基于擬合優(yōu)度的欺騙干擾識別方法

(單　涼，張劍云，周青松，王　瑜

(解放軍電子工程學(xué)院，安徽 合肥　230037)

?

基于擬合優(yōu)度的欺騙干擾識別方法

(單涼，張劍云，周青松，王瑜

(解放軍電子工程學(xué)院，安徽 合肥230037)

摘要:針對傳統(tǒng)雷達(dá)抗干擾方法不能有效識別、抑制轉(zhuǎn)發(fā)式欺騙干擾，現(xiàn)階段欺騙干擾識別方法對于低、慢、小干擾機(jī)平臺的欺騙干擾識別效果較差的問題，提出了基于擬合優(yōu)度的欺騙干擾識別方法。該方法從真實(shí)目標(biāo)回波與欺騙干擾信號的幅度統(tǒng)計(jì)特性差異出發(fā)，真實(shí)目標(biāo)的信號幅度服從施威林Ⅱ型模型，欺騙干擾的信號幅度服從萊斯分布，利用K-S擬合優(yōu)度檢測方法，對雷達(dá)接收回波信號進(jìn)行欺騙干擾識別。仿真實(shí)驗(yàn)表明，該方法對欺騙干擾信號具有較好識別效果，能對信噪比大于5 dB的欺騙干擾信號有效識別。

關(guān)鍵詞:欺騙干擾；擬合優(yōu)度；幅度；識別

0引言

雷達(dá)在現(xiàn)代戰(zhàn)爭中有著舉足輕重的地位，為戰(zhàn)爭的勝利提供不可或缺的信息。數(shù)字射頻存儲器[1-2](DRFM)產(chǎn)生的轉(zhuǎn)發(fā)式欺騙干擾能夠在雷達(dá)顯示端形成虛假點(diǎn)跡，進(jìn)而形成虛假航跡，造成雷達(dá)產(chǎn)生誤判[3]。如何對欺騙干擾識別與抑制是現(xiàn)階段雷達(dá)抗干擾迫切需要解決的問題。由于轉(zhuǎn)發(fā)式欺騙干擾與雷達(dá)發(fā)射信號的強(qiáng)相干性，傳統(tǒng)的抗干擾方法對于欺騙式干擾效果不佳，傳統(tǒng)的信號處理抗干擾不能有效地識別、抑制欺騙干擾。

現(xiàn)階段應(yīng)對欺騙干擾的措施主要分為兩個方面[4]。一是發(fā)射機(jī)端的發(fā)射信號管理抗干擾，即通過發(fā)射脈沖波形設(shè)計(jì)或者編碼設(shè)計(jì)等，增加DRFM轉(zhuǎn)發(fā)式干擾機(jī)復(fù)制信號的難度。文獻(xiàn)[5]通過設(shè)計(jì)正交分組碼信號，使DRFM轉(zhuǎn)發(fā)式干擾機(jī)難以模仿轉(zhuǎn)發(fā)雷達(dá)的信號，從而達(dá)到抗欺騙干擾的目的，但是發(fā)射信號設(shè)計(jì)的過于復(fù)雜會提高雷達(dá)發(fā)射機(jī)結(jié)構(gòu)以及接收機(jī)解調(diào)的復(fù)雜程度。二是接收機(jī)端的回波信號識別抗干擾，針對DRFM干擾機(jī)的缺陷，通過欺騙干擾信號與真實(shí)目標(biāo)回波潛在的特征差異，利用信號處理方法提取特征，對欺騙干擾信號進(jìn)行識別[6-9]。文獻(xiàn)[7]通過對信號頻譜分析，利用拖引干擾產(chǎn)生的譜峰分裂進(jìn)行干擾識別，但是此法只在對目標(biāo)信號疊加干擾信號的拖引干擾時(shí)奏效，對無真實(shí)目標(biāo)回波的欺騙干擾無法識別。文獻(xiàn)[8]中提出了將高階累計(jì)量作為識別特征，但是高階累積量的計(jì)算量較大，整體識別速度較慢。文獻(xiàn)[10]對欺騙干擾信號的幅度統(tǒng)計(jì)特性作了分析，對同時(shí)存在欺騙干擾與真實(shí)目標(biāo)回波的情況進(jìn)行識別，但是此方法只針對真實(shí)目標(biāo)回波與欺騙干擾疊加的拖引欺騙干擾有效，沒有考慮干擾機(jī)采用低、慢、小平臺進(jìn)行欺騙干擾時(shí)，雷達(dá)接收回波只有欺騙信號的情況，本文針對上述問題，提出了基于擬合優(yōu)度的欺騙干擾識別方法。

