基于ZYNQ的雷达信号侦察的高效实现

陈 光，赵忠凯

(哈尔滨工程大学，黑龙江 哈尔滨 150001)

0 引 言

近些年来，随着技术的发展，应用于军事上的雷达信号侦察平台也在不断更新。无人机技术的快速发展使其在军事上得到了应用，将侦察平台部署到无人机上对侦察平台的体积与功耗都提出了挑战。小型化、低功耗成为了无人机侦察平台的发展方向和研究难点。

在电子对抗中，侦察功能的实现包括脉冲描述字(PDW)测量及脉冲信号分选，当非合作方有多部雷达同时工作时，信号分选就显得尤为重要，通过分选可以得出每部雷达的位置信息及脉冲信号的重频、脉宽、频率等参数，是获取敌方情报的重要手段，为下一步采取行动提供参考。目前，分选算法在工程上多是基于数字信号处理器(DSP)实现的，实现方案未考虑脉冲描述字的测量，不具备完整性。

因此本文根据侦察功能在硬件平台上实现的特点，选择Xilinx公司的新一代片上系统(SoC)芯片ZYNQ实现。该芯片的可编程逻辑(PL)部分为现场可编程门阵列(FPGA)，处理系统(PS)部分为ARM微处理单元，芯片内部集成了多种通信接口，便于两部分之间进行数据传输。相较于早期侦察平台的FPGA+DSP架构，ZYNQ芯片的FPGA+ARM架构的解决方案，既避免了板间的数据交互，又降低了系统功耗，较为符合无人化平台的需求。

1 侦察功能

本文设计在PL部分实现脉冲描述字的测量，PS部分使用预分选与主分选完成信号分选功能，且两部分之间以DDR3存储器作为数据存储媒介，通过高级可扩展接口(AXI)通信。侦察功能实现的系统结构如图1所示。

图1 侦察功能实现的系统结构

1.1 脉冲描述字测量

通过测量脉冲描述字，可获取表征脉冲信号特点的参数，作为后续分选的依据。通过Cordic算法可测出脉冲信号的瞬时相位与幅度，经过一阶差分计算可得到信号的瞬时频率，实现瞬时测频。在1个脉冲内，将脉冲瞬时频率的最大值与最小值做差即可求出信号的带宽，将同一脉冲的起始点的到达时间与脉冲结束点的到达时间做差可求得脉宽。将第个脉冲的到达时间与第+1个脉冲的到达时间做差可求得脉冲重复间隔。脉冲的到达角(DOA)信息由侦察模块采用多基线相位干涉仪方法测得。综合上述参数，即组成了脉冲信号的PDW，计算原理如图2所示。

图2 脉冲描述字测量原理

1.2 信号分选

脉冲信号的分选包括预分选与主分选，预分选主要是将高密度的脉冲流进行稀释，减轻主分选的压力，为主分选做准备。主分选将对预分选输出的每个子类进行基于的细分，并最终输出每部雷达的参数信息，分选流程如图3所示。

图3 信号分选整体流程图

1.2.1 预分选

聚类算法作为目前工程上常用的分类算法之一，具有计算量小、原理简单、实现便捷、分类准确率高的特点。根据PDW的参数特点，预分选采用层次聚类算法。

层次聚类是根据待分类数据不同维度的参数，一层一层地进行聚类，这里使用分裂型层次聚类法，由上向下将大的类别分割。初始时，将所有的样本归为一个类簇，然后依据样本阈值或聚类数目要求，进行逐层的分裂，直到满足条件。在进行预分选时，首先以脉冲数据的DOA为依据进行第1层聚类，将多组PDW进行聚类;然后在第1层聚类结果的基础上，以为依据进行第2层聚类;依此类推，第3层以为依据，逐层细分，最终输出每个PDW子类，后续再对每个子类进行主分选。

1.2.2 主分选

主分选包括序列差值直方图(SDIF)算法、参差校验、捷变频校验与抖动分析，在预分选输出的聚类结果中，依次对每一个PDW子类中的脉冲进行处理，采用SDIF算法进行信号分选。SDIF算法主要由PRI测定和序列搜索2个步骤组成。在进行SDIF算法后，还需要进行参差校验、捷变频校验与抖动分析。通过参差校验可以分选出含有子PRI的参差雷达，而通过捷变频校验则可以识别出载频捷变的雷达。抖动分析可以分析出PRI在一定范围内变化的抖动雷达信号，并给出抖动范围。主分选过程中的各个步骤如图4所示。

图4 主分选流程图

在进行PRI测定时，检测门限关系到PRI值的可靠性以及准确性。在有限采样时间内，脉冲间隔与脉冲数量成反比。故门限与总脉冲数成正比，与脉冲间隔成反比，即：

(1)

