一種小樣本數(shù)脈沖信號(hào)的樣本子圖分選算法*

孟祥豪，羅景青，吳世龍

（電子工程學(xué)院電子對(duì)抗與信息處理重點(diǎn)實(shí)驗(yàn)室，合肥 230037）

一種小樣本數(shù)脈沖信號(hào)的樣本子圖分選算法*

孟祥豪，羅景青，吳世龍

（電子工程學(xué)院電子對(duì)抗與信息處理重點(diǎn)實(shí)驗(yàn)室，合肥 230037）

針對(duì)交錯(cuò)的雷達(dá)脈沖信號(hào)中，輻射源脈沖樣本數(shù)較少而無(wú)法統(tǒng)計(jì)脈間參數(shù)規(guī)律實(shí)現(xiàn)脈沖提取的問(wèn)題，提出了一種基于自提取樣本子圖的全脈沖匹配分選算法。該算法利用全脈沖移位匹配搜索自相關(guān)函數(shù)極大峰值，序貫提取輻射源時(shí)間維樣本子圖，同時(shí)篩選出匹配脈沖，無(wú)需對(duì)脈沖特征參數(shù)做統(tǒng)計(jì)分析，因此，可實(shí)現(xiàn)小樣本數(shù)雷達(dá)信號(hào)的脈沖提取。仿真實(shí)驗(yàn)表明在有脈沖漏失的信號(hào)環(huán)境中，算法處理樣本數(shù)充足情況下的脈沖信號(hào)與傳統(tǒng)多參數(shù)統(tǒng)計(jì)方法性能相當(dāng)，而且能提取出小樣本數(shù)的脈沖信號(hào)。

小樣本數(shù)，樣本子圖，匹配，分選

0 引言

脈沖信號(hào)分選的效果好壞直接影響偵察系統(tǒng)的性能。對(duì)雷達(dá)脈沖信號(hào)進(jìn)行分選識(shí)別等處理的前提是能夠?qū)走_(dá)輻射源特征參數(shù)進(jìn)行準(zhǔn)確的描述和存儲(chǔ)?，F(xiàn)階段，在工程應(yīng)用中主要利用傳統(tǒng)的脈間參數(shù)，如到達(dá)方位（DOA）、載頻（RF）、脈寬（PW）、脈沖重復(fù)間隔（PRI）、脈內(nèi)調(diào)制方式（MOP）等對(duì)脈沖信號(hào)進(jìn)行描述，稱之為脈沖描述字（PDW）。隨著電子對(duì)抗技術(shù)的發(fā)展，為了滿足未來(lái)戰(zhàn)爭(zhēng)的需要，具有搜索跟蹤等功能的多功能雷達(dá)日益增多［1-2］，雷達(dá)脈沖信號(hào)變化形式日趨多樣。值得一提的是，諸如相控陣?yán)走_(dá)［3-5］、ISAR雷達(dá)［6］等抗干擾性能較強(qiáng)，使得偵察系統(tǒng)僅能接收到很少的脈沖數(shù)，這類雷達(dá)脈沖信號(hào)在分選的過(guò)程中極易被當(dāng)作干擾信號(hào)而剔除，亦或是無(wú)法統(tǒng)計(jì)此類雷達(dá)脈沖參數(shù)的規(guī)律性而難以實(shí)現(xiàn)分選。

