基于極值序列特征集的雷達(dá)PRI調(diào)制模式識(shí)別算法

周一鵬，王　星，田元榮，周東青，程嗣怡

(空軍工程大學(xué) 航空航天工程學(xué)院,　西安 710038)

?

·信號(hào)處理·

基于極值序列特征集的雷達(dá)PRI調(diào)制模式識(shí)別算法

周一鵬，王星，田元榮，周東青，程嗣怡

(空軍工程大學(xué) 航空航天工程學(xué)院,西安 710038)

摘要：識(shí)別雷達(dá)信號(hào)的脈沖重復(fù)間隔(PRI)調(diào)制模式是分析雷達(dá)工作狀態(tài)和工作任務(wù)的重要手段。針對(duì)復(fù)雜體制雷達(dá)的PRI調(diào)制模式可實(shí)時(shí)切換并改變調(diào)制參數(shù)因而難于識(shí)別的問(wèn)題，提出一種基于極值序列特征集的雷達(dá)PRI調(diào)制模式識(shí)別算法。該算法首先提取PRI序列的極值特征，構(gòu)建極值序列特征集；然后，基于PRI序列及其特征集建立恒參、類(lèi)正弦、正弦和抖動(dòng)判定準(zhǔn)則，實(shí)現(xiàn)雷達(dá)PRI調(diào)制模式的分層識(shí)別。仿真分析表明：該算法對(duì)復(fù)雜體制雷達(dá)PRI調(diào)制模式的識(shí)別正確率達(dá)95.3%，同時(shí)具有較高的實(shí)時(shí)性，在電子對(duì)抗應(yīng)用領(lǐng)域具有良好的前景。

關(guān)鍵詞：極值序列特征集；分層識(shí)別；PRI調(diào)制模式；特征提取

0引言

雷達(dá)的脈沖重復(fù)間隔(PRI)調(diào)制模式信息可用于推斷雷達(dá)的工作任務(wù)和工作狀態(tài)，是電子支援(ESM)中進(jìn)行輻射源識(shí)別的重要依據(jù)，也是威脅態(tài)勢(shì)感知和干擾方式?jīng)Q策的重要參考[1]。近年來(lái)隨著雷達(dá)技術(shù)的發(fā)展，復(fù)雜體制雷達(dá)信號(hào)不僅可在多種PRI調(diào)制模式間進(jìn)行即時(shí)轉(zhuǎn)換從而實(shí)現(xiàn)搜索、截獲、多目標(biāo)跟蹤、主動(dòng)導(dǎo)彈導(dǎo)引等作戰(zhàn)任務(wù)[2-5]，而且對(duì)同種PRI調(diào)制模式其調(diào)制參數(shù)具有較強(qiáng)的靈活性，可在脈沖與脈沖間或脈沖串與脈沖串之間實(shí)時(shí)改變[6-8]，且其發(fā)射脈沖序列中不同調(diào)制模式的數(shù)量和長(zhǎng)度未知[9-10]。然而現(xiàn)有雷達(dá)信號(hào)分選技術(shù)不足以識(shí)別具有多種PRI調(diào)制模式的新型雷達(dá)信號(hào)，因此建立新的復(fù)雜體制雷達(dá)PRI調(diào)制模式識(shí)別算法的需求日益迫切。

