连续波体制引信多谱峰特性目标检测方法

张 俊,冯昌林,魏军辉

(解放军92942部队,北京 100161)

0 引言

在地/海杂波背景及复杂的战场电磁环境中,噪声对连续波体制引信的目标检测性能影响很大,因此无线电引信除了向着多功能、高精度方向发展外,适应地/海杂波背景及复杂噪声环境的目标检测能力也成为其发展的一个重要方面[1]。

对于连续波体制引信而言,较强的环境噪声对引信的目标检测性能影响很大。受到波形约束,连续波体制引信的信号收发相关信道保护也不是很严密,所以目前提升连续波体制引信在强噪声环境下的目标检测能力主要集中在信号识别环节实现[2]。信号识别的关键在于特征提取,选择合适的特征参量可以适应较强的环境噪声。

信号时频分析是提取特征参量的一种有效方法,分数阶傅里叶变换[3]、短时傅里叶变换[4-5]、希尔伯特黄变换[2]、小波变换[6-10]等信号分析方法已经被应用于引信的目标探测和识别。但是上述分析手段主要聚焦于信号在时频域的二维特性,没有对目标信号中的多谱峰特性进行研究及相关报道。

连续波体制引信在信号处理电路中采取了一些适应强环境噪声的措施,如接近目标开始接电、动态噪声门限、自适应改变通道增益等,能够适应一般水平的环境噪声,但是当环境噪声较大时,以上方法的效果有限。

由于毫米波引信具有较高的分辨率,在弹目交会过程中,目标回波信号会将目标的结构特征在频域体现为多个谱峰。本文通过提取目标回波信号短时频谱中多个谱峰的间隔来区分目标信号与环境噪声,提高连续波体制引信的在强噪声环境下的目标检测能力。

1 目标回波信号短时频谱特性

目标检测的重要方法之一就是特征提取,特征提取有很多种方法,常见的方法之一就是对信号进行变换,例如将信号变换到频域上提取信号的频域特征。由于干扰信号作用下检波输出信号含有较多谐波,而且振荡状态不稳定,可以利用频谱的区别来识别目标信号与干扰信号。

弹目交会过程中,连续波多普勒引信的检波输出信号为多频率的多普勒信号,除去直流分量外,它的频谱表现为在多普勒频率附近的多个脉冲。实测的目标回波作用下引信检波信号的短时频谱序列如图1所示,其中短时频谱a～d对应的弹目距离依次为20 m、15 m、10 m、5 m。

图1 目标回波信号的短时频谱序列

如图1中的目标回波信号的短时频谱d所示,由于毫米波引信具有较高的分辨率,目标回波信号的短时频谱呈现多谱峰的特性,多个谱峰在多普勒频率附近分布,谱峰的间隔和目标的强反射点结构分布有关。统计分析目标回波信号短时频谱的多谱峰特性,可以将目标回波信号和干扰信号区分开来。

2 连续波体制引信多谱峰特性目标检测

2.1 提取回波信号的短时频谱谱峰

弹目交会过程中,引信接收到的回波信号为非平稳信号,考虑到算法的实时性,本文通过对信号进行短时傅里叶变换得到信号的短时频谱,进而提取信号在时刻t对应的谱峰信息。提取信号在时刻t的谱峰信息的步骤如下:

1) 通过矩形窗取回波信号在时刻t的信号片段s;

2) 对信号片段s进行傅里叶变换,得到该信号片段对应的短时频谱,频率分辨率为Δf;

3) 计算信号片段s频谱的平均幅值A;

4) 提取幅值大于2A的谱线信息,并按频率从低至高依次排列,得到谱线序列F′;

5) 对谱线序列F′进行聚类处理,得到信号片段s对应的谱峰信息。

在步骤4)中,谱峰在提取的谱线序列中会对应多条连续的谱线,因此通过步骤5)的聚类处理,将相邻的谱线聚合到一起对应谱峰信息。

提取信号片段s的谱峰信息的流程图如图2所示。

图2 提取多谱峰的流程

2.2 提取多谱峰的位置及间隔

由于无线电引信的算力资源有限,所以本文构建量化指标来反映多谱峰的特征,以降低资源开销,提高算法的实用性。

反映多谱峰特征的量化指标包括谱峰频率的均值和谱峰间隔的均值。其中,根据弹目交会过程中的多普勒效应,谱峰频率的均值应在目标多普勒频率附近,因此判断多谱峰平均频率是否在弹目交会过程中多普勒频率附近可以排除多谱峰平均频率不在多普勒频率附近的回波信号。计算多谱峰平均频率的计算过程为

