CN113219431A - 一种基于波形指纹的干扰源个体识别方法 - Google Patents

一种基于波形指纹的干扰源个体识别方法 Download PDF

Info

Publication number
CN113219431A
CN113219431A CN202110489457.3A CN202110489457A CN113219431A CN 113219431 A CN113219431 A CN 113219431A CN 202110489457 A CN202110489457 A CN 202110489457A CN 113219431 A CN113219431 A CN 113219431A
Authority
CN
China
Prior art keywords
fingerprint
interference
waveform
radar
signal
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.)
Pending
Application number
CN202110489457.3A
Other languages
English (en)
Inventor
董健
刘利民
傅雄军
胡文华
宋瑶
罗彬珅
孟宪鹏
谢民
卢继华
杜慧茜
郎平
秦睿
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.)
Beijing Institute of Technology BIT
Army Engineering University of PLA
Original Assignee
Beijing Institute of Technology BIT
Army Engineering University of PLA
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 Beijing Institute of Technology BIT, Army Engineering University of PLA filed Critical Beijing Institute of Technology BIT
Priority to CN202110489457.3A priority Critical patent/CN113219431A/zh
Publication of CN113219431A publication Critical patent/CN113219431A/zh
Pending legal-status Critical Current

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
    • G01S7/414—Discriminating targets with respect to background clutter
    • 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
    • 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
    • G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
    • 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
    • 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

Abstract

本发明涉及一种基于波形指纹的干扰源个体识别方法,属于有源目标识别技术领域。包括：1)基于雷达干扰源信号的指纹特征建模，对发射机、接收机及传输信道进行分析，建立指纹模型库；2)基于雷达回波进行处理，得到标准雷达回波波形指纹；其中，波形指纹包括相位噪声、包络波形特性及非线性效应；3)对有源干扰信号进行粗识别，得到压制性干扰和欺骗性干扰；4)接收并分析3)识别出的欺骗性干扰的回波波形指纹，且与1)中指纹模型库中的波形指纹比对。所述识别方法利用雷达辐射源的波形指纹提高干扰源个体识别的识别率，能够降低提高干扰源个体识别的复杂度。