在現(xiàn)有的研究中，文獻(xiàn)[11-12]通過(guò)提取PRI序列及其時(shí)域差分序列特征，建立神經(jīng)網(wǎng)絡(luò)分類(lèi)器和線性預(yù)測(cè)神經(jīng)元濾波器實(shí)現(xiàn)多種PRI調(diào)制模式的識(shí)別，然而這兩種方法都需要先進(jìn)行一定的樣本訓(xùn)練，對(duì)未知信號(hào)的PRI調(diào)制模式難以適用。文獻(xiàn)[13-14]通過(guò)分析PRI序列自相關(guān)函數(shù)特征，建立識(shí)別算法實(shí)現(xiàn)PRI調(diào)制模式識(shí)別，然而算法中的自相關(guān)函數(shù)及PRI特征計(jì)算復(fù)雜，算法實(shí)時(shí)性較差。本文提供了一種基于極值序列特征集的雷達(dá)PRI調(diào)制模式識(shí)別算法：從PRI序列中抽取出極值序列，建立極值序列特征集，然后在PRI序列及其特征集基礎(chǔ)上選取區(qū)分特征，構(gòu)建分層識(shí)別算法。該分層識(shí)別算法可對(duì)五種復(fù)雜體制雷達(dá)的PRI調(diào)制模式有效識(shí)別，同時(shí)估計(jì)出PRI調(diào)制模式的調(diào)制周期。仿真分析表明：算法的識(shí)別率可以達(dá)到95.3%，且算法實(shí)時(shí)性較好。

1復(fù)雜體制雷達(dá)PRI調(diào)制模式

雷達(dá)脈沖信號(hào)的PRI序列通過(guò)測(cè)量脈沖到達(dá)時(shí)間(TOA)獲得，可表示為

F(n)=tn+1-tn=xn(n=1,2,…,N)

(1)

式中：tn表示第n個(gè)脈沖到達(dá)時(shí)間；第n+1個(gè)脈沖與第n個(gè)脈沖的到達(dá)時(shí)間差xn表示第n個(gè)脈沖間隔；N為接收信號(hào)序列的脈沖數(shù)。雷達(dá)在執(zhí)行不同的任務(wù)時(shí)會(huì)選擇不同的PRI調(diào)制模式并設(shè)置不同的PRI調(diào)制參數(shù)。因此，F(xiàn)(n)表現(xiàn)為不同形式。目前常用的PRI調(diào)制模式可分為五種：

(1) 恒參PRI調(diào)制：PRI值基本保持穩(wěn)定，由于無(wú)意調(diào)制導(dǎo)致的變化幅度小于其均值的1%；

(2) 抖動(dòng)PRI調(diào)制：PRI值在均值周?chē)S機(jī)抖動(dòng)，抖動(dòng)量最大可達(dá)PRI均值的30%[15]；

(3) 滑變PRI調(diào)制：PRI值呈周期線性變化，PRI值周期性單調(diào)增加或減小，達(dá)到一個(gè)極值后快速轉(zhuǎn)換到另一個(gè)極值[15]；

(4) 駐留與切換PRI調(diào)制：PRI周期內(nèi)含有有限多個(gè)PRI值，每個(gè)值分別駐留一段時(shí)間后迅速切換至下一個(gè)PRI值駐留；

(5) 正弦PRI調(diào)制：PRI值在變化范圍內(nèi)呈周期正弦變化。

圖1是某一復(fù)雜體制雷達(dá)的PRI序列示意圖，其中，Δt為基本PRI調(diào)制周期，圖1a)～圖1e)對(duì)應(yīng)的調(diào)制模式分別為： a)恒參; b)抖動(dòng); c)正弦; d)駐留與切換; e)滑變。

圖1　某復(fù)雜體制雷達(dá)的PRI序列

復(fù)雜體制雷達(dá)發(fā)射脈沖的PRI調(diào)制模式類(lèi)型及其數(shù)量可能會(huì)取決于正在跟蹤的目標(biāo)速度及其位置，因而其發(fā)射脈沖串的調(diào)制模式、數(shù)量、參數(shù)等會(huì)隨著跟蹤目標(biāo)的狀態(tài)的變化而改變。但在一個(gè)基本PRI調(diào)制周期內(nèi)，脈沖序列的PRI調(diào)制模式是五種基本PRI調(diào)制模式中的一種。

