CN115166650A - 一种雷达信号识别与参数估计方法和*** - Google Patents
一种雷达信号识别与参数估计方法和*** Download PDFInfo
- Publication number
- CN115166650A CN115166650A CN202211092268.3A CN202211092268A CN115166650A CN 115166650 A CN115166650 A CN 115166650A CN 202211092268 A CN202211092268 A CN 202211092268A CN 115166650 A CN115166650 A CN 115166650A
- Authority
- CN
- China
- Prior art keywords
- frequency
- time
- pulse
- hopping
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/295—Means for transforming co-ordinates or for evaluating data, e.g. using computers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请提出一种雷达信号识别与参数估计方法和***,属于雷达信号处理研究领域。其中,方法包括:应用改进了传统的倒序相关积累方法,设计了基于时频脊线特征和特征相关分析技术的脉内离散频率编码调制识别方法,引入尺度系数可自动调整的小波变换解决了短时隙高码元情况下的信号频率突变位置准确定位问题。本申请的技术方案,为频率编码雷达信号的检测、调制识别与参数估计提供了一种有效且实用性较高的分析方法。
Description
技术领域
本申请属于雷达信号处理研究领域,特别涉及一种雷达信号识别与参数估计方法和***。
背景技术
随着现代电磁环境复杂,雷达需要具有更强的抗截获抗辩识能力,因此具有更加复杂的脉内调制方式的波形越来越被重视。离散频率编码信号就是一种具有高维复杂度的脉内调制方式,该信号的最大特征是脉冲内具备离散频率编码,码元序列类似伪随机状。此种编码与线性调频信号相比,具有更加理想的“图钉状”模糊函数,在观测时对运动目标有优异的分辨能力。采用脉内离散频率编码调制的雷达工作波形,将形成一组离散频率编码序列集合,是具有良好自相关互相关性的正交编码波形序列集合,研究表明,将这种编码的雷达信号用于网关雷达监测***,可有效避免网状雷达***中的自干扰和检测混乱。利用脉内频率编码波形集合中的任一波形都具有近似冲击函数的正相关性,且任两波形间无互相关性的特点,网状雷达***可根据实时需求在单基、双基和多基之间转换,从而达到比传统雷达***更强的目标搜索能力、追跟踪与识别能力。
目前离散频率编码信号已出现在空间雷达***的工作波形中,对地球信号站接收的空间信号开展准确的调制识别与频率编码参数测定,对于分析测算空间雷达载荷的工作模式和技术性能,掌握空间雷达能力威胁水平至关重要。
当前,针对离散频率编码信号波形设计的研究相对较多,以提取离散频率编码信号参数的研究相对较少。已知,西安电子科技大学相关团队在离散频率编码信号参数提取方面做出了研究,提供了较好的解决方案。离散频率编码信号参数提取的主要难点在于以下2方面:一是,此类信号的相关积累效果相较于传统线性调频(LFM)信号较弱,影响低信噪比下的信号检出率;二是,在很短的脉冲时宽内,设计了较高数量的码元,每一码元的时隙片很短,从而造成基于时频脊线特征的调制识别和开展离散频率编码信号参数测量时,往往会出现错误识别时频脊线跃变点的情况,从而影响频率编码信号的识别准确率和参数估计精度。这种情况在接收信号信噪比较低时,显得尤为突出。
现有离散频率编码信号参数提取的主要问题在于,此类信号的相关积累效果导致低信噪比下的信号检出率较低、在基于时频脊线特征开展参数提取时,码片时隙较小下,时频基线的跃变特征提取容易出现错误从而导致调制识别和码片频率及编码参数估计错误。
针对上述问题,本申请提供一种雷达信号识别与参数估计方法和***。
发明内容
为了解决所述现有技术的不足,本申请提供了一种雷达信号识别与参数估计方法和***,以解决上述技术问题。
本发明第一方面公开了一种雷达信号识别与参数估计方法,所述方法包括:
步骤S1、通过对每次累加的采样点赋予不同权值的方法改进了传统的倒序相关累加递推公式,完成雷达信号的脉冲上升沿与下降沿的估计,从而实现脉冲检测;
步骤S2、将脉冲检测后的雷达信号经过 Wigner-Ville 变换后得到幅度关于时间和频率的二维函数,进而得到雷达信号的时频图;
步骤S3、根据所述时频图提取时频脊线;
步骤S4、利用时频脊线计算脉内的时频脊线的频率变化趋势,当所述频率变化趋势为随机时,识别频率变化趋势为脉内频率编码调制;
步骤S5、对时频脊线进行小波变换得到小波系数,并计算每一时刻对应的小波系数最大值,然后对所述小波系数最大值设置门限并检测峰值,小波系数的峰值对应的时刻即为跳变时刻的估计值,进而得到跳变时刻和跳变周期;
步骤S6、通过所述跳变时刻和跳变周期,定位得到各脉内各码元的位置,分别对各脉内各码元进行快速傅里叶变换,即得到各码元的跳频频率估计值,由此得到脉内跳频信号的跳变周期、跳变时刻和跳频频率的估计值,从而实现频率编码参数的准确估计。
