基于加权高斯性检验的抗干扰信道化检测方法与流程

1.本发明属于电子侦察领域，具体涉及一种基于加权高斯性检验的抗干扰信道化检测方法。


背景技术：

2.在现代电子战中，电子侦察设备工作的电磁环境复杂多变。为实现全场景宽频段的实时监测，电子侦察接收机需要具备较大的瞬时带宽，此时接收机可以检测到大量的脉冲响应，其中大部分脉冲响应来源于侦察电磁环境中存在的非高斯、宽频带噪声干扰信号。这些干扰信号的存在大大增加电子侦察设备的信号处理及数据传输压力，甚至导致重点辐射源侦收结果的丢失，严重影响电子侦察设备对复杂电磁环境的适应能力。对此，基于常用电子侦察接收机结构，研究有效的干扰判别及屏蔽方法，对于提升电子侦察设备的侦收性能、降低设备的数据处理及传输负担具有重要意义。
3.传统的数字接收机中，为提升侦察场景中的辐射源捕获能力，拓宽实时处理带宽，通常采用基于信道化结构的信号检测流程。文献《多速率滤波器组的设计与应用》中提出了基于多相滤波结构的信道化过程，该方法在利用信道化处理完成对中频数据的子信道划分后，直接对每个子信道的数据序列进行信号检测及参数测量，缺少对子信道是否被干扰信号占用的判断。侦察环境时常存在多种非高斯、宽频带噪声干扰信号，大大增加了辐射源侦察及跟踪处理负担的问题。因此，研究干扰信号对子信道占用情况的有效判断方法，屏蔽干扰占用子信道的信号输出，对于适应复杂多变的实际侦收环境，实现电子对抗设备的抗干扰信道化检测具有重要意义。


