CN114070679A

CN114070679A - 一种面向脉冲智能分类的频相特征分析方法

Info

Publication number: CN114070679A
Application number: CN202111237864.1A
Authority: CN
Inventors: 张蔚; 黄辰; 张顼; 吕文超
Original assignee: CETC 29 Research Institute
Current assignee: CETC 29 Research Institute
Priority date: 2021-10-25
Filing date: 2021-10-25
Publication date: 2022-02-18
Anticipated expiration: 2041-10-25
Also published as: CN114070679B

Abstract

本发明公开了一种面向脉冲智能分类的频相特征分析方法，包括步骤：S1，对脉冲信号S0估计频率，获得粗测的频率f₀以及信号的粗略带宽BW，作为滤波器；S2，根据f₀将信号下变频到零频，并以零频为中心，在信号带宽BW范围内完成满足要求的频率分辨率的变换，获得信号频域的实部和虚部，并根据此计算各个离散频点上的相位；S3，对频相特性做差分处理，作为分类器的输入完成分类；本发明对信号特征描述得更精细，同时对信号频率不敏感，能够更好描述信号本身特性；并且，提升了脉冲信号分类的效果，效果好于直接用脉冲参数或脉内调制参数等。

Description

一种面向脉冲智能分类的频相特征分析方法

技术领域

本发明涉及信号分析技术领域，更为具体的，涉及一种面向脉冲智能分类的频相特征分析方法。

背景技术

现有的信频相分析方法，例如：锁相环的频相分析，主要是分析锁相环动态相位跟踪特性，用于改进相位误差特性等；通信信号的信道特性分析则分析不同信道间的频相特性，用于信道分离或信号调制分析；信号解调分析中常用的相位分析，主要关注时相特性分析，用于对相位编码等相位调制信号进行解调时的分析。

以上的分析方法，都是针对信号的标称频率进行分析，监测信号生成质量或者通过变换获取标称频率的调制特性。并且，现有的分析方法主要用于通信信号的信道分析，锁相环的特性分析等场合，不适用脉冲信号分类。

大部分脉冲分类方法都是基于脉冲的参数进行的，一方面参数测量过程的误差受多种因素影响，容易影响分类；另一方面，参数描述的信息简单，难以描述复杂变化。也有通过脉内调制参数进行分类的方法，这种方法的缺点是，调制参数和调制类型的分析容易有较大偏差，一旦出错，严重影响分类；同时难以适应不断复杂化的调制类型。

发明内容

本发明的目的在于克服现有技术的不足，提供一种面向脉冲智能分类的频相特征分析方法，对信号特征描述得更精细，同时对信号频率不敏感，能够更好描述信号本身特性；并且，提升了脉冲信号分类的效果，效果好于直接用脉冲参数或脉内调制参数等。

本发明的目的是通过以下方案实现的：

一种面向脉冲智能分类的频相特征分析方法，包括步骤：

S1，对脉冲信号S₀估计频率，获得粗测的频率f₀以及信号的粗略带宽BW，作为滤波器；在该步骤中，先估计信号的中心频率和带宽，能够获得信号有效的分析频率范围；

S2，根据f₀将信号下变频到零频，并以零频为中心，在信号带宽BW范围内完成满足要求的频率分辨率的变换，获得信号频域的实部和虚部，并根据此计算各个离散频点上的相位；在该步骤中，将信号变到零频，既能起到滤波的作用又能灵活指定频相曲线的范围；

S3，对频相特性做差分处理，并作为分类器的输入完成分类。上一步完成了脉冲信号频相特性的提取，实际上每个脉冲信号的初相是变化的，实际应用时不同时刻、不同脉冲难以将脉冲的初相进行标校，但是不同频点之间的初相差是稳定的，因此将相邻频点间的相位进行差分，将此结果用于分类或聚类。并且，在该步骤中，计算指定频点上的相位并差分，从而去掉信号初相波动的影响，这样就获得了脉冲信号的频率相位变化特性。

进一步地，在步骤S1中，包括步骤：对频谱通过重心法进行处理后获得所述粗测的频率f₀以及信号的粗略带宽BW。在该实施方案中，对脉内有调制信号，简单的峰值搜索法难以获得满足要求的精度，需要针对频谱通过重心法等进行处理，获取较为准确的中心频率和信号带宽。

进一步地，在步骤S1中，所述对脉冲信号S₀估计频率包括对单个脉冲信号S₀估计频率。

进一步地，在步骤S2中，所述变换包括DFT变换。

进一步地，在步骤S3中，所述分类器包括CNN分类模型。

进一步地，所述估计频率包括通过FFT估计频率。

本发明的有益效果包括：

本发明实施例提出的频相分析方法，从雷达信号分类的需求出发，对信号标称频率及其寄生调制进行分析，主要用于对脉冲信号进行分辨和分类。

本发明实施例提出的频相分析方法，全面展现了脉冲信号基频生成及信号调制时各环节的频域响应，从而形成了对脉冲分类有益的特征，较好解决了脉冲参数估计、调制参数估计等带来的分类难的问题。

本发明实施例提出的频相分析方法，先进行信号中心频率和带宽的估计，并根据中心频率和带宽将信号下变频至零频，信号带宽BW范围内，按照符合要求的频率分辨率进行DFT变换，并获得离散频点上的相位计算及其差分运算，得到的频相特性具有收敛性好、不随信号中心频率波动而变化的特点，更加有利于信号的分类。相对信号参数及调制参数，对信号特征描述得更精细，同时对信号频率不敏感，能够更好描述信号本身特性；并且，提升了脉冲信号分类的效果，效果好于直接用脉冲参数或脉内调制参数。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例的滤波器参数的估计流程图；

