RU2652791C1 - Method of the low-visible radar stations probing radio signals recognition - Google Patents
Method of the low-visible radar stations probing radio signals recognition Download PDFInfo
- Publication number
- RU2652791C1 RU2652791C1 RU2017121745A RU2017121745A RU2652791C1 RU 2652791 C1 RU2652791 C1 RU 2652791C1 RU 2017121745 A RU2017121745 A RU 2017121745A RU 2017121745 A RU2017121745 A RU 2017121745A RU 2652791 C1 RU2652791 C1 RU 2652791C1
- Authority
- RU
- Russia
- Prior art keywords
- frequency
- radio signals
- time
- portrait
- recognition
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 238000000844 transformation Methods 0.000 claims 1
- 238000006243 chemical reaction Methods 0.000 abstract description 7
- 239000000126 substance Substances 0.000 abstract 1
- 230000001629 suppression Effects 0.000 abstract 1
- 238000009826 distribution Methods 0.000 description 10
- 239000013598 vector Substances 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 235000020004 porter Nutrition 0.000 description 1
- 230000003595 spectral 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/04—Systems determining presence of a target
-
- 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
-
- 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
- G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
- G01S7/523—Details of pulse systems
- G01S7/526—Receivers
- G01S7/53—Means for transforming coordinates or for evaluating data, e.g. using computers
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
Description
Изобретение относится к распознаванию образов, а именно к способам распознавания радиосигналов, в частности к способам распознавания вида и параметров модуляции зондирующих радиосигналов малозаметных радиолокационных станций. Способ может быть использован в технических средствах, выполняющих задачу идентификации радиосигналов малозаметных радиолокационных станций с усложненной частотно-временной структурой.The invention relates to pattern recognition, and in particular to methods for recognizing radio signals, in particular to methods for recognizing the type and modulation parameters of probing radio signals of stealth radars. The method can be used in technical means that perform the task of identifying radio signals of stealth radars with a complicated time-frequency structure.
Известен способ распознавания сигналов [Омельченко В. Распознавание сигналов по спектру мощности в оптимальном базисе Карунена-Лоэва. - Известия ВУЗов MB и ССО СССР. Сер. Радиоэлектроника, 1980 г., №12, С. 11-18], при котором вычисляют энергетический спектр сигнала, затем выполняют над ним преобразование Карунена-Лоэва и на основе полученных признаков сначала производят селекцию сигналов на полезные и мешающие, а затем, в случае полезного сигнала, осуществляют его сравнение с имеющимися эталонными классами и отнесение к одному из них.A known method of signal recognition [Omelchenko V. Recognition of signals by the power spectrum in the optimal Karunen-Loeva basis. - Proceedings of the universities MB and MTR of the USSR. Ser. Radio electronics, 1980, No. 12, pp. 11-18], in which the energy spectrum of the signal is calculated, then the Karunen-Loev transform is performed on it and based on the obtained characteristics, the signals are first selected for useful and interfering, and then, in the case of useful signal, carry out its comparison with the existing reference classes and assignment to one of them.
Недостатком данного способа является относительно низкая вероятность правильного распознавания1 (Вероятность правильного распознавания - относительная частота принятия правильного решения при отнесении принятого радиосигнала к одному из эталонных классов. Событие правильного распознавания является противоположным (дополнительным) к событию ошибочного распознавания (Ррасп=1-Рош) - см. Дж. Ту, Р. Гонсалес. Принципы распознавания образов. Пер. с англ. - М.: Мир, 1978 г. // С. 142-152) сигналов, имеющих похожие спектры, что обусловлено слабой контрастностью сформированных признаков распознавания.The disadvantage of this method is the relatively low probability of correct recognition 1 (The probability of correct recognition is the relative frequency of making the right decision when assigning the received radio signal to one of the reference classes. The correct recognition event is the opposite (additional) to the error recognition event (P dec = 1-R osh ) - see J. Tu, R. Gonzalez. Principles of pattern recognition. Transl. from English. - Moscow: Mir, 1978 // P. 142-152) of signals having similar spectra, which is due to weak contrast the density of the formed recognition features.
