關(guān)一夫,張國(guó)毅,王曉峰

(1.空軍航空大學(xué),長(zhǎng)春130022;2.海軍航空工程學(xué)院,山東煙臺(tái)264001)

一種基于動(dòng)態(tài)規(guī)劃的雷達(dá)合批新算法*

關(guān)一夫1,**,張國(guó)毅1,王曉峰2

(1.空軍航空大學(xué),長(zhǎng)春130022;2.海軍航空工程學(xué)院,山東煙臺(tái)264001)

針對(duì)信號(hào)分選結(jié)果增批現(xiàn)象嚴(yán)重、影響識(shí)別準(zhǔn)確度的問(wèn)題,通過(guò)分析實(shí)際偵收信號(hào)的特點(diǎn),并借鑒生物信息學(xué)中動(dòng)態(tài)規(guī)劃比對(duì)算法的思想,提出了對(duì)脈沖重復(fù)周期(PRI)信號(hào)在載頻維和脈寬維進(jìn)行合批的方法,并結(jié)合該方法設(shè)計(jì)了動(dòng)態(tài)合批處理流程。該算法通過(guò)比較兩批數(shù)據(jù)在PRI值及其排列順序上的相似性來(lái)進(jìn)行合批,利用PRI周期性這一很穩(wěn)定的特征較好地解決了批信號(hào)在載頻和脈寬維上的增批問(wèn)題。仿真結(jié)果表明,該算法在存在脈沖丟失和干擾脈沖的情況下仍能準(zhǔn)確合批。

雷達(dá)輻射源;合批;PRI周期性;動(dòng)態(tài)規(guī)劃比對(duì)

1 引 言

雷達(dá)信號(hào)合批是輻射源識(shí)別處理中的重要環(huán)節(jié),它可以有效地消除虛假和重復(fù)雷達(dá)信號(hào)[1]。偵察接收機(jī)接收到的脈沖將通過(guò)分選算法基于測(cè)量參數(shù)分成若干批數(shù)據(jù),這些批數(shù)據(jù)將與雷達(dá)數(shù)據(jù)庫(kù)中已知雷達(dá)的對(duì)應(yīng)參數(shù)進(jìn)行匹配以給出這些批數(shù)據(jù)的輻射源類(lèi)型、用途等信息,并為下一步指揮決策提供依據(jù)。如果批數(shù)據(jù)存在增批的現(xiàn)象,那么識(shí)別過(guò)程將給出一些錯(cuò)誤的雷達(dá)識(shí)別結(jié)果,對(duì)這些錯(cuò)誤的雷達(dá)采取措施將浪費(fèi)資源[2]。

所謂雷達(dá)增批,可以理解成在雷達(dá)分選處理中分選得到的雷達(dá)數(shù)目大于實(shí)際存在的雷達(dá)數(shù)目[3]。很多因素可以導(dǎo)致雷達(dá)分選出現(xiàn)增批現(xiàn)象:比如在復(fù)雜體制雷達(dá)的工作模式中載頻、脈寬、重頻等具有較復(fù)雜的樣式使現(xiàn)有算法對(duì)其分選應(yīng)用具有局限性,脈沖大量丟失破壞了原有脈沖間的規(guī)律及環(huán)境因素的影響等。本文主要解決的是由第一種原因造成的增批問(wèn)題。

雷達(dá)輻射源為實(shí)現(xiàn)高分辨探測(cè)、動(dòng)目標(biāo)顯示以及成像功能,運(yùn)用了更為復(fù)雜的波形;同時(shí)為了滿足抗干擾、反偵察的需求,其輻射波形在載頻(RF)、脈寬(PW)和脈沖重復(fù)周期(PRI)上變得復(fù)雜多變:載頻維有脈組頻率捷變、脈間頻率捷變、頻率偽隨機(jī)編碼和頻率分集等樣式;脈寬維有組變、較大范圍的單調(diào)漸變、編碼和雙脈沖等樣式;脈沖間隔維有參差、組變、滑變、抖動(dòng)和編碼等樣式[4-7]。目前的分選算法無(wú)法很好地適應(yīng)RF、PW和PRI存在的如此復(fù)雜的變化樣式,同時(shí)這些復(fù)雜的信號(hào)樣式也給電子情報(bào)偵察數(shù)據(jù)的分析增加了難度[8-9]?，F(xiàn)有合批算法的思路主要是利用各批數(shù)據(jù)間特征參數(shù)的統(tǒng)計(jì)特性,如隸屬度[10],這種方法的局限性在于:對(duì)于脈組捷變同時(shí)在重復(fù)周期上脈組參差的典型雷達(dá)樣式將無(wú)能為力。

