WO2021135390A1 - 适用于单脉冲的lfm雷达工作模式实时分类方法及装置 - Google Patents

适用于单脉冲的lfm雷达工作模式实时分类方法及装置 Download PDF

Info

Publication number
WO2021135390A1
WO2021135390A1 PCT/CN2020/115324 CN2020115324W WO2021135390A1 WO 2021135390 A1 WO2021135390 A1 WO 2021135390A1 CN 2020115324 W CN2020115324 W CN 2020115324W WO 2021135390 A1 WO2021135390 A1 WO 2021135390A1
Authority
WO
WIPO (PCT)
Prior art keywords
lfm
pulse signal
signal
pulse
working mode
Prior art date
Application number
PCT/CN2020/115324
Other languages
English (en)
French (fr)
Inventor
方昊
邢月秀
Original Assignee
南京东科优信网络安全技术研究院有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 南京东科优信网络安全技术研究院有限公司 filed Critical 南京东科优信网络安全技术研究院有限公司
Publication of WO2021135390A1 publication Critical patent/WO2021135390A1/zh

Links

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
    • G01S7/021—Auxiliary means for detecting or identifying radar signals or the like, e.g. radar jamming signals
    • 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
    • G01S7/023—Interference mitigation, e.g. reducing or avoiding non-intentional interference with other HF-transmitters, base station transmitters for mobile communication or other radar systems, e.g. using electro-magnetic interference [EMI] reduction techniques
    • 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
    • G01S7/28—Details of pulse systems

