宽带高速跳频信号的精细化侦察处理技术研究

毛家琪，高 博，翟 颖，姜 婕，李英军

宽带高速跳频信号的精细化侦察处理技术研究

毛家琪，高 博，翟 颖，姜 婕，李英军

（中国电子科技集团公司第二十研究所，西安 710068）

当空间中存在大带宽、频率快速跳变的辐射信号时，传统侦察接收机无法实现完整接收与准确识别。针对上述问题，提出一种宽带精细化侦察处理方法，实现了宽带实时数据采集与精细化时频分析，获得了多部辐射源信号特征参数的准确分类，并且生成了完整的辐射源态势信息与有效的敌方行为预测结果。实验结果表明，该方法能够实现宽带高速跳频信号的全概率接收及精确解析测量。

宽带高速跳频；侦察处理；时频分析；态势信息；行为预测

0 引言

战场上敌我态势瞬息万变，军情情报种类和信息量迅速增长。在复杂电磁环境中实现对空间态势的精准实时感知是电子战设备在动态博弈中占据主动地位的重要前提[1]。通过对电磁环境的有效感知，电子侦察设备可实现辐射源存在判别、辐射源空间位置追踪、辐射源样式识别、敌方行为参数测量以及敌方辐射策略实时分析等[2]。然而，随着新体制信号发生设备的产生与发展，空间电磁信号的脉冲载频在极宽的频带范围内随机跳变，对侦察设备的精细化处理提出了更为严峻的挑战[3-4]。

为获得复杂环境的准确认知，电子侦察处理技术需要依次实现全概率实时信号检测、辐射源信号的智能分析识别以及态势综合分析研判。传统侦察处理方法[5-6]在实现信号宽带接收时，通常将接收信号通过模拟下变频变换到基带，再经过数字采样后送至后续信号处理，然而市面上大多数模拟转数字（Analog to Digital，A/D）芯片通常不具备足够的采样频率，无法覆盖全部的工作带宽范围，因而无法满足高跳速、大带宽信号检测接收的设计需求[7]。同时，现有侦察处理方法[8-9]通常采用固定门限实现脉冲参数检测，并采用多特征匹配决策树等方法实现信号分选识别，在极大程度上依赖于固定先验知识，不具备环境交互性及环境适应性。因此，这些方法针对已知频率分布的辐射源信号分选识别效果较好，然而当输入信号的跳频随机程度较大、信噪比较低、信号混叠严重时，则无法对信号进行准确区分，从而使得系统无法达到理想的检测效果。

针对上述问题，本文依托宽带多辐射源侦察及参数稳健测量技术，实现宽带高速跳频信号的全概率接收与精细化时频分析、检测。并且，利用多参数联合聚类分选与基于支持向量机（Support Vector Machine，SVM）的辐射源识别技术，解决了交叠多辐射源信号分选识别难题。该方法可有效实现宽带高速跳频信号的准确精细化侦测，具有较强的环境适应能力，可有效提高系统的态势感知与主动对抗能力。

1侦察处理流程

考虑高速跳频信号的波形特点以及系统精细化实时解析需求，侦察处理采用分层设计模型，具体包含宽带侦察截获、辐射源分析识别与侦察信息关联融合三个层次，共同实现宽带信号的并行高速实时接收采样、宽带跳频信号的多域参数测量、数据驱动下的辐射源信号分类识别以及辐射源行为预测与态势研判功能。具体实现流程如图1所示。

图1 侦察处理流程图

首先，侦察天线将接收到的信号通过低噪声放大器（Low Noise Amplifier，LNA）放大后，分别发送给各个独立通道。侦察接收机在收到外界信号后，各通道按照频带划分范围，在不同频率的本振激励下实现模拟下变频、低通滤波和数字采样，以实现低数据率成本下的宽带信号全概率实时截获。然后，针对输入信号的高跳速特点，系统在并行处理机制下，各信道依次进行数字信道化和自适应参数测量，从而实现输入信号的精细化时频分析，并获得辐射源脉冲信号的起止时间、时宽、载频、频宽以及能量等参数。在此之后，各通道将各自频段内的信号参数测量结果发送给融合中心，在时域、频域和能量域进行联合参数统计，获得脉冲描述字（Pulse Description Word，PDW）序列。为避免交叠脉冲列对辐射源识别准确度的影响，根据辐射源参数的相似度对信号脉冲进行聚类分选，并根据少量先验辐射源识别库信息，进行分类器训练，在辐射源分类器的作用下实现辐射源属性特征识别。最后，将辐射源信号参数信息及辐射源属性信息进行融合，并对敌方行为进行推演预测。单次侦察处理结果亦为识别库的更新提供依据。

