一种新的雷达信号分选方法

2011-10-20

0 引言
随着现代战争的发展，电子战的作用和地位发生了巨大的变化，成为现代战争的重要手段。要想做到知己知彼，取得战争的主动权就必须掌握敌方雷达等电子装备的特性。因此，通过侦察情报的分析来进行雷达信号识别具有特别重要的意义。就目前而言，现有识别方法已不能满足日益复杂的电磁环境的需要，对新的雷达信号识别方法的研究势在必行。
瞬时自相关算法是一种非线性时频分析方法，适用于非平稳信号的分析。而现代雷达信号多采用非平稳信号，瞬时自相关算法瞬时频率派生特征提取算法用于雷达信号的分选便成为可能。

1 瞬时自相关算法(ISC)原理
设经模数转换(ADC)采样、解析变换后得到的中频解析信号为：

式中，A为信号幅度，f(n)和ψ(n)分别为频率和相位调制函数，ψ0为任意初相，fs为采样频率。
参考文献，信号的瞬时自相关运算定义为：

设瞬时相位为θ（n，m），则式（4）可用下式表示：

式中，Im(·)和Re(·)分别表示求信号虚部和实部的运算。由于相位的变化率为频率，因此信号的瞬时频率由下式计算：

对于任意如式(1)的信号，在不太长的时间间隔m内(m<

换句话说，相位调制ψ(n)引起的相位改变相当于信号频率从f(n)调整为fi所引起的相位变化。
为了抑制噪声的干扰，对n和n+m间的采样点作滑动平均处理，以平均瞬时频率：

作为第n点的瞬时频率。经此处理后，算法在低信噪比环境的适应能力有了进一步的提高。

2 瞬时频率派生特征提取算法
    根据统计学原理，利用各瞬时频率统计特性的变化差异来提取它的派生特征，并使新提取的特征具有标识信号调制类型的能力。
    下面就常规脉冲信号(CON)、线性调频信号(LFM)、相位编码信号(PSK)和频率编码信号(FSK)几种典型雷达信号进行瞬时频率派生特征提取算法进行分析。
    LFM的瞬时频率和采样时间之间表现出较好的线性相关性，而其他类型信号的相关性均较差。因此，相关系数R可以作为识别LFM信号的一个较为可靠的特征：

式中，fIF为提取的瞬时序列，Ts=1／fs为采样间隔，cov(·)和D(·)分别为协方差和方差函数。
将瞬时频率fIF做归一化处理：

用E1表示fIF1的均值，将(fIF1一E1)大于零的部分再做归一化处理，这种去均值并提取正值的处理方式，将使fIF1长度缩短并使不同类信号的fIF1结构发生不同程度的变化。这种变化上的差异，有利于信号分类。
对于PSK信号，由于相位突变会引起频率的跳变。这里用Np来表示突变峰的个数：

式中，σ表示均方差。
通常将经典五参数作为雷达辐射源信号预分选，在此基础上，再构造分类特征向量[R，σ1一σ2，Np]作为辐射源信号主分选，根据分类特征向量门限，判别出各雷达辐射源信号。

3 仿真结果
仿真选取的雷达信号为：常规脉冲信号(CON)、线性调频信号(LFM)、相位编码信号(二相位编码BPSK，采用7位Barker编码方式)和频率编码信号(二频率编码BFSK，采用13位Barker编码方式)。仿真参数为：A一2，fs=120 MHz，f0=10 MHz，PW=13μs，B=10 MHz，对于二频率编码信号，它的两个频率fl=10 MHz，f2=2 MHz，信噪比SNR为-6～15 dB。
图1给出了SNR=0 dB、高斯白噪声下的瞬时自相关算法的时频分析图。

为了确定各特征向量[R，σ1一σ2，Np]的门限，在SNR为一6～15 dB的环境下，对各种典型信号分类特征向量的各分量的取值范围进行了100次的仿真实验，所得统计结果列于表1。

从表1可知，R是一个较理想的分类特征。因为在所考察的雷达辐射源信号类中，仅有LFM信号的IF随采样时间nT，的变化而线性变化，两者表现出较好的线性相关特性，具有较大的R值，而其余类信号R值均小于O．1，因此，可选择O．1作为R的门限，从而将LFM首先分离出来。从表1中Np的统计结果可以判别出BPSK信号，选择1作为Np的门限。分离出LFM和BPSK信号后，可选择O．05作为σ1一σ2的门限，大于等于O．05的为BFSK信号，小于O．05的为CON信号。图2给出了信号判别流程框图。