式中：为小于1的常数。

假设采样时间内有多部雷达脉冲信号，相邻脉冲间隔将服从Poisson分布。将采样时间分为个脉冲子间隔，在时间间隔=-内有个随机Poisson出现的概率为：

(2)

()=(-)e-

(3)

式中：为总的脉冲数目；为差的级数；为小于1的常数；为采样时间；一般通过实验来确定。

1.3 分选算法验证与性能分析

为验证上述算法的正确性与稳定性，对其进行仿真测试。设置产生8部不同类型的雷达脉冲信号数据，雷达类型包括常规雷达、参差雷达、抖动雷达和捷变频雷达，其中参差雷达括号中数据代表子PRI的值，抖动雷达括号中数据代表PRI的抖动率，捷变频雷达括号中代表跳频间隔与跳频点数，每部参数如表1所示。

仿真条件为模拟实际环境中5%的脉冲信号丢失率和8%的噪声干扰，其中到达时间精度为1 μs，脉宽的精度为1 μs，载频的精度为1 MHz，到达角精度为1°。

8部混合雷达分选的仿真结果如表2所示，首先，输出的雷达部数与类型都与表1吻合；其次，在精度允许范围内，每部雷达对应的参数都正确，证明上述分选算法能够正确分选出8部雷达。

表1 8部混合雷达仿真参数设置

表2 8部混合雷达仿真结果

根据表1的参数进行设置，进行1 000次蒙特卡洛实验，分选的结果用分选正确率表示。若分选出的雷达部数与类型都正确，且到达角误差在3°内，PRI误差在10 μs以内，载频误差在3 MHz以内，脉宽误差在3 μs以内，则认为分选正确。本算法在应对复杂环境的时候，具有良好的分选性能，平均分选正确率达到90%以上，该结果满足在复杂的电磁环境下对于分选性能的需求。在仿真条件下，算法的良好分选性能为下一步的硬件实现提供了重要的参考依据。

2 侦察功能的高效实现

在高效实现方面，算法的执行效率、数据的传输速率都是至关重要的考虑因素。系统的整体性能不仅取决于各个功能模块的执行速度，还与各个模块间的协作程度有关。

2.1 软硬件协同处理

ZYNQ芯片的软硬件协同设计能力是其最具代表性的优势之一，在实现中要充分结合PS与PL各自的优势进行合理的功能划分。脉冲描述字的测量仅需要移位和加法的迭代操作，可在可编程逻辑门阵列中高效实现，所以将脉冲描述字测量功能分配给PL实现。而将需要进行浮点运算与循环运行较多的分选算法分配给PS部分，通过C语言编程实现，得到高精度的分选结果，达到扬长避短、优势互补的效果。

除此之外，ZYNQ提供了PS与PL之间多种数据传输的方案，考虑到PL端测量脉冲描述字将产生大量数据，所以将PL端数据写入存储到大容量的DDR3中，同时也便于PS端读取。综合上述因素，本文使用AXI_HP高性能接口。

使用PYNQ-Z2作为测试的评估板，板载ZYNQ芯片型号为XC7Z020，对AXI_HP接口的实际读写带宽速率进行测试，测试时钟速率设置为100 MHz，分别测试了单端口和四端口情况下的速率，结果如表3所示。

表3 AXI_HP通道读写速率(单位MB/s)对比

通过对比容易看出，测试值与理论值相差较大。主要原因是，该理论值的计算是接口宽度直接乘以时钟速率，不包括任何的协议开销。而在实际测试中，无论是单端口还是多端口的读写测试都要遵循传输协议，这将消耗一部分时间，导致测试值无法达到理论值的速率。

2.2 系统性能测试

2.2.1 运行时间测试

在评估板裸机状态下测试分选程序的运行时间，以333组PDW数据为例，顺序完成分选的各环节所需时间消耗如表4所示。

表4 单核分选耗时分析

由表4容易看出，总的分选时间为3.3 ms左右，在实际的电子侦察环境下，ms级的分选反应时间足以满足系统对于侦察功能的需求。

2.2.2 分选结果对比

下面对硬件实现分选算法的正确性进行测试。仿真产生与表1设置参数相同的固定数目PDW数据，导入到评估板中，PS端首先读取数据，然后进行分选，最后将分选结果上传至上位机显示，上位机接收到的分选结果如图5所示。

对比表2的仿真结果与图5的实测结果，可知硬件实现的分选结果中，雷达部数与类型正确，且每部雷达的参数在误差允许范围内与仿真结果相同，证明了分选算法在硬件实现上的正确性。

图5 硬件实测结果上位机显示

3 结束语

本文在基于ZYNQ的平台上实现侦察功能，通过对比上板实测结果与仿真结果，分选功能可以较为准确地分选出多部雷达，符合实际需求。该方案使用了较为先进的ZYNQ芯片，并在实现功能时充分发挥各部分的优势，为小型化无人平台实现侦察功能提供了新颖的解决思路，对工程应用具有重要的参考价值。