一种基于信号级特征的S模式辅助译码方法

郑 超 赵浩然

(四川九洲空管科技有限责任公司 四川绵阳 621000)

0 引言

20世纪70年代以来，二次雷达作为空中交通管制的传感器被广泛使用并不断发展。与一次雷达通过发射电磁波并接收目标反射回来的电磁波来测量目标的距离、速度、高度等信息不同，二次雷达通过地面接收机发射询问信号，当机载应答机接收到询问信号后解析询问信号，并按照相应格式进行应答，应答信息包含飞机代码、高度、距离等信息。随着计算科学的迅速发展，雷达的数字化特征和软件化特征日趋明显，数字化雷达以面向功能为核心，注重标准化模块化数字平台构建，模拟的信号被量化后以离散数字的形式表达，软件化雷达以面向需求为核心，信息以数据的形式表达，功能由软件定义，功能开放，性能可扩展。这就要求雷达设计人员从不同维度尝试新的方法解决雷达存在的问题，同时也提供了使用新方法的平台。

传统二次雷达采用A/C模式进行航空管制，其中A模式共有4096种编码，表示飞机代码等信息，C模式共2048种编码，表示飞机的高度信息[1]。近年来，随着空中交通日益繁忙、空中电磁环境日趋复杂，A/C模式二次雷达暴露出较多缺点，主要表现在同步窜扰、异步干扰以及代码数量少不能满足飞行要求等，这些都严重降低了数据使用效率。在这种情况下S模式的使用被提上日程[2]，相对于A/C模式，S模式具有如下优点：第一，S模式的飞机的地址码用24位表示，可以表征的飞机数量是A/C模式的数千倍，有效缓解了编码数量不足的缺点；第二，S模式采用全呼和点名的方式进行询问，可以针对某个目标进行单独询问，降低询问次数，提高数据使用效率；第三，较A/C模式，S模式的信息精度提高了2倍；第四，S模式具备数据链功能，可传递更多信息。但是，与此同时，鉴于S模式询问的次数较少，S模式数据位数较长，S模式应答信号译码本身难度增大，而且被其他模式应答干扰从而造成信号交织窜扰的可能性也变大，造成数据无效的风险增大进而会威胁安全飞行，因此除了常规译码手段外急需多种手段辅助译码、排除干扰、解决交织窜扰从而保证数据的使用效率。在近年的研究中，有组织和专家学者提出把整个地区区域的所有S模式雷达系统进行组网用于解决干扰、交织等二次雷达系统存在的问题[3-4]，该方法是一个系统工程，实现后可以大幅提高二次雷达的运行效率，但是其缺点是成本高代价大的同时并不能提高单部二次雷达系统的性能；提高单部S模式二次雷达性能的已有文献主要是通过阵列信号数据处理的方法从空域上对信号就行分离处理，主要涉及MUSIC、PA(投影技术)等方法[5-7]，这些方法能够取得良好效果的前提是二次雷达系统采用阵列天线接收信号，但是目前很多二次雷达系统依然采用传统机械扫描的方式，限制了这些方法的使用。

考虑到飞行器、二次雷达机载应答机、飞行器S模式代码在飞行过程中具有一一对应性和长期对应不变性(每个飞行器有其唯一S模式代码，机载应答机一般不会更换)，以及每个机载应答机在制造过程中由于工艺、硬件器件的微小差异造成的其发射信号的细微差异(即使两个应答机发射信号代表的信息相同，信号脉冲内及脉冲间也有细小差异)，对采集到的应答信号进行特征提取和特征匹配从而唯一识别应答机辐射源进而获得其S模式代码成为一种可能的辅助译码方式。本文从应答信号的信号级特征出发，以未受干扰的S模式信号作为训练数据，以S模式地址作为训练数据的标签，提取所观测目标发射信号的信号级特征形成目标信号级特征库，当目标信号受到干扰而不能正确译出其S模式代码时，利用信号特征匹配方式识别目标代码用于辅助译码。相对于传统的译码方式，该方法利用每个应答机辐射源自身硬件固有特点反应到信号上的信号级表现特征实现对目标的识别，从另一个维度实现了目标识别，可以作为重要补充手段用于辅助译码，在任意天线系统条件下皆可使用。本文的结构如下：第一部分为引言，主要介绍本文的背景及所提出的方法的必要性；第二部分为本文的主要内容，以S模式的一个应用ADS-B信号为例介绍了算法的整体流程、S模式信号格式、信号预处理方法、特征提取以及特征匹配的方法；第三部分为实验仿真及结果，通过空中实采数据验证了方法的有效性；第四部分为总结和展望。

1 算法模型

1.1 算法总体流程

本文以S模式的一个应用ADS-B信号为例，阐述算法模型。ADS-B信号的发射频率为1090MHz，信号总帧长为120μs，调制方式采用脉冲位置调制(Pulse Position Modulation，PPM)。120μs的信号帧长分为8μs的报头信号和112μs的数据域，报头包含4个前导脉冲，这4个脉冲分别位于0μs、1μs、3.5μs和4.5μs处，从第8μs开始为数据位，数据位长112μs(S模式还可能为56位)，共有112个bit，每个比特包含两个码元，若脉冲位于前置位码元，则该码元表示比特1，若脉冲位于后置位码元则表示比特0[8]，如图1所示。

