PRI周期性調(diào)制信號的TOA中點匹配分選算法

陳維高，張國毅，常碩

(空軍航空大學(xué),吉林 長春 130022)

0 引言

雷達(dá)信號分選是指從多部雷達(dá)脈沖信號互相交迭的條件下，分離出屬于同一部雷達(dá)的脈沖信號的過程[1]。它是獲取敵方雷達(dá)信息從而判斷其威脅等級、制定作戰(zhàn)計劃的主要依據(jù)，是雷達(dá)對抗系統(tǒng)的關(guān)鍵技術(shù)。在輻射源數(shù)量不多且信號形式簡單的情況下，傳統(tǒng)的雷達(dá)信號分選方法如：模板匹配法[2]、直方圖分選法(CDIF，SDIF)[3-4]、平面變換技術(shù)[5]等，能夠取得滿意的分選效果。然而，在高技術(shù)的現(xiàn)代戰(zhàn)爭中，隨著雷達(dá)數(shù)目的急劇增加和信號形式的日趨復(fù)雜，傳統(tǒng)雷達(dá)信號分選方法在分選準(zhǔn)確度和實時性上大大降低，使得雷達(dá)信號分選任務(wù)面臨巨大的挑戰(zhàn)。

針對傳統(tǒng)分選方法存在的問題，一些學(xué)者通過改進傳統(tǒng)算法來改善[6]；另一些學(xué)者通過探索新的特征參數(shù)[7]或者研究新的算法來提高算法的適應(yīng)能力[8-10]。為了適應(yīng)多種復(fù)雜信號形式，同時滿足高密度信號環(huán)境下對分選準(zhǔn)確度與實時性的要求，本文提出了一種新的基于雷達(dá)脈沖重復(fù)周期的雷達(dá)信號分選算法。算法首先在脈沖序列中點附近任意選取一點P作為中心點，然后通過提出的TOA中點匹配法依次比較左右兩側(cè)相鄰脈沖間隔，從而提取出PRI值。通過計算機仿真實驗，驗證了該算法具備一定的抗噪和抗脈沖丟失能力，并能夠較好地滿足信號分選對準(zhǔn)確性和實時性的要求。

1 TOA中點匹配法

TOA中點匹配法的基本思想是：對于偵察接收機偵收到的多個輻射源脈沖序列TOA1,TOA2，…，TOAn(n為脈沖序列的總脈沖數(shù))，首先在序列長度的中間位置任意選取一點TOAi，

i=round(n/2)，

(1)

式中：round(x)為四舍五入函數(shù)。

以TOAi為中心點開始進行匹配運算，并結(jié)合對比驗證法提取出PRI值，然后按照提取出的PRI值對序列進行抽取。

算法基本步驟：

(1) 選取脈沖序列靠近中心處的一點TOAi作為中心點，以TOAi為中心點開始計算其左右兩側(cè)相鄰脈沖的TOA差值PRIl1，PRIr1，其中PRIl1=TOAi-TOAi-1，PRIr1=TOAi+1-TOAi。

(2) 比較左右TOA差值的大小，如果PRIl1-PRIr1>ε(ε是滿足間隔值相等的最大容限)，選擇下一個右側(cè)脈沖，計算其到中心點的TOA差值PRIr2=TOAi+2-TOAi，然后與PRIl1進行比較。如果PRIr1-PRIl1>ε，則選擇下一個左側(cè)脈沖，計算PRIl2=TOAi-TOAi-2并進行比較。如果左右兩側(cè)計算得到的間隔值相等，即PRIlm-PRIrn≤ε(其中m,n分別指代中心點左右側(cè)第m，n個脈沖，)，則進行步驟(3)。

(3) 記錄此PRI值，并將標(biāo)號est=est+1(初始值為0，每選出一個相等的間隔est值加1)，然后繼續(xù)按照步驟(2)計算并比較PRIl (m + 1)與PRIr(n+1)。

(4) 如果標(biāo)號est=4(此時在滿足實時性需要和抑制諧波達(dá)到最優(yōu))，并且保證

(2)

