楊 建，周 濤，何梓昂

(電子信息控制重點(diǎn)實(shí)驗(yàn)室，成都 610036)

一種有效的雷達(dá)信號(hào)快速識(shí)別方法*

楊 建*，周 濤，何梓昂

(電子信息控制重點(diǎn)實(shí)驗(yàn)室，成都 610036)

針對(duì)多種調(diào)制類型的雷達(dá)信號(hào)快速偵察識(shí)別成功率較低的問題，提出了基于瞬時(shí)頻率特征提取的雷達(dá)信號(hào)快速識(shí)別新算法。首先，由短時(shí)傅里葉變換(STFT)得到信號(hào)每一部分的瞬時(shí)頻率特征；其次，對(duì)得到的瞬時(shí)頻率進(jìn)行兩次歸一化分別得到各自特征值；最后，用層次決策方法對(duì)雷達(dá)信號(hào)進(jìn)行分類識(shí)別。仿真實(shí)驗(yàn)結(jié)果證明該方法能有效識(shí)別各種雷達(dá)信號(hào)，在信噪比高于-3 dB時(shí)，各種脈內(nèi)調(diào)制的識(shí)別成功率都達(dá)到90%以上。

雷達(dá)信號(hào)識(shí)別；瞬時(shí)頻率；特征提?。欢虝r(shí)傅里葉變換；脈內(nèi)調(diào)制

1 引 言

雷達(dá)信號(hào)脈內(nèi)調(diào)制分析及識(shí)別方法是當(dāng)前電子戰(zhàn)中電子偵察的重要內(nèi)容。雷達(dá)技術(shù)的不斷進(jìn)步使得當(dāng)前電子偵察所要面對(duì)的雷達(dá)信號(hào)日益復(fù)雜，目前成熟的信號(hào)分選識(shí)別方法是基于脈沖描述字，但對(duì)于復(fù)雜調(diào)制的雷達(dá)信號(hào)，當(dāng)前的識(shí)別算法實(shí)時(shí)性差且識(shí)別成功率并不高。因此，需要能更快速準(zhǔn)確地識(shí)別信號(hào)脈內(nèi)調(diào)制類型的新方法。

文獻(xiàn)[1]通過提取瞬時(shí)頻率兩級(jí)歸一化特征來識(shí)別信號(hào)脈內(nèi)調(diào)制，信噪比高于6 dB時(shí)，識(shí)別6種常用調(diào)制信號(hào)的正確率可達(dá)到90%以上；缺點(diǎn)是信噪比要求比較苛刻，且通過仿真實(shí)驗(yàn)發(fā)現(xiàn)其算法中某些門限設(shè)置并不合理，對(duì)于常規(guī)脈沖信號(hào)和二相編碼等信號(hào)的識(shí)別成功率并不高。文獻(xiàn)[2]中提出基于瞬時(shí)頻率的脈內(nèi)調(diào)制特征識(shí)別技術(shù)，對(duì)于4種信號(hào)識(shí)別非常有效，但其在低信噪比下識(shí)別成功率低，且能識(shí)別信號(hào)類型很少，需要進(jìn)一步優(yōu)化改進(jìn)。文獻(xiàn)[3]中的方法在信噪比高于6 dB時(shí)，識(shí)別6種常用調(diào)制信號(hào)的正確率可達(dá)到90%以上，但其識(shí)別方法僅限于各種調(diào)制信號(hào)的載頻、脈寬、起始頻率等調(diào)制參數(shù)相同的情況，對(duì)于參數(shù)隨機(jī)變化的情況不能正確進(jìn)行分類。文獻(xiàn)[4]中提出用圖像處理方法來進(jìn)行信號(hào)識(shí)別，識(shí)別效果較好；缺點(diǎn)是算法計(jì)算量很大，工程應(yīng)用困難。文獻(xiàn)[5]通過相位差分來提取信號(hào)的時(shí)頻特征，在信噪比較高時(shí)可以識(shí)別各種典型的脈內(nèi)調(diào)制信號(hào)；缺點(diǎn)是這種方法得到的頻率誤差較大，且信噪比要求較高。文獻(xiàn)[6]直接從得到的瞬時(shí)頻率的時(shí)頻分布圖來估計(jì)各種調(diào)制的參數(shù)，估計(jì)誤差較?。蝗毕菔菦]有進(jìn)行信號(hào)的識(shí)別，直接進(jìn)行相關(guān)調(diào)制參數(shù)估計(jì)。文獻(xiàn)[7]則綜述了盲信號(hào)分類和識(shí)別的發(fā)展趨勢，對(duì)研究有指引作用，但未做深入研究。

