CN118131156A - 一种基于数字信道化模型的无源电磁态势感知系统 - Google Patents

Abstract

本发明提出一种基于数字信道模型的无源电磁态势感知系统，包括信号接收模块、信道化模块、参数测量模块、信号测向模块、信号分选模块。该系统采用信道化实现宽带信号参数测量和分析，并形成脉冲描述字。利用预分选、主分选相结合的方式完成辐射源信号分选，利用干涉仪方法完成对辐射源信号测向，能很好应用在雷达侦察系统，简单高效、时间复杂度、空间复杂度低，解决了目前在复杂密集环境及特征参数交叠严重的情况下的聚类算法聚类效果差，只能得到局部最优等问题。

Description

一种基于数字信道化模型的无源电磁态势感知系统

技术领域

本发明属于电磁环境测量技术领域，尤其涉及一种基于数字信道化模型的无源电磁态势感知系统。

背景技术

在现代高技术战争和信息化战争中，电子对抗技术迅猛发展，各种新型的复杂的体制的干扰雷达层出不穷，尤其是随着脉内波形变换技术、多参数捷变等技术的发展以及各种工作体制体多种抗干扰技术综合应用为特征的极为复杂的雷达信号环境的出现，给雷达信号捕捉，提出了严峻的挑战。如何能够高效准确的对抗复杂多变的电磁干扰环境中，对于电磁环境的态势感知分析系统至关重要。

发明内容

本发明提供一种基于数字信道模型的无源电磁态势感知系统，可以作为无源侦察系统的重要组成部分，系统主要作用是完成对于复杂电磁环境中的雷达信号的检测、测向、分选，并将结果通过上位机进行显示。

该无源电磁态势感知系统包括：

信号接收模块，用于接收N个通道的雷达信号；

信道化模块，用于将N个通道的雷达信号信道化，形成N路信道化信号；

参数测量模块，用于选择N路信道化信号中的一路作为第一信道化信号，并依据第一信道化信号形成同步脉冲，依所述同步信号完成脉冲参数测量，获得参数测量信息；

信号测向模块，用于对第一信道化信号以外的其他N-1路信道化信号的瞬时相位进行提取，获得角度信息；

信号分选模块，用于对参数测量信息和角度信息采用自适应K-均值聚类算法联合SDIF算法进行分析，输出雷达信号分选结果。

进一步地，所述参数测量模块采用抽取前移均匀多相滤波器组对N个通道的雷达信号进行处理，得到N路信道化信号。

进一步地，所述参数测量模块联合瞬时频率和视频脉冲进行处理，对信道进行判决。

进一步地，所述信号测向模块采用多基线相位干涉仪算法实现信号测向。

进一步地，所述信号测向模块采用多基线解模糊算法，从短基线向最大基线依次解除长基线的多值模糊。

进一步地，所述信号分选模块对参数测量信息和角度信息采用自适应K-均值聚类算法联合SDIF算法进行分析时，完成以下步骤：

(1)初始化，输入所有待分选数据；设聚类种类D＝0；

(2)使用改进K-均值聚类算法根据脉宽、载频、带宽，对所有数据进行聚类，聚类结果种类为D；

(3)逐一读取每个聚类数据，对每个聚类的数据使用优化SDIF算法求序列差；

(4)求得PRI个数大于1，对这些PRI进行同一信号判别和参差校验，转至(3)；若PRI个数小于2，转至(5)；

(5)仍有未处理的聚类，转至(3)，否则转至(6)；

(6)对不同聚类结果的PRI进行频率捷变雷达校验；

(7)输出分选结果。

相比于现有技术，本发明具有以下优点：

(1)信道化过程中，将抽取器设置在多相滤波器组和混频器之前，输入到多相滤波器组的数据速度降低，提高了运算效率。联合瞬时频率和视频脉冲进行处理，对信道进行判决，减少虚假信号对信道判决的影响。

