復(fù)雜調(diào)制形式脈壓雷達信號的識別方法

李建，張國毅，王長宇

空軍航空大學(xué) 航空信息對抗系，長春 130022

復(fù)雜調(diào)制形式脈壓雷達信號的識別方法

李建，張國毅，王長宇

空軍航空大學(xué) 航空信息對抗系，長春 130022

1 前言

為了解決探測距離與探測精度之間的矛盾，許多雷達都采用了脈沖壓縮技術(shù)。要實現(xiàn)脈沖壓縮，就必須對雷達信號進行脈內(nèi)調(diào)制，早期的脈壓雷達一般采用線性調(diào)頻和二相編碼。然而，為了提高自身的生存概率，如今的脈壓雷達采用了各種復(fù)雜的調(diào)制形式，例如：正弦調(diào)頻、頻率編碼和多相編碼等，這給電子對抗雷達偵察帶來了非常大的挑戰(zhàn)。

近年來，針對復(fù)雜調(diào)制形式脈壓雷達信號的識別問題，相關(guān)研究人員提出了很多方法。文獻[1]提出針對低截獲概率雷達信號的識別方法，但該方法識別的類型有限且分類特征并不明顯；文獻[2]提出了結(jié)合AR模型功率譜估計分析法和小波變換模極大值法的識別方法，能在0 dB時，較好地實現(xiàn)對相位編碼、頻率編碼和簡單的脈內(nèi)混合調(diào)制類型的雷達信號的識別，但該方法的步驟繁多且無法識別多相編碼等信號；文獻[3-4]分別提出一種基于核Fisher判別分析（KFDA）的數(shù)字調(diào)制信號分類器的設(shè)計方法和一種基于多頻帶能量算子的FSK信號分類方法，這兩種方法主要針對通信類的信號，識別的調(diào)制類型有限。要滿足現(xiàn)代電子對抗雷達偵察的需要，識別方法需要具備以下的特性：（1）能識別主流的復(fù)雜脈壓雷達調(diào)制信號；（2）能提取出較明顯的分類特征，方便人工校驗；（3）有較強的抗噪聲性能。而以上研究提出的方法均無法全部滿足這些要求。

為此，提出一種能完成對線性調(diào)頻（LFM）信號、正弦調(diào)頻（SFM）信號、頻率編碼（2FSK、4FSK）信號、多相編碼（Frank碼、P1～P4碼）信號和二相編碼（BPSK、QPSK）信號進行識別的方法。該法通過對信號的ZAM-GTFR進行Radon變換，提取最佳旋轉(zhuǎn)角將信號分為兩類信號：第一類為時頻脊線具有一定傾斜角的信號，包括LFM、Frank碼信號和P1～P4碼信號；第二類為時頻脊線平行時間軸的信號，包括BPSK、QPSK、2FSK、4FSK和SFM信號。通過提取最佳旋轉(zhuǎn)角對應(yīng)的信號ZAM-GTFR的Radon變換的模值中滿足一定條件的尖峰數(shù)，將兩大類信號區(qū)分開。仿真結(jié)果表明，該方法能在-3 dB下達到94%的平均正確識別率。

2 信號模型

脈壓雷達信號按調(diào)制形式可分為相位調(diào)制、頻率調(diào)制和混合調(diào)制信號。但無論哪種調(diào)制形式，其數(shù)學(xué)表達式都可以表示為[5]：

其中，a(t)為脈沖信號的幅度包絡(luò)：a(t)=Arect(t/T)，A為脈沖幅度，T為脈寬，f為信號的載頻，?(t)為調(diào)制編碼函數(shù)，ψ為初相。不同的調(diào)制形式主要體現(xiàn)在?(t)上，每一類信號具體的?(t)表達式詳見文獻[5]。

