一種針對復雜體制雷達信號的分選識別方法

蔡 偉，鄭志娟，吳 健

(中國電子科技集團公司第五十一研究所，上海 201802)

0 引 言

隨著雷達的低截獲概率、多參數捷變等技術的發展，以及各種工作體制和多種抗干擾技術綜合應用為特點的復雜雷達信號環境的出現，給雷達信號分選提出了極為嚴峻的考驗[1]。傳統的信號分選方法是基于雷達信號參數的規律性、脈間參數可重復性的基礎上發展而來的。某些新體制的雷達(如相控陣雷達)通常缺乏參數的脈間可重復性，若引用傳統的分選方法，則很難對脈間的參數規律建模，從而分選識別出該信號[2]。

在實際偵收的雷達信號脈沖數據中發現，雷達輻射源的發射脈沖序列可作為表征復雜雷達信號樣式的一種有效手段，脈沖序列描述法能通過時序這條主線將脈沖各個維度的特征更精確、完整地體現出來，從而分析輻射源的工作模式和預測干擾輻射源時序。這種以脈沖特征參數來描述雷達輻射源特征的方法相對于傳統的用歸納的雷達信號樣式特征與特征參數的描述方法，更為精細，更為完整，且最大的優點是能表征復雜體制雷達的信號樣式。這樣對特定信號的分選問題轉化為如何以該信號脈沖序列樣本為依據，從偵收的脈沖數據流中快速分選識別出與該信號樣本匹配的信號[3]。

由于系統接收的脈沖數據流是按照時間先后順序排放的數列，所以這在統計學上屬于時間序列挖掘問題，即在海量的時間序列數據中用數據挖掘技術，利用時間序列相似性的快速匹配及滑窗技術，實現對多參數聯合變化的復雜雷達信號的快速分選識別。綜上所述，基于脈沖序列樣本的信號分選方法可以作為解決復雜體制雷達信號分選識別的一種有效方法。

1 基于信號樣本的相似性匹配原理

由于該基于脈沖序列樣本的信號分選方法本質上是基于時間序列的相似性匹配原理，故估計相似度是以在時間序列維度匹配的前提下評估其余維度測量值的相似度。

假設樣本的長度為n，樣本序列為Ssample={X1,X2,…，Xn}，通過時間序列匹配后得到的關系是RMATCH={(Pi1,X1),(Pi2,X2),… (Pin,Xn) }，其中Pik可以為null，即沒有匹配的脈沖。針對該匹配關系，定義匹配的相似度函數為[4-6]：

(1)

(2)

(3)

f(Pik,Xk)是評估每個脈沖相似度的模型，若在時序上沒有檢測到樣本對應的某一脈沖，則該脈沖的相似度為0，只有在時序上存在脈沖，才從其余各個維度的測量值評估脈沖的相似程度。

在上述評估模型中，設測量的維度為M，ωm為各測量維度在相似度中的權重，而在考慮每個維度與樣本的接近程度時，ΔXm為偵察設備在各個維度的測量精度所決定的測量偏差，σm為系統噪聲與測量噪聲所確定的各個維度的參數容差。

由于系統的測量性能不一，ΔXm、σm這2個量按照實際的測量情況確定。ωm則認為是相對穩定的分配，比如系統僅有頻率、脈寬、到達時間(TOA)的測量值，則在一般情況下重頻(RF)、脈寬(PW)上分配的權重系數為某固定值；當信號為寬脈寬信號時，且PW的測量相似度很高，這時可改變權重的分配提高脈寬的系數，因為對寬脈寬信號來說，脈寬是個很好的分類屬性，寬脈寬的高度相似使得事件的定性很明確，需要高度重視這一信息。

2 處理流程

基于樣本序列信號分選流程見圖1所示。

圖1 基于樣本序列信號分選流程圖

步驟1：將接收的每個脈沖首先與樣本庫每個樣本的參數范圍進行粗相關，參數相關的脈沖存入該樣本對應的活動雷達脈沖緩存中，單個脈沖可以與多個樣本的參數范圍相關，故可以存入多個活動雷達的脈沖緩存中。該過程本質上是預過濾處理，過濾參數段不相關的脈沖，排除完全不相關的脈沖，將可能的脈沖預存入緩存，故脈沖可以一對多地被存入多個活動雷達的緩存。