Description

一种基于波形指纹的干扰源个体识别方法
技术领域
本申请涉及一种基于波形指纹的干扰源个体识别方法,属于有源目标识别技术领域。
背景技术
雷达在战场上的主要任务是发现目标并获知目标信息。随着科技水平不断提高，现代战争已演变为信息化战争为先导，且战场环境日益复杂。这种复杂电磁环境对雷达系统提出了更高的要求。雷达有源干扰正被越来越广泛的应用到雷达对抗之中，1991年以来，基于大功率发射机的有源压制干扰和基于数字射频存储器的有源欺骗干扰技术的大力研究和发展，使得雷达抗干扰技术面临着极大的挑战，雷达需要长足的进步才能有效应对出现的困难。雷达干扰模式识别，是指雷达在受到干扰信号影响时，提取信号的特征并进行判断，从而得知未知干扰信号的类型，便于后续采取相应的抗干扰手段，保证己方雷达能够正常工作。
传统的雷达干扰识别方式主要分为两种，一种是根据获得的先验信息，运用概率学知识建立统计模型，结合雷达操作手对雷达显示界面的观察，凭借主观经验来判别受到干扰的类型。这种方法本质上是一种基于操作手经验的极大似然准则干扰识别算法，不仅计算量大，而且检测结果主要依赖操作手的经验，可靠性不高。另一种是基于特征提取的干扰识别算法，该算法从不同种类干扰信号的产生机理出发，将干扰信号变换到多个变换域，分析其特征差异并提取特征参数，建立各种干扰信号特征参数的数据库。当干扰信号到来时，运用分类识别模型对干扰信号进行识别。这种方法避免了人工识别的主观性，识别结果更加可靠。
雷达有源干扰的自适应检测识别是后续采取抗干扰手段的先决条件，但目前大部分雷达不具备自适应干扰识别的能力，为后续自动选取合适的抗干扰手段带来了困难。实现雷达干扰类型的自动判别，能够有效保证雷达正常进行战场工作，大幅提高雷达战场生存能力，确保己方受到影响达到最小。因此，各国的研究重点越来越多的放在雷达的自适应干扰识别上。
基于特征参数提取的雷达智能化干扰识别方法，首先对样本干扰信号提取特征参数并建立干扰特征库，当未知干扰信号到来时，将未知信号的特征参数与干扰特征库进行比对，便可以采用分类器来判断干扰类型。基于特征提取的干扰识别算法是目前运用最为广泛的识别方法，针对部分干扰的识别效果很好，但在一部分场合存在局限性。
雷达信号调制包括：有意调制特征和无意调制特征。有意调制特征是指从形成、选择直至输出都是经过人为的调制，例如信号的频率调制、相位调制等。无意调制特征是指由雷达内部的各种元器件的非理想因素引起的一种调制形式，此调制形式是非人为所加入的，也称为辐射源的“指纹特征”。雷达信号的指纹特征作为识别雷达辐射源信号个体的重要依据，是雷达对抗研究的热点之一。
同一型号发射机内部器件(如频率振荡源、AD转换器、功率放大器等)在工作状态下都会输出非线性的调制特征，而功率放大器是无意调制的主要来源。在这种非线性的调制状态下，会导致同一型号的不同器件对信号进行调制时发生不同程度的失真，使得信号间出现细微的差异。例如，辐射源信号包络的上升沿时间、下降时间、相位噪声特征以及频率抖动等，这些具有差异性的细微特征正是实现辐射源个体识别的关键所在。辐射源个体的指纹特征具有普遍性、稳定性、唯一性和可测性的特点。
(1)普遍性：雷达信号的指纹特征普遍适用于任何雷达信号源个体，而不是特定的部分个体。
(2)唯一性：信号通过无意调制形成的指纹特征是唯一的，独一无二的。因此，辐射源个体的指纹特征一定是存在细微的差异性。
(3)稳定性：雷达信号的指纹特征不会因为时间和传输空间的变化，而发生显著实质性变化。
(4)可测性：雷达信号的指纹特征可通过相关技术手段从辐射源信号个体中进行指纹特征的提取与检测，从而实现辐射源个体的判断。
由于雷达发射机内部各种元器件的非理想因素，导致了雷达信号个体间产生细微差异性的指纹特征，该个体辐射源的指纹特征可用于识别回波信号与高逼真的欺骗干扰信号，形成了由雷达干扰类型的“粗”识别到对干扰辐射源个体的“细”识别，也成为本申请识别有源干扰类型的初衷，即引入相位噪声指纹特征与包络波形指纹特征，利用这两种指纹特征能实现干扰源的个体识别。
发明内容
本发明的目的在于针对欺骗干扰信号和目标回波信号，利用雷达辐射源的指纹特征提高干扰源个体识别的识别率及降低复杂度，提出了一种基于波形指纹的干扰源个体方法。
为达上述目的，本发明采用如下技术方案：