根据本发明第一方面的方法,在所述步骤S1中,所述通过对每次累加的采样点赋予不同权值的方法改进了传统的倒序相关累加递推公式,完成雷达信号的脉冲上升沿与下降沿的估计的方法包括:
对相干积累后的雷达信号的数据进行初测,确定所述雷达信号的预设检测范围;
应用改进相关累加递推公式对所述预设检测范围内的延时共轭相乘输出信号进行倒序相关累加,使得对于累加值越大的数据点,具有更高的累加权值,从而进行拐点的检测,完成雷达信号的脉冲上升沿与下降沿的估计。
根据本发明第一方面的方法,在所述步骤S1中,所述改进相关累加递推公式为:
其中,y(m)为微小延时mT的共轭相乘输出信号,n表示n时刻,rw(n)为n时刻的初始累加值,y(n+1)为n+1时刻的共轭相乘输出信号,rw(n+1) 为n+1时刻的累加值,T为采样时间间隔。
根据本发明第一方面的方法,在所述步骤S3中,所述根据所述时频图提取时频脊线的方法包括:
提取每一时刻PWVD最大幅值对应的频率,即沿所述时频图的时间轴提取每个时刻频率轴上的最大模值或最大模值对应的频率值构成时频脊线。
根据本发明第一方面的方法,在所述步骤S4中,所述利用时频脊线计算脉内的时频脊线的频率变化趋势之前所述方法还包括:
对脉内的时频脊线进行线性拟合,然后计算线性拟合结果与脉内的时频脊线的相关因子,从而排除脉内的时频脊线为线性变化的可能性。
根据本发明第一方面的方法,在所述步骤S4中,所述利用时频脊线计算脉内的时频脊线的频率变化趋势的方法包括:
计算时频脊线的跳变次数、上跃跳变次数和下跃跳变次数,利用所述跳变次数、上跃跳变次数和下跃跳变次数计算脉内的时频脊线的频率变化趋势。
根据本发明第一方面的方法,在所述步骤S5中,所述方法还包括:
当雷达信号的信噪低时,根据已得到的跳变时刻推测得到跳变周期,再根据跳变周期推测得到尚未能定位的跳变时刻,具体包括:首先计算跳变时刻的一阶差分,剔除一阶差分的极小值后,剩余的一阶差分结果为跳变周期的整数倍;把一阶差分结果出现最多的范围设定为跳变周期的第一范围,筛选出所述第一范围内的一阶差分值并计算其均值,从而得到跳变周期的第一估计值;然后,根据跳变周期的第一估计值的分布直方图统计出跳变周期出现概率最大的范围,定义为第二范围,并对所述第二范围内的跳变周期取均值,得到跳变周期估计值;最后,根据已知的跳变时刻与跳变周期估计值,即推测得到所有跳变时刻的估计值。
本发明第二方面公开了一种雷达信号识别与参数估计***,所述***包括:
第一处理模块,被配置为,通过对每次累加的采样点赋予不同权值的方法改进了传统的倒序相关累加递推公式,完成雷达信号的脉冲上升沿与下降沿的估计,从而实现脉冲检测;
第二处理模块,被配置为,将脉冲检测后的雷达信号经过 Wigner-Ville 变换后能得到幅度关于时间和频率的二维函数,进而得到雷达信号的时频图;
第三处理模块,被配置为,根据所述时频图提取时频脊线;
第四处理模块,被配置为,利用时频脊线计算脉内的时频脊线的频率变化趋势,当所述频率变化趋势为随机时,识别频率变化趋势为脉内频率编码调制;
第五处理模块,被配置为,对时频脊线进行小波变换得到小波系数,并计算每一时刻对应的小波系数最大值,然后对所述小波系数最大值设置门限并检测峰值,小波系数的峰值对应的时刻即为跳变时刻的估计值,进而得到跳变时刻和跳变周期;
第六处理模块,被配置为,通过所述跳变时刻和跳变周期,定位得到各脉内各码元的位置,分别对各脉内各码元进行快速傅里叶变换,即得到各码元的跳频频率估计值,由此得到脉内跳频信号的跳变周期、跳变时刻和跳频频率的估计值,从而实现频率编码参数的准确估计。
根据本发明第二方面的***,所述第一处理模块,被配置为,所述通过对每次累加的采样点赋予不同权值的方法改进了传统的倒序相关累加递推公式,完成雷达信号的脉冲上升沿与下降沿的估计包括:
对相干积累后的雷达信号的数据进行初测,确定所述雷达信号的预设检测范围;
应用改进相关累加递推公式对所述预设检测范围内的延时共轭相乘输出信号进行倒序相关累加,使得对于累加值越大的数据点,具有更高的累加权值,从而进行拐点的检测,完成雷达信号的脉冲上升沿与下降沿的估计。
根据本发明第二方面的***,所述第一处理模块,被配置为,所述改进相关累加递推公式为:
其中,y(m)为微小延时mT的共轭相乘输出信号,n表示n时刻,rw(n)为n时刻的初始累加值,y(n+1)为n+1时刻的共轭相乘输出信号,rw(n+1) 为n+1时刻的累加值,T为采样时间间隔。
根据本发明第二方面的***,所述第三处理模块,被配置为,所述根据所述时频图提取时频脊线包括:
提取每一时刻PWVD最大幅值对应的频率,即沿所述时频图的时间轴提取每个时刻频率轴上的最大模值或最大模值对应的频率值构成时频脊线。
根据本发明第二方面的***,所述第四处理模块,被配置为,
所述利用时频脊线计算脉内的时频脊线的频率变化趋势之前还包括:
对脉内的时频脊线进行线性拟合,然后计算线性拟合结果与脉内的时频脊线的相关因子,从而排除脉内的时频脊线为线性变化的可能性。
根据本发明第二方面的***,所述第四处理模块,被配置为,
所述利用时频脊线计算脉内的时频脊线的频率变化趋势包括:
计算时频脊线的跳变次数、上跃跳变次数和下跃跳变次数,利用所述跳变次数、上跃跳变次数和下跃跳变次数计算脉内的时频脊线的频率变化趋势。