本文提出基于短時(shí)傅里葉變換(Short Time Fourier Transform,STFT)的瞬時(shí)頻率(Instantaneous Frequency,IF)提取，以及基于二級(jí)頻率歸一化的識(shí)別典型雷達(dá)信號(hào)的方法。由于可通過算法成熟且容易在FPGA和DSP等硬件實(shí)現(xiàn)的快速傅里葉變換(Fast Fourier Transform,FFT)來實(shí)現(xiàn)STFT，因此，在數(shù)據(jù)量一定的情況下，該方法可以提高瞬時(shí)頻率的運(yùn)算速度，保證了識(shí)別信號(hào)脈內(nèi)調(diào)制的實(shí)時(shí)性，且全頻段信噪比(Signal-to-Noise Ratio,SNR)(信噪比按整個(gè)頻段內(nèi)信號(hào)和噪聲能量的比值計(jì)算)在-3 dB以上識(shí)別正確率在90%以上，因此工程應(yīng)用價(jià)值很高。

2 雷達(dá)信號(hào)瞬時(shí)頻率和相位的提取

IF的提取基于STFT，其定義式為

(1)

式中：s(t)為信號(hào)，h(t)為窗函數(shù)，*代表復(fù)數(shù)共軛。

瞬時(shí)頻率和相位的提取原理是將信號(hào)序列分段，得到很短的時(shí)間序列，求得信號(hào)的第i段序列的相位和頻率為

(2)

f(i)=(k+δ(i))*fs/N。

(3)

式中：max(STFT(t,f)i)為第i段序列FFT后幅值最大的頻譜。式(3)中k為幅值最大譜線對(duì)應(yīng)的序號(hào);fs為采樣頻率;N為FFT點(diǎn)數(shù);δ(i)為頻率修正因子，其具體計(jì)算方法可參見文獻(xiàn)[8]。

整合每一段信號(hào)的頻率和相位，即可得到瞬時(shí)頻率和瞬時(shí)相位。這種基于STFT的算法，時(shí)間窗長越小瞬時(shí)性越好，但瞬時(shí)頻率和相位估計(jì)誤差越大；窗長越大瞬時(shí)頻率和相位估計(jì)越準(zhǔn)確，但瞬時(shí)性越差。算法的這一特性決定了在使用時(shí)需要平衡瞬時(shí)性和準(zhǔn)確度的要求，并且在處理窄脈沖時(shí)會(huì)帶來性能的損失。因此需要結(jié)合實(shí)際系統(tǒng)需求，綜合考慮來確定最佳的時(shí)間窗長度。

3 常用雷達(dá)信號(hào)瞬時(shí)頻率和相位特征

本文中處理的7種典型雷達(dá)信號(hào)設(shè)置如下：

(1)CP信號(hào)：載頻fc=250 MHz，脈寬τ=10 μs。

(2)BPSK信號(hào)：載頻fc=250 MHz，脈寬τ=7 μs，編碼采用7位巴克碼。

(3)QPSK信號(hào)：載頻fc=250 MHz，脈寬τ=16 μs，編碼采用16位弗蘭克碼。

(4)BFSK信號(hào)：兩頻率f1=130 MHz，f2=460 MHz，脈寬13 μs，編碼采用13位巴克碼。

(5)QFSK信號(hào)：4個(gè)頻率分別為f1=120 MHz、f2=230 MHz、f3=310 MHz、f4=430 MHz，脈寬τ=16 μs，編碼采用16位弗蘭克碼。