2極值序列特征集

2.1極值序列提取

雷達(dá)信號(hào)PRI極值序列可以反映PRI值變化情況和整體特征，所以可通過(guò)提取極值特征有效地識(shí)別PRI調(diào)制模式。同時(shí)由于極值序列相對(duì)于PRI序列數(shù)據(jù)量少，因此算法的運(yùn)算量降低，提高了算法實(shí)時(shí)性[16]。表1為本文提出的PRI極值序列提取算法。

表1　PRI極值序列提取算法

極值點(diǎn)(包括極大值和極小值)根據(jù)PRI時(shí)序點(diǎn)的前后差分之積確定。表中PRI差分積p即

p=dn×dn-1

(2)

其中

dn=F(n+1)-F(n)

(3)

(4)

2.2構(gòu)建極值序列特征集

為有效分選并識(shí)別出脈沖信號(hào)的PRI調(diào)制模式，本文基于PRI序列及其極值序列選取特征，構(gòu)建極值序列特征集：

(1)恒參特征

f1(i)=F(i+1)-F(i)

(5)

(6)

恒參特征用于判斷PRI調(diào)制模式是否為恒參PRI調(diào)制，判定表達(dá)式如式(5)～式(6)。

(2)類(lèi)正弦特征

f2(i)=[tmax(i+1)-tmax(i)]-[tmin(i+1)-tmin(i)]

(7)

(8)

本文定義滑變PRI調(diào)制和正弦PRI調(diào)制同屬類(lèi)正弦PRI調(diào)制。類(lèi)正弦特征用于判斷PRI調(diào)制模式是否為滑變PRI調(diào)制模式或者正弦PRI調(diào)制模式，判定表達(dá)式如式(7)～式(8)。對(duì)于類(lèi)正弦PRI調(diào)制模式，由圖1可知其相鄰極大值之間的時(shí)間差等于相鄰極小值之間的時(shí)間差。而其他PRI調(diào)制模式則不能?chē)?yán)格滿足此準(zhǔn)則。因此，若f2(i)小于誤差范圍，C1取值為1，判定為類(lèi)正弦PRI調(diào)制。

(3)正弦特征

f3(i)=[tmax(i+1)-tmax(i)]-2×

|tmax(i+1)-tmin(i+1)|

(9)

(10)

正弦特征用于對(duì)已判定為類(lèi)正弦PRI調(diào)制的PRI序列，進(jìn)一步判定其為正弦PRI調(diào)制或滑變PRI調(diào)制，判定表達(dá)式如式(9)～式(10)。對(duì)于正弦PRI調(diào)制，由圖1可知某一極大值與相鄰極大值的時(shí)間差為其與相鄰極小值時(shí)間差的2倍，而滑變PRI調(diào)制模式的極值序列不滿足此準(zhǔn)則。因此，若f3(i)小于誤差范圍，則判定為正弦PRI調(diào)制，反之判定為滑變PRI調(diào)制。

(4)抖動(dòng)特征

(11)

(12)

抖動(dòng)特征用于對(duì)已判定為非類(lèi)正弦PRI調(diào)制(包括抖動(dòng)PRI調(diào)制和駐留與切換PRI調(diào)制)的PRI序列，進(jìn)一步判定其為抖動(dòng)PRI調(diào)制或駐留與切換PRI調(diào)制，判定表達(dá)式如式(11)～式(12)，其中，N(F′(i))和N(F(i))分別表示極值序列和PRI序列元素個(gè)數(shù)。對(duì)于抖動(dòng)PRI調(diào)制，其PRI值隨機(jī)抖動(dòng)，其極值個(gè)數(shù)遠(yuǎn)大于其他調(diào)制模式。因此，定義抖動(dòng)比f(wàn)4為極值序列元素個(gè)數(shù)與PRI序列元素個(gè)數(shù)之比，當(dāng)抖動(dòng)比大于設(shè)定閾值α?xí)r，判定該P(yáng)RI序列調(diào)制模式為抖動(dòng)PRI調(diào)制，反之判為駐留與切換PRI調(diào)制模式。