(1)

式(1)中,f为多谱峰位置对应的频率,N为谱峰数量,fi为第i个谱峰所处的频率。

由于目标回波信号的谱峰间隔与目标的空间结构直接相关,而噪声的谱峰分布具有随机性,与目标回波信号的谱峰间隔分布并不一致,因此分析判断谱峰间隔可以极大提高对提取到的谱峰按频率从低至高进行排布,计算相邻谱峰的频率间隔,取平均值作为回波信号多谱峰间隔,计算过程为

(2)

式(2)中,w为多谱峰对应的间隔,N为谱峰数量,fi和fi+1为第i个和第i+1个谱峰所处的频率。

2.3 通过阈值区分目标信号与干扰信号

根据计算得到的多谱峰对应的频率f和间隔w,通过比对阈值F和W来判断回波信号是否为目标信号,其中,阈值F和W为一个统计范围区间。具体流程如图3所示。

图3 根据频率f和间隔w区分目标信号和干扰信号的流程

3 仿真验证

3.1 测试数据

本文采用3组微波暗室实采的目标回波数据和随机噪声进行仿真验证,3组信号在弹目交会过程中的脱靶量依次为1.5、2.5和3.5 m。目标回波信号的时域波形如图4所示。

图4 信号时域波形

3.2 仿真验证结果

仿真试验采用3.1节中的3组目标信号分别进行实验。在每组实验中,在检波信号中加入高斯白噪声,信噪比为-10～3 dB,基于本文设计的算法对混入高斯白噪声的信号进行目标信号和干扰信号的识别,比对识别为目标信号的时刻与实际目标信号出现的时刻来确认本文算法识别目标信号的检测率和虚警率。实验通过短时傅里叶变换提取回波信号的短时频谱,每帧频谱采用2 048点傅里叶变换,共提取800帧短时频谱。短时频谱采用归一化的频率和幅值,多谱峰平均频率的阈值F设定为[0.09,1],平均频率间隔的阈值W设定为[0.019,0.021]。

以第3组脱靶量为3.5 m的信号为例,经本文算法提取到的目标信号多谱峰结果如图5所示,谱峰数量为3,多谱峰的平均归一化频率为0.096,平均归一化谱峰间隔为0.02,符合设定的阈值条件,识别为目标信号。

图5 目标信号的多谱峰提取结果

经本文算法提取到的噪声的多谱峰结果如图6所示,谱峰数量为7,多谱峰的平均归一化频率为0.365,平均归一化谱峰间隔为0.13,不符合设定的阈值条件,识别为噪声。

图6 噪声的多谱峰提取结果

由于高斯白噪声具有随机性,这里重复实验1 000次。通过1 000次独立的仿真实验,对于3组不同的目标回波信号,通过本文设计的算法区分目标信号和干扰信号的实验结果如表1所示。

表1 基于多谱峰特性的目标识别仿真实验结果

对比实验采用常规的幅值最大谱峰的检测手段,即根据幅值最大的谱峰频率和幅值来区分目标信号与噪声,实验条件与上面相同,实验结果如表2所示。

表2 基于幅值最大谱峰特性的目标识别仿真实验结果

对比两次实验可以看到,基于多谱峰特性的目标识别方法具有更好的检测效果。

4 结论

本文提出一种基于多谱峰特性的连续波多普勒引信的目标检测方法。该方法利用毫米波引信分辨率较高的优势,根据弹目交会过程中目标信号具有多谱峰的特性,在提取回波信号短时频谱多谱峰信息的基础上,通过构建谱峰平均频率和谱峰平均间隔的量化指标来区分目标信号和环境噪声。

仿真实验结果表明,该方法能够有效提高连续波体制引信在强噪声环境下的目标检测能力,并且该方法通过构建量化指标来体现多谱峰的特性,易于工程实现,具有较高的工程实用价值。