基于脈內(nèi)特征的輔助分選技術(shù)研究

陳 超，楊國彬，王 宇

(中國電子科技集團(tuán)公司第51研究所，上海 201802)

基于脈內(nèi)特征的輔助分選技術(shù)研究

陳 超，楊國彬，王 宇

(中國電子科技集團(tuán)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(nèi)特征實(shí)時(shí)提取技術(shù)，利用時(shí)頻分析方法實(shí)現(xiàn)對(duì)現(xiàn)有常見的脈內(nèi)調(diào)制類型(簡單脈沖、二相編碼、四相編碼、線性調(diào)頻、頻率編碼)進(jìn)行實(shí)時(shí)的檢測及識(shí)別，并將脈內(nèi)調(diào)制特征與傳統(tǒng)的脈沖描述字結(jié)合構(gòu)成擴(kuò)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(jìn)行信號(hào)分選，由于充分利用脈內(nèi)信息進(jìn)行脈沖信號(hào)分選，進(jìn)一步提高了信號(hào)分選的處理速度和分選準(zhǔn)確率，并通過內(nèi)場測試證明了方法的有效性。

時(shí)頻分析；脈內(nèi)調(diào)制；檢測；聚類；分選

0 引 言

隨著雷達(dá)技術(shù)的不斷發(fā)展，雷達(dá)在現(xiàn)代戰(zhàn)爭中的應(yīng)用越來越多，電磁信號(hào)也越來越密集，電磁威脅環(huán)境的信號(hào)密度己高達(dá)百萬量級(jí)。同時(shí)，隨著電子和雷達(dá)技術(shù)的發(fā)展，新體制雷達(dá)發(fā)展迅速并逐漸占居主導(dǎo)地位。新體制雷達(dá)中常規(guī)脈沖雷達(dá)信號(hào)比例已減少，線性調(diào)頻、非線性調(diào)頻、相位編碼等雷達(dá)信號(hào)逐漸增多。這就對(duì)雷達(dá)信號(hào)的分選和識(shí)別提出了更高的要求，需要對(duì)雷達(dá)信號(hào)的脈內(nèi)調(diào)制特征進(jìn)行分析。脈內(nèi)調(diào)制特征[1-3]作為分選參數(shù)是近年來雷達(dá)對(duì)抗技術(shù)的發(fā)展趨勢。但是，由于目前脈內(nèi)特征提取算法運(yùn)算量大，處理速度慢所限制，脈內(nèi)特征參數(shù)和常規(guī)參數(shù)結(jié)合用于信號(hào)分選和輻射源識(shí)別還沒有展開實(shí)質(zhì)性的研究，脈內(nèi)特征信息還沒有被充分利用。本技術(shù)正是基于目前的研究現(xiàn)狀,展開對(duì)基于硬件實(shí)現(xiàn)實(shí)時(shí)的脈內(nèi)特征提取技術(shù)，實(shí)現(xiàn)對(duì)現(xiàn)有常見的脈內(nèi)調(diào)制類型(簡單脈沖、二相編碼、四相編碼、線性調(diào)頻、頻率編碼及非線性調(diào)頻)進(jìn)行實(shí)時(shí)檢測及識(shí)別，并把識(shí)別的脈內(nèi)調(diào)制類型結(jié)果和常規(guī)脈沖描述字(PDW)進(jìn)行合并，構(gòu)成擴(kuò)展脈沖描述字，用于雷達(dá)信號(hào)的分選處理，并通過內(nèi)場測試證明了該方法的有效性。