根據(jù)定義的四種特征，建立極值序列特征集

f={f1,f2,f3,f4}

(13)

因此，對(duì)每一個(gè)PRI序列樣本，都有包含上述四個(gè)極值特征的特征集合，可以用該特征集表征五種PRI調(diào)制信號(hào)的調(diào)制特征。

進(jìn)一步分析上述識(shí)別特征的識(shí)別能力。由于恒參PRI調(diào)制可以通過(guò)恒參特征快速識(shí)別，因此考慮特征f2、f3、f4，建立三維特征空間，如圖2所示。該圖模擬四種PRI調(diào)制方式的特征分布，每一種調(diào)制方式設(shè)置1 000個(gè)信號(hào)樣本?？梢钥吹絇RI調(diào)制模式可以較好地區(qū)分開(kāi)來(lái)(其中，滑變PRI調(diào)制樣本的f2、f3、f4值相同，樣本重合點(diǎn)較多)，本文選取的識(shí)別特征可以用于PRI調(diào)制模式識(shí)別。

圖2　三維特征空間中的PRI調(diào)制樣本分布

3基于極值序列特征集的PRI調(diào)制模式分層識(shí)別算法

本文提出了一種復(fù)雜體制雷達(dá)PRI調(diào)制模式分層識(shí)別算法。根據(jù)五種PRI調(diào)制模式的特征可將調(diào)制模式分為三層：恒參PRI調(diào)制的PRI值保持不變，定義為恒參層；正弦PRI調(diào)制和滑變PRI調(diào)制的PRI序列具有類(lèi)似正弦函數(shù)的形態(tài)，定義為類(lèi)正弦層；抖動(dòng)PRI調(diào)制和駐留與切換PRI調(diào)制的PRI序列常出現(xiàn)PRI值的較大變化，定義為跳變層。五種PRI調(diào)制模式的分層如圖3所示。

圖3　PRI調(diào)制模式分層

在進(jìn)行PRI調(diào)制識(shí)別之前，先對(duì)TOA測(cè)量得到的PRI序列數(shù)據(jù)進(jìn)行預(yù)處理。預(yù)處理方法采用文獻(xiàn)[13]中的方法，包括對(duì)脈沖丟失和欺騙脈沖進(jìn)行補(bǔ)償，然后對(duì)PRI序列進(jìn)行去直流處理。對(duì)PRI序列調(diào)制模式分層識(shí)別流程如圖4所示。

圖4　識(shí)別算法流程

(1) 恒參識(shí)別：對(duì)PRI序列判定其恒參特征，若f1小于誤差范圍，C1取值為1，判定為恒參PRI調(diào)制，反之，執(zhí)行第(2)步；

(2) 極值序列提?。喊?.1節(jié)所述提取PRI序列極值；

(3) 類(lèi)正弦識(shí)別：對(duì)PRI極值序列進(jìn)行周期特征判定，若f2小于誤差范圍，C2取值為1，判定為類(lèi)正弦PRI調(diào)制，執(zhí)行第(4)步，反之，執(zhí)行第(5)步；

(4) 正弦識(shí)別：對(duì)PRI極值序列進(jìn)行正弦特征判定，若f3小于誤差范圍，C3取值為1，判定為正弦PRI調(diào)制，反之，執(zhí)行判定為滑變PRI調(diào)制；

(5) 抖動(dòng)識(shí)別：計(jì)算PRI序列的抖動(dòng)比，當(dāng)抖動(dòng)比大于設(shè)定閾值α?xí)r，判定該P(yáng)RI序列調(diào)制模式為抖動(dòng)PRI調(diào)制，反之判為駐留與切換PRI調(diào)制模式。

根據(jù)識(shí)別算法第(3)步可估計(jì)類(lèi)正弦PRI調(diào)制的調(diào)制周期。調(diào)制周期可通過(guò)式(14)估計(jì)

(14)