1信號模型

1.1幅度模型

在雷達(dá)接收機(jī)中，匹配濾波器的輸出信號可以用接收信號的同相分量和正交分量來表示：

SI=αcosφ+nSI

(1)

SQ=αsinφ+nSQ

(2)

(3)

上式表明可以從nSI、nSQ變換到Λ、φ，且其變換的雅可比為：

(4)

(5)

那么由變換式(4)可以得到Λ和φ的聯(lián)合概率密度為：

(6)

因此：

(7)

其中I0(?)為零階修正的貝塞爾函數(shù)。

1.2真實(shí)目標(biāo)與欺騙式干擾差異分析

(8)

零級修正的貝塞爾函數(shù)I0(x)可展開成冪級數(shù)：

(9)

將式(9)代入式(8)可得：

[(at)k+k(at)k-1+k(k-1)(at)k-2+…+k!]

(11)

(12)

DRFM干擾機(jī)對雷達(dá)發(fā)射信號接收儲存并轉(zhuǎn)發(fā)，但是DRFM干擾機(jī)在短時(shí)間內(nèi)對脈沖的幅度調(diào)制能力有限，所以在短時(shí)間內(nèi)可以認(rèn)為脈沖起伏是恒定的，從而可以從觀測信號幅度的起伏特性上對真實(shí)目標(biāo)回波與欺騙干擾進(jìn)行分析識別。如果假目標(biāo)幅度α固定，則觀測幅度概率分布為：

(13)

2欺騙干擾識別方法

2.1擬合優(yōu)度檢測

擬合優(yōu)度檢測常用于判斷數(shù)據(jù)是否符合已知分布。擬合優(yōu)度檢測主要分為χ2型檢測及EDF型檢測兩種，由于χ2型檢測對樣本分組比較敏感，為了充分利用樣本信息，本文選擇了較穩(wěn)健的EDF型檢測中的基于Kolmogorov-Smirnov統(tǒng)計(jì)量的K-S擬合優(yōu)度檢測[12]。K-S擬合優(yōu)度檢驗(yàn)主要研究樣本觀察值的分布和設(shè)定的理論分布是否吻合，通過對兩個分布差異的分析確定是否有理由認(rèn)為樣本的觀察結(jié)果來自所設(shè)定的理論分布總體。

設(shè)隨機(jī)樣本觀察值x1,…,xn取自總體 F(x),Sn(x)是樣本的累積分布函數(shù)，即經(jīng)驗(yàn)分布函數(shù)；

(14)

2.2識別方法

欺騙干擾識別的具體步驟如下：

1)提出假設(shè)：H0:Sn(x)=F0(x)樣本的概率分布與設(shè)定的瑞利分布相符，樣本來自真實(shí)目標(biāo)。H1:Sn(x)≠F0(x)樣本的概率分布與設(shè)定的瑞利分布不符，樣本來自欺騙干擾。

2)計(jì)算樣本概率分布：將雷達(dá)接收的一串脈沖幅度按大小排列，計(jì)算出脈沖幅度累積概率分布函數(shù)Sn(x)，并估計(jì)出近似的瑞利分布參數(shù)，根據(jù)估計(jì)參數(shù)生成瑞利分布的理論分布函數(shù)F0(x)。

3)按照公式計(jì)算K-S檢測統(tǒng)計(jì)量Dn。

4)根據(jù)給定的顯著性水平a和樣本數(shù)據(jù)個數(shù)n，通過《單樣本K-S檢驗(yàn)統(tǒng)計(jì)量表》得到臨界值Dα。

5)作出判斷：若Dn≥Dα，脈沖幅度統(tǒng)計(jì)分布與瑞利分布擬合較差，拒絕H0，認(rèn)為脈沖來自欺騙干擾。若Dn

圖1　欺騙干擾識別流程圖Fig.1　Identification processing of deception-jamming

擬合優(yōu)度檢測需要一定數(shù)量的隨機(jī)樣本作為擬合的基礎(chǔ)，而雷達(dá)接收到的脈沖個數(shù)受到多種因素的影響，為了保持?jǐn)M合優(yōu)度檢驗(yàn)的準(zhǔn)確性與穩(wěn)定性，當(dāng)樣本個數(shù)即脈沖個數(shù)少于10個時(shí)，將對幅度數(shù)據(jù)進(jìn)行線性插值，保證每次擬合優(yōu)度檢驗(yàn)至少有10個脈沖幅度數(shù)據(jù)，后文的仿真實(shí)驗(yàn)也將對脈沖個數(shù)較少時(shí)線性插值帶來的影響進(jìn)行仿真分析。

3仿真實(shí)驗(yàn)

3.1幅度累積分布概率函數(shù)