本文主要識別的調(diào)制類型有頻率調(diào)制中的線性調(diào)頻（LFM）信號、正弦調(diào)頻（SFM）信號和頻率編碼信號（2FSK和4FSK）；相位編碼中的二相編碼（BPSK）、四相編碼（QPSK）信號和多相編碼（Frank碼和P1～P4碼）信號。它們在現(xiàn)代脈沖壓縮雷達中得到了廣泛的應(yīng)用[6]，研究識別這些信號的方法有重要的意義。

3 ZAM-GTFR時頻法與Radon變換原理

3.1 ZAM-GTFR時頻法原理

現(xiàn)代脈壓雷達采用的調(diào)制形式具有時變的特點且峰值功率越來越低，分析這種信號二次時頻分析工具有著非常好的效果。在二次時頻分析工具中，Wigner-Ville Distribution（WVD）具有最高的時頻聚集性，非常適合分析線性調(diào)頻類調(diào)制信號。然而它卻存在較強的交叉干擾項，這種特性導(dǎo)致WVD在分析具有非線性時頻特點的信號時性能不佳。為解決這個問題，研究人員提出了基于核函數(shù)的改進法?？偟恼f來這些方法可分為固定核法[7]和自適應(yīng)核法[8]。自適應(yīng)核法需要在不同的時間自適應(yīng)選擇不同的窗函數(shù)，這種方法太過復(fù)雜難以實現(xiàn)。固定核法雖然具有稍差的時頻聚集精度，但這同時換來了較強的抗噪聲性能，同時也能明顯區(qū)分各類調(diào)制信號。在固定核法中，ZAM-GTFR法具有較高的時頻聚集性、抗噪聲性能和較低的交叉項[9]。因此，該方法具有較強的通用性，既能在分析線性類調(diào)頻信號時擁有較高的時頻聚集度，又能在分析非線性類調(diào)頻信號時避免交叉項的干擾。另外，該方法作為時頻分析工具的一種能夠在低信噪比下提取時變信號的瞬時頻率，給情報分析人員提供了直觀的識別特征，能夠滿足識別中人工校驗的要求。

基于上述分析，本文將其作為分類的變換工具。若信號為x(t)，其ZAM-GTFR表達式如下[9]：

其中，*表示取共軛，g(τ)表示窗函數(shù)，A(t，τ)表示t時刻的自相關(guān)函數(shù)。

為了在計算機上實現(xiàn)該算法需要對其進行離散化，離散的ZAM-GTFR表達式如下：

其中，m≤L，M=2L+1。

圖1給出了在5 dB的條件下，分別利用WVD和信號的ZAM-GTFR對正弦調(diào)頻信號進行處理的結(jié)果。

圖1 正弦調(diào)頻信號的時頻特征

從圖1中可知，在分析正弦調(diào)頻信號時，ZAM-GTFR有著較強的抗噪聲性能和較小的交叉項。它的時頻聚集性雖然比WVD低，但其特征明顯足以區(qū)分出信號的類型。

3.2 Radon變換原理

Radon變換是一種直線積分投影變換，它是圖像處理技術(shù)中一種用于檢測直線的有力工具。任意二維函數(shù)f(t，ω)的Radon變換定義為[10]：

圖2給出了Radon變換的原理示意圖。

圖2 Radon變換坐標關(guān)系圖

如圖2所示，將原直角坐標旋轉(zhuǎn)α角度得到新的直角坐標(u，v)，以不同的u軸平行于v軸積分，得到的變換就是Radon變換。由此可知直線斜率k=-cotα。

根據(jù)坐標旋轉(zhuǎn)公式可以得到這兩個坐標系之間的關(guān)系：

4 信號識別原理

4.1 基于斜率的信號分類

根據(jù)信號的斜率，把Frank碼、P1～P4碼信號和LFM信號分為第一類；把SFM、2FSK、4FSK、BPSK和QPSK信號分為第二類。

多相碼編碼中的Frank碼、P1碼和P2碼衍變于步進頻率，P3碼和P4碼來自線性頻率，因此，這幾種多相碼的時頻特征類似線性調(diào)頻信號。LFM信號和多相編碼信號在時頻面上呈現(xiàn)出一條或數(shù)條時頻脊線，如圖3所示。

