雷达信号

2024-06-30

雷达信号（共10篇）

雷达信号篇1

现代化的通信正在不断地深入发展并得到广泛的应用, 不同的通信系统的基站建设也越来越多。各种通信基站的使用频率、范围也在不断地变化和扩展, 以致于雷达信号受到同频率的通信信号的强力干扰。目前, 大多数的通信技术采用的是正弦信号为载波, 属于连续性的波调制。在同一频率的情况下, 通信信号会对雷达信号产生压制性的干扰, 严重影响到雷达工作站的运行。通信信号多以窄带干扰为主, 目前, 雷达采用的是匹配接受方式, 发射以线性调频或相位编码的信号。但不同的同频带的通信信号混进雷达接受目标回报信号之中, 会极大地影响到雷达匹配滤波的功能。

1 通信信号概述

1.1 通信信号概念

通信信号指通信中传输的图像、语言、文字等信息的传递信号。现代通讯一般以正弦信号电磁波的方式进行, 都以电磁波的方式进行传递, 发射电磁波的设备携带着接收方所需要的信息, 有时候直接到达接收方, 有时候这要经过许多的中转才能到达接收方。其通信信号的传递是经过不同的通信基站和设备进行传输的, 会连续性的产生信号波[1]。

1.2 通信信号模型建立

目前, 通信多以数字化设备进行, 其数字通信信号包括调幅、调频、调相三种基本调制形式。幅度键控ASK是线性调制, 频率键控FSK及相位键控PSK是非线性调制。因为表征信息的频率与相位的调整变化只有有限的离散值。因而, 可以进行频率键控FSK和相位键控PSK的简化, 作为幅度键控ASK信号处理。

2 特征子空间投影分析法

2.1 特征子空间理论的概念

特征子空间的降维效果和稳健性的出来能力在波束形成、DOA估计、超分辨处理等方面得到了广泛的应用。在通信基站密集的区域, 雷达信号会受到很大的影响, 当在脉压雷达强干扰的接收环境下, 接收的矢量中包括雷达回波信号和通信干扰信号[2]。

2.2 特征值的个数选取

在实际操作中, 输入为带限干扰, 无法准确的掌握大特征值的个数, 因而, 合理的选择大特征值的个数是必须考虑的问题, 如果特征值个数选择不够, 则会对干扰抵消不彻底;而选择过多, 则会将必要的信号对消。实际操作中可选择相邻的特征值的变化进行个数的选择, 其需要满足公式:i/i+1>i+1/i+2其中i=1, 2, 3....;M-2。

对于信号功率, 输入干扰功率越大, 那么对应的特征值也越大, 前面的特征值与后面的特征值的差距增大, 则确定感染子空间的维度就更容易, 且抑制干扰效果会更佳。

2.3 仿真结果分析

如果LFM信号的中心频率为F0=0MHz, 带宽B=10MHz, 时宽为T=10us。噪声是高斯白噪声, 输入不同的干扰功率时, 特征子空间的投影方法干扰抑制效果存在不同[5]。协方差矩阵特征值进行分解后, 代表干扰的特征值和代表信号及噪声的特征值相差较大时, 可以很容易很精确的选择出前面r个大特征值, 相反, 则不容易区分出大特征值和小特征值, 如果受到通信信号的干扰功率越大, 该方法对消效果则更佳, 干扰功率小则抑制效果不理想。

3 最小二乘法分析法

3.1 最小二乘法的思想

根据频率检测仪提供的信号带宽内干扰的频率范围, 在满足频率采样定理的条件下, 均匀的选择不同的离散频点, 作为不同通信信号干扰估计的频率值, 每一个频率信号幅值用最小二乘法进行计算。假设干扰的频率范围是[fmin fmax], 那么每一个离散点的频率为:

fn=fmin+nF0, 其中F0是频率间隔, n=1, 2, 3...N

3.2 离散频点的选择

频率采样的间隔越小, 则N的值越大, 那么最终的数字精确度越高, 在实际中, 误差和频率的采样率有关, 离散点越多, 则误差越小。另外, 在同一频率的采样点数时, 如果输入的带限干扰的功率越大则抑制效果会不佳[3]。对于小功率的通信信号干扰, 此法有效。

3.3 仿真结果分析

如果雷达发射LFM连续波, 则信号的中心频率为F0=0MHz, 带宽B=12.5kHz, 时宽为T=10us。输入的干扰取值范围为0.8到0.9间的倍数信号带宽处的带限干扰, 雷达信号功率和通信信号在内噪声的干扰下, 影响较小[4]。