仿真條件：分別隨機(jī)生成幅度服從瑞利分布和萊斯分布的18個脈沖信號，信噪比：6dB。

將接收到的脈沖幅度歸一化并按大小進(jìn)行排列，畫出真實(shí)目標(biāo)與欺騙式干擾的幅度累積分布函數(shù)(CDF)，并與標(biāo)準(zhǔn)瑞利分布的累積分布函數(shù)進(jìn)行比較，見圖2。

圖2　幅度累積分布函數(shù)擬合Fig.2　Amplitude cumulative distribution function fitting

由圖2可以看出真實(shí)目標(biāo)幅度累積分布概率函數(shù)與瑞利分布函數(shù)擬合較好，可以判定為真實(shí)目標(biāo)，欺騙干擾幅度累積分布概率函數(shù)與瑞利分布函數(shù)擬合較差，可以判定為欺騙干擾。

3.2脈沖個數(shù)對識別的影響

仿真條件：分別隨機(jī)生成幅度服從瑞利分布和萊斯分布的脈沖信號，脈沖個數(shù)由3至20依次增加，信噪比6dB，檢測顯著水平0.2，蒙特卡洛實(shí)驗(yàn)10 000次，見圖3。

圖3　脈沖個數(shù)對欺騙干擾識別的影響Fig.3　Effect of pulse number on the identification of deception-jamming

脈沖個數(shù)較少時(shí)，由于對幅度數(shù)據(jù)進(jìn)行線性插值，導(dǎo)致統(tǒng)計(jì)特性分布不顯著；由圖3中可以看出，脈沖個數(shù)較少時(shí)，欺騙干擾檢測為真實(shí)目標(biāo)概率即漏警概率較大，欺騙干擾識別率極低；隨脈沖個數(shù)增加，樣本數(shù)據(jù)增多，統(tǒng)計(jì)分布特性顯著，漏警概率逐漸下降，當(dāng)樣本個數(shù)大于12時(shí)，漏警概率可以降低到較低水平。

由圖3可以說明，脈沖個數(shù)較少時(shí)，對真實(shí)目標(biāo)識別概率影響不大，但容易產(chǎn)生較高漏警概率。脈沖個數(shù)達(dá)到20時(shí)，對欺騙干擾的識別概率達(dá)到99%，真實(shí)目標(biāo)的識別概率一直維持在96%左右。

3.3信噪比對識別的影響

仿真條件：分別隨機(jī)生成幅度服從瑞利分布與萊斯分布的10個脈沖，信噪比由-5dB到10dB依次增加，檢測顯著水平0.3，蒙特卡洛實(shí)驗(yàn)10 000次。結(jié)果如圖4所示。

圖4　信噪比對欺騙干擾識別的影響Fig.4　Effect of SNR on the identification of deception-jamming

3.4顯著水平對識別的影響

仿真條件：分別隨機(jī)生成服從瑞利分布和萊斯分布的10個脈沖信號，信噪比8dB，檢測顯著水平由0.01至0.4依次提高，蒙特卡洛實(shí)驗(yàn)10 000次，見圖5。

擬合檢測的顯著水平設(shè)置決定了識別概率的大小，當(dāng)擬合檢測的統(tǒng)計(jì)量大于臨界值(Dmax≥Dα)時(shí)，即判定為真實(shí)目標(biāo)，否則判定為欺騙干擾；只有適當(dāng)?shù)娘@著水平才能使擬合優(yōu)度檢測欺騙干擾識別達(dá)到最佳效果。

圖5　顯著水平對欺騙干擾識別的影響Fig.5　Effect of significant level on the identification of deception-jamming

由圖5可以看出，顯著水平a較小時(shí)，真實(shí)目標(biāo)與欺騙干擾的擬合檢測統(tǒng)計(jì)量均以較高的概率大于臨界值，雷達(dá)回波識別為真實(shí)目標(biāo)的概率較高，隨著顯著水平a提高，逐漸將真實(shí)目標(biāo)與欺騙干擾分離。當(dāng)顯著水平a為0.3時(shí)，在欺騙干擾識別概率達(dá)到99%的情況下，真實(shí)目標(biāo)的識別概率依然保持在90%左右，這說明可以適當(dāng)提高顯著水平a，通過犧牲較小的真實(shí)目標(biāo)識別率獲取對欺騙干擾更佳的識別率。

3.5欺騙干擾識別

仿真條件：分別隨機(jī)生成服從瑞利分布和萊斯分布的10個脈沖信號，信噪比由5 dB到10 dB依次增加，檢測顯著水平由0.02至0.4依次增加，蒙特卡洛實(shí)驗(yàn)10 000次，見圖6。