所述基于波形指纹的干扰源个体方法，包括“粗识别”和“细识别”，具体包括如下子步骤：
步骤1、基于雷达干扰源信号的指纹特征建模，对发射机、接收机及传输信道进行分析，建立指纹模型库；
其中，指纹模型库中包含发射信号、接收信号以及传输信道的指纹特征参数；
步骤2、基于雷达回波进行处理，得到标准雷达回波波形指纹，具体为：
步骤2.1雷达发射机发射波形并将波形辐射出去，照射空中悬挂的标准角反射体；
步骤2.2雷达接收机把步骤2.1辐射的信号采集回来，得到理想点目标回波，并形成雷达波形指纹；
其中，该理想点目标回波包含了雷达发射机、接收机以及传输信道的非理想调制；雷达波形指纹通过对回波信号进行预处理、特征提取及特征降维后得到，且该指纹特征为雷达发射机一次调制引起的，而非干扰机对信号进行二次调制而引起的指纹；
步骤3、对有源干扰信号进行粗识别，得到压制性干扰和欺骗性干扰，具体为：
步骤3.1、对有源干扰信号进行信号预处理，得到预处理后信号；
步骤3.2、经步骤3.1后的预处理后信号进行特征提取和降维，输出降维后信号；
步骤3.3、经步骤3.2特征提取和降维后的信号进行分类识别，输出干扰类型；
其中，干扰类型包括压制性干扰和欺骗性干扰两类；
步骤4、接收并分析步骤3识别出的欺骗性干扰的回波指纹，且与步骤1采集的指纹比对，具体为：
步骤4.1、针对步骤3输出的欺骗性干扰依据波形指纹进行特征提取和降维，得到降维后信号；
其中，波形指纹包括相位噪声、包络波形特性及非线性效应；
步骤4.2、对经步骤4.1后的降维后信号进行分类识别，输出欺骗性干扰的干扰源类型；
其中，欺骗性干扰源类型为N个。
有益效果
所述基于波形指纹的干扰源个体方法，与现有技术相比，具有如下有益效果：
1.所述干扰源识别方法针对欺骗干扰信号和目标回波信号，利用雷达辐射源的指纹特征提高干扰源个体识别的识别率；
2.所述干扰源识别方法能够降低提高干扰源个体识别的复杂度。
附图说明
图1是本发明一种基于波形指纹的干扰源个体方法的流程图；
图2是本发明一种基于波形指纹的干扰源个体方法中步骤2.1和步骤2.2辐射雷达发射波形，采集理想点目标的回波，形成雷达波形指纹示意图；
图3是本发明一种基于波形指纹的干扰源个体方法具体实施时，波形指纹的来源示意；
图4是本发明一种基于波形指纹的干扰源个体方法具体实施时，波形指纹为相位噪声时的指纹特性，体现为频域特性的示意图；
图5是单径信道对信号相位噪声指纹特征的示意图，即干扰源信号经FFT频域变换的结果；
图6是经RBF的SVM分类器100次蒙特卡洛实验取均值作为实验结果，最终得到识别结果；
图7为莱斯衰落信道下不同多径数的仿真识别结果；
图8是将LFM信号展示的多径效应对信号相位噪声指纹通过FFT频域变换结果。
具体实施方式
下面结合附图对本申请一种基于波形指纹的干扰源个体方法的具体实施方式做进一步说明。
实施例1
具体实施时，波形指纹特征可以来源于雷达发射机、雷达接收机或者信道，其原因在于：不同发射机、接收机元器件及信道的固有属性，导致每部雷达的目标回波信号跟干扰机发射的距离欺骗干扰信号存在波形指纹间的差异性特征，故通过提取信号的波形指纹，提出了本发明所述基于波形指纹的干扰源个体方法，包括粗识别和细识别，如图1所示，具体包括如下子步骤：
步骤1、基于雷达干扰源信号的指纹特征建模，对发射机、接收机及传输信道进行分析，建立指纹模型库；
其中，指纹模型库中包含发射信号、接收信号以及传输信道的指纹特征参数；
步骤2、基于雷达回波进行处理，得到标准雷达回波波形指纹，具体为：
步骤2.1雷达发射机发射波形并将波形辐射出去，照射空中悬挂的标准角反射体；
步骤2.2雷达接收机把步骤2.1辐射的信号采集回来，得到理想点目标回波，并形成雷达波形指纹；
步骤2.1和步骤2.2，具体实施时，辐射雷达发射波形，采集理想电目标回拨，形成雷达波形指纹如图2所示，且2a中为雷达信号的细微调制过程；2b是干扰机施放干扰。从2a中可以看出；理想信号经雷达发射机调制，形成理想点目标雷达波形即发射波形，并将该发射波形经天线辐射出去；经过传输信道后，雷达接收机接收理想点目标回波，并形成雷达波形指纹R(β1,β2,……)；2a中1号雷达采集到的指纹，记为R1(β1 1,β1 2,……)；2号雷达采集到的指纹，记为R2(β2 1,β2 2,……)；3号雷达采集到的指纹，记为R3(β3 1,β3 2,……)。