接收机对空中ADS-B信号(由于ADS-B信号具有身份信息，所以可以给每段信号打标签形成训练集)进行截获采样，采样后由于信号强度不同需要对信号进行幅度归一化等预处理操作，进而对归一化信号进行信号变换并根据特征提取方法提取样本信号特征，从而形成数据特征库；之后有未知目标(真实目标或干扰信号)到来时，可以设计相应的分类器来进行特征匹配，从而识别目标。整个过程如图2所示。

图2 训练及识别过程

由于所有ADS-B信号的前4个前导脉冲格式是相同的，因此可采用前4个前导脉冲为训练数据，这样的话可使用后端信息为标签制作训练集并且可以避免所用脉冲过多而造成的干扰和过拟合。

1.2 信号预处理

信号预处理过程，实际上是在尽量保证信号特征不丢失的情况下，对其幅度信息进行归一化的过程，这样做的好处是有利于后期用同一标准处理信号。由于辐射源的距离和所处环境不同，采集到的数据必须经过幅度归一化等信号整形过程才能进行数据分析从而找到能满足作为信号特征性质的标量，因此预处理过程是实现算法的重要步骤。

针对ADS-B信号，其信号处理与数据处理主要包括信号解调、有效脉冲提取及沿检测(VPP、REP)、报头检测、参考功率计算、DF认证、功率一致性检测、重触发、参考幅度值提取、比特位解调以及校验等过程[8]。若一个ADS-B信号通过上述过程最终通过校验，则截取其4个前导脉冲并做预处理后作为训练数据存入数据库中(以其ADS-B地址信息作为标签)；若该信号没有通过校验，则需要辅助译码，此时依然截取其4个前导脉冲并做预处理(在前导脉冲没有被干扰情况下)，利用本章后面所述方法进行特征匹配从而识别其代码。预处理过程是通过脉内幅度归一的方法，具体如下：

1)提取4个前导脉冲数据并计算脉内幅度；

2)设计一个绝对数值，使得所有信号的4个前导脉冲的脉冲平均值都为这个值。

脉内幅度归一前后的结果如图3、图4所示。

图4 预处理后波形

1.3 时频变换与特征提取匹配

为了有效提取信号特征，需要从不同的角度去认识、分析信号，这样有助于了解信号的本质。我们从空中采集的信号是以时间的形式存在的，而直接在时域中针对两个调制参数相同的信号很难直接提取其特征进而实现个体识别。常用的时频变换包括短时傅里叶变换、小波变换、魏格纳变换、模糊函数以及信号的高阶累积量等等，这些信号变换后的数据为找到信号特征提供可能性。鉴于魏格纳变换具有诸多良好的性质[9]，本文采用魏格纳变换作为时频变换依据。

设信号x(t)，y(t)的傅里叶变换分别是X(jΩ)，Y(jΩ)，那么，x(t)，y(t)的联合魏格纳分布定义为

信号x(t)的自魏格纳分布定义为

魏格纳分布具有如下性质：

1)对称性：复值信号x(t)的魏格纳分布是实函数，即

进而可得实信号x(t)的魏格纳分布式频率的偶函数，即

Wx(t,Ω)=Wx(t,-Ω)

2)位移性：x(t)时移τ，其魏格纳变换Wx(t,Ω)也时移τ，即

x(t-τ)⟹Wx(t-τ,Ω)

除此之外，它还具有定义域的同一性、积分性等良好的性质。对4个前导脉冲进行魏格纳变换，之后利用Fisher判别比提取目标信号特征信息，Fisher判别比定义为

(σ(c)[η,τ])2=

2 仿真验证

利用ADS-B地面接收机接收空中3个飞行目标发射的ADS-B信号数据，对接收到的数据进行解调、译码以及校验。以通过校验的信号数据作为训练和测试数据，其中每个目标有20个训练样本(以其ADS-B地址数据作为样本标签)，其余通过校验的信号数据作为测试数据。

对于目标的所有训练信号样本，提取信号的4个前导脉冲的信号特征，提取的3个目标20个样本数据的特征投影到二维空间中的示意图如图5所示，从图5中可以看出，通过特征提取方式提取的特征，在类间已经形成明显差异，可以实现分类。图6为此三个目标特征投影到一维空间形成的效果。

图5 三个目标的二维特征图

图6 三个目标一维特征

从图6中可以看出，每个目标的信号具有较明显的特征，对测试数据进行特征匹配，3个目标识别的正确率分别为96.7%、98%、97%，达到了较高的识别率，从而可以直接识别应答机辐射源从而在特征库中直接对应到3个目标的S模式目标代码辅助译码。

3 结束语

本文提出的基于目标信号级特征识别目标从而辅助译码的方法通过对目标信号4个前导脉冲做时频变换并训练匹配得到了较高的识别概率，提高了译码成功率。除S模式的前4个前导脉冲外，更多可用的信号信息应当被利用用于解决更多模式的译码及其它功能问题；另外，基于深度神经网络等机器学习方法进行信号数据训练、特征提取及应答机辐射源识别都是值得研究的方法。