線性調(diào)頻信號的時頻脊線斜率可正可負；多相編碼信號中除了P2碼信號時頻脊線的斜率為負外，其他幾種編碼信號的均為正。據(jù)此，這一類信號可歸類為具有一定傾斜角的信號。

正弦調(diào)頻信號、頻率編碼信號和相位編碼信號的ZAM-GTFR的時頻脊線都是平行于時間軸的，如圖4所示。

如圖4（a）所示，頻率編碼信號的時頻圖呈現(xiàn)出數(shù)條平行橫軸的時頻脊線。如圖4（b）所示，相位編碼信號基本呈現(xiàn)出一條直線，只是不同的編碼呈現(xiàn)出一定的小毛刺。理論上，正弦調(diào)頻信號在時頻面應(yīng)該是一條曲線。然而，如圖4（c）所示，經(jīng)過ZAM-GTFR變換后的結(jié)果卻是在正弦曲線的波峰和波谷有著非常高的能量，在曲線的其他地方能量較低，時頻脊線近似平行于時間軸?？偟恼f來，這幾種信號的時頻脊線都可歸類為傾斜角為零的信號。

根據(jù)以上分析，可以基于斜率將信號分為兩大類。而區(qū)分這兩大類信號，時頻脊線傾斜角的計算是關(guān)鍵。Radon變換是有效的直線檢測工具，它能在圖像的傾斜角方向取得最大的信號能量積累，積累的過程也是對隨機起伏噪聲的抑制。因此，本文利用Radon變換來提取信號的ZAM-GTFR中時頻脊線的傾斜角。為了方便表述，下文將信號ZAM-GTFR的Radon變換簡寫為RZT。圖5給出了0 dB條件下信號RZT在不同旋轉(zhuǎn)角度下的模極大值。

圖5中橫坐標的角度是Radon變換的旋轉(zhuǎn)角，圖中峰值對應(yīng)的旋轉(zhuǎn)角被稱為最佳旋轉(zhuǎn)角。由圖5可知，第一類信號最佳旋轉(zhuǎn)角不為90°，第二類信號的最佳旋轉(zhuǎn)角均為90°。而Radon變換的旋轉(zhuǎn)角和信號的傾斜角是互為余角的。因為第一類信號的時頻脊線具有一定傾斜角，所以其最佳旋轉(zhuǎn)角不為90°；因為第二類信號時頻脊線的傾斜角為零，所以其最佳旋轉(zhuǎn)角為90°。因此，只要判斷信號RZT的最佳旋轉(zhuǎn)角θ是否為90°，即可將兩類信號分開。

按如下方法將兩大類信號分開：若θ在85°～95°之間，則將信號判為第二類信號；否則判為第一類信號。為了提高算法的抗噪性，本文采用中值濾波器對Radon變換后的結(jié)果作一定的平滑以消除毛刺。

圖4 第二類信號的ZAM-GTFR

圖5 信號RZT在不同旋轉(zhuǎn)角的模極大值

圖6 最佳旋轉(zhuǎn)角對應(yīng)的信號RAT的模值

4.2 對第一類信號的分類

該步驟主要完成多相編碼信號和LFM信號的分類。如圖3所示，在經(jīng)過ZAM-GTFR變換后，F(xiàn)rank碼、P3碼信號與P1碼、P2碼、P4碼和LFM信號在時頻特征上有一定的差異，但P1/P2/P4碼信號和LFM信號在低信噪比條件下區(qū)分不明顯。

經(jīng)過大量仿真實驗后發(fā)現(xiàn)，多相編碼信號和LFM信號在經(jīng)過RAT（Radon-Ambiguity Transform）[11]后具有比較明顯的區(qū)分特征。圖6給出了0 dB條件下信號在最佳旋轉(zhuǎn)角度的RAT的模值。