其中，雷达波形指纹，具体实施时包括相位噪声(若为相位噪声，其波形指纹特性体现在频域特性，如图4所示)、包络波形特性以及非线性效应，具体实施时，此波形指纹来源于图3的主振放大式发射机。
该理想点目标回波包含了雷达发射机、接收机以及传输信道的非理想调制；雷达波形指纹通过对回波信号进行预处理、特征提取及特征降维后得到，且该指纹特征为雷达发射机一次调制引起的，而非2a干扰机对信号进行二次调制而引起的干扰机指纹J(ɑ1,ɑ2,……)；2b中各雷达接收到的干扰机指纹，
1号雷达采集到的干扰机指纹，记为J1(ɑ1 1,ɑ1 2,……)；2号雷达采集到的干扰机指纹，记为J2(ɑ2 1,ɑ2 2,……)；3号雷达采集到的干扰机指纹，记为J3(ɑ3 1,ɑ3 2,……)。
步骤3、对有源干扰信号进行粗识别，得到压制性干扰和欺骗性干扰，具体为：
步骤3.1、对有源干扰信号进行信号预处理，得到预处理后信号；
步骤3.2、经步骤3.1后的预处理后信号进行特征提取和降维，输出降维后信号；
步骤3.3、经步骤3.2特征提取和降维后的信号进行分类识别，输出干扰类型；
其中，干扰类型包括压制性干扰和欺骗性干扰两类；
步骤4、接收并分析步骤3识别出的欺骗性干扰的回波指纹，且与步骤1采集的指纹比对，具体实施时，针对单干扰源1号雷达将R1(β1 1,β1 2,……)与J1(ɑ1 1,ɑ1 2,……)进行比对，2号雷达将R2(β2 1,β2 2,……)与J2(ɑ2 1,ɑ2 2,……)比对，3号雷达将R3(β3 1,β3 2,……)与J3(ɑ3 1,ɑ3 2,……)比对；并进行分类识别，输出欺骗性干扰的干扰源类型。
实施例2
本实施例阐述了将本发明所述的一种基于波形指纹的干扰源个体方法应用于在莱斯衰落和AWGN信道下识别干扰源。且具体实施时，波形指纹为相位噪声，其波形指纹特性体现在频域特性。
利用该相噪指纹特征能实现干扰源的个体识别，具体为：
振荡器中的相位噪声即为雷达信号无意调制特征中的附带调制，会引起信号频率的偏移值。振荡器本身存在的非线性传输过程，是引起雷达发射机产生相位噪声的主要原因。振荡器的相位噪声主要包括：振荡器元器件自身的噪声，谐振回路噪声等。根据发射机振荡器的LEESON模型，推导出雷达信号所附带的相位噪声的功率谱密度为：
Figure BDA0003050004780000081
a-1为振荡器的闪烁噪声系数，a0为振荡器的自身噪声系数，f0为振荡器输出的载波频率，fc为偏离载波频率值，QL为谐振回路的有效负载值Q。当信号频率在5MHz～100GHz范围内时，a-1和a0的取值与振荡器的类型无关。振荡器的相位噪声受四个部分的影响，其分别为：
(a).闪烁噪声调频引起的相位噪声，特性为f-3；
(b).热噪声、散弹噪声调频引起的相位噪声，特性为f-2；
(c).闪烁噪声调相引起的相位噪声，特性为f-1；
(d).热噪声、散弹噪声调相引起的相位噪声，特性为f。
根据公式(1)，相位噪声的具体频域特性，其中，a-1决定A点的值，fc和Q决定B点的值，a0决定C点的值。
步骤A、基于相位噪声的雷达干扰源信号建模，即得到存在相位噪声情况下的距离欺骗干扰；
以线性调频雷达连续波为例，雷达发射LFM信号的表达式为：
Figure BDA0003050004780000091
其中，f0为信号载频，Us为发射信号的幅值，
Figure BDA0003050004780000092
为初始相位，一般情况下设为0，k为调频斜率，T为脉冲的宽度；
相位噪声可看作是受频率为fm正弦信号的调制，其表达式
Figure BDA0003050004780000093
为：
Figure BDA0003050004780000094
由式(2)和式(3)得附带相位噪声的LFM发射信号的表达式为：
Figure BDA0003050004780000095
将(4)展开进一步得到：
Figure BDA0003050004780000096
利用贝塞尔函数进一步化解，得到:
Figure BDA0003050004780000097
由式(6)可知，相位噪声可看作是由无限个随机信号联合调制的结果，LFM信号因此具有一定的谐波分量；
设探测目标为理想点源即不改变发射信号指纹特征，则目标的回波信号为：
Figure BDA0003050004780000101