(2)利用多基线相位干涉仪算法实现信号测向，解决测角精度和模糊数的矛盾，并采用多级解模糊的方法，减小解模糊过程中的错误。

(3)采用自适应K-均值聚类算法联合SDIF算法进行分析，弥补了原有算法的不足，不需要预先设置雷达的信号的数目，而是根据待聚类的雷达信号进行判别，分选结果达到全局最优，而且对于大型数据集也是简单高效、时间复杂度、空间复杂度低。

附图说明

图1为本发明提出的无源电磁态势感知系统的一种实施方式的系统框图；

图2为均匀滤波器组信道化结构示意图；

图3为均匀多相滤波器组信道化结构示意图；

图4为抽取前移均匀多相滤波器组信道化结构示意图；

图5为本发明中高效数字信道化结构示意图；

图6为本发明中信道化接收机测频信息形成流程图；

图7为双基线相位干涉仪模型；

图8为本发明中干涉仪算法实现流程图；

图9为自适应的k均值聚类算法流程图；

图10为SDIF算法流程图；

图11为本发明中联合自适应K-均值聚类算法和SDIF算法信号分选流程图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

本发明需要完成数字信道化功能、参数测量功能、信号分选功能、信号测向功能。参数测量主要测量脉冲前沿频率、脉宽、脉冲到达时间、瞬时相位。

为此，本发明提供一种基于数字信道模型的无源电磁态势感知系统，包括：

信号接收模块，用于接收N个通道的雷达信号；

信道化模块，用于将接收到的N个通道的雷达信号信道化，形成N路信道化信号；

参数测量模块，用于选择N路信道化信号中的一路作为第一信道化信号，并依据第一信道化信号形成同步脉冲，依所述同步信号完成脉冲参数测量，获得参数测量信息；

信号测向模块，用于对第一信道化信号以外的其他N-1路信道化信号的瞬时相位进行提取，获得角度信息；

信号分选模块，用于对参数测量信息和角度信息采用自适应K-均值聚类算法联合SDIF算法进行分析，输出雷达信号分选结果。

下面以输入包括7通道的宽带中频信号为例说明本发明的无源电磁态势感知系统。

系统整体框图如图1所示。其中一路信号用于信号检测和参数测量，另外六路信号仅用于信号瞬时相位的提取。依据相位差完成信号测向功能，并将角度信息添加进脉冲描述字，与脉冲参数测量信息一起完成信号分选。

系统主要包括如下几个部分：

(1)7路ADC采集信号分别经16路信道化后变为窄带的低速信号。

(2)选取其中一路信道化信号完成同步脉冲形成，依此同步信号完成脉冲参数测量(如CF、PW、TOA)。

(3)各路信号依据同步脉冲完成脉冲前沿的4个瞬时相位提取，并求取4个所选通道相位差的平均值。

(4)PDW形成，将CF、PW、PA、TOA、相位差作为PDW，通过EMIF接口传送给DSP。

(5)DSP接到开始命令后，采样FPGA的PDW数据，先完成信号测向，生成角度信息融入PDW形成新的脉冲描述字，完成信号分选。

(6)DSP上报侦察结果。

系统整体设计思想如下：

(1)采用信道化实现宽带信号参数测量和分析，并形成脉冲描述字。利用预分选、主分选相结合的方式完成辐射源信号分选，利用干涉仪方法完成对辐射源信号测向。

(2)利用带通采样定理，在第三奈奎斯特区间对7路信号分别进行采样并将高速串行数据降速为并行数据。主通道采样结果送入信道化模块，经信道化处理将数据转换为16路正交的IQ数据。将IQ数据送入CORDIC模块，得到信号的瞬时相位、幅度。幅度信息可用于信道判决，并依此形成脉冲的包络，从而测量脉冲的脉宽、到达时间。瞬时相位信息，可以送入瞬时相位差模块进行瞬时测频。其余6个通道仅得到IQ数据即可。

(3)选取4个通道的输入信号IQ信号，求对应两两信号的相位差，得到在不同半波长倍数下的相位差。由1倍半波长的相位差计算出的低精度无模糊结果为下一步的高精度有模糊结果解除模糊，以此得到角度信息。