Definitions

  • the invention relates to pulse working mode recognition, in particular to a real-time classification method and device for LFM radar working mode suitable for single pulse.
  • Radar signal recognition refers to the process of comparing the signal parameters of the measured radiation source with the parameters of the radiation source known in advance to confirm the original attributes of the radiation source. Radar signal recognition is an important prerequisite for ensuring that radar countermeasures, reconnaissance and jamming equipment effectively exert their combat effectiveness.
  • the traditional radar recognition method is based on pulse descriptor word (PDW) technology.
  • PDW pulse descriptor word
  • the technology extracts the pulse width, frequency, arrival time, angle of arrival and other parameters of the pulse signal to identify the radar system, purpose and model information, so as to grasp the working status of its related weapon system, guidance method, and understand its tactical application characteristics and activities The process of law and combat capability.
  • the traditional algorithm for radar pulse classification needs to receive a lot of pulse signals and implement it through clustering and other methods. It cannot dynamically classify the pulse working mode in real time. It has limitations in some systems that require real-time analysis.
  • the emerging radar recognition scheme based on the physical fingerprint characteristics of the device is sensitive to the signal form and modulation parameters, and needs to input pulses with the same modulation parameters, and classify the device identity for each single pulse.
  • the traditional radar working mode classification scheme is implemented under the premise of multi-pulse. There is no single-pulse-based classification algorithm for working mode to cooperate with the implementation of the physical fingerprint scheme of the device. Therefore, we need a real-time classification method of radar working mode suitable for monopulse to solve the above problems.
  • LFM Linear Frequency Modulation
  • the present invention provides a method and device for real-time classification of LFM radar operating modes suitable for monopulse, which can classify monopulse LFM radar signals in real time.
  • the method for real-time classification of LFM radar operating modes suitable for monopulse according to the present invention includes:
  • the method also includes:
  • the receiver first performs amplitude normalization, and the LFM pulse signal after amplitude normalization is:
  • i represents the serial number of the current LFM pulse signal
  • f i , ⁇ i , T i respectively represent The initial frequency, chirp slope, carrier frequency, pulse width, four parameters constitute the modulation parameters of the signal
  • Z i RF (t) is additive white Gaussian noise with a mean value of zero and a variance of ⁇ 2.
  • step (2) specifically includes:
  • the integrated frequency f i e is estimated by performing fast Fourier transform on the received LFM pulse signal, where f i e is the integrated frequency including the initial frequency f i and the carrier frequency f i c ;
  • step (2.3) specifically includes:
  • step (3) specifically includes:
  • Is the nth working mode stack The modulation parameter set in, Means finding ⁇ i and The average value of Euclidean distances of all elements in, N m represents the working mode library The number of working mode stacks;
  • the distance threshold distance ⁇ satisfies:
  • ⁇ m represents the minimum distance between all target working modes
  • ⁇ p is the maximum distance between the pulse signals of the same working mode caused by the inherent difference of the equipment and the calculation error.
  • the preset pulse flow observation window N w and the preset interference pulse working mode threshold ⁇ satisfy:
  • P I represents the ratio of the maximum number of pulse signals that interfere with the work in the total number of pulse signals
  • P T represents the ratio of the minimum number of pulse signals for the target work to the total number of pulse signals
  • sampling rate when receiving the pulse signal is greater than the Nyquist sampling rate.
  • the LFM radar operating mode real-time classification device suitable for single pulse according to the present invention includes:
  • the signal receiving module is used to receive the LFM pulse signal transmitted by the transmitter in real time, where the LFM pulse signal is a single pulse signal that has undergone up-conversion and LFM modulation;
  • Modulation parameter estimation module for estimating signal modulation parameters according to the currently received LFM pulse signal
  • Work mode library there are several work mode stacks stored in the library, and each work mode stack stores LFM pulse signals belonging to the same type of work mode;
  • the similarity comparison module is used to compare the signal modulation parameters of the currently received LFM pulse signal with all the working mode stacks in the current working mode library and store them in the working mode stack with the highest similarity; among them,
  • Work mode library simplified module used to detect the number of LFM pulse signals in all work mode stacks in the work mode library when the number of received LFM pulse signals is an integer multiple of N w, and reduce the number of LFM pulse signals to the working mode of the threshold ⁇
  • the stack is determined to be composed of interference pulses, and the work mode stack is deleted to simplify the work mode library, where N w is the preset pulse flow observation window, and ⁇ is the preset interference pulse work mode threshold.
  • the present invention has a significant advantage that: the present invention is more suitable for working mode recognition in the case of single pulse. And it can effectively cooperate with the implementation of the emerging radio frequency fingerprint device identification scheme on the LFM radar equipment, effectively solving the real-time identification problem of the LFM radar single pulse working mode.
  • Figure 1 is a flow chart of the method of the present invention
  • Figure 2 is a dynamic process of self-refinement of the working mode library of the present invention
  • Fig. 3 is a schematic diagram of the classification result of the method of the present invention for the single pulse operating mode of the LFM radar.