1 基于FPGA的脈內(nèi)調(diào)制類型實(shí)時(shí)提取

1.1 時(shí)頻分析原理

傅里葉變換是為了觀察信號(hào)的頻譜而進(jìn)行的變換，但是要通過傅里葉變換獲得一個(gè)模擬信號(hào)的譜特征，必須得到在時(shí)域中信號(hào)的所有信息，甚至包括未來的信息。這給實(shí)際應(yīng)用帶來了比較大的困難，而且信號(hào)一經(jīng)傅里葉變換就等于失去了時(shí)間，給出的只有頻譜信息，即不能作時(shí)頻分析。為了克服傅里葉變換的這個(gè)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(gè)時(shí)間局部化“窗函數(shù)”g(t-b)，其中b參數(shù)用于平移動(dòng)窗，這樣就能覆蓋整個(gè)時(shí)域。這就是所謂的“短時(shí)傅里葉變換(STFT)”，從短時(shí)傅里葉變換的表達(dá)式可以看出，在t時(shí)刻的STFT就是信號(hào)x(τ)與1個(gè)移動(dòng)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(duì)短的函數(shù)g(τ-t)相乘就能有效抑制掉分析時(shí)刻τ=t通道以外的信號(hào)，這樣STFT(t,ω)就是信號(hào)x(τ)在分析時(shí)刻τ=t附近簡單的局部譜。此種變換是集時(shí)間表示與頻率表示于一身的分解，這是時(shí)頻分析方法之一。本文就是基于這種時(shí)頻分析[4-6]方法對(duì)雷達(dá)信號(hào)進(jìn)行檢測并對(duì)脈內(nèi)調(diào)制特征進(jìn)行識(shí)別的。

1.2 脈內(nèi)調(diào)制類型提取步驟

識(shí)別脈內(nèi)調(diào)制類型的主要流程是：首先對(duì)輸入信號(hào)進(jìn)行預(yù)處理，然后對(duì)預(yù)處理的信號(hào)進(jìn)行檢測，如果檢測到信號(hào)，則進(jìn)行信號(hào)參數(shù)測量及脈內(nèi)調(diào)制特征識(shí)別;如果沒有檢測到可分析的脈沖，則分析結(jié)束，準(zhǔn)備分析下一包數(shù)據(jù)。處理的流程框圖如圖1所示。現(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(hào)，進(jìn)行信號(hào)檢測，完成對(duì)接收信號(hào)頻率、脈寬、幅度和到達(dá)時(shí)間等參數(shù)的測量，同時(shí)對(duì)信號(hào)進(jìn)行脈內(nèi)分析，判斷信號(hào)是簡單脈沖、相位編碼、線性調(diào)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(nèi)特征提取模塊提取的脈內(nèi)調(diào)制特征(IPMC)相結(jié)合構(gòu)成擴(kuò)展脈沖描述字(KPDW)，再將KPDW輸入到分選模塊進(jìn)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(nèi)特征提取技術(shù)流程框圖

信號(hào)脈沖描述字檢測[7]模塊對(duì)信號(hào)進(jìn)行檢測時(shí)的主要步驟：首先，檢測模塊對(duì)輸入的中頻信號(hào)進(jìn)行混頻、濾波等下變頻處理，將信號(hào)變成I、Q正交2路；然后，信號(hào)經(jīng)過cordic模塊，得到2路輸出，一路是信號(hào)的幅度，一路是信號(hào)的相位；對(duì)檢測到的信號(hào)進(jìn)行脈沖到達(dá)時(shí)間與結(jié)束時(shí)間測量(脈寬)及信號(hào)功率的測量(脈幅)；再通過計(jì)算信號(hào)相位得到信號(hào)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(nèi)特征提取模塊對(duì)前端采集的中頻數(shù)據(jù)采用流水線并行方式進(jìn)行處理，特征提取流程框圖如圖 4所示，對(duì)輸入數(shù)據(jù)進(jìn)行多通道并行的流水線方式進(jìn)行處理，短時(shí)傅里葉變換的每個(gè)窗口長度選擇512點(diǎn)，F(xiàn)PGA時(shí)鐘是137.5 MHz，圖中每通道顯示出3個(gè)窗口的傅里葉變換結(jié)果。在進(jìn)行滑窗傅里葉變換的同時(shí)，對(duì)已給出傅里葉變換結(jié)果的窗口進(jìn)行時(shí)頻曲線分析，根據(jù)時(shí)頻特征判斷識(shí)別出脈內(nèi)調(diào)制類型及調(diào)制參數(shù)，即在整個(gè)脈寬數(shù)據(jù)滑窗結(jié)束前，就可以給出脈內(nèi)特征分析結(jié)果，這樣，在脈沖結(jié)束延遲系統(tǒng)響應(yīng)時(shí)間后就得到含有脈內(nèi)特征的脈沖描述字的結(jié)果輸出，系統(tǒng)響應(yīng)時(shí)間是每個(gè)窗口進(jìn)行傅里葉變換的時(shí)間。

