亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        雷達信號脈內(nèi)調(diào)制識別新方法

        2018-06-06 02:02:09董志杰王曉峰田潤瀾
        航天電子對抗 2018年2期
        關鍵詞:特征信號

        董志杰,王曉峰,田潤瀾

        (1. 中國人民解放軍95972部隊,甘肅 酒泉 735018;2. 空軍航空大學航空作戰(zhàn)勤務學院,吉林 長春 130022)

        0 引言

        隨著雷達技術的快速發(fā)展,雷達信號采取的調(diào)制方式越來越復雜,單純提取傳統(tǒng)的五大特征參數(shù)(即到達角、載頻、到達時間、脈沖寬度及脈沖幅度)進行輻射源識別已經(jīng)難以滿足現(xiàn)代雷達對抗情報偵察的需要,而脈沖內(nèi)部特征具有很強的穩(wěn)定性與可分性。因此,在對截獲雷達信號的分析中,脈沖內(nèi)部特征識別(簡稱脈內(nèi)識別)顯得尤為重要。識別脈內(nèi)調(diào)制特征可以提高信號分選的正確率、為雷達干擾提供引導、分析敵方雷達的技戰(zhàn)術性能、雷達部署運用規(guī)律等。

        關于雷達信號脈內(nèi)調(diào)制類型的識別問題,在相關文獻中已經(jīng)提出了許多方法,并且隨著雷達技術的不斷發(fā)展,脈內(nèi)調(diào)制類型識別技術也在不斷更新。文獻[1]利用信號在時頻域的圖像特征進行脈內(nèi)識別,要求有先驗數(shù)據(jù),再通過一些分類器進行訓練,不能進行信號的盲識別。文獻[2]提出了基于正弦波抽取的自識別算法,文獻[3]提出了基于核Fisher判別分析的自動識別算法。此外,還有基于純數(shù)字特征的識別算法。其中,文獻[4]提出了基于信號Holder系數(shù)的自動識別算法??偨Y以往算法存在的問題如下:第一,大多數(shù)算法識別的調(diào)制類型偏于簡單,如只能識別LFM、BPSK等簡單的脈內(nèi)調(diào)制類型,無法識別MPSK等復雜信號,因此無法滿足現(xiàn)實需求。第二,大部分算法的抗噪性能較低,當SNR在0dB以下時效果不理想,降低了算法的實用性。

        針對上述算法存在的問題,提出了一種能夠識別多種復雜調(diào)制信號的自動識別算法。文中首先對相位差分法進行了改進,提高了算法的抗噪性;然后針對STFT提取實際雷達信號存在特征不明顯的問題,對STFT進行了改進,提高了時頻精度與運算速度;最后,給出了基于層次決策的自動識別方法。仿真實驗結果表明,提取的特征能夠明顯區(qū)分各型調(diào)制信號,在信噪比較低時具有較高的識別準確率。

        1 調(diào)制特征提取

        1.1 相位差分特征

        設信號x(n)的無模糊相位為φ(n),則信號瞬時頻率估計值可以表示為:

        (1)

        (2)

        式中,f(n)為信號瞬時頻率真實值,fε為噪聲產(chǎn)生的干擾頻率。fε=Δε/(2π),Δε為噪聲引起的相位差。

        對于頻率調(diào)制信號,其瞬時頻率變化較為平滑,因此可以采用多重相位差分降低噪聲對瞬時頻率提取的影響。對于相位編碼信號,碼元之間存在相位突變,其瞬時頻率估計結果較為復雜,由相位差分得出的相位編碼信號瞬時頻率為:

        =fc+fp+fε

        (3)

        式中,fc為歸一化載頻,fp=(θ(n)-θ(n-1))/(2π)為相位突變引起的歸一化頻率。不考慮Δε的影響,當碼元內(nèi)的相位無突變時,瞬時頻率等于載頻;而碼元內(nèi)相位發(fā)生突變時,瞬時頻率會增加fp分量。因此,可以通過f(n)的變化情況得到相位跳變的信息。當信噪比較低時,受Δε的影響,直接計算相位已經(jīng)難以準確提取信號的瞬時頻率。因此,為了提高相位差分算法的抗噪性,需要進行適當改進,具體步驟如下:

        步驟1:數(shù)字上變頻。信號載頻越高,相位差分時Δε對f(n)的影響越小。

        步驟2:高階相位差分。對相位序列p(n)進行M階相位差分,再對相位差進行統(tǒng)計平均,通過相位差的積累來減小隨機變量Δε對f(n)的影響,得到新的瞬時頻率序列:

        (4)

        (5)

        (6)

        圖1表明,直接相位差分受噪聲影響嚴重,在噪聲環(huán)境下無法有效描述信號的調(diào)制特征;改進相位差分實現(xiàn)了信號調(diào)制特征的準確描述,且與Morlet小波變換和Haar小波變換相比,具有更強的抑制噪聲能力。這是由于小波的本質(zhì)為帶通濾波器,沒有充分利用信號的相位信息,而改進的相位差分法充分利用相位信息進行平均處理,提高了抗噪性。

        1.2 瞬時頻率特征

        信號的離散STFT為:

        (7)

        式中,M為窗的長度。遍歷時頻分布中每個時刻的最大值,可以得到信號的時頻曲線。

        中頻信號采樣頻率fs=500 MHz,信號帶寬B=5MHz,信號時寬T=100μs,則采樣點數(shù)N=T/fs=50000。如果每次FFT點數(shù)Nf=256點,信號頻率分辨率Δf=fs/Nf=1.95 MHz,則在信號頻帶內(nèi)的分析點數(shù)ΔN=NfB/fs約為3點。因此,直接計算STFT效率很低,同時得到的有效頻率變化范圍很小,提取所得的瞬時頻率曲線特征不明顯,識別效果很不理想。

        LFM信號進行STFT得到的時頻圖如圖2所示。LFM信號的頻率變化不明顯,頻率分辨率很低,不利于提取頻率調(diào)制特征實現(xiàn)調(diào)制類型識別。

        為了解決直接利用STFT特征不明顯的問題,提出一種基于信號抽取的方式提高單次FFT的分辨率的改進STFT方法,該方法可以根據(jù)信號的時寬與帶寬自適應地進行STFT。改進算法的實現(xiàn)過程分為以下幾個步驟:

        步驟2:降低采樣率。對原采樣序列每隔D點抽取一點,D的最大值為D=fs/B。為了防止抽取后點數(shù)過少,影響時頻效果,設置最小抽取點數(shù),并求出相應的D。如果D=1,表示不進行抽取,D>1,則進行抽取。抽取后得到新的采樣序列,新的采樣頻率為fs/D。如果作相同長度的FFT,新采樣序列的頻率分辨率比原來提高了D倍。

        步驟3:時頻變換。對新采樣序列進行STFT。為了得到與頻率分辨率相對應的時間分辨率,可以設置相應的時間分辨單元。抽取后的數(shù)據(jù)越長,則自適應地增加FFT的滑動步長,確保時間分辨單元與頻率分辨單元相對應。

        LFM信號改進STFT如圖3所示。信號參數(shù)同圖2,抽取倍數(shù)為68,時頻矩陣為256行736列。

        對比圖3與圖2可知,改進STFT較直接STFT在性能上有了很大的提升,提高了時頻變換的頻率分辨率,可以清晰地反映出信號的頻率變化規(guī)律,有利于進一步提取特征實現(xiàn)調(diào)制類型識別。并且改進STFT減小了計算量與存儲空間,即減小整個信號處理過程時間和空間復雜度。

        2 調(diào)制類型自動識別

        2.1 相位編碼識別

        改進相位差分法對于BPSK和QPSK具有很好的檢測效果,可以反映相位的跳變情況。理想狀態(tài)下,在相位發(fā)生跳變時,BPSK信號的φ(n)∈{-π,π};QPSK信號的φ(n)∈{-π,-π/2,π/2,π};對于多相編碼信號,不同碼型對應不同的φ(n),由于其跳變值是連續(xù)變化的,因此經(jīng)相位差分后,跳變點的峰值各不相同,出現(xiàn)了一定的坡度。因此,可以根據(jù)相位跳變點來進一步細分調(diào)相信號。但受噪聲等影響,跳變幅度有一定的起伏,需要設置相應的門限進行檢測。再設置一對門限,記為H3、H4,且互為相反數(shù),H3一般取值為110° ~130°。門限H1、H2用來檢測低跳變幅度,H3、H4用來檢測高跳變幅度。檢測跳變峰值,且對峰值幅度p(i)進行量化,即有:

        (8)