式中：N0為極大值序列元素?cái)?shù)。

4仿真分析

4.1仿真參數(shù)設(shè)置

仿真參數(shù)設(shè)置：PRI序列長(zhǎng)度為100，PRI值在100 μs～10 ms范圍內(nèi)[1]，PRI序列中心值為5 ms，無(wú)意調(diào)制誤差范圍為PRI均值的1%。同時(shí)在PRI序列中分別加入0～20個(gè)隨機(jī)噪聲脈沖(包括脈沖丟失和欺騙脈沖)測(cè)試正確識(shí)別率。PRI調(diào)制信號(hào)類(lèi)型設(shè)置如下：

(1) 恒參PRI調(diào)制信號(hào)，PRI均值為5 ms；

(2) 抖動(dòng)PRI調(diào)制信號(hào)，隨機(jī)抖動(dòng)符合均勻分布，抖動(dòng)范圍為PRI均值的40%；

(3) 滑變PRI調(diào)制信號(hào)，PRI序列滑變范圍為PRI均值的20%，周期長(zhǎng)度為(10,40)；

(4) 駐留與切換PRI調(diào)制信號(hào)，采用三重頻PRI調(diào)制模式，周期長(zhǎng)度為(45,60)；

(5) 正弦PRI調(diào)制信號(hào)，周期長(zhǎng)度為(20,80)，變化范圍為PRI均值的20%。

極值序列特征集的特征門(mén)限設(shè)置：恒參特征門(mén)限ε1取值為無(wú)意調(diào)制誤差范圍，即PRI均值的1%；然后在噪聲脈沖比例為20%條件下通過(guò)隨機(jī)產(chǎn)生100 000個(gè)信號(hào)樣本進(jìn)行仿真測(cè)試，根據(jù)滑變PRI調(diào)制模式的正確識(shí)別率確定類(lèi)正弦特征門(mén)限ε2，根據(jù)正弦PRI調(diào)制模式的正確識(shí)別率確定正弦特征門(mén)限ε3。圖5為滑變PRI調(diào)制模式識(shí)別率隨類(lèi)正弦特征門(mén)限變化的仿真結(jié)果，當(dāng)門(mén)限大于7后，識(shí)別正確率已達(dá)到99.9%。圖6為正弦PRI調(diào)制模式識(shí)別率隨正弦特征門(mén)限變化的仿真結(jié)果，當(dāng)門(mén)限大于15后，識(shí)別正確率已達(dá)到100%。因此，類(lèi)正弦特征門(mén)限α取7，正弦特征門(mén)限取15。

圖5　類(lèi)正弦特征門(mén)限取值仿真

圖6　正弦特征門(mén)限取值仿真

抖動(dòng)特征門(mén)限α可根據(jù)前期偵察所獲得的先驗(yàn)信息設(shè)定，本文通過(guò)對(duì)抖動(dòng)PRI調(diào)制信號(hào)樣本仿真確定。圖7所示為抖動(dòng)范圍為20%，采樣信號(hào)序列長(zhǎng)度為(10, 200)條件下高斯抖動(dòng)和均勻抖動(dòng)兩種抖動(dòng)方式的抖動(dòng)比仿真結(jié)果。由圖7可知在兩種抖動(dòng)方式下α大于0.5，即抖動(dòng)方式下的極值占總采樣點(diǎn)數(shù)的比例高于50%，遠(yuǎn)高于其他調(diào)制模式。因此，抖動(dòng)特征門(mén)限α取0.5。

圖7　抖動(dòng)PRI調(diào)制模式下的抖動(dòng)比

4.2仿真實(shí)驗(yàn)及結(jié)果分析

仿真在不同噪聲脈沖比例(0%～20%)下對(duì)四種PRI調(diào)制模式分別產(chǎn)生100 000個(gè)隨機(jī)調(diào)制參數(shù)的PRI序列樣本，比較兩種算法的正確識(shí)別率。正確識(shí)別率P定義為

