陳 超，楊國彬，王 宇

(中國電子科技集團公司第51研究所，上海 201802)

基于脈內特征的輔助分選技術研究

陳 超，楊國彬，王 宇

(中國電子科技集團公司第51研究所，上海 201802)

提出了一種基于現(xiàn)場可編程門陣列(FPGA)的脈內特征實時提取技術，利用時頻分析方法實現(xiàn)對現(xiàn)有常見的脈內調制類型(簡單脈沖、二相編碼、四相編碼、線性調頻、頻率編碼)進行實時的檢測及識別，并將脈內調制特征與傳統(tǒng)的脈沖描述字結合構成擴展脈沖描述字；然后，利用聚類方法建立多維特征參數(shù)分選模型進行信號分選，由于充分利用脈內信息進行脈沖信號分選，進一步提高了信號分選的處理速度和分選準確率，并通過內場測試證明了方法的有效性。

時頻分析；脈內調制；檢測；聚類；分選

0 引 言

隨著雷達技術的不斷發(fā)展，雷達在現(xiàn)代戰(zhàn)爭中的應用越來越多，電磁信號也越來越密集，電磁威脅環(huán)境的信號密度己高達百萬量級。同時，隨著電子和雷達技術的發(fā)展，新體制雷達發(fā)展迅速并逐漸占居主導地位。新體制雷達中常規(guī)脈沖雷達信號比例已減少，線性調頻、非線性調頻、相位編碼等雷達信號逐漸增多。這就對雷達信號的分選和識別提出了更高的要求，需要對雷達信號的脈內調制特征進行分析。脈內調制特征[1-3]作為分選參數(shù)是近年來雷達對抗技術的發(fā)展趨勢。但是，由于目前脈內特征提取算法運算量大，處理速度慢所限制，脈內特征參數(shù)和常規(guī)參數(shù)結合用于信號分選和輻射源識別還沒有展開實質性的研究，脈內特征信息還沒有被充分利用。本技術正是基于目前的研究現(xiàn)狀,展開對基于硬件實現(xiàn)實時的脈內特征提取技術，實現(xiàn)對現(xiàn)有常見的脈內調制類型(簡單脈沖、二相編碼、四相編碼、線性調頻、頻率編碼及非線性調頻)進行實時檢測及識別，并把識別的脈內調制類型結果和常規(guī)脈沖描述字(PDW)進行合并，構成擴展脈沖描述字，用于雷達信號的分選處理，并通過內場測試證明了該方法的有效性。

1 基于FPGA的脈內調制類型實時提取

1.1 時頻分析原理

傅里葉變換是為了觀察信號的頻譜而進行的變換，但是要通過傅里葉變換獲得一個模擬信號的譜特征，必須得到在時域中信號的所有信息，甚至包括未來的信息。這給實際應用帶來了比較大的困難，而且信號一經(jīng)傅里葉變換就等于失去了時間，給出的只有頻譜信息，即不能作時頻分析。為了克服傅里葉變換的這個不足，D.Gabor在其論文中，為了提取傅里葉變換的局部信息，引入了1個時間局部化“窗函數(shù)”g(t-b)，其中b參數(shù)用于平移動窗，這樣就能覆蓋整個時域。這就是所謂的“短時傅里葉變換(STFT)”，從短時傅里葉變換的表達式可以看出，在t時刻的STFT就是信號x(τ)與1個移動的以t為中心的“分析窗”g(τ-t)相乘以后的傅里葉變換，由于與相對短的函數(shù)g(τ-t)相乘就能有效抑制掉分析時刻τ=t通道以外的信號，這樣STFT(t,ω)就是信號x(τ)在分析時刻τ=t附近簡單的局部譜。此種變換是集時間表示與頻率表示于一身的分解，這是時頻分析方法之一。本文就是基于這種時頻分析[4-6]方法對雷達信號進行檢測并對脈內調制特征進行識別的。