        為了有效識別BPSK信號,統(tǒng)計|A(i)|為1與2的峰值序列p1(i)、p2(i),相應序列的個數(shù)分別為L1、L2,設L=L1+L2。理論上,BPSK信號的L1應該為0,可以據(jù)此將BPSK信號從QPSK、多相編碼信號區(qū)分開。但是當信噪比較低時,可能會出現(xiàn)偽峰,從而造成實際BPSK信號中L1>0。為了提高對BPSK信號的識別能力,設定當L1<δL時,則判為BPSK信號,δ一般取0.05~0.2。

        2.2 頻率調(diào)制識別

        為了進行頻率調(diào)制信號的類內(nèi)識別,基于改進STFT提取信號的時頻分布,然后利用時頻曲線特征實現(xiàn)頻率調(diào)制信號識別。LFM信號的瞬時頻率具有線性特性,擬合時頻曲線后計算其均方根誤差。與其它頻率調(diào)制信號相比,LFM信號的擬合誤差很小。因此,設置擬合誤差門限可以識別LFM信號。對于由傳統(tǒng)STFT提取得出的調(diào)頻曲線,線性擬合誤差門限的取值為固定值,但對于本文提出的改進STFT,則需要一個自適應的誤差門限,該門限與當前的抽取倍數(shù)及FFT的點數(shù)Nf有關。文中將線性擬合門限設為δffs/(DNf),δf為誤差系數(shù)。

        為了實現(xiàn)NLFM信號與FSK信號的識別,提出一種基于瞬時頻率的差分的識別方法。由于NLFM信號瞬時頻率是連續(xù)變化,因此其瞬時頻率的差分值變化平坦。而FSK信號的頻率具有階躍特性,其瞬時頻率的差分值會出現(xiàn)多個尖峰,通過統(tǒng)計超過門限的尖峰個數(shù),如果尖峰個數(shù)大于1,則識別為FSK信號。門限應該與信號的帶寬有關,一般設為0.1B~0.2B。圖4給出了兩種調(diào)頻信號瞬時頻率的差分曲線,其中虛線部分為峰值門限,可以看出分類特征較為明顯。

        2.3 識別流程

        依據(jù)前述對不同調(diào)制類型信號的特征提取和識別方法設計,可以總結出基于層次決策的雷達信號脈內(nèi)調(diào)制類型識別算法,具體流程如圖5所示。其中的關鍵步驟如下:

        步驟1:信號預處理。首先計算截獲信號的全序列平滑功率譜并進行濾波降噪,然后計算信號的時寬帶寬積,從而實現(xiàn)非調(diào)制信號的識別。

        步驟2:調(diào)制類型粗識別。計算步驟1輸出調(diào)制信號的改進相位差分,提取信號的時相曲線,用時相曲線中是否包含突變特性實現(xiàn)相位編碼信號與頻率調(diào)制信號的識別。

        步驟3:相位編碼信號識別。進一步提取時相曲線特征,實現(xiàn)相位編碼信號的具體調(diào)制類型識別。

        步驟4:頻率調(diào)制信號識別。首先通過改進STFT提取瞬時頻率曲線,然后依據(jù)瞬時頻率曲線特征實現(xiàn)頻率調(diào)制信號的具體調(diào)制類型識別。

        2.4 仿真實驗分析

        為了驗證本文識別算法的有效性,進行如下仿真實驗。仿真信號包括BPSK、QPSK、LFM、NLFM、FSK信號,信號采樣頻率為500MHz。BPSK、QPSK信號的碼元序列隨機產(chǎn)生,碼元寬度在0.1~0.4 μs之間隨機選取。NLFM信號為基于正切調(diào)制,時間副瓣控制因子為5。FSK信號采用載頻個數(shù)為6的Costas型編碼。噪聲為加性高斯白噪聲,SNR范圍為-3~5dB。每類SNR每隔1dB進行500次蒙特卡洛仿真實驗,結果如表1所示。

        表1 不同SNR下的識別正確率 %

        由表1可知,算法對LFM信號的識別率較高,這是因為LFM信號的線性頻率特征易于識別;算法對低信噪比的QPSK、MPSK信號識別率較低,這是因為相位編碼信號的相位跳變點提檢測受噪聲影響嚴重,造成識別錯誤。在SNR大于0dB時,算法對每種信號的識別正確率均能達到90%以上,且隨著SNR增加,識別正確率也隨之增加,當SNR達到4dB時,每種信號的識別正確率都可以達到100%。

        設置相同的信號環(huán)境,將本文識別算法與幾種常用的識別算法進行對比實驗,對比算法包括相位差分法[5]、STFT時頻法[6]與小波脊線法[7],SNR為0 dB,實驗結果如表2所示。