(15)

圖8為本文算法與文獻(xiàn)[13]算法的性能對(duì)比。

圖8　兩種算法識(shí)別正確率比較

從仿真結(jié)果可以看出，在噪聲脈沖比例由0%逐漸增加到20%的情況下，本文算法與文獻(xiàn)[13]算法對(duì)駐留與切換PRI調(diào)制模式信號(hào)的識(shí)別準(zhǔn)確率可達(dá)100%；對(duì)于滑變PRI調(diào)制信號(hào)，本文算法的識(shí)別準(zhǔn)確率在噪聲脈沖比例增加的情況下仍可達(dá)98.9%以上，而文獻(xiàn)[13]的識(shí)別準(zhǔn)確率則由91.7%逐漸降低到75.1%；對(duì)于正弦PRI調(diào)制信號(hào)，本文算法準(zhǔn)確率保持在98.3%以上，而文獻(xiàn)[13]的識(shí)別準(zhǔn)確率由98.8%下降至98.2%；對(duì)于抖動(dòng)PRI調(diào)制信號(hào)，隨著噪聲脈沖的增加，文獻(xiàn)[13]的正確識(shí)別率由99%逐漸下降到77.4%，而本文的正確識(shí)別率由100%下降到95.3%。從識(shí)別算法性能對(duì)比可知本文算法有效性高于文獻(xiàn)[13]算法。

原因之一是本文選取的特征門(mén)限較為合適，使得本文算法識(shí)別性能較好。此外，由于文獻(xiàn)[13]選取PRI序列自相關(guān)函數(shù)特征識(shí)別其調(diào)制模式，在預(yù)處理中對(duì)脈沖丟失處取值為丟失處的后一個(gè)PRI值，對(duì)欺騙脈沖采用中值濾波器濾波，因而導(dǎo)致滑變、正弦、抖動(dòng)PRI序列時(shí)域形態(tài)變化，進(jìn)一步導(dǎo)致其自相關(guān)函數(shù)變化較大。因此，本文算法識(shí)別正確率高于文獻(xiàn)[13]算法的識(shí)別正確率。而預(yù)處理方法對(duì)駐留與切換調(diào)制PRI序列影響較小，因此兩種算法對(duì)駐留與切換PRI調(diào)制識(shí)別率高于其余三種調(diào)制模式的識(shí)別率。

對(duì)于恒參PRI調(diào)制模式，本文通過(guò)仿真得出隨著噪聲增加，經(jīng)過(guò)預(yù)處理后本文算法對(duì)恒參PRI調(diào)制模式的識(shí)別率可保持在100%。文獻(xiàn)[13]未對(duì)恒參PRI調(diào)制模式進(jìn)行識(shí)別，所以不進(jìn)行比較。

為驗(yàn)證本文算法的運(yùn)算速度性能。在噪聲脈沖比例為20%時(shí)對(duì)四類(lèi)調(diào)制模式樣本比較兩種算法的算法復(fù)雜度。表2是四種PRI調(diào)制信號(hào)的識(shí)別時(shí)間對(duì)比。

表2算法復(fù)雜度對(duì)比10-4s

PRI調(diào)制模式抖動(dòng)滑變駐留與切換正弦文獻(xiàn)[13]2.972.993.343.36本文1.971.281.311.54

從表2的算法復(fù)雜度對(duì)比可知，文獻(xiàn)[13]采用的PRI序列自相關(guān)函數(shù)特征法的識(shí)別時(shí)間遠(yuǎn)大于本文算法。這是因?yàn)槲墨I(xiàn)[13]中PRI序列自相關(guān)函數(shù)的計(jì)算比本文基于時(shí)域極值序列特征的計(jì)算更加復(fù)雜，導(dǎo)致運(yùn)算復(fù)雜度增加。因此，在ESM的實(shí)際應(yīng)用中本文算法更有優(yōu)勢(shì)。

