适用于单脉冲的LFM雷达工作模式实时分类方法及装置与流程

本发明涉及脉冲工作模式识别，尤其涉及一种适用于单脉冲的lfm雷达工作模式实时分类方法及装置。

背景技术：

雷达信号识别是指将被测辐射源信号参数和预先知道的辐射源参数进行比较以确认该辐射源本来属性的过程。雷达信号识别是保证雷达对抗侦查和干扰设备有效发挥其作战效能的重要前提。传统的雷达识别方式是基于脉冲描述字(pulsedescriptorword，简称pdw)的技术。该技术提取脉冲信号的脉宽，频率，到达时间，到达角等参数对雷达的体制，用途和型号等信息进行识别，从而掌握其相关武器系统工作状态、制导方式、了解其战术运用特点、活动规律和作战能力的过程。但是随着各国电子信息技术的发展，电子战技术的要求也越来越高，雷达识别在电子对抗中扮演着重要的角色。但是随着电磁环境的日益复杂，雷达识别的要求也越来越高，随着一些复杂体制和特殊体制雷达的相继出现，雷达识别正面临着越来越严峻的挑战。

一方面，传统的对雷达脉冲分类的算法需要接收到很多脉冲信号后，通过聚类等方法实现，无法实时动态的对脉冲工作模式分类，在某些要求实时分析的系统中存在局限性。另一方面，新兴的基于设备物理指纹特征的雷达识别方案，对信号形式和调制参数敏感，需要输入调制参数相同的脉冲，并对每个单脉冲进行设备身份分类。但是传统的雷达工作模式分类方案是在多脉冲的前提下实施的。缺少基于单脉冲的工作模式分类算法以配合设备物理指纹方案的实施。因此我们需要一种适用于单脉冲的雷达工作模式实时分类方法解决上述问题。

进一步的，lfm(线性调频)信号具有非常好的探测能力和距离分辨能力。因此在声呐和雷达系统中得到了广泛应用。目前对lfm的单脉冲工作模式分类的研究不足。所以一种适用于单脉冲的lfm雷达工作模式实时分类方法是迫切需求的。

技术实现要素：

发明目的：本发明针对现有技术存在的问题，提供一种适用于单脉冲的lfm雷达工作模式实时分类方法及装置，可以对单脉冲的lfm雷达信号进行实时分类。

技术方案：本发明所述的适用于单脉冲的lfm雷达工作模式实时分类方法包括：

(1)实时接收发射机发射的lfm脉冲信号，所述lfm脉冲信号为经过上变频和lfm调制的单脉冲信号；

(2)根据当前接收的lfm脉冲信号估计信号调制参数；

(3)将当前接收的lfm脉冲信号的信号调制参数与目前工作模式库中的所有工作模式栈进行相似性比较，并存储至相似性最高的工作模式栈中；其中，所述工作模式库中存储若干工作模式栈，每个工作模式栈中存储属于同一类工作模式的lfm脉冲信号；

(4)当已接收的lfm脉冲信号数量是nw的整数倍时，检测工作模式库中所有工作模式栈的lfm脉冲信号数量，将lfm脉冲信号数量小于阈值λ的工作模式栈判定为干扰脉冲组成，删除该工作模式栈以精简工作模式库，其中，nw为预设的脉冲流观测窗口，λ为预设的删除干扰脉冲工作模式的阈值。

进一步的，该方法还包括：

(5)计算目标脉冲比例rt、正确删除干扰脉冲的比例ri、以及工作模式库中最终存在的工作模式数nl，评估该方法的性能。

进一步的，步骤(1)中接收机接收到lfm脉冲信号后，先进行幅度归一化，幅度归一化后的lfm脉冲信号为：

式中，i表示当前lfm脉冲信号的序号，表示对当前lfm脉冲信号进行幅度归一化后的信号，fi、μi、fi^c、ti分别表示的初始频率、线性调频斜率、载波频率、脉冲宽度，四个参数构成该信号的调制参数，表示初始相位，zi^rf(t)是均值为零且方差为σ²加性高斯白噪声。