針對(duì)脈沖信號(hào)特征參數(shù)的描述問(wèn)題，已有的建模方式有聯(lián)合分選識(shí)別方法［7-8］，模板脈沖序列方法［9］等。文獻(xiàn)［10］考慮到雷達(dá)脈沖信號(hào)的時(shí)序特征，提出了脈沖樣本圖的參數(shù)描述方式，并將其應(yīng)用于雷達(dá)信號(hào)的識(shí)別。然而，對(duì)于脈沖樣本圖的低維表達(dá)方式，即無(wú)需表征所有特征參數(shù)的情形，沒(méi)有進(jìn)行研究。針對(duì)全脈沖數(shù)據(jù)的分選問(wèn)題，文獻(xiàn)［11］改進(jìn)了平面變換分選技術(shù)，將平面變換分選技術(shù)自動(dòng)實(shí)現(xiàn)。文獻(xiàn)［12］提出一種改進(jìn)的支持向量聚類算法，提高了脈沖信號(hào)的分選正確率。這些研究都是建立在脈沖樣本數(shù)量足夠的前提下。對(duì)于全脈沖數(shù)據(jù)中存在某一雷達(dá)信號(hào)脈沖數(shù)很少的情形，不能對(duì)其特征參數(shù)進(jìn)行統(tǒng)計(jì)時(shí)。

為了實(shí)現(xiàn)全脈沖數(shù)據(jù)中小樣本數(shù)的雷達(dá)信號(hào)的準(zhǔn)確分選，本文在脈沖樣本圖的參數(shù)描述方式基礎(chǔ)上，提出樣本子圖的概念，并將樣本子圖應(yīng)用于雷達(dá)脈沖信號(hào)的分選，提出了一種基于自提取樣本子圖的小樣本數(shù)脈沖信號(hào)匹配分選算法。該方法解決了全脈沖數(shù)據(jù)中某些重要雷達(dá)樣本數(shù)較少時(shí)的分選問(wèn)題，而且基于樣本子圖的描述方式使脈沖樣本圖的描述方式更靈活，為雷達(dá)信號(hào)分選提供了一種新思路。

1 樣本子圖的概念和模型

脈沖樣本圖用一串（多個(gè)）脈沖的特征參數(shù)來(lái)描述雷達(dá)的知識(shí)特征［13］，而雷達(dá)脈沖樣本子圖（Pulse Sequence Subpattern，PSS）是雷達(dá)脈沖樣本圖在低維空間上的投影。引入雷達(dá)脈沖樣本子圖的目的有兩個(gè)，一是有的雷達(dá)脈沖樣本圖在某一維或幾維上是恒定不變的，這時(shí)，用樣本子圖可使描述更簡(jiǎn)便，處理更方便；二是有時(shí)為了分析方便，可以將復(fù)雜的樣本圖通過(guò)投影得到簡(jiǎn)化，使得分析中可以抓主要矛盾，提高分選、分析的效率。從概念上看，脈沖樣本子圖描述技術(shù)是脈沖樣本圖描述技術(shù)的擴(kuò)展，從內(nèi)容上看，脈沖樣本子圖是脈沖樣本圖的簡(jiǎn)化。脈沖樣本子圖的描述方式不僅秉承了脈沖樣本圖描述方式的優(yōu)點(diǎn)，可以將特征參數(shù)的時(shí)間變化規(guī)律表達(dá)清楚，而且可以根據(jù)實(shí)際情況設(shè)定子圖的維數(shù)，更加靈活。

以一維樣本子圖為例建立其數(shù)學(xué)模型。一維脈沖樣本子圖用參數(shù)序列來(lái)描述脈沖重復(fù)周期特征參數(shù)的變化規(guī)律，是對(duì)雷達(dá)某一工作模式下時(shí)間維變化特征的一種描述。通常情況下，雷達(dá)的PRI特征參數(shù)是周期性變化的，若選取該特征參數(shù)的一個(gè)變化周期作為樣本模板，就能準(zhǔn)確地對(duì)脈沖到達(dá)時(shí)間這一維參數(shù)進(jìn)行描述，這個(gè)樣本模板就是PRI樣本子圖，即一維脈沖樣本子圖。

對(duì)于雷達(dá)情報(bào)偵察而言，偵察設(shè)備獲得的雷達(dá)信號(hào)實(shí)際上是一個(gè)脈沖序列信號(hào)，該脈沖序列中的某一特征參數(shù)序列可以記錄為：