(6)LFM信號(hào)：起始頻率fo=250 MHz，帶寬B=200 MHz,脈寬τ=10 μs。

(7)SFM信號(hào)：起始頻率fo=250 MHz，帶寬B=200 MHz,脈寬τ=10 μs。

將上述各種調(diào)制信號(hào)經(jīng)上一節(jié)所述的瞬時(shí)頻率提取后，可以得到在SNR=10 dB時(shí)各信號(hào)頻率與時(shí)間的關(guān)系如圖1～7所示。

圖1 CP信號(hào)的瞬時(shí)頻率

圖2 BPSK信號(hào)的瞬時(shí)頻率

圖3 QPSK信號(hào)的瞬時(shí)頻率

圖4 BFSK信號(hào)的瞬時(shí)頻率

圖5 QFSK信號(hào)的瞬時(shí)頻率

圖6 LFM信號(hào)的瞬時(shí)頻率

圖7 SFM信號(hào)的瞬時(shí)頻率

各調(diào)制信號(hào)分別有各自的IF特征，得到這些時(shí)頻關(guān)系圖后人工進(jìn)行判斷和識(shí)別非常簡單。但實(shí)際應(yīng)用中人工判斷信號(hào)調(diào)制類型效率非常低，且接收機(jī)處理的數(shù)據(jù)量巨大，更需要根據(jù)接收的脈沖快速判斷調(diào)制方式。因此,本文提出一種瞬時(shí)頻率歸一化后提取特征來識(shí)別信號(hào)調(diào)制類型的方法，該方法適用于計(jì)算機(jī)快速準(zhǔn)確判斷接收信號(hào)脈內(nèi)調(diào)制類型。

4 雷達(dá)信號(hào)的識(shí)別

由圖1～7可以發(fā)現(xiàn)不同信號(hào)IF的分布中心(均值)和相對(duì)該中心的偏離程度一般情況下各不相同[3]。歸一化后的IF能體現(xiàn)脈內(nèi)調(diào)制特征，有些信號(hào)一次歸一化后仍然無法識(shí)別調(diào)制類型，需要進(jìn)行二次歸一化進(jìn)一步提取特征量進(jìn)行識(shí)別。

4.1 瞬時(shí)頻率歸一化處理方法

歸一化之前首先要考慮一種影響識(shí)別結(jié)果的情況：噪聲和測頻方法的影響使相位編碼信號(hào)的IF極值小于其均值(倒峰)，例如圖2中BPSK信號(hào)的IF后半部分極值小于整個(gè)IF的均值。由于后面分析中默認(rèn)IF跳變極值大于其均值(正峰)，因此通過式(4)對(duì)IF進(jìn)行翻轉(zhuǎn)，以處理后的序列進(jìn)行兩級(jí)歸一化。

(4)

式中：σ為f的方差。然后,通過式(5)對(duì)瞬時(shí)頻率序列f進(jìn)行歸一化:

f1=f/fm。

(5)

式中：fm為f序列的最大值。得到歸一化IF序列f1其范圍為[0,1],并可得其均值E1和標(biāo)準(zhǔn)差σ1。

4.2 信號(hào)識(shí)別方法

首先，識(shí)別特征最明顯的BFSK信號(hào)；其次，分析最簡單的CP信號(hào)；然后，是BPSK、QPSK信號(hào)；最后，對(duì)LFM、SFM和QFSK信號(hào)進(jìn)行識(shí)別分類。

4.2.1 BFSK與QFSK信號(hào)識(shí)別

BFSK信號(hào)兩次歸一化后特征最明顯，由于第二次歸一化后其頻率序列f2僅提取了f1序列中頻率較高的部分，因此f2的所有值都接近于1，取值集中所以σ2非常小。而第一次歸一化后由于有兩頻率取值更分散所以σ1較大，因此BFSK信號(hào)的σ1>σ2。而QFSK信號(hào)由于有4個(gè)頻率值，因此其σ1大于和小于σ2都有可能。

D1=σ1-σ2，

(6)

若D1>0則可判斷為FSK信號(hào)。由于BFSK極值只有一種，而最簡單的QFSK信號(hào)極值至少有4種，為區(qū)分BFSK和D1>0的QFSK信號(hào)，可將極值個(gè)數(shù)NF作為區(qū)分兩者的特征量。