步驟2：在每個活動雷達緩存中積累的脈沖的持續時間達到該樣本的幀時長，則轉入序列匹配的過程，否則繼續等待后續脈沖。

步驟3：序列匹配是以判斷當前緩存的首個脈沖是否屬于樣本中的一個進行匹配的，將緩存中的首脈沖依次與樣本的前一半每個脈沖對齊，開始嘗試N/2種匹配法，每種匹配法都將以接收的首脈沖對樣本的第n個(n=1,2,…)脈沖開始進行序列的最大相關匹配，得到匹配的個數Mn,在所有的匹配中得到最大的匹配相似度，若最大的匹配相似度大于設定的門限，則匹配成功，轉入步驟4(優化：在n=1,2，…由小到大的匹配過程中，若當前n的匹配達到理想匹配狀態，即從n開始的樣本全部得到了匹配，則可以結束匹配過程,不可能再有更好的匹配情況了)；否則匹配失敗，說明緩存首脈沖不是樣本中的一個，將緩存中首脈沖從滑窗中移走，轉入步驟2。

步驟4：匹配成功，獲取當前匹配脈沖的序列、匹配標志(對應樣本的每個脈沖有1/0的匹配標志)、匹配的相似度，若需要實時輸出，則將當前的匹配結果輸出。

步驟5：若為定時輸出的，則將當前匹配結果存入緩存，統計匹配相似度的最小、最大值，轉入步驟1。

步驟6：定時輸出點到，將活動雷達庫中每個信號匹配成功的所有幀輸出，清空匹配結果緩存。

步驟7：上述流程是以后續數據流作為判斷時序的觸發條件而處理的。為防止某一雷達信號接收數據不再出現而導致該活動雷達庫的脈沖緩存出現“dead data”現象，還應有處理活動庫中脈沖緩存剩余脈沖的能力，觸發條件可以為定時或批處理結束。

基于樣本序列信號分選數據流見圖2所示。

圖2 基于樣本序列信號分選數據流圖

脈沖過濾將原始數據與樣本庫中不吻合的脈沖字預先舍棄，預存與每類樣本可能匹配的脈沖，當預存入的脈沖群滿足一定條件后，與預存入的樣本進行精細的時序匹配，計算出與樣本的相似度。相似度高于匹配門限，則樣本匹配成功，基于匹配成功后的脈沖序列可以進行各維度參數統計、信號質量評估等后續信息量的挖掘。

3 分選效果評估分析

(1) 分選效果評估方法概述

對本分選方法的評估，從參數交疊、信號密度、噪聲率、脈沖丟失率、測量誤差等幾個方面驗證基于脈沖序列樣本的信號分選技術的處理能力和對環境的適應性[7]。

分選效果的驗證主要包括：

分選正確率：當脈沖字的檢測成功和參數正確的概率達到80%以上，基于該方法的分選的正確率達到90%以上。

同時相似多信號的分選能力：該方法能正確分選識別出兩列同時在頻率、脈寬、方位參數交疊，脈沖時序特性不同的輻射源脈沖序列。

(2) 分選正確率的驗證

樣本1設計如下： [(9 300 MHz、1 μs、1 000 μs)，(9 300 MHz、1 μs、433 μs)，(9 300 MHz、1 μs、477 μs)，(9 300 MHz、1 μs、511 μs)，(9 300 MHz、1 μs、523 μs)，(9 300 MHz、1 μs、533 μs)，(9 300 MHz、1 μs、555 μs)，(9 300 MHz、1 μs、571 μs)，(9 300 MHz、1 μs、591 μs)]；以此樣本產生仿真的脈沖字序列，共產生25 478個PDW字，其中符合樣本1的脈沖序列共3 081幀。

在仿真時選擇了下列屬性值：

(a) 脈沖丟失概率20%；

(b) 測量誤差：

RF： 5 MHz；

PW： 0.2 μs+20%*PW；

TOA： 300 ns；

(c) 疊加了隨機噪聲脈沖。

實驗結果如下：

輻射源識別號： 1；樣本長度：9；共截獲幀次數：3 022；共匹配脈沖總數： 22 012；匹配時長： 15 996.520 ms；平均匹配個數： 7.283 917；最佳匹配個數：9；最差匹配個數：5；平均匹配系數：0.797 614；最佳匹配系數： 1.000 000；最差匹配系數： 0.528 075。