通常X都是周期序列，從X中選取一個(gè)周期的序列，也就是一個(gè)能準(zhǔn)確表示整個(gè)序列的最小子序列X'，即

把該子序列中取值相同的相鄰脈沖進(jìn)行合并，并記錄取值相同脈沖的數(shù)量，則有

顯然有n1+n2+…+nm=l。如果把脈沖重復(fù)周期參數(shù)的變化類型記錄在此子序列中，這樣就得到了雷達(dá)某一工作模式下的一維脈沖樣本子圖，表示如下：

Xi表示的是第i種工作模式下的一維脈沖樣本子圖，c表示脈沖重復(fù)周期參數(shù)的變化類型。

通常來(lái)說(shuō)，PRI的變化類型包括重頻固定（c=1）、重頻參差（c=2）、重頻組變（c=3）、重頻抖動(dòng)（c=4）、重頻聯(lián)合變化（c=5）等。圖1所示為一PRI組變類型雷達(dá)脈沖信號(hào)一維樣本子圖示意圖，根據(jù)定義，其一維脈沖樣本子圖表示為：

圖1 重頻組變類型一維脈沖樣本子圖

2 小樣本數(shù)的樣本子圖匹配分選

2.1 樣本子圖的循環(huán)相關(guān)自提取算法

當(dāng)全脈沖數(shù)據(jù)中含有某一個(gè)雷達(dá)輻射源的脈沖列時(shí)，可以通過(guò)全脈沖移位循環(huán)相關(guān)算法提取其某一維的樣本子圖，特別地，當(dāng)考慮到所有的特征參數(shù)時(shí)，提取的為該輻射源的脈沖樣本圖。該方法的原理為使脈沖列按照脈沖時(shí)間到達(dá)順序延遲滑動(dòng)，當(dāng)滑動(dòng)到某一個(gè)雷達(dá)脈沖列信號(hào)的骨架周期后再與原脈沖列進(jìn)行自相關(guān)匹配，所得到的匹配脈沖數(shù)會(huì)出現(xiàn)一個(gè)峰值，這個(gè)骨架周期就是可以表征該雷達(dá)脈沖信號(hào)的樣本子圖或樣本圖。該方法不依賴脈沖樣本數(shù)的多少，無(wú)需對(duì)脈沖列特征參數(shù)進(jìn)行統(tǒng)計(jì)規(guī)律分析，對(duì)處理全脈沖數(shù)據(jù)中某些脈沖數(shù)較少的輻射源優(yōu)勢(shì)更為明顯。

以一維樣本子圖為例詳述基于循環(huán)相關(guān)的樣本子圖提取原理：

設(shè)全脈沖列的到達(dá)時(shí)間為tn，n=1，2，…，N，N為脈沖個(gè)數(shù)。如果只考慮脈沖列的下一脈沖到達(dá)時(shí)間NTOA這個(gè)參數(shù)，則脈沖列就可以模型化為單位沖激函數(shù)的和：

相關(guān)函數(shù)的表達(dá)式為：

其中f（xi，xj）的值定義為：

這個(gè)函數(shù)稱之為分選標(biāo)識(shí)字函數(shù)。在脈沖樣本子圖自提取中，式中的特征參數(shù)指代事先確定要利用的某幾種特征參數(shù)，當(dāng)提取一維樣本子圖時(shí)，僅考慮時(shí)間上是否匹配，則f（xi，xj）可以簡(jiǎn)化為：

接下來(lái)，通過(guò)計(jì)算兩個(gè)脈沖的相似測(cè)度來(lái)確定分選標(biāo)識(shí)字函數(shù)的值，進(jìn)而求得相關(guān)函數(shù)。定義兩個(gè)脈沖之間的相似測(cè)度為歐式加權(quán)距離，用d（x，y）表示，其定義式如下：