其中，τ为目标回波延时；设在距离欺骗干扰的情况下，其信号的理论表达式为:
J(t)＝Unsin[2πf0(t-τ-Δtj)] (8)
其中，Un为回波信号的幅值，一般情况下Un≥Us，通过改变Δtj可以对雷达产生距离上的欺骗；
不考虑干扰机对截获信号的进行二次调制所产生的指纹特征，根据以上分析，距离欺骗干扰存在相位噪声情况下表达式为：
Figure BDA0003050004780000102
步骤A的具体实施，对应于发明内容中的步骤1到步骤4，即基于雷达有源干扰信号模型得到有源干扰信号；再进行预处理、首次特征提取和特征降维，得到一次降维后信号，再进行分类，得到欺骗性干扰。
步骤B、当雷达受到距离欺骗性干扰时，利用雷达辐射源信号的相噪特性对干扰信号和目标回波进行识别和判断，具体为：
在多域上进行特征提取，对辐射源个体的特征层进行了更广泛的拓宽，对干扰源的个体识别有了较好的改进。在实现了干扰源个体建模基础上，考虑雷达是否受到干扰以及受到干扰的类型，设雷达信号的检测模型为：
Figure BDA0003050004780000111
其中，当存在干扰信号J(t)时，检测模型为H1，表示检测到干扰信号；当存在目标回波R(t)时，检测模型为H0，表示检测到回波信号，n(t)表示噪声。
具体实施时：
(1)单径莱斯信道下的干扰源个体识别
在不含高斯白噪声的条件下，通过Matlab中ricianchan内置函数构建单径莱斯信道，为了进一步研究单径信道对信号相位噪声指纹特征的影响，通过FFT频域变换得到图5的结果。图5对比了3种辐射源信号的输出前后频域特性。总的来说单径莱斯信道对于辐射源信号影响较小，主要对各辐射源信号时域和频域上的幅度有一定的削弱，相位噪声指纹特征表现较为稳定。图6为单径莱斯信道下的干扰源个体识别。下面首先在单径莱斯信道和AWGN信道中，提取最优的特征集合T＝{t37,t36,t13,t15,t31,t8,t33,t2,t29}。在干噪比(JNR)为5dB到30dB的范围内，每个干噪比下通过蒙特卡洛仿真产生300个训练样本，生成样本干噪比的范围为5dB,10dB,…,30dB。其中，干噪比间隔为5dB，每个干噪比条件下产生100个样本用于测试。并通过基于RBF的SVM分类器，重复进行实验100次，取其均值作为实验结果，最终得到识别结果如图6所示。
由图6所示，由于莱斯衰落信道和AWGN信道双重影响，与单一的AWGN信道相比，识别效果明显有所降低。总体上看，各辐射源信号的识别率随JNR的增加而增加，但在JNR＝30dB时，对各辐射源信号的识别率只能达到90％以上，主要是因为信号通过单径莱斯衰落信道后，其包络波形概率密度函数服从莱斯分布，对原本提取的有效特征有削弱作用，因此识别率有所降低；另一方面，验证了上一节提出的基于多准则融合的特征选择算法的有效性，并能够依然保持较好的识别效果。
(2)多径莱斯信道下的干扰源个体识别：在无线信道中，由于雷达收到的信号是许多路径众多反射波的合成，所以下面将讨论多径莱斯信道下的干扰源个体的识别问题，本实施例采用4径莱斯信道模型具体参数如表1所示。
表1 4路径信道参数设置
Figure BDA0003050004780000121
在多径莱斯信道的条件下，本节主要研究多径数对识别效果的影响。分别设置多径数为1、2、3和4，通过改变路径数得到不同路径数下的仿真结果如图7所示。由图7可以看出，由于多径效应的存在，雷达辐射源个体的正确识别率随多径数的增加而下降。多径数为4时，在JNR＝5dB，干扰源个体的正确识别率不足30％，随着JNR的增加而提升，当JNR＝30dB时，信号的正确识别率只有60％。因此，多径效应的存在使得对辐射源信号个体的识别正确率下降。
在不含高斯白噪声的条件下，研究多径效应对信号相位噪声指纹特征的影响，通过FFT频域变换得到图8的结果。由图8所示，对比了3种辐射源信号的输出前后频域特性。多径莱斯信道对于辐射源信号的频率成分有不同的随机响应，不同频率分量衰落不一致，这时的相位噪声指纹特征受多径效应的影响较大。因此，即使是在较高的干噪比条件下，对辐射源信号个体的识别依然较低。
以上所述的仅是本申请的优选实施方式，本申请不限于以上实施例。可以理解，本领域技术人员在不脱离本发明的精神和构思的前提下直接导出或联想到的其他改进和变化，均应认为包含在本申请的保护范围之内。