进一步的，步骤(2)具体包括：

(2.1)通过对接收的lfm脉冲信号进行快速傅里叶变换，估计出综合频率fi^e，fi^e为包括初始频率fi和载波频率fi^c的综合频率；

(2.2)通过对接收的lfm脉冲信号进行分数阶傅里叶变换，计算得到线性调频斜率μi；

(2.3)通过搜索接收的lfm脉冲信号的幅度，检测信号的开始和结束，获得脉冲宽度ti；

(2.4)将综合频率fi^e、线性调频斜率μi、脉冲宽度ti作为信号的信号调制参数集θi＝[fi^e,μi,ti]。

进一步的，步骤(2.3)具体包括：

(2.3.1)检测接收的lfm脉冲信号的幅度包络

式中，||表示取绝对值；

(2.3.2)对幅度包络进行归一化；

(2.3.3)在归一化的包络上找到两个幅度值为0.5的采样点，分别记为和

(2.3.4)计算脉冲宽度ti：

进一步的，步骤(3)具体包括：

(3.1)若当前lfm脉冲信号为第一个lfm脉冲信号，即i＝1，当前工作模式库为空，则在工作模式库中创建一个工作模式栈并将lfm脉冲信号及其调制参数集θ1加入到中，即

(3.2)若当前lfm脉冲信号不是第一个lfm脉冲信号，即i≠1，则计算当前lfm脉冲信号的调制参数θi和工作模式库中所有工作模式栈的距离；

计算距离时首先将当前lfm脉冲信号和工作模式栈的调制参数进行归一化，之后按照下式计算欧式距离：

是第n个工作模式栈中的调制参数集合，表示求θi与中所有元素的欧几里得距离的平均值，nm表示工作模式库中工作模式栈的数量；

(3.3)获取所有距离中的最小距离的索引d^min：

d^min＝d(i^min)

i^min＝argmind(n)

其中d()表示求对应的索引；

(3.4)若d^min＜γ，则判定当前lfm脉冲信号与工作模式栈相似性最高，将当前lfm脉冲信号及其调制参数θi加入最小距离对应的工作模式栈中；否则创建新的工作模式栈其中，γ为预设的距离门限。

进一步的，所述距离门限离γ满足：

γp＜γ＜γm

其中，γm表示所有目标工作模式之间的最小距离，γp是由于设备固有差异，计算误差引起的相同工作模式的脉冲信号之间的最大距离。

进一步的，所述预设的脉冲流观测窗口nw和预设的干扰脉冲工作模式阈值λ满足：

式中，pi表示干扰工作的最大脉冲信号数在总脉冲信号数中的比例，pt表示目标工作的最小脉冲信号数在总脉冲信号数中的比例。

进一步的，接收脉冲信号时采样率大于奈奎斯特采样率。

本发明所述的适用于单脉冲的lfm雷达工作模式实时分类装置包括：

信号接收模块，用于实时接收发射机发射的lfm脉冲信号，所述lfm脉冲信号为经过上变频和lfm调制的单脉冲信号；

调制参数估计模块，用于根据当前接收的lfm脉冲信号估计信号调制参数；

工作模式库，库中存储有若干工作模式栈，每个工作模式栈中存储属于同一类工作模式的lfm脉冲信号；

相似性比较模块，用于将当前接收的lfm脉冲信号的信号调制参数与目前工作模式库中的所有工作模式栈进行相似性比较，并存储至相似性最高的工作模式栈中；其中，

工作模式库精简模块，用于当已接收的lfm脉冲信号数量是nw的整数倍时，检测工作模式库中所有工作模式栈的lfm脉冲信号数量，将lfm脉冲信号数量小于阈值λ的工作模式栈判定为干扰脉冲组成，删除该工作模式栈以精简工作模式库，其中，nw为预设的脉冲流观测窗口，λ为预设的干扰脉冲工作模式阈值。

有益效果：本发明与现有技术相比，其显著优点是：本发明更加适用于单脉冲情况下的工作模式识别。并且能有效配合新兴的射频指纹设备识别方案在lfm雷达设备上面的实施，有效地解决了lfm雷达单脉冲的工作模式的实时识别问题。

附图说明

图1为本发明的方法流程图；

图2为本发明工作模式库的自我精简的动态过程；

图3为本发明方法对于lfm雷达单脉冲工作模式分类结果示意图。

具体实施方式

本实施例提供了一种适用于单脉冲的lfm雷达工作模式实时分类方法，通过本方法，接收机接收到了lfm脉冲信号后，可以实时的对单脉冲进行工作模式分类，用于辅助雷达身份认证，如图1所示，该方法包括：

