基于时频域分析的雷达有源干扰识别方法及实现

赵荣琦,张陆唯,王 湛

(中国船舶集团有限公司第七二三研究所,江苏 扬州 225101)

0 引 言

近年来,电子战在现代战场中的重要性不断提升,雷达在现代战场中面临严重的威胁,雷达必须提高其抗干扰能力才能在现代战争中发挥其正常效能。干扰识别技术是雷达采取针对性抗干扰措施的重要前提[1]。干扰识别以确定干扰的具体类型为目的,为进一步采取有针对性的抗干扰措施提供所需的先验信息,帮助雷达在干扰条件下实现最优探测。

目前有源干扰识别的主要实现思路是将识别过程转换成一个模式识别问题来处理。首先提取各类干扰具有区分性的特征参数,再把提取的特征输入合理设计的分类器,以实现对各种干扰的分类识别。特征选取需从信号的特性出发,从时域、频域、时频域等维度挖掘出干扰信号间有明显差异的特征[2]。

本文分析了有源压制干扰和欺骗干扰的时频域特征,开发了可行、有效的干扰识别方法,并给出了该方法的硬件实现结构及数据处理流程。该干扰识别方法依据雷达工作参数进行干扰信号预处理,减少了识别过程中产生的数据量,有利于数字信号处理器(DSP)在识别处理过程中的特征提取,提高了干扰识别方法的适用性和实时性。

1 雷达干扰信号模型

1.1 有源压制干扰

有源压制式干扰机通过发射大功率的随机噪声信号,在时域、频域上将目标回波完全淹没。雷达接收机主要依据能量门限来检测噪声中的目标,压制干扰信号会降低信噪比,影响雷达对于目标的检测。有源压制干扰的主要优点:不需要获取敌方雷达的精确信息就可以快速发出干扰,干扰覆盖的范围较广,容易实现[3]。

噪声调频干扰是压制干扰常见的干扰样式,其数学表达式为:

(1)

式中:A为干扰信号幅度;fc为干扰信号的中心频率;KFM为调频斜率;n(t)满足均值为0、方差为σ2的高斯分布;φ是初始相位,均匀地分布在[0,2π]内且与n(t)相互独立。

实际应用中,噪声调频干扰产生阻塞式干扰和瞄频式干扰2种干扰形式,差别在于干扰带宽与雷达发射信号带宽的大小。

梳状谱干扰是在多个频率点上产生的一组窄带干扰信号,梳状谱信号的表达式为:

(2)

式中:fi对应每个梳齿出现的频率点;ai是相应第i个频率点处的幅度。

扫频式干扰是针对频率捷变信号常用的干扰形式。为覆盖较宽的频段范围并提高干扰的功率利用率,扫频干扰会不断改变干扰信号的中心频率。扫频干扰的表达式为:

(3)

对上述几种压制干扰进行时、频域范围的幅度统计,获得的时频域功率分布如图1所示。窄带瞄准噪声、宽带阻塞噪声、扫频噪声以及梳状谱噪声在不同域上有以下特点:在时域上表现为无规律随机调制的连续波(不同样式之间没有明显特征);频域上表现为窄带分布(对应窄带噪声)、宽带连续分布(对应宽带噪声和扫频噪声)或窄带间断分布(对应梳状谱);时频域上表现为信号能量随时间在频域上随机分布(对应宽带噪声)或有规律周期性分布(对应扫频和窄带)。不同干扰类型的时频谱之间存在明显的区别,时频谱能够为区分干扰类型提供有效的支持。

1.2 欺骗干扰

欺骗干扰主要由基于数字射频存储(DRFM)技术的干扰机产生。干扰机对DRFM中存储的信号在单个脉冲重复周期中进行多次复制转发,若产生的假目标数量较多,且两两之间的时延间隔较小,就可以在雷达接收端产生高密度的假目标,从而达到欺骗的效果[4]。密集复制假目标干扰数学表达式为:

(4)

式中:J(t)为干扰信号;s(t)为雷达信号;τi为干扰子脉冲之间的时延间隔。

间歇采样转发干扰是采用DRFM的干扰机对雷达信号进行间歇采样再依次转发形成的,一个采样周期中多次采样转发,就形成了间歇采样转发干扰,该种干扰的数学表达式为:

(5)

式中:rect()为矩形函数;τ为间歇采样的脉冲的宽度;T为雷达信号的脉宽;Ts为采样周期;τ/Ts表示间歇采样占空比。

图2为上述2种欺骗干扰的时频图。密集复制假目标干扰通过沿距离维方向产生密集的虚假目标,以掩盖压制真实目标。间歇采样转发干扰是截取雷达的发射信号,每段子信号都与截取的信号具有相同参数,再将该信号间歇转发进行干扰。上述2种欺骗干扰是通过对雷达发射信号的采集、调制及转发方式产生的,这类干扰具有波形与雷达信号匹配性好、频率对准雷达工作频点、带宽较窄等特点。对此类信号的分析需要重点关注外部脉冲信号的参数检测,并与雷达信号参数匹配性对比。

