基于雷達輻射源特征的離線情報分析軟件設計

陳家瑞，趙 莉，柴 恒

(中國船舶重工集團公司第七二三研究所，江蘇 揚州 225101)

1 概 述

離線情報分析軟件可以完成譜分析、脈沖參數測量、脈內分析、信號分選、圖形顯式等功能。并且為了方便用戶的人工分析，圖形顯式可以自助伸縮，在圖形上可以通過選點進行輔助測量。離線情報分析軟件的組成如圖1所示[1]。

圖1 離線情報分析軟件

離線情報分析軟件具有參數測量精度高、提供廣泛測量和分析功能、具備多種直觀的顯示方式、支持人工參與輔助分析的功能，并具備多文件批處理功能，提高數據分析的效率。在信號脈內測量分析時，采用了信號盲分離技術、信號自適應處理技術、改進Kay瞬時頻率估計技術、超窄碼元信號識別技術、模糊決策樹判決技術等，提高信號分析的精度和準確度。為了對脈間參數測量進行分析，在成熟的累積直方圖(CDIF)、序列直方圖(SDIF)和時間序列確認方法的基礎上，引入了數據挖掘(Data Mining)的GSP(generalized sequential pattern)算法對雷達信號知識進行挖掘，提高信號脈間分析方法對信號的適應性。離線情報分析軟件面臨著大數據量的問題，因此必須對算法進行加速；通過采用MKL庫、OpenMP技術、數據分析并行化技術顯著提高情報分析軟件的效率。離線情報分析軟件的分層架構圖如圖2所示[2-4]。

圖2 離線情報分析軟件分層架構圖

離線情報分析軟件的分析流程如圖3所示。

圖3 離線情報分析軟件分析流程

2 脈內調制參數測量

脈內參數調制測量流程及關鍵技術如圖4所示，各環節作用如下：

圖4 脈內調制參數測量流程及關鍵技術

(1) 信號盲分離:此模塊主要用于分離在時域和頻域有混疊的信號，輸出分離的中頻信號供后續處理。

(2) 脈內參數測量：此模塊主要進行信號的參數測量，通過對信號進行質量評估，自適應地分析信號的到達時間、載頻、脈寬、功率等關鍵參數。

(3) 調制識別：利用不同調制類型時頻特征的差異，基于決策樹判決技術，根據信號時頻曲線等特征進行信號的調制識別功能。

下面重點介紹在脈內參數調制測量中使用的信號盲分離技術、自適應處理技術、無模糊相位提取技術[5-6]。

2.1 信號盲分離技術

信號盲分離技術是在時域和頻域均有混疊并且信號的先驗信息未知的情況下將時頻域混疊的信號進行分離。本系統中采用基于快速獨立成分分析(FastICA)盲分離方法，分離流程如圖5所示。

圖5 信號盲分離流程

(1) 對中頻信號進行頻譜分析，檢測譜峰，計算對應譜峰個數和對應譜峰寬度。

(2) 根據譜峰的位置與寬度，用相應的帶通濾波器對各譜峰進行濾波，得到初步分離的信號。

(3) 初步分離的譜峰內如果是單一信號，則已經被分離，直接輸出用于后續處理。

(4) 對于初步分離后頻域混疊信號，采用FastICA算法進行分離。

(5) 綜合輸出的單個信號與分離信號，最終實現信號盲分離輸出。

2.2 信號自適應處理技術

自適應處理技術主要根據不同的信號質量與特征，自動調整處理方法、處理流程和處理參數等，使其與處理數據的統計分布特征、結果特征相適應，提升系統處理速度與結果的可信度，本系統采用的自適應處理方法如圖6所示。

圖6 自適應處理流程

(1) 針對分離后的信號首先進行信噪比估計，根據信噪比大小采用不同的處理方法。

(2) 對于信噪比低于一定閾值的信號，采用信噪比增加技術提升信號質量。采用信噪比增強可以有效提高信號參數測量與調制識別的準確性，但是會影響信號的細微特征，從而降低信號個體識別的可信度。

(3) 對信號質量進行評估，主要包括：脈沖信號的完整性、脈沖多徑、脈沖毛刺以及虛假脈沖等。對于低質量的信號可以直接丟棄，將信號質量評估的結果送往下一級。

(4) 根據信號質量調整處理算法進行參數測量以及識別等。

(5) 對于不同的信號質量，給出相應的結果與可信度輸出。

本系統采用二階四階矩信噪比估計法作為信號的信噪比估計算法。其基本原理是利用信號和噪聲的2、4階矩之間的關系來估計信噪比。二階四階矩估計法是一種自適應算法，由于其是基于接收信號的二階和四階量估計，從而不需要相位恢復。作為累計量算法，它不需要接收機判決，因此是一種無輔助數據估計算法。在二階和四階矩應用于實加性高斯白噪聲(AWGN)信道中載波和噪聲估計的基礎上，可以得出對于實信道和復信道中信噪比估計方法。