在對(duì)批數(shù)據(jù)進(jìn)行人工分析時(shí)發(fā)現(xiàn),盡管PRI的調(diào)制樣式呈現(xiàn)出多樣和復(fù)雜的特點(diǎn)[11],但是對(duì)于PRI周期性調(diào)制信號(hào),除了各子PRI值外,一個(gè)幀周期內(nèi)各子PRI值的排列順序能夠提供很有價(jià)值的分類(lèi)信息,而且這一特征即便在較短的觀察時(shí)間內(nèi)仍具有很好的穩(wěn)定性。當(dāng)一個(gè)幀周期內(nèi)各個(gè)PRI值的排列很復(fù)雜時(shí),其規(guī)律很難被發(fā)現(xiàn)而且很難找到一個(gè)合適的模型來(lái)對(duì)其進(jìn)行描述,但是如果對(duì)這種信號(hào)進(jìn)行長(zhǎng)時(shí)間的觀察,提取較長(zhǎng)的數(shù)據(jù)段來(lái)對(duì)這個(gè)信號(hào)進(jìn)行跟蹤,仍可以發(fā)現(xiàn)其內(nèi)在規(guī)律和周期性。所以,可以利用PRI的周期性作為一個(gè)穩(wěn)定且可靠度高的特征對(duì)合批進(jìn)行判定。

此外,PRI調(diào)制樣式中除了參差、組變和滑變這些具有強(qiáng)周期型的樣式外,還存在PRI編碼這種具有弱周期型規(guī)律的樣式,PRI編碼信號(hào)的特點(diǎn)是碼值為固定的幾個(gè)數(shù),各個(gè)碼值出現(xiàn)的順序不像強(qiáng)周期型樣式那樣可以預(yù)測(cè),但是在人工分析時(shí)仍能較容易地將其規(guī)律挖掘出來(lái),只是在脈沖丟失嚴(yán)重的情況下若不仔細(xì)分析其數(shù)據(jù)容易將其判為參差類(lèi)型。第五部分的仿真將說(shuō)明該算法對(duì)于PRI編碼這種弱周期型的信號(hào)具有較好的適應(yīng)性。

2 對(duì)PRI周期信號(hào)的合批算法

2.1 分選算法的選擇

該合批算法需要各個(gè)批數(shù)據(jù)中能夠保留較完整的PRI周期性,即不會(huì)因?yàn)樾盘?hào)中PRI的多值性而造成增批。本文假設(shè)分選算法為脈沖累積抽取的改進(jìn)算法[12],該算法能夠?qū)RI參差、組變、滑變等PRI周期調(diào)制信號(hào)進(jìn)行分選。在這種條件下我們得到的批數(shù)據(jù)中存在的增批絕大部分是由RF、PW維所存在的多值性引起的。