式中：η為滿足間隔值整除的最大容差，一般取值很小。

式(2)的設(shè)定是為了在脈沖丟失的情況下，保證檢測出的PRI1是真實PRI而不是諧波。此時，轉(zhuǎn)入步驟(5)。

如果在中心點兩側(cè)不能檢測到滿足式(5)的PRI值，就認(rèn)為中心點選擇錯誤(可能是選擇了干擾噪聲作為中心點，或者中心點鄰近的真實脈沖存在丟失的情況從而不能提取真實的PRI值)，需要重新選擇中心點。則轉(zhuǎn)入步驟(6)。

(5) 選取PRI1作為檢測出的真實PRI值，存儲該PRI值，然后進行第2小節(jié)的PRI類型檢測和脈沖抽取，抽取完轉(zhuǎn)到步驟(7)。

(6) 將中心點右移一個脈沖轉(zhuǎn)到步驟(7)。

(7) 如果脈沖序列的長度不小于檢測一組脈沖序列所需的最小脈沖個數(shù)(本文設(shè)定為9，由于式(2)間接要求最少9個脈沖可以檢測出一組脈沖序列)，并且中心點TOAi右移后與最后一個脈沖TOAn之間的脈沖數(shù)不小于4，轉(zhuǎn)到步驟(1)重新進行匹配運算。否則，算法結(jié)束。

2 PRI類型檢測和脈沖抽取

檢測出真實的PRI值后，需要檢測該PRI是固定PRI信號還是具有其他周期調(diào)制特征的PRI信號。如果不經(jīng)檢測就開始利用該PRI值進行常規(guī)脈沖抽取，對于PRI固定信號自然適用；然而對于其他PRI周期調(diào)制信號，該PRI值是骨架周期，因此利用常規(guī)脈沖抽取只能抽取出該組序列的一部分脈沖，剩余脈沖不僅會干擾算法余下的過程，而且將大大增加算法的運算量。針對上述問題，本文提出了PRI類型檢測法來檢測該PRI值，并改進了常規(guī)脈沖抽取算法來抽取其他PRI周期調(diào)制信號。

2.1 PRI類型檢測

基本原理：對于除了PRI固定信號外的其他PRI周期調(diào)制信號，一個周期內(nèi)必然有多個脈沖，并且本周期的脈沖加上一個幀周期在下一個周期內(nèi)必然存在一一對應(yīng)的脈沖，如圖1所示。所以，通過檢測下一周期內(nèi)是否有脈沖與本周期內(nèi)的脈沖匹配，就可以判斷該PRI值是PRI固定信號的還是其他PRI周期調(diào)制信號的幀周期。

圖1 三參差脈沖序列示意圖Fig.1 Diagram of three stagger pulse sequence

2.2 脈沖抽取

(1) 經(jīng)過PRI類型檢測確定了PRI值的歸屬之后，如果是PRI固定信號的PRI值，則按照常規(guī)脈沖抽取算法對原始脈沖序列進行抽取，即將第一個脈沖作為起始點，根據(jù)檢測出的PRI尋找下一個脈沖，檢測容差為ε，若找到，將起始點變?yōu)檎业降拿}沖，將其抽取出來。若未找到，尋找2PRI處是否有脈沖存在，若找到，改變起點為找到的脈沖，否則尋找3PRI處，若存在，改變起始點為找到的脈沖，否則放棄搜索，將起始點變?yōu)橄乱粋€脈沖，重復(fù)上述過程。

(2) 如果是其他PRI周期調(diào)制信號的幀周期，同樣將第一個脈沖作為起始點，根據(jù)檢測出的PRI值，按照上文相同的方法尋找下一個脈沖，無論存在與否，都改變起始點為下一個脈沖，重復(fù)上述過程。這種抽取方法可以按照幀周期一次將該組序列全部提取出來。

3 實例分析及算法流程

3.1 實例分析

下面結(jié)合圖2詳細(xì)介紹TOA中點匹配法的過程。

(1) 對圖中脈沖序列計算中心點，i=round(23/2)=12，取TOA12作為中心點，計算PRIl1=t12-t11，PRIr1=t13-t12，PRIr1-PRIl1>ε；計算PRIl2=t12-t10，與PRIr1比較，PRIl2-PRIr1>ε；依次計算并比較，直到PRIr4-PRIl5≤ε，即t16與t7到中心點t12的間隔相等，令PRI1=PRIr4，est=1。

(2) 從t6和t17開始向兩側(cè)依次計算到中心點的間隔值，按照步驟(1)進行比較，并記錄相等的間隔值，直到est=4。開始將PRI1～PRI4代入式(2)進行檢測，滿足條件，進行PRI類型檢測。