  • This embodiment provides a method for real-time classification of LFM radar operating modes suitable for monopulse.
  • the receiver receives the LFM pulse signal, it can classify the monopulse in real-time and use it to assist radar identity authentication.
  • the method includes:
  • the receiver receives the LFM pulse signal transmitted by the transmitter in real time, and the LFM pulse signal is a single pulse signal that has undergone up-conversion and LFM modulation.
  • the sampling rate is greater than the Nyquist sampling rate.
  • the amplitude is normalized first, and the LFM pulse signal after the amplitude normalization is:
  • i represents the serial number of the current LFM pulse signal, Represents the signal normalized to the amplitude of the current LFM pulse signal, Z i RF (t) is the additive white Gaussian noise with a mean value of zero and a variance of ⁇ 2, Indicates the initial phase, which is random, and is not configurable in the actual radar system, f i , ⁇ i , f i c , and T i respectively represent The initial frequency, chirp slope, carrier frequency, pulse width, therefore, an LFM pulse is actually determined by four modulation parameters.
  • This step specifically includes:
  • the integrated frequency f i e is estimated by performing fast Fourier transform (FFT) on the received LFM pulse signal, where f i e is the integrated frequency including the initial frequency f i and the carrier frequency f i c ;
  • the LFM signal is an oscillating waveform
  • multiple points will be obtained when directly detecting the amplitude of the original signal, which means that the pulse width cannot be accurately detected. Therefore, you can first detect the envelope of the received pulse as follows: In the formula,
  • This step specifically includes:
  • Is the nth working mode stack The modulation parameter set in, Means finding ⁇ i and The average value of Euclidean distances of all elements in, N m represents the working mode library The number of working mode stacks;
  • ⁇ is the preset distance threshold, which satisfies:
  • ⁇ m represents the minimum distance between all target working modes
  • ⁇ p is the maximum distance between the pulse signals of the same working mode caused by the inherent difference of the equipment and the calculation error. In practice, these two parameters are generally unavailable, so they are empirical values.
  • P I denotes the ratio of the maximum number of pulses in the signal to interference patterns in the total number of signal pulses
  • P T denotes the ratio of the minimum number of pulse signals in a target mode total number of pulses in the signal. In the absence of prior information, they are estimated values or empirical values.
  • each work mode stack corresponds to a type of work mode pulse.
  • This embodiment also provides a real-time classification device for LFM radar operating mode suitable for monopulse, including:
  • the signal receiving module is used to receive the LFM pulse signal transmitted by the transmitter in real time, where the LFM pulse signal is a single pulse signal that has undergone up-conversion and LFM modulation;
  • Modulation parameter estimation module for estimating signal modulation parameters according to the currently received LFM pulse signal
  • Work mode library there are several work mode stacks stored in the library, and each work mode stack stores LFM pulse signals belonging to the same type of work mode;
  • the similarity comparison module is used to compare the signal modulation parameters of the currently received LFM pulse signal with all the working mode stacks in the current working mode library and store them in the working mode stack with the highest similarity; among them,
  • Work mode library simplified module used to detect the number of LFM pulse signals in all work mode stacks in the work mode library when the number of received LFM pulse signals is an integer multiple of N w, and reduce the number of LFM pulse signals to the working mode of the threshold ⁇
  • the stack is judged to be composed of interference pulses, and the work mode stack is deleted to simplify the work mode library, where Nw is the preset pulse flow observation window, and ⁇ is the preset threshold for deleting the interference pulse work mode.
  • This device corresponds to the above-mentioned method one-to-one.
  • for the detailed introduction of each module refer to the description of the above-mentioned method, and will not be repeated.
  • each radar contains four working modes, and each working mode includes 200 pulses.
  • some interfering pulses are deliberately added in the experiment to evaluate the algorithm's anti-interference pulse ability.
  • 2,400 pulses were randomly selected from the collected data set, and pulse interference was generated by truncating, superimposing or changing its parameters, etc., with the purpose of simulating different types of interference pulses.
  • the original data set and artificially generated interference pulses are randomly mixed.
  • the entire data set includes 26,400 pulses.
  • N w 500 is fixed, and ⁇ is changed in the interval of [1,120] with a step length of 1 to analyze the influence of its work pattern recognition results.
  • Figure 2 shows the dynamic change process of the self-simplification of the work pattern library.
  • the target mode represents the working mode stack of the pulse to be identified, and the interference mode represents the dry working mode stack caused by the interference pulse (for clarity, only three interference modes are shown in this figure).
  • the working mode library is empty.
  • the algorithm optimizes the work mode library by comparing the pulse number of each existing work mode and the threshold ⁇ .
  • Fig. 3 shows the influence of the threshold ⁇ on the target pulse ratio R T of the correct classification, the ratio of the interference pulse ratio R I of the correct deletion, and the final number of patterns N L in the library.
  • R T is stable at 100%, R I changes from 0 to 100%, and N L is greater than 4. This phenomenon means that the target pulses (pulses belonging to the target operating mode) have been correctly classified. However, the interference pulses were not completely deleted because they were incorrectly judged as target pulses and pushed into the new mode.
  • R T rapidly drops from 100% to 9.08%
  • these parameters R T , R I and N L are stable at ideal values, which shows that the value of ⁇ in this range is reasonable.