如圖6所示，多相編碼信號和LFM信號經(jīng)過RAT后具有了明顯的區(qū)分特征。多相編碼信號最佳旋轉(zhuǎn)角對應(yīng)的RAT的模值圖呈現(xiàn)出數(shù)條平行的時頻脊線，而LFM信號的只有一條脊線。另外，AF（Ambiguity Function）可看做信號自相關(guān)函數(shù)的傅里葉變換。計算AF可以利用ZAM-GTFR的中間結(jié)果，不會增加過多的計算量[9]。

如圖6所示，多相編碼信號和LFM信號的最大區(qū)別就在于其RAT的主脊線兩側(cè)對稱的存在兩處明顯的副脊線。通過大量仿真實驗，本文發(fā)現(xiàn)理想的多相編碼信號RAT的副脊線峰值與主脊線峰值的比值是固定的，如表1。

表1 最高峰值與次高峰值之比

因此，可以通過判斷其RAT的明顯的脊線條數(shù)來區(qū)分無噪聲條件下的多相編碼信號和LFM信號。設(shè)定閾值λ，令其略小于表1中的0.35（本文取0.32），搜索大于λ的尖峰數(shù)C，若C大于1判為多相碼；否則判為LFM信號。仿真發(fā)現(xiàn)，這種方法僅在較高信噪比時適用，一方面，隨著信噪比不斷下降，LFM信號RAT的基底越來越強，噪聲極易超過閾值λ，從而導(dǎo)致信號類型的錯判；另一方面，多相編碼信號的基底也不斷增強，副脊線的值也逐漸超過表1中的值，在噪聲中露出來。利用副脊線對稱分布于主脊線的特點，本文修正了僅利用閾值λ進行分類的方法，將其改為：在超過閾值λ的尖峰中，搜索最高峰兩側(cè)的次高峰并確定其相對最高峰橫坐標的位移d1和d2，若d1/d2范圍在[0.9，1.1]，則保持C的取值；反之，將C改為1。

對于不同碼型的多相碼編碼信號的區(qū)分采用如下規(guī)則。根據(jù)3.1節(jié)中的斜率分析，將θ大于95°的多相編碼信號判為P2碼信號。剩下的Frank、P1、P3和P4碼信號，則依據(jù)次高峰與最高峰的峰值之比R進行分類。當信號被判為多相編碼信號后，求最高峰兩側(cè)的次高峰值的平均值，計算其與最高峰值之比R。若R大于0.7，則判為Frank/P3碼信號；若R小于0.7，則判為P1/P4碼信號。

但是本文方法無法細分Frank/P3碼以及P1/P4碼信號，本文還未找到有效區(qū)分Frank碼和P3碼信號，P1碼和P4碼信號的特征。

4.3 對第二類信號的分類

該步驟完成對BPSK/QPSK信號、2FSK/4FSK信號和正弦調(diào)頻信號的分類。這幾種信號的ZAM-GTFR的時頻特征詳見2.1節(jié)。鑒于幾種信號在時頻圖上的特征，本文利用信號RZT在最佳旋轉(zhuǎn)角的模值進行分類。信號的ZAM-GTFR經(jīng)過Radon變換后既積累了信號能量，讓信號的真實時頻脊線得以呈現(xiàn)，又能利用噪聲隨機變化的特點減小了噪聲的幅度。此外，為進一步減少噪聲的影響，采用中值濾波器對積累后的結(jié)果進行一定的平滑處理。圖7給出了0 dB條件下信號RZT在最佳旋轉(zhuǎn)角度的模值。