参考文献

[1]吴少鹏.雷达抗干扰效能评估理论体系研究[J].雷达与对抗, 2011, 23 (6) :10-11

[2]潘超.雷达抗感染效能评估准则与方法研究[D].成都电子科技大学, 2010

[3]杨丹丹.雷达干扰一体化设计的共享信号研究[J].江南大学, 2010 (25) :103

[4]李明.运动平台雷达信号相互干扰研究[J].现代雷达技术, 2011, 36 (6) :56-57

[5]刘莹莹, 等.通信信号对雷达信号的干扰分析[J].科技信息与发展, 2012, 21 (22) :25

雷达信号篇2

摘要

本文节给出了一个关于相控阵雷达原理和术语的简短的调查研究。波束形成、雷达探测与参数估计已经描述过了。子阵的概念，单脉冲与任意子阵的估计开发。作为一个自适应波束形成，这是在其他几个部分处理的准备，关于模型塑造的确定性加权的主题将会进行详细的介绍。

1.0 引言

当今阵列在许多应用程序、视图和术语中的运用是完全不同的。我们在这里介绍几个相控阵雷达天线和相关信号处理的具体特点。首先，雷达原理和术语的解释。大量阵列单元的波束形成是典型雷达天线的特点和问题，在其他应用程序众所周知。因此，我们讨论了阵列填满、大光圈和带宽的特殊问题。为了降低成本和空间，天线的输出通常归结于子阵。数字化处理只能靠子阵输出解决。等部分模拟和数字波束形成的问题，特别是光栅的问题进行了讨论。本主题将重新考虑自适应波束形成，空时自适应处理（STAP），和SAR。

雷达探测范围和方向估计由统计假设检验和参数估计理论进行计算。这一理论的主要应用将在下一章的自适应波束形成中进行讨论。在这个章中，我们提出了单脉冲估计的应用，并且在下一章中扩展到自适应阵列或STAP的单脉冲估计。

由于波束形成在相控阵中起着核心作用，也为各种自适应波束形成做了准备，并且为确定性天线波束形成和和相关通道精度要求做了详细介绍。

2.0雷达和阵列的基础

2.1基本概念

雷达原理在图1中进行了描述。一个长度为τ的脉冲被传输，被反射在目标上和在t0时刻雷达再次收到该脉冲。这个信号的传输时间经计算为

R0ct0/2。这个过程中脉冲重复间隔为（PRI）T。因此，最大的明确范围为

RmaxcT/2。

比之/T称为占空比。

1PSignalPnoisePmGt.0.Gr2.244RkT0FB.L1接收到的信号与噪声功率比（SNR）由雷达方程描述。

SNR4R22. 波长(cm)kT0 =4*10-21 Ws(W/Hz)F 噪声系数(dim-less)B 带宽(Hz)L 损耗(dim-less)

这是的1/R规则要求雷达设计师必须尽可能增加传送或接收的能量。快速实时处理：过滤接收到的脉冲使得信号能量能够最大限度地提取（匹配滤波，脉冲压缩）。这是实现卷积接收到的数据样本yk4zk发射波的形式sk，k1..L,szr1Lkr。脉冲压缩后距离分辨率为Rc/2，其中τ是脉冲压缩后的有效脉冲长度。通过压缩后较短的长度对长发射脉冲进行适当的编码，因此可以实现很高的分辨率。这需要一个更大的带宽。脉冲之前的么长度和压缩后的长度之比称为压缩比K，与时间带宽积类似，K=before/afterBbefore。模拟波形，如用于脉冲压缩的线性频率调制（调频），或通过某种子脉冲切换的离散码，例如：二进制代码或多相码。脉冲压缩后的雷达旁瓣对于避免假目标非常重要。此外，压缩脉冲必须适应多普勒频移，多普勒频移是一个典型的目标重复移动的频率。

慢时处理：接收信号能量可以增加整合电源脉冲。由于多普勒效应，具有一定径向速度R的目标回波经历了一个fD2R/的频移。从脉冲间隔时间T，我们可以观察到一次相移

D2fDT。如果这次变换得到补偿就能收集到最大

yej2fDkTykk1K能量。正确的相位补偿的总和被称为连贯整合，向速度和因此导致的多普勒频为相干处理间隔，CPI。

fD。当然，径

是未知的，必须进行估计。积分时间KT被称此外，也可以只对幅度进行相加，叫做非相干积分，yy2k1K2k。在一

个雷达的固定观察方向（例如若干CPI）上的所有处理时间称为延时。

2.2相控阵原理

相控阵的原理是从大量的基本球面波形如图2所示，生成一个波前平面。一些阵列天线的技术实现也显示在图中。球面波通过基本天线单元的全方位特征来近似实现。在基本天线上应用适合的激励和接收的所有信号的总和被称为波束形成。