應(yīng)用直方圖法求FSK信號(hào)NF，即將頻率差分值劃分至相應(yīng)區(qū)間內(nèi)，如圖8為QFSK信號(hào)一級(jí)歸一化頻率差值的分布情況，圖中共有4種跳變值。

4.2.2 CP與BPSK及QPSK信號(hào)識(shí)別

由圖1和理論分析可知，常規(guī)脈沖信號(hào)的IF在所有信號(hào)中最平坦，其第一級(jí)歸一化頻率序列f1所有值都非常接近1。由于噪聲干擾使其IF序列產(chǎn)生一些極值，導(dǎo)致CP瞬時(shí)頻率序列與相位編碼信號(hào)類似，兩者歸一化后均值E1都接近1。而其他信號(hào)則要小很多，實(shí)驗(yàn)表明CP和PSK信號(hào)的E1在0.9以上，這一特征可作為識(shí)別CP和PSK類信號(hào)的特征量。

D2=E1-E2。

(7)

綜上所述，可由E1≥0.9且D2≥0.45判斷信號(hào)為PSK或CP信號(hào)，然后通過E2值區(qū)分CP和PSK信號(hào)。但是由于噪聲及測頻誤差影響，會(huì)導(dǎo)致兩類信號(hào)E2值可能在0.2附近交叉，利用相位差峰值數(shù)NP可進(jìn)一步提高分類準(zhǔn)確度。通常CP信號(hào)IF峰值數(shù)為0，信噪比很低時(shí)可能有1～2個(gè)，而對(duì)于7位巴克碼調(diào)相的PSK類信號(hào)的峰值數(shù)一般大于3個(gè)，所以用E2和NP值即可區(qū)分兩類信號(hào)。

為準(zhǔn)確得到信號(hào)的NP值，考慮設(shè)置自適應(yīng)門限：利用CP信號(hào)的相位差序列最大和最小值的差一般遠(yuǎn)小于PSK這一特點(diǎn)，當(dāng)此差值小于2.5 rad時(shí)，初步認(rèn)為是對(duì)CP信號(hào)求峰值，因此設(shè)置門限為Ep±3σp，其中EP為相位均值，σP為相位的方差。當(dāng)最大值最小值差大于2.5 rad時(shí)，則認(rèn)為是對(duì)PSK信號(hào)求峰值，設(shè)置門限為Ep±σp。

設(shè)置自適應(yīng)門限效果如圖9所示：門限1的值是Ep±σp，門限2是Ep±3σp，圖9(a)中最大值最小值差大于2.5 rad，門限值設(shè)為Ep±σp，對(duì)于7位巴克碼調(diào)相的BPSK信號(hào)，3個(gè)峰值都超過該門限;圖9(b)中最大值最小值差小于2.5 rad，設(shè)置門限值為Ep±3σp，對(duì)于CP信號(hào)沒有超過該門限的峰值。因此,自適應(yīng)門限法能得到信號(hào)真實(shí)峰值數(shù)。

(a) BPSK信號(hào)相位

(b) CP信號(hào)相位差

4.2.3 LFM與SFM及QFSK信號(hào)識(shí)別

LFM信號(hào)的頻率線性變化，SFM信號(hào)頻率按正弦規(guī)律變化，兩信號(hào)頻率變化平緩沒有跳變，它們的NF基本為0。而QFSK信號(hào)有4種不同的頻率值，頻率跳變值至少有3種。因此,NF≥3 時(shí)即可判為QFSK信號(hào)。

通過分析可以發(fā)現(xiàn),LFM和SFM信號(hào)兩次歸一化頻率均值的差D2=E1-E2取值在0～0.45，可以通過D2<0.45來識(shí)別LFM和SFM信號(hào)。對(duì)于理想的LFM信號(hào)的頻率滿足中心對(duì)稱性即式(8)：

fmid=(forigin+fend)/2 。

(8)

式中：fmid為f1序列中點(diǎn)值，forigin是頻率f1序列起點(diǎn)值，fend是頻率f1序列終點(diǎn)值。可以由式(9)、(10)構(gòu)造新的特征量Fd1和Fd2：

(9)

(10)