假設接收信號與噪聲都是零均值、相互獨立的隨機過程，并且復噪聲的同相和正交兩路相互獨立，則信號的二階量M2和四階量M4可以簡化表示為：

M2=S+N

(1)

M4=KaS2+4SN+KwN2

(2)

其中：

Ka=E[|an|4]/(E[|an|2])2

(3)

Kw=E[|wn|4]/(E[|wn|2])2

(4)

聯立兩式可以推出S、N的估計值：

(5)

N=M2-S

(6)

此處S與N的比值即為信噪比。

對于MPSK信號來說，Ka=1；對于復噪聲來說，Kw=2，因此可得：

(7)

(8)

在實際應用中，二階和四階量是由接收信號的時間平均來計算的，下面給出它們的近似表達式，對于實信道或復信道都適用：

(9)

(10)

式中：N為接收信號時域寬度。

在電磁環境復雜的外場條件下，對實際接收到的脈沖信號，選取信噪比較高的同調制方式、同脈寬脈沖共100個，對常用的3種信噪比估計算法的實際性能和效果進行評估，測試結果如圖7所示。由圖8可以看出，通過自相關矩陣奇異值分解法與M2M4估計法得出的SNR估計值均低于平方信噪方差比估計法，但是自相關矩陣奇異值分解法的實測SNR估計值略大于M2M4估計法。如圖9所示，自相關矩陣奇異值分解法的SNR估計方差在3種算法中是最小的，這表明在信噪比為30 dB左右時，自相關矩陣奇異值分解估計算法的穩定性最佳。

圖7 外場條件下3種方法的SNR估計

圖8 外場條件下3種方法的SNR估計均值

圖9 外場條件下3種方法的SNR估計方差

2.3 無模糊相位提取技術

對于接收的的雷達信號，無模糊相位的提取正確性對信號調制方式的準確識別和脈內分析都有很重要的意義。雷達信號模型可以表示為：

r(n)=s(n)+w(n)=Aexp{jφ(n)}+w(n),n=1，…，N

(11)

式中：A為載波幅度；φ(n)為相位；w(n)為方差等于σ2的附加性高斯白噪聲；N為樣本個數。

由復信號通過反正切可以得到瞬時相位：

(12)

由于測量相位的取值范圍為[-π,π]，因此測量相位φ(n)為真實相位，φ對2π取模后的相位值為：

φ(n)=mod(φT(n),2π)

(13)

式中：mod表示取模運算，相位展開算法就是由測量相位解模糊得到真實相位。

等效式為：

φ(n)=φT(n)-kn2π

(14)

式中：kn為第n個樣本點所處的周期數，相鄰2個樣本點之間的相位差為：

Δφ(n)=ΔφT(n)-(kn-kn-1)2π

(15)

在滿足奈奎斯特采樣定理的情況下，若φT(n)和φT(n-1)處于相鄰周期，則Δφ(n)<0,因此可以根據相鄰樣本點之間的測量相位差逐級解模糊得到信號的真實相位，第n個樣本點的真實相位值為：

(16)

當相位被噪聲污染時，相鄰樣本點的相位差為：

Δφ(n)=ΔφT(n)-(kn-kn-1)2π+Δε(n)

(17)

當φT(n)和φT(n-1)處于同一周期內：

Δφ(n)=ΔφT(n)+Δε(n)

(18)

可以看出，當Δε(n)<-ΔφT(n)時，解模糊得到的φT(n)會出現錯誤。若要降低錯誤概率，那么ΔφT(n)應該盡可能的大。因為ΔφT(n)∈(0,π]，因此當ΔφT(n)=π時，進行相位展開的性能最佳。圖10給出了在0～10 dB信噪比情況下，采樣率fs與載頻fc比值分別為2,3,5時相位展開錯誤概率的分布曲線，可以看出采樣率fs與fc的比值為2時，錯誤率最小。

因此，在信噪比較低的情況下，可以通過將采樣信號上變頻至fs的1/2附近，進行相位展開，得到精確的瞬時相位，再根據上變頻的頻率求得變頻前信號的真實相位。圖10為相位展開錯誤概率的分布曲線。

圖10 相位展開錯誤概率的分布曲線

3 結束語

離線情報分析軟件通過采用分層處理架構實現全功能的后處理分析功能，并采用MKL庫、OpenMP技術、數據分析并行化等處理加速技術實現了高速離線情報處理；采用信號盲分離解決了信號同時到達分析；通過信噪比估計實現了信號自適應處理，在處理復雜度和處理時間之間取得了平衡；通過無模糊相位提取技術實現了脈內參數測量。通過上述方法，實現了覆蓋信號分析、信號分選、情報生成及數據加速的離線情報分析軟件，具有功能齊全和性能優越的特點。