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

一种适用于单脉冲的LFM雷达工作模式实时分类方法及装置，方法包括：(1)实时接收发射机发射的LFM脉冲信号；(2)根据当前接收的LFM脉冲信号估计信号调制参数；(3)将当前接收的LFM脉冲信号的信号调制参数与目前工作模式库中的所有工作模式栈进行相似性比较，并存储至相似性最高的工作模式栈中；其中，工作模式库中存储若干工作模式栈，每个工作模式栈中存储属于同一类工作模式的LFM脉冲信号；(4)当已接收的LFM脉冲信号数量是Nw的整数倍时，删除由干扰脉冲组成的工作模式栈以精简工作模式库。实时对单脉冲的LFM雷达信号的工作模式进行分类。

Description

适用于单脉冲的LFM雷达工作模式实时分类方法及装置 技术领域
本发明涉及脉冲工作模式识别，尤其涉及一种适用于单脉冲的LFM雷达工作模式实时分类方法及装置。
背景技术
雷达信号识别是指将被测辐射源信号参数和预先知道的辐射源参数进行比较以确认该辐射源本来属性的过程。雷达信号识别是保证雷达对抗侦查和干扰设备有效发挥其作战效能的重要前提。传统的雷达识别方式是基于脉冲描述字(pulse descriptor word，简称PDW)的技术。该技术提取脉冲信号的脉宽，频率，到达时间，到达角等参数对雷达的体制，用途和型号等信息进行识别，从而掌握其相关武器系统工作状态、制导方式、了解其战术运用特点、活动规律和作战能力的过程。但是随着各国电子信息技术的发展，电子战技术的要求也越来越高，雷达识别在电子对抗中扮演着重要的角色。但是随着电磁环境的日益复杂，雷达识别的要求也越来越高，随着一些复杂体制和特殊体制雷达的相继出现，雷达识别正面临着越来越严峻的挑战。
一方面，传统的对雷达脉冲分类的算法需要接收到很多脉冲信号后，通过聚类等方法实现，无法实时动态的对脉冲工作模式分类，在某些要求实时分析的系统中存在局限性。另一方面，新兴的基于设备物理指纹特征的雷达识别方案，对信号形式和调制参数敏感，需要输入调制参数相同的脉冲，并对每个单脉冲进行设备身份分类。但是传统的雷达工作模式分类方案是在多脉冲的前提下实施的。缺少基于单脉冲的工作模式分类算法以配合设备物理指纹方案的实施。因此我们需要一种适用于单脉冲的雷达工作模式实时分类方法解决上述问题。
进一步的，LFM(线性调频)信号具有非常好的探测能力和距离分辨能力。因此在声呐和雷达系统中得到了广泛应用。目前对LFM的单脉冲工作模式分类的研究不足。所以一种适用于单脉冲的LFM雷达工作模式实时分类方法是迫切需求的。
发明内容
发明目的：本发明针对现有技术存在的问题，提供一种适用于单脉冲的LFM雷达工作模式实时分类方法及装置，可以对单脉冲的LFM雷达信号进行实时分类。
技术方案：本发明所述的适用于单脉冲的LFM雷达工作模式实时分类方法包括：
(1)实时接收发射机发射的LFM脉冲信号，所述LFM脉冲信号为经过上变频和LFM调制的单脉冲信号；
(2)根据当前接收的LFM脉冲信号估计信号调制参数；
(3)将当前接收的LFM脉冲信号的信号调制参数与目前工作模式库中的所有工作模式栈进行相似性比较，并存储至相似性最高的工作模式栈中；其中，所述工作模式库中存储若干工作模式栈，每个工作模式栈中存储属于同一类工作模式的LFM脉冲信号；
(4)当已接收的LFM脉冲信号数量是N w的整数倍时，检测工作模式库中所有工作模式栈的LFM脉冲信号数量，将LFM脉冲信号数量小于阈值λ的工作模式栈判定为干扰脉冲组成，删除该工作模式栈以精简工作模式库，其中，N w为预设的脉冲流观测窗口，λ为预设的删除干扰脉冲工作模式的阈值。
进一步的，该方法还包括：
(5)计算目标脉冲比例R T、正确删除干扰脉冲的比例R I、以及工作模式库中最终存在的工作模式数N L，评估该方法的性能。
进一步的，步骤(1)中接收机接收到LFM脉冲信号后，先进行幅度归一化，幅度归一化后的LFM脉冲信号为：
Figure PCTCN2020115324-appb-000001
式中，i表示当前LFM脉冲信号的序号，
Figure PCTCN2020115324-appb-000002
表示对当前LFM脉冲信号进行幅度归一化后的信号，f i、μ i、
Figure PCTCN2020115324-appb-000003
T i分别表示
Figure PCTCN2020115324-appb-000004
的初始频率、线性调频斜率、载波频率、脉冲宽度，四个参数构成该信号的调制参数，
Figure PCTCN2020115324-appb-000005
表示初始相位，Z i RF(t)是均值为零且方差为σ 2加性高斯白噪声。
进一步的，步骤(2)具体包括：
(2.1)通过对接收的LFM脉冲信号进行快速傅里叶变换，估计出综合频率f i e，f i e为包括初始频率f i和载波频率f i c的综合频率；
(2.2)通过对接收的LFM脉冲信号进行分数阶傅里叶变换，计算得到线性调频斜率μ i；
(2.3)通过搜索接收的LFM脉冲信号的幅度，检测信号的开始和结束，获得脉冲 宽度T i；
(2.4)将综合频率f i e、线性调频斜率μ i、脉冲宽度T i作为信号
Figure PCTCN2020115324-appb-000006
的信号调制参数集Θ i＝[f i e，μ i，T i]。
进一步的，步骤(2.3)具体包括：
(2.3.1)检测接收的LFM脉冲信号
Figure PCTCN2020115324-appb-000007
的幅度包络
Figure PCTCN2020115324-appb-000008
Figure PCTCN2020115324-appb-000009
式中，||表示取绝对值；
(2.3.2)对幅度包络
Figure PCTCN2020115324-appb-000010
进行归一化；
(2.3.3)在归一化的包络上找到两个幅度值为0.5的采样点，分别记为
Figure PCTCN2020115324-appb-000011
和
Figure PCTCN2020115324-appb-000012
(2.3.4)计算脉冲宽度T i：
Figure PCTCN2020115324-appb-000013
进一步的，步骤(3)具体包括：
(3.1)若当前LFM脉冲信号为第一个LFM脉冲信号，即i＝1，当前工作模式库
Figure PCTCN2020115324-appb-000014
为空，则在工作模式库
Figure PCTCN2020115324-appb-000015
中创建一个工作模式栈
Figure PCTCN2020115324-appb-000016
并将LFM脉冲信号
Figure PCTCN2020115324-appb-000017
及其调制参数集Θ 1加入到
Figure PCTCN2020115324-appb-000018
中，即
Figure PCTCN2020115324-appb-000019
(3.2)若当前LFM脉冲信号不是第一个LFM脉冲信号，即i≠1，则计算当前LFM脉冲信号
Figure PCTCN2020115324-appb-000020
的调制参数Θ i和工作模式库
Figure PCTCN2020115324-appb-000021
