雷達脈內信號識別與參數測量實驗設計

肖易寒， 王博煜， 曹宗恒， 張 瑞， 楊志鋼

（哈爾濱工程大學信息與通信工程學院，哈爾濱 150006）

0 引 言

近年來隨著深度學習的不斷發展，信號識別技術取得了日新月異的進步，廣泛使用于雷達、通信、聲吶等領域［1］。目前高校在信息與通信工程類學科中廣泛開設有圖像識別、人工智能等相關專業。設計一套智能信號識別平臺有利于提高該類專業學生的實踐以及創新能力，加深對人工智能、信號處理技術的理解，培養符合國防背景要求的專業人才［2］。

雷達脈內信號有意調制是根據雷達類型和用途等因素對雷達信號波形進行調制（例如可以利用回波脈內線性調頻（Linear Frequency Modulation，LFM）信號測量目標物體與雷達之間的距離以及速度信息）［3］。脈內有意調制識別根據接收到的回波信號分析該信號的調制方式，在現代戰場環境下具有非常重要的意義。

雷達脈內信號無意調制是由不同雷達發射機內部元器件的非理想性導致發射相同調制信號時所產生的細微差異［4-5］。這種差異類似于“指紋”特征，無法避免。脈內無意調制識別是根據接收到的回波信號分析出發射該信號的輻射源個體信息。

本實驗采用Python 語言控制軟件無線電平臺ADALM-PLUTO發射雷達脈沖信號，采用通用軟件無線電外設（Universal Software Radio Peripheral，USRP）接收雷達脈沖信號，利用AlexNet 網絡進行有意調制識別，利用ResNet網絡進行無意調制識別。根據有意調制識別結果執行對應的參數測量算法進行脈內信號的參數測量。

實驗過程如圖1 所示，大致可分為

圖1 雷達脈內信號識別與參數測量實驗框圖

（1）脈沖信號發射單元。通過Python 語言控制不同的軟件無線電平臺（ADALM-PLUTO）發射不同調制類型的雷達脈沖信號［6］，信號數據通過USB 接口由PC機傳輸至ADALM-PLUTO的天線進行發送。

（2）脈沖信號接收單元。采用USRP作為信號接收機［7-8］，使用LabView設計的界面控制其接收天線接收ADALM-PLUTO發射的信號。

（3）脈內信號識別與參數測量單元。從USRP接收的脈沖信號中提取出脈內信號。對脈內信號進行無意特征提取，利用希爾伯特變換得到其瞬時相位特征，送入ResNet 網絡進行無意調制識別。再次對脈內信號進行時頻特征提取，獲得其時頻圖像，送入AlexNet網絡進行有意調制識別。根據識別結果執行對應的參數測量算法測量其帶寬、中心頻率等參數信息。

（4）結果顯示單元。利用PyQt5.11.2 工具設計一個GUI界面［9-11］，將過程（3）中的脈內信號識別結果、參數測量結果以及脈內信號的時域波形、頻域波形、有意特征和無意特征進行顯示。

1 實驗要求

該實驗主要用于信息與通信工程專業信號處理方向本科生及研究生實驗教學，該專業學生可通過對實驗平臺的設計與應用了解掌握雷達脈沖信號的產生與發射，脈沖信號的接收，脈內信號的識別與參數測量。學生需要掌握：

（1）雷達脈沖信號產生的基本知識，基于Python語言控制ADALM-PLUTO進行雷達脈沖信號的產生與發送。

（2）設計基于LabVIEW2018 控制USRP 進行雷達脈沖信號接收的界面。

（3）雷達脈內信號的帶寬以及中心頻率等參數測量算法。

（4）雷達脈內信號的有意、無意特征的提取算法。

（5）深度學習的基本知識以及Pytorch 框架的使用，根據網絡結構自行搭建出深度神經網絡用于雷達脈內信號識別。

（6）GUI界面設計，基于PyQt5.11.2 工具的界面設計，用于顯示脈內信號識別與參數測量結果。

2 實驗方案設計

該實驗主要分為：脈沖信號發射、脈沖信號接收、脈內有意調制識別、脈內無意調制識別、脈內信號參數測量和上位機界面設計實驗。

2.1 脈沖信號發射

該實驗主要完成利用Python 語言控制ADALMPLUTO發射指定調制類型［LFM、非線性調頻（Non-Linear Frequency Modulation，NLFM）、二相編碼（Binary Phase Shift Keying，BPSK）、四相編碼（Quadrature Phase Shift Keying，QPSK）］的雷達脈沖信號，實驗采用的信號參數見表1。

表1 脈內信號有意調制參數設置表

將上述功能匯總到GUI界面。如圖2 所示，界面主要由3 部分組成：

圖2 雷達脈沖信號發射界面

（1）通過在對應編輯框內填寫信號對應的參數，可以完成對發射信號參數的設置。

（2）通過填寫Pluto發射端中心頻率、基帶抽樣頻率以及增益的參數值，可完成對Pluto 發射端參數的設置。

（3）設置發射信號的調制類型（LFM、NLFM、BPSK或QPSK），根據表1 填寫信號參數值。點擊“開始”按鈕即可根據設置的信號參數以及調制類信號，通過Pluto發射天線源源不斷地向外界發射信號，并在右下角實時顯示發射信號的時域波形。

2.2 脈沖信號接收

信號由Pluto天線發射，需使用USRP的接收天線進行接收，通過LabVIEW設計的信號接收端界面如圖3 所示。

圖3 USRP顯示界面設計

USRP顯示界面按照功能可劃分為：USRP 接收參數設置和工作狀態顯示區域；信號采集參數設置區域以及接收信號時、頻域顯示區域。信號采集可設置單次采集文件最大個數和文件保存路徑，并實時顯示當前保存文件位置和名稱。可通過指示燈亮起提示當前單次采集已完成，并自動開啟下一次的采集工作，以此對數據文件進行不斷更替，實現連續處理。