Claims (5)

1.一种基于波形指纹的干扰源个体识别方法，其特征在于：包括“粗识别”和“细识别”，具体包括如下子步骤：
步骤1、基于雷达干扰源信号的指纹特征建模，对发射机、接收机及传输信道进行分析，建立指纹模型库；
步骤2、基于雷达回波进行处理，得到标准雷达回波波形指纹，具体为：
步骤2.1雷达发射机发射波形并将波形辐射出去，照射空中悬挂的标准角反射体；
步骤2.2雷达接收机把步骤2.1辐射的信号采集回来，得到理想点目标回波，并形成雷达波形指纹；
步骤3、对有源干扰信号进行粗识别，得到压制性干扰和欺骗性干扰，具体为：
步骤3.1、对有源干扰信号进行信号预处理，得到预处理后信号；
步骤3.2、经步骤3.1后的预处理后信号进行特征提取和降维，输出降维后信号；
步骤3.3、经步骤3.2特征提取和降维后的信号进行分类识别，输出干扰类型；
其中，干扰类型包括压制性干扰和欺骗性干扰两类；
步骤4、接收并分析步骤3识别出的欺骗性干扰的回波指纹，且与步骤1采集的指纹比对，具体为：
步骤4.1、针对步骤3输出的欺骗性干扰依据波形指纹进行特征提取和降维，得到降维后信号；
步骤4.2、对经步骤4.1后的降维后信号进行分类识别，输出欺骗性干扰的干扰源类型。
2.根据权利要求1所述的一种基于波形指纹的干扰源个体识别方法，其特征在于：步骤1中，指纹模型库中包含发射信号、接收信号以及传输信道的指纹特征参数。
3.根据权利要求2所述的一种基于波形指纹的干扰源个体识别方法，其特征在于：步骤2.2中，该理想点目标回波包含了雷达发射机、接收机以及传输信道的非理想调制；雷达波形指纹通过对回波信号进行预处理、特征提取及特征降维后得到，且该指纹特征为雷达发射机一次调制引起的，而非干扰机对信号进行二次调制而引起的指纹。
4.根据权利要求3所述的一种基于波形指纹的干扰源个体识别方法，其特征在于：步骤4.1中，波形指纹包括相位噪声、包络波形特性及非线性效应。
5.根据权利要求4所述的一种基于波形指纹的干扰源个体识别方法，其特征在于：步骤4.2中，欺骗性干扰源类型为N个。
CN202110489457.3A 2021-04-30 2021-04-30 一种基于波形指纹的干扰源个体识别方法 Pending CN113219431A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110489457.3A CN113219431A (zh) 2021-04-30 2021-04-30 一种基于波形指纹的干扰源个体识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110489457.3A CN113219431A (zh) 2021-04-30 2021-04-30 一种基于波形指纹的干扰源个体识别方法

