CN113917409A - 一种基于实时频谱分析的宽带干扰识别方法 - Google Patents
一种基于实时频谱分析的宽带干扰识别方法 Download PDFInfo
- Publication number
- CN113917409A CN113917409A CN202111158129.1A CN202111158129A CN113917409A CN 113917409 A CN113917409 A CN 113917409A CN 202111158129 A CN202111158129 A CN 202111158129A CN 113917409 A CN113917409 A CN 113917409A
- Authority
- CN
- China
- Prior art keywords
- interference
- frequency
- threshold
- probability density
- density matrix
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000010183 spectrum analysis Methods 0.000 title claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims abstract description 36
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 238000001228 spectrum Methods 0.000 claims abstract description 20
- 238000010408 sweeping Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 2
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 238000003909 pattern recognition Methods 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 abstract description 4
- 238000013461 design Methods 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
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
- G01S7/36—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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明提出了一种基于实时频谱分析的宽带干扰识别方法，属于电子对抗技术领域。本发明对宽带干扰信号的中频数据进行干扰样式检测，利用短时傅里叶变换(STFT)获取过检测门限干扰数据时频图，对干扰时频图进行频谱统计获得概率密度矩阵，通过对概率密度矩阵进行参数测量与特征提取，并完成干扰检测分类器设计，实现宽带干扰样式识别。
Description
技术领域
本发明涉及电子对抗技术领域。
背景技术
现代战场电磁环境日益复杂，随着电子对抗领域技术研究的不断发展，众多具有特殊干扰能力的雷达宽带干扰样式层出不穷，给现代雷达对战场干扰态势的感知能力和抗干扰能力提出了严峻的挑战。对干扰环境的有效认知是雷达准确对抗有源干扰的必要条件。首先需要对干扰信号特征进行提取、分析与分类，完成雷达干扰样式识别，进而为抗干扰措施的选择提供参考依据。雷达干扰样式识别是指雷达系统在收到干扰信号攻击时，对侦收的干扰信号进行分析根据信号的特征判断出干扰样式，从而采取相应的抗干扰策略以维持雷达系统正常运行。虽然雷达已具备相对完善的抗干扰功能及策略，但是对具体干扰样式进行自动实时感知方面还有待发展，主要还是依靠人工经验的主观判断进行抗干扰措施的选择，雷达无法对干扰自动进行有效检测及识别制约了雷达抗干扰技术的进一步发展。
因此研究雷达干扰信号识别技术，为雷达系统提供准确的指示信息，促进雷达系统资源优化分配，对雷达增强复杂电磁环境态势感知能力具有重要意义。
发明内容
本发明提出了一种基于实时频谱分析的宽带干扰识别方法，适于作为自适应抗干扰雷达系统的辅助性决策手段，能够提升雷达系统在复杂电磁环境下的态势综合智能化感知能力。
实现本发明的技术解决方案为：针对宽带干扰信号的中频数据进行干扰样式检测，利用短时傅里叶变换(STFT)获取过检测门限干扰数据时频图，对干扰时频图进行频谱统计获得概率密度矩阵，通过对概率密度矩阵进行参数测量与特征提取，并完成干扰检测分类器设计，实现宽带干扰样式识别。
具体步骤为：
