宽带数字信道化接收机自适应门限检测算法实现

颜 健，朱扬辉，王 斌

(桂林长海发展有限责任公司，广西 桂林 541000)

0 引 言

在电子对抗的雷达信号处理过程中，实时检测敌方雷达信号是一个非常重要的环节。特别是对敌方雷达信号形式没有任何先验知识的情况下，要截获和检测敌对雷达信号就显得异常困难[1]。因此，为了检测到信号，文章先通过探索能量检测的方法对信号进行检波处理。但此方法对信噪比有较高的要求，在信噪比低的情况下，可能会产生虚警。为了提高信号的检测性能，对算法进行了改进：选择先对接收机的幅度进行自相关累加处理，提高信号的信噪比，再通过能量比值检测出信号的预检波脉宽，然后通过改进的恒虚警率(CFAR)方法统计并确定自适应门限，最终完成对雷达信号的检测。

1 双滑动窗口能量检测

能量检测法是较早出现的信号检测技术，该算法的基本思想是：假定在高斯白噪声环境下信号加噪声的能量大于噪声的能量，因此只要选择合适的门限就能解决信号的检测问题[2]。

传统能量检测法的门限判决条件不好确定，因此采用了改进型双滑动窗口[3]的能量比值检测法对信号进行检波处理，实现原理框图如图1所示。

图1 双滑动窗能量比值检测原理图

算法的检测原理：在有效信号到来之前，A和B窗口的采样值为噪声能量，此时ani、bni都为噪声平均能量，几乎相等，故判决量接近于1。当检测信号到达窗口A，随着有效信号逐渐增大，bni仍为噪声能量。当mni>VT，此时可以检测出信号的起点。

当检测信号都包含在窗口B，ani为噪声能量时，当pni>VT，此时可以检测出信号的终点：

(1)

当检测信号都包含在窗口A中，则推导如下:

E[γ2d(ni)·d*(ni)+v*(ni)·v*(ni)]=E[γ2d(ni)·d*(ni)]+E[v*(ni)·v*(ni)]=

Ec+N0

(2)

式中：Ec为纯信号的能量；N0为纯噪声能量；v(ni)为高斯白噪声；γd(ni)为信号幅度。

2 幅度自相关累加算法

2.1 自相关算法分析

在数字信道化接收机中，传统的基于信号幅度的检测方法在低信噪比时性能较差，因此需要采用信号自相关累加技术对信号进行处理[4]。在空域中，雷达接收机接收到的信号是含有噪声的。假定信号的表达式为x=s+n，则信道化输出的复数表达式为：

x(i)=Aej(2πfiΔt+θ)+v(i)

(3)

式中：A为信号幅度；f为频率；θ为初相；v(i)为高斯白噪声，均值为0，方差为σ2。

对x(i)进行N点自相关累加运算，可得：

A2ej(2πfΔt)+v′(i)

(4)

式中:x*(i)为输入信号的共轭；v′(i)为含噪声的运算结果。

当N较大时，输出信噪比为：

(5)

由式(5)可知，y(k)的信噪比增益与相关点深度N成正比，但并不是N取得越大越好，应当根据系统需求选择一个合适值。在工程实现中，可以利用递推公式来实现自相关运算，公式推导如下：

(6)

采用这种方式来完成自相关运算，硬件上只需要一次复乘，两次复加，且这种方法的计算量与N点数无关，从而大大减少了硬件的资源消耗，其设计流程图如图2所示。

图2 自相关算法实现原理图

2.2 自相关能量检测算法

仅仅采用能量检测的方法对信号进行检测，检测误判概率会提高。而在采用幅度自相关累加算法后，提高了信噪比，再结合双滑动能量比值的检测方法可以实现多通道独立检测，处理结构框图如图3所示。

图3 多通道自相关能量检测处理框图

但是在多相滤波数字信道化接收机中，对于矩形脉冲信号，在其上升沿和下降沿处，由于存在信号幅度、相位突变,信道化会将信号的能量扩散到与信号真实频率所在信道相邻的多个信道中，在多个信道产生暂态输出，这种现象叫做“兔耳效应”[5-7]，如图4所示。如果仅仅靠能量比值检测，很可能会把兔耳效应产生的虚假信号当成真实信号，从而产生虚警检测。因此，在实际工程应用中还是需要先确定每个信道的门限值，对多相滤波信道化等多通道的信号处理还需进一步改进算法。