为什么人们对相控阵天线如此感兴趣?它的主要优点是几乎是无限快速地转换阵列的观察方向。这使得我们可以根据一些最优准则，而不是根据一个连续的41R机械运动来阐明搜索空间。回顾准则，这迫使我们集中传输能量。优化目标接收的能量的各个方面都可以用关键词——能量管理来表示，这是相控阵的本质上的优势。特定的能源管理组成部分是

 相干积分几乎可以达到任意长。这可以做到更好的杂波抑制（多普勒分辨力），通过提取光谱的特征来进行目标分类，并最终进行SAR和ISAR处理。

 时分复用的不同雷达的任务，如搜索和跟踪多个目标的性能。这允许使用单相位阵列雷达作为多功能雷达。

 个别的雷达任务的优化：优化搜索，采集和跟踪波形，需要时的高精度测量，变量的光束形状，跟踪优化算法（雷达通过跟踪算法和一个先验信息来进行控制）。

 较低的主要能量消耗（仅适用于主动阵列，节省约2倍）

 高故障间的平均时间间隔（MTBF）由于优美的退化（只对于主动阵列） 如果在天线孔径的空间样本可供选择：自适应波束形成（ABF）的时空自适应处理（STAP），超高分辨率

2.3 波束形成

相控阵的关键技术问题之一是波束形成的操作。为了连贯地总结所有信号，在位置rx,y,zT的天线单元的接收信号的时间延迟必须进行补偿。我们通过如图3所示的天线坐标系统U中的单位方向向量（有时也被称为“方向余弦”），来表示入射波平面的入射角。绿色的平面可能代表一个平面天线的口径。公式对于三维阵列也有效。位置r的元素和原点之间的路径长度是

对于如图3左边子图所示的线性天线，它等于xsin。在元素r处的信号可写为

其中，f是发射频率，c是光速。相应地，我们在方向U0上用N个天线单元形成一个波束，通过补偿这些延迟

上标H表示共轭转置。我们称有等距单元的线性天线在众所周知的函数。

雷达信号篇3

关键词：UML；分析建模；雷达信号分选；图

中图分类号：TP872文献标识码：A文章编号：1009-3044(2007)12-21609-03

UML and it's Application to the Analysis Modeling of Radar Signal Sorting System

YONG Yuan-hong1,LI Li-ping1,LIU Nai-qi2

(1.School of E.E, UESTC, Chengdu 610054,China;2.School of C.S.E, UESTC, Chengdu 610054,China)

Abstract:UML (unified modeling language) is widely supported by software industry nowadays as a kind of standard modeling language in field of software engineering. It becomes more and more popular in systems analysis. Modeling is that people use diagrams to technically express functions of all aspects of system. Real-time UML represents one of development trends of radar software design. This paper briefly introduces UML and makes use of using case diagrams and activity diagrams of UML to process analysis modeling of software design of radar signal sorting system and to establish using case model, static model and dynamic model of software design of radar signal sorting system.

Key words:UML;analysis modeling;radar signal sorting system;diagram

1 引言

在现代战争中，雷达的大量使用形成了复杂的电磁环境。电子侦察的电磁环境的复杂、密集使雷达信号分选所遇到的挑战越来越大，雷达信号分选的实时性和识别的正确性是雷达信号分选遇到的最大挑战。这使信号分选软件设计的复杂程度也随之不断增加，而研发周期却在缩短。如何及时地开发出优质、高效、满足要求的系统性的软件是每个软件设计人员都面临的难题。此外，随着系统复杂性急剧增加，C语言对应的传统结构化设计方法已不能满足软件设计和开发的需要，能不能把面向对象开发与C语言的优点结合起来？对这个问题，已经有人提出过一些方法。主要集中在用C语言来实现C++的语法，如用结构来模拟类，用函数指针来表示成员函数。这些方法使得本来语法就已经很复杂的C语言更加麻烦，同时没有了C语言快速、高效的优点。这里提出一种新的方法，用面向对象方法进行分析和设计，最后直接用C语言进行编码。正是基于这一点，本文从软件工程学的角度将UML(Unified Modeling Language)应用到信号分选系统软件分析设计中来提高我们的开发效率，缩短研发周期。