图2 欺骗干扰时频图

2 干扰识别方法

2.1 干扰信号数据预处理

为完成干扰信号识别,本文从信号的时频域特性出发,进行信号特征选取。为保障干扰识别的实时性,本文对干扰信号数据进行预处理,利用预处理后的数据进行特征选取,简化识别过程。干扰信号数据的预处理主要包括信号的数字化处理、生成功率谱、生成时频功率谱、完成脉冲信号的参数检测、生成脉冲描述字(PDW)。

(1) 高分辨率功率谱

功率谱是采样数据在频域内统计特征的描述,信号的功率谱密度反映了信号功率在频域随频率的分布。在实际工作中进行的观测是在有限范围内进行的,为此先把分段数据进行加窗处理,计算其周期谱,然后将分段的谱估计结果的平均值作为最终的功率谱估计值[5]。干扰信号预处理过程中,将当前雷达周期内接收到的数据分段加窗并进行离散傅里叶变换(DFT)处理,选取适当的数据长度以保证精细的频率分辨率。获得的高分辨率功率谱可以用于初步检测干扰噪声的有无、估算干扰信号的带宽、分辨压制干扰信号的频谱凹陷区域。

(2) 时频功率谱

时频功率谱包含中频通道带宽内所有信号的频域与时域的信息,是干扰识别处理的重要数据依据。直接对宽带信号做高精度的时频分析,计算时频分布运算量较大,工程上较难保证计算的实时性。因此,本文采用基于多相滤波的数字信道化技术实现时频功率谱分析,它将宽带时域信号通过数字滤波器组分离到不同频点的窄带信号信道[6],实现多频路时域输出,输出结果即为时频分布。

基于数字信道化的时频功率谱模型如图3所示,信道化后有效信道的正交IQ数据流进行求模处理,生成时频功率谱。这样的二维分布矩阵数据,通过频域或时域压缩方法,可获取干扰信号的不同特征规律,以识别干扰信号的类别并估算干扰的工作参数。

图3 时频功率谱模型示意图

(3) 信号参数测量

PDW包含脉冲到达时间、脉冲频率、脉冲幅度、脉冲宽度等信息,外部脉冲信号参数与雷达信号参数的匹配性对比是欺骗干扰识别过程中的重要环节。信号的检测是先对数字信道化处理后相应信道正交IQ数据做幅度计算,再通过门限判断,确定当前信道是否存在脉冲或连续波等干扰信号并进行参数测量。信道化后的正交IQ信号通过Cordic算法计算获得幅度信息。Cordic算法适于在现场可编程门阵列(FPGA)芯片中设计成流水线工作模式,提高运行速度。

2.2 干扰信号特征选取及分类方法

压制干扰信号在时域上通常表现为无规律随机调制的连续波,频域上不同干扰类型的频谱之间存在明显的区别。欺骗干扰是通过对雷达发射信号的采集、调制及转发方式产生的,对欺骗信号的分析需要进行脉冲信号的参数检测,并与雷达信号参数对比分析。压制干扰信号和欺骗干扰信号在时频域存在明显差异,因此对压制干扰和欺骗干扰分别进行特征选取与识别分类。

(1) 压制干扰

根据不同压制干扰在时频域的分布特点,提炼了以下几个特征参数:

(a) 等效带宽:获取功率谱频域能量分布向量,向量数据之和除以最大值为等效带宽,用此参数评估干扰信号的带宽大小。

(b) 中心频率周期性:计算时频谱每个时间段的频率中心,得到时域频率中心分布曲线,扫频类干扰的分布曲线呈现明显的周期性分布,而随机噪声干扰的分布曲线则无规律随机分布,因此可以计算分布曲线的频率响应以及频率周期性来区分扫频噪声和其他噪声。

(c) 频域能量突变点个数:根据功率谱求得频率能量突变点,用于识别梳状谱干扰。

(d) 时域包络起伏度:信号包络的变化程度可表示为R=σ2/μ2,其中的σ2和μ2分别为信号包络平方的均值和方差[7]。

结合上述特征参数,噪声压制干扰的识别流程如图4所示。利用功率谱分析等效带宽,区分出窄带干扰与其他干扰,分析大带宽信号的功率谱频谱能量突变点可以识别梳状谱干扰,分析时频功率谱的中心频率周期性识别扫频干扰。

图4 噪声压制干扰识别流程图

(2) 欺骗干扰

欺骗干扰识别分类时从以下几点分析干扰信号的脉内和脉间特点:

(a) 脉冲信号PDW参数比对:欺骗干扰是雷达信号的片段复制或者间断复制,采用片段复制循环连续转发方式产生的密集假目标干扰时宽较宽,在频域上表现为周期调制波形,采用间歇采样方式产生的干扰表现为时宽、频率、幅度等参数相近的脉冲串。

