沈 路邓忆秋赵 巍刘 洋姜珍珠
(中国电子科技集团公司第二十九研究所,四川 成都 610036)
雷达信号分选是从截获到的密集雷达脉冲流中分选出属于不同雷达辐射源的脉冲,是雷达信号侦察处理中的核心组成部分之一。只有从脉冲流中分选出属于不同辐射源的脉冲序列之后,才能对雷达辐射源施加压制干扰或构造虚假目标回波信号进行欺骗干扰。而随着现代电子战环境信号日趋密集,电子战系统截获到的脉冲参数交叠日益严重,传统分选方法难以给出准确的分选结果,且经常会出现信号的错批与漏批。
传统的信号分选方法主要有统计直方图法、累计差值直方图法(CDIF)和序列差值直方图法(SDIF),但这些方法都只能适用于脉冲少量丢失的场景,脉冲重复间隔(PRI)变换法及其改进算法则存在算法运算量大以及容差参数选择的问题4]。蔡伟对基于雷达信号样本库的信号分选识别方法进行了研究,但该算法需要雷达库样本库作为先验知识,牟皓、陈春利提出的基于SVM 分类器的信号分选方法需要对样本脉冲进行训练,丁增斗、翁永祥提出的聚类算法则要求脉冲在频率和脉宽维度存在一定的区分度。
针对以上问题,本文提出一种基于模板提取的信号分选算法,采用模板匹配的思想提取最优的特征脉冲序列。算法考虑了脉冲特征不连续以及漏脉冲和脉冲分裂等情形,在不需要先验雷达库信息的情况下能够有效提取雷达特征脉冲序列,实现电磁参数交叠的脉冲分选。
从统计学意义上来讲,全脉冲序列就是按照脉冲到达时间先后顺序排列的时间序列,而信号分选所要解决的问题就是从大量的时间序列中提取出反映信号变化特征的特征序列。雷达信号特征反映在脉冲描述字上是一组特征脉冲序列,如果在截获到的脉冲中包含若干个重复的模板脉冲序列,那么信号分选则可以理解为提取信号的模板脉冲序列。
设脉冲序列为:
式中:x ={ , , ,t },t =t t。
假设脉冲序列中存在信号,,…,S 共个信号,信号S 对应的时间特征序列为:Y ={y ,y ,,y },0<≤,
式 中:y ={ , , ,t };t =t -t。
脉冲序列的分选问题就转化为提取模板序列Y 。模板提取算法步骤如下:
(1) 读取输入全脉冲的脉冲数据到达时间序列。
(2) 根据假设的模板序列查找与之相匹配且持续时间相同的匹配序列。如图1所示,若假设模板序列={f },0≤<,Q ={g },0≤<,0≤<S ,表示与假设模板序列持续时间相同的匹配序列个数,S 表示匹配序列持续时间相同的脉冲个数,则:
图1 模板序列匹配处理流程图
模板序列的持续时间为D = - ,序列Q 的持续时间为D = - ,若D ≤,则:
(3) 将提取得到的模板序列进行匹配处理
则式(8)和式(9)须满足:
式中:为频率门限;为到达时间差门限;为匹配比例门限;R 为匹配比例。
若序列的脉冲与Q 序列脉冲成功匹配的脉冲数为U ,=1,2,…,再计算模板序列与匹配序列Q 的脉冲匹配脉冲总个数,则对应模板序列的脉冲匹配个数即为:
(4) 重复步骤(2)~(3),将脉冲匹配个数最多的模板序列作为模板序列输出。
(5) 在脉冲序列中删除提取成功的模板以及对应匹配序列,得到当次处理的剩余脉冲。
(6) 剩余脉冲或处理次数满足退出要求则结束处理,否则重复步骤(2)~(5)。
模板提取算法流程图如图2所示。
图2 模板提取算法流程图
为验证算法的正确性,仿真产生3 个信号,信号的载频相同且类型均为固定,脉宽均小于0.5μs,重频类型为参差和组变,仿真信号参数如表1所示。