技术实现要素：

4.本发明提出了一种基于加权高斯性检验的抗干扰信道化检测方法，实现干扰信号占用频段的有效判定及屏蔽，大大降低电子侦察设备的数据处理压力，提升辐射源信号分选及定位跟踪效率；提出了加权高斯性检验方法，实现子信道信号统计特性的准确检验，得到特定频段是否存在强非高斯干扰信号的有效判断；实现了复杂电磁环境下非高斯噪声干扰占用子信道的实时屏蔽，有效减少非高斯、宽频带噪声干扰信号的输出，提升电子侦察设备的环境适应能力。。
5.实现本发明的技术解决方案为：基于加权高斯性检验的抗干扰信道化检测方法，包括以下步骤：
6.步骤1、对雷达信号进行ad采样、多相滤波及时域能量累加后，得到信号积累包络序列{a1,a2,
…
,a
l
}，l为信号积累包络序列的长度，并对信号积累包络序列进行升序处理，生成升序信号积累包络序列，转入步骤2。
7.步骤2、利用高斯分布的矩估计表达式，计算信号积累包络序列的均值估计值及方差估计值，同时转入步骤3和步骤4。
8.步骤3、根据升序信号积累包络序列构建包络概率密度序列，利用均值估计值及方
差估计值得到参考高斯分布的概率密度序列，计算巴氏距离值db，转入步骤5。
9.步骤4、根据升序信号积累包络序列构建包络累积分布序列，利用均值估计值及方差估计值得到参考高斯分布的累积分布序列，计算k-s距离值ksd，转入步骤5。
10.步骤5、设定加权因子，利用巴氏距离值db及k-s距离值ksd计算检验统计量：
11.设定加权因子0＜α＜1，利用巴氏距离值db及k-s距离值ksd计算检验统计量gw，计算表达式为：
12.gw＝α
×
ksd+(1-α)
×
db,0＜α＜1
13.转入步骤6。
14.步骤6、将检验统计量与判决门限比较，得到干扰屏蔽码，屏蔽干扰信号占用信道，对未屏蔽信道进行信号检测，得到检测vp。
15.本发明与现有技术相比，其显著优点在于：
16.1)该发明实现了复杂电磁环境下的干扰信号占用频段检验与分析，提升对复杂电磁环境的适应性。
17.2)提出了噪底参数估计方法，提升对子信道数据序列统计特性的认知程度，为后续高斯性检验及干扰占用子信道的有效判断提供基础。
18.3)提出了基于加权高斯性检验的抗干扰信道化检测方法，实现了干扰占用子信道的有效屏蔽，降低电子侦察设备的数据处理压力，提升重点辐射源信号捕获概率。
附图说明
19.图1基于加权高斯性检验的抗干扰信道化检测方法流程图
20.图2不同子信道巴氏距离值及k-s距离值示意图，其中的(a)图为不同子信道巴氏距离值示意图，(b)图为不同子信道k-s距离值示意图。
21.图3传统信道化检测pdw输出结果示意图，其中的(a)图为传统信道化检测幅度特性示意图，(b)图为传统信道化检测频率特性示意图。
22.图4加权高斯性检验后检测pdw输出结果示意图，其中的(a)图为加权高斯性检验后检测幅度特性，(b)图为加权高斯性检验后检测频率特性。
具体实施方式
23.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
24.下面将结合本设计实例对具体实施方式、以及本次发明的技术难点、发明点进行进一步介绍。
25.结合图1，基于加权高斯性检验的抗干扰信道化检测方法，步骤如下：
26.步骤1、对雷达信号进行ad采样、多相滤波及时域能量累加后，得到信号积累包络序列，并对信号积累包络序列进行升序处理，生成升序信号积累包络序列得到信号积累包络序列。具体包括以下步骤：
27.步骤11、对雷达信号依次进行ad采样、多相滤波后，得到滤波数据，滤波数据yk(n1m)如下：
[0028][0029]
其中，令输入时间变量n1对应滤波前采样频率为500mhz，抽取率m＝32，则输出滤波后采样频率时间变量n2＝500/32＝15.625mhz；信道数g＝32，ωg(g＝0,1,
···
,g-1)是各信道的中心频率，取每个信道滤波分配的系数长度为8，则h(n1)是1024阶低通fir滤波器，x(n1)为采样信号序列，j表示虚部。
[0030]
步骤12、对每个信道的滤波数据进行求模，得到各个信道滤波后幅度序列amp。
[0031]
步骤13、根据脉宽匹配积累模块主要利用一个或若干个弱信号被噪声淹没或持平的情况下，采用与信号宽度相匹配的累加点数，噪声叠加的结果是几乎互相抵消，而弱信号部分则被保留，信号叠加的数据量越多，积累的能量越高，因此达到最大的信噪比提升。采用1000ns长度，对各个信道滤波后幅度序列amp进行时域能量滑动累加，每个信道生成信号积累包络序列{a1,a2,
…
,a
l
}，l为信号积累包络序列的长度。
[0032]
步骤14、对信号积累包络序列从小到大排序，得到升序信号积累包络序列a＝{a
(1)
,a
(2)
,
…
,a
(l)
}。
[0033]
步骤2、利用高斯分布的矩估计表达式，计算信号积累包络序列的均值估计值及方差估计值，具体包括以下步骤：
[0034]
步骤21、利用信号积累包络序列，计算均值估计值具体计算表达式为：
[0035][0036]
其中，a
l
为信号积累包络序列的第l个元素。
[0037]
步骤22、根据步骤21得到的均值估计值利用信号积累包络序列，计算方差估计值具体计算表达式为：
[0038][0039]
步骤3、根据升序信号积累包络序列构建包络概率密度序列p(x)，利用均值估计值及方差估计值得到参考高斯分布的概率密度序列q(x)，计算巴氏距离值db。具体包括以下步骤：