根据本发明第二方面的***,所述第五处理模块,被配置为,当雷达信号的信噪低时,根据已得到的跳变时刻推测得到跳变周期,再根据跳变周期推测得到尚未能定位的跳变时刻,具体包括:首先计算跳变时刻的一阶差分,剔除一阶差分的极小值后,剩余的一阶差分结果为跳变周期的整数倍;把一阶差分结果出现最多的范围设定为跳变周期的第一范围,筛选出所述第一范围内的一阶差分值并计算其均值,从而得到跳变周期的第一估计值;然后,根据跳变周期的第一估计值的分布直方图统计出跳变周期出现概率最大的范围,定义为第二范围,并对所述第二范围内的跳变周期取均值,得到跳变周期估计值;最后,根据已知的跳变时刻与跳变周期估计值,即推测得到所有跳变时刻的估计值。
本发明第三方面公开了一种电子设备。电子设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时,实现本公开第一方面中任一项的一种雷达信号识别与参数估计方法中的步骤。
本发明第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,实现本公开第一方面中任一项的一种雷达信号识别与参数估计方法中的步骤。
本申请所要达到的技术效果通过以下方案实现:可大幅提升脉内频率编码调制类型雷达信号的检出率,为此类型信号的调制识别提供实用、有效且鲁棒性较高的技术方法,实现窄脉冲高码元下的脉内离散频率编码参数高精度估计。
附图说明
为了更清楚地说明本申请实施例或现有的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本申请一实施例中一种雷达信号识别与参数估计方法的流程图;
图2为根据本发明实施例的脉内频率编码调制信号时域和时频图;
图3为根据本发明实施例的低信噪比下脉内频率编码调制信号脉冲包络检测;
图4为根据本发明实施例的利用SPWVD算法计算脉冲信号时频图;
图5为根据本发明实施例的提取脉冲信号时频脊线;
图6为根据本发明实施例的连续小波变化采用的尺度;
图7为根据本发明实施例的脉冲信号小波变换模极大值图;
图8为根据本发明实施例的一种雷达信号识别与参数估计***的结构图;
图9为根据本发明实施例的一种电子设备的结构图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合具体实施例及相应的附图对本申请的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
下面结合附图,详细说明本申请的各种非限制性实施方式。
离散频率编码信号中,信号的频率编码可以随机变化,因此对于信号侦察设备具有一定的分析难度,且可以抗多种形式的信号干扰,是未来复杂电磁环境中,雷达装备的一种主要波形形式。离散频率编码号可以表示为:
式中,M为一个脉冲内的频率码片个数,T sp 为每个频率码片的宽度,f c 为发射信号载频,发射脉冲的频率编码序列为f l =a•Δf,Δf为频率码片的频率间隔,且Δf=1/T sp ,a={a 1,…,a M}为频率编码系数,且是由整数{0,1,…,M-1}的随机重排。
本发明第一方面公开了一种雷达信号识别与参数估计方法。图1为根据本发明实施例的一种雷达信号识别与参数估计方法的流程图,如图1所示,所述方法包括:
步骤S1、通过对每次累加的采样点赋予不同权值的方法改进了传统的倒序相关累加递推公式,完成雷达信号的脉冲上升沿与下降沿的估计,从而实现脉冲检测;
步骤S2、将脉冲检测后的雷达信号经过 Wigner-Ville 变换后能得到幅度关于时间和频率的二维函数,进而得到雷达信号的时频图;
步骤S3、根据所述时频图提取时频脊线;
步骤S4、利用时频脊线计算脉内的时频脊线的频率变化趋势,当所述频率变化趋势为随机时,识别频率变化趋势为脉内频率编码调制;
步骤S5、对时频脊线进行小波变换得到小波系数,并计算每一时刻对应的小波系数最大值,然后对所述小波系数最大值设置门限并检测峰值,小波系数的峰值对应的时刻即为跳变时刻的估计值,进而得到跳变时刻和跳变周期;
步骤S6、通过所述跳变时刻和跳变周期,定位得到各脉内各码元的位置,分别对各脉内各码元进行快速傅里叶变换,即得到各码元的跳频频率估计值,由此得到脉内跳频信号的跳变周期、跳变时刻和跳频频率的估计值,从而实现频率编码参数的准确估计。
在步骤S1,通过对每次累加的采样点赋予不同权值的方法改进了传统的倒序相关累加递推公式,完成雷达信号的脉冲上升沿与下降沿的估计,从而实现脉冲检测。
在一些实施例中,在所述步骤S1中,所述通过对每次累加的采样点赋予不同权值的方法改进了传统的倒序相关累加递推公式,完成雷达信号的脉冲上升沿与下降沿的估计的方法包括:
对相干积累后的雷达信号的数据进行初测,确定所述雷达信号的预设检测范围;
应用改进相关累加递推公式对所述预设检测范围内的延时共轭相乘输出信号进行倒序相关累加,使得对于累加值越大的数据点,具有更高的累加权值,从而进行拐点的检测,完成雷达信号的脉冲上升沿与下降沿的估计。
所述改进相关累加递推公式为:
其中,y(m)为微小延时mT的共轭相乘输出信号,n表示n时刻,rw(n)为n时刻的初始累加值,y(n+1)为n+1时刻的共轭相乘输出信号,rw(n+1) 为n+1时刻的累加值,T为采样时间间隔。