圖7 最佳旋轉(zhuǎn)角對應(yīng)的信號RZT的模值

如圖7（a）所示，BPSK/QPSK信號在經(jīng)過上述處理后在其載頻處出現(xiàn)了非常明顯的尖峰。如圖7（b）所示，2FSK信號在經(jīng)過處理后出現(xiàn)了兩處非常明顯的尖峰。同理，4FSK會出現(xiàn)4處明顯的尖峰。如圖7（c）所示，正弦調(diào)頻信號變換后的結(jié)果呈現(xiàn)出較寬的峰柱，峰柱上有兩處尖峰?？紤]正弦調(diào)頻信號的ZAM-GTFR不難得出結(jié)論。觀察圖1（b），曲線的波峰和波谷擁有較大的能量（能量越高，圖中的黑色越深），但數(shù)量有限；曲線的其他部分能量較小，但數(shù)量可觀。在經(jīng)過能量積累后（類似從橫截面對時頻圖進行投影）就會出現(xiàn)帶狀的能量峰柱，而波峰波谷能量稍大，表現(xiàn)為帶狀峰柱上的兩尖峰。另外，正弦調(diào)頻信號模值中的峰柱寬度和調(diào)制帶寬有關(guān)，調(diào)制帶寬越大，峰柱越寬。當帶寬較小時，正弦調(diào)頻信號與相位編碼信號的特征很像，出現(xiàn)一處明顯尖峰。

基于上述分析，本文先設(shè)定閾值κ，κ取信號ZAM-GTFR在最佳旋轉(zhuǎn)角度的Radon變換的模值均值的2倍，如圖7虛線所示。搜索超過κ的尖峰數(shù)m，若m大于2判為頻率編碼信號，m代表頻率的個數(shù)；若m=2，則搜索兩尖峰之間的最小值，計算此最小值與κ的比值α，若α＞0.8將其判為正弦調(diào)頻信號，令m=1.5，否則判為2FSK信號；若m為1，則提取ZAM-GTFR中的時頻脊線，提取脊線時為了提高特征的穩(wěn)健性要去掉那些能量過小的點，求時頻脊線的標準方差σ，若σ＞0.01判為正弦調(diào)頻信號，令m=1.5，否則判為相位編碼信號。

圖8 整體識別流程圖

5 仿真流程與結(jié)果

5.1 識別的流程

依據(jù)上述識別原理，本文給出了識別的整體流程圖，如圖8。

該流程首先對信號進行RZT得到不同旋轉(zhuǎn)角下信號RZT的模極大值，搜索所有模極大值的峰值得到最佳旋轉(zhuǎn)角。判斷最佳旋轉(zhuǎn)角是否大于95°，大于95°則計算最佳旋轉(zhuǎn)角下信號的RAT，利用4.2節(jié)中的方法判斷尖峰數(shù)是否為1。若為1則將信號判為LFM信號；否則判為P2碼信號。如果最佳旋轉(zhuǎn)角小于95°，判斷其是否大于85°。若最佳旋轉(zhuǎn)角大于85°，提取在90°旋轉(zhuǎn)角下信號RZT的模值，利用4.3節(jié)中的方法計算尖峰數(shù)。若尖峰數(shù)為1，將信號判定為B/QPSK信號；若尖峰數(shù)為1.5，將信號判為SFM信號；若尖峰數(shù)為2，將信號判為2FSK信號，否則將其判為4FSK信號。如果最佳旋轉(zhuǎn)角小于85°，計算最佳旋轉(zhuǎn)角下信號的RAT，利用4.2節(jié)中的方法判斷尖峰數(shù)是否為1。若為1，將信號判為LFM信號；否則計算最佳旋轉(zhuǎn)角下信號RAT模值中的最高峰與次高峰的比值。若該比值大于0.5，判為Frank/P3碼信號，否則判為P1/P4碼信號。

5.2 仿真驗證

根據(jù)圖8中的識別流程，本文利用Matlab軟件對該算法進行仿真。參與仿真的信號為頻率調(diào)制信號（包括LFM信號、正弦調(diào)頻信號、2FSK信號和4FSK信號）和相位編碼信號（包括BPSK、QPSK、Frank碼和P1～P4碼信號）。信號載頻取50 MHz，采樣頻率為200 MHz，采樣點數(shù)為512點。本文選取的正弦調(diào)頻信號寬帶調(diào)頻信號帶寬為10 MHz，窄帶調(diào)頻信號帶寬為3 MHz；BPSK和QPSK信號的相位編碼隨機產(chǎn)生；頻率編碼信號的頻率編碼在25～75 MHz間隨機產(chǎn)生；多相編碼信號的碼長取64。噪聲是均值為0，方差為1的高斯白噪聲；信噪比取-5～5 dB，對每類信號每隔1 dB作300次的蒙特卡羅仿真實驗。

