利用幅度重排的機載火控雷達工作模式識別方法

楊 秋，顧 杰，魏 平

(1.電子科技大學 信息與通信工程學院，四川 成都 611731；2.電子信息控制重點實驗室，四川 成都 610036；3.中國人民解放軍95786部隊，四川 成都 614000)

機載火控雷達工作模式識別是機載電子對抗的關鍵環節，如何快速準確地識別機載火控雷達的工作模式，特別是含跟蹤信號的高威脅工作模式，是奪取機載電子對抗主動權的關鍵環節[1-3]。按照工作環境和作戰任務不同，機載火控雷達工作模式分為對地(海)工作模式和對空工作模式。對地(海)工作模式主要包括地形跟隨/回避、地圖測繪、地圖擴展、多普勒波束銳化、地面動目標檢測、固定目標跟蹤、海情I、海情II以及信標模式等；對空工作模式主要包括邊搜索邊跟蹤(Track While Search，TWS)、搜索加跟蹤(Track And Search，TAS)和單目標跟蹤(Single Target Tracking，STT)[4]。筆者的研究對象為機載火控雷達對空工作模式的識別方法。

目前，識別機載火控雷達對空工作模式的公開研究成果主要可概括為兩大類：一類是借鑒圖像處理領域成熟的模式識別等技術，將信號變換到圖像域進行識別。這類方法在一些特定場景下能夠取得較好的識別效果，但一方面識別效果受變換后的圖像分辨率限制，另一方面信號由參數域向圖像域變換會導致不可避免的信息損失，且難以根據圖像域的識別結果反推信號域參數，也就難以進行多源信息融合驗證；另一類是基于信號特征參數本身的識別方法[5]，如利用載頻、脈寬、脈沖重復頻率以及脈內特征等參數在不同模式下的差異性特征，在信號域直接識別。根據有無先驗數據率支撐，信號域的識別方法又分為基于已知數據庫的比對識別和無數據庫的盲識別兩類。顯然基于已知數據庫的比對識別方法準確、簡單、快捷和高效，但實際應用中，由于很難獲得對方機載火控雷達的完備工作模式，數據庫往往應用受限[6]，因此無數據庫的盲識別方法近年來越來越受到重視。

在分析機載火控雷達對空工作模式特點的基礎上，發現載頻、脈沖重復間隔和脈寬等參數規律在前端信號分選環節已經被充分挖掘利用，很難再利用其直接識別不同工作模式。但脈沖幅度在識別機載火控雷達對空工作模式方面具有潛在的優勢[7-8]，這是因為脈沖幅度與脈沖功率密切相關，短時間內幅度變化主要是由天線波束調制引起的，即具有相對穩健的特征[9-11]。基于以上分析，立足于盲識別思路，筆者提出了一種利用幅度重排的機載火控雷達對空工作模式的識別方法。該方法利用跟蹤信號與搜索信號重排幅度不同的分布特性，進而識別包含跟蹤信號的高威脅工作模式。

1 不同工作模式信號幅度特征

機載火控雷達不同工作模式對應不同的時間、能量等資源分配方式[12-15]：TWS模式下資源全部用于搜索，多使用高、中重頻交替策略以較低數據率進行空域搜索，搜索周期比較長，信號幅度呈現類似SINC形狀變化特性；TAS模式下資源用于搜索和跟蹤兩部分，跟蹤多采用較高數據率的中重頻，搜索仍使用較低數據率的高、中重頻交替策略，跟蹤信號幅度呈現類似直線的緩變特性，而搜索信號幅度仍呈現類似SINC變化特性；STT模式下資源全部用于跟蹤，多使用中重頻進行高數據率的跟蹤，幅度值比較穩定，也呈現出和TAS模式中跟蹤一樣類似直線的緩變特性。在不考慮人為干擾、脈沖丟失等情況下，各模式下脈沖幅度分布特性分別如圖1所示。

2 利用幅度重排的工作模式識別方法

利用幅度信息識別機載火控雷達工作模式的核心思想是：搜索信號幅度整體上呈現起伏明顯的SINC包絡特性，而跟蹤信號幅度相對穩定呈現類似線性變化的特性，且跟蹤信號數據率略高于搜索信號數據率。因此，檢測信號幅度參數有無呈現類似線性變化特性的，可以成為有無跟蹤信號的檢測依據。