1.2 脈內調制類型提取步驟

識別脈內調制類型的主要流程是：首先對輸入信號進行預處理，然后對預處理的信號進行檢測，如果檢測到信號，則進行信號參數(shù)測量及脈內調制特征識別;如果沒有檢測到可分析的脈沖，則分析結束，準備分析下一包數(shù)據(jù)。處理的流程框圖如圖1所示?，F(xiàn)場可編程門陣列(FPGA)程序的總體功能：接收AD輸入的中頻信號，進行信號檢測，完成對接收信號頻率、脈寬、幅度和到達時間等參數(shù)的測量，同時對信號進行脈內分析，判斷信號是簡單脈沖、相位編碼、線性調頻還是頻率編碼等類型，將形成的脈沖描述字與后面的脈內特征提取模塊提取的脈內調制特征(IPMC)相結合構成擴展脈沖描述字(KPDW)，再將KPDW輸入到分選模塊進行分選處理。FPGA工程的頂層模塊組成如圖2所示。

圖1 FPGA脈內特征提取技術流程框圖

信號脈沖描述字檢測[7]模塊對信號進行檢測時的主要步驟：首先，檢測模塊對輸入的中頻信號進行混頻、濾波等下變頻處理，將信號變成I、Q正交2路；然后，信號經(jīng)過cordic模塊，得到2路輸出，一路是信號的幅度，一路是信號的相位；對檢測到的信號進行脈沖到達時間與結束時間測量(脈寬)及信號功率的測量(脈幅)；再通過計算信號相位得到信號的射頻(RF);最后，得到常規(guī)的脈沖描述字(PDW)。處理流程圖如圖2所示。

圖2 PDW檢測流程圖

基于FPGA的脈內特征提取模塊對前端采集的中頻數(shù)據(jù)采用流水線并行方式進行處理，特征提取流程框圖如圖 4所示，對輸入數(shù)據(jù)進行多通道并行的流水線方式進行處理，短時傅里葉變換的每個窗口長度選擇512點，F(xiàn)PGA時鐘是137.5 MHz，圖中每通道顯示出3個窗口的傅里葉變換結果。在進行滑窗傅里葉變換的同時，對已給出傅里葉變換結果的窗口進行時頻曲線分析，根據(jù)時頻特征判斷識別出脈內調制類型及調制參數(shù)，即在整個脈寬數(shù)據(jù)滑窗結束前，就可以給出脈內特征分析結果，這樣，在脈沖結束延遲系統(tǒng)響應時間后就得到含有脈內特征的脈沖描述字的結果輸出，系統(tǒng)響應時間是每個窗口進行傅里葉變換的時間。

圖3 脈內調制特征提取流程框圖

利用任意波形發(fā)生器產生具有脈內調制的脈沖信號進行測試分析，分別產生了頻率編碼、線性調頻、二相編碼及四相編碼調制脈沖信號，注入到系統(tǒng)中，利用開發(fā)的FPGA程序進行分析，分析結果如圖4～圖7所示。

圖4 頻率編碼信號FPGA分析結果

圖5 線性調頻信號FPGA分析結果

圖7 四相編碼信號FPGA分析結果

2 多維特征參數(shù)分選模型建立

本文將提取的傳統(tǒng)PDW和脈內調制特征結合構成擴展PDW,然后采用聚類的方法建立一種多維特征參數(shù)(擴展PDW)分選模型，聚類分選算法是雷達信號分選的重要方法之一，屬于一種無監(jiān)督的學習方法。

該方法按照一定的相似性度量方法以及一定的評價準則將數(shù)據(jù)集中的樣本進行歸并和分類，這樣更加容易找到數(shù)據(jù)集中的內在組織結構，從而能夠更好地分析各樣本數(shù)據(jù)的關系。對于無源偵察而言，一般情況接收到的脈沖流因缺少先驗知識無法預先知道空間輻射源信號的類型與數(shù)目，所以屬于典型無監(jiān)督分類問題。

從聚類角度進行輻射源信號分選，可以將每個輻射源信號源作為一個信號類，每個脈沖就是相應輻射源的一次觀測樣本，每個脈沖的脈沖參數(shù)描述個數(shù)就是特征維數(shù)。只要所選取的特征參數(shù)具有比較強的類內聚集性及類間分離性，在理論上就可以達到比較不錯的分選效果。