该模型具有资源节约、并行程度高和环境适应能力强等优势，下面对其中关键技术的实现原理进行详细介绍。

1.1 宽带侦察截获

假设侦察设备的工作带宽为。为实现宽带跳频信号的全概率接收，同时降低高数据率对后端数据实时处理的压力，在侦察系统射频接收阶段，采用路宽带调谐器将模拟通道划分为均匀的通道，每个通道的频带宽度为/。回波信号经过路混频和低通滤波后得到差拍信号，经过数字采样并抽取得到各通道的采样回波信号。

1.2 辐射源分析识别

在提取宽带跳频信号的特征参数时，特征参数要具有可区分性和噪声弱敏感性。因而，从信号处理的角度出发，采用滑动迭代的自适应门限检测方法实现信号时域、频域和能量域的参数测量。

在得到自适应门限后，对式（1）进行逐点门限比较，并对得到的测量参数按照脉冲到达时间进行联合统计排列。每个脉冲的所有参数可组合为一个数字化的描述字，即PDW，如式（4）所示：

多参数联合聚类分选的根本依据是在分选时间段内，同一辐射源的若干个参数值（例如R、P、P，其中R为脉冲重复周期，P为脉冲宽度，P为脉冲能量）不变，因此根据脉冲参数的相似度将交叠脉冲列的脉冲进行聚类，从而实现不同信源的信号分选。根据实际工程对信号分选的准确性要求，本设计在序列差值直方图（Sequential Difference Histogram，SDIF）算法[10]的基础上，联合多参数进行多级信号分选，各级检测门限由实际需求设定。实现流程如图2所示。

图2 多级分选流程

在完成信号分选后，将属于各辐射源源的特征信息进行汇总，提取频率、脉宽、脉冲重复间隔等参数作为辐射源识别的特征。根据辐射源识别库内的先验信息，实现辐射源分类器的训练，利用所得分类器对信号进行分类识别，得到辐射源的属性信息。分类器模型训练采用支持向量机（Support Vector Machine，SVM）分类方法[11]，SVM分类器的训练流程如图3所示。

图3 SVM分类器训练流程

使用SVM的辐射源识别方法的基础是建立完善的辐射源识别库。受工作环境的影响，在实际工程中需要一定的实测样本集来完成宽带跳频信号的特征参数测量，以增加模型训练的准确性。

1.3 侦察信息关联融合

以获得的侦察信息为基础，通过对信息的过滤、判定、关联和融合等处理，完成对辐射源的识别综合、分析理解，生成完整的环境态势感知信息，建立辐射源识别库的反馈环路。并且，根据辐射源参数的统计特性，采用机器学习和深度学习算法，可对敌方行为进行预测。

2 性能仿真与分析

仿真产生的32个脉冲频点伪随机跳变序列如图4所示。蓝色为频率在900 ～995 MHz范围内的脉冲，红色为频率在1000 ～1095 MHz范围内的脉冲，绿色为频率在1100 ～1195 MHz范围内的脉冲，黑色为频率1 200 ～1 300 MHz范围内的脉冲。

图4 脉冲频点跳变序列

侦察系统的400 MHz工作带宽被均匀划分为四个通道，四路本振频率分别设置为950 MHz、 1050 MHz、1 150 MHz和1250 MHz，低通滤波器的截止频率为100 MHz。因此通道1频率范围为900 MHz～1 000 MHz，通道2频率范围为1000 MHz～1100 MHz，通道3频率范围为1100 MHz～1200 MHz，通道4频率范围为1200 MHz～1300 MHz，各通道经过10倍抽取后数据率均为250 MHz。侦察截获后四个通道的采样波形分别如图5（a）、图5（b）、图5（c）和图5（d）所示。由图5可知，入射信号被划分到四个信道中，但辐射源信号产生了严重交叠，在时域上难以区分。

图5 接收通道的信号采样波形

表1 误差分析统计

为比较输入信噪比对算法检测概率与参数测量精度的影响，实验设置距离侦察设备处300 m的宽带跳频单源辐射设备，输入的递增范围为-10 ～10 dB，单次独立实验的递增步长为1 dB，蒙特卡洛实验总数为200。

