基于時頻特征提取的雷達有源干擾識別

郝萬兵　馬若飛　洪　偉

(西安電子工程研究所　西安　710100)

0　引言

信息化戰(zhàn)爭中，雷達面臨著越來越復(fù)雜多變的有源干擾威脅，為了保證雷達在復(fù)雜電磁環(huán)境中的探測能力，提高雷達對有源干擾信號的識別能力非常重要。論文從雷達有源干擾信號特性出發(fā)，圍繞雷達有源干擾信號的類型識別進行研究，并開展了基于多類型特征的信號識別仿真驗證，為后續(xù)雷達抗干擾提供先驗信息，以便更有針對性地采取相應(yīng)措施進行雷達反對抗[5]。

論文通過分析有源干擾信號的時頻域特征，確定有源干擾信號識別系統(tǒng)的功能與組成，干擾信號識別的大致過程為通過對干擾信號進行變換得到特征矢量，再使用分類器實現(xiàn)分類識別。首先對五種典型雷達有源干擾信號進行建模分析，采用Choi-Williams分布作為干擾信號的描述方法，給出了基于得到的干擾信號時頻二維分布圖像。然后將干擾信號從信號空間變換到特征空間，采用了由信號時頻域特征組成的干擾信號特征矢量。得到信號特征矢量之后，論文采用SVM分類器實現(xiàn)干擾信號類型識別，通過仿真實驗驗證了這種分類器設(shè)計的可行性。

1　雷達有源干擾建模

對五種典型雷達有源干擾信號進行建模分析。

1.1　拖引干擾

距離-速度同步拖引干擾主要用于干擾具有距離-速度兩維信息監(jiān)測與跟蹤能力的雷達，如脈沖多普勒雷達，同時達到距離欺騙與速度欺騙的目的。其工作原理是：使得距離拖引時延與速度拖引干擾多普勒頻移滿足一定的對應(yīng)關(guān)系，使干擾效能更大化[1]。拖引干擾產(chǎn)生過程包括三個階段，分別是捕獲期、拖引期、停拖期。

假設(shè)雷達接收到的真實回波信號形式為

(1)

則距離-速度同步拖引干擾信號為

(2)

其中，Us和Uj分別為真實回波信號與干擾信號的幅度，f0為雷達信號的中心頻率，fd為真實回波信號的頻移，fdj為虛假多普勒頻率，R(t)為真實目標與雷達之間的距離，Δtf為距離拖引干擾信號相對于真實回波信號的延遲時間。

1.2　密集假目標干擾

假設(shè)雷達發(fā)射信號為

s(t)=exp[j2π(f0t+0.5kt2)],0≤t≤T

(3)

密集假目標干擾產(chǎn)生過程：將s(t)延遲疊加得到干擾信號為[6]

(4)

其中n為假目標長度，L為雷達發(fā)射信號長度，k為發(fā)射信號分隔片數(shù)。

1.3　間歇采樣轉(zhuǎn)發(fā)干擾

雷達信號的脈寬為T，采樣時間為t1，間歇時間為t2，發(fā)射機在接收機間歇時間內(nèi)轉(zhuǎn)發(fā)接收機在采樣時間中采樣到的信號，因此干擾信號處理器在得到大時寬雷達信號時，高保真采樣其中一小段信號后馬上進行處理轉(zhuǎn)發(fā)，然后再采樣、處理轉(zhuǎn)發(fā)下一段，采樣轉(zhuǎn)發(fā)分時交替工作直至信號脈沖結(jié)束，系統(tǒng)的接收和干擾在整個脈沖寬度內(nèi)分時工作[2-3]。

假設(shè)雷達發(fā)射信號為

s(t)=exp[j2π(f0t+0.5kt2)],0≤t≤T

(5)

根據(jù)間歇采樣轉(zhuǎn)發(fā)干擾產(chǎn)生過程，第一個采樣過程可以表示為

(6)

其中m為采樣片段子脈沖個數(shù)，n是每一段的時隙數(shù)，則雷達發(fā)射信號被分成了m×n段。則子脈沖p(t)的脈沖脈寬為τ=T/mn。干擾信號可以表示為

(7)