中所有工作模式栈的距离；
计算距离时首先将当前LFM脉冲信号和工作模式栈的调制参数进行归一化，之后按照下式计算欧式距离：
Figure PCTCN2020115324-appb-000022
Figure PCTCN2020115324-appb-000023
是第n个工作模式栈
Figure PCTCN2020115324-appb-000024
中的调制参数集合，
Figure PCTCN2020115324-appb-000025
表示求Θ i与
Figure PCTCN2020115324-appb-000026
中所有元素的欧几里得距离的平均值，N m表示工作模式库
Figure PCTCN2020115324-appb-000027
中工作模式栈的数量；
(3.3)获取所有距离中的最小距离的索引D min：
D min＝D(I min)
I min＝arg min D(n)
其中D()表示求对应的索引；
(3.4)若D min＜γ，则判定当前LFM脉冲信号
Figure PCTCN2020115324-appb-000028
与工作模式栈
Figure PCTCN2020115324-appb-000029
相似性最高，将当前LFM脉冲信号
Figure PCTCN2020115324-appb-000030
及其调制参数Θ i加入最小距离对应的工作模式栈
Figure PCTCN2020115324-appb-000031
中；否则创建新的工作模式栈
Figure PCTCN2020115324-appb-000032
其中，γ为预设的距离门限。
进一步的，所述距离门限离γ满足：
γ p＜γ＜γ m
其中，γ m表示所有目标工作模式之间的最小距离，γ p是由于设备固有差异，计算误差引起的相同工作模式的脉冲信号之间的最大距离。
进一步的，所述预设的脉冲流观测窗口N w和预设的干扰脉冲工作模式阈值λ满足：
Figure PCTCN2020115324-appb-000033
式中，P I表示干扰工作的最大脉冲信号数在总脉冲信号数中的比例，P T表示目标工作的最小脉冲信号数在总脉冲信号数中的比例。
进一步的，接收脉冲信号时采样率大于奈奎斯特采样率。
本发明所述的适用于单脉冲的LFM雷达工作模式实时分类装置包括：
信号接收模块，用于实时接收发射机发射的LFM脉冲信号，所述LFM脉冲信号为经过上变频和LFM调制的单脉冲信号；
调制参数估计模块，用于根据当前接收的LFM脉冲信号估计信号调制参数；
工作模式库，库中存储有若干工作模式栈，每个工作模式栈中存储属于同一类工作模式的LFM脉冲信号；
相似性比较模块，用于将当前接收的LFM脉冲信号的信号调制参数与目前工作模式库中的所有工作模式栈进行相似性比较，并存储至相似性最高的工作模式栈中；其中，
工作模式库精简模块，用于当已接收的LFM脉冲信号数量是N w的整数倍时，检测工作模式库中所有工作模式栈的LFM脉冲信号数量，将LFM脉冲信号数量小于阈值λ的工作模式栈判定为干扰脉冲组成，删除该工作模式栈以精简工作模式库，其中，N w为预设的脉冲流观测窗口，λ为预设的干扰脉冲工作模式阈值。
有益效果：本发明与现有技术相比，其显著优点是：本发明更加适用于单脉冲情况下的工作模式识别。并且能有效配合新兴的射频指纹设备识别方案在LFM雷达设备上面的实施，有效地解决了LFM雷达单脉冲的工作模式的实时识别问题。
附图说明
图1为本发明的方法流程图；
图2为本发明工作模式库的自我精简的动态过程；
图3为本发明方法对于LFM雷达单脉冲工作模式分类结果示意图。
具体实施方式
本实施例提供了一种适用于单脉冲的LFM雷达工作模式实时分类方法，通过本方法，接收机接收到了LFM脉冲信号后，可以实时的对单脉冲进行工作模式分类，用于辅助雷达身份认证，如图1所示，该方法包括：
(1)接收机实时接收发射机发射的LFM脉冲信号，所述LFM脉冲信号为经过上变频和LFM调制的单脉冲信号。
其中，接收机接收脉冲信号时采样率大于奈奎斯特采样率，在接收到LFM脉冲信号后，先进行幅度归一化，幅度归一化后的LFM脉冲信号为：
Figure PCTCN2020115324-appb-000034
式中，i表示当前LFM脉冲信号的序号，
Figure PCTCN2020115324-appb-000035
表示对当前LFM脉冲信号进行幅 度归一化后的信号，Z i RF(t)是均值为零且方差为σ 2加性高斯白噪声，
Figure PCTCN2020115324-appb-000036
表示初始相位，是随机的，并且在实际雷达系统中是不可配置的，f i、μ i、f i c、T i分别表示
Figure PCTCN2020115324-appb-000037
的初始频率、线性调频斜率、载波频率、脉冲宽度，因此，一个LFM脉冲实际上由四个调制参数确定。
(2)根据当前接收的LFM脉冲信号估计信号调制参数。
该步骤具体包括：
(2.1)通过对接收的LFM脉冲信号进行快速傅里叶变换(FFT)，估计出综合频率f i e，f i e为包括初始频率f i和载波频率f i c的综合频率；
(2.2)通过对接收的LFM脉冲信号进行分数阶傅里叶变换(FrFT)，计算得到线性调频斜率μ i；
(2.3)通过搜索接收的LFM脉冲信号的幅度，检测信号的开始和结束，获得脉冲宽度T i；
由于LFM信号是振荡波形，所以直接检测原始信号的幅度时将获得多个点，这意味着不能精确地检测到脉冲宽度。因此，可以首先检测接收脉冲的包络如下：
Figure PCTCN2020115324-appb-000038
式中，||表示取绝对值；然后对幅度包络
Figure PCTCN2020115324-appb-000039
进行归一化；在归一化的包络上找到两个幅度值为0.5的采样点，分别记为
Figure PCTCN2020115324-appb-000040
和
Figure PCTCN2020115324-appb-000041
它们分别是脉冲上升沿和脉冲下降沿的到达时间。因此可计算脉冲宽度T i：
Figure PCTCN2020115324-appb-000042
(2.4)将综合频率f i e、线性调频斜率μ i、脉冲宽度T i作为信号
Figure PCTCN2020115324-appb-000043
的信号调制参数集Θ i＝[f i e，μ i，T i]。
(3)将当前接收的LFM脉冲信号的信号调制参数与目前工作模式库中的所有工作 模式栈进行相似性比较，并存储至相似性最高的工作模式栈中；其中，所述工作模式库中存储若干工作模式栈，每个工作模式栈中存储属于同一类工作模式的LFM脉冲信号。
该步骤具体包括：
(3.1)若当前LFM脉冲信号为第一个LFM脉冲信号，即i＝1，当前工作模式库
Figure PCTCN2020115324-appb-000044
为空，则在工作模式库
Figure PCTCN2020115324-appb-000045
中创建一个工作模式栈
Figure PCTCN2020115324-appb-000046
并将LFM脉冲信号
Figure PCTCN2020115324-appb-000047
及其调制参数集Θ 1加入到
Figure PCTCN2020115324-appb-000048