Известен также способ распознавания радиосигналов на основе сингулярного разложения псевдо-частотно-временного распределения (псевдо-ЧВР) Вигнера - Вилле [Marinovic N., Eichmann G. An expansion of Wigner distribution and its applications. - Proc. IEEE ICASSP-85, 1985, pp. 1021-1024], в котором предварительно на основе псевдо-ЧВР Вигнера - Вилле формируют матрицы распределения энергии эталонных радиосигналов, выполняют их спектральное разложение, формируют параметры эталонных радиосигналов, затем принимают распознаваемый радиосигнал, дискретизируют и квантуют его, формируют матрицу распределения энергии принятого радиосигнала, выделяют признаки принятого радиосигнала, сравнивают их с параметрами эталонных радиосигналов и по результатам сравнения идентифицируют принятый радиосигнал.There is also known a method for recognizing radio signals based on the singular decomposition of the pseudo-frequency-time-distribution (pseudo-CWR) Wigner - Wille [Marinovic N., Eichmann G. An expansion of Wigner distribution and its applications. - Proc. IEEE ICASSP-85, 1985, pp. 1021-1024], in which the energy distribution matrices of the reference radio signals are first formed on the basis of the Wigner-Ville pseudo-FWM, their spectral decomposition is performed, the parameters of the reference radio signals are formed, then the recognized radio signal is received, sampled and quantized, the energy distribution matrix of the received radio signal is generated, they identify the signs of the received radio signal, compare them with the parameters of the reference radio signals and identify the received radio signal from the results of the comparison.
Недостатком указанного способа является относительно низкая вероятность правильного распознавания радиосигналов со сложной частотно-временной структурой, а также радиосигналов при воздействии на них шумов и помех, что обусловлено особенностями используемого для распознавания псевдо-ЧВР Вигнера - Вилле [Коэн Л. Время - частотные распределения. Обзор // ТИИЭР, 1989 г., т. 77, №10. С. 72-121]. Снижение вероятности правильного распознавания происходит вследствие появления интерференционного фона и ложных пиков мощности в псевдо-ЧВР Вигнера - Вилле, искажающих реальную картину распределения энергии сигнала в координатах частота - время.The disadvantage of this method is the relatively low probability of correct recognition of radio signals with a complex time-frequency structure, as well as radio signals when exposed to noise and interference, which is due to the peculiarities of the Wigner-Ville [Cohen L., time-frequency distributions used for recognition of pseudo-CVMs. Review // TIIER, 1989, v. 77, No. 10. S. 72-121]. The probability of correct recognition is reduced due to the appearance of interference background and false power peaks in the Wigner-Ville pseudo-FWM, which distort the real picture of the signal energy distribution in frequency-time coordinates.
Наиболее близким аналогом по технической сущности к заявленному является способ распознавания радиосигналов по патенту РФ №2356064 С2, от 20.05.2009 г. В ближайшем аналоге предварительно задают эталонные радиосигналы; выполняют операцию фреймового вейвлет-преобразования над множеством дискретных и квантованных отсчетов эталонных радиосигналов; формируют матрицы распределения энергии эталонных радиосигналов после исключения малозначимых вейвлет-коэффициентов из последовательностей нормированных и ранжированных вейвлет-коэффициентов; формируют векторы признаков эталонных радиосигналов построчной конкатенацией элементов матриц распределения энергии; выполняют операцию фреймового вейвлет-преобразования над множеством дискретных и квантованных отсчетов принятого распознаваемого радиосигнала; формируют матрицу распределения энергии распознаваемого радиосигнала после исключения малозначимых вейвлет-коэффициентов из последовательностей нормированных и ранжированных вейвлет-коэффициентов; формируют вектор признаков распознаваемого радиосигнала построчной конкатенацией элементов матрицы распределения энергии; сравнивают векторы признаков распознаваемого радиосигнала с векторами признаков эталонных радиосигналов; принимают решения о принадлежности распознаваемого радиосигнала к одному из эталонных радиосигналов.The closest analogue in technical essence to the claimed one is the method of recognition of radio signals according to RF patent No. 2356064 C2, dated 05/20/2009. In the closest analogue, reference radio signals are preliminarily set; performing a frame wavelet transform operation on a plurality of discrete and quantized samples of reference radio signals; generate energy distribution matrices of the reference radio signals after excluding the insignificant wavelet coefficients from the sequences of normalized and ranked wavelet coefficients; form feature vectors of reference radio signals by line-by-line concatenation of elements of energy distribution matrices; performing a frame wavelet transform operation on a plurality of discrete and quantized samples of a received recognizable radio signal; form a matrix of the energy distribution of the recognized radio signal after excluding the insignificant wavelet coefficients from the sequences of normalized and ranked wavelet coefficients; form a feature vector of a recognizable radio signal by line-by-line concatenation of elements of an energy distribution matrix; comparing the feature vectors of the recognizable radio signal with the feature vectors of the reference radio signals; make decisions on whether the recognized radio signal belongs to one of the reference radio signals.