图4 兔耳效应

3 自适应门限检测

3.1 自适应门限算法设计

自相关能量比值检测是自适应门限确定最关键的一步，在单通道的系统设计中，采用上面的方式基本可以实现信号的检测。但是在多相滤波信道化等多通道的信号处理中，由于存在暂态效应，可能会对信号进行虚假误判，因此需要重新确定门限值。基本思路：首先通过自相关能量比值的方式确定有信号的部分，然后对有信号部分进行抑制，生成一个噪声序列，然后通过改进的CFAR检测器对这个噪声序列进行评估，生成自适应门限，再与相邻信道化幅值比较，从而产生最终的门限值，最后把这一组门限和当前信道幅值进行比较，完成信号检测。实现的流程框图如图5所示。

图5 自适应门限检测流程图

图5的算法主要包含以下步骤：

步骤1：对AD数据进行信道化处理，得到K个子信道的输出幅度。

步骤2：对每个子信道都进行独立的自相关双滑动能量比值检测，得到预检波脉冲。

步骤3：对齐每组自相关后的幅度和预检波脉冲，把检波内部自相关后的幅度进行抑制，得到噪声序列。

步骤4：对每组噪声序列通过改进的CFAR检测器评估出门限值，原理框图如图6所示。

图6 改进的CFAR检测器

步骤5：把每组评估出的门限值与相邻信道的幅度值进行比较，产生最终的自适应门限。

步骤6：将自适应门限和自相关处理后的包络进行比较，并对检测到的脉宽进行自相关过门限修正，再判断各个子信道是否存在信号。

3.2 实测数据检测分析

实验测试的雷达信号处理接收机采样率为2.4 GHz，接收机采用64路信道化处理，监视带宽为1 GHz，通过微波变频设备可将射频信号变频到1.3 GHz～2.3 GHz范围进行数据采集。通过雷达信号处理板卡把模数转换器(ADC)采集的信号数据导入到Matlab中分析，实测信号的Matlab分析如图7所示。图7(a)所示的波形为外场辐射的多信号时域波形，波形中主要包含有3个信号，其中一个信号频率为8.4 GHz，脉宽为2 μs，周期为10 μs；其余2个信号脉宽都为1 μs，周期都为4 μs，其中一个是信号频率为8 GHz，另一个信号频率为7.6 GHz。图7(b)是对采集的辐射信号进行快速傅里叶变换(FFT)处理的频谱分析图，图7(c)是分析8 GHz小信号的信道化处理后的波形图。对8 GHz信号进行8点自相关处理后的波形图如图7(d)所示。根据实际测试数据可以明显看出，经过自相关累加处理后的信号信噪比有显著的提高。

图7 实测信号的Matlab分析图

采用自适应门限算法对上述多信号进行处理，实测信号的Matlab与FPGA算法仿真如图8所示。图8(a)为对该信号进行信道化处理后的三维数据分析图。从图8(a)中可以发现，大信号的底噪比较高，在传统的固定门限设计中，这时一般会使用较大的门限值来进行检波，这样就可能把小信号消除，造成漏警。因此，这里主要针对大信号与小信号的情况分别进行分析，采用上述算法对8.4 GHz大信号所在的信道以及相邻信道的分析结果如图8(b)、图8(c)所示。分析8 GHz小信号所在信道的结果如图8(d)所示。可以发现，在大信号的情况下，兔耳效应可以被相邻信道的幅度消除，大信号所在的信道可以正确检测出检波结果。同时，低信噪比的小信号也可以被检测到。

相比于传统的幅度检测法，在大信号与小信号同时存在的情况下，会存在大幅度的门限值把小信号给消除的弊端。该方法由于各个通道的自适应门限具有一定的独立性，每个信道都具有各自的自适应门限，因此，可以同时适用于大信号与小信号并存的情况。仿真结果表明：该算法既能消除大信号的兔耳效应产生的虚假信号，又适用于低信噪比的小信号检测。按照上述算法流程，使用硬件描述语言，实现自相关能量检测模块和自适应门限生成模块，然后用Matlab把采集的信号数据作为激励输入，Modelsim仿真波形如图8(e)所示。可发现每个信道都有独立的门限值，多个信号也能被正常检测出。

图8 实测信号的Matlab与FPGA算法仿真图

4 结束语

在复杂的雷达电子对抗环境中，本文对传统的能量检测算法进行改进，针对多相滤波数字信道化的接收机信号检测，提出了一种基于自相关双滑动能量比值检测的算法。硬件仿真以及测试数据表明，该算法能根据信号的变化自动调节门限，适用于多信号的检测，且实时性好，检测性能高，说明该方法在工程应用中具有一定的可行性。