(3) 首先，從t1處開始檢測，檢測容差為ε，可以判斷在t1+PRI1,t1+PRI2,t1+PRI3處都不存在脈沖。然后，起始點變?yōu)閠2進行檢測，在t2+PRI1處存在脈沖t6，確定t2～t6為一個周期，在周期內(nèi)進行檢測。依次判斷t3+PRI,t4+PRI,t5+PRI處是否存在脈沖，經(jīng)判斷存在t7,t9分別與t3和t5對應(yīng)。由此可知該PRI值屬于PRI周期調(diào)制信號的幀周期。

圖2 2部雷達(dá)交錯脈沖序列Fig.2 Interleaving pulse sequence of two radars

(4) 按照第2小節(jié)中抽取周期調(diào)制信號的方法對脈沖序列進行抽取，可以將A部雷達(dá)脈沖全部抽取出來。剩余的脈沖按照(1)～(2)步進行運算，得到PRI值，由于t1+PRI處存在脈沖B2，并且在抽取出A部雷達(dá)后脈沖B1與B2相鄰，所以不需要進行PRI類型檢測，可以直接判斷該PRI值是PRI固定信號的重復(fù)周期。按照第2小節(jié)中抽取PRI固定信號的方法進行抽取。整個算法結(jié)束。

3.2 算法流程

算法流程如圖3所示。

圖3 TOA中點匹配法流程圖Fig.3 Diagram of the TOA center matching

4 仿真實驗分析

為了檢驗算法在復(fù)雜信號環(huán)境下的分選性能，仿真實驗產(chǎn)生多種復(fù)雜體制的交疊脈沖。脈沖分選的準(zhǔn)確率和漏選率[11]分別定義為：

(1) 準(zhǔn)確率。(SR/S)×100%，其中S是分選得到的同一類脈沖的數(shù)目，SR是正確分選的脈沖數(shù)。

(2) 漏選率。((SM-SR)/SM)×100%，其中SM表示原始脈沖序列中屬于同一類雷達(dá)的數(shù)目。

系統(tǒng)實驗環(huán)境：Windows XP，Intel CPU Q8200，3GB內(nèi)存，仿真軟件為Matlab R2010a。

實驗采樣時間共為0.5 s，脈沖丟失率為2%，丟失后脈沖總數(shù)為4 439個，噪聲脈沖占總數(shù)的10%。其中包括2部PRI固定雷達(dá)，PRI值分別為950 μs，1 233 μs；1部PRI滑變雷達(dá)，滑變范圍為398～1 194 μs，每個周期內(nèi)有11個脈沖；1部PRI正弦調(diào)制雷達(dá)，調(diào)制均值為732 μs，每個周期有30個脈沖；1部PRI排定調(diào)制雷達(dá)；1部PRI五參差雷達(dá)(具體參數(shù)信息見表1)。原始脈沖的TOA差分[12]如圖4所示。

圖4 原始信號TOA差分圖Fig.4 TOA difference of original signal

實驗中設(shè)定檢測容差ε=2 μs，η=2 μs。分選結(jié)果如表1所示。

整個分選算法用時12.83 s，脈沖分選的平均準(zhǔn)確率為97.39%，平均漏選率為6.18%。分選結(jié)果的TOA差分圖如圖5所示。

表1 TOA中點匹配法分選結(jié)果Table 1 Statistics data of sorting results

圖5 分選結(jié)果TOA差分圖Fig.5 TOA difference results of signal sorting

為了進一步驗證算法分選復(fù)雜PRI調(diào)制信號的能力，本文利用SDIF算法對實驗數(shù)據(jù)進行分選，圖6是該算法的五級直方圖，經(jīng)多次仿真實驗發(fā)現(xiàn)即使相應(yīng)的調(diào)低算法的門限值，也不能對數(shù)據(jù)進行分選。

實驗結(jié)果表明，該算法能夠適應(yīng)多種PRI周期調(diào)制信號，具備一定的抗干擾和抗脈沖丟失的能力。經(jīng)多次仿真實驗驗證，算法對于本文列舉的信號形式平均分選準(zhǔn)確率在90%以上，平均漏選率在10%以下，具備較高的分選準(zhǔn)確率，并且能夠滿足對于實時性的要求。