其中，pj(t)為第j個采樣信號片段。

1.4　示樣脈沖轉(zhuǎn)發(fā)干擾

雷達信號的脈寬為T，采樣時間為t1，干擾信號處理器在得到大時寬雷達信號時，高保真采樣前面一小段信號后馬上進行重復(fù)處理轉(zhuǎn)發(fā)，直至信號脈沖結(jié)束，系統(tǒng)的接收和干擾在整個脈沖寬度內(nèi)是分時工作的，實現(xiàn)過程相對間歇采樣轉(zhuǎn)發(fā)干擾較簡單。

1.5　噪聲干擾

噪聲干擾產(chǎn)生方式較多，應(yīng)選擇高斯分布特性較好的干擾信號，本文選用方式為通過m序列發(fā)生器產(chǎn)生均勻的隨機序列來白化處理產(chǎn)生高斯白噪聲，m序列發(fā)生器產(chǎn)生的隨機數(shù)性能的好壞直接影響到高斯白噪聲的優(yōu)劣。設(shè)計采用的是移位寄存器，m序列發(fā)生器產(chǎn)生的數(shù)據(jù)可以近似認為符合(0，1)均勻分布，即均勻分布的白噪聲。使用Box-Muller變換法將m序列輸出的隨機數(shù)變成服從高斯分布的隨機數(shù)，該變換定義為

(8)

其中，r1,r2為m序列輸出相互獨立的隨機數(shù)，得到的x1,x2是服從(0，1)高斯分布相互正交的隨機數(shù)，分別作為噪聲數(shù)據(jù)的同相和正交分量。因為對噪聲帶寬和功率有相應(yīng)的要求，在得到高斯隨機數(shù)之后將數(shù)據(jù)送入FIR濾波器和功率控制器。

2　干擾信號描述方法

要在時頻分布圖上較好地描述干擾信號，需要好的時頻局部聚集性，雙線性時頻分布在這一方面最有優(yōu)勢。但是在同時多信號的情況下Wigner-Ville分布會出現(xiàn)較為嚴重的交叉干擾項，使正確截獲、分析干擾信號變得非常困難，因此論文采用WVD的平滑形式，即Choi-Williams分布(CWD)作為干擾信號的描述方法。這種變換在對交叉項進行抑制的同時最大限度地保證不損失信號項的能量。以下是Choi-Williams分布的表達式：

x(t+τ/2)·x*(t-τ/2)·exp(-jωτ)dudτ

(9)

Choi-Williams分布使用的核函數(shù)偏重于抑制遠離原點的交叉項，這種特征對于大多數(shù)脈內(nèi)調(diào)制信號來說是合適的，因此對于由雷達脈內(nèi)調(diào)制信號調(diào)制轉(zhuǎn)發(fā)的干擾信號也是合適的，因為交叉項并非出現(xiàn)在原點附近。

從圖1中可以看出不同干擾信號在Choi-Williams時頻分布圖有著明顯不同的特征。拖引干擾信號在其信號持續(xù)時間內(nèi)頻率隨著時間近似線性變化，在其時頻分布圖上表現(xiàn)為傾斜的直線，直線所在的縱坐標就是該信號的的頻率值。密集假目標干擾由于其產(chǎn)生方式為延時疊加法，所以在時頻圖像上表現(xiàn)為一組平行直線，等頻率線在時域上長度保持不變。示樣脈沖干擾是對雷達信號的前面一小段信號采樣并連續(xù)轉(zhuǎn)發(fā)得到，所以其時頻圖像表現(xiàn)為一條直線，但是會有等間隔的相位突變點，突變點的個數(shù)與轉(zhuǎn)發(fā)次數(shù)相同。間歇采樣轉(zhuǎn)發(fā)干擾是對雷達信號采樣轉(zhuǎn)發(fā)，再采樣再轉(zhuǎn)發(fā)，采樣信號片段的頻率逐漸增大，所以在時頻圖上變現(xiàn)為一條傾斜直線，也有等間隔的相位突變點。噪聲干擾分為窄帶噪聲與寬帶噪聲，由于其高斯分布特性，所以在時頻圖上沒有恒定規(guī)律。