圖9給出了不同信噪比下各類信號的正確識別率。

圖9 不同信噪比下信號分類性能

由圖9中的總識別曲線可知，本文的算法具有良好的抗噪性，在-3 dB時信號的平均正確識別率均能達到將近94%。另外，就不同種類信號而言，本文方法對Frank/P3碼信號的識別正確率最高，對相位編碼（BPSK和QPSK）以及正弦調(diào)頻信號的識別正確率最低。對Frank/P3碼信號識別率高的原因在于，首先利用RZT按斜率將其分為兩大類，該方法非常穩(wěn)健，在非常低的信噪比下仍能區(qū)分兩大類信號；而后的RAT變換也有很好的抗噪性，且變換后的Frank碼和P3碼信號有兩條幅度近似的尖峰極易與LFM信號區(qū)分開。而P1碼、P2碼和P4碼信號在低信噪比時的識別率之所以低于Frank/P3碼信號，是因為其次高峰值的能量較最高峰低得多，導(dǎo)致在強噪聲干擾下被誤判為LFM信號。就正弦調(diào)頻信號和B/QPSK信號而言，寬帶的正弦調(diào)頻信號的識別率是比較高的，但窄帶的正弦調(diào)頻信號的時頻脊線在低信噪比下與相位編碼信號的極難分辨，從而拉低了該類信號的識別率。另外，大量仿真實驗表明，當頻率編碼信號不同頻率成分所占比例較均衡時識別率非常高，比例嚴重失衡時識別率很低。這是由于當某種頻率成分所占比例很低時，經(jīng)過RZT后，其最佳旋轉(zhuǎn)角對應(yīng)的RZT模值的幅度也會很小，極有可能淹沒在噪聲中，從而導(dǎo)致被誤判。

6 結(jié)束語

提出了一種可以識別二/四相編碼信號、多相編碼信號、頻率編碼、正弦調(diào)頻信號和線性調(diào)頻信號等多種具有復(fù)雜調(diào)制形式的脈壓雷達信號的識別方法。本文方法利用既能處理線性調(diào)頻類信號又能處理非線性調(diào)頻類信號的ZAM-GTFR提取信號的時頻特征，在此基礎(chǔ)上利用Radon變換提取最佳旋轉(zhuǎn)角將信號分為零斜率信號和非零斜率信號兩大類。接著，經(jīng)過一定的變換提取滿足條件的信號尖峰數(shù)，對剩下的信號進行分類。該方法提取的特征明顯，能同時滿足人工輔助分類和自動分類的要求；具有良好的抗噪性，信號的平均正確識別率能在-3 dB時達到94%。然而，本文方法無法將多相編碼信號中的Frank/P3碼信號和P1/P4碼信號分開，對BPSK信號和QPSK信號也未進行細分，下一步將繼續(xù)解決這些問題。

總之，本文為復(fù)雜調(diào)制的脈壓雷達信號的分類提供了一種可行的方案，相信隨著硬件技術(shù)的發(fā)展，不久的將來本文的方法能應(yīng)用到電子對抗雷達偵察裝備中。

[1]袁偉明，王敏，吳順君.低截獲概率雷達信號的調(diào)制識別研究[J].信號處理，2006，22（2）：153-156.

[2]李明晏，張魯筠，江銘炎，等.復(fù)雜脈內(nèi)調(diào)制雷達信號的識別方法[J].計算機工程與應(yīng)用，2011，47（15）：156-164.

[3]周欣，吳瑛.核Fisher判別分析在數(shù)字信號分類中的應(yīng)用[J].北京郵電大學(xué)學(xué)報，2011，34（1）：35-39.