具体地,首先对采集的雷达信号的数据进行基于延时的共轭相乘,将雷达信号乘以其复共轭的微小延时,去除决脉内调制影响:对接收的含噪信号x(t)=s(t)+w(t)进行采样,采样时间间隔为T,采样后的复接收信号可以表示为:
其中A(nT)为信号幅度,f c 为中频信号载频,φ(nT)为宽带信号调制信息,w(nT)为零均值高斯噪声。对接收进行微小延时mT并共轭相乘,有
信号部分可以表述为
对相干积累后的雷达信号的数据进行初测,确定所述雷达信号的预设检测范围 ;传统的倒序相关累加法,在进行相参累加时,为便于寻找信号下降沿拐点,需要将相参累加的结果与直线c(t)=k c , 作差,其中k c 为直线的斜率。即k c 对估计结果有一定的影响,而k c 的取值又直接受信号幅度A(nT)的影响,因为在低信噪比情况下信号幅度的精确估计通常难以保障,从而直接影响传统倒序相关累加法的脉冲检测精度。
通过对每次累加的采样点赋予不同的权值的方法,回避了对k c 进行估计需求,并且通过试验对比分析,与利用k c 进行脉冲估计的传统倒序相关累加法相比,其处理性能相同甚至更优。
式7,有效避免了对k c 的估计需求。其中,y(m)为微小延时mT的共轭相乘输出信号,n表示n时刻,rw(n)为n时刻的初始累加值,y(n+1)为n+1时刻的共轭相乘输出信号,rw(n+1)为n+1时刻的累加值,T为采样时间间隔。采用上述相干累加方法,可使得对于n值越大的点,具有更高的累加权值,从而便于开展拐点的检测,避免了常规CRA方法中需要计算,而多受信噪比影响的问题。利用上述方法对SNR=-5dB的离散频率编码信号,如图2所示,进行处理,检测信号的下降沿结果,如图3所示。可见上述算法对于低信噪比雷达信号的检测效果较好。
在步骤S2,如图4所示,将脉冲检测后的雷达信号经过 Wigner-Ville 变换后能得到幅度关于时间和频率的二维函数,进而得到雷达信号的时频图。
具体地,采用Cohen类时频分析中的PWVD(Psedo-Wigner-Ville Distribution)法进行时频分析,Wigner-Ville分布是一种最重要的Cohen类时频分布,信号经过 Wigner-Ville 变换后能得到幅度关于时间和频率的二维函数,将幅度值投影到时频平面则可对信号的时频图进行分析,即对信号时频图进行多尺度分析,在信号出现突变时,其小波变换后的系数具有模量极大值,因而可以通过对模量极大值点的检测来确定突变发生的时间点,可以由此估计步进频信号的频率、脉冲步进点数和子脉冲宽度等参数。
本算法中使用的PWVD算法,即伪Wigner_Ville分布,即对WVD分布进行加窗处理,抑制WVD算法固有的交叉干扰项影响,算法定义如下:
在步骤S3,根据所述时频图提取时频脊线,如图5所示。
在一些实施例中,在所述步骤S3中,所述根据所述时频图提取时频脊线的方法包括:
提取每一时刻PWVD最大幅值对应的频率,即沿所述时频图的时间轴提取每个时刻频率轴上的最大模值或最大模值对应的频率值构成时频脊线。
具体地,由时频图提取时频脊线采用的方法是提取每一时刻PWVD最大幅值对应的频率,提取时频脊线的跳变时刻即为跳频信号的跳变时刻。即沿时间轴提取每个时刻频率轴上的最大模值或最大模值对应的频率值构成时频脊线,在频率跳变时刻,该脊线会出现相应的变化。
此外,为了对时频脊线的跳变时刻进行准确定位,本实施例中,还采用小波变换方法,通过小波基函数的尺度系数自动调整信号的时间分辨率和频率分辨率,可得到时间-尺度域的小波系数图),利用小波变换的模极大值能够定位信号突变点的特性。
在步骤S4,利用时频脊线计算脉内的时频脊线的频率变化趋势,当所述频率变化趋势为随机时,识别频率变化趋势为脉内频率编码调制。
在一些实施例中,在所述步骤S4中,所述利用时频脊线计算脉内的时频脊线的频率变化趋势之前所述方法还包括:
对脉内的时频脊线进行线性拟合,然后计算线性拟合结果与脉内的时频脊线的相关因子,从而排除脉内的时频脊线为线性变化的可能性。
所述利用时频脊线计算脉内的时频脊线的频率变化趋势的方法包括:
计算时频脊线的跳变次数、上跃跳变次数和下跃跳变次数,利用所述跳变次数、上跃跳变次数和下跃跳变次数计算脉内的时频脊线的频率变化趋势。
在步骤S5,对时频脊线进行小波变换得到小波系数,并计算每一时刻对应的小波系数最大值,然后对所述小波系数最大值设置门限并检测峰值,小波系数的峰值对应的时刻即为跳变时刻的估计值,进而得到跳变时刻和跳变周期。
在一些实施例中,在所述步骤S5中,所述方法还包括:
当雷达信号的信噪低时,根据已得到的跳变时刻推测得到跳变周期,再根据跳变周期推测得到尚未能定位的跳变时刻,具体包括:首先计算跳变时刻的一阶差分,剔除一阶差分的极小值后,剩余的一阶差分结果为跳变周期的整数倍;把一阶差分结果出现最多的范围设定为跳变周期的第一范围,筛选出所述第一范围内的一阶差分值并计算其均值,从而得到跳变周期的第一估计值;然后,根据跳变周期的第一估计值的分布直方图统计出跳变周期出现概率最大的范围,定义为第二范围,并对所述第二范围内的跳变周期取均值,得到跳变周期估计值;最后,根据已知的跳变时刻与跳变周期估计值,即推测得到所有跳变时刻的估计值。
具体地,再由该脊线的变化规律提取信号的特征信息(如频率跳变周期、频率跳变时刻、频率),大多数时频分析类的步进频信号参数估计方法均是基于上述思想完成参数估计。其缺点仍是在多分量信号存在交叉项,步进频信号是多分量信号,若不对交叉项进行处理,将会影响信号的分析。本实施例中,采用连续小波变化,多贝西极限相位小波,DB1(Daubechies extremal phase scaling filter),使用的分析尺度如图6所示。采用上述方法,可进一步提高对时频脊线跃变的搜索准确度,特别适合于窄脉宽、高频率编码码元数情况下的短时隙精确测量估计。