Недостатком способа-прототипа является относительно низкая вероятность правильного распознавания радиосигналов при низком отношении сигнал/шум (от минус 4 до 4 дБ).The disadvantage of the prototype method is the relatively low probability of correct recognition of radio signals with a low signal to noise ratio (from
Целью заявленного технического решения является разработка способа распознавания радиосигналов, обеспечивающего повышение вероятности распознавания за счет устранения в формируемом частотно-временном портере сигнала шумовой составляющей.The purpose of the claimed technical solution is to develop a method for recognizing radio signals, which increases the likelihood of recognition by eliminating the noise component in the generated time-frequency porter.
Заявленное техническое решение расширяет арсенал средств аналогичного назначения.The claimed technical solution expands the arsenal of funds for a similar purpose.
Поставленная цель достигается тем, что в известном способе распознавания радиосигналов, вместо операции фреймового вейвлет-преобразования [Дьяконов В. Вейвлеты. От теории к практике. - М.: СОЛОН-Р, - 2002 г., 448 С.//С. 106] для получения частотно-временного портрета выполняется преобразование Чоя-Вильямса [G.J. Upperman, T.L.O. Upperman, D. Fouts, and P. Pace, ''Efficient timefrequency and bi-frequency signal processing on a reconfigurable computer,'' IEEE Asilomar Conf., pp. 176-180, 2008] с последующим шумоподавлением с помощью дискретного S-преобразования (преобразование Стоквелла) [Y. Wang and J. Orchard, ''The Discrete Orthonormal Stockwell Transform for Image Restoration,'' in 16th IEEE International Conference on Image Processing, 2009, pp. 2761-2764; H. Huang, F. Sun, ''Medical-Image Denoising and Compressing Using Discrete Orthonormal Stransform,'' in 2nd International Conference on Electrical, computer Engineering and Electronics (ICECEE 2015), 2015, vol. 291, no. Icecee, pp. 291-296].This goal is achieved by the fact that in the known method of recognizing radio signals, instead of the operation of the frame wavelet transform [Dyakonov V. Wavelets. From theory to practice. - M .: SOLON-R, - 2002, 448 S. // S. 106] to obtain the time-frequency portrait, the Choi-Williams transform [G.J. Upperman, T.L.O. Upperman, D. Fouts, and P. Pace, '' Efficient timefrequency and bi-frequency signal processing on a reconfigurable computer, '' IEEE Asilomar Conf., Pp. 176-180, 2008] followed by noise reduction using the discrete S-transform (Stockwell transform) [Y. Wang and J. Orchard, '' The Discrete Orthonormal Stockwell Transform for Image Restoration, '' in 16th IEEE International Conference on Image Processing, 2009, pp. 2761-2764; H. Huang, F. Sun, '' Medical-Image Denoising and Compressing Using Discrete Orthonormal Stransform, '' in 2nd International Conference on Electrical, computer Engineering and Electronics (ICECEE 2015), 2015, vol. 291, no. Icecee, pp. 291-296].
Для идентификации сигналов используется критерий различия (схожести) полученного частотно-временного портрета с эталоном. В качестве метрики используется двумерный коэффициент корреляции:To identify the signals, a criterion for the difference (similarity) of the obtained time-frequency portrait with a standard is used. As a metric, a two-dimensional correlation coefficient is used:
[Теоретические основы частотно-временного анализа кратковременных сигналов: Монография / С.Н. Агиевич, С.В. Дворников, A.M. Кудрявцев. - СПб.: ВАС, 2010, с. 240 // с. 140].[Theoretical foundations of the time-frequency analysis of short-term signals: Monograph / S.N. Agievich, S.V. Janitors, A.M. Kudryavtsev. - SPb .: YOU, 2010, p. 240 // p. 140].
Распознаваемый радиосигнал считают инцидентным эталонному радиосигналу, если двумерный коэффициент корреляции их частотно-временных портретов максимален.A recognized radio signal is considered incident to the reference radio signal if the two-dimensional correlation coefficient of their time-frequency portraits is maximized.
