瞬時頻率雷達(dá)信號脈內(nèi)調(diào)制識別技術(shù)

摘 要： 雷達(dá)信號的脈內(nèi)調(diào)制識別是雷達(dá)偵察信號處理的重要組成部分。隨著信號環(huán)境愈趨復(fù)雜，雷達(dá)信號調(diào)制識別難度越來越大。首先根據(jù)調(diào)頻和調(diào)相兩類信號3 dB帶寬明顯差異的特征，實現(xiàn)類間粗分類識別。繼而基于改進(jìn)瞬時自相關(guān)算法提取的信號瞬時頻率，將FSK信號和PSK信號進(jìn)行類內(nèi)細(xì)分類識別。在不同的信噪比條件下，經(jīng)過多次仿真實驗驗證，與傳統(tǒng)算法相比，此新信號識別算法具有更高的效率和準(zhǔn)確度。

關(guān)鍵詞： 3 dB帶寬； 粗識別； 瞬時頻率； 瞬時自相關(guān)算法

中圖分類號： TN957.51?34 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2016）13?0030?05

Abstract： The intra?pulse modulation recognition of radar signal is an important component of radar reconnaissance signal processing. The complicated signal environment makes the modulation recognition of radar signal more difficult. According to the obvious difference between frequency modulation （FM） signal and phase modulation signal at 3?dB bandwidth， the rough classification and recognition between the two signals can be realized. And then the signal instantaneous frequency is extracted based on improved instantaneous self?correlation algorithm to detailedly classify and recognize the FSK signal and PSK signal. Under the conditions of different signal to noise ratio （SNR）， the instantaneous self?correlation algorithm was verified by simulation experiment. In comparison with the traditional algorithm， the new signal recognition algorithm has higher efficiency and accuracy.

Keywords： 3 dB bandwidth； rough recognition； instantaneous frequency； instantaneous self?correlation algorithm

0 引 言

隨著雷達(dá)技術(shù)的飛速發(fā)展，電子戰(zhàn)環(huán)境愈趨復(fù)雜多變。為了提高抗干擾性能，降低截獲概率，雷達(dá)信號波形調(diào)制系統(tǒng)也在不斷提高與完善。要獲得準(zhǔn)確的信號信息，雷達(dá)偵察接收機也需要跟上發(fā)展的節(jié)奏，針對信號調(diào)制的特點，對雷達(dá)信號進(jìn)行處理識別。不同脈內(nèi)調(diào)制的雷達(dá)信號，其脈內(nèi)特征參數(shù)各不相同，對其重要參數(shù)進(jìn)行提取、分析和判斷是雷達(dá)信號識別的過程。根據(jù)調(diào)制信號頻譜3 dB帶寬特征的明顯差異，對信號進(jìn)行類間粗識別，將信號分為調(diào)頻信號和調(diào)相信號兩大類。再采用改進(jìn)的瞬時自相關(guān)法提取信號的瞬時頻率脈內(nèi)特征，將調(diào)頻信號細(xì)分成頻率編碼信號、線性調(diào)頻信號和非線性調(diào)頻信號，調(diào)相信號分為常規(guī)信號、二相編碼信號以及四相編碼信號。

1 基于瞬時自相關(guān)的瞬時頻率估計

對非平穩(wěn)信號而言，瞬時頻率特征是信號頻率的局部特征，它較好地描述了不同調(diào)制方式雷達(dá)信號的特點。因此，瞬時頻率特征信息的提取可以識別不同調(diào)制方式的雷達(dá)信號，并進(jìn)行深入的研究與分析。往往識別率會隨著信噪比的減小而降低。

由式（18）得出結(jié)論：信號的瞬時頻率可由解析信號的相位差求得。當(dāng)時，即一階相位差；當(dāng)時，即多重相位差。由于一階相位差抗噪聲性能較差，所以為提高抗噪聲性能，通常采用多重相位差計算信號的瞬時頻率，這樣不但可提高信號的計算速率還可以提高信號的抗噪聲性能[8]。與原有的瞬時自相關(guān)計算法相比，不但減少了計算量而且也使得實時性更好，在工程上也更容易實現(xiàn)。

2 基于瞬時頻率信號識別

通過對信號的分析可知，PSK信號的頻譜呈三角形外形特征，寬帶較窄，F(xiàn)M信號的頻譜則呈現(xiàn)類似矩形的外形特征，帶寬較寬[9]。依據(jù)PSK與FSK信號之間的帶寬差異，實現(xiàn)類間粗識別。具體方法是對其功率譜進(jìn)行平滑處理，求得信號3 dB帶寬。以信號3 dB帶寬為特征量，設(shè)定一個閾值，很容易實現(xiàn)第一步信號的粗識別，將信號粗分為PSK信號和FM信號兩大類，如圖1所示。