        表2 幾種識別算法的識別正確率 %

        實驗結果表明,與其他算法相比,本文算法具有較好的綜合識別性能,識別準確率更高。這是因為相位差分法在提取瞬時頻率時,易受噪聲影響,從而導致算法對頻率調(diào)制信號的識別率較低,同時無法識別NLFM等信號。小波脊線法由于提取信號的分類特征明顯且抗噪性強,提升了整體的算法性能,但該方法提取的相位編碼信號特征不明顯,對相位編碼信號識別準確率較低。STFT抗噪性較強,但是在處理長數(shù)據(jù)時需要耗費很長時間,且同樣對相位編碼信號的識別效果較差。

        3 結束語

        本文研究了雷達信號脈內(nèi)調(diào)制類型識別問題,利用改進相位差分和改進STFT提取了雷達信號的調(diào)制特征,設計了基于層次決策的脈內(nèi)調(diào)制類型自動識別算法。仿真實驗結果表明,本文識別算法的分類特征明顯,識別類型完整,抗噪性強,具有一定的工程應用價值。■

        參考文獻:

        [1] Zhu J,Zhao Y,Tang J.Automatic recognition of radar signals based on time-frequency image character[C]∥Radar Conference 2013, IET International,IET,2013: 1-6.

        [2] 胡國兵,華永平,劉渝.基于正弦波抽取的信號脈內(nèi)調(diào)制識別算法[J].計算機工程,2010,36(13): 21-25.

        [3] 周欣,吳瑛.核Fisher判別分析在數(shù)字信號分類中的應用[J].北京郵電大學學報,2011,34(1): 35-39.

        [4] 王海華,沈曉峰.一種新的雷達輻射源信號脈內(nèi)特征提取方法[J].系統(tǒng)工程與電子技術,2009, 31(4): 809-811.

        [5] 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(nèi)調(diào)制特性分析[J].通信學報,2003, 24(4): 153-160.

        [6] 于立濤,馬洪光,艾名舜,等.基于STFT的雷達脈內(nèi)調(diào)制信號類型識別[J].彈箭與制導學報,2006,26(2): 1198-1202.

        [7] 隋莉莉,翟孝霏,陳濤,等.雷達信號有意調(diào)制的粗分類和細分類識別方法[J].現(xiàn)代雷達,2013, 35(2): 40-44.

        猜你喜歡
        特征信號
        抓住特征巧觀察
        信號
        鴨綠江(2021年35期)2021-04-19 12:24:18
        完形填空二則
        新型冠狀病毒及其流行病學特征認識
        如何表達“特征”
        不忠誠的四個特征
        當代陜西(2019年10期)2019-06-03 10:12:04
        孩子停止長個的信號
        抓住特征巧觀察
        基于LabVIEW的力加載信號采集與PID控制
        一種基于極大似然估計的信號盲抽取算法
        99精品国产在热久久无码| 亚洲区福利视频免费看| 美腿丝袜视频在线观看| 精品蜜桃一区二区三区| 国产免费人成视频在线| 久久久久88色偷偷| 亚洲乱码av中文一区二区| 国产精品99久久久精品免费观看| 欧美日韩国产亚洲一区二区三区| av网址不卡免费在线观看| 大香蕉国产av一区二区三区| 人妖一区二区三区在线| 东京热久久综合久久88| 色悠久久久久综合欧美99| 国产精品欧美韩国日本久久| 青青草精品在线免费观看| 久久久国产精品无码免费专区| 久久国产精品久久久久久| 久久久精品国产亚洲成人满18免费网站| 国产熟女av一区二区三区四季| 日韩av免费一区二区| 久久精品国产精品亚洲| 国产精品亚洲成在人线| 无码国产精品一区二区免| 秀人网嫩模李梓熙大尺度| 黄色一区二区三区大全观看| 亚洲av成人噜噜无码网站| 亚洲国产一区二区三区亚瑟| 超级少妇一区二区三区| 日本一区二区三区熟女俱乐部| 欧美大片aaaaa免费观看| 欧美孕妇xxxx做受欧美88| 69av视频在线| 区一区二区三免费观看视频| 在线观看的网站| 色一情一乱一伦| 亚洲中久无码永久在线观看软件| www久久久888| 日本人妻系列中文字幕| 久久无码av一区二区三区| 日日摸夜夜添夜夜添无码免费视频|