2 UML概述

UML 通过事物、关系和图来描述建模内容。UML中有３种基本构造块。分别是事物、关系和图。事物分结构事物（包括类、接口、协作、用况、主动类、构件和节点)、行为事物（包括交互和状态机）、分组事物和注释事物。UML中有四种关系，分别是：依赖（表明对象之间的依赖性）、关联（表明对象与对象之间有联系）、泛化（一般元素和特殊元素之间的分类关系）和实现关系（规格说明与实现之间的关系）。通过事物和关系来描述客观事物的抽象。图是UML的核心；图是软件系统在不同角度上的投影；图是包含事物及其关系的组合。 UML采用多视图表示模型的不同侧面，表示各种元素和概念之间的划分，而每一类视图使用一种或两种特定图来可视化地表示视图中的概念。在UML中共定义五类、九种模型图。静态结构图（其中包括类图和对象图和用例图）、顺序图、协作图、状态图、活动图、实现图（其中包括构件图和配置图）。在开发过程中，可根据不同阶段的具体要求，选择不同的图形来描述系统的静态结构模型或者动态行为模型。

3 UML在分析建模中的优势

在工程分析与设计过程中，建模是促进开发人员对需求更好的理解、更清晰的设计、更容易维护的系统的最佳途径。它是从复杂信息中提取本质抽象的过程。而这种抽象指引着项目的方向、决定项目的成功。基于UML的分析建模，可以帮助设计和分析人员对问题的描述，以达到相同的理解，使分析的正确性得到保障。统一建模语言UML是一种定义良好、易于表达、功能强大且普遍适用的建模语言，主要适用于分析与设计阶段的系统建模。UML总结了以往建模技术的经验并吸收当今优秀成果的标准建模方法。UML能够描述系统的静态结构和动态行为，是一个绘制软件概念图的图形化记法。人们可以用它绘制图形，来表示一个计划进行的软件设计的问题域，或者用这些图来表示一个已经完成的软件实现。目前， UML作为可视化、详述和构造、文档化的通用建模语言得到了界的广泛支持，并日渐成为系统分析中的一种标准建模语言。UML在建模中的優势主要表现在：

(1)UML 适用于各种软件开发方法、软件生命周期的各个阶段、各种应用领域的建模包括大型的、复杂的、实时的、分布式的、集中式数据或计算的、嵌入式的系统；

(2)在实现编程语言和开发平台方面。 UML可应用于运行各种不同的编程实现语言和开发平台的系统。其中包括程序设计语言、数据库、4GL、组织文档及固件等。在各种情况下，前部分工作应当相同或相似，后部分工作因各种开发媒介的不同而有某种程度上的不同。

(3)UML溶入了软件工程领域的新思想、新方法和新技术。它的作用域不限于支持面向对象的分析与设计，还支持从需求分析开始的软件开发的全过程。UML最主要的特点是表达能力丰富，便于人员之间的交流，利于理清系统软件各部分之间的关系，减少语义差异。

4 UML在选系统软件设计中分析建模的应用

信号分选软件是系统性的软件，所以有必要将系统分解成多个容易被理解的块，以便能够理解和控制系统的复杂性，能从整体的角度把握一个完整的信号分选系统。我们使用UML对信号分选软件系统进行分析建模，分析建模必须清楚系统需求，这是建立软件设计的基础。因此在进行分析建模之前，给出系统的硬件结构图（如图1）以便更好地理解软件系统的设计。在信号分选系统软件设计中，实时性、并发性、健壮性和可靠性是雷达分选系统软件的特点和要求。UML2。0已经吸收了各种流行工具的优点，考虑到了实时性的要求。在分析阶段用UML对其进行建模分析能对我们更好理解分选系统软件的功能，确保软件的质量。

图1 信号分选系统EVM硬件总体框架

对软件需求的完全理解对软件开发工作的成功是至关重要的，系统需求就是明确待开发软件系统的目标和功能，雷达信号分选系统的目标和功能就是从侦察系统截获的大量交叠的脉冲流中分离出各个雷达脉冲列。在了解了分选系统的硬件框架和明确分选系统的功能和目标之后，即可进行分析建模。图2是本系统分析建模的分析过程流程图。在系统的静态和动态模型以及功能模型中，功能（用例）模型是系统的核心。它驱动着其他两个模型的开发。因此，可以采用如下建模过程：首先从系统功能需求建立用例模型，确定系统的功能；随后，利用用例模型和功能需求进行分析建立系统的静态模型，并且将系统的功能需求分解。然后，建立系统的动态模型，描述各个对象如何完成指定的功能；最后，需要对前面建立的三个模型进行一致性检验，确保系统模型的一致性。按照需求分析的过程，建模首先描述系统需求，对系统的功能进行建模，得到系统的用例模型;然后根据需求对系统静态建模，以构造系统静态结构模型;最后描述系统的行为，对系统动态建模，实现系统的行为模型。本文对在分析建模中应用的主要图形:用例图、类图和活动图，并结合信号分选系统软件的开发阐述UML在分析建模中的实践。