圖6　欺騙干擾識別概率Fig.6　Identification probability of deception-jamming

通過圖6可以看出，隨著顯著水平升高，提高了低信噪比時(shí)的正確識別概率。在顯著水平0.2左右，信噪比10 dB左右時(shí)為最佳檢測區(qū)域。

4結(jié)論

本文提出了基于擬合優(yōu)度的欺騙干擾識別方法。該方法利用真實(shí)目標(biāo)回波與欺騙干擾信號的幅度統(tǒng)計(jì)性的差異，真實(shí)目標(biāo)的信號幅度服從施威林Ⅱ型模型，欺騙干擾的信號幅度服從萊斯分布，通過K-S擬合優(yōu)度方法，對來自低、慢、小平臺的轉(zhuǎn)發(fā)式欺騙干擾進(jìn)行識別。仿真實(shí)驗(yàn)表明，本方法能夠?qū)π旁氡却笥? dB的信號有效進(jìn)行欺騙干擾識別，在檢測環(huán)境惡劣的情況下，通過提高擬合優(yōu)度檢測的顯著水平，能夠進(jìn)一步獲得較高的欺騙干擾識別概率。下一步擬將信號幅度特征作為轉(zhuǎn)發(fā)式欺騙干擾聚類識別的特征之一。

參考文獻(xiàn):

[1]Roome S J. Digital radio frequency memory[J]. Electronics and Communication Engineering Journal, 1990, 2(8):147-153.

[2]栗蘋, 錢龍, 劉衍平. 數(shù)字射頻存儲器在引信干擾機(jī)中的應(yīng)用[J]. 探測與控制學(xué)報(bào), 2003,25S1:1-3.

[3]Li Chuanzhong, Su Weimin, Gu Hong. Improved Interrupted Sampling Repeater Jamming based on DRFM[C]//Signal Processing, Communications and Computing. Guilin: IEEE , 2014:254-257.

[4]黨立坤, 王小念, 張建科. 基于DRFM的欺騙干擾及反干擾[J]. 艦船電子對抗, 2010,33(2):64-67.

[5]Akhtar J. Orthogonal Block Coded ECCM Schemes Againt Repeat Radar Jammers[J]. Aerospace and Electronic Systems, IEEE Transactions on,2009,45(3):1218-1226.

[6]孫敏洪,唐斌. 雷達(dá)DRFM欺騙干擾的檢測[J]. 信號處理, 2010, 26(5):672-676.

[7]Berger S D.Digital radio frequency memory linear range gate stealer spectrum[J]. Aerospace and Electronic Systems, IEEE Transactions on, 2003, 39(2): 725-735.

[8]周忠來, 施聚生, 栗蘋. 雙譜估計(jì)在直升機(jī)信號特征提取中的應(yīng)用[J]. 探測與控制學(xué)報(bào), 1999,21(2): 27-31.

[9]Li JianXun, Shen Qi, Yan Hai.Signal feature analysis and experimental verification of radar deception jamming[C]//Radar, 2011 IEEE CIE International Conference on,Chengdu:IEEE,2011:230-233.

[10]Tian X. Radar deceptive jamming detection based on goodness-of-fit testing[J]. Journalof Information and Computational Science,2012,9(13): 3839-3847.

[11]Blair W D, Brandt-Pearce M. Estimation and Discrimination of Swerling Targets[J]. Proc of 28thIEEE Southeastern Symposium on Systems Theory, 1996 (4):280-284.

[12]Teguig D, Le Nir V, Scheers B. Spectrum sensing method based on likelihood ratio goodness-of-fit test[J]. Electronics Letters,2015,51(2):253-255.

Deception Jamming Identification Methods Based on Goodness-of-fit

SHAN Liang, ZHANG Jianyun, ZHOU Qingsong, WANG Yu

(Electronic Engineering Institute of PLA, Hefei 230037, China)

Abstract:In order to solve the problem that the traditional radar anti-jamming methods cannot effectively identify the repeater deception jamming, and the effect of identify the deception jamming from the low, slow, small interference machine is poor, an repeater jamming identify method based on goodness-of-fit was proposed in this paper. Considering of difference of the statistical characteristic of the real target echo and the deception jamming, the statistical characteristic of echo from the plane was Swerling Ⅱ, the statistical characteristic of the echo from deception jamming was Rice distribution, through the K-S goodness-of-fit to identify the deception jamming with the radar echo. Simulation results showed the method could identify the deception jamming which SNR was bigger than 5 dB.

Key words:deception jamming; goodness-of-fit; amplitude; identification

中圖分類號:TN974

文獻(xiàn)標(biāo)志碼:A

文章編號：1008-1194(2016)02-0098-05

作者簡介:單涼(1991—)，男，山東人，碩士研究生，研究方向：雷達(dá)信號處理。E-mail：slasx@163.com。

*收稿日期:2015-11-21