基于上述匹配可得出多維參數分布情況如下：

RF HISTOGRAM

SAMPLE_NUM：22 012；RF_MIN： 9 295.00 MHz；RF_MAX：9 305.00 MHz；RF_AVG： 9 299.99 MHz；

RF：9 300.04 MHz；ACCU_NUM：8 864；

RF：9 296.52 MHz；ACCU_NUM：6 662；

RF：9 303.52 MHz；ACCU_NUM：6 485；

RF：9 298.00 MHz；ACCU_NUM：1。

PW HISTOGRAM

SAMPLE_NUM：22 012；PW_MIN：0.60 μs；PW_MAX：1.40 μs；PW_AVG：1.00 μs；

PW：1.00 μs；ACCU_NUM：22 012。

結論：

樣本1信號幀的識別率為3 022/3 081=98.085%，符合預期要求。

(3) 同時相似多信號的分選能力驗證

樣本選取2個頻率均為800 MHz、脈寬1 μs的脈沖序列，重周均在400 μs～600 μs 之間跳變，差別在于精確的時序不同。

具體的樣本序列如下：

樣本2： [(800 MHz、1 μs、1 000 μs)，(800 MHz、1 μs、433 μs)，(800 MHz、1 μs、477 μs)，(800 MHz、1 μs、511 μs)，(800 MHz、1 μs、523 μs)，(800 MHz、1 μs、533 μs)，(800 MHz、1 μs、555 μs)，(800 MHz、1 μs、571 μs)，(800 MHz、1 μs、591 μs)]；

樣本3： [(800 MHz、1 μs、1 000 μs)，(800 MHz、1 μs、417 μs)，(800 MHz、1 μs、417 μs)，(800 MHz、1 μs、417 μs)，(800 MHz、1 μs、453 μs)，(800 MHz、1μs、4 535 μs)，(800 MHz、1 μs、453 μs)，(800 MHz、1 μs、497 μs)，(800 MHz、1 μs、497 μs)，(800 MHz、1 μs、497 μs)]；

以上述兩樣本產生仿真的交錯脈沖字序列，共產生178 385個PDW字，其中符合樣本1的脈沖序列共9 752幀，符合樣本2的脈沖序列共9 930幀。在仿真時選擇了下列屬性值：

(a) 脈沖丟失概率10%；

(b) 測量誤差：

RF： 5 MHz；

PW： 0.2 us+20%*PW

TOA： 300 ns

(c) 疊加了隨機噪聲脈沖。

實驗結果如下：

輻射源識別號：2；樣本長度：9；

共截獲幀次數：9 744；

共匹配脈沖總數：78 449；

匹配時長：50 650.888 ms；

平均匹配個數：8.051 067；最佳匹配個數：9；最差匹配個數：5；

平均匹配系數：0.881 853；最佳匹配系數：1.000 000；最差匹配系數：0.527 428。

基于上述匹配可得出多維參數分布情況如下：

RF HISTOGRAM

SAMPLE_NUM：78 449；RF_MIN：795.00 MHz；RF_MAX：805.00 MHz；RF_AVG：800.01 MHz；

RF：797.45 MHz；ACCU_NUM：31 485；

RF：803.03 MHz；ACCU_NUM：30 981；

RF：800.25 MHz；ACCU_NUM：12 615；

RF：795.22 MHz；ACCU_NUM：3 368；

PW HISTOGRAM

SAMPLE_NUM：78 449；PW_MIN：0.60 μs；PW_MAX：1.40 μs；PW_AVG：1.00 μs

PW：1.00 μs；ACCU_NUM：78 449

輻射源識別號：3；樣本長度：10；

共截獲幀次數：9 906；

共匹配脈沖總數：88 864；

匹配時長：50 646.829 ms；

平均匹配個數：8.970 814；最佳匹配個數：10；最差匹配個數：6

平均匹配系數：0.884 440；最佳匹配系數：1.000 000；最差匹配系數：0.571 575

RF HISTOGRAM

SAMPLE_NUM：888 64；RF_MIN：795.00 MHz；RF_MAX：805.00 MHz；RF_AVG：800.00 MHz；

RF：802.24 MHz;ACCU_NUM：35 722

RF：796.98 MHz;ACCU_NUM：34 958

RF：799.60 MHz;ACCU_NUM：11 640

RF：804.63 MHz;ACCU_NUM：6 543

RF：797.70 MHz;ACCU_NUM：1

PW HISTOGRAM

SAMPLE_NUM：88 864；PW_MIN：0.60 μs；PW_MAX：1.40 μs；PW_AVG：1.00 μs

PW：1.00 μs；ACCU_NUM：88 864

結論：

樣本2產生的信號幀的識別率為9 744/9 752=99.917%，符合預期要求。

樣本3產生的信號幀的識別率為9 906/9 930=99.758%，符合預期要求。

4 結束語

本文針對復雜體制雷達，給出了一種基于脈沖序列樣本的信號分選方法。該方法突破了傳統分選方法對復雜信號樣式建模的局限性，大大提升了系統應對復雜信號環境的偵察能力。實驗結果表明，采用本方法分選正確識別率達到98.085%，并能正確分選識別出2列同時在頻率、脈寬、方位參數交疊，脈沖時序特性不同的輻射源脈沖序列，對具有時域、頻域參數交疊的信號環境、含噪聲脈沖的信號環境適應性強，具有一定的工程實用性。