图2 基于的需求分析过程

4.1 建立信号分选系统软件的功能模型

在功能分析阶段，要明确雷达信号分选系统的功能，主要用UML的用例图，用例图是对一个角色使用系统的一项功能时进行的交互过程的一个描述，它形象，直观，便于交流。所有用例的集合表示了系统完整的功能。但它是一种黑盒子方法，只能看到外部的功能特征，看不到内部的实现细节。系统的功能模型用例图如图3。

4.2 建立信号分选系统软件的静态模型

创建静态模型时，主要完成数据的建模。静态模型是在功能建模的基础上从软件的体系结构角度描述系统各用例内部和之间数据的关系，由于信号分选系统软件不同与一般的商业软件，针对雷达分选系统的特点，面向对象的一些高级特性不能使用，动态创建对象、派生和多态这样的特性会大大降低系统速度并增大代码空间和数据空间。本系统采用结构化的数据模型，主要的数据类型有：就是利用到达时间（TOA）、到达方向（DOA）、脉冲宽度（PW）、脉冲重复周期（PRI）、载频（RF）、脉冲调制方式（PM）等参数形成每一部待分选雷达的脉冲描述字（PDW），控制类，显示类，环境设置类。同时建立雷达系统的已知数据库和未知数据库以及对已知数据库的更新，主要应用的是类图。UML 的标准扩展把类归为三种：边界类、控制类、实体类。这三种构造型化的类从本质上来说是三层体系结构思想的体现。配置性能参数，用静态类图建立系统的静态模型。静态类图如图4。

图3 信号分选系统的用例图

定义 4 个类及类中的方法和操作：

用户类：SystemManager

边界类：ConfigUI、

控制类：ConfigWorkflow

实体类：ConfigPerformanceParaDisposal

类中衍生的表 Config Table&performanceConfigTable

图4 系统的静态类图

4.3 建立信号分选系统软件的动态模型

系统的行为模型可在系统功能和整体结构模型基本确定之后即可建立。在UML中，用来表示动态模型的图形有状态转换图、顺序图、协作图、活动图等。本文选择用活动图建立动态模型，活动图描述系统中的各种活动，实质上是一种流程图，只不过表现的是从一个活动到另一个活动的控制流。活动图描述活动的序列，并且支持并发行为和条件行为。图5给出了用活动图表达的系统动态模型。

5 结论

UML作为软件工程学的一个重要的应用工具，其分析模型的可视化和直观性得到了广泛的认同，使分析的正确性得到保障。在商业性软件的开发方面得到了广泛的应用。但在一些特定的行业的应用还不是很多，使得分选系统的软件需求，系统不同模块的功能以及系统各模块的数据关系有了一个清晰的认识。在保证软件的正确性和健壮性起到了很大的作用。由于雷达信号分选软件的特殊性和复杂性，为了成功地开发出满足要求的软件，必须有好的建模工具帮助我们对对系统功能及其数据关系有清晰，完整的认识。以UML代表的软件建模技术代表着当今软件开发的发展趋势，它势必对提高雷达软件设计的质量，推动雷达软件的開发产生重要的作用。

图5 信号分选系统的活动图

参考文献：

[1]王庆育.软件工程[M].北京:清华大学出版社,2004(7)51-71.

[2]王枫,石冰心,罗莉敏.UML建模机制研究及在系统需求分析中的应用[J].计算机工程与设计,2005(4) Vol.26 No.4

[3]Ahmad,ALsaadi.A Performance Analysis Approach Based on the UML Class Diagram[J].ACM SIGSOFT Software Engineering NotesJan.2004,Vol.29 No.1

[4]A.Bertolino, E.Marchetti, R.Mirandola. Real-Time UML-based Performance Engineering to Aid Manager's Decisions in Multi-project Planning[A]. Software and Performance [C].Proceedings of the 3rd international workshop.Jul.2002;251-261.

[5]李合生, 韩宇,蔡英武, 陶荣辉.雷达信号分选关键技术研究综述[J].系统工程与电子技术,2005(12) Vol.27 No.12.

[6]刘连柱,苗秀梅.雷达信号分选、处理方法研究[J].电子对抗,2006 No.2

[7]翁力群.雷达设计的软件系统工程结构[J].现代雷达,2006(6) Vol.28 No.6.

[8]李海.基于实时UML的雷达软件设计[J].现代雷达.2006(8) Vol.28 No.8.

[9]王辉,陆荣国,秦小麟.UML在实时软件系统中的应用研究[J].计算机应用, 2004(2) Vol.24 No.2.