中，即
Figure PCTCN2020115324-appb-000049
(3.2)若当前LFM脉冲信号不是第一个LFM脉冲信号，即i≠1，则计算当前LFM脉冲信号
Figure PCTCN2020115324-appb-000050
的调制参数Θ i和工作模式库
Figure PCTCN2020115324-appb-000051
中所有工作模式栈的距离；
计算距离时首先将当前LFM脉冲信号和工作模式栈的调制参数进行归一化，之后按照下式计算欧式距离：
Figure PCTCN2020115324-appb-000052
Figure PCTCN2020115324-appb-000053
是第n个工作模式栈
Figure PCTCN2020115324-appb-000054
中的调制参数集合，
Figure PCTCN2020115324-appb-000055
表示求Θ i与
Figure PCTCN2020115324-appb-000056
中所有元素的欧几里得距离的平均值，N m表示工作模式库
Figure PCTCN2020115324-appb-000057
中工作模式栈的数量；
(3.3)获取所有距离中的最小距离的索引D min：
D min＝D(I min)
I min＝arg min D(n)
其中D()表示求对应的索引；
(3.4)若D min＜γ，则判定当前LFM脉冲信号
Figure PCTCN2020115324-appb-000058
与工作模式栈
Figure PCTCN2020115324-appb-000059
相似性最高，将当前LFM脉冲信号
Figure PCTCN2020115324-appb-000060
及其调制参数Θ i加入最小距离对应的工作模式栈
Figure PCTCN2020115324-appb-000061
中；否则创建新的工作模式栈
Figure PCTCN2020115324-appb-000062
γ为预设的距离门限，满足：
γ p＜γ＜γ m
其中，γ m表示所有目标工作模式之间的最小距离，γ p是由于设备固有差异，计算误差引起的相同工作模式的脉冲信号之间的最大距离。在实际中，这两个参数一般是无法获得的，因此他们是经验值。
实际环境中由于脉冲叠加，脉冲截断，复杂的电磁环境效应等会存在干扰脉冲的产生，它们会对雷达识别产生负面影响。需要在对接收脉冲进行工作模式分类时将它们删除或标记为干扰脉冲。因此需要执行步骤(4)精简工作模式库。
(4)当已接收的LFM脉冲信号数量是N w的整数倍时，检测工作模式库中所有工作模式栈的LFM脉冲信号数量，将LFM脉冲信号数量小于阈值λ的工作模式栈判定为干扰脉冲组成，删除该工作模式栈以精简工作模式库，其中，N w为预设的脉冲流观测窗口，λ为预设的干扰脉冲工作模式阈值。所述预设的脉冲流观测窗口N w和预设的干扰脉冲工作模式阈值λ满足：
Figure PCTCN2020115324-appb-000063
式中，P I表示干扰模式的最大脉冲信号数在总脉冲信号数中的比例，P T表示目标模式的最小脉冲信号数在总脉冲信号数中的比例。在没有先验信息的情况下，它们是估计值或经验值。
最终，工作模式库中就存储了最后的分类结果，即每一个工作模式栈对应一类工作模式的脉冲。
(5)计算目标脉冲比例R T、正确删除干扰脉冲的比例R I、以及工作模式库中最终存在的工作模式数N L，评估该方法的性能。它们的理想值为：理想值为R T＝100％，R I＝100％并且N L等于目标模式的数量。
本实施例还提供了一种适用于单脉冲的LFM雷达工作模式实时分类装置，包括：
信号接收模块，用于实时接收发射机发射的LFM脉冲信号，所述LFM脉冲信号为经过上变频和LFM调制的单脉冲信号；
调制参数估计模块，用于根据当前接收的LFM脉冲信号估计信号调制参数；
工作模式库，库中存储有若干工作模式栈，每个工作模式栈中存储属于同一类工作模式的LFM脉冲信号；
相似性比较模块，用于将当前接收的LFM脉冲信号的信号调制参数与目前工作模式库中的所有工作模式栈进行相似性比较，并存储至相似性最高的工作模式栈中；其中，
工作模式库精简模块，用于当已接收的LFM脉冲信号数量是N w的整数倍时，检测工作模式库中所有工作模式栈的LFM脉冲信号数量，将LFM脉冲信号数量小于阈值λ的工作模式栈判定为干扰脉冲组成，删除该工作模式栈以精简工作模式库，其中，N w为预设的脉冲流观测窗口，λ为预设的删除干扰脉冲工作模式的阈值。
该装置与上述方法一一对应，未详尽之处请参考上述方法，例如各模块的详细介绍参见上述方法中的描述，不再赘述。
下面对本实施例进行实验验证。
实验对采集的3个实际LFM雷达的24000个脉冲进行了脉冲工作模式识别研究。其中每个雷达都包含四种工作模式，每个工作模式包括200个脉冲。同时由于实验采集的数据中没有干扰的脉冲，因此在实验中故意添加了一些干扰脉冲，以评估算法的抗干扰脉冲的能力。从采集的数据集中随机选择了2,400个脉冲，并通过截断，叠加或更改其参数等方式生成了脉冲干扰，目的是模拟不同类型的干扰脉冲。最后，将原始数据集和人为产生的干扰脉冲随机混合。此时，整个数据集包括26,400个脉冲。实验中距离阈值配置为γ＝0.1。观察窗的长度N w和删除干扰工作模式的门限λ彼此相关。因此固定N w＝500，λ以1为步长在[1，120]的区间中进行变化，以分析它工作模式识别结果的影响。
图2显示了工作模式库自我精简的动态变化过程。其中目标模式代表要识别的脉冲的工作模式栈，干扰模式表示由干扰脉冲导致的干工作模式栈(为清楚起见，在此图中仅显示了三种干扰模式)。最初，当输入脉冲数为0时，工作模式库是空的。当脉冲输入时，该脉冲将分配给现有工作模式或创建为新工作模式。只要输入脉冲的数量是观察窗口的整数倍时(本文中为500)，该算法就会通过比较每个现有工作模式的脉冲数和阈值λ来优化工作模式库。以区间[0，500]为例，随着输入脉冲数到达观察窗口长度，目标模式和干扰模式的脉冲数增加。当输入脉冲数为500时，将清除所有干扰模式，而目标 模式将继续增。
图3显示门限λ对正确分类的目标脉冲比率R T，正确删除的干扰脉冲比率R I的比率以及库中最终存在的模式数量N L的影响。当1≤λ＜8时，R T稳定在100％，R I从0变为100％，N L大于4。这种现象意味着目标脉冲(属于目标工作模式的脉冲)均已正确分类。但是，干扰脉冲并未完全删除，因为它们被错误地判断为目标脉冲并被推入新模式。当91＜λ≤120时，R T从100％迅速下降到9.08％，R I稳定在100％，N L从4下降到2。这是因为清除了干扰脉冲。在8≤λ≤91的范围内，这些参数R T，R I和N L稳定在理想值，这表明λ在此范围内的值是合理的。
在本实验中，大多数人工干扰脉冲之间具有较大的距离，因此干扰工作模式下的最大脉冲数被认为小于100。然后，目标脉冲的最小脉冲数为6，000，总脉冲数为26，400，由此可以得到
Figure PCTCN2020115324-appb-000064
即4＜λ＜113。实验结果与该理论结果基本一致。它们之间差异的一个原因可能是输入脉冲(目标脉冲和干扰脉冲)在观察窗口内不是完全随机混合的。因此，在实际应用中，λ的设置需要考虑到理论区间的左右极限可能会向中间移动。