則當(dāng)d（x，y）≥dthreshold時(shí)，認(rèn)定兩個(gè)脈沖匹配成功，dthreshold設(shè)定的匹配門限值。

按照上述定義，當(dāng)未移位的全脈沖數(shù)據(jù)中的第i個(gè)脈沖落在移位后數(shù)據(jù)的第j個(gè)脈沖時(shí)間窗內(nèi)，式（10）中分選標(biāo)識(shí)字函數(shù)置為1。當(dāng)全脈沖列向右移位一個(gè)骨架周期后，計(jì)算得到的循環(huán)相關(guān)函數(shù)值會(huì)出現(xiàn)極大峰值，此時(shí)即可提取一維脈沖樣本子圖。脈沖列平移相關(guān)及一維樣本子圖提取示意圖分別如圖2、圖3所示。

圖2 脈沖列平移相關(guān)示意圖

圖3 一維脈沖樣本子圖提取示意圖

綜上所述，可以得到根據(jù)全脈沖數(shù)據(jù)提取本子圖的具體步驟：①讀取全脈沖數(shù)據(jù)；②確定循環(huán)移位位數(shù)n；③所有未匹配脈沖的分選標(biāo)識(shí)字函數(shù)置為0；④循環(huán)相關(guān)處理：將全脈沖與循環(huán)移位的脈沖列進(jìn)行循環(huán)相關(guān)，匹配的脈沖分選標(biāo)識(shí)字函數(shù)置為1；⑤相關(guān)結(jié)果確認(rèn)：搜索自相關(guān)函數(shù)的最大值，若其大于設(shè)置的門限，則移位的n個(gè)脈沖包含所需的脈沖樣本子圖。⑥樣本子圖提?。焊鶕?jù)移位的n個(gè)脈沖與全脈沖匹配的情況，提取脈沖樣本子圖。

以上所述為提取一維脈沖樣本子圖的原理，同樣地，當(dāng)提取多維脈沖樣本子圖時(shí)，需要計(jì)算脈沖樣本子圖中包含的特征參數(shù)之間的匹配距離，依然采用加權(quán)歐式距離計(jì)算兩脈沖對(duì)應(yīng)參數(shù)之間的相似測(cè)度，具體步驟此處不再贅述。

2.2 基于小樣本數(shù)的樣本子圖匹配分選

小樣本數(shù)是指全脈沖數(shù)據(jù)中某些雷達(dá)脈沖信號(hào)的脈沖個(gè)數(shù)較少，對(duì)其特征參數(shù)的統(tǒng)計(jì)規(guī)律無(wú)法進(jìn)行分析。在小樣本數(shù)的情況下，傳統(tǒng)的基于脈沖特征參數(shù)統(tǒng)計(jì)規(guī)律的分選算法失去作用，針對(duì)此問(wèn)題，本文將樣本子圖的自提取技術(shù)利用到脈沖信號(hào)的分選，提出一種基于自提取樣本子圖的雷達(dá)信號(hào)匹配分選算法（Radar Signals Deinterleaving Method based on Self-distilled Pulse Sequence Subpattern，RSD_SPSS）。

假設(shè)全脈沖數(shù)據(jù)的脈沖個(gè)數(shù)為N，僅考慮脈沖列的時(shí)間維參數(shù)信息，可以將全脈沖表示為一N維向量Y：

其中，TOA（i）表示第i個(gè)脈沖的到達(dá)時(shí)間。

設(shè)定移位n個(gè)脈沖時(shí)的移位間隔為DTOA（n），其計(jì)算方式為：

則移位后的全脈沖向量為：

定義函數(shù)δ（a，b，ε）如下：

式中，ε≥0。

則根據(jù)定義，可以求得當(dāng)移位n個(gè)脈沖時(shí)的相關(guān)函數(shù)為：

其中，σ為根據(jù)到達(dá)時(shí)間測(cè)量精度設(shè)置的時(shí)間窗寬度，σ≥0。

利用此式，可以求得移位不同脈沖個(gè)數(shù)時(shí)的自相關(guān)函數(shù)值。此時(shí)，δ（a，b，ε）的作用相當(dāng)于上節(jié)所定義的脈沖相似測(cè)度，只不過(guò)是相似測(cè)度在時(shí)間維的另一種計(jì)算形式。