在檢測方法上，盡管Hough變換(Hough Transform，HT)是處理直線檢測問題的一種經典算法，在諸多領域得到了廣泛應用[11，16-17]，但由于直線在參數空間中的映射容易受到鄰近目標、噪聲以及本身非理想狀態的干擾，算法中的投票過程較易出現無效累積，進而導致虛檢、漏檢及端點定位不準等問題，實際應用中檢測效果不佳。

通過分析各工作模式的信號特征發現，打亂信號按到達時間排序的模式，重新按照幅度大小進行排列，則可以將幅度相近的信號集中在一起，特別是跟蹤數據率略高于搜索數據率，將使得集中的跟蹤信號更為明顯，這就是利用幅度重排的機載火控雷達工作模式識別方法的核心思想。無跟蹤的TWS模式和有跟蹤的TAS模式信號重排幅度及其一階差分分布如圖2所示。

圖2 TWS與TAS模式下脈沖序列重排幅度與重排幅度差分分布特性

通過圖2可以看出：① 由于幅度呈類似線性分布的跟蹤信號的存在，TAS模式信號重排幅度相比TWS模式信號重排幅度增加了一段明顯的“緩變區”，“緩變區”位于重排幅度峰值附近，“緩變區”長度與跟蹤信號比重成正比，“緩變區”坡度主要由跟蹤信號幅度起伏特性決定；② TAS模式信號重排幅度增加的“緩變區”對應其幅度一階差分增加的“凹口區”，“凹口區”寬度也與跟蹤信號比重成正比，跟蹤信號幅度起伏越小，重排幅度的“緩變區”越平緩，重排幅度差分的“凹口區”越低，越有利于跟蹤信號檢測。

利用幅度重排的機載火控雷達工作模式識別方法流程如圖3所示。

圖3 利用幅度重排的機載火控雷達工作模式識別方法流程圖

待識別的脈沖描述字xi可表示為

(1)

其中，fi、pi、τi、ti和θi分別表示脈沖信號的載頻、幅度、脈寬、到達時間和到達角，N為脈沖個數。

(2)

計算重排信號幅度的一階后向差分Δp′：

Δp′=p′(i+1)-p′(i)，i=1，2，…，N-1。

(3)

根據幅度差分檢測門限δΔp和過檢測門限脈沖數量門限δnum檢測跟蹤信號，有

(4)

3 仿真試驗與結果分析

3.1 參數設置

仿真試驗待識別信號包含了TWS、TAS和STT 這3種工作模式信號，其中TWS和TAS中的搜索信號單個搜索包絡設置200個脈沖，每個波位8個脈沖；STT和TAS中的跟蹤信號為6個脈沖每個波位。為更接近真實環境特性，對上述數據進行了如下處理：① 考慮偵察接收機存在各種噪聲影響，因此所有脈沖幅度值均加入了服從(0，1)均勻分布的隨機噪聲；② 考慮偵察接收機存在不可避免的脈沖丟失，因此以總脈沖數的5%進行了隨機脈沖丟失。經過上述處理后的待識別信號幅度分布如圖4所示。

圖4 待識別信號時間-幅度分布

3.2 結果分析

采用文中方法識別結果如圖5所示。其中圖5(a)為識別出的TAS、TWS信號分路中的跟蹤信號，進一步剔除被誤識別為跟蹤的TWS信號后，最終識別結果如圖5(b)所示。

對比分析圖4和圖5可知，TAS、TWS信號分路中的跟蹤信號能夠被有效識別，盡管由于少量的TWS信號和TAS信號中的搜索信號由于幅度也分布在跟蹤信號幅度附近，也被誤識別為跟蹤信號，但通過對識別結果進一步做差值直方圖處理，有效剔除了被誤識別的TWS信號，降低了識別結果的錯誤率。