Благодаря новой совокупности существенных признаков в заявленном способе обеспечивается повышение вероятности распознавания радиосигналов при низком отношении сигнал/шум (от минус 4 до 4 дБ) за счет того, что дискретное S-преобразование качественнее выполняет операцию шумоподавления, чем фреймовое вейвлет-преобразование [S. Saoud, М. Ben Naser New Speech Enhancement based on Discrete Orthonormal Stockwell Transform // International Journal of Advanced Computer Science and Applications, Vol. 7, No. 10, 2016, p. 196; Y. Wang, ''Efficient Stockwell transform with applications to image processing'', PhD thesis, University of Waterloo, Ontario Canada, 2011]. Этим достигается повышение вероятности распознавания.Thanks to a new set of essential features, the claimed method provides an increase in the probability of recognition of radio signals with a low signal-to-noise ratio (from
Заявленный способ поясняется чертежами, на которых показаны:The claimed method is illustrated by drawings, which show:
фиг. 1 - обобщенная структурная схема процесса распознавания;FIG. 1 is a generalized structural diagram of a recognition process;
фиг. 2 - пример частотно-временного портрета эталонного радиосигнала, полученный на основе преобразования Чоя-Вильямса;FIG. 2 is an example of a frequency-time portrait of a reference radio signal obtained based on a Choi-Williams transform;
фиг. 3 - пример частотно-временного портрета распознаваемого радиосигнала до выполнения операции шумоподавления;FIG. 3 is an example of a frequency-time portrait of a recognized radio signal prior to performing a noise reduction operation;
фиг. 4 - пример частотно-временного портрета распознаваемого радиосигнала после выполнения операции шумоподавления, с помощью S-преобразования;FIG. 4 is an example of a time-frequency portrait of a recognizable radio signal after performing a noise reduction operation using S-conversion;
фиг. 5 - обобщенный график зависимости вероятности правильного распознавания от отношения сигнал/шум (ОСШ) для способа прототипа и предлагаемого способа.FIG. 5 is a generalized graph of the dependence of the probability of correct recognition on the signal-to-noise ratio (SNR) for the prototype method and the proposed method.
В общем случае процесс распознавания (фиг. 1) включает в себя следующие процедуры: формирование частотно-временных портретов {P1…PN} для множества {S1(t)…SN(t)} эталонных радиосигналов; формирование частотно-временного портрета 
Заявленный способ позволяет за счет более качественного шумоподавления повысить вероятность распознавания радиосигналов и тем самым разрешить противоречие, обусловленное необходимостью повышения вероятности распознавания радиосигналов при низких отношениях сигнал/шум (от минус 4 до 4 дБ) при возрастающем объеме энергетически скрытных радиосигналов.The claimed method allows due to better noise reduction to increase the probability of recognition of radio signals and thereby resolve the contradiction due to the need to increase the probability of recognition of radio signals at low signal-to-noise ratios (from
Реализация заявленного способа объясняется следующим образом.The implementation of the claimed method is explained as follows.
Предварительно задают n эталонных радиосигналов, число и типы которых охватывают возможное число и типы реальных радиосигналов, подлежащих распознаванию в соответствии с заданием на их распознавание. Затем выполняют совокупность операций с целью формирования частотно-временного портрета каждого n-го эталонного радиосигнала, где n=1, …, N. Для этого каждый эталонный радиосигнал, представленный в цифровой форме, подвергают частотно-временному преобразованию Чоя-Вильямса, которое описано в [G.J. Upperman, T.L.O. Upperman, D. Fouts, and P. Pace, ''Efficient timefrequency and bi-frequency signal processing on a reconfigurable computer,'' IEEE Asilomar Conf., pp. 176-180, 2008]. На фиг. 2 показан пример частотно-временного портрета эталонного радиосигнала. Над частотно-временным портретом принятого распознаваемого сигнала дополнительно выполняют операцию шумоподавления с помощью дискретного S-преобразования, описанного в [S. Saoud, М. Ben Naser New Speech Enhancement based on Discrete Orthonormal Stockwell Transform // International Journal of Advanced Computer Science and Applications, Vol. 7, No. 10, 2016, p. 196; Y. Wang, ''Efficient Stockwell transform with applications to image processing'', PhD thesis, University of Waterloo, Ontario Canada, 2011]. Пороговую обработку при шумоподавлении выполняют в соответствии с правилами, изложенными в [Смоленцев Н.