為判斷一個雷達輻射源脈沖信號是否屬于某一個輻射源，可以用脈沖信號的多個參數(shù)進行加權歐幾里德距離來表征雷達輻射源脈沖信號參數(shù)之間的幾何距離:

(1)

式中:x為輻射源脈沖信號參數(shù)的測量值向量;ω為輻射源信號參數(shù)的中心值向量;W為雷達輻射源信號參數(shù)的加權矩陣;中心值向量ω為已聚類脈沖參數(shù)測量值向量的算術平均值。

(2)

式中:m為己聚類脈沖序列的脈沖個數(shù)。

脈沖參數(shù)之間幾何距離表示為歸一化的幾何距離：

(3)

式中：N為參與計算相似性度量值的信號脈沖參數(shù)個數(shù)；W為反映各參數(shù)重要程度的權系數(shù)。

如果幾何距離越小表示脈沖信號參數(shù)之間的相似程度越高，如果幾何距離小于某一門限值，則該脈沖參數(shù)屬于同一雷達輻射源。如果幾何距離大于某一門限值，則該脈沖參數(shù)屬于1個新的雷達輻射源。

該分選模型的具體步驟如下:先取1個脈沖某一項脈內的調制特征向量V，如果有己聚類的脈沖序列，則取出其參數(shù)中心值xoi和容差范圍Δxmi。計算該脈沖的每一個參數(shù)同己聚類脈沖參數(shù)的誤差Δi=xi-xoi，只要{Δi}中任意一個值大于給定的容差范圍，該脈沖就不屬于己聚類的脈沖序列，只有{Δi}≤{Δxmi}，才能按照上述公式計算脈沖參數(shù)之間的幾何距離L。如果L小于給定的距離門限，則表示聚類成功，如果某個脈沖的參數(shù)與多個脈沖序列的參數(shù)之間的幾何距離小于門限，則應當取距離L值最小的脈沖系列作為聚類結果。按式(4)重新計算聚類結果脈沖參數(shù)中心值:

(4)

式中:m為己聚類脈沖序列的脈沖個數(shù)，已聚類脈沖個數(shù)越多，在計算脈沖參數(shù)的中心值時權重就越大。

如果這個脈沖不屬于所有己經(jīng)聚類的脈沖序列，則這個脈沖作為一個新的聚類脈沖序列。其脈沖參數(shù)中心值xoi=xi，容差范圍是Δxmi，可以根據(jù)需要先設一個經(jīng)驗值，比如Δxmi=xoi×100%。

3 內場測試驗證及分析

為了驗證上述方法的有效性，本文借助課題的硬件平臺進行了內場測試，系統(tǒng)測試框圖如圖8所示；將任意波形發(fā)生器產生的多種信號(信號產生參數(shù)如表1所示)注入到系統(tǒng)中，既可以實時觀測到偵收信號的脈內識別情況，又可以查看實時分選的結果。

對于現(xiàn)代復雜體制雷達來說,常規(guī)的脈沖描述字不但靈活多變，而且存在較大程度的交疊。這時僅通過脈間的五大參數(shù)已無法達到滿意的信號分選效果，可通過補充脈內信息降低其交疊概率。在表格描述的信號環(huán)境中，信號分選遵循多維參數(shù)聚類的原則，首先從空域上分選，信號被劃分成3組，第1組為R1,R2,R3,R4,R5，第2組為R6,R7，第3組為R8,R9,R10。第2組R6,R7通過頻域維的參數(shù)可達到信號分離的目的。R8,R9,R10這一組通過頻域維的參數(shù)可先分離出R8信號，R9,R10通過脈寬可分離。第1組的信號RF-PW特征空間分布較為復雜，輻射源之間交疊嚴重，這時通過脈內特征參數(shù)可最終分離出每個信號。如R2和R5兩部雷達頻率和脈寬參數(shù)相似，重周都是參差類型，并且R5重周參數(shù)覆蓋R2參數(shù)，但是，二者脈內信息參數(shù)不同，因此，如果沒有脈內信息，則分選軟件將兩部雷達信號分選為同一批信號，這樣就漏分選1批信號，如圖9所示；如果加入脈內信息，則可以正確地分選出2批信號，如圖10所示。R3和R8在沒有方向信息情況下分選和R2和R5情況類似，加入脈內信息可以正確分選出2批信號，否則，只能錯誤地分選為1批信號，分選結果如圖11、圖12所示。