对时频脊线进行小波变换得到小波系数,并计算每一时刻对应的小波系数最大值,如图7所示,然后对所述小波系数最大值设置门限并检测峰值,小波系数的峰值对应的时刻即为跳变时刻的估计值,进而得到跳变时刻和跳变周期。
当雷达信号的信噪低时,根据已得到的跳变时刻推测得到跳变周期,再根据跳变周期推测得到尚未能定位的跳变时刻,具体包括:首先计算跳变时刻的一阶差分,剔除一阶差分的极小值后,剩余的一阶差分结果为跳变周期的整数倍;把一阶差分结果出现最多的范围设定为跳变周期的第一范围,筛选出所述第一范围内的一阶差分值并计算其均值,从而得到跳变周期的第一估计值;然后,根据跳变周期的第一估计值的分布直方图统计出跳变周期出现概率最大的范围,定义为第二范围,并对所述第二范围内的跳变周期取均值,得到跳变周期估计值;最后,根据已知的跳变时刻与跳变周期估计值,即推测得到所有跳变时刻的估计值。
综上所述,当前,用地分析估计脉内频率编码技术参数的算法相对较少,本技术发明提出的上述方法有别于其他分析方法之处在于,一是设计了新的递推关系式,改进了传统的倒序相关累加(CRA)法,避免了常规CRA方法中需要计算,而多受信噪比影响的问题;二是提出基于曲线拟合和跃变平衡计算的脉内频率编码调制模式识别算法,有效解决了雷达信号的脉内频率编码调制识别问题;三是在查找时频脊线跃变点时引入了尺度可变的小波变换分析,提高了时频脊线的跃变点搜索精度,与现有技术相比具有的技术优点如下:
利用改进后的信号检测方法,可适应较低信噪比情况下的脉冲信号检测,使整个算法具备更好的适应性。
现有脉内频率编码雷达信号的处理分析手段较小,相对于传统方法,本方案所述方法提供了有效实用的脉内频率编码雷达信号调制识别方法。
本方案设计的算法可进一步提高对时频脊线跃变的搜索准确度,有解决了窄脉宽、高频率编码码元数情况下的短时隙参数精确测量与估计问题。
本发明方法对于不同雷达信号处理应用需求具有较为广泛的适用性和灵活性,即可适应快速粗测的雷达信号实时处理分析应用需求,应可满足这雷达信号的波形设计参数分析、工作机理研究和模式性能识别等高精度信号处理分析需求。
本发明第二方面公开了一种雷达信号识别与参数估计***。图8为根据本发明实施例的一种雷达信号识别与参数估计***的结构图;如图8所示,所述***100包括:
第一处理模块101,被配置为,通过对每次累加的采样点赋予不同权值的方法改进了传统的倒序相关累加递推公式,完成雷达信号的脉冲上升沿与下降沿的估计,从而实现脉冲检测;
第二处理模块102,被配置为,将脉冲检测后的雷达信号经过 Wigner-Ville 变换后能得到幅度关于时间和频率的二维函数,进而得到雷达信号的时频图;
第三处理模块103,被配置为,根据所述时频图提取时频脊线;
第四处理模块104,被配置为,利用时频脊线计算脉内的时频脊线的频率变化趋势,当所述频率变化趋势为随机时,识别频率变化趋势为脉内频率编码调制;
第五处理模块105,被配置为,对时频脊线进行小波变换得到小波系数,并计算每一时刻对应的小波系数最大值,然后对所述小波系数最大值设置门限并检测峰值,小波系数的峰值对应的时刻即为跳变时刻的估计值,进而得到跳变时刻和跳变周期;
第六处理模块106,被配置为,通过所述跳变时刻和跳变周期,定位得到各脉内各码元的位置,分别对各脉内各码元进行快速傅里叶变换,即得到各码元的跳频频率估计值,由此得到脉内跳频信号的跳变周期、跳变时刻和跳频频率的估计值,从而实现频率编码参数的准确估计。
根据本发明第二方面的***,所述第一处理模块101,被配置为,所述通过对每次累加的采样点赋予不同权值的方法改进了传统的倒序相关累加递推公式,完成雷达信号的脉冲上升沿与下降沿的估计包括:
对相干积累后的雷达信号的数据进行初测,确定所述雷达信号的预设检测范围;
应用改进相关累加递推公式对所述预设检测范围内的延时共轭相乘输出信号进行倒序相关累加,使得对于累加值越大的数据点,具有更高的累加权值,从而进行拐点的检测,完成雷达信号的脉冲上升沿与下降沿的估计。
根据本发明第二方面的***,所述第一处理模块101,被配置为,所述改进相关累加递推公式为:
其中,y(m)为微小延时mT的共轭相乘输出信号,n表示n时刻,rw(n)为n时刻的初始累加值,y(n+1)为n+1时刻的共轭相乘输出信号,rw(n+1) 为n+1时刻的累加值,T为采样时间间隔。
根据本发明第二方面的***,所述第三处理模块103,被配置为,所述根据所述时频图提取时频脊线包括:
提取每一时刻PWVD最大幅值对应的频率,即沿所述时频图的时间轴提取每个时刻频率轴上的最大模值或最大模值对应的频率值构成时频脊线。
根据本发明第二方面的***,所述第四处理模块104,被配置为,
所述利用时频脊线计算脉内的时频脊线的频率变化趋势之前还包括:
对脉内的时频脊线进行线性拟合,然后计算线性拟合结果与脉内的时频脊线的相关因子,从而排除脉内的时频脊线为线性变化的可能性。
根据本发明第二方面的***,所述第四处理模块104,被配置为,
所述利用时频脊线计算脉内的时频脊线的频率变化趋势包括:
计算时频脊线的跳变次数、上跃跳变次数和下跃跳变次数,利用所述跳变次数、上跃跳变次数和下跃跳变次数计算脉内的时频脊线的频率变化趋势。
根据本发明第二方面的***,所述第五处理模块105,被配置为,当雷达信号的信噪低时,根据已得到的跳变时刻推测得到跳变周期,再根据跳变周期推测得到尚未能定位的跳变时刻,具体包括:首先计算跳变时刻的一阶差分,剔除一阶差分的极小值后,剩余的一阶差分结果为跳变周期的整数倍;把一阶差分结果出现最多的范围设定为跳变周期的第一范围,筛选出所述第一范围内的一阶差分值并计算其均值,从而得到跳变周期的第一估计值;然后,根据跳变周期的第一估计值的分布直方图统计出跳变周期出现概率最大的范围,定义为第二范围,并对所述第二范围内的跳变周期取均值,得到跳变周期估计值;最后,根据已知的跳变时刻与跳变周期估计值,即推测得到所有跳变时刻的估计值。
本发明第三方面公开了一种电子设备。电子设备包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时,实现本发明公开第一方面中任一项的一种雷达信号识别与参数估计方法中的步骤。
图9为根据本发明实施例的一种电子设备的结构图,如图9所示,电子设备包括通过***总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、运营商网络、近场通信(NFC)或其他技术实现。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该电子设备的输入装置可以是显示屏上覆盖的触摸层,也可以是电子设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图9中示出的结构,仅仅是与本公开的技术方案相关的部分的结构图,并不构成对本申请方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本发明第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,实现本发明公开第一方面中任一项的一种雷达信号识别与参数估计方法中的步骤中的步骤。
请注意,以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种雷达信号识别与参数估计方法,其特征在于,所述方法包括:
步骤S1、通过对每次累加的采样点赋予不同权值的方法改进了传统的倒序相关累加递推公式,完成雷达信号的脉冲上升沿与下降沿的估计,从而实现脉冲检测;
步骤S2、将脉冲检测后的雷达信号经过 Wigner-Ville 变换后得到幅度关于时间和频率的二维函数,进而得到雷达信号的时频图;
步骤S3、根据所述时频图提取时频脊线;
步骤S4、利用时频脊线计算脉内的时频脊线的频率变化趋势,当所述频率变化趋势为随机时,识别频率变化趋势为脉内频率编码调制;
步骤S5、对时频脊线进行小波变换得到小波系数,并计算每一时刻对应的小波系数最大值,然后对所述小波系数最大值设置门限并检测峰值,小波系数的峰值对应的时刻即为跳变时刻的估计值,进而得到跳变时刻和跳变周期;
步骤S6、通过所述跳变时刻和跳变周期,定位得到各脉内各码元的位置,分别对各脉内各码元进行快速傅里叶变换,即得到各码元的跳频频率估计值,由此得到脉内跳频信号的跳变周期、跳变时刻和跳频频率的估计值,从而实现频率编码参数的准确估计。
2.根据权利要求1所述的一种雷达信号识别与参数估计方法,其特征在于,在所述步骤S1中,所述通过对每次累加的采样点赋予不同权值的方法改进了传统的倒序相关累加递推公式,完成雷达信号的脉冲上升沿与下降沿的估计的方法包括:
对相干积累后的雷达信号的数据进行初测,确定所述雷达信号的预设检测范围;
应用改进相关累加递推公式对所述预设检测范围内的延时共轭相乘输出信号进行倒序相关累加,使得对于累加值越大的数据点,具有更高的累加权值,从而进行拐点的检测,完成雷达信号的脉冲上升沿与下降沿的估计。
4.根据权利要求1所述的一种雷达信号识别与参数估计方法,其特征在于,在所述步骤S3中,所述根据所述时频图提取时频脊线的方法包括:
提取每一时刻PWVD最大幅值对应的频率,即沿所述时频图的时间轴提取每个时刻频率轴上的最大模值或最大模值对应的频率值构成时频脊线。
5.根据权利要求1所述的一种雷达信号识别与参数估计方法,其特征在于,在所述步骤S4中,所述利用时频脊线计算脉内的时频脊线的频率变化趋势之前所述方法还包括:
对脉内的时频脊线进行线性拟合,然后计算线性拟合结果与脉内的时频脊线的相关因子,从而排除脉内的时频脊线为线性变化的可能性。
6.根据权利要求5所述的一种雷达信号识别与参数估计方法,其特征在于,在所述步骤S4中,所述利用时频脊线计算脉内的时频脊线的频率变化趋势的方法包括:
计算时频脊线的跳变次数、上跃跳变次数和下跃跳变次数,利用所述跳变次数、上跃跳变次数和下跃跳变次数计算脉内的时频脊线的频率变化趋势。
7.根据权利要求1所述的一种雷达信号识别与参数估计方法,其特征在于,在所述步骤S5中,所述方法还包括:
当雷达信号的信噪低时,根据已得到的跳变时刻推测得到跳变周期,再根据跳变周期推测得到尚未能定位的跳变时刻,具体包括:首先计算跳变时刻的一阶差分,剔除一阶差分的极小值后,剩余的一阶差分结果为跳变周期的整数倍;把一阶差分结果出现最多的范围设定为跳变周期的第一范围,筛选出所述第一范围内的一阶差分值并计算其均值,从而得到跳变周期的第一估计值;然后,根据跳变周期的第一估计值的分布直方图统计出跳变周期出现概率最大的范围,定义为第二范围,并对所述第二范围内的跳变周期取均值,得到跳变周期估计值;最后,根据已知的跳变时刻与跳变周期估计值,即推测得到所有跳变时刻的估计值。
8.一种用于雷达信号识别与参数估计***,其特征在于,所述***包括:
第一处理模块,被配置为,通过对每次累加的采样点赋予不同权值的方法改进了传统的倒序相关累加递推公式,完成雷达信号的脉冲上升沿与下降沿的估计,从而实现脉冲检测;
第二处理模块,被配置为,将脉冲检测后的雷达信号经过 Wigner-Ville 变换后能得到幅度关于时间和频率的二维函数,进而得到雷达信号的时频图;
第三处理模块,被配置为,根据所述时频图提取时频脊线;
第四处理模块,被配置为,利用时频脊线计算脉内的时频脊线的频率变化趋势,当所述频率变化趋势为随机时,识别频率变化趋势为脉内频率编码调制;
第五处理模块,被配置为,对时频脊线进行小波变换得到小波系数,并计算每一时刻对应的小波系数最大值,然后对所述小波系数最大值设置门限并检测峰值,小波系数的峰值对应的时刻即为跳变时刻的估计值,进而得到跳变时刻和跳变周期;
第六处理模块,被配置为,通过所述跳变时刻和跳变周期,定位得到各脉内各码元的位置,分别对各脉内各码元进行快速傅里叶变换,即得到各码元的跳频频率估计值,由此得到脉内跳频信号的跳变周期、跳变时刻和跳频频率的估计值,从而实现频率编码参数的准确估计。
9.一种电子设备,其特征在于,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时,实现权利要求1至7中任一项所述的一种雷达信号识别与参数估计方法中的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,实现权利要求1至7中任一项所述的一种雷达信号识别与参数估计方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211092268.3A CN115166650B (zh) | 2022-09-08 | 2022-09-08 | 一种雷达信号识别与参数估计方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211092268.3A CN115166650B (zh) | 2022-09-08 | 2022-09-08 | 一种雷达信号识别与参数估计方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115166650A true CN115166650A (zh) | 2022-10-11 |
CN115166650B CN115166650B (zh) | 2022-11-18 |
Family
ID=83480670
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211092268.3A Active CN115166650B (zh) | 2022-09-08 | 2022-09-08 | 一种雷达信号识别与参数估计方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115166650B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117148284A (zh) * | 2023-10-30 | 2023-12-01 | 烟台初心航空科技有限公司 | 基于频率步进的防撞雷达调制信号产生方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150301167A1 (en) * | 2009-12-18 | 2015-10-22 | Christopher Gary Sentelle | Detection of movable objects |
CN109061589A (zh) * | 2018-07-06 | 2018-12-21 | 西安电子科技大学 | 随机跳频雷达的目标运动参数估计方法 |
CN109116325A (zh) * | 2018-09-21 | 2019-01-01 | 清华大学 | 基于捷变相参雷达的目标识别方法及*** |
CN114545350A (zh) * | 2021-12-31 | 2022-05-27 | 西安空间无线电技术研究所 | 一种基于同步压缩算子的空间信号参数估计方法 |
-
2022
- 2022-09-08 CN CN202211092268.3A patent/CN115166650B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150301167A1 (en) * | 2009-12-18 | 2015-10-22 | Christopher Gary Sentelle | Detection of movable objects |
CN109061589A (zh) * | 2018-07-06 | 2018-12-21 | 西安电子科技大学 | 随机跳频雷达的目标运动参数估计方法 |