(b) 频谱相像系数:频谱相像系数表征2个函数相像程度,目标回波信号频谱保留了雷达线性调频信号的频谱特性,幅度谱近似为矩形,而间歇采样转发干扰信号的频谱在有效带宽内存在明显起伏,利用信号频谱与矩形序列相像程度的不同区别干扰及目标回波[8]。

(c) 信号连续性:真实目标通常在连续多个重频周期的同一距离单元均有回波,而欺骗干扰机不一定能够对每个雷达脉冲转发或者无法在相邻重频的同一距离单元上产生干扰脉冲,因此可以通过脉冲周期间同一距离单元的视频是否连续过门限来区分回波和干扰。

欺骗干扰的识别流程如图5所示,欺骗干扰识别通过与雷达信号的脉宽鉴别、频率鉴别、频谱鉴别和参数聚集度鉴别实现干扰类型区分。从预处理产生的脉冲PDW中提取出具有明显干扰特征的脉冲,如频率偏离雷达频点较多、脉宽明显异于雷达脉宽、信号带宽与雷达带宽有较大差异的脉冲等。对这些脉冲进行脉内频谱相像系数分析,与雷达发射信号有较大差异的为间歇采样干扰。针对剩下的脉冲,搜集多个相邻的重频周期的PDW,进行信号在重频周期间的连续性分析,筛除回波脉冲,之后对脉冲进行频率、脉宽和幅度的聚集分析,满足聚类条件即为密集复制假目标干扰。

图5 欺骗干扰的识别算法流程图

3 干扰识别方法的实现

3.1 硬件结构

实现干扰识别的整个硬件系统主要由模数转换器(ADC)+FPGA+DSP构成,硬件组成框图如图6所示。其中,FPGA的型号为XC7VX690T,DSP的型号为TMS320C6678。FPGA负责快速傅里叶变换(FFT)功率谱、数字信道化产生时频功率谱以及信号检测产生PDW,将有效数据组帧打包后送给DSP进行有源干扰的识别。

图6 硬件组成框图

3.2 FPGA数据预处理方法

如图7所示,FPGA将采样信号通过信道化处理分成多路低数据率的正交通道信号,对信道化后有效信道的正交IQ数据流进行求模处理,生成时频功率谱。求模数据完成幅度计算后进行滤波和门限检测,计算幅度、脉冲宽度、频率等信息形成PDW。同时将每个雷达工作周期内数字化的数据分成多段,每段数据经过加窗和DFT算法,获得高分辨率功率谱。

图7 FPGA数据预处理示意图

为进一步降低DSP的处理压力,保证识别的实时性,FPGA根据雷达工作模式设置预处理参数,对产生的数据进行初步筛选,将处理后的有效数据传输给DSP。如图8所示,FPGA完成的数据预处理工作包括:对PDW数据流进行滤波,去除尖峰脉冲和无效PDW信息;FPGA抽取信道化后对应雷达工作频率的信道零中频正交IQ数据进行缓存;对雷达零中频IQ数据进行信号检测,分析信号能量分布,结合高分辨率功率谱的频域能量分布,判断当前工作周期内是否存在干扰信号;分析功率谱的频谱带宽、凹陷区域。FPGA将上述信息与功率谱数据、时频功率谱数据、有效PDW数据组帧发送至DSP,进行后续干扰识别分析。

图8 FPGA数据预处理流程图

3.3 DSP软件架构设计

目前,多核DSP最主要的2种并行处理模式是主从模式和数据流模式。为高效利用多核DSP芯片,需要确定处理任务的并行性,并选择合适的并行处理模式[9]。结合本文的干扰识别处理流程,采取主从模式完成干扰识别流程。图9为DSP多核处理流程图。

图9 干扰识别多核处理流程图

如图9所示,0核控制任务流程并完成从核输出结果整合,首先控制FPGA完成数据预处理,将有效数据分配给从核。从核接收预处理数据,完成压制干扰和欺骗干扰类型分类,将分类结果发送至主核。主核统计从核完成的结果,对结果进行整合并输出。

4 验证测试

实验中产生宽带阻塞干扰信号,FPGA对中频信号进行采样预处理后发送至DSP,DSP接收到的时频功率谱如图10(a)所示。DSP的识别结果为宽带阻塞干扰,干扰带宽375 MHz。实验中产生欺骗干扰信号,DSP接收到的时频功率谱如图10(b)所示。DSP的识别结果为密集假目标干扰,信号中心频率296 MHz,脉宽15 μs。结果表明该干扰识别方法能够实现干扰类型识别。

图10 干扰信号时频数据

5 结束语

本文分析了雷达有源干扰信号的时频域特征,设计了一种基于时频域分析的干扰信号识别方法。该方法利用信号的时频功率谱数据提取出时域、频域、时频域的特征参数,依据所选特征进行了合理的分类器设计,以实现干扰信号的分类识别。本文描述了该识别方法的硬件实现原理,为保证干扰识别的实时性,由FPGA完成干扰信号的数据预处理,后续由DSP多核并行处理完成干扰识别分类。验证测试结果表明通过本文方法进行干扰信号的数据处理,能够实现干扰信号的分类识别。