假設(shè)當(dāng)移位脈沖數(shù)為n時(shí)，相關(guān)函數(shù)值取得一極大峰值，本文設(shè)定為滿足條件Rn＞Rn-1＞Rn-2and Rn＞Rn+1＞Rn+2and Rn≥Rthreshold（Rthreshold為相關(guān)函數(shù)有效性門限），提取分選標(biāo)識(shí)字為1，即δ［TOA（i），TOA（j）+ DTOA（n），σ］=1的脈沖，形成分選脈沖列，同時(shí)可以將骨架周期，即自提取的脈沖樣本子圖表示出來(lái)，進(jìn)行分選脈沖列的合理性驗(yàn)證。

假設(shè)全脈沖數(shù)據(jù)中含有一復(fù)雜體制雷達(dá)發(fā)射的十九參差信號(hào)（這種雷達(dá)在衛(wèi)星偵收的雷達(dá)脈沖信號(hào)中極為常見(jiàn)），且由于偵收時(shí)間過(guò)短，全脈沖包內(nèi)僅包含這種雷達(dá)信號(hào)的,3個(gè)骨架周期。在衛(wèi)星偵收條件較好，無(wú)脈沖丟失的情況下，此雷達(dá)信號(hào)可接收到57個(gè)脈沖。若利用脈沖列的統(tǒng)計(jì)特性來(lái)進(jìn)行分選，可視為統(tǒng)計(jì)峰值的相同脈沖數(shù)至少要達(dá)到4個(gè)，對(duì)于此參差信號(hào)來(lái)說(shuō)，骨架周期至少應(yīng)包含4個(gè)。顯而易見(jiàn)，此參差信號(hào)不滿足該條件，因此，在進(jìn)行分選時(shí)會(huì)出現(xiàn)丟失，產(chǎn)生漏警的情況。而采用本文的樣本子圖分選算法，因?yàn)樗惴ú恍枰崛〗y(tǒng)計(jì)規(guī)律，因此，在循環(huán)移位該參差信號(hào)的一個(gè)骨架周期后，相關(guān)函數(shù)會(huì)出現(xiàn)極大峰值，此時(shí)可以提取匹配成功的脈沖，實(shí)現(xiàn)此雷達(dá)信號(hào)的分選。

3 仿真分析

在以下仿真實(shí)驗(yàn)中，首先驗(yàn)證 2.2節(jié)中RSD_SPSS算法的有效性，然后將本文算法的分選性能與經(jīng)典的CDIF算法、PRI搜索法作比較。算法的源代碼為matlab，仿真計(jì)算的硬件條件為Pentium（R）2.6 G（雙核），2 G內(nèi)存；軟件環(huán)境為Windows XP，Matlab R2010a。仿真脈沖參數(shù)設(shè)置以真實(shí)衛(wèi)星偵收數(shù)據(jù)為依據(jù)。

3.1 小樣本數(shù)樣本子圖匹配分選仿真實(shí)現(xiàn)

根據(jù)衛(wèi)星偵收雷達(dá)脈沖信號(hào)的真實(shí)情況，仿真產(chǎn)生一組多個(gè)雷達(dá)信號(hào)交疊的全脈沖數(shù)據(jù)，每個(gè)脈沖含有4項(xiàng)特征參數(shù)，分別是：載頻（RF）、脈寬（PW）、位置信息（LON，LAT）、到達(dá)時(shí)間（TOA）。為了更加逼近真實(shí)環(huán)境，仿真產(chǎn)生的雷達(dá)信號(hào)特點(diǎn)：①交疊的雷達(dá)脈沖信號(hào)在空域上無(wú)法進(jìn)行分離。產(chǎn)生的雷達(dá)全脈沖數(shù)據(jù)大致處于同一區(qū)域，利用位置信息無(wú)法進(jìn)行稀釋；②非常規(guī)體制雷達(dá)時(shí)域上交疊。當(dāng)前的信號(hào)環(huán)境中，常規(guī)體制雷達(dá)較少，因此，在仿真時(shí)產(chǎn)生的雷達(dá)信號(hào)均為載頻捷變、脈寬可選擇、重頻參差組變等類型的復(fù)雜體制；③存在小樣本數(shù)的重點(diǎn)雷達(dá)目標(biāo)?？紤]到真實(shí)的信號(hào)環(huán)境，仿真時(shí)產(chǎn)生了偵收脈沖數(shù)較少，卻可能是情報(bào)部門重點(diǎn)處理的雷達(dá)脈沖信號(hào)。