圖5 對機載火控雷達工作模式的識別結果

為檢驗所提方法的穩定性，采用蒙特卡羅方法進行了100次仿真試驗，對TAS中跟蹤信號的準確識別率和漏識別率的統計結果如圖6所示。

圖6 多次試驗TAS中跟蹤信號識別率統計

上述試驗結果表明，只要存在高威脅的跟蹤信號，文中方法都能夠以較高準確率識別跟蹤信號，并且對跟蹤信號的漏識別率比較低。在時效性方面，待識別信號脈沖總數為2 770，100次試驗用時約1.6 s，平均每個脈沖的處理時間為5 μs左右，具備了較好的實時脈沖處理能力。

另外，實際應用中需要考慮以下主要問題：① 信號分選識別普遍采用分段處理方法，因此待識別的信號中有的TAS信號多，有的TWS信號多，即不同的TAS數據量與TWS數據量比值對識別結果的影響有多大；② 由于信噪比、天線掃描等多方面原因，待識別信號存在不同程度的脈沖丟失，不同丟失率對識別結果的影響如何；③ 由于人為干擾和前端信號分選能力有限等原因，待識別信號中不可避免會存在各種干擾脈沖，識別結果對干擾脈沖敏感程度如何。為此，在上述試驗基礎上，進一步分別仿真了以上3種情形下文中方法的識別結果，如圖7所示。

從圖7(a)可以看出，當TAS數據量比重較小時，此時由于跟蹤信號所占比重非常小，因此信號重排幅度一階差分的凹口區間長度太短，難以被檢測，也即無法識別出跟蹤信號；當TAS數據量與TWS數據量比值達到45.75%時，盡管此時跟蹤信號比重只有2.83%，但此時文中方法已經能夠以88.71%的準確率識別出跟蹤信號；隨著TAS數據量與TWS數據量比值的繼續增加，文中方法能夠穩定地以較高準確率識別出跟蹤信號，并且識別準確率呈現出穩步上升趨勢。

從圖7(b)可以看出，當脈沖丟失率低于60%時，文中方法能夠以約70%的準確率穩定地識別出跟蹤信號，且對跟蹤信號的漏識別率低于10%；當脈沖丟失率高于60%時，所提方法的識別性能穩定性變差，這是由于當隨機丟失的脈沖主要是跟蹤信號時，信號幅度一階差分分布的凹口變窄，檢測門限難以自適應設定，檢測難度加大甚至難以檢測。而當隨機丟失的脈沖主要是搜索脈沖時，跟蹤信號在全部信號中的比重反而加大，反而更有利于識別跟蹤信號，個別時候甚至比前面丟失率較低的準確識別率更高。

圖7 不同條件下識別結果統計

從圖7(c)可以看出，隨著干擾數據率的不斷增加，對跟蹤信號的準確識別率呈緩慢下降趨勢，但即使干擾數據率達到100%，也能以約50%的準確率識別出跟蹤信號；另外，在干擾數據率低于30%時，對跟蹤信號的漏識別率一直維持在1%左右，當干擾數據率高于30%時，對跟蹤信號的漏識別率也隨之逐漸增加。需要說明的是，當存在干擾信號時，STT模式的信號難以首先被識別，因此最終識別的跟蹤信號包括TAS中的跟蹤信號和STT信號，但這并不影響對高威脅的跟蹤信號性質的判定。

更進一步地，在同時存在干擾脈沖和脈沖丟失的情況下，以10%為步長，得到了不同干擾數據率和數據丟失率下對跟蹤信號的識別率統計結果如圖8所示。

圖8 同時存在數據丟失和干擾信號情況下的跟蹤信號識別結果

以上系列試驗結果表明，針對不同情形下機載火控雷達工作模式識別需求，筆者所提方法能夠較為準確地識別出含跟蹤的高威脅工作模式，且所提方法對數據丟失和脈沖干擾均不敏感，計算速度快。

4 結束語

針對機載火控雷達高威脅工作模式識別的問題，立足盲識別思路，筆者提出了一種利用幅度重排的機載火控雷達工作模式識別方法。所提方法對脈沖丟失和干擾不敏感、識別準確率較高，且計算簡單、運算量小，便于工程化實現。文中的方法主要集中于包含單目標跟蹤信號的識別，如何識別包含多目標跟蹤的MTT工作模式以及有效提取類似SINC形狀的搜索包絡，特別是便于工程化實現的提取方法，將是后續擬進一步開展的研究工作。