2.2 合批算法原理

借鑒生物信息學(xué)中基因序列配對(duì)的經(jīng)典算法——?jiǎng)討B(tài)規(guī)劃比對(duì)算法[13]的主要思想,結(jié)合增批問(wèn)題的特點(diǎn)設(shè)計(jì)打分矩陣和部分得分矩陣,并將回溯路徑所經(jīng)過(guò)的各個(gè)點(diǎn)的分值相加,作為判定合批與否的依據(jù)。該算法的原始算法Needleman-Wunsch算法對(duì)于長(zhǎng)序列需要建立巨大的打分矩陣和部分得分矩陣,并且在回溯的時(shí)候很費(fèi)時(shí),其時(shí)間復(fù)雜度和空間復(fù)雜度均為O(n2)(n為序列長(zhǎng)度),這就限制了其在實(shí)際中的應(yīng)用。后來(lái)人們提出了改善其時(shí)間、空間復(fù)雜度的算法,典型的有Hirschberg算法、Ukkonen算法和Divide-and-Conquer算法。其中Divide-and-Conquer算法的時(shí)間和空間復(fù)雜度分別為O(n lbd+d2)和O(d)(d為兩條序列的得分值),在實(shí)際中有較好的應(yīng)用。關(guān)于上述算法的原理可參考文獻(xiàn)[14],在此不再贅述。

本文利用動(dòng)態(tài)規(guī)劃的思想,設(shè)計(jì)了對(duì)PRI周期信號(hào)的合批算法,步驟如下所述。

步驟1:從批數(shù)據(jù)中選取用于判定的樣本序列

由于批數(shù)據(jù)中存在大量的數(shù)據(jù)冗余,在選取用于判定的樣本序列時(shí),其實(shí)只要選取能夠完整描述一個(gè)幀周期內(nèi)結(jié)構(gòu)的幾個(gè)典型脈沖就夠了,例如三參差信號(hào),只要選出具有PRI三參差值的脈沖能夠用于進(jìn)行合批判定,至于這三參差值的排列順序下文中的仿真會(huì)證明該算法對(duì)排列順序有很強(qiáng)的適應(yīng)性,不影響判定結(jié)果。然而在批數(shù)據(jù)中不容易對(duì)各種PRI周期調(diào)制信號(hào)都準(zhǔn)確提取出典型脈沖,而且事實(shí)上也沒(méi)有這個(gè)必要,后面將證明更多的脈沖會(huì)使算法對(duì)脈沖丟失、干擾脈沖具有更強(qiáng)的適應(yīng)性。

具體的選取樣本序列的方法還需進(jìn)一步研究,目前只是綜合考慮序列的完整性、算法對(duì)復(fù)雜電磁環(huán)境的適應(yīng)性以及算法的計(jì)算量粗略地選取。單從運(yùn)算量上來(lái)說(shuō),該算法的改進(jìn)算法對(duì)于長(zhǎng)度為10 000以上的序列具有較快的處理速度[14]。

步驟2:計(jì)算部分得分矩陣M

設(shè)從批數(shù)據(jù)1和批數(shù)據(jù)2提取出的樣本序列分別為e1和e2,兩序列的長(zhǎng)度分別為n1和n2,則M是一個(gè)(n1+1)×(n2+1)的矩陣。首先按照空位得分規(guī)則[14]初始化M的第一行和第一列,然后從m22開(kāi)始,按式(1)計(jì)算mij:

其中,p(S1i,S2j)表示將M第i行對(duì)應(yīng)序列e1中的元素值與M第j列對(duì)應(yīng)e2中的元素值進(jìn)行匹配,如果兩個(gè)數(shù)值在預(yù)先設(shè)定的匹配容差σ范圍內(nèi)則匹配結(jié)果為1,否則結(jié)果為-1。

步驟3:回溯并進(jìn)行合批判定

回溯是從m(n1+1)(n2+1)開(kāi)始,沿向左、向上或向左上3個(gè)方向,移動(dòng)到m11的過(guò)程。當(dāng)回溯到mij后,從m(i-1)j、mi(j-1)和m(i-1)(j-1)3個(gè)選項(xiàng)中選擇滿足式(1)的位置繼續(xù)前進(jìn),直到回溯到m11。

完成回溯后,對(duì)回溯路徑上各元素的分值求和,若該和值超過(guò)合批判定門(mén)限η則將兩批數(shù)據(jù)進(jìn)行合批,否則不進(jìn)行合批。