(4)将包含载频、脉宽、到达时间、到达角信息的脉冲描述字，送入信号分选模块。现代战争中随着新体制雷达的不断涌现,电磁环境也变得越来越复杂,这就随雷达信号分选提出了新的挑战。目前常用的典型的聚类算法，存在着事先设定雷达数目缺点，这种算法很难适应现代复杂的雷达信号环境。本发明提出一种自适应的K均值聚类算法，该算法弥补了原有算法的不足，不需要预先设置雷达的信号的数目，而是根据待聚类的雷达信号进行判别，分选结果达到全局最优，而且对于大型数据集也是简单高效、时间复杂度、空间复杂度低。

下面具体介绍各个模块的工作原理及实现方式。

一、信道化模块

为了进行实时的信号处理和分析，必须采用信道化结构对收到的雷达的信号进行降速处理，并分成多个信道进行处理。

信道划分方式有均匀和非均匀两种。均匀信道划分的子信道具有相同的信道带宽且各个信道中心频率间隔相同，非均匀划分的子信道带宽不相等且信道中心频率的间隔也不相等。均匀划分的信道划分结构较易于实现，本发明中采用均匀信道划分方式设计滤波器组，均匀滤波器组信道化结构如图2所示。

滤波器组将监测带宽划分为K个信道，即滤波器由K个滤波器组成，其中包括1个低通滤波器h₀[n]和K-1个带通滤波器h_k[n]。低通滤波器h₀[n]长度为N，h₀[n]＝{h[0],…,h[N-1]}，0≤n≤N-1，h[0],…,h[N-1]是滤波器系数。带通滤波器h_k[n]由低通滤波器h₀[n]调制得到，第k个滤波器的单位冲击响应为：

其中ω_k＝2πk/K，k＝0,1,…,K-1。第k个滤波器的频率响应为

模拟信号x(t)经过ADC采样输出离散时间信号x(n)输入到滤波器组中，滤波器组k个子带的输出y_k(n)为

为了能够实现判决逻辑，带通滤波器的输出y_k(n)需要乘以复指数变换至基带，设基带信号为u_k(n)，则

u_k(n)＝y_k(n)e^-j2πkn/K

基带信号的频率限制在-2π/K≤ω≤2π/K范围内，被M倍抽取后有

上式的傅里叶变换为

M倍抽取后，每个信道的输出频率..限制到-2πM/K≤ω′≤2πM/K范围内，为了各个子信道滤波器过渡带不会发生混叠，需要满足

2πM/K≤π

且K是M的整数倍。

F＝K/M≥2

设K＝FM，将原型滤波器h₀[n]多相表示：

其中，多相分量 (N/K向上取整)。将上式代入式/>有：

由上式可知，信号经过第k个带通滤波器h_k(n)的输出即为信号经过多相分量滤波后的输出做IDFT变换的结果，滤波器组多相表示后的信道化结构如图3所示。

信号的多相表示将K个长度为N的滤波器构成的滤波器组变换为K个长度为的滤波器和K点的IDFT运算。IDFT的输出为

其中,(k＝0,1,…K-1)，它的Z变换为

IDFT的第k路输出y_k[n]经过数字正交解调和M倍抽取后，有

图3中抽取器在低通滤波器组和混频器之后，说明经过低通滤波和正交下变频的采样数据只有1/M被输出，浪费了大量的运算结果。所以需要将运算顺序修改为先抽取再滤波数字下变频，即将M倍的抽取前移到多相结构E_l(z^K)之前，根据多抽样率数据转换公式，抽取前移后的多相滤波器组的输出满足

上式的z变换为

因为K/M＝F是一个整数，所以e^-j2πmK/M＝1，有

M倍抽取前移后，输入到多相滤波器组的数据速度降低M倍，多相滤波器组的输出为

其中N为滤波器的长度。IDFT的输出为

M倍抽取前移后的信道化结构如图4所示。

根据上述条件，相邻信道不发生混叠则需要满足F＝K/M≥2，在本发明中取F＝2，因此多相分量多项分量E_l(z²)表示将每个多相支路滤波器系数2倍插0值。在F＝2时，用于数字正交解调的指数乘积项/>而e^-jπkn满足