2.3 脈內信號有意調制識別

脈內信號有意調制識別實驗框圖如圖4 所示，包括信號檢測、信號預處理和有意調制識別等單元，實驗所需信號的參數見表1。

圖4 脈內信號有意調制識別框圖

操作步驟如下：

步驟1讀取USRP采集的脈沖信號文本文件，得到接收信號的脈沖波形數據。

要想取得這樣的成績，需要付出大量的時間精力，而同時Arneis還要兼顧2場侍酒師比賽，3個專業考試，并到5個國家產區進行考察學習，這樣的強度是可想而知的。在這樣的情況下，Arneis只能盡量擠出時間來學習。“我們一般是下午一兩點去公司上班，早一點的話晚上11點半左右下班，晚一點凌晨1點下班。早上早起看書，例如早上八九點，看書到上班，有些活動不可避免要推掉，很難兼顧那么多東西。”如今，Arneis在沖刺WSET Diploma，對于2019年，他希望明年能順利通過WSET Diploma考試，至于MS考試，“如果明年年初有名額的話，一定全力以赴去準備。”Arneis說。

步驟2遍歷脈沖波形的每個采樣點并與門限電平比較，將高于門限電平的采樣點保留作為脈內信號。

步驟3脈內信號的CWD時頻矩陣計算［12］

式中：WN（τ）為加權對稱窗函數，其范圍為-N/2≤τ≤N/2，N為窗函數寬度；WM（s）為矩形窗函數，幅值為1，范圍為-M/2≤τ≤M/2，M為窗函數寬度。

步驟4將該時頻矩陣進行裁剪并映射成RGB 3通道的圖像作為AlexNet網絡的輸入。

步驟5將該時頻圖像送入AlexNet 網絡進行推理得到有意調制識別結果。

AlexNet網絡共有8 層結構，前5 層為卷積層用于提取時頻圖特征，后3 層為全連接層用于對網絡提取的特征進行分類［13］。AlexNet網絡結構如圖5 所示。

圖5 AlexNet網絡結構圖

2.4 脈內信號無意調制識別

脈內信號無意調制識別框圖如圖6 所示，包括信號檢測、無意特征提取和無意調制識別等單元，實驗所需信號的參數見表1。

圖6 脈內信號無意調制識別框圖

步驟1同2.3 小節的步驟1。

步驟2同2.3 小節的步驟2。

步驟3對脈內信號s（t）做Hilbert變換，取出其實部Re［s（t）］與虛部Im［s（t）］。

步驟4計算脈內信號s（t）的瞬時相位

作為區分不同PLUTO個體的無意特征，如圖7 所示。

圖7 信號無意特征波形圖

步驟5將提取到的脈內信號無意特征送入一維ResNet網絡進行無意調制識別，得到發射該信號的ADALM-PLUTO個體信息。

ResNet網絡［14］結構如圖8 所示，由1 層卷積處理模塊及6 層RBU單元模塊組成。其中，CBR_X中的X為輸出通道數；CBR/2_X中的/2 為該單元模塊執行下采樣操作，使得輸出特征的寬變為輸入特征寬的一半。

圖8 ResNet網絡結構圖

2.5 脈內信號參數測量

對于LFM信號，采用分數階傅里葉變換測量其中心頻率以及帶寬［15］，算法偽碼如圖9 所示。

圖9 LFM信號參數估計算法偽碼

對于BPSK 或QPSK 信號的中心頻率，采用FFT算法進行測量，算法偽碼如圖10 所示。對于NLFM信號，采用最小二乘的方法測量其中心頻率以及帶寬，從時頻矩陣中提取出時頻曲線，由于NLFM信號的瞬時頻率是隨時間變化的二次函數，其次對時頻曲線進行最小二乘估計，得出信號的中心頻率和帶寬參數。

圖10 BPSK參數估計算法偽碼

2.6 上位機界面設計

上位機界面設計實驗，目的在于使信息工程專業本科和研究生在掌握信號處理的基礎上利用PyQt 5.11.2工具進行GUI界面設計，界面如圖11 所示。

圖11 雷達脈內信號識別與參數測量界面

圖中給出的是針對ADALM-PLUTO發射起始頻率為1 MHz，帶寬為6 MHz，脈寬為50 μs，占空比為50%的LFM脈沖信號進行脈內信號識別與參數測量結果的可視化展示。圖中最左側從上到下依次給出了有意調制識別結果、無意調制識別結果以及參數測量結果（中心頻率、帶寬等參數信息）。中間部分是對脈內時域波形、頻域波形以及有意調制特征的顯示。右側部分是對脈內時域波形、頻域波形、無意調制征的顯示。

2.7 實驗環境搭建

在微波暗室環境中搭建實驗平臺如圖12 所示。學生通過完成雷達脈沖信號發送、接收以及脈內信號識別與參數測量等實驗，不僅可拓寬其專業視野，熟悉Python語言、LabVIEW語言的編寫以及GUI 界面的開發，培養其實踐和創新能力，進一步提高教學質量。同時還可充分調動學生的積極性，有利于學生專業核心能力的全面提升。

圖12 微波暗室環境中的實驗平臺

3 結 語

本文設計了基于深度神經網絡的雷達脈內信號識別與參數測量實驗，有機融合了圖像處理、GUI 編程、深度學習等技術。對提高國防背景下的信息工程類本科生和研究生在信號處理領域的實踐和創新能力具有重要價值。基于該實驗平臺，優秀學生可進一步進行算法的改進與軟件運行過程的改進，可高效調動學生從事科研工作的積極性，培養學生的創新能力，提高實驗教學的質量。