5結(jié)束語(yǔ)

在復(fù)雜體制雷達(dá)技術(shù)不斷發(fā)展的背景下，對(duì)PRI調(diào)制模式的快速識(shí)別技術(shù)研究將不斷發(fā)展深入。本文針對(duì)雷達(dá)PRI調(diào)制模式識(shí)別時(shí)存在的問(wèn)題，提出一種基于極值序列特征集的識(shí)別算法。該算法通過(guò)提取PRI序列極值特征，建立極值序列特征集，并在此基礎(chǔ)上對(duì)脈沖信號(hào)的PRI調(diào)制模式進(jìn)行分層識(shí)別。該算法可有效區(qū)分五種雷達(dá)PRI調(diào)制模式，同時(shí)還可以估計(jì)PRI調(diào)制模式的調(diào)制周期，不僅有效減少了識(shí)別算法復(fù)雜度，而且具有較高的識(shí)別準(zhǔn)確度，在電子對(duì)抗領(lǐng)域應(yīng)用前景廣闊。

參 考 文 獻(xiàn)

[1]王星. 航空電子對(duì)抗原理[M]. 北京：國(guó)防工業(yè)出版社, 2008.

WANG Xing. Airborne electronic counter-measures theory[M]. Beijing: National Defense Industry Press, 2008.

[2]ARASARATNAM I, HAYKIN S, KIRUBARAJAN T, et al. Tracking the mode of operation of multifunction radars[C]//IEEE Conference on Radar. [S.l.]: IEEE Press, 2006.

[3]馬爽, 王瑩桂, 柳征, 等. 基于序列比對(duì)的多功能雷達(dá)搜索規(guī)律識(shí)別方法[J].電子學(xué)報(bào), 2012, 40(7): 1434-1439.

MA Shuang, WANG Yinggui, LIU Zheng, et al. A method for search schema recognition of multifunction radars based on sequence alignment[J]. Acta Electronica Sinica, 2012, 40(7): 1434-1439.

[4]馬爽, 柳征, 姜文利. 生物基因技術(shù)在多功能雷達(dá)信號(hào)解析中的應(yīng)用[J]. 電子學(xué)報(bào), 2013, 41(12): 2374- 2381.

MA Shuang, LIU Zheng, JIANG Wenli. The application of gene techniques to multifunction radar signal analysis[J]. Acta Electronica Sinica, 2013, 41(12): 2374-2381.

[5]WIRTH W D. Radar techniques using array antennas[M]. London: Institution of Electrical Engineers, 2001.

[6]丁鷺飛, 耿富錄, 陳建春. 雷達(dá)原理[M]. 北京: 電子工業(yè)出版社, 2012.DING Lufei, GENG Fulu, CHEN Jianchun. Principle of radar[M]. Beijing: Publishing House of Electronics Industry, 2012.

[7]AHMED S, ALOUINI M S. MIMO radar transmit beampattern design without synthesising the covariance matrix[J]. IEEE Transactions on Signal Processing, 2014, 62(9): 2278-2289.

[8]劉京然, 王星, 王黨衛(wèi). OFDM-MIMO 雷達(dá)運(yùn)動(dòng)目標(biāo)回波相參積累方法[J]. 現(xiàn)代雷達(dá), 2014, 36(12): 43-47.

LIU Jingran, WANG Xing, WANG Dangwei. Conherent integral method of the movement-target echoes of OFDM-MIMO radar[J]. Modern Radar, 2014, 36(12): 43-47.

[9]WILEY R G, EBRARY I. ELINT: The interception and analysis of radar signals[M]. Wiley: Artech House, 2006.

[10]YOU M L, JIANG T. New method for target identification in a foliage environment using selected bispectra and chaos particle swarm optimisation-based support vector machine[J]. IET Signal Processing, 2014, 8(1): 76-84.