如图6所示，比较不同输入SNR对信号检测概率的影响，可知当输入大于-6 dB时，信号检测概率快速增加，当输入大于等于2 dB时，宽带跳频信号可被完全检测。

图6 不同信噪比下的信号检测概率

图7 不同信噪比下的脉宽测量均值

图8 不同信噪比下的频率测量误差

如图8所示，比较不同信噪比对信号频率测量误差的影响。可知当信噪比小于-7 dB时，信号频率测量误差约为7.4 MHz，且误差随着信噪比的增加逐渐减小，当信噪比大于6 dB时频率测量误差小于1 MHz。

3 结论

本文从实际作战需求出发，针对战场电磁环境实时侦察与综合态势感知等军事需求，提出了一种能够实现宽带跳频信号的精细化侦察处理新方法。该方法实现了低信噪比下的宽带跳频信号侦察接收与参数测量，给出了能够区分多个辐射源信号的聚类分选与智能识别方法。同时，该方法利用侦察信息关联融合及辐射源行为预测，进一步提升了侦察系统的态势威胁综合感知能力，构建了包含多域联合参数的环境感知库，具有工程应用价值。

[1] Zhang Yingbo, Chai Heng, Wang Jinfeng. Implementation and Comparison of Signal Detection Methods in Radar Reconnaissance System[C]. 2020 IEEE 3rd International Conference on Electronic Information and Communication Technology (ICEICT), 2020, 1: 13-15.

[2] Jeihee Cho, Jaeyi Sung, Jinyi Yoon, et al. Towards Persistent Surveillance and Reconnaissance Using a Connected Swarm of Multiple UAVs[J]. IEEE Access, 2020, 8: 157906–157917.

[3] 蒋鸿宇，叶江峰，肖仕伟，等. 一种超宽带高速跳频信号实时非合作接收机[J]. 信息与电子工程，2012，10（4）：390-395.

[4] Li Gao, Wang Wei, Ding Guoru, et al. Frequency-Hopping Frequency Reconnaissance and Prediction for Non-Cooperative Communication Network[J]. China Communications, 2021, 18（12）：1673-5447.

[5] 蚩建峰. 雷达信号侦察处理系统研究[J]. 舰船电子对抗，2021，44（2）： 88-95.

[6] 赵玉，袁鹏鹏，居易. 一种宽开高灵敏度雷达侦察技术研究[J]. 舰船电子对抗，2022，45（1）： 33-67.

[7] 王杰. 一种高速跳频信号的数字信道化宽带接收设计[J]. 电子技术应用，2021，47（12）：26-30.

[8] 王功明，陈世文，黄洁，等. 基于多重同步压缩变换的雷达辐射源分选识别[J]. 现代雷达，2020，42（3）： 49-56.

[9] Wang Xiaoyan, Fu Xiongjun, Dong Jian, et al. Dynamic Modified Chaotic Particle Swarm Optimization for Radar Signal Sorting[J]. IEEE Access, 2021, 9: 88452-88466.

[10] Xi Yin, Wu Yingchun, Wu Xiongjun, et al. An Improved SDIF Algorithm for Anti-radiation Radar Using Dynamic Sequence Search[C]. 2017 36th Chinese Control Conference (CCC), 2017, 11: 1934-1768.

[11] Cao Jianjun, Lv Guojun, Chang Chen, Li Hongmei. A Feature Selection Based Serial SVM Ensemble Classifier [J]. IEEE Access, 2019, 7: 2169-3536.

Research on Refined Reconnaissance Processing Technology of Broadband High-Speed Frequency Hopping Signals

MAO Jiaqi, GAO Bo, ZHAI Ying, JIANG Jie, LI Yingjun

When there are radiation signals with large bandwidth and rapid frequency hopping in space, traditional reconnaissance receivers cannot achieve complete reception and accurate identification. Aiming at the above problem, a broadband refined reconnaissance processing method is proposed. By this method, the broadband real-time data acquisition and refined time-frequency analysis are realized. Also the characteristic parameters of multiple radiation source signals are accurately classified. In addition, the complete radiation source situation information is generated and effective enemy behavior is predicted. The experimental results show that the method can realize the full probability reception and accurate analytical measurement of broadband high-speed frequency hopping signals, which has engineering realization value.

Broadband High-Speed Frequency Hopping; Reconnaissance Processing; Time-Frequency Analysis; Situation Information; Behavior Prediction

TN971

A

1674-7976-(2022)-04-278-07

2022-04-09。

毛家琪（1995.09—），陕西西安人，硕士研究生，主要研究方向为雷达总体设计、电子侦察与干扰对抗。