2.3 動(dòng)態(tài)合批處理流程

在偵察裝備的一個(gè)偵察周期[15]中會(huì)給出該偵察周期以及之前各周期數(shù)據(jù)的批數(shù)據(jù)結(jié)果,隨著偵察周期的延續(xù),對(duì)于每一個(gè)偵察周期給出的結(jié)果,在新生成的各批數(shù)據(jù)內(nèi)部進(jìn)行合批處理,然后再與原來(lái)生成的批數(shù)據(jù)進(jìn)行合批處理,直到下一個(gè)偵察周期的數(shù)據(jù)到來(lái)。在對(duì)偵察周期新生成的批數(shù)據(jù)進(jìn)行合批時(shí),為了改善其處理的實(shí)時(shí)性,可采用如下的處理方法:將新生成的各批數(shù)據(jù)隨機(jī)分成兩組,即組1和組2,依次從組1中選取批數(shù)據(jù)與組2的所有批數(shù)據(jù)進(jìn)行合批判定,滿足合批條件的就進(jìn)行合批,當(dāng)組1中的批數(shù)據(jù)都處理完之后,將所有這些處理完的批數(shù)據(jù)再重新隨機(jī)分為兩組,按上述方法繼續(xù)合批,直到某個(gè)循環(huán)結(jié)束合批成功的次數(shù)小于某一門(mén)限γ或?yàn)?時(shí),停止合批處理循環(huán)。示意圖如圖1所示。

圖1 動(dòng)態(tài)合批處理示意圖Fig.1 Dynamic batching process

3 仿真結(jié)果

3.1 算法的穩(wěn)健性分析

下面先以PRI三參差為例分別對(duì)兩序列完全匹配、不匹配、存在脈沖丟失、存在干擾脈沖和序列錯(cuò)位5種情況進(jìn)行仿真,驗(yàn)證該算法的有效性以及對(duì)后3種情況的適應(yīng)性,三參差PRI值分別為PRI1、PRI2和PRI3,取兩個(gè)周期的序列長(zhǎng)度,另一部未知雷達(dá)的PRI值分別為X1、X2、X3、X4,干擾脈沖的PRI值用U1和U2表示;然后以PRI四編碼信號(hào)為例說(shuō)明該算法對(duì)PRI編碼信號(hào)的適應(yīng)性,PRI編碼的4個(gè)PRI值分別用PRI_1、PRI_2、PRI_3和PRI_4表示。仿真結(jié)果如圖2～7所示。

圖2 完全匹配時(shí)的部分得分矩陣Fig.2 Partial score matrix when completely matching

圖3 不匹配時(shí)的部分得分矩陣Fig.3 Partial score matrix when not matching

圖4 存在脈沖丟失時(shí)的部分得分矩陣Fig.4 Partial score matrix with missing pulses

圖5 存在干擾脈沖時(shí)的部分得分矩陣Fig.5 Partial score matrix with interfering pulses

圖6 序列錯(cuò)位時(shí)的部分得分矩陣Fig.6 Partial score matrix with disorder sequences

圖7 PRI編碼信號(hào)的部分得分矩陣Fig.7 Partial score matrix of PRI coded signal

以上6種情況下部分得分矩陣回溯路徑上各元素的總分分別為21、-21、9、5、12和5。除了圖3的情況外都是我們希望判為合批的情況,通過(guò)比較6種情況的總分可以發(fā)現(xiàn)用于判定是否合批的門(mén)限很容易設(shè)定,比如說(shuō)設(shè)η為0就可以正確判定是否合批,即使是在更惡劣的電磁環(huán)境下,該門(mén)限值也是較易設(shè)定的,但是如何設(shè)計(jì)一個(gè)理論的門(mén)限值還需進(jìn)一步研究。此外,提取太長(zhǎng)的序列將使得分矩陣過(guò)于龐大,從而提高算法的時(shí)間復(fù)雜度和所需存儲(chǔ)空間,算法的穩(wěn)健性使得在對(duì)批數(shù)據(jù)提取樣本序列時(shí)并不需要提取很長(zhǎng)的序列就可以進(jìn)行合批判定(但并不一定能完整描述批數(shù)據(jù)在PRI上的分布特點(diǎn)),從而提高算法的實(shí)時(shí)性。但是下面也將看到,提取較長(zhǎng)的序列將使合批判定結(jié)果更為準(zhǔn)確。