5 仿真實(shí)驗(yàn)及分析

5.1 確定信號(hào)分類識(shí)別流程及門限值

用Matlab對(duì)本文算法進(jìn)行仿真，應(yīng)用蒙特卡洛方法保證仿真結(jié)果的可靠性。采樣率fs=1 GHz，STFT窗長128點(diǎn)。SNR范圍-10～20 dB,間隔為1 dB。每一SNR下進(jìn)行200次蒙特卡洛實(shí)驗(yàn)。實(shí)驗(yàn)對(duì)象為中頻信號(hào),故信號(hào)參數(shù)設(shè)置同第3小節(jié)。

對(duì)上一節(jié)中識(shí)別信號(hào)用到的各個(gè)特征量，在SNR取0～20 dB時(shí)(SNR低于0 dB時(shí)沒有參考價(jià)值)，通過200次蒙特卡洛實(shí)驗(yàn)得到的取值范圍結(jié)果如表1所示。

表1 各信號(hào)特征量的取值范圍(0～20 dB)

由表1可知,D1是效果非常好的分類特征量。在所有信號(hào)中只有FSK類信號(hào)的D1大于0,其他信號(hào)的D1都小于0，與上一節(jié)中的分析結(jié)論相同。所以D1的門限就定為0，可以最先識(shí)別出FSK類信號(hào)。由NF區(qū)分BFSK和QFSK，門限設(shè)為3。

CP信號(hào)和PSK類信號(hào)E1≥0.9且D2≥0.45,特征明顯可作為第二個(gè)識(shí)別判斷條件，而CP信號(hào)和PSK信號(hào)的E2以0.2為門限，區(qū)分BPSK和CP的NP門限設(shè)置為2，而區(qū)分BPSK和QPSK時(shí)NP門限值設(shè)置為6。

剩余幾種信號(hào)中NF作為識(shí)別QFSK信號(hào)的特征量其門限設(shè)為3。

最后對(duì)于調(diào)頻類信號(hào)其D2都小于0.45，因此其門限設(shè)為0.45。對(duì)于LFM和SFM分類所用到的Fd1和Fd2其門限取值為0.029 5。

綜合上一節(jié)分析完成了對(duì)7種信號(hào)的識(shí)別分析，分類特征越明顯的特征量應(yīng)首先用于分類判別，其位置越靠前。信號(hào)的識(shí)別流程如圖10所示。

圖10 層次決策信號(hào)分類流程

5.2 實(shí)驗(yàn)結(jié)果分析

各類信號(hào)脈寬取值在7～16 μs時(shí)，圖11給出了SNR從-10～20 dB每隔1 dB信號(hào)識(shí)別成功率隨SNR變化的曲線。

圖11 各類信號(hào)識(shí)別成功率

由各信號(hào)的識(shí)別成率曲線可知，當(dāng)SNR≥-3 dB時(shí)，7種信號(hào)識(shí)別成功率都在90%以上。當(dāng)SNR≥0 dB時(shí)，識(shí)別成功率都在98%以上，識(shí)別效果較好，且識(shí)別信號(hào)調(diào)制類型的實(shí)時(shí)性好，這都體現(xiàn)了算法性能的優(yōu)越。當(dāng)SNR≤-5 dB時(shí)，識(shí)別成功率急劇降低，當(dāng)SNR≤-7 dB時(shí)識(shí)別成功率幾乎為0。原因是SNR低于-7 dB時(shí)，信號(hào)提取的各個(gè)特征量值受到噪聲影響，不再能夠體現(xiàn)出調(diào)制規(guī)律。

5.3 與經(jīng)典識(shí)別算法對(duì)比

文獻(xiàn)[1]和文獻(xiàn)[2]是經(jīng)典的信號(hào)脈內(nèi)調(diào)制識(shí)別方法的代表，為了便于性能對(duì)比，直接比較信號(hào)總識(shí)別成功率的優(yōu)劣。信號(hào)參數(shù)設(shè)定同第3小節(jié)，仿真實(shí)驗(yàn)結(jié)果如圖12所示。

圖12 各類信號(hào)總識(shí)別成功率

圖12中，本文算法在SNR取-3 dB時(shí)已經(jīng)超過90%識(shí)別成功率，而文獻(xiàn)[1]算法達(dá)到90%識(shí)別成功率需要的最小SNR為6 dB，文獻(xiàn)[2]所需SNR則為3 dB。本文算法對(duì)SNR要求最低，因此識(shí)別調(diào)制類型的性能優(yōu)于其他兩種方法。