圖8 系統(tǒng)測試框圖

雷達編號DOA(°)RF(MHz)PW(μs)PRI(μs)脈內類型R140300015固定750重頻抖動，抖動量20%LFMR2413000～3300三脈沖調頻10～20捷變557/613/671三參差LFMR34252950～3350三脈沖捷變16固定780重頻抖動，抖動量20%QPSKR44352900～3100，脈組捷變10固定250～450重頻滑變LFMR5443250～3550單脈沖捷變20～32捷變960/1050/1160/1290NFLMR6609000、固定51600BPSKR76110000～10500單脈沖捷變15460BPSKR889330016570重頻抖動，抖動量15%NFLMR9902410403509/3383/3636/3888CONR10912412191488/1532/1576/1621/1665/1709六參差FSK備注：LFM：線性調頻，F(xiàn)SK：頻率編碼，BPSK：二相編碼，QPSK：四相編碼，CON：簡單脈沖

圖9 R2/R5脈內類型相同分選結果(漏分選1批)

圖10 R2/R5脈內類型不同時分選結果(分選2批)

圖11 R3/R8脈內類型相同分選結果(漏分選1批)

圖12 R3/R8脈內類型不同分選結果(分選出2批)

因此，基于脈內信息的脈沖配對及輔助信號分選，緩解了因脈間的參數(shù)交疊引起分選的復雜度，并且大大提高了雷達信號分選的準確率。

4 結束語

本文根據(jù)時頻分析理論開發(fā)出了基于FPGA的脈內調制類型實時識別處理的算法。通過對脈沖信號脈內調制類型的識別，結合常規(guī)的脈沖參數(shù)檢測，形成含有脈內調制類型信息的擴展脈沖描述字，最后，利用聚類方法建立多維特征參數(shù)分選模型進行信號分選，大大提高了雷達信號分選的速度及準確率，并很好地改善了信號分選的漏分選現(xiàn)象。因此，本文的研究對未來進行新體制及復雜電磁環(huán)境下的信號分選具有非常重大的意義。

[1] 黃知濤，周一宇，姜文利.基于相對無模糊相位重構的自動脈內調制特性分析[J].通信學報，2003,24(4)：30-33.

[2] 畢大平，董暉，姜秋喜.基于瞬時頻率的脈內調制識別技術[J].電子對抗技術，2003,20(2):6-10.

[3] 那云諕，司錫才[J].二相編碼信號調制分析與識別.系統(tǒng)工程與電子技術，2004,26(3):298-332.

[4] 劉慶云,李志舜.確定性時變信號的分析與處理方法研究[D].西安：西北工業(yè)大學，2004.

[5] 張賢達.非平穩(wěn)信號分析于處理[M].北京：國防工業(yè)出版社，1998.

[6] 科恩.時-頻分析：理論與應用[M].西安：西安交通大學出版，1998.

[7]VANTREESHL.Detection,Estimation,andModulationTheory[M].北京：電子工業(yè)出版，2003.

Study of Auxiliary Sorting Technology Based on In-pulse Characteristics

CHEN Chao，YANG Guo-bin，WANG yu

(51st Research Institute of CETC,Shanghai 201802，China)

This paper presents a real time extracting technology of in-pulse characteristics based on field-programmable gate array (FPGA),uses time-frequency analysis method to perform real time detection and recognition to existing common in-pulse modulation types (conventinal pulse,binary phase shift keying,quadrature phase shift keying,linear frequency modulation,frequency shift keying),and combines in-pulse modulation characteristics with traditional pulse description word (PDW) to constitute extended PDW (EPDW),then uses the clustering method to set up the multi-dimensional parameter sorting model for signal sorting.Due to the full use of the in-pulse information for pulse signal,the processing speed of signal sorting and sorting accuracy are further improved,and the validity of the method is proved by field test.

time-frequency analysis;in-pulse modulation;detection;clustering;sorting

2016-05-27

TN971

A

CN32-1413(2016)06-0094-06

10.16426/j.cnki.jcdzdk.2016.06.020