3.2 長(zhǎng)序列對(duì)合批判定結(jié)果的改善

下面將通過(guò)仿真說(shuō)明如果提取的樣本序列較長(zhǎng)、包含多個(gè)周期時(shí),PRI的周期性?xún)?yōu)勢(shì)將更加明顯,這實(shí)質(zhì)是由于對(duì)回溯路徑上的分值求和得到的累加效果,這使得判定結(jié)果對(duì)脈沖丟失、干擾脈沖等影響的適應(yīng)性更強(qiáng),對(duì)不匹配的情況其分值將趨于更小的數(shù)值,而且使PRI編碼信號(hào)的弱周期性得到增強(qiáng),僅以上面的PRI四編碼信號(hào)進(jìn)行說(shuō)明,此處PRI四編碼序列長(zhǎng)度取為10,如圖8所示。該部分得分矩陣的總分為15,而之前序列長(zhǎng)度為6時(shí)總分為5,可見(jiàn)長(zhǎng)序列對(duì)結(jié)果的改善。

圖8 序列長(zhǎng)度為10的PRI四編碼信號(hào)的部分得分矩陣Fig.8 Partial score matrix of PRI coded signal with the length of 10

通過(guò)上面兩個(gè)仿真可以看出,在從批數(shù)據(jù)中提取樣本序列時(shí),需要折衷考慮算法的時(shí)間空間復(fù)雜度和合批判定的準(zhǔn)確性,以提取出合適長(zhǎng)度的序列;盡管算法的穩(wěn)健性使得提取批數(shù)據(jù)的部分序列就可以滿足合批判定的需求,但是除了將批數(shù)據(jù)全部作為樣本序列外,如何提取樣本序列使其能夠以較少的脈沖完整反應(yīng)批數(shù)據(jù)在PRI上的分布特點(diǎn)還需要進(jìn)一步研究。

3.3 合批結(jié)果分析

該部分取分選算法給出的10批數(shù)據(jù),其中各批數(shù)據(jù)在RF、PW和PRI維的代表值(容差為1時(shí)的均值)在表1中給出,用本文的合批算法對(duì)其進(jìn)行合批,合批結(jié)果在表2中給出。

表1 原始批數(shù)據(jù)Table 1 Original batch data

表2 合批后的批數(shù)據(jù)Table 2 Data after batching process

取匹配容差為1 μs,合批門(mén)限為0,按第三部分的合批方法和流程進(jìn)行合批。合批后的數(shù)據(jù)第一批為PRI參差、RF捷變(帶寬為10 MHz)、PW固定的信號(hào)形式,第二批為PRI組變、RF固定、雙脈寬信號(hào)形式,第三批為PRI編碼、RF固定、PW固定的信號(hào)形式,合批結(jié)果與實(shí)際情況相符。

4 結(jié)論與展望

本文借鑒生物信息學(xué)中動(dòng)態(tài)規(guī)劃的思想提出了一種對(duì)PRI周期信號(hào)的合批算法,通過(guò)討論與仿真分析可看出,對(duì)于增批形成的多批數(shù)據(jù),提取出樣本序列之后,利用PRI的周期性以及本文算法對(duì)周期特性的累積效果,可以較好地適應(yīng)脈沖丟失、干擾脈沖、序列錯(cuò)位的情況以及PRI編碼的信號(hào)形式;對(duì)于批數(shù)據(jù)不匹配的情況,累加效果可使其部分得分矩陣總分為很小的負(fù)值,故而可以準(zhǔn)確地對(duì)合批進(jìn)行判定。在復(fù)雜的電磁環(huán)境下,由于干擾脈沖不具有周期性,當(dāng)選取的觀察時(shí)間較長(zhǎng)時(shí),通過(guò)該算法對(duì)PRI周期信號(hào)的累積效果,其合批判定的準(zhǔn)確度將更高。

下一步還需要進(jìn)一步研究的問(wèn)題主要有合批門(mén)限的設(shè)定和用于合批判定的樣本序列的選取。

[1] Wiley R G.ELINT:The Interception and Analysis of Radar Signals[M].Norwood,MA:Artech House,2006: 214-219.

