论文部分内容阅读
雷达辐射源信号分选识别性能是雷达对抗侦察系统的重要技术指标,也影响着电子情报系统(Electronic Intelligence,ELINT)和电子支援系统(Electronic Support Measures,ESM)的可靠性和稳定性。脉冲描述字(Pulse Description Word,PDW)是现阶段雷达辐射源信号分选识别的主要手段。一般来说,信号的PDW参数包括脉冲宽度(Pulse Width,PW)、到达时间(Time of Arrival,TOA)、脉冲到达方向(Direction of Arrival,DOA)、载频(Radio Frequency,RF)和脉冲幅度(Pulse Amplitude,PA)。然而,在雷达、通信设备以及制导武器大规模应用的现代战场上,雷达辐射源密度与日俱增。与此同时,雷达技术发展日新月异,新体制雷达如雨后春笋不断投入应用。在信号密集、体制多样的电磁环境下,对多源混合雷达信号高效识别,是一个值得深入研究的问题。建立先验信息库解决高密度信号识别的有效手段之一,通过先验信息库对信号预识别,快速匹配出先验信息库中已有记录的信号,能够有效稀疏前端所接收的海量数据,减降低后续环节处理压力。然而,复杂体制雷达所发出的信号波形和参数都在不断变化,传统仅使用脉冲描述字作为识别特征的先验信息库已不能满足准确、及时的识别要求。模糊函数(Ambiguity Function,AF)可以较为完整的描述信号的内在结构,提取信号的模糊函数并从中寻找新的特征将有助于构建新的多维先验信息库。然而,由于AF为三维特征图,难以提取特征进行机器分选处理,故需进一步简化。模糊函数主脊(Ambiguity Function Main Ridge,AFMR)切面能够最大程度反映AF的特性,但在分数域上,提取信号AFMR切面仍需较长时间,即使应用智能搜索算法,单个信号处理时间仍在2秒左右,在处理海量的雷达信号时仍有些捉襟见肘。综合以上几点,本文针对AFMR快速搜索、多维先验信息库构建、AFMR切面特征提取等方面展开了深入探讨和研究,主要工作和成果如下:(1)本文简要分析了国内外关于雷达辐射源信号分选识别的研究进展,列举了几种常见识别方法并分析了其优势和局限性。针对现有优化方法没有充分利用信号先验信息这一缺陷,提出了基于自适应进化的模糊函数主脊智能搜索方法。该方法利用信号瞬时频率特征对信号进行预识别,极大的缩小了主脊搜索范围,同时,指导差分进化算法的参数调整,大大提高了算法的适应能力和收敛速度。实验结果表明:在不降低准确率的基础上,本方法较传统方法收敛速度提高了25倍,较其他智能搜索算法提高了80%,将AFMR切面搜索时间降至500毫秒以内。(2)由于电子侦查对象多属于非合作信号,在和平年代很难获取,故对先验信息库构建的研究处于相对滞后。本文在使用PDW参数的先验信息库基础上,融合信号瞬时频率特征、模糊函数主脊切面特征构建了一种多维先验信息库,并设计了阈值匹配、相像系数及层级匹配法将未知信号与信息库中已有记录进行匹配。实验结果表明,本文所构建先验信息库及识别模型具有较好的实时性和准确性,可在传统方法几乎失效的情况下对未知信号进行准确识别,丰富了先验信息库的识别内容,也拓展了AFMR的应用范围。(3)提取先验信息库中没有记录的未知信号的AFMR局域差分特征,利用具备有效性评价的核模糊聚类算法进行自动聚类,对自动将未知雷达参数补充进先验信息库中进行了前期探索。实验结果表明,在高信噪比下,准确率较为满意,为后续自动将未知雷达参数补充进先验信息库打下了基础。