5.4 信號(hào)脈寬減小對(duì)算法性能影響

信號(hào)脈寬取值在3～5 μs時(shí)，圖13給出了信號(hào)識(shí)別正確率曲線。SNR≥-3 dB時(shí)各個(gè)信號(hào)識(shí)別正確率仍在90%以上，但CP信號(hào)和BPSK信號(hào)曲線有波動(dòng)而QPSK則保持穩(wěn)定。這是由于脈寬減小而采樣率不變，采樣點(diǎn)數(shù)減少到原來的三分之一,導(dǎo)致時(shí)頻曲線點(diǎn)數(shù)驟減，峰值點(diǎn)檢測受到一定程度的影響，NP值有波動(dòng)從而導(dǎo)致BPSK和CP信號(hào)識(shí)別曲線小范圍波動(dòng)。而QPSK信號(hào)的NP值較大，即使有波動(dòng)也能保持大于6，因此QPSK識(shí)別率保持穩(wěn)定。

圖13 窄脈寬時(shí)各類信號(hào)識(shí)別成功率

實(shí)驗(yàn)表明脈寬取值減小時(shí)，信號(hào)在STFT時(shí)窗中的有效部分減少，相應(yīng)的分辨率和精度都要下降，使得各類信號(hào)識(shí)別成功率降低。尤其是CP與BPSK信號(hào)，脈寬為2.5 μs，在SNR為-3 dB時(shí)識(shí)別正確率低至60%，其他信號(hào)識(shí)率也在70%左右。因此對(duì)于窄脈寬信號(hào)，識(shí)別效果差一些，這是本方法的局限之處。通過減小STFT窗長以及增大采樣率等方法來增加IF的點(diǎn)數(shù)，一定程度上可以提高識(shí)別率；缺點(diǎn)是IF精度下降，當(dāng)STFT點(diǎn)數(shù)很小時(shí)，識(shí)別率反而更低?？傊ㄟ^適當(dāng)提高采樣率來增加采樣點(diǎn)數(shù)，雖不能從根本上解決問題，但可以在一定程度上提高窄脈沖調(diào)制識(shí)別性能。

6 結(jié)束語

瞬時(shí)頻率特征能體現(xiàn)信號(hào)脈內(nèi)調(diào)制的規(guī)律，通過提取IF及其特征量可以對(duì)信號(hào)進(jìn)行識(shí)別。本文首先通過STFT提取出各信號(hào)的時(shí)頻特征，然后通過對(duì)瞬時(shí)頻率進(jìn)行兩級(jí)歸一化處理提取其均值和標(biāo)準(zhǔn)差等作為識(shí)別信號(hào)的特征量，最后分析雷達(dá)信號(hào)特征量取值規(guī)律，確定各個(gè)特征量的門限并建立信號(hào)分類識(shí)別流程。仿真實(shí)驗(yàn)表明，對(duì)于典型的7種雷達(dá)信號(hào)，當(dāng)信噪比高于-3 dB時(shí)，識(shí)別成功率在90%以上。采用STFT提取瞬時(shí)頻率提高了算法的實(shí)時(shí)性，能夠使接收機(jī)對(duì)脈寬大于3 μs雷達(dá)信號(hào)進(jìn)行快速脈內(nèi)調(diào)制識(shí)別，具有工程應(yīng)用價(jià)值。對(duì)于脈寬3 μs以下信號(hào)調(diào)制識(shí)別，還需進(jìn)一步研究。

[1] 普運(yùn)偉,金煒東,胡來招. 基于瞬時(shí)頻率二次特征提取的輻射源信號(hào)分類[J].西南交通大學(xué)學(xué)報(bào),2007,42(3):373-379. PU Yunwei,JIN Weidong,HU Laizhao. Automatic classification of radar emitter signals based on cascade feature extractions[J].Journal of Southwest Jiaotong University，2007,42(3):373-379.(in Chinese)

