基于典型PRI序列的重點雷達信號快速靶向識別*

朱永成,潘繼飛,金天祥,沈家煌

(國防科技大學電子對抗學院,合肥 230037)

0 引言

在現(xiàn)代化的戰(zhàn)場上,能夠提前一秒做出相應的準備,就能夠多爭取一分勝利的希望。由于前期的雷達對抗情報偵察,戰(zhàn)時對作戰(zhàn)區(qū)域或者作戰(zhàn)對象所擁有的雷達有一定的了解,因此如何利用現(xiàn)有的條件,能夠準確、快速識別出敵方的雷達信號是一個值得深入研究的課題。

圖1 常規(guī)雷達信號處理流程

現(xiàn)有的基于脈沖重復周期(PRI)的分選算法,包括PRI搜索算法[1-3]、基于PRI變換的分選算法[4-6]、PRI直方圖法[7]、基于平面變換的分選算法[8]等。利用分選算法對接收機接收到的信號進行處理,利用不同雷達的PRI之間的差異性以及同一部雷達PRI的規(guī)律性,把每部雷達信號單獨分離出來,即完成常規(guī)PRI序列的分選,如圖1所示。然后再和已知雷達的PRI數據庫進行對比,才能完成對雷達信號的識別。這一過程中分選算法進行了大量的運算處理,尤其一些分選效果較好的算法,是以犧牲大量的運算時間來達到較好的分選效果。針對傳統(tǒng)的PRI分選算法難以有效的對重點雷達信號進行快速識別的問題,提出一種利用基于典型PRI序列的重點雷達信號快速靶向識別,分選的針對性較強,算法的運算復雜度相對較小,分選出來的雷達信號就是感興趣的雷達信號,如圖2所示。

圖2 基于典型PRI序列的重點雷達信號快速靶向識別的 處理流程

1 傳統(tǒng)PRI搜索算法

PRI搜索算法[1-3]是以兩個脈沖到達時間相減,并以此間隔與脈沖流進行匹配,如果匹配的脈沖數達到設定的閾值,則成功分選出該PRI序列的脈沖。若匹配脈沖數到不到要求,則以其他的時間間隔,與脈沖流繼續(xù)匹配,算法流程如圖3所示。

2 基于PRI典型序列的重點雷達信號快速靶向識別的處理流程

快速靶向識別處理流程是先提取重點雷達信號的典型PRI模板序列,利用已知的PRI模板序列對接收到的脈沖流進行匹配,達到靶向識別的目的,若全脈沖中含有重點雷達信號,則該重點雷達信號的典型PRI模板序列會與全脈沖中的信號多次匹配滿足識別閾值條件,將匹配的脈沖抽取出來,實現(xiàn)雷達信號的識別,則將該脈沖從總的輸入脈沖中扣除。若全脈沖中不含有該重點雷達信號,則不具有該性質。對剩下的脈沖進行常規(guī)方法處理。采用并行的數據處理方式,不同的PRI模板可以同時進行處理。

2.1 典型PRI序列模板建模

通常接收機接收到的雷達信號是一串脈沖序列信號,該脈沖序列中的每個脈沖只需要一個特征參數進行描述。表達式為：

X=(x1,x2,…,xN)

(1)

圖3 PRI搜索算法的流程圖

圖4 基于典型PRI序列快速靶向識別的數據處理流程

一般情況,同一部雷達在某一工作狀態(tài)下的脈沖重復周期內變化類型包括重頻固定、重頻參差、重頻抖動、重頻聯(lián)合變化等,通常一個典型的PRI模板序列就可以對該雷達信號進行準確表示。周期之間的PRI一般是重復的。在實際的識別處理中,PRI序列模板只需能對重點雷達信號完成快速識別。重點雷達信號的典型PRI模板序列可以是完整周期序列或者完整周期中的部分序列,相對于單個PRI來說,PRI序列模板描述的是多個脈沖之間的時間關系,對重點雷達信號的描述更加準確,圖5是一個重頻四參差信號,典型的PRI序列表示為:

(2)

式中:X1、X2、X3和X4分別表示圖5中的典型序列1、2、3和4,脈沖重復周期參數取值是一個區(qū)間。

圖5 重頻四參差脈沖信號的典型PRI序列的示意圖

為便于計算,PRI模板序列模型化單位沖擊函數,式(2)中是某雷達在某工作模式下的典型PRI模板,模板X2的PRI模板周期為:

Format=T1+T2+T3+T4

(3)

設典型PRI序列有L個脈沖,則：

Format=T1+T2+…+TL-1

(4)

典型PRI模板序列中首個脈沖的TOA設為0,則第l個脈沖的TOA為:

Formatl=T0+T1+T2+…+Tl-1(1≤l≤L)

(5)

式中:T0=0,對應典型PRI序列的第一個脈沖的TOA。則PRI模板模型化為單位沖擊函數的和:

(6)

2.2 全脈沖建模處理

設全脈沖共有N個脈沖,脈沖的到達時間為tn(n=1,2,…,N),將脈沖序列模型化為單位沖擊函數的和:

(7)

2.3 利用重點雷達的典型PRI模板序列對混疊脈沖的快速識別

現(xiàn)將全脈沖的第b個脈沖開始和典型PRI模板序列做匹配處理:

(8)

在文中,脈沖序列做匹配處理時,時間是離散的,則類互相關匹配函數值Rxy(b)定義為:

(9)