图2为本发明实施例的频域相位的计算流程图；

图3为本发明实施例的某电磁目标信号的频谱和频相特性图；

图4为本发明实施例的频率精确估计流程图；

图5为本发明实施例的相同参数的不同目标的特性图；

图6为本发明实施例的某电磁目标信号频谱和不同频率的频相特性图。

具体实施方式

本说明书中所有实施例公开的所有特征，或隐含公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合和/或扩展、替换。

如图1～图6所示，一种面向脉冲智能分类的频相特征分析方法，包括步骤：

在可选的实施方式中，需要说明的是，在步骤S1中，包括步骤：对频谱通过重心法进行处理后获得所述粗测的频率f₀以及信号的粗略带宽BW。在该实施方案中，对脉内有调制信号，简单的峰值搜索法难以获得满足要求的精度，需要针对频谱通过重心法等进行处理，获取较为准确的中心频率和信号带宽。

在可选的实施方式中，需要说明的是，在步骤S1中，所述对脉冲信号S₀估计频率包括对单个脉冲信号S₀估计频率。

在可选的实施方式中，需要说明的是，在步骤S2中，所述变换包括DFT变换。

在可选的实施方式中，需要说明的是，在步骤S3中，所述分类器包括CNN分类模型。

在可选的实施方式中，需要说明的是，所述估计频率包括通过FFT估计频率。

本发明的发明构思：先估计信号的中心频率和带宽，获得信号有效的分析频率范围；将信号变到零频，既能起到滤波的作用又能灵活指定频相曲线的范围；计算指定频点上的相位并差分，从而去掉信号初相波动的影响，这样就获得了脉冲信号的频率相位变化特性；最后用智能分类器验证特性的分类效果。

基于上述发明构思，在本发明的其他实施例中，还包括如下步骤：

(1)对单个脉冲信号S₀通过FFT估计频率，获得粗测的频率f₀以及信号的粗略带宽BW，作为滤波器。流程如图1：

特别地，对脉内有调制信号，简单的峰值搜索法难以获得满足要求的精度，需要针对频谱通过重心法等进行处理，获取较为准确的中心频率和信号带宽。

(2)根据f₀将信号下变频到零频，并以零频为中心，在信号带宽BW范围内完成满足要求的频率分辨率的DFT变换，获得信号频域的实部和虚部，并根据此计算各个离散频点上的相位。流程如图2：

(3)频相特性的差分处理，并作为分类器的输入完成分类。上一步完成了脉冲信号频相特性的提取，实际上每个脉冲信号的初相是变化的，实际应用时不同时刻、不同脉冲难以将脉冲的初相进行标校，但是不同频点之间的初相差是稳定的，因此将相邻频点间的相位进行差分，将此结果用于分类或聚类。

以下图3某电磁目标信号的频谱，以及20个不同脉冲的频相特性，不同脉冲的特性分次重叠画在同一张图上。可见，不同脉冲的特性收敛性很好。

为了证明本发明实施例方法的有效性，对上述描述的实施例方法进行了试验，试验设置如下：

利用实际的不同电磁目标信号进行试验，总共5个目标，每个目标选取约1000个脉冲进行频相特性计算，并利用卷积神经网络(CNN)进行分类试验并记录信号分类的正确率。

图5所示是参与实验的其中两个电磁目标的频相特征的对比图。可见两者虽然参数相同，但特征有比较明显的区别。

图6所示是某电磁目标信号的频谱及不同中心频率的频相特性。可见，不同标称频率时，频相特性仍然趋于一致。

由上可见，本发明所提出的方法可以更加有利于脉冲信号的分类，并且对目标中心频率敏感度低，同时对不同目标的区分度更好，对于目标分类来说特征和分类器性能会更加稳健。

本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。

上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。

除以上实例以外，本领域技术人员根据上述公开内容获得启示或利用相关领域的知识或技术进行改动获得其他实施例，各个实施例的特征可以互换或替换，本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims

1.一种面向脉冲智能分类的频相特征分析方法，其特征在于，包括步骤：

S1，对脉冲信号S₀估计频率，获得粗测的频率f₀以及信号的粗略带宽BW，作为滤波器；

S2，根据f₀将信号下变频到零频，并以零频为中心，在信号带宽BW范围内完成满足要求的频率分辨率的变换，获得信号频域的实部和虚部，并根据此计算各个离散频点上的相位；

S3，对频相特性做差分处理，并作为分类器的输入完成分类。

2.根据权利要求1所述的面向脉冲智能分类的频相特征分析方法，其特征在于，在步骤S1中，包括步骤：对频谱通过重心法进行处理后获得所述粗测的频率f₀以及信号的粗略带宽BW。

3.根据权利要求1所述的面向脉冲智能分类的频相特征分析方法，其特征在于，在步骤S1中，所述对脉冲信号S₀估计频率包括对单个脉冲信号S₀估计频率。

4.根据权利要求1所述的面向脉冲智能分类的频相特征分析方法，其特征在于，在步骤S2中，所述变换包括DFT变换。

5.根据权利要求1所述的面向脉冲智能分类的频相特征分析方法，其特征在于，在步骤S3中，所述分类器包括CNN分类模型。

6.根据权利要求1或3任一所述的面向脉冲智能分类的频相特征分析方法，其特征在于，所述估计频率包括通过FFT估计频率。