步骤1：对宽带干扰信号的中频数据进行短时傅里叶变换处理，获得包含时间-频率-幅度信息的时频矩阵；
步骤2：对时频矩阵进行频谱统计，映射得到包含频率-幅度-频次信息的概率密度矩阵；
步骤3：对概率密度矩阵进行电磁频谱普查，统计环境噪声幅度区间内概率密度矩阵的每个频点上干扰信号出现的频次；
步骤4：设置干扰检测门限对概率密度矩阵的每个频点进行检测，根据步骤3中统计的干扰信号出现频次进行判定，若出现频次超过干扰检测门限，则判定当前频点存在干扰信号，统计存在干扰的频点个数，并根据存在干扰的频点个数计算干扰信号的带宽从而判断是否为宽带干扰，若是则进入步骤5，若否则判定为不存在干扰；
步骤5：设置干扰密度门限对概率密度矩阵的每个频点进行检测，根据步骤3中统计的干扰信号出现频次进行判定，若出现频次超过干扰密度门限，则判定为当前频点存在干扰信号，统计存在干扰的频点个数，并根据存在干扰的频点个数计算干扰信号的带宽从而判断是否为扫频干扰，若是则判定为扫频干扰，若否则进入步骤6；
步骤6：设置干扰间隔门限，遍历检测步骤5中存在干扰的频点，计算相邻的被干扰频点之间的频率差值，记录并更新最大频率差值，若最大频率差值大于干扰间隔门限，则判定干扰为梳状谱干扰，若最大频率差值小于干扰间隔门限，则判定干扰为宽带噪声干扰。
本发明的有益效果：由于采用本发明所述的方法，通过采用基于实时频谱分析的宽带干扰识别方法，可实现扫频干扰、宽带压制干扰和梳状谱干扰的准确分类，有效增强了抗干扰措施的自动化选择能力，增强了雷达系统在复杂电磁环境中的生存能力和作战效能，且本发明提出的方法计算量小、识别速度快、正确率高、流程简单、便于工程实现。
下面结合附图对本发明做进一步详细的描述。
附图说明
图1为宽带干扰样式识别算法流程图。
具体实施方式
下面结合附图和优选实施例对本发明做进一步说明，但本发明的保护范围不受实施条例的限制。图1为宽带干扰样式识别算法流程图。具体步骤为：
步骤1：对宽带雷达干扰信号的中频数据进行短时傅里叶变换，得到的包含时间-频率-幅度信息的时频矩阵STFT(τ,ω)，时频矩阵第l帧的离散表达式可描述为：
其中x表示宽带干扰信号，NSTFT表示短时傅里叶变换长度，H表示不同帧之间的跳跃步长。
步骤2：对时频矩阵STFT(τ,ω)进行频谱统计得到包含频率-幅度-频次信息的概率密度矩阵P(Amp,f),P(Ampi,fj)表示本次干扰检测中幅度值为Ampi、频率值为fj的干扰信号出现的次数，其中Ampi表示概率密度矩阵幅度维上第i个幅度值，0≤i≤NAmp,i∈N，NAmp＝(Ampmax-Ampmin)/ΔAmp，fj表示概率密度矩阵频率维上第j个频率值，其中0≤j≤NSTFT,j∈N，；频谱统计时，若ΔAmp*i≤STFT(ti,fj)≤ΔAmp*(i+1)，则概率密度矩阵在(Ampi,fj)处的统计值P(Ampi,fj)加1。
步骤3：电磁频谱普查的噪声幅度区间设为(Nlower,Nupper)，遍历概率密度矩阵P(Ampi,fj)的所有频点fj(0≤j≤Nf,j∈N)，每个频点fj上幅度范围属于噪声幅度区间的干扰信号出现频次具体描述为：
步骤4：设置干扰检测门限对概率密度矩阵的所有频点进行干扰检测，干扰检测门限具体描述为：
式中，μ为噪声背景统计均值，Pfa为虚警概率；当频点fi上干扰信号出现频次
大于检测门限r1时，则认为频点fi存在干扰，统计存在干扰的频点个数Nr，观测时间T内虚警数具体描述为
Nfa＝T·fs·Pfa (4)
式中，fs为接收机采样率，若Nr>Nfa，则判定为有宽带干扰，否则判定为无干扰。
步骤5：设置干扰密度检测门限对概率密度矩阵的所有频点进行干扰检测，干扰密度检测门限具体描述为：
式中，S为干扰幅度统计均值；若频点fi上干扰信号出现频次
高于检测门限r2，则认为频点fi存在干扰，频点fi处过门限标识R(fi)置1，否则置0，所有频点过门限标识构成过门限标识序列R(i)；统计存在干扰的频点个数Nr，与测时间T内虚警数比较，若Nr<Nfa，则判定为扫频干扰，否则进入步骤6判定干扰类型。
步骤6：遍历步骤5中得到的过门限标识序列R(i)，计算相邻过门限标识序列之间的频率差值：
ΔR(i)＝R(i)-R(i-1) (6)
并求出最大频率差值ΔRmax＝max(ΔR(i))；根据信号有效带宽B、梳状谱干扰频率间隔Bw以及短时傅里叶变换点数NSTFT，可以得到梳状谱干扰的干扰间隔门限，具体描述为
若ΔRmax＞C，则判定为干扰为梳状谱干扰，否则判定为宽带噪声干扰。
Claims (7)
1.一种基于实时频谱分析的宽带干扰识别方法，其特征在于：
步骤1：对宽带干扰信号的中频数据进行短时傅里叶变换处理，获得包含时间-频率-幅度信息的时频矩阵；
步骤2：对时频矩阵进行频谱统计，映射得到包含频率-幅度-频次信息的概率密度矩阵；
步骤3：对概率密度矩阵进行电磁频谱普查，统计环境噪声幅度区间内概率密度矩阵的每个频点上干扰信号出现的频次；
