一種新的雷達信號分選方法
用E1表示fIF1的均值,將(fIF1一E1)大于零的部分再做歸一化處理,這種去均值并提取正值的處理方式,將使fIF1長度縮短并使不同類信號的fIF1結(jié)構(gòu)發(fā)生不同程度的變化。這種變化上的差異,有利于信號分類。
對于PSK信號,由于相位突變會引起頻率的跳變。這里用Np來表示突變峰的個數(shù):本文引用地址:http://www.ex-cimer.com/article/195900.htm
式中,σ表示均方差。
通常將經(jīng)典五參數(shù)作為雷達輻射源信號預(yù)分選,在此基礎(chǔ)上,再構(gòu)造分類特征向量[R,σ1一σ2,Np]作為輻射源信號主分選,根據(jù)分類特征向量門限,判別出各雷達輻射源信號。
3 仿真結(jié)果
仿真選取的雷達信號為:常規(guī)脈沖信號(CON)、線性調(diào)頻信號(LFM)、相位編碼信號(二相位編碼BPSK,采用7位Barker編碼方式)和頻率編碼信號(二頻率編碼BFSK,采用13位Barker編碼方式)。仿真參數(shù)為:A一2,fs=120 MHz,f0=10 MHz,PW=13μs,B=10 MHz,對于二頻率編碼信號,它的兩個頻率fl=10 MHz,f2=2 MHz,信噪比SNR為-6~15 dB。
圖1給出了SNR=0 dB、高斯白噪聲下的瞬時自相關(guān)算法的時頻分析圖。
為了確定各特征向量[R,σ1一σ2,Np]的門限,在SNR為一6~15 dB的環(huán)境下,對各種典型信號分類特征向量的各分量的取值范圍進行了100次的仿真實驗,所得統(tǒng)計結(jié)果列于表1。
從表1可知,R是一個較理想的分類特征。因為在所考察的雷達輻射源信號類中,僅有LFM信號的IF隨采樣時間nT,的變化而線性變化,兩者表現(xiàn)出較好的線性相關(guān)特性,具有較大的R值,而其余類信號R值均小于O.1,因此,可選擇O.1作為R的門限,從而將LFM首先分離出來。從表1中Np的統(tǒng)計結(jié)果可以判別出BPSK信號,選擇1作為Np的門限。分離出LFM和BPSK信號后,可選擇O.05作為σ1一σ2的門限,大于等于O.05的為BFSK信號,小于O.05的為CON信號。圖2給出了信號判別流程框圖。
4 結(jié) 語
瞬時自相關(guān)算法瞬時頻率派生特征提取算法,在低信噪比情況下,能夠較好地分選出各雷達輻射源信號,該算法運算量不大,抗噪性能良好,工程應(yīng)用是一個不錯的研究方向,作者將在以后的工作中繼續(xù)對這方面進行深入研究。
評論