圖3 脈內(nèi)調(diào)制特征提取流程框圖

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

圖4 頻率編碼信號(hào)FPGA分析結(jié)果

圖5 線性調(diào)頻信號(hào)FPGA分析結(jié)果

圖7 四相編碼信號(hào)FPGA分析結(jié)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(nèi)調(diào)制特征結(jié)合構(gòu)成擴(kuò)展PDW,然后采用聚類的方法建立一種多維特征參數(shù)(擴(kuò)展PDW)分選模型，聚類分選算法是雷達(dá)信號(hào)分選的重要方法之一，屬于一種無監(jiān)督的學(xué)習(xí)方法。

該方法按照一定的相似性度量方法以及一定的評(píng)價(jià)準(zhǔn)則將數(shù)據(jù)集中的樣本進(jìn)行歸并和分類，這樣更加容易找到數(shù)據(jù)集中的內(nèi)在組織結(jié)構(gòu)，從而能夠更好地分析各樣本數(shù)據(jù)的關(guān)系。對(duì)于無源偵察而言，一般情況接收到的脈沖流因缺少先驗(yàn)知識(shí)無法預(yù)先知道空間輻射源信號(hào)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(jìn)行輻射源信號(hào)分選，可以將每個(gè)輻射源信號(hào)源作為一個(gè)信號(hào)類，每個(gè)脈沖就是相應(yīng)輻射源的一次觀測樣本，每個(gè)脈沖的脈沖參數(shù)描述個(gè)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(qiáng)的類內(nèi)聚集性及類間分離性，在理論上就可以達(dá)到比較不錯(cuò)的分選效果。

為判斷一個(gè)雷達(dá)輻射源脈沖信號(hào)是否屬于某一個(gè)輻射源，可以用脈沖信號(hào)的多個(gè)參數(shù)進(jìn)行加權(quán)歐幾里德距離來表征雷達(dá)輻射源脈沖信號(hào)參數(shù)之間的幾何距離:

(1)

式中:x為輻射源脈沖信號(hào)參數(shù)的測量值向量;ω為輻射源信號(hào)參數(shù)的中心值向量;W為雷達(dá)輻射源信號(hào)參數(shù)的加權(quán)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(shù)平均值。

(2)

式中:m為己聚類脈沖序列的脈沖個(gè)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(jì)算相似性度量值的信號(hào)脈沖參數(shù)個(gè)數(shù)；W為反映各參數(shù)重要程度的權(quán)系數(shù)。

如果幾何距離越小表示脈沖信號(hào)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(dá)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(gè)新的雷達(dá)輻射源。

該分選模型的具體步驟如下:先取1個(gè)脈沖某一項(xiàng)脈內(nèi)的調(diào)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(jì)算該脈沖的每一個(gè)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(gè)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(jì)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(gè)脈沖的參數(shù)與多個(gè)脈沖序列的參數(shù)之間的幾何距離小于門限，則應(yīng)當(dāng)取距離L值最小的脈沖系列作為聚類結(jié)果。按式(4)重新計(jì)算聚類結(jié)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(gè)數(shù)，已聚類脈沖個(gè)數(shù)越多，在計(jì)算脈沖參數(shù)的中心值時(shí)權(quán)重就越大。

如果這個(gè)脈沖不屬于所有己經(jīng)聚類的脈沖序列，則這個(gè)脈沖作為一個(gè)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(shè)一個(gè)經(jīng)驗(yàn)值，比如Δxmi=xoi×100%。