雷達(dá)的具體參數(shù)設(shè)置如下頁(yè)表1所示。根據(jù)一般數(shù)據(jù)處理的分批處理規(guī)則，仿真產(chǎn)生一次處理的脈沖數(shù)據(jù)量，持續(xù)時(shí)間大約為0.5 s，考慮到真實(shí)信號(hào)環(huán)境，每部雷達(dá)的漏失脈沖率設(shè)置為10%，設(shè)定相關(guān)函數(shù)有效性門限Rthreshold=floor（Pulse_Number/3），式中Pulse_Number為相關(guān)匹配時(shí)的全脈沖總數(shù)。

圖4 自相關(guān)函數(shù)變化曲線

從圖4可以看出，當(dāng)全脈沖循環(huán)移位位數(shù)n=6時(shí)，自相關(guān)函數(shù)出現(xiàn)一極大峰值，此時(shí)可以提取此雷達(dá)信號(hào)的樣本子圖。在提取樣本子圖的同時(shí)，對(duì)數(shù)據(jù)中分選標(biāo)識(shí)字置為1的脈沖進(jìn)行提取，可以分選出該部雷達(dá)信號(hào)。圖5所示為分選進(jìn)行過(guò)程中自相關(guān)函數(shù)的不斷變化情況。圖5（a）所示提取出3部雷達(dá)信號(hào)以后對(duì)剩余脈沖進(jìn)行第4次全脈沖匹配，自相關(guān)函數(shù)的變化曲線。當(dāng)提取出4部雷達(dá)信號(hào)以后，繼續(xù)進(jìn)行第五次循環(huán)相關(guān)時(shí)，自相關(guān)函數(shù)變化曲線如圖5（b）所示。采用同樣步驟對(duì)剩余脈沖繼續(xù)進(jìn)行循環(huán)移位相關(guān)，在提取樣本子圖的同時(shí)分選出對(duì)應(yīng)的雷達(dá)信號(hào)。表2為自提取的5個(gè)樣本子圖。

表1 雷達(dá)信號(hào)參數(shù)設(shè)置表

圖5 自相關(guān)函數(shù)變化曲線

表2 序貫提取的一維樣本子圖

從表2可以看出，利用全脈沖循環(huán)移位相關(guān)的方法，可以提取雷達(dá)脈沖信號(hào)的樣本子圖，提取的樣本子圖與參數(shù)設(shè)置一致，特別針對(duì)脈沖數(shù)較少的小樣本數(shù)雷達(dá)信號(hào)，該提取算法也可以將其樣本子圖準(zhǔn)確地提取出來(lái)。

接下來(lái)對(duì)漏失脈沖率為10%，漏失脈沖隨機(jī)的情況進(jìn)行樣本子圖分選結(jié)果統(tǒng)計(jì)。表3所示為進(jìn)行100次Monte-Carlo實(shí)驗(yàn)以后，對(duì)分選的結(jié)果統(tǒng)計(jì)。

表3 Monte-Carlo實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)

從表3的分選結(jié)果可以看出，在樣本子圖提取成功的基礎(chǔ)上，篩選出分選標(biāo)識(shí)字置1的脈沖，可以實(shí)現(xiàn)對(duì)該雷達(dá)信號(hào)的分選，對(duì)小樣本數(shù)的雷達(dá)信號(hào)同樣適用，成功分選出了脈沖數(shù)較少的雷達(dá)脈沖列，且分選成功率較高。從而驗(yàn)證了本文所提算法的合理性。