[2] Hassan H E.Deinterleaving of Radar Pulses in a Dense Emitter Environment[C]//Proceedings of 2003 International Radar Conference.Huntsville,Canada:IEEE,2003: 389-393.

[3] 孫鑫,侯慧群,楊承志.基于新的特征向量和Kalman的復(fù)雜體制雷達(dá)合批算法[J].雷達(dá)與對(duì)抗,2010,30 (3):18-21. SUN Xin,HOU Hui-qun,YANG Cheng-zhi.A Batching Algorithm Based on New Eigenvectors and Kalman for Radars with Complicated System[J].Radar&ECM, 2010,30(3):18-21.(in Chinese)

[4] Ray P S.A Novel Pulse TOA Analysis Technique for Radar Identification[J].IEEE Transactions on Aerospace and Electronic Systems,1998,34(3):716-721.

[5] Hassan H E,Chan F,Chan Y T.Queuing Analysis of the Deinterleaving of Radar Pulses in a Dense Emitter Environment[C]//Proceedings of 2003 Canadian Conference on Electrical and Computer Engineering.Montreal,Canada:IEEE,2003:2015-2020.

[6] Banasiak K,Pieniezny A.SACD Algorithm of Pulse Stream Analysis[C]//Proceedings of 17th International Conference on Microwave,Radar and Wireless Communication.Wroclaw:IEEE,2007:1-4.

[7] 黃淵凌,鄭輝,萬(wàn)堅(jiān).特定輻射源識(shí)別的信息論描述[J].西安電子科技大學(xué)學(xué)報(bào),2012,39(6):125-130. HUANG Yuan-ling,ZHENG Hui,WAN Jian.Information Theory Description of Specific Emitter Identification [J].Journal of Xidian University,2012,39(6):125-130.(in Chinese)

[8] Ware P J,McDowall J B.The Application of Pulse Analyser in Passive Sensor Systems[C]//Proceedings of 28th European Microwave Conference.Amsterdam,Netherlands:IEEE,1998:560-565.

[9] Ahmadi M,Mohamedpour K.A New Method for Recognizing Pulse Repetition Interval Modulation[C]//Proceedings of 2009 International Conference on Signal Processing Systems.Singapore:IEEE,2009:146-151.

[10] 張國(guó)柱,黃可生,姜文利,等.電子對(duì)抗系統(tǒng)中雷達(dá)情報(bào)綜合技術(shù)研究[J].國(guó)防科技大學(xué)學(xué)報(bào),2005,27 (4):81-84. ZHANG Guo-zhu,HUANG Ke-sheng,JIANG Wen-li,et al.Radar Association Algorithm in the Electronic Counter System[J].Journal of National University of Defense Technology,2005,27(4):81-84.(in Chinese)

[11] Latombe G,Granger E,Dilkes F A.Fast Learning of Grammar Production Probabilities in Radar Electronic Support[J].IEEE Transaction on Aerospace and Electronic Systems,2011,46(3):1262-1287.