[2] 畢大平,董灰,姜秋喜. 基于瞬時(shí)頻率的脈內(nèi)調(diào)制識(shí)別技術(shù)[J].電子對(duì)抗技術(shù)，2005,3(2):6-9． BI Daping,DONG Hui,JIANG Qiuxi. Inpulse modulation identification technique by the instant frequency[J].Electronic Information Warfare Technology,2005,3(2):6-9.(in Chinese)

[3] 劉康寧.基于時(shí)頻分析的雷達(dá)信號(hào)調(diào)制方式識(shí)別技術(shù)研究[D].西安：西安電子科技大學(xué),2014. LIU Kangning. Research on identification of the radar signal based on time-frequency analysis[D].Xi′an:Xidian University,2014.(in Chinese)

[4] PERSSON C.Classification and analysis of low probability of intercept radar signals using image processing[D].Monterey,California:Naval Post-graduate School,2003:49-86.

[5] RU X H,LIU Z,JIANGW L,et al. Recognition performance analysis of instantaneous phase and its transformed features for radar emitter identification[J].IET Radar Sonar Navigation,2015,10(5):945-952.

[6] ZHU J,ZHAO Y,TANG J. Automatic recognition of radar signals based on time-frequency image character[C]//Proceedings of 2013 IET International Radar Conference.Xi′an:IEEE,2013:1-6.

[7] DOBRE O A,ABDI A,BAR-NESS Y,et al. Blind modulation classification:a concept whose time has come[C]//Proceedings of 2005 IEEE Sarnoff Symposium on Advances in Wired and Wireless Communications.Princeton,NJ:IEEE,2005:223-228.

[8] 王曉峰,邢敏捷,劉歌,等. 基于改進(jìn) DFT 相位差的正弦波頻率估計(jì)[J].電訊技術(shù),2016,56(10):1129-1133. WANG Xiaofeng,XING Minjie,LIU Ge,et al. Sinusoidal signal frequency estimation based on improved DFT phase difference[J].Telecommunication Engineering,2016,56(10):1129-1133.(in Chinese)

An Effective Method for Fast Recognizing Radar Signals

YANG Jian，ZHOU Tao，HE Zi'ang

(Science and Technology on Electronic Information Control Laboratory,Chengdu 610036,China)

Aiming at the problem of low success rate of radar signal detection and recognition,this paper proposes a new algorithm for radar signal recognition based on instantaneous frequency feature extraction. Firstly,the algorithm uses short time Fourier transform(STFT) to calculate every part of the signal’s instantaneous frequency characteristic. Secondly,it calculates the once and twice normalized instantaneous frequency characteristic value. Finally,it uses hierarchical decision-making method to conduct radar signal classification. Simulation results show that the proposed method can effectively identify all kinds of radar signal.The recognition success rate is more than 90% when the signal-to-noise ratio(SNR) is higher than -3 dB.

radar signal recognition;instantaneous frequency;feature extraction;short time Fourier transform;intra-pulse modulation

10.3969/j.issn.1001-893x.2017.04.009

楊建，周濤，何梓昂.一種有效的雷達(dá)信號(hào)快速識(shí)別方法[J].電訊技術(shù)，2017,57(4):418-424.[YANG Jian，ZHOU Tao，HE Zi'ang.An effective method for fast recognizing radar signals[J].Telecommunication Engineering,2017,57(4):418-424.]

2016-08-12；

2016-12-23 Received date:2016-08-12；Revised date：2016-12-23

TN971.1

A

1001-893X(2017)04-0418-07

楊 建(1989—)，男，河北滄州人，碩士研究生，主要研究方向?yàn)樾盘?hào)與信息處理;

Email：yangjianl4029@163.com

周 濤(1978—)，男，陜西漢中人，2003年于浙江大學(xué)獲博士學(xué)位，現(xiàn)為高級(jí)工程師，主要研究方向?yàn)殡娮訉?duì)抗、高速信號(hào)處理、高速光電采樣等;

何梓昂(1983—)，男，四川巴中人，2008年于浙江大學(xué)獲碩士學(xué)位，現(xiàn)為工程師，主要研究方向?yàn)殡娮觽刹臁⒏咚傩盘?hào)處理。

*通信作者：yangjianl4029@163.com Corresponding author：yangjianl4029@163.com