Claims (10)

  1. 一种适用于单脉冲的LFM雷达工作模式实时分类方法，其特征在于该方法包括：
    (1)实时接收发射机发射的LFM脉冲信号，所述LFM脉冲信号为经过上变频和LFM调制的单脉冲雷达信号；
    (2)根据当前接收的LFM脉冲信号估计信号调制参数；
    (3)将当前接收的LFM脉冲信号的信号调制参数与目前工作模式库中的所有工作模式栈进行相似性比较，并存储至相似性最高的工作模式栈中；其中，所述工作模式库中存储若干工作模式栈，每个工作模式栈中存储属于同一类工作模式的LFM脉冲信号；
    (4)当已接收的LFM脉冲信号数量是N w的整数倍时，检测工作模式库中所有工作模式栈的LFM脉冲信号数量，将LFM脉冲信号数量小于阈值λ的工作模式栈判定为由干扰脉冲组成，删除该工作模式栈以精简工作模式库，其中，N w为预设的脉冲流观测窗口，λ为预设的干扰脉冲工作模式阈值。
  2. 根据权利要求书1所述的适用于单脉冲的LFM雷达工作模式实时分类方法，其特征在于：该方法还包括：
    (5)计算目标脉冲信号比例R T、正确删除干扰脉冲的比例R I、以及工作模式库中最终存在的工作模式数N L，评估该方法的性能。
  3. 根据权利要求书1所述的适用于单脉冲的LFM雷达工作模式实时分类方法，其特征在于：步骤(1)中接收到LFM脉冲信号后，先进行幅度归一化，幅度归一化后的LFM脉冲信号为：
    Figure PCTCN2020115324-appb-100001
    式中，i表示当前LFM脉冲信号的序号，
    Figure PCTCN2020115324-appb-100002
    表示对当前LFM脉冲信号进行幅度归一化后的信号，f i、μ i、
    Figure PCTCN2020115324-appb-100003
    T i分别表示
    Figure PCTCN2020115324-appb-100004
    的初始频率、线性调频斜率、载波频率、脉冲宽度，四个参数构成该信号的调制参数，
    Figure PCTCN2020115324-appb-100005
    表示初始相位，Z i RF(t)是均值为零且方差为σ 2加性高斯白噪声。
  4. 根据权利要求书1所述的适用于单脉冲的LFM雷达工作模式实时分类方法，其 特征在于：步骤(2)具体包括：
    (2.1)通过对接收的LFM脉冲信号进行快速傅里叶变换，估计出综合频率f i e，f i e为包括初始频率f i和载波频率f i c的综合频率；
    (2.2)通过对接收的LFM脉冲信号进行分数阶傅里叶变换，计算得到线性调频斜率μ i；
    (2.3)通过搜索接收的LFM脉冲信号的幅度，检测信号的开始和结束，获得脉冲宽度T i；
    (2.4)将综合频率f i e、线性调频斜率μ i、脉冲宽度T i作为信号
    Figure PCTCN2020115324-appb-100006
    的信号调制参数集Θ i＝[f i e，μ i，T i]。
  5. 根据权利要求书4所述的适用于单脉冲的LFM雷达工作模式实时分类方法，其特征在于：步骤(2.3)具体包括：
    (2.3.1)检测接收的LFM脉冲信号
    Figure PCTCN2020115324-appb-100007
    的幅度包络
    Figure PCTCN2020115324-appb-100008
    Figure PCTCN2020115324-appb-100009
    式中，||表示取绝对值；
    (2.3.2)对幅度包络
    Figure PCTCN2020115324-appb-100010
    进行归一化；
    (2.3.3)在归一化的包络上找到两个幅度值为0.5的采样点，分别记为
    Figure PCTCN2020115324-appb-100011
    和
    Figure PCTCN2020115324-appb-100012
    (2.3.4)计算脉冲宽度T i：
    Figure PCTCN2020115324-appb-100013
  6. 根据权利要求书1所述的适用于单脉冲的LFM雷达工作模式实时分类方法，其特征在于：步骤(3)具体包括：
    (3.1)若当前LFM脉冲信号为第一个LFM脉冲信号，即i＝1，当前工作模式库
    Figure PCTCN2020115324-appb-100014
    为空，则在工作模式库
    Figure PCTCN2020115324-appb-100015
    中创建一个工作模式栈
    Figure PCTCN2020115324-appb-100016
    并将LFM脉冲信号
    Figure PCTCN2020115324-appb-100017
    及 其调制参数集Θ 1加入到
    Figure PCTCN2020115324-appb-100018
    中，即
    Figure PCTCN2020115324-appb-100019
    (3.2)若当前LFM脉冲信号不是第一个LFM脉冲信号，即i≠1，则计算当前LFM脉冲信号
    Figure PCTCN2020115324-appb-100020
    的调制参数Θ i和工作模式库
    Figure PCTCN2020115324-appb-100021
    中所有工作模式栈的距离；
    计算距离时首先将当前LFM脉冲信号和工作模式栈的调制参数进行归一化，之后按照下式计算欧式距离：
    Figure PCTCN2020115324-appb-100022
    Figure PCTCN2020115324-appb-100023
    是第n个工作模式栈
    Figure PCTCN2020115324-appb-100024
    中的调制参数集合，
    Figure PCTCN2020115324-appb-100025
    表示求Θ i与
    Figure PCTCN2020115324-appb-100026
    中所有元素的欧几里得距离的平均值，N m表示工作模式库
    Figure PCTCN2020115324-appb-100027
    中工作模式栈的数量；
    (3.3)获取所有距离中的最小距离的索引D min：
    D min＝D(I min)
    I min＝arg min D(n)
    其中D()表示求对应的索引；
    (3.4)若D min＜γ，则判定当前LFM脉冲信号
    Figure PCTCN2020115324-appb-100028
    与工作模式栈
    Figure PCTCN2020115324-appb-100029
    相似性最高，将当前LFM脉冲信号
    Figure PCTCN2020115324-appb-100030
    及其调制参数Θ i加入最小距离对应的工作模式栈
    Figure PCTCN2020115324-appb-100031
    中；否则创建新的工作模式栈
    Figure PCTCN2020115324-appb-100032
    其中，γ为预设的距离门限。
  7. 根据权利要求书6所述的适用于单脉冲的LFM雷达工作模式实时分类方法，其特征在于：所述距离门限γ满足：
    γ p＜γ＜γ m
    其中，γ m表示所有目标工作模式之间的最小距离，γ p是由于设备固有差异， 计算误差引起的相同工作模式的脉冲信号之间的最大距离。
  8. 根据权利要求1所述的适用于单脉冲的LFM雷达工作模式实时分类方法，其特征在于：所述预设的脉冲流观测窗口N w和预设的干扰脉冲工作模式阈值λ满足：
    Figure PCTCN2020115324-appb-100033
    式中，P I表示干扰工作模式的最大脉冲信号数在总脉冲信号数中的比例，P T表示目标模式的最小脉冲信号数在总脉冲信号数中的比例。
  9. 根据权利要求1所述的适用于单脉冲的LFM雷达工作模式实时分类方法，其特征在于：接收脉冲信号时采样率大于奈奎斯特采样率。
  10. 一种适用于单脉冲的LFM雷达工作模式实时分类装置，其特征在于包括：
    信号接收模块，用于实时接收发射机发射的LFM脉冲信号，所述LFM脉冲信号为经过上变频和LFM调制的单脉冲信号；
    调制参数估计模块，用于根据当前接收的LFM脉冲信号估计信号调制参数；
    工作模式库，库中存储有若干工作模式栈，每个工作模式栈中存储属于同一类工作模式的LFM脉冲信号；
    相似性比较模块，用于将当前接收的LFM脉冲信号的信号调制参数与目前工作模式库中的所有工作模式栈进行相似性比较，并存储至相似性最高的工作模式栈中；
    工作模式库精简模块，用于当已接收的LFM脉冲信号数量是N w的整数倍时，检测工作模式库中所有工作模式栈的LFM脉冲信号数量，将LFM脉冲信号数量小于阈值λ的工作模式栈判定为干扰脉冲组成，删除该工作模式栈以精简工作模式库，其中，N w为预设的脉冲流观测窗口，λ为预设的删除干扰脉冲工作模式的阈值。
PCT/CN2020/115324 2019-12-30 2020-09-15 适用于单脉冲的lfm雷达工作模式实时分类方法及装置 WO2021135390A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201911390466.6A CN111060878B (zh) 2019-12-30 2019-12-30 适用于单脉冲的lfm雷达工作模式实时分类方法及装置
CN201911390466.6 2019-12-30

