連續波體制引信多譜峰特性目標檢測方法

張 俊,馮昌林,魏軍輝

(解放軍92942部隊,北京 100161)

0 引言

在地/海雜波背景及復雜的戰場電磁環境中,噪聲對連續波體制引信的目標檢測性能影響很大,因此無線電引信除了向著多功能、高精度方向發展外,適應地/海雜波背景及復雜噪聲環境的目標檢測能力也成為其發展的一個重要方面[1]。

對于連續波體制引信而言,較強的環境噪聲對引信的目標檢測性能影響很大。受到波形約束,連續波體制引信的信號收發相關信道保護也不是很嚴密,所以目前提升連續波體制引信在強噪聲環境下的目標檢測能力主要集中在信號識別環節實現[2]。信號識別的關鍵在于特征提取,選擇合適的特征參量可以適應較強的環境噪聲。

信號時頻分析是提取特征參量的一種有效方法,分數階傅里葉變換[3]、短時傅里葉變換[4-5]、希爾伯特黃變換[2]、小波變換[6-10]等信號分析方法已經被應用于引信的目標探測和識別。但是上述分析手段主要聚焦于信號在時頻域的二維特性,沒有對目標信號中的多譜峰特性進行研究及相關報道。

連續波體制引信在信號處理電路中采取了一些適應強環境噪聲的措施,如接近目標開始接電、動態噪聲門限、自適應改變通道增益等,能夠適應一般水平的環境噪聲,但是當環境噪聲較大時,以上方法的效果有限。

由于毫米波引信具有較高的分辨率,在彈目交會過程中,目標回波信號會將目標的結構特征在頻域體現為多個譜峰。本文通過提取目標回波信號短時頻譜中多個譜峰的間隔來區分目標信號與環境噪聲,提高連續波體制引信的在強噪聲環境下的目標檢測能力。

1 目標回波信號短時頻譜特性

目標檢測的重要方法之一就是特征提取,特征提取有很多種方法,常見的方法之一就是對信號進行變換,例如將信號變換到頻域上提取信號的頻域特征。由于干擾信號作用下檢波輸出信號含有較多諧波,而且振蕩狀態不穩定,可以利用頻譜的區別來識別目標信號與干擾信號。

彈目交會過程中,連續波多普勒引信的檢波輸出信號為多頻率的多普勒信號,除去直流分量外,它的頻譜表現為在多普勒頻率附近的多個脈沖。實測的目標回波作用下引信檢波信號的短時頻譜序列如圖1所示,其中短時頻譜a～d對應的彈目距離依次為20 m、15 m、10 m、5 m。

圖1 目標回波信號的短時頻譜序列

如圖1中的目標回波信號的短時頻譜d所示,由于毫米波引信具有較高的分辨率,目標回波信號的短時頻譜呈現多譜峰的特性,多個譜峰在多普勒頻率附近分布,譜峰的間隔和目標的強反射點結構分布有關。統計分析目標回波信號短時頻譜的多譜峰特性,可以將目標回波信號和干擾信號區分開來。

2 連續波體制引信多譜峰特性目標檢測

2.1 提取回波信號的短時頻譜譜峰

彈目交會過程中,引信接收到的回波信號為非平穩信號,考慮到算法的實時性,本文通過對信號進行短時傅里葉變換得到信號的短時頻譜,進而提取信號在時刻t對應的譜峰信息。提取信號在時刻t的譜峰信息的步驟如下:

1) 通過矩形窗取回波信號在時刻t的信號片段s;

2) 對信號片段s進行傅里葉變換,得到該信號片段對應的短時頻譜,頻率分辨率為Δf;

3) 計算信號片段s頻譜的平均幅值A;

4) 提取幅值大于2A的譜線信息,并按頻率從低至高依次排列,得到譜線序列F′;

5) 對譜線序列F′進行聚類處理,得到信號片段s對應的譜峰信息。

在步驟4)中,譜峰在提取的譜線序列中會對應多條連續的譜線,因此通過步驟5)的聚類處理,將相鄰的譜線聚合到一起對應譜峰信息。

提取信號片段s的譜峰信息的流程圖如圖2所示。

圖2 提取多譜峰的流程

2.2 提取多譜峰的位置及間隔

由于無線電引信的算力資源有限,所以本文構建量化指標來反映多譜峰的特征,以降低資源開銷,提高算法的實用性。

反映多譜峰特征的量化指標包括譜峰頻率的均值和譜峰間隔的均值。其中,根據彈目交會過程中的多普勒效應,譜峰頻率的均值應在目標多普勒頻率附近,因此判斷多譜峰平均頻率是否在彈目交會過程中多普勒頻率附近可以排除多譜峰平均頻率不在多普勒頻率附近的回波信號。計算多譜峰平均頻率的計算過程為