[0040]
步骤31、利用升序信号积累包络序列a＝{a
(1)
,a
(2)
,
…
,a
(l)
}，将升序信号积累包络序列等分为200个子区间，计算包络概率密度分布序列p(x)，其中x＝{x1,x2,
…
,xi,
…
,x
200
}表示每个子区间的中心值，i表示升序信号积累包络序列的子区间序号。
[0041]
步骤31_1、计算升序信号积累包络序列的最大值a
max
及最小值a
min
，将升序信号积累包络序列的元素所在区间[a
min
,a
max
]等分为200个子区间，i表示升序信号积累包络序列的子区间序号，子区间集合ω＝{ω1,ω2,
…
,ωi,
…
,ω
200
}，其中ωi表示第i个子区间。
[0042]
步骤31_2、令每个子区间累积元素个数num＝{num1,num2,
…
,numi,
…
,num
200
}，并初始化num＝0。
[0043]
步骤31_3、判断升序信号积累包络序列a＝{a
(1)
,a
(2)
,
…
,a
(l)
}的第l个元素大小所属子区间，若其所属子区间为ωi，则令numi＝numi+1。
[0044]
步骤31_4、重复步骤31_3，直到l＝l结束，得到每个子区间累积元素总数组成的集合p，且满足l为信号积累包络序列的长度。
[0045]
步骤31_5、利用下式计算第i个子区间的概率密度值probi：
[0046][0047]
得到包络概率密度序列p(x)＝{probi,i＝1,2,
…
,200}，其中每个子区间的中心值用x＝{x1,x2,
…
,xi,
…
,x
200
}表示，且满足xi＝(i-0.5)
×
(a
max-a
min
)/200。
[0048]
步骤32、利用均值估计值及方差估计值得到参考高斯分布的概率密度序列q(x)，计算表达式如下：
[0049][0050]
步骤33、利用包络概率密度序列p(x)及参考高斯分布的概率密度序列q(x)，计算巴氏距离值db。具体计算表达式为：
[0051]
db＝-ln(bc(p,q))
[0052]
其中可知当p(x)和q(x)完全相同时，db＝0；待检测序列非高斯特性越强，db值越大。
[0053]
步骤4、根据升序信号积累包络序列构建包络累积分布序列p(a)，利用均值估计值及方差估计值得到参考高斯分布的累积分布序列q(a)，计算k-s距离值ksd。具体包括以下步骤：
[0054]
步骤41、利用升序信号积累包络序列a＝{a
(1)
,a
(2)
,
…
,a
(l)
}，构建包络累积分布序列p(a)＝{p(a
(1)
),p(a
(2)
),
…
,p(a
(l)
),
…
,p(a
(l)
)}，其中包络累积分布序列的第l个元素的值为p(a
(l)
)＝l/l。
[0055]
步骤42、利用均值估计值及方差估计值得到参考高斯分布的累积分布序列q(a)，计算表达式如下：
[0056][0057]
其中，erf(*)表示误差函数，是关于自变量的单调函数。
[0058]
步骤43、利用包络累积分布序列p(a)及参考高斯分布的累积分布序列q(a)，计算k-s距离值ksd。具体计算表达式为：
[0059]
ksd(p,q)＝max{|p(a)-q(a)|}
[0060]
其中ksd值越大，表示待检测序列的高斯性越差，反之表示高斯性较好。
[0061]
步骤5、设定加权因子0＜α＜1，利用巴氏距离值db及k-s距离值ksd计算检验统计量gw，计算表达式为：
[0062]gw
＝α
×
ksd+(1-α)
×
db,0＜α＜1
[0063]
检验统计量gw值越大，说明子信道非高斯特性越强，存在干扰信号的概率越大。
[0064]
步骤6、将检验统计量与判决门限比较，得到干扰屏蔽码，屏蔽干扰信号占用信道，
对未屏蔽信道进行信号检测，具体包括以下步骤：
[0065]
步骤61、构建干扰信道判决的二元假设检验问题，每个子信道的二元假设检验问题对应表达式如下：
[0066][0067]
式中，a
l
、s
l
、j
l
及n
l
分别对应表示信号积累包络序列、目标积累包络序列、干扰积累包络序列及噪声积累包络序列的第l个元素，l为信号积累包络序列的长度；假设检验中，h0及h1分别表示子信道无干扰信号及含干扰信号。
[0068]
步骤62、设定判决门限t，利用二元假设检验问题，实现各子信道干扰信号有无的准确判决，具体表达式如下：
[0069][0070]
根据二元假设检验结果，得到每个子信道的干扰屏蔽码。当检验结果为h1时，设定子信道的干扰屏蔽码为1；当检验结果为h0时，设定子信道的干扰屏蔽码为0。
[0071]
步骤63、若子信道的干扰屏蔽码为1，屏蔽该子信道，不进行信号检测；若子信道的干扰屏蔽码为0，进行信号检测。遍历所有子信道，得到干扰信号过滤后的信号检测vp。
[0072]
经实测数据实验分析，通道7,9的巴氏距离及k-s距离值过大，说明该通道数据存在大量非高斯噪声的干扰信号，可以关闭通道(如图2所示)；此外，对该组实测数据进行了信道化检测及pdw信息输出，观察可知，通道7、9及11存在强干扰信号，导致1752个pdw信息输出，虚假信号过多，幅度特性不清晰，且占用了大量存储及数据传输资源，不利于后续信号分选及识别过程的实现(如图3所示)。对比发现，经过高斯检验后，上述干扰通道均被识别且屏蔽，输出229个pdw信息，为后续信号处理提供有效基础(如图4所示)。