Publications (1)

Publication Number Publication Date
WO2021135390A1 true WO2021135390A1 (zh) 2021-07-08

Family

ID=70304566

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2020/115324 WO2021135390A1 (zh) 2019-12-30 2020-09-15 适用于单脉冲的lfm雷达工作模式实时分类方法及装置

Country Status (2)

Country Link
CN (1) CN111060878B (zh)
WO (1) WO2021135390A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115629360A (zh) * 2022-12-21 2023-01-20 西安电子科技大学 一种线性调频的短脉冲采样调制转发干扰信号生成方法
CN115659162A (zh) * 2022-09-15 2023-01-31 云南财经大学 雷达辐射源信号脉内特征提取方法、系统及设备
CN116359855A (zh) * 2023-04-07 2023-06-30 哈尔滨工程大学 基于ngo-rf的雷达干扰效果评估方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111060878B (zh) * 2019-12-30 2021-08-24 南京东科优信网络安全技术研究院有限公司 适用于单脉冲的lfm雷达工作模式实时分类方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102749616A (zh) * 2012-06-29 2012-10-24 北京市遥感信息研究所 一种基于模糊聚类的宙斯盾系统信号分选方法
CN107817478A (zh) * 2017-10-31 2018-03-20 中国人民解放军国防科技大学 一种基于相位调制表面的异步闪烁角度欺骗干扰方法
CN108051813A (zh) * 2017-12-04 2018-05-18 湖南华诺星空电子技术有限公司 用于低空多目标分类识别的雷达探测系统及方法
WO2018158578A1 (en) * 2017-03-01 2018-09-07 University Of St Andrews Classification method and device
CN108710110A (zh) * 2018-04-11 2018-10-26 哈尔滨工程大学 一种基于马尔可夫过程决策的认知干扰方法
CN111060878A (zh) * 2019-12-30 2020-04-24 南京东科优信网络安全技术研究院有限公司 适用于单脉冲的lfm雷达工作模式实时分类方法及装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101426863B1 (ko) * 2014-03-19 2014-08-06 국방과학연구소 특징인자를 이용한 레이더 펄스내 변조형태 인식 방법
CN107301381A (zh) * 2017-06-01 2017-10-27 西安电子科技大学昆山创新研究院 基于深度学习和多任务学习策略的雷达辐射源识别方法
CN108562875B (zh) * 2018-04-24 2022-03-15 扬州健行电子科技有限公司 一种先验数据库匹配法对雷达信号的分选方法
CN108983167A (zh) * 2018-05-22 2018-12-11 中国电子科技集团公司第三十八研究所 雷达通用描述建模方法及装置
CN109272040B (zh) * 2018-09-20 2020-08-14 中国科学院电子学研究所苏州研究院 一种雷达工作模式生成方法
CN109212491A (zh) * 2018-10-17 2019-01-15 中国航天科工集团八五研究所 一种基于雷达信号指纹特征的辐射源识别方法
CN110187313B (zh) * 2019-05-31 2021-05-07 中国人民解放军战略支援部队信息工程大学 基于分数阶Fourier变换的雷达信号分选识别方法及装置
CN110346763B (zh) * 2019-07-17 2021-03-09 东南大学 一种用于雷达lfm信号的抗噪声射频指纹识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102749616A (zh) * 2012-06-29 2012-10-24 北京市遥感信息研究所 一种基于模糊聚类的宙斯盾系统信号分选方法
WO2018158578A1 (en) * 2017-03-01 2018-09-07 University Of St Andrews Classification method and device
CN107817478A (zh) * 2017-10-31 2018-03-20 中国人民解放军国防科技大学 一种基于相位调制表面的异步闪烁角度欺骗干扰方法
CN108051813A (zh) * 2017-12-04 2018-05-18 湖南华诺星空电子技术有限公司 用于低空多目标分类识别的雷达探测系统及方法
CN108710110A (zh) * 2018-04-11 2018-10-26 哈尔滨工程大学 一种基于马尔可夫过程决策的认知干扰方法
CN111060878A (zh) * 2019-12-30 2020-04-24 南京东科优信网络安全技术研究院有限公司 适用于单脉冲的lfm雷达工作模式实时分类方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115659162A (zh) * 2022-09-15 2023-01-31 云南财经大学 雷达辐射源信号脉内特征提取方法、系统及设备
CN115659162B (zh) * 2022-09-15 2023-10-03 云南财经大学 雷达辐射源信号脉内特征提取方法、系统及设备
CN115629360A (zh) * 2022-12-21 2023-01-20 西安电子科技大学 一种线性调频的短脉冲采样调制转发干扰信号生成方法
CN116359855A (zh) * 2023-04-07 2023-06-30 哈尔滨工程大学 基于ngo-rf的雷达干扰效果评估方法

Also Published As

Publication number Publication date
CN111060878A (zh) 2020-04-24
CN111060878B (zh) 2021-08-24

Similar Documents

Publication Publication Date Title
WO2021135390A1 (zh) 适用于单脉冲的lfm雷达工作模式实时分类方法及装置
CN108761418B (zh) 一种基于微多普勒特征的雷达多径目标剔除方法
Wu et al. False-target recognition against interrupted-sampling repeater jamming based on integration decomposition
Ozturk et al. RF-based low-SNR classification of UAVs using convolutional neural networks
Dudczyk A method of feature selection in the aspect of specific identification of radar signals
Cain et al. Convolutional neural networks for radar emitter classification
CN111175718A (zh) 联合时频域的地面雷达自动目标识别方法及系统
CN111832462B (zh) 一种基于深度神经网络的跳频信号检测与参数估计方法
CN108919203B (zh) 一种雷达有源干扰的识别方法及系统
CN107607916B (zh) 一种抗自卫式速度距离联合欺骗干扰方法
Ball Low signal-to-noise ratio radar target detection using Linear Support Vector Machines (L-SVM)
CN107167777A (zh) 锯齿波线性调频信号参数提取方法
CN112213697B (zh) 一种基于贝叶斯决策理论用于雷达欺骗干扰识别的特征融合方法
KR101582404B1 (ko) Uwb 레이더를 이용하여 목표물의 수를 카운팅 방법 및 장치
CN113640768A (zh) 一种基于小波变换的低分辨雷达目标识别方法
CN109031221A (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
CN112990125A (zh) 一种辐射源雷达属于目标平台的判别方法
Qian et al. Recognition of radar deception jamming based on convolutional neural network
Gao et al. Specific emitter identification based on instantaneous frequency characteristics
CN108333561B (zh) 基于位置与波形参数联合估计的多发射源被动定位方法
CN108318857B (zh) 基于分数阶傅里叶变换的多个非合作发射源被动定位方法
Lin et al. Signal generation and continuous tracking with signal attribute variations using software simulation
Li et al. Signals Deinterleaving for ES systems using Improved CFSFDP Algorithm
Ranney et al. A survey of methods for estimating pulse width and pulse repetition interval
CN113640767B (zh) 一种基于方差的低分辨雷达目标识别方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20909825

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20909825

Country of ref document: EP

Kind code of ref document: A1