(1)接收机实时接收发射机发射的lfm脉冲信号，所述lfm脉冲信号为经过上变频和lfm调制的单脉冲信号。

其中，接收机接收脉冲信号时采样率大于奈奎斯特采样率，在接收到lfm脉冲信号后，先进行幅度归一化，幅度归一化后的lfm脉冲信号为：

式中，i表示当前lfm脉冲信号的序号，表示对当前lfm脉冲信号进行幅度归一化后的信号，zi^rf(t)是均值为零且方差为σ²加性高斯白噪声，表示初始相位，是随机的，并且在实际雷达系统中是不可配置的，fi、μi、fi^c、ti分别表示的初始频率、线性调频斜率、载波频率、脉冲宽度，因此，一个lfm脉冲实际上由四个调制参数确定。

(2)根据当前接收的lfm脉冲信号估计信号调制参数。

该步骤具体包括：

(2.1)通过对接收的lfm脉冲信号进行快速傅里叶变换(fft)，估计出综合频率fi^e，fi^e为包括初始频率fi和载波频率fi^c的综合频率；

(2.2)通过对接收的lfm脉冲信号进行分数阶傅里叶变换(frft)，计算得到线性调频斜率μi；

(2.3)通过搜索接收的lfm脉冲信号的幅度，检测信号的开始和结束，获得脉冲宽度ti；

由于lfm信号是振荡波形，所以直接检测原始信号的幅度时将获得多个点，这意味着不能精确地检测到脉冲宽度。因此，可以首先检测接收脉冲的包络如下：式中，||表示取绝对值；然后对幅度包络进行归一化；在归一化的包络上找到两个幅度值为0.5的采样点，分别记为和它们分别是脉冲上升沿和脉冲下降沿的到达时间。因此可计算脉冲宽度ti：

(2.4)将综合频率fi^e、线性调频斜率μi、脉冲宽度ti作为信号的信号调制参数集θi＝[fi^e,μi,ti]。

(3)将当前接收的lfm脉冲信号的信号调制参数与目前工作模式库中的所有工作模式栈进行相似性比较，并存储至相似性最高的工作模式栈中；其中，所述工作模式库中存储若干工作模式栈，每个工作模式栈中存储属于同一类工作模式的lfm脉冲信号。

该步骤具体包括：

(3.1)若当前lfm脉冲信号为第一个lfm脉冲信号，即i＝1，当前工作模式库为空，则在工作模式库中创建一个工作模式栈并将lfm脉冲信号及其调制参数集θ1加入到中，即

(3.2)若当前lfm脉冲信号不是第一个lfm脉冲信号，即i≠1，则计算当前lfm脉冲信号的调制参数θi和工作模式库中所有工作模式栈的距离；

计算距离时首先将当前lfm脉冲信号和工作模式栈的调制参数进行归一化，之后按照下式计算欧式距离：

是第n个工作模式栈中的调制参数集合，表示求θi与中所有元素的欧几里得距离的平均值，nm表示工作模式库中工作模式栈的数量；

(3.3)获取所有距离中的最小距离的索引d^min：

d^min＝d(i^min)

i^min＝argmind(n)

其中d()表示求对应的索引；

(3.4)若d^min＜γ，则判定当前lfm脉冲信号与工作模式栈相似性最高，将当前lfm脉冲信号及其调制参数θi加入最小距离对应的工作模式栈中；否则创建新的工作模式栈

γ为预设的距离门限，满足：

γp＜γ＜γm

其中，γm表示所有目标工作模式之间的最小距离，γp是由于设备固有差异，计算误差引起的相同工作模式的脉冲信号之间的最大距离。在实际中，这两个参数一般是无法获得的，因此他们是经验值。

实际环境中由于脉冲叠加，脉冲截断，复杂的电磁环境效应等会存在干扰脉冲的产生，它们会对雷达识别产生负面影响。需要在对接收脉冲进行工作模式分类时将它们删除或标记为干扰脉冲。因此需要执行步骤(4)精简工作模式库。

(4)当已接收的lfm脉冲信号数量是nw的整数倍时，检测工作模式库中所有工作模式栈的lfm脉冲信号数量，将lfm脉冲信号数量小于阈值λ的工作模式栈判定为干扰脉冲组成，删除该工作模式栈以精简工作模式库，其中，nw为预设的脉冲流观测窗口，λ为预设的干扰脉冲工作模式阈值。所述预设的脉冲流观测窗口nw和预设的干扰脉冲工作模式阈值λ满足：

式中，pi表示干扰模式的最大脉冲信号数在总脉冲信号数中的比例，pt表示目标模式的最小脉冲信号数在总脉冲信号数中的比例。在没有先验信息的情况下，它们是估计值或经验值。