圖6 SDIF算法5級直方圖Fig.6 Five grade histogram of SDIF algorithm

5 結(jié)束語

本文在分析了高密度復(fù)雜信號條件下信號分選面臨的主要問題的基礎(chǔ)上，提出了TOA中點匹配法。通過對比匹配抽取出PRI值，然后進行PRI類型檢測，根據(jù)不同的信號類型進行抽取。最后通過仿真實驗，驗證了算法的有效性。

算法還存在一些問題有待于進一步研究：一方面，由于該算法從原理上是依據(jù)信號的周期特征進行分選的，所以并不適用于PRI非周期調(diào)制信號(如PRI抖動信號)，需要結(jié)合其他算法來進行完善；另一方面，算法的實時性還有進一步提高的空間。

參考文獻(xiàn)：

[1] 何明浩. 雷達(dá)對抗信息處理[M]. 北京：清華大學(xué)出版社, 2010: 8-9.

HE Ming-hao. Radar ECM Information Processing[M]. Beijing：Tsinghua University Press, 2010: 8-9.

[2] CHEN Ting，GUO Wei，SHEN Bing．A New Radar Emitter Recognition Method Based on Pulse Sample Figure[C]∥Fuzzy Systems and Knowledge Discovery (FSKD)，2011 Eighth International Conference on.Hefei,China,2011：1902-1905.

[3] XIE GRO-liang, WANG Hong-xun, XU Zhong-wei,et al. A Fast Sorting Method for Modulated and Jitter PRI Radar Signals[C]∥Transportation, Mechanical, and Electrical Engineering (TMEE), 2011 International Conference on.Changchun,China,2011: 2210-2213.

[4] Melekt Acar Boyacioglu, Yakup Kara, Omer Kaan Baykan. Predicting Bank Financial Failures Using Neural Networks, Support Vector Machines and Multivariate Statistical Methods: A Comparative Analysis in the Sample of Savings Deposit Insurance Fund (SDIF) Transferred Banks in Turkey[J]. Expert Systerms with Applications, 2009, 36(2):3355-3366.

[5] TIAN Fen-fang. De-Interleaving of Radar Signal Based on Improved PRI Transform Algorithm[J]. Electronic Science and Technology, 2010, 23(11):116-118.

[6] Ala Mahdavi, Amir Mansour Pezeshk. A Fast Enhanced Algorithm of PRI Transform[C]∥Sixth International Symposium on Parallel Computing in Electrical Engineering.Luton,United Kingdom, 2011:179-184.

[7] GUO Qiang, QU Zhen-shen, WANG Chang-hong. Pulse-to-Pulse Periodic Signal Sorting Features and Feature Extraction in Radar Emitter Pulse Sequences[J]. Journal of Systems Engineering and Electronics, 2010, 21(3): 328-389.

[8] ZHAO Bao-chang, PENG Shi-rui, YU Chun-lai, et al. A New Method for Soring Radar Signals Based on Coherency[C]∥ Third International Conference on Measuring Technology and Mechatronics Automation.Shanghai,China,2011:170-173.

[9] ZHU Xiang-peng, JIN Ming, QIAN Wei-qiang, et al. The Application of Unsupervised Clustering in Radar Signal Preselection Based on DOA Parameters[C]∥First International Conference on Pervasive Computing, Signal Processing and Applications.Harbin,China, 2010:956-959.

[10] Anant Ram, Ashish Sharma, Anand S Jalall. An Enhanced Density Based Spatial Clustering of Applications with Noise[C]∥International Advance Computing Conference.Patiala,India, 2009:1475-1478.

[11] 樊甫華，張萬軍，譚營．基于累積變換的周期性對稱調(diào)制模式的快速自動搜索算法[J]．電子學(xué)報，2005，33(7)：1266-1270．

FAN Fu-hua, ZHANG Wan-jun, TAN Ying. A Fast and Automatic Searching Algorithm of Periodic and Symmetric Patterns Based on Accumulative Transformation Technique[J]. ACTA Electronica Sinica, 2005, 33(7): 1266-1270.

[12] 曹陽．基于PRI的高密度脈沖信號分選算法研究[D]．哈爾濱：哈爾濱工業(yè)大學(xué)，2008：73-74．

CAO Yang. Research on Sorting Algorithm for High Density Pulse Flow of Radar Signal Based on PRI Parameter[D]. Harbin: Harbin Institute of Technology, 2008: 73-74.