3.2 樣本子圖分選與多參數(shù)統(tǒng)計(jì)分選性能比較

本實(shí)驗(yàn)的目的是為了更好地驗(yàn)證本文算法對(duì)小樣本數(shù)雷達(dá)脈沖信號(hào)分選的優(yōu)勢(shì)所在，針對(duì)性地仿真一組僅包含小樣本數(shù)的雷達(dá)全脈沖，通過(guò)傳統(tǒng)的信號(hào)統(tǒng)計(jì)分選算法與本文算法分選性能的比較，體現(xiàn)本文算法的優(yōu)越性。

仿真產(chǎn)生一組持續(xù)時(shí)間約為0.5 s的全脈沖數(shù)據(jù)，數(shù)據(jù)中包含3部復(fù)雜體制雷達(dá)信號(hào)，一部雷達(dá)接收到較多的脈沖數(shù)，兩部雷達(dá)均只偵收到3個(gè)骨架周期的脈沖數(shù)量，其余脈沖為時(shí)間上交疊的干擾脈沖。2部雷達(dá)參數(shù)設(shè)置如下頁(yè)表4所示。

分別利用CDIF算法，PRI搜索和樣本子圖匹配分選算法對(duì)全脈沖數(shù)據(jù)進(jìn)行處理，由于載頻脈寬均為不規(guī)律變化，而且由于當(dāng)前衛(wèi)星定位精度限制，使得偵收到的脈沖經(jīng)緯度存在誤差，位置上無(wú)法稀釋，因此，只能通過(guò)時(shí)間維對(duì)信號(hào)進(jìn)行分選。下頁(yè)表5所示為在漏失脈沖率為10%，漏失脈沖隨機(jī)的信號(hào)環(huán)境下，每種算法進(jìn)行100次蒙特卡洛實(shí)驗(yàn)統(tǒng)計(jì)出來(lái)的分選結(jié)果。

從表5可得如下結(jié)論：①本文算法可以實(shí)現(xiàn)復(fù)雜體制雷達(dá)信號(hào)的分選，對(duì)脈沖數(shù)量較多的雷達(dá)信號(hào)，分選性能與經(jīng)典的PRI搜索算法，CDIF算法相當(dāng)；②對(duì)于全脈沖數(shù)據(jù)中出現(xiàn)的樣本數(shù)較少的雷達(dá)信號(hào)，傳統(tǒng)的基于多參數(shù)統(tǒng)計(jì)規(guī)律的分選算法失效，而利用本文算法可以實(shí)現(xiàn)較高正確率的分選。

表4 雷達(dá)信號(hào)參數(shù)設(shè)置表

表5 3種算法分選結(jié)果比較

4 結(jié)論

本文算法未對(duì)全脈沖數(shù)據(jù)的多參數(shù)進(jìn)行規(guī)律統(tǒng)計(jì)，因此，對(duì)于全脈沖數(shù)據(jù)中出現(xiàn)的脈沖個(gè)數(shù)較少的，傳統(tǒng)多參數(shù)分選算法難以提取骨架周期的重點(diǎn)目標(biāo)信號(hào)，本文算法可以實(shí)現(xiàn)較好的分選。仿真分析驗(yàn)證了算法對(duì)小樣本數(shù)的脈沖信號(hào)分選的有效性，其次，在存在漏脈沖的信號(hào)環(huán)境下，將本文算法性能與傳統(tǒng)經(jīng)典算法進(jìn)行比較，驗(yàn)證了本文算法對(duì)小樣本數(shù)脈沖信號(hào)處理的優(yōu)勢(shì)。

［1］盧建斌，胡衛(wèi)東，郁文賢.基于協(xié)方差控制的相控陣?yán)走_(dá)資源管理方法［J］.電子學(xué)報(bào)，2007，35（3）:402-408.

［2］Sergio S，Tarantino M.Multifunction Array Radar:System Design and Analysis［M］.Norwood，MA:Artech House，1994.213-254.