将IDFT运算用快速算法IFFT代替，可以得到高效数字信道化接收机结构如图5所示。

图5中，从到/>是K路的信道化输出，经过正交基带解调后的信道化输出除了/>和/>为实数外其余均为复数，并且/>和/>输出值相同而/>和/>(1≤l≤K/2-1)输出值互为共轭，所以在后续数据处理中只考虑前K/2路信道化输出即可。

相邻信道频率响应50％重叠会使一个输入信号同时落在两个相邻信道上，从而产生虚假信号。为了减少虚假信号对信道判决的影响，本发明联合瞬时频率和视频脉冲进行处理，对信道进行判决，完整的信道判决实现框图如图6所示。

(1)经CORDIC算法求得的第k个子信道的幅度A_k(n)与阈值V_th比较，当大于门限时触发频率参数估计。

(2)当输入信号在信道k的频率满足的条件，信道判决认为该信号属于信道k。得出信号在第k个子信道内有效的判决条件为

其中，f_c为信道化接收机每个子信道的信号处理带宽，为信道k的频率平均值。

(3)测频采用瞬时相位一阶差分法，公式采用其中T_s为采样间隔。

(4)瞬时相位φ_k[n]被限制在了[-π,π]范围内，为了获得真实的相位需要进行相位解卷绕，解卷绕算法是在原相位基础上，根据相位后向差分，在瞬时相位φ_k[n]加上一个修正序列c[n]，初值c[n]＝0。

利用CORDIC算法进行信号幅度求取时，计算精度与CORDIC实现的迭代周期有关，迭代次数越多，计算越精准，但处理时间长。利用FPGA实现，可采用JPL算法近似求取，其偏差小于3％。假设复信号的实部和虚部分别为I和Q，要计算令A＝max{|I|,|Q|}，B＝min{|I|,|Q|}，则模值的近似运算可以表示为

采用上述方法计算复信号的模值，仅需要利用少量的逻辑资源即可完成。

二、信道化模块

利用多基线相位干涉仪算法实现信号测向，多基线相位干涉仪测向方法是为了解决测角精度和模糊数的矛盾而提出的。多个天线构成的多个基线长度不同的单基线相位干涉仪，这些不同长度的基线组合而成干涉仪系统称为多基线相位干涉仪，用其中的短基线干涉仪消除相位模糊，用长基线干涉仪提高测角精度，又称为长短基线法

如图7所示，为一个双基线相位干涉仪。K₀K₁K₂组成了一条平面上的双基线相位干涉仪测向系统。K₀K₁组成了短基线d，K₀K₂组成了长基线D。则有：

φ₂＝m×φ₁

D＝m×d

上式中，和/>都是通过鉴相器得到的相位差，φ₁和φ₂是实际的对应入射角θ的相位差真值，m是长短基线长度的比值。根据设计规则，短基线d一定要足够小，保证其为无模糊基线，这样/>就和φ₁是相等的值。这样就能通过短基线得到的相位差/>解出长基线相位差的模糊值n，得到长基线测出的高精度的数据。

实际解模糊过程为：

(1)已知长基线得到的相位差为则根据n等于0，±1，±2…得到一组相差2π的相位数组。

(2)寻找其中最接近短基线相位差m×φ₁的值即为实际的精确值φ₂。

(3)根据上一步得到的精确值φ₂，这个值就是利用长基线得到的精确度比短基线好的测角相位差，最后计算得到信号的入射角θ。

在多基线解模糊的使用过程中，有以下几个问题需要注意：

(1)多基线相位干涉仪的最短基线一定要保证对所测的角度是无模糊的，它是保证整个测向系统正确的基础。保证无模糊值产生的最短基线的临界值是与载波信号的波长成正比的。也就是说如果系统在波长最短的情况下能有效解模糊，那么它对更长波长的信号仍然能有效解模糊。即如果系统在最高频率能适用，那么其对于频率比其低一些的信号同样适用。

(2)实际情况中存在很多因素导致误差的产生，从而使系统有一定几率错误的解模糊得到错误的结果，所以需要注意的是如何在存在噪声干扰、通道一致性等问题的情况下提高解模糊的概率。

(3)使用长基线能降低天线的互耦效果，并且能减小测向的误差提高精度，所以在系统尺寸允许的情况下基线长度越长越好。

(4)为了尽可能减小解模糊过程中的错误，采用多级解模糊的方法：将4个阵元之间的距离差进行筛选排序，使用第一、二阵元(阵元间距半波长)的无模糊、低精度结果作为初始值，解除二级测向中(第二、三阵元距离2倍半波长)中的多值模糊情况，得到精度稍高的中间值(相位差)。以此类推，在四级解模糊的时候我们使用第一、四阵元达到最大基线长度得到精度最高的最终值，即可由此得到空间信源角度。

综上，干涉仪算法实现流程图如图8所示。

三、信号分选

雷达信号分选是依据雷达信号参数之间是否具有相关性来判断的，在电子战的环境中，雷达侦察接收机接收到的雷达信号通常是以脉冲流的模式保留的，而后接收器通过一系列的过程将脉冲流转换成能够被识别和计算的雷达脉冲描述字PDW，通常脉冲描述字PDW包含脉冲到达时间TOA，脉冲幅度PA，载频RF，脉冲宽度PW，脉冲到达角DOA这五个参数。

传统的分选算法主要是扩展关联法、传统直方图法、累计差值直方图法(CDIF)、序列差值直方图法(SDIF)，单独的分选算法面对复杂电磁环境，都会有所掣肘，因此需要结合多个分选算法，进行改进，从而达到优化。

经过测试，本发明提出采用自适应的K均值聚类算法和SDIF算法相结合，对信号进行分选，从而实现更好的分选效果。使用自适应的K均值聚类算法对待分选数据的载频、带宽和脉宽进行聚类，对于每个聚类结果采用SDIF算法进行PRI统计，抖动信号判别，在得到PRI结果后，对同一聚类的数据结果进行参差校验，最后对不同聚类的结果进行捷变频校验，最终给出雷达的完整参数。

(一)自适应的K均值聚类算法

面对复杂电磁环境，无法预估究竟存在几部雷达信号，并且伴随侦察位置变化，雷达数量也会发生变化，因此在信号分选中，预先设置聚类种类个数，会存在偏差，对后面的结果影响很大。自适应的K均值聚类算法中，不再对聚类种类进行限定，根据待聚类数据进行判别。既若有N个待聚类数据，聚类结束后，可能会出现1～N个聚类。

由于初始聚类中心对最终聚类结果影响重大，若聚类中心选择过于接近，会导致仅仅能够得到局部最优解，非全局最优解。因此，最开始以待分选数据作为起始的聚类中心，遇见不在所有聚类中心范围内的数据，判定为新的聚类中心。

考虑实际应用中载频、脉宽和带宽测量已在硬件中广泛采用，而脉冲到达角受天线阵列方向影响较大，能够测得的角度范围有限，本文采用脉冲到达时间、载频、脉宽和带宽作为检测信号的脉冲描述字。

假设检测到的脉冲描述字数组为Θ，其表达式为：

Θ＝[P₁,P₂,…P_N]

其中P是每个脉冲描述字，表达式为：

P_j＝[TOA_j,PW_j,BW_j,RF_j]

聚类过程中，以PW、BW、RF为标准，对待分选数据进行分类。与传统的K均值聚类算法相同，采用欧式距离来衡量不同待聚类数据域聚类中心的差异性。具体形式如下：

其中，i表示第i个聚类中心，j表示第j个待分类数据。

在计算中，由于硬件精度造成的检测误差差异，以及不同雷达参数可容忍的容差不同，需要对不同的参数进行加权，得到的欧式距离才具有可比性。修改后的欧氏距离如下所示：

其中，α,β,χ分别代表脉宽、载频和带宽的权重。

其中μ表示可靠性系数，代表此变量稳定性；δ表示容差。一般通过多次测量来确定，试验参数；τ表示测量精度，有硬件平台对每个参数检测精度决定。

不再预设聚类种类，在聚类过程中，若是所有数据过于离散，聚类中心数量巨大，每一个待分选数据需与所有聚类中心进行比较，计算量和运算时间都很大，设置终止条件，能够很好的改善这种现象。

其中，PW、BW、RF表示脉宽、载频和带宽同一聚类范围内，可容忍最大波动范围。实际中，根据需要处理的雷达信号形式，以及外界环境干扰通过多次试验确定。

当d_ij＜d₀时，则判定此待聚类数据属于此聚类。d₀的设置，本质上是限定了聚类半径，能够减少传统K均值聚类算法中判别当前聚类是否误差收敛这一步，简化算法计算量，同时，在面对复杂电磁环境中，大量雷达信号时，能够减少由于孤立点存在，引起大量聚类中心存在时，需要逐个与聚类中心比较欧式距离导致的计算量和运算时间。

在有数据分配到聚类X_i后，需要对聚类中心M_i进行更新。

自适应的k均值聚类算法流程图如图9所示。自适应的k均值聚类算法具体实现步骤如下：

(1)初始化各个数组，输入N个待聚类数据；

(2)设待聚类数据编号j＝1，聚类种类k＝1，把第一个待聚类数据信息用作第一个聚类中心；

(3)待聚类编号j＝j+1；i＝1，若j>N，转至(6)；

(4)计算第j个数据与第i个聚类中心的加权欧氏距离d_ij；

(5)若d_ij<d₀，则将此带聚类数据划归至当前聚类，更新当前聚类中心，返回(3)；否则i＝i+1；若i>k，k＝k+1，将第j个待聚类数据参数信息，作为第k个聚类中心；返回(3)，否则返回(4)；

(6)输出聚类结果。

(二)SDIF算法原理

序列差值直方图法(SDIF)是在累积差值直方图算法(CDIF)基础上改进得来。流程图如图10所示。

SDIF算法主要由PRI测定和序列搜索两个步骤组成。计算不同阶的差值直方图，结果不进行累积，计算门限。若一级差仅有一个过门限，则序列检索，否则统计下一级；若多级差，则对过门限的PRI进行序列检索。超过五级差结束，进行参差鉴别。

SDIF算法中最重要的一个参量是检测门限。检测门限关系到PRI值的可靠性以及准确性。直方图的峰值与两脉冲间隔是反比关系。在有限采样时间内，脉冲间隔与脉冲数量成反比。故门限与总脉冲数E成正比，脉冲间隔τ成反比，如式所示。

式中，x是小于1的常数。

当采样时间内检测到多部雷达脉冲时，相邻脉冲间隔是随机事件，服从Poission分布。将采样时间T分为n个脉冲子间隔，在时间间隔τ＝t₂-t₁，内有k个随机Poisson出现概率为：

其中，表示采样时间内脉冲子间隔数，相邻脉冲间隔τ的概率近似为P₀(τ)＝e^-λτ，这是一级差直方图大致形式。直方图实际是随机事件的概率分布函数近似值，高级差直方图呈指数分布形式。构成第C级差值直方图的脉冲组数量为(E-C)个事件发生，Poisson流参数/>则最佳门限函数为：

T_threshold(τ)＝x(E-C)e^-τ/kN

其中E是脉冲总数，C是差的级数，k是小于1的常数，N是采样时间，常数x由实验来确定。经过大量实验，取k＝0.35，x＝0.5。

采用SDIF算法作为主分选算法，该方法对不同阶的到达时间差直方图统计结果不进行积累，简化了运算。当前极差出现满足门限的峰值后，不再对下一级差进行统计。通过差值直方图的级数和可能存在的PRI个数来判断是否进行下一步的序列搜索，减少运算量。

(三)参差雷达校验

当分选出来的两个或三个脉冲列的PRI值和抖动量十分接近，就需要进行参差鉴别，以确定他们是一个发射参差脉冲信号的雷达信号，还是几个PRI接近、抖动量相似的独立雷达信号。

假如有一个两参差的脉冲列，通过上述分选程序就会分选出两个PRI相等的独立脉冲列。同样，两个PRI相等、抖动量相近的独立脉冲列交叠在一起，也具有参差脉冲列的形式，因此，要鉴别两相似脉冲是否参差，需要从它们的根本属性上找出差别。如果是参差脉冲列，则两脉冲是由同一个定时器产生的，它们的变化是相关的，而两独立的脉冲列则不具有相关性，这种差别表现为它们的方差大小不同，参差脉冲列的方差很小，而两独立脉冲列的方差会很大。

表达式中，B_i、A_i为第i对脉冲的到达时间。

两独立脉冲列，其均方差δ_B-A接近于其抖动量PRI，而参差脉冲列的δ_B-A则远小于脉冲抖动量，因此取1/2～1/3ΔPRI作为参差鉴别的标准。

以三参差雷达信号为例。参差雷达信号载频相同，脉宽相同的一组信号，经过载频预分选和脉宽预分选后，参差雷达信号被分选到同一载频区间的同一脉宽区间内。经过SDIF算法后，会分选出三路PRI相同，脉宽相同，载频相同的信号。这三路信号TOA数据满足在前的一路信号TOA永远在在后的一路信号TOA前，并且二者间隔相等，即为子PRI。

进入参差信号检验程序时，输入所有序列差和对应的数据。数据包括到达时间、脉宽、载频、幅值。取PRI序列差的第一个(mi＝1)序列差，和其余的序列差(mi+nn)逐一比较，检测是否有相同的PRI。搜索到相同PRI后，检测二者脉宽是否相同。脉宽相同，初步判定为可能的参差雷达信号。对二者的TOA数据进行升序排列，对TOA做一级差，搜索小于PRI的一级差，记录下对应的位置。找到属于第mi个序列差在前的一级差，确定为潜在的子PRI。根据子PRI，验证是否数据满足第mi的TOA数据在前，第mi+nn的数据在后，满足判定为参差雷达信号。否则进行下一组信号的检测。

(四)频率捷变雷达校验

频率捷变雷达是常见的雷达形式，在本系统中，频率捷变雷达在聚类阶段，就会被划分到不同的聚类中，在每个聚类结束后，对不同聚类的结果进行捷变频校验。

无论脉间捷变或者脉组捷变，在不同聚类中，载频不同，其他参数脉宽、带宽、脉冲重复周期容差内都是相同的。

以5频率捷变雷达信号为例阐述最终脉间捷变雷达信号的脉冲重复周期。根据改进K-Means算法，脉间捷变雷达信号序列会被分到五个不同的聚类中。在不同聚类中，脉冲重复周期、脉宽、带宽参数在容差范围内是相同的，唯一区别在于载频不同。

在不同的聚类中搜索到五个脉冲重复周期、脉宽、带宽容差范围内相同，载频不同的PRI序列，对这些序列对应的数据进行验证，会得到脉间频率捷变雷达信号对应的雷达信号脉冲重复周期。脉间频率捷变雷达信号的PRI如下：

其中，PRI_ture表示脉间捷变雷达信号的脉冲重复周期，PRI表示不同聚类得到的PRI。

(五)抖动雷达信号分析

抖动信号的PRI是变化的，在中心值10％～15％范围内进行变化。抖动信号的载频、脉宽是相同的，因此经过载频预分选、脉宽预分选后抖动信号会被分选到同一载频区间的同一脉宽区间内。由于抖动信号的PRI不同，无法通过SDIF算法求出序列差。因此抖动信号的分选是在SDIF分选出序列差后剩余的数据中进行的。

根据抖动信号脉宽相同，对每一个脉宽预分选区间经过SDIF后剩余的TOA数据整理，做一级差，求一级差的平均值。搜索一级差最大值\最小值。如果最大值\最小值不在平均值的15％抖动范围内，删除对应的最大值\最小值，重新求剩余一级差平均值，继续比较最大值\最小值是否在平均值抖动区间内。若最大值/最小值在平均值抖动区间内，并且剩余一级差长度大于5个，认为成功分选出一部抖动信号，给出抖动信号的中心值(PRI)、脉宽、载频、幅值以及PRI容差。

(七)联合自适应K-均值聚类算法和SDIF算法信号分选

通过以上分析，本发明最终采用联合自适应K-均值聚类算法和SDIF算法进行信号分选。具体步骤如图11所示，包括：

(1)初始化，输入所有待分选数据；设聚类种类D＝0；

(2)使用改进K-均值聚类算法根据脉宽、载频、带宽，对所有数据进行聚类，聚类结果种类为D；

(3)逐一读取每个聚类数据，对每个聚类的数据使用优化SDIF算法求序列差；

(4)求得PRI个数大于1，对这些PRI进行同一信号判别和参差校验，转至(3)；若PRI个数小于2，转至(5)；

(5)仍有未处理的聚类，转至(3)，否则转至(6)；

(6)对不同聚类结果的PRI进行频率捷变雷达校验；

(7)输出分选结果。

通过本发明提出的态势感知系统能很好应用在雷达侦察系统，简单高效、时间复杂度、空间复杂度低，解决了目前在复杂密集环境及特征参数交叠严重的情况下的聚类算法聚类效果差，只能得到局部最优等问题，为复杂电磁环境下侦察系统的信号识别提供了更佳的解决方案。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (6)

1.一种基于数字信道模型的无源电磁态势感知系统，包括：

信号接收模块，用于接收N个通道的雷达信号；

信道化模块，用于将所述N个通道的雷达信号信道化，形成N路信道化信号；

参数测量模块，用于选择所述N路信道化信号中的一路作为第一信道化信号，并依据第一信道化信号形成同步脉冲，依所述同步信号完成脉冲参数测量，获得参数测量信息；

信号测向模块，用于对所述第一信道化信号以外的其他N-1路信道化信号的瞬时相位进行提取，获得角度信息；

信号分选模块，用于对所述参数测量信息和所述角度信息采用自适应K-均值聚类算法联合SDIF算法进行分析，输出雷达信号分选结果。

2.根据权利要求1所述的一种基于数字信道模型的无源电磁态势感知系统，其特征在于，所述参数测量模块采用抽取前移均匀多相滤波器组对N个通道的雷达信号进行处理，得到N路信道化信号。

3.根据权利要求1所述的一种基于数字信道模型的无源电磁态势感知系统，其特征在于，所述参数测量模块联合瞬时频率和视频脉冲进行处理，对信道进行判决。

4.根据权利要求1所述的一种基于数字信道模型的无源电磁态势感知系统，其特征在于，所述信号测向模块采用多基线相位干涉仪算法实现信号测向。

5.根据权利要求1所述的一种基于数字信道模型的无源电磁态势感知系统，其特征在于，所述信号测向模块采用多基线解模糊算法，从短基线向最大基线依次解除长基线的多值模糊。

6.根据权利要求1所述的一种基于数字信道模型的无源电磁态势感知系统，其特征在于，所述信号分选模块对参数测量信息和角度信息采用自适应K-均值聚类算法联合SDIF算法进行分析时，完成以下步骤：

(1)初始化，输入所有待分选数据；设聚类种类D＝0；

(2)使用改进K-均值聚类算法根据脉宽、载频、带宽，对所有数据进行聚类，聚类结果种类为D；

(3)逐一读取每个聚类数据，对每个聚类的数据使用优化SDIF算法求序列差；

(4)求得PRI个数大于1，对这些PRI进行同一信号判别和参差校验，转至(3)；若PRI个数小于2，转至(5)；

(5)仍有未处理的聚类，转至(3)，否则转至(6)；

(6)对不同聚类结果的PRI进行频率捷变雷达校验；

(7)输出分选结果。