CN109116325A (zh) * | 2018-09-21 | 2019-01-01 | 清华大学 | 基于捷变相参雷达的目标识别方法及*** |
CN114545350A (zh) * | 2021-12-31 | 2022-05-27 | 西安空间无线电技术研究所 | 一种基于同步压缩算子的空间信号参数估计方法 |
Non-Patent Citations (3)
Title |
---|
张宝林等: "一种改进的跳频信号参数估计方法", 《电讯技术》 * |
张志宝等: "一种新的联合跳频信号参数估计算法", 《计算机与数字工程》 * |
胡鑫磊等: "一种新的跳频信号参数估计方法", 《电子信息对抗技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117148284A (zh) * | 2023-10-30 | 2023-12-01 | 烟台初心航空科技有限公司 | 基于频率步进的防撞雷达调制信号产生方法 |
CN117148284B (zh) * | 2023-10-30 | 2024-01-26 | 烟台初心航空科技有限公司 | 基于频率步进的防撞雷达调制信号产生方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115166650B (zh) | 2022-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109061589B (zh) | 随机跳频雷达的目标运动参数估计方法 | |
CN101662305B (zh) | 直接序列扩频***伪随机码估计方法 | |
CN110988834B (zh) | 一种基于自适应阈值双门限的脉冲到达时间测量方法 | |
CN109521404B (zh) | 基于fmcw雷达的振动测量的准确度评估方法和*** | |
CN111427018A (zh) | 一种雷达干扰装备干扰效果评估方法 | |
CN115166650B (zh) | 一种雷达信号识别与参数估计方法和*** | |
CN109507704A (zh) | 一种基于互模糊函数的双星定位频差估计方法 | |
CN104155651A (zh) | 一种用于极化雷达目标跟踪的概率数据关联方法 | |
CN111474524A (zh) | 一种雷达干扰装备干扰效果监测与决策支持*** | |
CN111159888A (zh) | 一种基于互相关函数的协方差矩阵稀疏迭代时延估计方法 | |
Wei et al. | Robust multi-frame joint frequency hopping radar waveform parameters estimation under low signal-noise-ratio | |
CN110531309A (zh) | 存在幅相误差时基于原子范数的相关信号到达角估计方法 | |
Rao et al. | Atmospheric radar signal processing using principal component analysis | |
CN114545342A (zh) | 利用多通道侦察接收机的雷达脉冲信号参数测量方法 | |
CN110632563B (zh) | 一种基于短时傅里叶变换的脉内频率编码信号参数测量方法 | |
CN114650108B (zh) | 一种变换域通信***信号的检测方法及*** | |
CN116032709B (zh) | 无先验知识fsk信号盲解调和调制特征解析方法及装置 | |
Eappen et al. | Semiparametric algorithm for processing MST radar data | |
CN103441975B (zh) | 一种基于功率谱的二相编码信号参数估值方法 | |
Ogura et al. | Spectral analysis and subtraction of noise in radar signals | |
Kirmaz et al. | ToA and TDoA estimation using artificial neural networks for high-accuracy ranging | |
CN109581319B (zh) | 基于多扫描递归的海杂波多普勒偏移和带宽估计方法 | |
Viunytskyi et al. | Novel bispectrum-based wireless vision technique using disturbance of electromagnetic field by human gestures | |
Pace et al. | Nyquist folding analog-to-information receiver: Autonomous information recovery using quadrature mirror filtering | |
CN112327052A (zh) | 一种快速高精度测频方法和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |