CN114089285B

CN114089285B - 一种基于一阶脉冲重复间隔pri的信号分选方法

Info

Publication number: CN114089285B
Application number: CN202210076215.6A
Authority: CN
Inventors: 陈加根; 王亮; 周闪闪; 李静
Original assignee: Anhui Jinghuai Jianrui Electronic Technology Co ltd
Current assignee: Anhui Jinghuai Jianrui Electronic Technology Co ltd
Priority date: 2022-01-24
Filing date: 2022-01-24
Publication date: 2022-05-31
Anticipated expiration: 2042-01-24
Also published as: CN114089285A

Abstract

本发明提出一种基于一阶脉冲重复间隔PRI的信号分选方法，包括如下步骤：测量时序数据的到达时间，选取出脉冲的头尾位置；对提取出的脉冲宽度序列执行过滤，剔除脉冲宽度值的极小值和极大值，并根据位置对PRI分组中剔除相应脉冲值；对脉冲宽度执行分组，剔除分组中脉冲个数不足3个的组数据，并对PRI值执行反向过滤，剔除上述被剔除的组数据对应的PRI序列值中的出现频率低的脉冲；初步判断脉冲是单信号还是多信号。提取脉冲宽度分组中出现频率高的组别数据；计算相邻PRI差值，判断脉冲数据的类型；计算非群组数据，如果非群组数据占总数据比重大于80%，则数据判定为抖动类型。

Description

一种基于一阶脉冲重复间隔PRI的信号分选方法

技术领域

本发明属雷达信号处理技术领域，涉及一种基于一阶脉冲重复间隔PRI的信号分选方法。

背景技术

在雷达电子侦察中，对所截获的敌方雷达辐射源信号进行分析与处理，从中挖掘出有关敌方雷达性能的有用信息。这个过程称为电子情报分析（ELINT）。ELINT的基本功能是通过对截获的雷达信号进行分析处理，推断雷达的功能和性能，进而判断雷达的威胁程度，甚至达到识别雷达个体的目的。由此对被侦测敌方雷达所采用的技术水平做出有效判断与情报积累，找到其弱点并实施有效干扰。因此，对雷达调制信号的分析与处理已成为电子侦察中的经典课题，对其进行深入研究具有重要的理论意义与应用价值。

累积差直方图（CDIF）算法是一种由到达时间差组成的CDIF算法，对雷达脉冲进行解交织，分离出单个雷达脉冲。该算法具有对干扰脉冲不敏感、丢失脉冲少的优点。首先计算到达时间差（TOA差）；两个相邻脉冲之间的到达时间差称为一阶差，每个脉冲与第二个相邻脉冲之间的到达时间差称为二阶差。CDIF累加每级差值的直方图值，直方图峰值则代表脉冲重复间隔（PRI）的可能值。

为每个级别的TOA差形成的CDIF直方图选择阈值；将每个直方图值和直方图值的两倍与阈值进行比较，如果两个值没有超过阈值，则计算下一个TOA差并形成新的CDIF。如果可能的PRI值不确定。进行序列搜索；也就是说，一组脉冲被视为周期为PRI的脉冲序列，这样的第二个脉冲组称为PRI序列。如果检索成功，则从输入缓冲区中分离出优先级序列，并基于剩余的秒执行新的CDIF。只要输入缓冲器中有足够的脉冲来产生任何PRI序列，这个过程就会重复，直到脉冲不能产生PRI序列。此时，计算下一个级别差异。如果CDIF值没有超过阈值，则还会计算下一级差值。如果多个CDIF值超过阈值，则从最小优先级值开始对每个可能的优先级值执行序列搜索。

CDIF算法最明显的缺陷是需要计算大量的差异，即使在最简单的情况下也是如此。当大量脉冲丢失时，CDIF算法中的序列检索可能会分离出虚假序列。

在PRI确定和序列检索后，序列差直方图(SDIF)算法通常将所有超过阈值的SDIF值作为可能的PRI进行序列检索。如果优先级序列成功分离，重复该过程，直到分支机构中的脉冲序列或输入缓冲器少于5个。序列检索影响算法的速度、可靠性和有效性。PRI的测量是SDIF算法的关键。SDIF算法的工作过程是对每个TOA差形成一个SDIF直方图，并计算阈值直到次谐波脉冲检测。如果无法从序列搜索中分离出PRI序列，则计算下一级的TOA差，设置新的阈值，重复整个过程，最后对PRI进行分析，完成信号识别。SDIF算法的关键是阈值函数，它影响检测速度和检测概率。对分析结果影响很大。

发明内容

为解决上述技术问题，本发明提出了一种基于一阶脉冲重复间隔PRI 的信号分选方法，包括如下步骤：

步骤1，测量时序数据的到达时间，选取出脉冲的头尾位置，根据提取出的脉冲的头尾位置初步计算脉冲宽度序列和脉冲重复间隔PRI序列；

步骤2，对提取出的脉冲宽度序列执行过滤，剔除脉冲宽度值的极小值和极大值，并根据极小值和极大值在脉冲宽度序列中的位置从PRI序列中剔除相应脉冲值；

步骤3，对脉冲宽度序列执行分组，剔除分组中脉冲个数不足3个的组数据，并对PRI序列执行反向过滤，剔除上述被剔除的组数据对应的PRI序列中出现频率低的脉冲；

步骤4，根据步骤3处理得到的脉冲宽度分组，初步判断脉冲是单信号还是多信号。提取脉冲宽度分组中出现脉冲信号个数频率高的组别数据；

步骤5，计算PRI序列中相邻PRI差值，判断脉冲数据的类型；

步骤6，计算被剔除的非群组数据，如果非群组数据占总数据比重大于80%，则所述时序数据判定为抖动类型。

进一步的，步骤1还包括：如果第一个开始位置为脉冲，放弃该脉冲数据，从第二个完整的脉冲开始选取脉冲的头尾位置。

进一步的，步骤2还包括：执行脉冲丢失检测和去重叠检测。

进一步的，步骤2包括子步骤：

步骤2.1，对于多个脉宽相同的信号，按时间顺序对脉宽相同的信号执行快速傅里叶变换和数据滤波转换，得到平滑的波形；

步骤2.2，通过噪声识别法，确定信号的首尾位置；

步骤2.3，计算脉冲重复周期和脉宽，依据步骤2.1和步骤2.2的分选方法完成信号的识别；

步骤2.4，对提取出的脉冲宽度序列，极小值的判定定义为脉宽长度小于0.1μs；极大值的判定定义为脉宽长度超过250μs。

进一步的，步骤3中剔除分组中脉冲个数不足3个的组数据包含：定位剔除脉宽所对应的PRI序列中的数据位置，剔除相对应的数据以完成PRI分组过滤。

进一步的，步骤4包括子步骤：

步骤4.1，根据脉冲宽度对所述PRI序列进行重定向分组；

步骤4.2，对经步骤4.1重定向分组后的PRI序列剔除杂项；

步骤4.3，提取按照脉冲宽度分组中脉冲出现频率高的组别的数据。

进一步的，所述出现频率高的组别数据指出现频率超过三次的数据，以数据差值小于等于千分之一的数据按相等数据计算。

进一步的，步骤5包括子步骤：

步骤5.1，依据PRI差值的不同，判断脉冲数据的类型；

步骤5.2，相邻PRI差值为零，且满足C = N-1，判定为固定类型；N为PRI组数目；C表示相邻PRI的差值近似为零的个数；

步骤5.3，当C<N-1,同时PRI序列存在成组的规律变化，表现为几组固定类型的特征，判定为组变类型；

当相邻PRI差值不为零，如果差值比的绝对值为1，且满足C=N-2，判定为滑变类型信号；

步骤5.4，相邻PRI差值比绝对值大于1，判定为非滑变类型信号，如果满足C=N-2，判定为3参差的参差类型；

步骤5.5，相邻PRI差值比绝对值大于1，且满足C=N-2，确定为不属于上述步骤5.2到步骤5.4所述类型的信号，即为3参差以上参差类型信号。

进一步的，步骤6包括：当判定抖动比大于30%时，需检测判断杂项，去除失真重叠的大数据值。

采用本发明的一阶PRI信号分选方法不仅克服传统直方图法效率低，出现虚假序列，门限选择等诸多问题。还解决多脉冲交错时分选准确率不高的问题。另外，文中给出的脉冲选取算法，PRI反向过滤法都具有很好的实际应用价值。

附图说明

图1为本发明提出的基于一阶PRI信号分选分步图；

图2为本发明提出的基于脉宽相同幅度不同的多信号分选分步图。

具体实施方式

本发明针对使用CDIF算法效率低，对复杂信号识别准确率不高的问题。SDIF算法门限的选择等诸多问题。参考以上两种算法的设计思路，提供一种简单高效可靠的信号分选方法。对信号分选提供一种新的解决思路。

对具有N+1个脉冲的脉冲串的每个脉冲前沿到达时间进行估计，得到其到达时间估计值序列为：

。

其中，t(n)为第n个脉冲到达时间的真实值，v(n)为对应的等效测量噪声。对该式做一次差分为：

。

称p(n)为PRI序列，它变化反映了PRI调制方式的变化规律。

1）对于抖动PRI调制，其PRI序列为：

其中，Tm为PRI的均值，w（n）为抖动量，一般服从高斯或均匀分布。随机抖动量最大可达PRI均值的30%。

2）对于滑变PRI调制，其PRI序列为：

；

其中，A₀为p(n)的最小值，Bn为p(n)的最大值与最小值之差，T_p周期长度。对于滑变PRI调制，其PRI序列变化的规律为周期性单调增加或减少，在达到一个极值时快速地返回到另一个极值。

3）对于正弦PRI调制，其PRI序列为：

；

其中，A₀为p(n)的最小值，B为p(n)的振幅值，Ω为基波频率。正弦PRI调制的p(n)振幅值一般为其平均值的5%左右，其主要作用是用来消除遮盖或距离模糊，也可用于圆锥扫描跟踪系统中来实现导弹制导。

4）对于组变PRI调制，以常见的三重频PRI为例，在一个周期内有3次切换，其PRI序列为：

；

其中，A_0、A_1、A₂分别表示切换的值，B_0、B_1、B₂分别为其对应的驻留时间。此类型主要用在脉冲的多普勒雷达中消除距离模糊、速度模糊问题，或者消除目标的遮盖与盲速等。

本发明给出一种基于一阶PRI的信号分选法，针对传统CDIF、SDIF算法的缺点，它有两方面的改进，一是提高对重叠脉宽的分选，二是对识别速度的优化。基于一阶PRI的分选步骤如下：

1）时序数据的到达时间（TOA）测量，选取出脉冲的头尾位置。根据头尾位置初步计算脉冲宽度（PW）序列和脉冲重复间隔（PRI）序列。

2）脉宽序列过滤，剔除极小值和极大值，并根据位置对PRI分组中剔除相应值。保证数据统一的对应关系。

3）脉宽分组，剔除分组中个数不足3个的组数据，并对PRI序列反向过滤。剔除出现频率低的脉宽对应的PRI序列。

4）根据步骤3）处理得到的脉宽分组初步判断单信号或多信号。提取出现频率高的组别数据。进行数据特征分析。

5）计算相邻PRI差值，差值为零，且满足C = N-1，判定为固定类型；当C<N-1,同时PRI序列存在成组的规律变化，表现为几组固定类型的特征，判定为组变类型；同理差值不为零，差值比为1，且满足C=N-2，判定为滑变类型；差值比绝对值大于1，非滑变信号，且满足C=N-2，判定为参差类型（3参差）；差值比绝对值大于1，且满足C=N-2，非上述类型，判定为参差类型（3参差以上）。

6)计算非群组数据，大于总数80%，则上述时序数据判定为抖动类型，注意判定抖动比大于30%，需检测判断杂项，去除失真重叠的大值。

以下结合附图对本发明的具体实施方式作出详细说明。

如图1所示，其中：N为PRI组数目；C表示相邻PRI的差值近似为零的个数。r为非群组数据占总数据比重，本文定位80%

对于多个脉宽相同的信号，可选取幅度的判断，通过快速傅里叶变换和滤波转换，得到数值分类的幅度分组。运用以上相同的方式对头尾的计算求得脉冲宽度和脉冲重复间隔。首先对时序信号进行FFT变换，然后对变换后的数据滤波操作。得到相对平滑的波形。通过噪声识别的方法，选取信号的首尾位置。计算重复周期和脉宽，依据上述分选方法步骤完成信号的识别。