[12] 王曉峰.雷達(dá)信號(hào)快速分選算法研究[D].長(zhǎng)春:空軍航空大學(xué),2011. WANG Xiao-feng.Research on Fast Sorting Algorithm for Radar Signal[D].Changchun:Aviation University of Air Force,2011.(in Chinese)

[13] 馬爽,王瑩桂,柳征,等.基于序列比對(duì)的多功能雷達(dá)搜索規(guī)律識(shí)別方法[J].電子學(xué)報(bào),2012,40(7): 1435-1439. MA Shuang,WANG Ying-gui,LIU Zheng,et al.A method for Search Scheme Recognition of Multifunction Radars Based on Sequence Alignment[J].Acta Electronica Sinica,2012,40(7):1435-1439.(in Chinese)

[14] 唐玉榮.生物信息學(xué)中的序列比對(duì)算法研究[D].北京:中國(guó)農(nóng)業(yè)大學(xué),2004. TANG Yu-rong.Research on Sequence Alignmeat Algorithm in Bioinformatics[D].Beijing:China Agricultural University,2004.(in Chinese)

[15] 沈陽(yáng),陳永光,李修和.雷達(dá)輻射源識(shí)別的多元信息融合算法研究[J].電子與信息學(xué)報(bào),2007,29(10): 2329-2332.SHEN Yang,CHEN Yong-guang,LI Xiu-he.Muftidata Fusion Algorithm for Radar Emitter Identification [J].Journal of Electronics&Information Technology, 2007,29(10):2329-2332.(in Chinese)

GUAN Yi-fu was born in Harbin,Heilongjiang Province,in 1988.He is now a graduate student.His research concerns radar emitter recognition.

Email:guanyifu9@sina.cn

張國(guó)毅(1965—),男,吉林長(zhǎng)春人,2002年于哈爾濱工業(yè)大學(xué)獲通信與信息系統(tǒng)專(zhuān)業(yè)博士學(xué)位,現(xiàn)為教授、博士生導(dǎo)師,主要從事雷達(dá)信號(hào)分選算法、雷達(dá)輻射源識(shí)別、脈內(nèi)識(shí)別等研究;

ZHANG Guo-yi was born in Changchun,Jilin Province,in 1965.He received the Ph.D.degree from Harbin Industry University in 2002.He is now a professor and also the Ph.D.supervisor.His research concerns radar signal sorting,radar emitter recognition,intra-pulse recognition,etc.

王曉峰(1987—),男,河北隆化人,2011年于空軍航空大學(xué)獲軍事情報(bào)學(xué)專(zhuān)業(yè)碩士學(xué)位,現(xiàn)為海軍航空工程學(xué)院博士研究生,主要研究方向?yàn)槔走_(dá)信號(hào)分選與雷達(dá)輻射源識(shí)別、脈內(nèi)識(shí)別。

WANG Xiao-feng was born in Longhua,Hebei Province,in 1987.He received the M.S.degree from Aviation University of Air Force in 1987.He is currently working toward the Ph.D.degree.His research concerns radar signal sorting,radar emitter recognition and intra-pulse recognition.

A New Radar Batching Algorithm Based on Dynamic Programming

GUAN Yi-fu1,ZHANG Guo-yi1,WANG Xiao-feng2
(1.Aviation University of Air Force,Changchun 130022,China; 2.Naval Aeronautical and Astronautical University,Yantai 264001,China)

Given the fact that the results of the signal sorting have some false batches,which seriously affects the accuracy of the recognition process,by analyzing the characteristics of the

pulses,and learning dynamic programming alignment algorithm in bioinformatics,this paper puts forward a batching algorithm using the periodic characteristics of pulse repetition interval(PRI)to solve the problem appearing especially at the carrier frequency dimension and pulse width dimension,and in combination with the method this paper designs a dynamic batching processes.By comparing the similarities of two batches of data both in the values of PRI and its sequence order,it determines whether to batch or not.Simulation results show that the algorithm can work robustly even in the presence of missing pulses and interference pulses.

radar emitter;batching;PRI period;dynamic programming alignment

TN971

A

1001-893X(2013)11-1446-06

關(guān)一夫(1988—),男,黑龍江哈爾濱人,空軍航空大學(xué)碩士研究生,主要研究方向?yàn)槔走_(dá)輻射源識(shí)別;

10.3969/j.issn.1001-893x.2013.11.009

2013-07-11;

2013-09-25 Received date:2013-07-11;Revised date:2013-09-25

**通訊作者:guanyifu9@sina.cn Corresponding author:guanyifu9@sina.cn