步骤4：设置干扰检测门限对概率密度矩阵的每个频点进行检测，根据步骤3中统计的干扰信号出现频次进行判定，若出现频次超过干扰检测门限，则判定当前频点存在干扰信号，统计存在干扰的频点个数，并根据存在干扰的频点个数计算干扰信号的带宽从而判断是否为宽带干扰，若是则进入步骤5，若否则判定为不存在干扰；
步骤5：设置干扰密度门限对概率密度矩阵的每个频点进行检测，根据步骤3中统计的干扰信号出现频次进行判定，若出现频次超过干扰密度门限，则判定为当前频点存在干扰信号，统计存在干扰的频点个数，并根据存在干扰的频点个数计算干扰信号的带宽从而判断是否为扫频干扰，若是则判定为扫频干扰，若否则进入步骤6；
步骤6：设置干扰间隔门限，遍历检测步骤5中存在干扰的频点，计算相邻的被干扰频点之间的频率差值，记录并更新最大频率差值，若最大频率差值大于干扰间隔门限，则判定干扰为梳状谱干扰，若最大频率差值小于干扰间隔门限，则判定干扰为宽带噪声干扰。
2.根据权利要求1所述的一种基于实时频谱分析的宽带干扰识别方法，其特征在于：所述步骤1中，时频矩阵STFT(τ,ω)第l帧的离散表达式为：
其中x表示宽带干扰信号，NSTFT表示短时傅里叶变换长度，H表示不同帧之间的跳跃步长。
3.根据权利要求2所述的一种基于实时频谱分析的宽带干扰识别方法，其特征在于：所述步骤2中，概率密度矩阵P(Amp,f)表示本次干扰检测中幅度值为Ampi、频率值为fj的干扰信号出现的次数，其中Ampi表示概率密度矩阵幅度维上第i个幅度值，0≤i≤NAmp,i∈N，NAmp＝(Ampmax-Ampmin)/△Amp，fj表示概率密度矩阵频率维上第j个频率值，其中0≤j≤NSTFT,j∈N；频谱统计时，若△Amp*i≤STFT(ti,fj)≤△Amp*(i+1)，则概率密度矩阵在(Ampi,fj)处的统计值P(Ampi,fj)加1。
4.根据权利要求3所述的一种基于实时频谱分析的宽带干扰识别方法，其特征在于：所述步骤3中电磁频谱普查的噪声幅度区间设为(Nlower,Nupper)，遍历概率密度矩阵P(Ampi,fj)的所有频点fj(0≤j≤Nf,j∈N)，每个频点fj上幅度范围属于噪声幅度区间的干扰信号出现频次为：
5.根据权利要求1所述的一种基于实时频谱分析的宽带干扰识别方法，其特征在于：所述步骤4中设置干扰检测门限对概率密度矩阵的所有频点进行干扰检测，干扰检测门限为：
式中，μ为噪声背景统计均值，Pfa为虚警概率；当频点fi上干扰信号出现频次
大于检测门限r1时，则认为频点fi存在干扰，统计存在干扰的频点个数Nr，观测时间T内虚警数具体描述为：
Nfa＝T·fs·Pfa (4)
式中，fs为接收机采样率，若Nr>Nfa，则判定为有宽带干扰，否则判定为无干扰。
6.根据权利要求1所述的一种基于实时频谱分析的宽带干扰识别方法，其特征在于：所述步骤5中设置干扰密度检测门限对概率密度矩阵的所有频点进行干扰检测，干扰密度检测门限为：
式中，S为干扰幅度统计均值；若频点fi上干扰信号出现频次
高于检测门限r2，则认为频点fi存在干扰，频点fi处过门限标识R(fi)置1，否则置0，所有频点过门限标识构成过门限标识序列R(i)；统计存在干扰的频点个数Nr，与测时间T内虚警数比较，若Nr<Nfa，则判定为扫频干扰，否则进入步骤6判定干扰类型。
7.根据权利要求1所述的一种基于实时频谱分析的宽带干扰识别方法，其特征在于：所述步骤6中遍历步骤5中得到的过门限标识序列R(i)，计算相邻过门限标识序列之间的频率差值：
△R(i)＝R(i)-R(i-1) (6)
并求出最大频率差值△Rmax＝max(△R(i))；根据信号有效带宽B、梳状谱干扰频率间隔Bw以及短时傅里叶变换点数NSTFT，可以得到梳状谱干扰的干扰间隔门限，为：
若△Rmax＞C，则判定为干扰为梳状谱干扰，否则判定为宽带噪声干扰。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111158129.1A CN113917409A (zh) | 2021-09-30 | 2021-09-30 | 一种基于实时频谱分析的宽带干扰识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111158129.1A CN113917409A (zh) | 2021-09-30 | 2021-09-30 | 一种基于实时频谱分析的宽带干扰识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113917409A true CN113917409A (zh) | 2022-01-11 |
Family
ID=79237534
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111158129.1A Pending CN113917409A (zh) | 2021-09-30 | 2021-09-30 | 一种基于实时频谱分析的宽带干扰识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113917409A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114745027A (zh) * | 2022-03-23 | 2022-07-12 | 深圳市国电科技通信有限公司 | 电力线通信脉冲噪声识别方法和系统、存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008232936A (ja) * | 2007-03-22 | 2008-10-02 | Nec Corp | 目標自動検出処理方法および装置 |
| JP2014178163A (ja) * | 2013-03-14 | 2014-09-25 | Mitsubishi Electric Corp | 信号処理装置、信号処理方法およびプログラム |
| CN105785324A (zh) * | 2016-03-11 | 2016-07-20 | 西安电子科技大学 | 基于mgcstft的线性调频信号参数估计方法 |
| US20190041492A1 (en) * | 2017-08-07 | 2019-02-07 | Veoneer Us, Inc. | System and method for interference detection in a rf receiver |
| CN109459732A (zh) * | 2018-12-21 | 2019-03-12 | 电子科技大学 | 一种宽带雷达干扰信号的识别分类方法 |
| CN109655794A (zh) * | 2018-11-14 | 2019-04-19 | 上海无线电设备研究所 | 一种窄带自卫噪声压制干扰的检测识别方法 |
| CN110426680A (zh) * | 2019-07-20 | 2019-11-08 | 中国船舶重工集团公司第七二四研究所 | 一种基于干扰信号时频及相关系数多维特征联合分类方法 |
| CN112162245A (zh) * | 2020-09-29 | 2021-01-01 | 中国船舶重工集团公司第七二四研究所 | 一种基于时频功率谱投影的雷达宽带干扰识别方法 |
-
2021
- 2021-09-30 CN CN202111158129.1A patent/CN113917409A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008232936A (ja) * | 2007-03-22 | 2008-10-02 | Nec Corp | 目標自動検出処理方法および装置 |
| JP2014178163A (ja) * | 2013-03-14 | 2014-09-25 | Mitsubishi Electric Corp | 信号処理装置、信号処理方法およびプログラム |
| CN105785324A (zh) * | 2016-03-11 | 2016-07-20 | 西安电子科技大学 | 基于mgcstft的线性调频信号参数估计方法 |
| US20190041492A1 (en) * | 2017-08-07 | 2019-02-07 | Veoneer Us, Inc. | System and method for interference detection in a rf receiver |
| CN109655794A (zh) * | 2018-11-14 | 2019-04-19 | 上海无线电设备研究所 | 一种窄带自卫噪声压制干扰的检测识别方法 |
| CN109459732A (zh) * | 2018-12-21 | 2019-03-12 | 电子科技大学 | 一种宽带雷达干扰信号的识别分类方法 |
| CN110426680A (zh) * | 2019-07-20 | 2019-11-08 | 中国船舶重工集团公司第七二四研究所 | 一种基于干扰信号时频及相关系数多维特征联合分类方法 |
| CN112162245A (zh) * | 2020-09-29 | 2021-01-01 | 中国船舶重工集团公司第七二四研究所 | 一种基于时频功率谱投影的雷达宽带干扰识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| 张敬义;李永贵;: "基于时频相关性的复合常规人为干扰分析方法", 电讯技术, no. 03, 28 March 2015 (2015-03-28), pages 313 - 320 * |
| 王平安 等: ""一种基于STFT的频域检测方法及FPGA实现"", 《雷达与对抗》, 15 September 2021 (2021-09-15), pages 19 - 23 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114745027A (zh) * | 2022-03-23 | 2022-07-12 | 深圳市国电科技通信有限公司 | 电力线通信脉冲噪声识别方法和系统、存储介质 |
| CN114745027B (zh) * | 2022-03-23 | 2024-05-28 | 深圳市国电科技通信有限公司 | 电力线通信脉冲噪声识别方法和系统、存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107911183B (zh) | 一种基于实时信号特征分析的无人机识别方法及系统 | |
| CN101930072B (zh) | 基于多特征融合的红外弱小运动目标航迹起始方法 | |
| CN107462873B (zh) | 一种雷达干扰快速识别方法 | |
| CN107607916B (zh) | 一种抗自卫式速度距离联合欺骗干扰方法 | |
| CN117889945B (zh) | 一种公路桥梁施工振动测试方法 | |
| CN113917409A (zh) | 一种基于实时频谱分析的宽带干扰识别方法 | |
| CN112033656A (zh) | 一种基于宽带谱处理的机械系统故障检测方法 | |
| CN109143184A (zh) | 一种扫描雷达的双门限检测方法 | |
| CN114355298A (zh) | 一种雷达复合调制脉冲信号识别方法 | |
| CN109031221B (zh) | 数据层基于多维度特征提取的雷达抗密集假目标干扰方法 | |
| CN111753803B (zh) | 基于模糊聚类和高阶累积量的无人机图传信号识别方法 | |
| CN116961799A (zh) | 一种基于时频域分布特征的信号干扰检测方法 | |
| CN113824518B (zh) | 基于频谱的非合作信号检测方法 | |
| CN116432007A (zh) | 基于空域特征和机器学习的光纤预警模式识别方法 | |
| CN108718223B (zh) | 一种非合作信号的盲频谱感知方法 | |
| Wang et al. | Infrared unmanned aerial vehicle targets detection based on multi-scale filtering and feature fusion | |
| CN114518511A (zh) | 一种特征辅助的局部放电点定位方法 | |
| CN113030950A (zh) | 一种基于深度学习技术的小型无人机分类方法 | |
| Liu et al. | Detection on abnormal usage of spectrum by electromagnetic data mining | |
| CN112104340A (zh) | 一种基于HMM模型和Kalman滤波技术的开关量输入模块BIT降虚警方法 | |
| CN117828405B (zh) | 基于智能频谱感知的信号定位方法 | |
| Elizarov et al. | Nonthreshold acoustic emission data registration principles | |
| CN117316184B (zh) | 一种基于音频信号的事件检测反馈处理系统 | |
| CN115086019B (zh) | 一种工业物联网物理层数据波形特征入侵检测方法 | |
| CN108898776B (zh) | 应用于周界安防系统的入侵物检测方法及装置 |
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 | ||
| CB02 | Change of applicant information |
Address after: 210003 No. 346, Zhongshan North Road, Jiangsu, Nanjing Applicant after: 724 Research Institute of China Shipbuilding Corp. Address before: 210003 No. 346, Zhongshan North Road, Jiangsu, Nanjing Applicant before: 724TH RESEARCH INSTITUTE OF CHINA SHIPBUILDING INDUSTRY Corp. |
|
| CB02 | Change of applicant information |