［3］Quan W，Li P，Xu F K.An Algorithm of Sorting the Phased Array Radar Signal Based on RST［C］//IEEE International Conference on Computer Design and Appliations（ICCDA 2010），2010:429-432.

［4］Zhang G Y，Zhao Y J.Phased Array Radar Technique［M］. Beijing:Publishing House of Electronics Industry，2006.

［5］Wang Y，Wu M Q.The Development of DBF Phased Array Radar System［C］//2001 CIE International Conference on Radar Proceeding，Beijing，China.2001：61-65.

［6］Martorella M，Palmer J，Berizzi F，et al.Improving the Total RotationvectorRstimationviaaBistaticISARSystem［C］//IEEE Geoscience and Remote Sensing Symposium，:2005: 1068-1071.

［7］Hassan H E，Chan F，Chan Y T.Queueing Analysis of the Deinterleaving of Radar Pulses in a Dense Emitter Environment［C］//IEEE Canadian Confer ence on Electrical and Computer Engineering（CCECE 2003），Montreal，Canada，2003:2015-2020.

［8］Hassan H E.A new Algorithm for Radar Emitter Recognition［C］//Proceedings of the 3rd International Symposium on Image and Signal Processing and Analysis，Rome，Italy，2003: 1097-1101.

［9］龔亮亮，羅景青，吳世龍.一種基于模板脈沖序列的雷達(dá)輻射源識(shí)別方法［J］.現(xiàn)代防御技術(shù)，2008，36（5）: 130-134.

［10］曠平昌，王杰貴，羅景青.基于脈沖樣本圖和Vague集的雷達(dá)輻射源識(shí)別 ［J］.宇航學(xué)報(bào)，2011，32（7）: 1639-1644.

［11］張西托，饒偉，楊澤剛，等.平面變換技術(shù)脈沖分選自動(dòng)實(shí)現(xiàn)方法［J］.數(shù)據(jù)采集與處理，2012，27（4）:495-500.

［12］趙貴喜，穆成新，劉永波，等.改進(jìn)SVC算法在雷達(dá)信號(hào)分選中的應(yīng)用［J］.艦船電子對(duì)抗，2012，35（3）:6-9.

［13］羅景青，王杰貴.探討一種新的雷達(dá)信號(hào)描述方式和識(shí)別技術(shù)［J］.電子對(duì)抗，2009（6）：9-12.

A Deinterleaving Method of Pulse Signals with Insufficient Samples Based on Pulse Sequence Subpattern

MENG Xiang-hao，LUO Jing-qing，WU Shi-long
（Electronic Engineering Institute，Laboratory of Electronic Counterstroke and Information Processing，Hefei 230037，China）

Aiming to solve the problem that in the interlaced radar pulse signals，due to the insufficient emitter pulse samples，the law of parameters between pulses cannot be calculated and thus the pulses cannot be extracted，a deinterleaving method of matching pulses based on self-distilled pulse sequence subpattern is proposed in this paper.In this method，the maximum peak of self-correlation function is searched by shifting and matching the full pulses;thereafter，the time dimension pulse sequence subpattern of radiation source can be extracted sequentially，and at the same time the matching pulses can be filtrated.There is no need to do multi-parameter statistical analysis of pulses in this method，thus the pulses extraction of radar signals with insufficient samples can be achieved. Simulation results show that in signal environment with pulses missing，the above method can reach the same effect in processing pulse signal with sufficient samples compared with traditional multiparameter statistical approach，and furthermore，radar pulse signals with insufficient samples can also be extracted.

insufficient samples，PSS（Pulse Sequence Subpattern），matching，deinterleaving

TP181

A

1002-0640（2015）05-0034-06

2014-02-24

2014-05-10

國(guó)家自然科學(xué)基金（60801044）；國(guó)防預(yù)研基金資助項(xiàng)目（9140A21030209JB3901）

孟祥豪（1987- ），男，河北邯鄲人，博士。研究方向：雷達(dá)與雷達(dá)對(duì)抗理論新技術(shù)。