[4]周欣，吳瑛，楊賓，等.一種基于頻帶能量算子的FSK信號分類新方法[J].信號處理，2010，26（6）：843-847.

[5]林茂庸，柯有安.雷達信號理論[M].北京：國防工業(yè)出版社，1984：128-178.

[6]Skolnik M L.雷達手冊[M].周萬幸，譯.3版.北京：電子工業(yè)出版社，2010：309-343.

[7]Choi H I，Williams W J.Improved TF representation of multicomponent signals using exponential kenerls[J].IEEE Trans on Acoust，Speech，Signal Processing，1989，37（6）：862-871.

[8]Zahir M，Boashash B.Adaptive instantaneous frequency estimation of multicomponent FM signals using quadratic time-frequency distribution[J].IEEE Trans on Signal Processing，2002，50（8）：1866-1876.

[9]Zeng D，Zeng X.Automatic modulation classification of radar signals using the Generalized Time-Frequency Representation of Zhao，Atlas and Marks[J].IET Radar Sonar Navig，2011，5（4）：507-516.

[10]張賢達，保錚.非平穩(wěn)信號分析與處理[M].北京：國防工業(yè)出版社，1998：1-180.

[11]徐海源，黃知濤，周一宇.基于Radon變換的具有線性調(diào)頻特性的多相碼編碼信號參數(shù)估計[J].信號處理，2008，24（2）：172-176.

LI Jian,ZHANG Guoyi,WANG Changyu

Department of Aviation Information Countermeasure,Aviation University of Air Force,Changchun 130022,China

With the wide application of complex modulated compression radar signal,traditional identification method can’t satisfy the need of modern electronical reconnaissance.Aiming at this problem,an identification method based on the Generalized Time-Frequency Representation of Zhao,Atlas and Marks（ZAM-GTFR）and Radon transform is put forward.After carry out ZAM-GTFR and Radon transform on signal,this method makes use of the optimal rotational angle and number of summits to identify signal.This method can identify many kinds of complex modulated compression radar signals,including sinusoid frequency modulated signal and poly-phase modulated signal.Simulation results verify that correct identification ratio of this method can reach 94%when signal-to-noise ration is-3 dB.

Generalized Time-Frequency Representation of Zhao，Atlas and Marks（ZAM-GTFR）;Radon transform;complex modulation;radar signal identification

如今，脈壓雷達采用的脈內(nèi)調(diào)制形式日益增多且越來越復(fù)雜。而傳統(tǒng)的識別方法只能識別有限的幾種簡單調(diào)制樣式的雷達信號。為了解決這個問題，提出一種基于ZAM-GTFR法和Radon變換的分類方法。該方法通過對信號進行ZAM-GTFR分析以及Radon變換提取最佳旋轉(zhuǎn)角和滿足一定條件的尖峰數(shù)，將信號區(qū)分開，能識別包括正弦調(diào)頻信號和多相編碼信號等在內(nèi)的多種具有復(fù)雜調(diào)制形式的脈壓雷達信號。仿真實驗表明，該方法在-3 dB時能達到94%的平均正確識別率。

ZAM-GTFR方法；Radon變換；復(fù)雜調(diào)制形式；雷達信號識別

A

TN911.7

10.3778/j.issn.1002-8331.1111-0149

LI Jian,ZHANG Guoyi,WANG Changyu.Identification method for complex modulated compression radar signal.Computer Engineering and Applications,2013,49（13）：198-203.

李建（1988—），男，碩士，主要研究領(lǐng)域為脈沖壓縮雷達信號脈內(nèi)特征分析技術(shù)研究；張國毅（1965—），男，博士，教授；王長宇（1975—），男，博士，講師。E-mail：284182641@qq.com

2011-11-14

2012-01-16

1002-8331（2013）13-0198-06

CNKI出版日期：2012-04-25http://www.cnki.net/kcms/detail/11.2127.TP.20120425.1721.067.html