(1)

式(1)中,f為多譜峰位置對應的頻率,N為譜峰數量,fi為第i個譜峰所處的頻率。

由于目標回波信號的譜峰間隔與目標的空間結構直接相關,而噪聲的譜峰分布具有隨機性,與目標回波信號的譜峰間隔分布并不一致,因此分析判斷譜峰間隔可以極大提高對提取到的譜峰按頻率從低至高進行排布,計算相鄰譜峰的頻率間隔,取平均值作為回波信號多譜峰間隔,計算過程為

(2)

式(2)中,w為多譜峰對應的間隔,N為譜峰數量,fi和fi+1為第i個和第i+1個譜峰所處的頻率。

2.3 通過閾值區分目標信號與干擾信號

根據計算得到的多譜峰對應的頻率f和間隔w,通過比對閾值F和W來判斷回波信號是否為目標信號,其中,閾值F和W為一個統計范圍區間。具體流程如圖3所示。

圖3 根據頻率f和間隔w區分目標信號和干擾信號的流程

3 仿真驗證

3.1 測試數據

本文采用3組微波暗室實采的目標回波數據和隨機噪聲進行仿真驗證,3組信號在彈目交會過程中的脫靶量依次為1.5、2.5和3.5 m。目標回波信號的時域波形如圖4所示。

圖4 信號時域波形

3.2 仿真驗證結果

仿真試驗采用3.1節中的3組目標信號分別進行實驗。在每組實驗中,在檢波信號中加入高斯白噪聲,信噪比為-10～3 dB,基于本文設計的算法對混入高斯白噪聲的信號進行目標信號和干擾信號的識別,比對識別為目標信號的時刻與實際目標信號出現的時刻來確認本文算法識別目標信號的檢測率和虛警率。實驗通過短時傅里葉變換提取回波信號的短時頻譜,每幀頻譜采用2 048點傅里葉變換,共提取800幀短時頻譜。短時頻譜采用歸一化的頻率和幅值,多譜峰平均頻率的閾值F設定為[0.09,1],平均頻率間隔的閾值W設定為[0.019,0.021]。

以第3組脫靶量為3.5 m的信號為例,經本文算法提取到的目標信號多譜峰結果如圖5所示,譜峰數量為3,多譜峰的平均歸一化頻率為0.096,平均歸一化譜峰間隔為0.02,符合設定的閾值條件,識別為目標信號。

圖5 目標信號的多譜峰提取結果

經本文算法提取到的噪聲的多譜峰結果如圖6所示,譜峰數量為7,多譜峰的平均歸一化頻率為0.365,平均歸一化譜峰間隔為0.13,不符合設定的閾值條件,識別為噪聲。

圖6 噪聲的多譜峰提取結果

由于高斯白噪聲具有隨機性,這里重復實驗1 000次。通過1 000次獨立的仿真實驗,對于3組不同的目標回波信號,通過本文設計的算法區分目標信號和干擾信號的實驗結果如表1所示。

表1 基于多譜峰特性的目標識別仿真實驗結果

對比實驗采用常規的幅值最大譜峰的檢測手段,即根據幅值最大的譜峰頻率和幅值來區分目標信號與噪聲,實驗條件與上面相同,實驗結果如表2所示。

表2 基于幅值最大譜峰特性的目標識別仿真實驗結果

對比兩次實驗可以看到,基于多譜峰特性的目標識別方法具有更好的檢測效果。

4 結論

本文提出一種基于多譜峰特性的連續波多普勒引信的目標檢測方法。該方法利用毫米波引信分辨率較高的優勢,根據彈目交會過程中目標信號具有多譜峰的特性,在提取回波信號短時頻譜多譜峰信息的基礎上,通過構建譜峰平均頻率和譜峰平均間隔的量化指標來區分目標信號和環境噪聲。

仿真實驗結果表明,該方法能夠有效提高連續波體制引信在強噪聲環境下的目標檢測能力,并且該方法通過構建量化指標來體現多譜峰的特性,易于工程實現,具有較高的工程實用價值。