表1 仿真信号参数
仿真信号全脉冲的频率和到达时间差图如图3所示,从图3中可以看出:由于3个信号相互交错,且频率、脉宽参数相同,脉冲到达时间相互交错,从到达时间差图上无法分辨出信号的类型。为了模拟真实环境,在仿真信号中模拟了漏脉冲并增加了随机噪声,分析了不同漏脉冲比例和噪声比例对脉冲分选正确率的影响。
图3 仿真信号全脉冲频率与到达时间差图
不同漏脉冲比例及分选算法的分选正确率如图4 所示,从图4 中可以看出:相比常规的CDIF算法和SDIF算法,基于模板提取算法的脉冲分选正确率有明显提升,漏脉冲比例在小于10%的情况下脉冲分选正确率可达到80%以上,而CDIF和SDIF算法的正确率仅为55%左右,但随着漏脉冲比例的增加,3种算法的脉冲分选正确率也将随之降低。
图4 漏脉冲与分选算法对脉冲分选正确率的影响
图5所示为在不同漏脉冲比例,噪声比例分别在5%、10%和20%的场景下的脉冲分选正确率。从图5可以看出:当漏脉冲比例为5%时,脉冲分选正确率能达到90%左右;而随着漏脉冲和噪声比例的增加,尤其是噪声比例达到20%后,分选正确率急剧下降。可以看出:噪声比例对脉冲分选正确率的影响要大于漏脉冲比例,原因是随着噪声比例的增加,将影响脉冲序列相关的正确性,从而进一步降低脉冲分选正确率。
图5 漏脉冲与噪声对分选正确率的影响
以某舰载课题截获到的雷达信号为研究对象,信号载频主要集中在渔船导航信号频段(9 300 MHz~9 500 MHz),脉宽均在1μs以下,实际信号全脉冲频率与到达时间差图如图6所示。
图6 实际信号全脉冲频率与到达时间差图
采用传统分选算法对该数据进行频率和脉宽预分选,仅依靠频率和脉宽无法将信号完全分开,而常规重频分选难以处理脉冲交错较为密集的信号,因此常规信号分选难以处理此类信号场景。
模板提取算法得到的信号1~信号6的脉冲截图如图7~图12所示,信号分选得到的信号类型为重频参差和重频固定。由图9~图12可以看出:由于脉冲重叠的影响,提取得到的模板脉冲序列在个别脉冲出现了提取错误。CDIF 算法、SDIF 算法与基于模板提取的分选结果统计如表2所示,从中可以看出:基于模板提取的算法分选正确率可达到80%以上,而常规分选正确率不超过50%。这是因为传统算法难以对频率和脉宽维度无法区分的脉冲进行正确分选,使得在重频处理时易将参差信号误处理为抖动信号,导致分选正确率较低。而本文算法充分利用信号脉冲到达时间相关性规律对脉冲去交错,解决在频率和脉宽维度难以区分的信号分选难题,显著提升了脉冲分选正确率。
图7 模板提取算法的第1个信号
图8 模板提取分选算法的第2个信号
图9 模板提取分选算法的第3个信号
图10 模板提取算法的第4个信号
图11 模板提取算法的第5个信号
图12 模板提取算法的第6个信号
表2 传统算法与基于模板提取的信号分选统计表
本文基于模板提取的思想提出了一种信号分选新算法,算法认为雷达信号是在基于模板脉冲进行重复变化,在该假设的基础上进行模板脉冲提取。由于算法是通过脉冲到达时间的变化提取模板,不依赖于脉冲频率、脉宽和方位信息,即使在频率、脉宽等信息难以区分的情况下仍能够实现信号的正确分选,提升了信号分选的适应能力。仿真与实际数据验证表明,该算法在信号密集且频率、脉宽参数交叠的情况下仍能取得较好的效果。