3 內(nèi)場測試驗(yàn)證及分析

為了驗(yàn)證上述方法的有效性，本文借助課題的硬件平臺(tái)進(jìn)行了內(nèi)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(chǎn)生的多種信號(hào)(信號(hào)產(chǎn)生參數(shù)如表1所示)注入到系統(tǒng)中，既可以實(shí)時(shí)觀測到偵收信號(hào)的脈內(nèi)識(shí)別情況，又可以查看實(shí)時(shí)分選的結(jié)果。

對(duì)于現(xiàn)代復(fù)雜體制雷達(dá)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(shí)僅通過脈間的五大參數(shù)已無法達(dá)到滿意的信號(hào)分選效果，可通過補(bǔ)充脈內(nèi)信息降低其交疊概率。在表格描述的信號(hào)環(huán)境中，信號(hào)分選遵循多維參數(shù)聚類的原則，首先從空域上分選，信號(hào)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(dá)到信號(hào)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(hào)，R9,R10通過脈寬可分離。第1組的信號(hào)RF-PW特征空間分布較為復(fù)雜，輻射源之間交疊嚴(yán)重，這時(shí)通過脈內(nèi)特征參數(shù)可最終分離出每個(gè)信號(hào)。如R2和R5兩部雷達(dá)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(nèi)信息參數(shù)不同，因此，如果沒有脈內(nèi)信息，則分選軟件將兩部雷達(dá)信號(hào)分選為同一批信號(hào)，這樣就漏分選1批信號(hào)，如圖9所示；如果加入脈內(nèi)信息，則可以正確地分選出2批信號(hào)，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(nèi)信息可以正確分選出2批信號(hào)，否則，只能錯(cuò)誤地分選為1批信號(hào)，分選結(jié)果如圖11、圖12所示。

圖8 系統(tǒng)測試框圖

雷達(dá)編號(hào)DOA(°)RF(MHz)PW(μs)PRI(μs)脈內(nèi)類型R140300015固定750重頻抖動(dòng)，抖動(dòng)量20%LFMR2413000～3300三脈沖調(diào)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(dòng)，抖動(dòng)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(dòng)，抖動(dòng)量15%NFLMR9902410403509/3383/3636/3888CONR10912412191488/1532/1576/1621/1665/1709六參差FSK備注：LFM：線性調(diào)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(nèi)類型相同分選結(jié)果(漏分選1批)

圖10 R2/R5脈內(nèi)類型不同時(shí)分選結(jié)果(分選2批)

圖11 R3/R8脈內(nèi)類型相同分選結(jié)果(漏分選1批)

圖12 R3/R8脈內(nèi)類型不同分選結(jié)果(分選出2批)

因此，基于脈內(nèi)信息的脈沖配對(duì)及輔助信號(hào)分選，緩解了因脈間的參數(shù)交疊引起分選的復(fù)雜度，并且大大提高了雷達(dá)信號(hào)分選的準(zhǔn)確率。

4 結(jié)束語

本文根據(jù)時(shí)頻分析理論開發(fā)出了基于FPGA的脈內(nèi)調(diào)制類型實(shí)時(shí)識(shí)別處理的算法。通過對(duì)脈沖信號(hào)脈內(nèi)調(diào)制類型的識(shí)別，結(jié)合常規(guī)的脈沖參數(shù)檢測，形成含有脈內(nèi)調(diào)制類型信息的擴(kuò)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(jìn)行信號(hào)分選，大大提高了雷達(dá)信號(hào)分選的速度及準(zhǔn)確率，并很好地改善了信號(hào)分選的漏分選現(xiàn)象。因此，本文的研究對(duì)未來進(jìn)行新體制及復(fù)雜電磁環(huán)境下的信號(hào)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(duì)無模糊相位重構(gòu)的自動(dòng)脈內(nèi)調(diào)制特性分析[J].通信學(xué)報(bào)，2003,24(4)：30-33.

[2] 畢大平，董暉，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)，2003,20(2):6-10.

[3] 那云諕，司錫才[J].二相編碼信號(hào)調(diào)制分析與識(shí)別.系統(tǒng)工程與電子技術(shù)，2004,26(3):298-332.

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

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

[6] 科恩.時(shí)-頻分析：理論與應(yīng)用[M].西安：西安交通大學(xué)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