3　基于時頻分析的特征提取

在圖1中可以發(fā)現(xiàn)不同類型干擾信號在時頻分布圖中的特性相差很大，并且干擾參數(shù)也會在信號的時頻圖中表現(xiàn)出來。在干擾信號時頻圖像處理過程中使用有效方法提取圖像邊緣信息?？梢詮膱D1中發(fā)現(xiàn)，不同類型干擾信號在時頻圖上的輪廓有明顯差異，這里使用圖像的邊緣信息對信號時頻圖像特征進行處理，處理后的圖像如圖2所示，此處拖引干擾為距離-速度同步拖引干擾，步驟如下[4]：

第二步：對灰度圖像進行中值濾波，改善圖像的信噪比；

第三步：去除信號不存在的時間段，對于一段時間，如果所有頻率的圖像值都小于特定的固定門限則認為這段時間不存在信號，可以從數(shù)據(jù)中剔除這段時間；

第四步：對圖像進行基于最大熵的分割，利用Canny算子得到邊緣圖像，經(jīng)過了圖像分割基本上可以消除噪聲的影響，但是分割得到的邊緣圖像可能是不連續(xù)的；

第五步：對邊緣圖像使用數(shù)學(xué)形態(tài)學(xué)方法，基于邊緣圖像不連續(xù)的特征，選擇先膨脹再腐蝕的閉合算法，可以實現(xiàn)邊緣信息的最優(yōu)化體現(xiàn)；

第六步：對處理后的圖像矩陣使用奇異值分解，并使用第二位到第十位共九位奇異值作為識別的特征參數(shù)，這里沒有選擇奇異值的第一位是因為它的值恒為1，沒有識別能力，記為{X2,X3,...X10}。

4　分類識別

信號特征分析與提取是分類器設(shè)計的前期工作，所以上文中實現(xiàn)了干擾信號從信號空間到特征空間的變換，本節(jié)分類器的作用是完成從特征空間到?jīng)Q策空間的變換，按某一準則將特征矢量歸入不同類別中，從而完成干擾信號類型的自動識別。

論文采用SVM作為分類器，SVM是從線性可分情況下的最優(yōu)分類面發(fā)展而來的，是結(jié)構(gòu)風險最小化準則的具體實現(xiàn)，它構(gòu)造的最優(yōu)超平面不但能將兩類樣本正確分開，而且能使兩類樣本的分類間隔達到最大。當樣本點可分時，采用如下的決策函數(shù)對樣本點進行分類：

f(x)=sign(ω*·Φ(x)+b*)

(10)

其中，Φ(x)為核函數(shù)，ω*和b*分別為最優(yōu)分類面的權(quán)重矢量和偏置。當樣本線性不可分時，可以通過非線性變換轉(zhuǎn)化為某個高維空間中的線性問題，在變換空間求最優(yōu)分類面[4]。

為了驗證算法的有效性，依照前文所建立的干擾信號模型，產(chǎn)生拖引干擾、密集假目標干擾、間歇采樣轉(zhuǎn)發(fā)干擾、示樣脈沖轉(zhuǎn)發(fā)干擾、噪聲干擾五類信號。雷達的發(fā)射信號為LFM信號，信號帶寬為5MHz，脈寬為20μs，信號采樣率fs取為60MHz，干擾機的固有延遲為200ns，信號載頻fc從3MHz到8MHz均勻變化，距離拖引速度從600m/s到900m/s均勻變化，速度拖引速度從40kHz/s到60kHz/s均勻變化。密集假目標單假目標時長從0.5μs到2.5μs均勻變化，假目標個數(shù)為32。示樣脈沖采樣時長從0.5μs到2.5μs均勻變化，間歇采樣轉(zhuǎn)發(fā)干擾采樣時間與轉(zhuǎn)發(fā)時間均從0.5μs到2.5μs均勻變化。噪聲干擾選擇窄帶干擾模式與寬帶干擾模式，噪聲帶寬從10MHz到100MHz均勻變化。干擾信號干信比為5dB。這里仿真次數(shù)為240次，其中40次實驗的信號特征量作為主分類器的訓(xùn)練樣本，其余200次實驗結(jié)果用于測試算法的識別成功率。