本发明通过对脉冲组过滤，及逆向PRI过滤，能提高分选效率和准确度。脉冲起始点选取，为确保起始点的准确和脉冲的完整性，对于第一个开始位置为脉冲的数据应放弃，从第二个完整的脉冲开始选取；对于非群组数据的判定，选取PRI组值介于（3-6）个为组群的判断标准。可根据实际情况对参数配置调整。

本发明通过对脉冲去交错的处理，对提高识别准确率，提高识别速度有很大帮助。

最后应说明的是，以上实施方式仅用以说明本发明实施例的技术方案而非限制，尽管参照以上较佳实施方式对本发明实施例进行了详细说明，本领域的普通技术人员应当理解，可以对本发明实施例的技术方案进行修改或等同替换都不应脱离本发明实施例的技术方案的精神和范围。

Claims

1.一种基于一阶脉冲重复间隔PRI的信号分选方法，其特征在于，所述方法包括如下步骤：

步骤1，测量时序数据的到达时间，选取出脉冲的头尾位置，根据提取出的脉冲的头尾初步计算脉冲宽度序列和脉冲重复间隔PRI序列；

步骤3，对脉冲宽度序列执行分组，剔除分组中脉冲个数不足3个的组数据，并对PRI值执行反向过滤，剔除上述被剔除的组数据对应的PRI序列值中的出现频率低的脉冲；

所述剔除分组中脉冲个数不足3个的组数据的还包含：定位剔除脉宽所对应的PRI序列中的数据位置，剔除相对应的数据以完成PRI分组过滤；

步骤4，根据步骤3中的脉冲宽度分组，初步判断脉冲是单信号还是多信号，提取脉冲宽度分组中出现脉冲信号个数频率高的组别数据；

步骤5，计算PRI序列中相邻PRI差值，判断脉冲数据的类型；并包括子步骤：

步骤5.1，依据PRI差值的不同，判断脉冲数据的类型；

步骤5.2，相邻PRI差值为零，且满足C＝N-1，判定为固定类型；N为PRI组数目；C表示相邻PRI的差值近似为零的个数；

当相邻PRI差值不为零，如果差值比的绝对值为1，且满足C＝N-2，判定为滑变类型信号；

步骤5.4，相邻PRI差值比绝对值大于1，判定为非滑变类型信号，如果满足C＝N-2，判定为3参差的参差类型；

步骤5.5，相邻PRI差值比绝对值大于1，且满足C＝N-2，确定为不属于上述步骤5.2到步骤5.4所述类型的信号，即为3参差以上参差类型信号；

步骤6，计算被剔除的非群组数据，如果非群组数据占总数据比重大于80％，则数据判定为抖动类型。

2.如权利要求1所述的方法，其特征在于，步骤1包括：如果第一个开始位置为脉冲，放弃该脉冲数据，从第二个完整的脉冲开始选取脉冲的头尾位置。

3.如权利要求1所述的方法，其特征在于，步骤2包括执行脉冲丢失检测和去重叠检测。

4.如权利要求1所述的方法，其特征在于，步骤2包括子步骤：

步骤2.1，对于多个脉宽相同的信号，按时间顺序序对脉宽相同的信号执行快速傅里叶变换和数据滤波转换，得到平滑的波形；

步骤2.2，通过噪声识别法，确定信号的首尾位置；

步骤2.4，对提取出的脉冲宽度序列，极小值的判定定义为脉宽长度小于0.1us；极大值的判定定义为脉宽长度超过250us。

5.如权利要求1所述的方法，其特征在于，步骤4包括子步骤：

步骤4.1，根据脉冲宽度对所述PRI重定向分组；

步骤4.2，计算PRI定向分组，剔除杂项；

6.如权利要求5所述的方法，其特征在于，所述出现频率高的组别数据指出现频率超过三次的数据，以数据差值小于等于千分之一的数据按相等数据计算。

7.如权利要求1所述的方法，其特征在于，步骤6包括：当判定抖动比大于30％时，需检测判断杂项，去除失真重叠的大数据值。