К. Основы теории вейвлетов. Вейвлеты в MATLAB. - М.: ДМК Пресс, 2005, с. 304 // с. 218]. Конкретное значение порога зависит от вида сигнала, требуемой вероятности распознавания и времени, отводимого на распознавание. На фиг. 3 представлен пример частотно-временного портрета распознаваемого радиосигнала до выполнения операции шумоподавления при отношении сигнал/шум 0 дБ.Pre-set n reference radio signals, the number and types of which cover the possible number and types of real radio signals to be recognized in accordance with the task for their recognition. Then, a set of operations is performed to form a time-frequency portrait of each n-th reference radio signal, where n = 1, ..., N. For this, each reference radio signal, presented in digital form, is subjected to the time-frequency Choy-Williams transformation, which is described in [Gj Upperman, T.L.O. Upperman, D. Fouts, and P. Pace, '' Efficient timefrequency and bi-frequency signal processing on a reconfigurable computer, '' IEEE Asilomar Conf., Pp. 176-180, 2008]. In FIG. 2 shows an example of a time-frequency portrait of a reference radio signal. Over the time-frequency portrait of the received recognizable signal, an additional noise reduction operation is performed using the discrete S-conversion described in [S. Saoud, M. Ben Naser New Speech Enhancement based on Discrete Orthonormal Stockwell Transform // International Journal of Advanced Computer Science and Applications, Vol. 7, No. 10, 2016, p. 196; Y. Wang, '' Efficient Stockwell transform with applications to image processing '', PhD thesis, University of Waterloo, Ontario Canada, 2011]. The threshold processing for noise reduction is performed in accordance with the rules set forth in [Smolentsev N.K. Fundamentals of the theory of wavelets. Wavelets in MATLAB. - M.: DMK Press, 2005, p. 304 // p. 218]. The specific threshold value depends on the type of signal, the required recognition probability, and the time taken for recognition. In FIG. Figure 3 shows an example of a time-frequency portrait of a recognized radio signal before performing a noise reduction operation at a signal-to-noise ratio of 0 dB.
Введение дополнительной операции шумоподавления с помощью S-преобразования приводит к повышению вероятности распознавания радиосигнала при низком отношении сигнал/шум (от минус 4 до 4 дБ). На фиг. 4 представлен пример частотно-временного портрета распознаваемого радиосигнала после выполнения операции шумоподавления при отношении сигнал/шум 0 дБ.The introduction of an additional operation of noise reduction using S-conversion leads to an increase in the probability of recognition of a radio signal at a low signal to noise ratio (from
Сравнительная оценка вероятности правильного распознавания Ррасп с помощью заявленного способа и способа-прототипа осуществлялась с помощью математического моделирования на ЭВМ в среде MATLAB. В качестве распознаваемых сигналов использованы модели сигналов малозаметных радиолокационных станций с частотной и фазовой модуляцией [Войнов, Д.С. Сигналы малозаметных радиолокационных станций / Д.С. Войнов [и др.]; Череповец: ЧВВИУРЭ, 2015 - 13 с.: ил. - Деп. в ЦВНИ МО РФ 14.10.2015, № Б8677]: многочастотный сигнал по коду Костаса (варианты массивов частот (100 500 400 600 200 300) МГц, (500 400 600 200 300 100) МГц (200 400 800 500 1000 900 700 300 600 100) МГц), фазоманипулированный (по кодам Баркера (7, 11, 13), P1, Р2, Р3, Р4, T1, Т2, Т3, Т4, Фрэнка).A comparative assessment of the probability of correct recognition of R dec using the claimed method and the prototype method was carried out using mathematical modeling on a computer in MATLAB. As recognizable signals, signal models of subtle radar stations with frequency and phase modulation were used [Voinov, D.S. Signals of stealth radar / D.S. Voinov [et al.]; Cherepovets: CHVVIURE, 2015 - 13 pp., Ill. - Dep. at TsVNI of the Russian Federation Defense Ministry on October 14, 2015, No. B8677]: multi-frequency signal according to the Costas code (frequency arrays (100 500 400 600 200 300) MHz, (500 400 600 200 300 100) MHz (200 400 800 500 1000 900 700 300 600 100) MHz), phase-manipulated (according to Barker codes (7, 11, 13), P1, P2, P3, P4, T1, T2, T3, T4, Frank).
Радиосигналы нормированы относительно уровня средней мощности. Параметры эталонов формировались по 100 выборкам каждого сигнала. Для оценки вероятности правильного распознавания Ррасп применялся метод Монте-Карло по 100 выборкам для каждого сигнала при различных отношениях мощности сигнала Рс и мощности шума Рш в диапазоне от минус 4 до 20 дБ (фиг. 5). Результаты сравнительных расчетов показали, что вероятность правильного распознавания радиосигналов заявленным способом выше, чем способом-прототипом (фиг. 5) в области низких (от минус 4 ч - 4 дБ) значений Рс/Рш в 1,4-3,1 раза. Что указывает на возможность достижения технического результата при использовании заявленного способа - повышение вероятности распознавания радиосигналов.The radio signals are normalized to the average power level. The parameters of the standards were formed for 100 samples of each signal. To assess the probability of correct recognition of P dec , the Monte Carlo method was used for 100 samples for each signal for various ratios of the signal power P c and the noise power R w in the range from
На основании приведенного описания из известных комплектующих с применением известного в радиоэлектронной промышленности технологического оборудования может быть изготовлено техническое средство, выполняющее задачу распознавания радиосигналов. Таким образом, заявляемый способ соответствует критерию изобретения «применимость».Based on the above description, technical means can be manufactured from known components using known technological equipment in the electronics industry that performs the task of recognizing radio signals. Thus, the claimed method meets the criteria of the invention of "applicability".
Claims (1)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2017121745A RU2652791C1 (en) | 2017-06-20 | 2017-06-20 | Method of the low-visible radar stations probing radio signals recognition |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2017121745A RU2652791C1 (en) | 2017-06-20 | 2017-06-20 | Method of the low-visible radar stations probing radio signals recognition |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2652791C1 true RU2652791C1 (en) | 2018-05-03 |
Family
ID=62105322
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2017121745A RU2652791C1 (en) | 2017-06-20 | 2017-06-20 | Method of the low-visible radar stations probing radio signals recognition |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2652791C1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2716017C1 (en) * | 2019-08-21 | 2020-03-05 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Method of determining the types of radar signals in an autocorrelation receiver |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4626853A (en) * | 1984-07-20 | 1986-12-02 | Westinghouse Electric Corp. | Pulse compression radar signal processor |
| JPH06213943A (en) * | 1992-12-04 | 1994-08-05 | Thomson Csf | Apparatus for reception and processing of radar signal for radio-wave jamming analyzer |
| US6567034B1 (en) * | 2001-09-05 | 2003-05-20 | Lockheed Martin Corporation | Digital beamforming radar system and method with super-resolution multiple jammer location |
| WO2003079041A2 (en) * | 2002-03-15 | 2003-09-25 | Lockheed Martin Corporation | System and method for target signature calculation and recognition |
| RU2343500C1 (en) * | 2007-08-01 | 2009-01-10 | 0ткрытое акционерное общество Научно-производственное объединение "ТРАНСКОМСОФТ" | Nearly visible radar finder |
| RU2356064C2 (en) * | 2007-04-24 | 2009-05-20 | ВОЕННАЯ АКАДЕМИЯ СВЯЗИ имени С.М. Буденного | Method of identifying radio signals |
| RU2401435C2 (en) * | 2008-12-01 | 2010-10-10 | Министерство обороны Российской Федерации Государственное образовательное учреждение высшего профессионального образования ВОЕННАЯ АКАДЕМИЯ СВЯЗИ имени С.М. Буденного | Method of forming technical identification features of radio-frequency radiation sources |
| RU2534222C1 (en) * | 2013-05-13 | 2014-11-27 | Открытое акционерное общество "Конструкторсоке бюро по радиоконтролю систем управления, навигации и связи" (ОАО "КБ "Связь") | Nearly invisible moving objects detection method |
| JP6213943B1 (en) * | 2016-05-19 | 2017-10-18 | パナソニックＩｐマネジメント株式会社 | Blood pressure estimation device, blood pressure estimation method, and computer program |
-
2017
- 2017-06-20 RU RU2017121745A patent/RU2652791C1/en not_active IP Right Cessation
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4626853A (en) * | 1984-07-20 | 1986-12-02 | Westinghouse Electric Corp. | Pulse compression radar signal processor |
| JPH06213943A (en) * | 1992-12-04 | 1994-08-05 | Thomson Csf | Apparatus for reception and processing of radar signal for radio-wave jamming analyzer |
| US6567034B1 (en) * | 2001-09-05 | 2003-05-20 | Lockheed Martin Corporation | Digital beamforming radar system and method with super-resolution multiple jammer location |
| WO2003079041A2 (en) * | 2002-03-15 | 2003-09-25 | Lockheed Martin Corporation | System and method for target signature calculation and recognition |
| RU2356064C2 (en) * | 2007-04-24 | 2009-05-20 | ВОЕННАЯ АКАДЕМИЯ СВЯЗИ имени С.М. Буденного | Method of identifying radio signals |
| RU2343500C1 (en) * | 2007-08-01 | 2009-01-10 | 0ткрытое акционерное общество Научно-производственное объединение "ТРАНСКОМСОФТ" | Nearly visible radar finder |
| RU2401435C2 (en) * | 2008-12-01 | 2010-10-10 | Министерство обороны Российской Федерации Государственное образовательное учреждение высшего профессионального образования ВОЕННАЯ АКАДЕМИЯ СВЯЗИ имени С.М. Буденного | Method of forming technical identification features of radio-frequency radiation sources |
| RU2534222C1 (en) * | 2013-05-13 | 2014-11-27 | Открытое акционерное общество "Конструкторсоке бюро по радиоконтролю систем управления, навигации и связи" (ОАО "КБ "Связь") | Nearly invisible moving objects detection method |
| JP6213943B1 (en) * | 2016-05-19 | 2017-10-18 | パナソニックＩｐマネジメント株式会社 | Blood pressure estimation device, blood pressure estimation method, and computer program |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2716017C1 (en) * | 2019-08-21 | 2020-03-05 | Федеральное государственное казенное военное образовательное учреждение высшего образования "Военный учебно-научный центр Военно-воздушных сил "Военно-воздушная академия имени профессора Н.Е. Жуковского и Ю.А. Гагарина" (г. Воронеж) Министерства обороны Российской Федерации | Method of determining the types of radar signals in an autocorrelation receiver |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107688120A (en) | Signals and associated noises processing method and iteration singular spectrum Soft-threshold Denoising Method based on fuzzy entropy | |
| CN105188133B (en) | A kind of subspaces KR DOA estimation method based on quasi- stationary signal part covariance matching | |
| RU2652791C1 (en) | Method of the low-visible radar stations probing radio signals recognition | |
| Malini et al. | Image denoising using multiresolution singular value decomposition transform | |
| RU2356064C2 (en) | Method of identifying radio signals | |
| Kostenko et al. | Surrogate data generation technology using the SSA method for enhancing the effectiveness of signal spectral analysis | |
| CN110147848B (en) | Radiation source individual characteristic enhancing method based on time-varying filtering theory | |
| RU2423735C1 (en) | Method of detecting radio signals | |
| CN111695444A (en) | Radiation source individual feature extraction method based on wave atomic transformation | |
| RU2430417C1 (en) | Radio signal recognition method | |
| Kulkarni et al. | Speech recognition using wavelet packets, neural networks and support vector machines | |
| RU2466455C1 (en) | Method to detect radio signals | |
| Mahajan et al. | Analysis of blind separation of noisy mixed images based on wavelet thresholding and independent component analysis | |
| Larsson et al. | Fast implementation of two-dimensional APES and CAPON spectral estimators | |
| CN108053835B (en) | Noise estimation method based on channel Taylor series | |
| CN116520277B (en) | Radar target recognition method and system based on separated convolution network | |
| Liu et al. | Underdetermined instantaneous blind source separation of sparse signals with temporal structure using the state-space model | |
| RU2464633C1 (en) | Method of identifying radio signals | |
| Wong et al. | Reduced rank hybrid target detectors for maritime environments | |
| CN110336574B (en) | Method and device for recovering source signals | |
| CN110602332B (en) | Communication line feature extraction method, communication line identification method and device | |
| Dvornikov et al. | STATISTICAL ARITHMETIC CODING ALGORITHM ADAPTIVE TO CORRELATION PROPERTIES OF WAVELET TRANSFORM COEFFICIENTS | |
| Shi et al. | A Novel Complex Valued Blind Signal Extraction Method for Adaptive Interference Suppression in Civil Aviation Air-to-Ground Communication | |
| Hung et al. | Exploiting the non-uniform frequency-resolution spectrograms to improve the deep denoising auto-encoder for speech enhancement | |
| Ponomarenko et al. | Lossy and visually lossless compression of single-look SAR images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20190621 |