Publications (1)

Publication Number Publication Date
CN113219431A true CN113219431A (zh) 2021-08-06

Family

ID=77090967

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110489457.3A Pending CN113219431A (zh) 2021-04-30 2021-04-30 一种基于波形指纹的干扰源个体识别方法

Country Status (1)

Country Link
CN (1) CN113219431A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115186714A (zh) * 2022-07-15 2022-10-14 中国人民解放军国防科技大学 基于特征相关与自适应分解的网卡频谱指纹特征放大方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100097200A1 (en) * 2005-05-30 2010-04-22 Joerg Hilsebecher Method and device for identifying and classifying objects
CN109212491A (zh) * 2018-10-17 2019-01-15 中国航天科工集团八五研究所 一种基于雷达信号指纹特征的辐射源识别方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100097200A1 (en) * 2005-05-30 2010-04-22 Joerg Hilsebecher Method and device for identifying and classifying objects
CN109212491A (zh) * 2018-10-17 2019-01-15 中国航天科工集团八五研究所 一种基于雷达信号指纹特征的辐射源识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
王宏伟 等: "基于脉冲包络前沿波形的雷达辐射源个体识别", 《航天电子对抗》 *
王宏伟 等: "基于脉冲包络前沿高阶矩特征的辐射源个体识别", 《现代雷达》 *
罗彬珅 等: "基于包络前沿特性的干扰源个体识别研究", 《电光与控制》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115186714A (zh) * 2022-07-15 2022-10-14 中国人民解放军国防科技大学 基于特征相关与自适应分解的网卡频谱指纹特征放大方法

Similar Documents

Publication Publication Date Title
CN111399002B (zh) 一种基于两级神经网络的gnss接收机组合干扰分类识别方法
Torrieri Fundamental limitations on repeater jamming of frequency-hopping communications
CN105137396B (zh) 一种smsp干扰和c&i干扰的检测方法
US8125375B2 (en) Radar
Colone et al. Polarimetric passive coherent location
CN110519003B (zh) 一种基于信号特征差异的无人机上下行通信链路识别方法及装置
CN111398946B (zh) 一种基于lfm信号调频率调制的共享信号设计方法
Choi et al. Mutual interference suppression using clipping and weighted-envelope normalization for automotive FMCW radar systems
Su et al. Research on jamming recognition technology based on characteristic parameters
CN107015207A (zh) 基于frft域峰值离散特性的有源压制干扰分类识别方法
CN113219431A (zh) 一种基于波形指纹的干扰源个体识别方法
Xu et al. Research on active jamming recognition in complex electromagnetic environment
CN113219415A (zh) 一种基于包络指纹特征的干扰源个体识别方法
Wang et al. Deceptive jamming suppression based on coherent cancelling in multistatic radar system
US6087976A (en) Radar object detection system having normalized range sensitivity
CN113534067B (zh) 一种多干扰源下多站雷达抗欺骗式干扰方法及系统
Nouri et al. Adaptive time-frequency kernel local fisher discriminant analysis to distinguish range deception jamming
CN114114194A (zh) 一种相控阵雷达主瓣干扰识别方法
CN107340504B (zh) 基于frft域峰值特性的压制干扰存在性检测方法
CN113203990A (zh) 一种基于相噪特性的干扰源个体识别方法
Shin et al. Weak radar signal detection based on variable band selection
CN112859116A (zh) 基于主特征盲源分离的单天线gnss欺骗式干扰检测方法
Stove et al. Radio‐frequency interference to automotive radar sensors
Qiu et al. Multiple BPSK/LFM hybrid modulated signals parameter estimation and analysis intercepted by non-cooperative radar receiver
Tian et al. An adaptive scheme for chopping and interleaving jamming suppression based on the mismatched filter

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210806

WD01 Invention patent application deemed withdrawn after publication