式中:L指模板序列的脈沖個數,f(xu,yv)的值定義為:

(10)

Rxy(b)的值就是兩個脈沖序列的類互相關匹配值。Rxy(b)/L反映全脈沖的第b個脈沖開始與典型PRI模板的匹配程度。若Rxy(b)/L≥Dthreshold(Dthreshold為設定的閾值),將PRI模板向后移動一個典型PRI序列,并將分選標志符置1,且給計數函數f加1,初始值置為0;若不滿足條件,則向后移動一個脈沖。當1≤b≤N-L時,繼續(xù)匹配處理。匹配完成后,若計數函數f≥fshe,則全脈沖中有重點雷達信號,并將標志位為1的脈沖提取出來。分選算法流程如圖6所示。

圖6 基于典型PRI序列的快速靶向識別算法

3 計算機仿真分析

利用典型PRI模板序列對重點雷達信號的快速靶向識別,算法的處理流程與常規(guī)方法相比,針對性更強,省去了很多不必要的處理流程。為了對比算法的識別效果,分別用PRI搜索法和改進的PRI變換法對脈沖流進行處理。

3.1 驗證算法的優(yōu)越性

依據實際接收到雷達信號的情況,仿真產生含有多部雷達信號交疊的脈沖流,雷達信號的參數如表1所示。

表1 雷達信號PRI參數設置表

表2 典型PRI模板序列

PRI搜索法采用的PRI搜索范圍為50～390 μs,圖7中分選出15個PRI值,實際的雷達只有4部,只能正確分選出固定重復頻率的雷達信號,分選出來的PRI值包含同一部雷達信號的一個或者幾個PRI值的疊加且在PRI搜索范圍內;改進的PRI變換法采用文獻[6]中的算法。處理時參數設置如下:α=0.25,β=0.2,γ=5,τmin=50,τmax=2 500,K=5 000,ξ0=0.03,仿真結果如圖8所示,該算法對于脈沖子重復周期較多的雷達信號無法準確提取,能提取出完整的脈沖重復周期,處理時間相對較長;從圖9的識別結果可以看出,在有脈沖干擾的情況下,基于PRI典型序列的重點雷達目標快速靶向識別算法能實現(xiàn)重點雷達信號的快速識別。

圖7 PRI搜索算法分選結果

圖8 改進的PRI變換法分選結果

從表3中可以得出,當對全脈沖進行處理時,采用并行的處理方式,基于PRI序列匹配算法對脈沖流處理時間遠遠小于PRI搜索法和改進的PRI變換法。以識別出重點雷達目標為目的,例如,識別出3個典型PRI序列,處理時間降低很多。

圖9 基于典型PRI序列的快速靶向識別結果(1.2:PRI序列起始脈沖；1.5:PRI序列結束脈沖)

3.2 驗證算法的適用范圍

前面驗證了基于典型PRI序列的重點雷達信號快速靶向識別算法相對傳統(tǒng)算法的優(yōu)越性。為驗證該算法對實際接收信號流的適用性,對脈沖流中的每個信號相互之間的PRI做一個百分比的抖動以及一定比例的脈沖丟失。

表3 100次Monte Carlo實驗共用時統(tǒng)計表

圖10 各種情況下典型PRI序列1的快速識別序列(1.2:PRI序列起始脈沖；1.5:PRI序列結束脈沖)

圖11 各種情況下典型PRI序列4的快速識別序列(1.2:PRI序列起始脈沖；1.5:PRI序列結束脈沖)

通過圖10和圖11仿真分析可知,當脈沖存在一定比例的PRI抖動和一定比例的脈沖丟失,對于不同的典型序列,都可以實現(xiàn)對脈沖流中含有典型序列進行快速識別,識別效果都滿足實際正確率的需求。當典型PRI序列中脈沖數越多,PRI抖動以及脈沖丟失對該算法的影響越小。在實際的識別中,脈沖流中含有典型序列不是非常少,可以快速完成對該典型序列的識別。

3.3 仿真總結

通過計算機仿真,驗證了該算法的優(yōu)越性。尤其對PRI變化復雜的雷達信號,該算法的分選識別能力依然較好,且處理速度較快;相對來說,PRI搜索法和改進的PRI變換法卻顯得無能為力,且處理時間較長。當存在干擾信號,基本不會影響該算法分選效果,增加脈沖丟失和抖動條件,驗證了該算法在真實環(huán)境中的適用性。總得來說,基于PRI序列匹配算法的識別效果遠遠優(yōu)于PRI搜索法和改進的PRI變換法。

4 結論

利用典型PRI模板實現(xiàn)對重點雷達目標信號的快速靶向識別。該方法繞過常規(guī)PRI算法的分選流程,基于靶向識別的目的,針對性較強,可以對多目標同時進行快速處理。該算法可以準確提取交錯的脈沖序列中的典型PRI脈沖序列,且算法只需對感興趣的雷達信號做相關的處理,處理步驟大大減小。相對來說,PRI搜索法和改進的PRI變換法無法準確提取重復周期較多的參差信號且對脈沖流的處理時間相對較長。傳統(tǒng)分選方法可以實現(xiàn)盲源分離,實時性和針對性較差。該算法在對脈沖流處理前,要求掌握想要識別信號的先驗信息,得出典型PRI序列模板。在實際作戰(zhàn)情況下,往往都是針對特定區(qū)域或者特定國家,對想要識別的雷達信號都有一定的了解。因此,該算法具有一定的實際應用價值。