[11]王春雷, 張磊. 一種新的雷達(dá)PRI調(diào)制特征提取方法[J]. 現(xiàn)代雷達(dá), 2009, 31(5): 48-50.

WANG Chunlei, ZHANG Lei. A new feature extraction method for radar PRI modulation[J]. Modern Radar, 2009, 31(5): 48-50.

[12]NOONE G P. A neural approach to tracking radar pulse trains with complex pulse repetition interval modulations[C]//6th International Conference on Neural Information Processing. [S.l.]: IEEE Press, 1999, 1075-1080.

[13]RYOO Y J, SONG K H, KIM W W. Recognition of PRI modulation types of radar signals using the autocorrelation[J]. IEICE Transactions on Communication, 2007, 90(5): 1290-1294.

[14]AHMADI M. MOHAMEDPOUR K. PRI modulation type recognition using level clustering and autocorrelation[J]. American Journal of Signal Processing, 2012, 2(5):83-91.

[15]胡國(guó)兵. 雷達(dá)信號(hào)調(diào)制識(shí)別相關(guān)技術(shù)研究[D]. 南京: 南京航空航天大學(xué)，2011:30-32.

HU Guobing. A study on related techniques for modulation recognition of radar signals[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2011:30-32.

[16]李振興, 張國(guó)毅, 盧景雙. 改進(jìn)的相控陣?yán)走_(dá)信號(hào)檢測(cè)方法[J]. 吉林大學(xué)學(xué)報(bào)(自然科學(xué)版), 2010, 28(5): 445-452.

LI Zhenxing, ZHANG Guoyi, LU Jingshuang. Improved detection method for phased-array radar signal[J]. Journal of Jilin University (Information Science Edition), 2010, 28(5): 445-452.

周一鵬男，1992年生，碩士研究生。研究方向?yàn)殡娮觽刹炫c信號(hào)處理。

王星男，1965年生，教授，博士生導(dǎo)師。研究方向?yàn)殡娮訉?duì)抗理論與技術(shù)。

田元榮男，1989年生，博士研究生。研究方向?yàn)槲⑷跣盘?hào)偵收與分選。

周東青男，1988年生，博士研究生。研究方向?yàn)榻M網(wǎng)電子對(duì)抗理論與技術(shù)。

程嗣怡男，1980年生，副教授。研究方向?yàn)殡娮訉?duì)抗理論與技術(shù)。

A Recognition Algorithm for Radar PRI Modulation Mode Based on Extremum Sequence Features Set

ZHOU Yipeng，WANG Xing，TIAN Yuanrong, ZHOU Dongqing，CHENG Siyi

(College of Aeronautics and Astronautics Engineering, Air Force Engineering University,Xi′an 710038, China)

Abstract：The recognition of pulse repetition interval(PRI) modulation mode is meaningful for analyzing the condition and task of radar. In order to recognize advanced radar which could change its PRI modulation mode and parameters quickly, a recognition algorithm based on extremum sequence features set is proposed. Firstly, by extracting the extremum sequence features from PRI sequence, the PRI extremum features set is constructed. Then the judge criterions of five PRI modulation modes based on PRI sequence and its extremum features set is proposed. Finally, a multi-layer recognition algorithm is presented. The result shows that the recognition algorithm has preferable recognition correct rate(95.3%), and could classify the PRI modulation modes quickly, so the research has a good application prospect in electronic support measures.

Key words：extremum sequence features set; hierarchical identification; PRI modulation mode; features extraction

DOI：10.16592/ j.cnki.1004-7859.2016.05.010

基金項(xiàng)目：航空科學(xué)基金資助項(xiàng)目(20152096019)；航空科學(xué)基金資助項(xiàng)目(20145596025)

通信作者：周一鵬Email：zhou_yipeng@163.com

收稿日期：2015-11-20

修訂日期：2016-01-22

中圖分類(lèi)號(hào)：TN957

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1004-7859(2016)05-0037-05