.1、首先,根据得到大于此门限值的信号包络整形后的矩形脉冲串中的采样位置,记为nn,nn是一个向量;
步骤S6.2、根据步骤S6.1中得到的向量nn,得到的第一个脉冲的到达时间,记为ytoa(1)=nn(1)/Fs,其中,Fs为信号采样频率;
步骤S6.3、计算的第一个脉冲的结束时间,其计算方法为:令i从1到length(nn)-1循环,length(nn)表示计算向量nn中的点数,当i值满足nn(i+1)-nn(i)>THpw时,其中,THpw为由事先估计或设定的能够处理的雷达信号最小脉宽pwmin得到的一个阈值,THpw=pwmin*Fs,Fs为信号采样频率;第一个脉冲的结束时间为ytoe(1)=nn(i)/fs,/>的第二个脉冲的到达时间表示为ytoa(2)=nn(i+1)/fs,第二个脉冲的结束时间计算方法同第一个脉冲结束时间计算方法相同;按照此步骤处理,得到/>所有脉冲的到达时间和截止时间;
步骤S6.4、计算得到雷达脉冲重复间隔PRI值,令j从1到length(ytoa)-1循环,length(ytoa)表示计算向量ytoa中的点数,ytoa表示所有脉冲到达时间组成的向量,PRI(j)=ytoa(j+1)-ytoa(j),计算得到了对应于/>的PRI参数值。
2.根据权利要求1所述的基于盲源分离的雷达脉冲重复间隔估计方法,其特征是:其步骤S1中,阵列观测信号X(t)模型的假设条件如下:
(1)、入射信号为相互独立的窄带平稳信号,满足均值E{s(t)}=0、协方差矩阵其中,/>为第k个信号的功率;
(2)、阵列观测信号向量中叠加噪声为加性噪声,与信号独立;
(3)、入射信号数小于等于阵元数,信号数和阵元数远小于样本数,即K≤M,K<<N,M<<N;
(4)、信号在理想空间传播,阵列传感器具有全向一致性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110466533.9A CN113109784B (zh) | 2021-04-28 | 2021-04-28 | 一种基于盲源分离的雷达脉冲重复间隔估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110466533.9A CN113109784B (zh) | 2021-04-28 | 2021-04-28 | 一种基于盲源分离的雷达脉冲重复间隔估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113109784A CN113109784A (zh) | 2021-07-13 |
CN113109784B true CN113109784B (zh) | 2023-07-25 |
Family
ID=76720483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110466533.9A Active CN113109784B (zh) | 2021-04-28 | 2021-04-28 | 一种基于盲源分离的雷达脉冲重复间隔估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113109784B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113625050A (zh) * | 2021-08-13 | 2021-11-09 | 安徽中金码电子科技有限公司 | 基于内插法的高精度脉冲重复间隔测量装置及方法 |
CN113702920B (zh) * | 2021-08-25 | 2023-07-11 | 西南交通大学 | 一种区分不同脉间参差雷达数据的联合复杂度值计算方法 |
CN114048785B (zh) * | 2021-11-23 | 2024-07-02 | 中国人民解放军空军预警学院 | 基于相位调制特征的多传感器判定方法 |
CN114417943B (zh) * | 2022-03-29 | 2022-06-10 | 中国科学院空天信息创新研究院 | 重复频率调制类型的识别方法 |
CN115065580B (zh) * | 2022-07-28 | 2024-04-02 | 成都华日通讯技术股份有限公司 | 一种宽带下Link16数据链识别及参数估计方法 |
CN116298651B (zh) * | 2023-05-17 | 2023-08-01 | 广东电网有限责任公司阳江供电局 | 一种换流阀功率模块的故障监测方法、系统、设备和介质 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2428814A1 (en) * | 2010-09-13 | 2012-03-14 | France Telecom | Object detection method, device and system |
CN106371070B (zh) * | 2016-08-30 | 2018-09-28 | 电子信息系统复杂电磁环境效应国家重点实验室 | 一种改进的基于小波分析的欠定盲源分离源数估计方法 |
US10429491B2 (en) * | 2016-09-12 | 2019-10-01 | The Boeing Company | Systems and methods for pulse descriptor word generation using blind source separation |
CN111600631B (zh) * | 2020-05-12 | 2021-07-06 | 中国电子科技集团公司第五十四研究所 | 一种到达时间重叠的两网台信号分选方法 |
-
2021
- 2021-04-28 CN CN202110466533.9A patent/CN113109784B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113109784A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113109784B (zh) | 一种基于盲源分离的雷达脉冲重复间隔估计方法 | |
CN110852201B (zh) | 一种基于多脉冲包络谱匹配的脉冲信号检测方法 | |
CN101509972B (zh) | 基于高分辨目标距离像修正相关矩阵的宽带雷达检测方法 | |
CN106330385A (zh) | 一种干扰类型识别方法 | |
CN102230961A (zh) | 基于相位补偿处理的扩展目标检测方法 | |
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 | |
CN113221631B (zh) | 基于卷积神经网络的序列脉冲抗干扰目标检测方法 | |
CN114019505A (zh) | 一种基于pri区间信息的雷达信号分选方法及系统 | |
CN111190146B (zh) | 一种基于视觉图形特征的复杂信号分选方法 | |
CN105991492A (zh) | 跳频信号识别方法 | |
CN101662305A (zh) | 直接序列扩频系统伪随机码估计方法 | |
CN114089285B (zh) | 一种基于一阶脉冲重复间隔pri的信号分选方法 | |
Gencol et al. | A wavelet-based feature set for recognizing pulse repetition interval modulation patterns | |
Song et al. | Pulse repetition interval modulation recognition using symbolization | |
CN115034261A (zh) | 雷达辐射源信号脉间特征提取方法、设备及存储介质 | |
CN109917360A (zh) | 一种混叠脉冲的参差pri估计方法 | |
CN104618278A (zh) | 一种基于谱相关的多用户tddm-boc信号的伪码速率估计方法 | |
Wan et al. | Automatic LPI radar signal sensing method using visibility graphs | |
CN107167777A (zh) | 锯齿波线性调频信号参数提取方法 | |
CN106772271A (zh) | 一种基于匹配自相关算法的雷达信号toa估计方法 | |
CN113608193A (zh) | 一种基于UNet的雷达多目标距离和速度估计方法 | |
Ghani et al. | Pulse repetition interval analysis using decimated Walsh-Hadamard transform | |
Gao et al. | Specific emitter identification based on instantaneous frequency characteristics | |
Kauppi et al. | An efficient set of features for pulse repetition interval modulation recognition | |
Tao et al. | Detection and recognition of LPI radar signals using visibility graphs |
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 |