實驗一：信噪比中點設(shè)為15dB，信噪比變化范圍大小分別為0dB、5dB、10dB和15dB，分別對應(yīng)著仿真中信號的SNR在15dB、12.5～17.5dB、10～20dB和7.5～22.5dB之間均勻分布。

表1實驗一中各類型信號的識別成功率

　　類型ΔSNR　拖引密集假目標示樣脈沖間歇脈沖噪聲0dB100．00%99．35%99．75%99．75%98．00%5dB100．00%98．58%98．65%98．00%98．75%10dB99．75%97．25%98．85%97．25%98．25%15dB97．65%97．15%97．75%97．00%97．65%

實驗二：信噪比中點設(shè)為10dB，信噪比變化范圍大小分別為0dB、5dB、10dB和15dB，分別對應(yīng)著仿真中信號的SNR在10dB、7.5～12.5dB、5～15dB和2.5～17.5dB之間均勻分布。

表2實驗二中各類型信號的識別成功率

　　類型ΔSNR　拖引密集假目標示樣脈沖間歇脈沖噪聲0dB100．00%99．15%99．25%99．15%98．25%5dB99．25%98．75%98．75%98．75%97．95%10dB99．00%98．25%98．56%97．35%98．85%15dB97．25%97．35%97．35%95．55%99．00%

實驗三：信噪比中點設(shè)為5dB，信噪比變化范圍大小分別為0dB、5dB、10dB和15dB，分別對應(yīng)著仿真中信號的SNR在5dB、2.5～7.5dB、0～10dB和-2.5～12.5dB之間均勻分布。

表3實驗三中各類型信號的識別成功率

　　類型ΔSNR　拖引密集假目標示樣脈沖間歇脈沖噪聲0dB99．75%98．75%98．25%97．75%98．15%5dB98．25%98．25%97．56%96．25%98．25%10dB97．35%97．95%96．25%96．15%98．56%15dB97．25%96．25%95．75%95．25%97．35%

以上三個實驗得到的實驗結(jié)果分別見表1、表2和表3，可以從中得到關(guān)于該識別算法的性能特性：

(1)對于參數(shù)可變的干擾信號，識別性能依然優(yōu)良，實際上通過特征量性能仿真分析與分類器的分析可以得到干擾參數(shù)變化對特征量和分類器的性能都有影響，這里的三個實驗都是針對參數(shù)變化的干擾信號，較高的識別成功率說明綜合兩者的設(shè)計使得整個設(shè)計具備在干擾參數(shù)變化的條件下穩(wěn)定、準確地完成識別的能力。

(2)三個實驗都設(shè)計成SNR中心不變、SNR的范圍逐漸變大，可以看出SNR變化范圍對識別效果的影響，通過觀察實驗數(shù)據(jù)發(fā)現(xiàn)隨著SNR變化范圍的變化，三種不同SNR水平下干擾信號的識別成功率都沒有發(fā)生明顯的下降，這說明該方法具備在大SNR變化范圍內(nèi)穩(wěn)定、準確地完成識別的能力。

5　結(jié)束語

論文采用信號時頻圖像特征組成干擾信號特征矢量，仿真實驗表明，識別效果良好。但是運算量較大，不利于工程實現(xiàn)，如何提取更高效的特征參數(shù)有待進一步研究，對雷達有源干擾信號的識別不能停留于理論研究，需要進一步工程化來滿足雷達抗干擾需求。

參考文獻:

[1]趙國慶.雷達對抗原理[M].西安: 西安電子科技大學(xué)，1999.

[2]田曉．雷達有源欺騙干擾綜合感知方法研究[D] . 成都: 電子科技大學(xué)，2013.

[3]易咸煜．雷達有源干擾識別及抗干擾措施優(yōu)化選擇[D] . 成都: 電子科技大學(xué)，2010.

[4]徐偉. 雷達信號識別技術(shù)研究[D].西安: 西安電子工程研究所, 2011.

[5]DavidAdamy.電子戰(zhàn)原理與應(yīng)用[M].北京: 電子工業(yè)出版社，2011.

[6]周青松，劉春泉等.對LFM信號的幾種干擾樣式的比較[J].現(xiàn)代防御技術(shù)，2008,36(5): 153-156.