基于瞬時自相關(guān)改進(jìn)方法，分別對調(diào)相信號和調(diào)頻信號進(jìn)行瞬時頻率信息提取，并根據(jù)其特點進(jìn)行有效地識別。

2.1 調(diào)相信號

2.3 算法驗證

針對上述的6種典型脈內(nèi)調(diào)制信號，進(jìn)行了特征提取和分類實驗。信號參數(shù)等條件同上。每種調(diào)試信號隨機產(chǎn)生初相不同的200個樣本，對總數(shù)為1 200個的測試樣本進(jìn)行測試。在各個信噪比條件下，對每個樣本都進(jìn)行100次Monte Carlo實驗。

類間粗識別過程中，本文設(shè)定的閾值為9.766 MHz。功率譜的3 dB帶寬小于或等于9.766 MHz時為PSK信號，大于9.766 MHz時為FM信號。信噪比（SNR）從-5 dB每間隔1 dB變化到5 dB。在每種信噪比環(huán)境下，F(xiàn)M信號和FSK信號正確識別概率如圖4（a）所示。

類內(nèi)細(xì)分類識別中，信噪比（SNR）從0 dB每間隔2 dB變化到20 dB。在各個信噪比下，瞬時自相關(guān)算法改進(jìn)前后，信號誤識別率仿真實驗如圖4（b）所示。根據(jù)大量的數(shù)據(jù)分析可知：當(dāng)信噪比達(dá)到SNR=6時，本文算法所得到的信號脈內(nèi)調(diào)制誤識別率已經(jīng)基本達(dá)到4%；當(dāng)信噪比達(dá)到SNR=10時，已經(jīng)降到0左右。和傳統(tǒng)信號識別相比，誤識別率降低了46.3%左右。由大量仿真實驗驗證，較傳統(tǒng)的算法，改進(jìn)后的算法具有更高更準(zhǔn)確的識別性能。

3 結(jié) 論

調(diào)制類型不同的信號具有不同脈內(nèi)調(diào)制的規(guī)律，其瞬時頻率特征也有所差異。利用其瞬時頻率可以有效地進(jìn)行信號分類識別。本文中針對6種典型脈內(nèi)調(diào)制信號首先利用信號3 dB帶寬特征的差異，對信號進(jìn)行初步粗識別，分類出調(diào)頻信號和調(diào)相信號。繼而用改進(jìn)的瞬時自相關(guān)法提取并分析信號的瞬時頻率特征，最終實現(xiàn)調(diào)頻信號和調(diào)相信號類內(nèi)細(xì)分類識別。與傳統(tǒng)瞬時自相關(guān)法相比，更能準(zhǔn)確地識別出信號脈內(nèi)調(diào)制類型。

參考文獻(xiàn)

[1] 袁英俊，黃知濤，王巖，等.基于相位差分的跳頻信號識別方法[J].通信對抗，2010（4）：14?17.

[2] 曾德國，熊輝，龍柯宇，等.基于相位差分的脈內(nèi)調(diào)制信號類型識別[J].電子測量與儀器學(xué)報，2009（10）：85?90.

[3] 柴娟芳.復(fù)雜環(huán)境下雷達(dá)信號的分選識別技術(shù)研究[D].哈爾濱：哈爾濱工程大學(xué)，2009.

[4] 劉姝明.雷達(dá)信號的脈內(nèi)分析與識別算法研究[D].西安：西安電子科技大學(xué)，2011.

[5] LEE J P Y. A multi?channel digital receiver： intra?pulse analysis and direction finding [C]// Processing of 1999 IEEE Pacific Rim Conference on Communications， Computers and Signal Processing. Victoria： IEEE， 1999： 589?592.

[6] 冀貞海，朱偉強，趙力.基于時頻分布圖像和主分量分析的脈內(nèi)調(diào)制識別算法研究[J].電路與系統(tǒng)學(xué)報，2009，14（2）：22?26.

[7] 葛哲學(xué).Matlab時頻分析技術(shù)及其應(yīng)用[M].北京：人民郵電出版社，2005：118?126.

[8] 畢大平，董灰，姜秋喜.基于瞬時頻率的脈內(nèi)調(diào)制識別技術(shù)[J].電子對抗技術(shù)，2005，3（2）：6?9.

[9] 鄒興文，張葛祥，李明.一種雷達(dá)輻射源信號分類新方法[J].數(shù)據(jù)采集與處理，2009，24（4）：487?493.

[10] 余志斌.基于脈內(nèi)特征的雷達(dá)輻射源信號識別研究[D].成都：西南交通大學(xué)，2005.