最终，工作模式库中就存储了最后的分类结果，即每一个工作模式栈对应一类工作模式的脉冲。

(5)计算目标脉冲比例rt、正确删除干扰脉冲的比例ri、以及工作模式库中最终存在的工作模式数nl，评估该方法的性能。它们的理想值为：理想值为rt＝100％,ri＝100％并且nl等于目标模式的数量。

本实施例还提供了一种适用于单脉冲的lfm雷达工作模式实时分类装置，包括：

信号接收模块，用于实时接收发射机发射的lfm脉冲信号，所述lfm脉冲信号为经过上变频和lfm调制的单脉冲信号；

调制参数估计模块，用于根据当前接收的lfm脉冲信号估计信号调制参数；

工作模式库，库中存储有若干工作模式栈，每个工作模式栈中存储属于同一类工作模式的lfm脉冲信号；

相似性比较模块，用于将当前接收的lfm脉冲信号的信号调制参数与目前工作模式库中的所有工作模式栈进行相似性比较，并存储至相似性最高的工作模式栈中；其中，

工作模式库精简模块，用于当已接收的lfm脉冲信号数量是nw的整数倍时，检测工作模式库中所有工作模式栈的lfm脉冲信号数量，将lfm脉冲信号数量小于阈值λ的工作模式栈判定为干扰脉冲组成，删除该工作模式栈以精简工作模式库，其中，nw为预设的脉冲流观测窗口，λ为预设的删除干扰脉冲工作模式的阈值。

该装置与上述方法一一对应，未详尽之处请参考上述方法，例如各模块的详细介绍参见上述方法中的描述，不再赘述。

下面对本实施例进行实验验证。

实验对采集的3个实际lfm雷达的24000个脉冲进行了脉冲工作模式识别研究。其中每个雷达都包含四种工作模式，每个工作模式包括200个脉冲。同时由于实验采集的数据中没有干扰的脉冲，因此在实验中故意添加了一些干扰脉冲，以评估算法的抗干扰脉冲的能力。从采集的数据集中随机选择了2,400个脉冲，并通过截断，叠加或更改其参数等方式生成了脉冲干扰，目的是模拟不同类型的干扰脉冲。最后，将原始数据集和人为产生的干扰脉冲随机混合。此时，整个数据集包括26,400个脉冲。实验中距离阈值配置为γ＝0.1。观察窗的长度nw和删除干扰工作模式的门限λ彼此相关。因此固定nw＝500，λ以1为步长在[1，120]的区间中进行变化，以分析它工作模式识别结果的影响。

图2显示了工作模式库自我精简的动态变化过程。其中目标模式代表要识别的脉冲的工作模式栈，干扰模式表示由干扰脉冲导致的干工作模式栈(为清楚起见，在此图中仅显示了三种干扰模式)。最初，当输入脉冲数为0时，工作模式库是空的。当脉冲输入时，该脉冲将分配给现有工作模式或创建为新工作模式。只要输入脉冲的数量是观察窗口的整数倍时(本文中为500)，该算法就会通过比较每个现有工作模式的脉冲数和阈值λ来优化工作模式库。以区间[0，500]为例，随着输入脉冲数到达观察窗口长度，目标模式和干扰模式的脉冲数增加。当输入脉冲数为500时，将清除所有干扰模式，而目标模式将继续增。

图3显示门限λ对正确分类的目标脉冲比率rt，正确删除的干扰脉冲比率ri的比率以及库中最终存在的模式数量nl的影响。当1≤λ＜8时，rt稳定在100％，ri从0变为100％，nl大于4。这种现象意味着目标脉冲(属于目标工作模式的脉冲)均已正确分类。但是，干扰脉冲并未完全删除，因为它们被错误地判断为目标脉冲并被推入新模式。当91＜λ≤120时，rt从100％迅速下降到9.08％，ri稳定在100％，nl从4下降到2。这是因为清除了干扰脉冲。在8≤λ≤91的范围内，这些参数rt，ri和nl稳定在理想值，这表明λ在此范围内的值是合理的。

在本实验中，大多数人工干扰脉冲之间具有较大的距离，因此干扰工作模式下的最大脉冲数被认为小于100。然后，目标脉冲的最小脉冲数为6,000，总脉冲数为26,400，由此可以得到即4＜λ＜113。实验结果与该理论结果基本一致。它们之间差异的一个原因可能是输入脉冲(目标脉冲和干扰脉冲)在观察窗口内不是完全随机混合的。因此，在实际应用中，λ的设置需要考虑到理论区间的左右极限可能会向中间移动。