[10]郑孝洋,沈安文,陈光东.用UML建模开发嵌入式软件[J].单片机与嵌入式系统应用,2006(8).

复杂体制雷达信号的特点分析篇4

1 波形的复杂化和多样化

目前, 侦察系统对雷达辐射源信号类型的识别主要是对信号的人为调制类型的识别, 人为脉内调制信号形式主要包括脉内相位调制、频率调制、幅度调制和3种调制组合的混合调制。

1) 脉内频率调制。脉内频率调制又分为连续调频和离散调频两类。连续调频的主要信号类型有线性/非线性调频雷达信号和V型及非对称双线性调频雷达信号。离散调频是把发射机的宽脉冲分成若干子脉冲, 每个子脉冲包络中有不同的载频, 因此称为脉内频率分集, 又称为脉内频率编码, 基本为固定载频。但有的文献里将频率分集信号分成顺序和同时两种。脉内频率调制信号在相控阵、低截获概率以及多输入多输出等雷达中的应用较为广泛。

2) 脉内相位调制。相位编码脉压信号是现代雷达采用最多的一种脉压调制形式。集成电路和数字技术的发展, 特别是直接数字频率合成器技术的成熟, 使雷达能精确、快速地产生各种相位编码信号, 构成自适应的相位编码脉冲压缩系统。相位编码通常采用伪随机序列编码, 该编码具有很大的自相干作用, 使接收机不能相干处理。现代雷达可根据处理增益的要求, 在单个脉冲内产生多达几千个码位的调制。相位编码信号在脉冲多普勒、低截获概率以及准连续波等雷达中的使用较为广泛。

3) 脉内混合调制。脉内混合调制是将发射的宽脉冲分为若干子脉冲, 根据雷达应用功能的实际需要, 每个子脉冲进行各自的窄带调制。近年来, 复合调制组合波形设计愈来愈受到人们的关注。由于采用单一调制的雷达信号的存在易截获易干扰的缺陷, 而且单一调制信号在现有技术条件下, 难以实现较大的时宽带宽积, 低截获性能受到限制。采用信号组合的方法能够得到大时宽带宽积的复合信号, 并实现各个单一信号的各自特点的有机结合, 提高距离分辨率或速度分辨率。比如相位编码信号的抗干扰性能较好, 但相位编码信号对多普勒频率比较敏感, 而线性调频信号的优点是对多普勒频率不敏感, 但其信号形式比较简单易受敌方干扰, 这样采用脉内线性调频, 脉间相位调制就较好的弥补了各自的调制所带来的缺陷, 而且采用混合调制还增加了信号的频谱宽度, 提高信号的时宽带宽积, 从而提高雷达的距离分辨力和速度分辨力。复合调制还可以提高信号的伪随机程度和随机特性, 从而增加截获接收机进行检测、识别、跟踪的难度, 具有更高的低截获性能和抗干扰性能。目前采用复合调制的雷达信号类型较多, 比如对脉冲内部采用线性调频, 而脉冲之间采用伪随机码相位调制, 或者脉内采用调频, 脉间采用步进、跳频等。雷达信号所采取的这些新的调制方式为侦察信号处理带来了新的挑战。

2 参数的多变性和快变性

雷达辐射源信号的分选与识别通常是利用信号参数的相关性来实现的。表征雷达特征的常规参数有载频、脉宽和脉冲重复周期等。

载频是用于信号分选的一个重要参数, 侦察系统的频率覆盖范围达通常可达到0.5-20GHz, 包含了绝大多数雷达的工作频率。现代雷达中大多数雷达能实现频率捷变, 以实现反侦察和抗干扰的目的, 如脉冲多普勒、低截获概率以及相控阵雷达等。载频变化的范围正在不断的扩宽, 超宽带雷达的发展日新月异, 工作频率点数增多, 变化样式灵活, 如国内某新型雷达, 可在几百兆赫兹范围内的多个频点进行变换, 脉间、脉组自适应捷变频。这就对利用载频分选造成了困难。

脉冲宽度是信号分选与识别可利用的另一个参数, 但信号环境的复杂化密集化、脉冲宽度取值的灵活可变及各个辐射源脉冲宽度取值范围的重叠, 对信号分选中利用脉宽造成不利影响。如某型雷达的信号脉宽有七种可以选择。

脉冲重复周期 (也称之为重频) 也是信号分选与识别的一个重要参数。单就重频参数而言, 脉冲多普勒等雷达为了分辨距离模糊和速度模糊或者为了对抗侦察干扰的目的, 就采用了各种不同形式的重频。目前常用的重频类型有:

1) 固定 (或恒定) 的重频。常用于搜索雷达和跟踪雷达及用于动目标指示的脉冲多谱勒系统中。

2) 跳变的重频。对重频进行随机跳变或有规律的调制, 是一种雷达抗干扰措施。

3) 转换并驻留的重频。选用几个或多个不同的重频值, 并快速地在这些重频值之间转换, 其目的主要在于分辨距离或速度上的模糊, 或者用来消除雷达的距离盲区或速度盲区。

4) 参差重频。一部雷达发射的脉冲序列中选用两个或多个重频值, 这种脉冲序列的重复周期称之为帧周期, 帧周期之间的各个小间隔可以称之为子周期。

5) 滑变重频。用于探测高度不变而雷达使用仰角扫描方式跟踪目标的系统。大仰角时探测距离近, 使用短重频;小仰角时探测距离远, 使用长重频。

3 结语

对雷达辐射源信号进行准确的分选与识别是当前电子战的重点研究方向之一, 本文从信号的波形设计和参数使用两个方面详细分析了当前复杂体制雷达信号的特点, 对提高分选与识别的水平具有一定的参考价值。

摘要：随着雷达科学技术的迅猛发展, 雷达信号的形式与参数日益复杂, 对其进行准确的分选与识别也困难重重。本文从雷达信号波形设计和参数使用两个方面出发, 详细分析归纳了复杂体制雷达信号的工作特点, 对雷达信号的分选与识别具有一定的参考价值。

关键词：雷达信号,特点,分选与识别

参考文献

[1]李侠.现代雷达技术[M].兵器工业出版社, 2000.

[2]张光义.相控阵雷达系统[M].国防工业出版社, 1994.

[3]张贤达.现代信号处理[M].清华大学出版社, 2002.

雷达信号篇5

首次提出了一种固有模态函数积检测器.首先通过经验模式分解(EMD)把带噪信号分解成有限个固有模态函数(IMF).检测的基本思路是,对各个IMF分量的绝对值作逐点乘积,用于抑制噪声并凸现信号,最后进行滤波和判决.本文以UWB信号为例,数据源于UWB雷达实验系统.在低信噪比(SNR),UWB脉冲与噪声波形相似,且噪声概率密度函数(PDF)未知情况下,进行实验.结果表明,当峰峰信噪比低于5 dB时,该检测器性能优于Teager能量算子(TEO).

作者：王明阳周一宇姜文利韩乐 WANG Ming-yang ZHOU Yi-yu JIANG Wen-li HAN Le 作者单位：王明阳,WANG Ming-yang(国防科技大学电子科学与工程学院,长沙,410073;空军装备研究院,北京,100085)

周一宇,姜文利,ZHOU Yi-yu,JIANG Wen-li(国防科技大学电子科学与工程学院,长沙,410073)

韩乐,HAN Le(北京跟踪与通信技术研究所,北京,100097)

刊名：宇航学报 ISTIC PKU英文刊名：JOURNAL OF ASTRONAUTICS 年，卷(期)：2006 27(z1) 分类号：V443+ 关键词：经验模式分解固有模态函数 Teager能量算子超宽带雷达 Empirical mode decomposition Intrinsic mode functions product Teager energy operator Ultra wide bandwidth radar

★ 低温红外镜头星点检测数据处理方法研究

雷达测速信号的BP网络识别篇6

近年来,人们对神经网络的研究已广泛兴起,神经网络在信号处理领域中的应用极为引人注目。由于神经网络是根据现代神经生理学和认知科学对人类信息处理的研究成果提出来的。他是模拟人的大脑来实时地处理信息,因而具有很强的自适应能力、容错能力和非线性并行处理能力,神经网络的这些特征[1]为其应用奠定了基础。随着神经网络本身的发展和完善,神经网络己应用到信息处理的各个方面,如语音识别、图像处理、信号的分类、自适应均衡、自适应噪声对消、自适应波束形成、自适应编码、非线性滤波、功率谱估计、信号重构等,使信息处理带上智能的特点。

目前,在人工神经网络的实际应用中,绝大部分的神经网络模型是采用BP网络和他的变化形式,他也是前向网络的核心部分,体现了人工神经网络最精华的部分。本文提出一种用BP(Back Propagation)网络实现对雷达测速[2]的三类信号进行识别分类的算法。

2 BP网络

(1) BP网络模型结构为多层网络结构,不仅有输入节点和输出节点,而且有一层或多层隐节点,如图1所示。

(2) BP网络传递函数一般为(0,1)S型函数:

$f (x) = \frac{1}{1 + e^{- x}} (1)$

(3) 误差函数:对第p个样本的计算公式[3]为:

$E_{p} = \frac{\sum_{t} (t_{p t} - Ο_{p t})^{2}}{2} (2)$

其中,tpt,Opt分别为期望输出和网络的计算输出。

3 信号的分析与处理

信号来自一部测速雷达获得的三种目标的回波信号,三种目标分别是行人W、自行车B和卡车T,信号中包含目标的速度信息。

根据获得的三类信号的样本,每个样本中均包含1 024个数据,由于每一个样本的数据量较大,不可能将所有1 024个数据全都作为神经元的输入,计算量太大,所以必须首先对信号进行分析,提取最有价值的特征信息。

首先可以看看每一个样本中的数据图,以行人信号中的第一个样本为例,如图2所示。

从图2的时域数据基本上观察不出规律,因此要对数据进行傅里叶变换,从频域分析数据的特征。频域分析表明,行人的数据的频谱的幅度很小,原因是因为信号在零点处的值特别大,所以要将在零点处的值去掉,得到的数据如图3所示。

这时可以观察到信号的一些特征,从图中发现信号的频谱图是基本对称分布的,而且信号的峰值也很大,可以对他首先进行归一化,如图4所示。

同时将自行车和卡车的频谱图来做比较,可以观察到信号都有明显的峰值,但是出现的位置不同,另外,信号的均值和方差明显不同。但是考虑到雷达所测数据中,会有一些速度反常规的游离数据,所以考虑采用受游离数据影响小的平均绝对值偏差来代替样本方差作为输入特征。同时,以数据的样本中位数作为输入特征来减少游离数据的影响。根据这些特征进行提取来作为输入。

4 信号特征提取

(1) 取信号归一化后的均值作为一个特征量。

(2) 取信号归一化后的平均绝对值偏差作为一个特征量。

(3) 取信号归一化后的样本中位数作为一个特征量。

(4) 由三幅图的比较可以发现,信号的每两点之间的起伏程度也不尽相同,所以可以设定一个特征量,来记录信号两点间的起伏程度的大小。

(5) 信号在经过归一化后,可以将信号全部的值加起来,用这个总的值来作为一个特征量。

除了上述的特征,还有很多特征可以提取,但是特征越多,需要的输入神经元越多,依照隐层神经元约为输入神经元的两倍的原则,隐层的神经元也将越多,则网络训练的时间将花费很大。所以,本仿真实验只提取了上述特征中的(1),(2),(3),其流程如图6所示。

5 算法与实现

根据提取的特征的维数,来决定输入神经元的个数。因为提取的3个特征的维数分别为8,1和1,所以输入神经元的个数为10。输出神经元的个数定为3个,考虑到被识别的三种信号分别对应三个输出,虽然用两个神经元就可以表示三种输出状态,但是用三个神经元能更好地分辨,减少出错的概率。至于隐层的神经元个数则按照约为输入神经元个数的两倍的原则[4],设为20个。当然还可以在调试过程中根据输出的识别率来一个一个找到较为合适的个数。

由BP算法非线性函数S型函数为:

$f (x) = \frac{1}{1 + e^{- x}} (3)$

各输入层的神经元的输入为:

$X_{Ρ} = {x_{p 1}, x_{p 2}, \dots, x_{p i}, \dots, x_{p Ν}}$

输入层的各神经元的输出为:

$Ο_{Ρ} = {o_{p 1}, o_{p 2}, \dots, o_{p i}, \dots, o_{p Ν}}$

由公式可得:

$Ο_{Ρ} = f (X_{Ρ}) (4)$

隐层输入:

$n e t_{p j} = \sum_{i = 1}^{Ν} W_{j i} Ο_{p i} - θ_{j} ‚ j = 1, 2, \dots, Μ (5)$

隐层输出:

$Ο_{p j} = f (n e t_{p j}) ‚ j = 1, 2, \dots, Μ (6)$

输出层各神经元输入为:

$n e t_{p k} = \sum_{j = 1}^{Μ} W_{k j} Ο_{p j} - θ_{k} ‚ k = 1, 2, \dots, L (7)$

输出层实际输出为:

$d_{p k} = Ο_{p k} = f (n e t_{p k}) ‚ k = 1, 2, \dots, L (8)$

均方误差函数定义为:

$E_{Ρ} = \frac{1}{2} \sum_{k = 1}^{L} (y_{p k} - d_{p k})^{2} (9)$

对所有样本可分别求出Ep,则总误差为:

$E = \sum_{p = 1}^{Ρ} E_{p} (10)$

采用梯度下降法[5]对权值进行调整,对于输出层与隐层间的权值以及阈值调整量为:

$\begin{array}{l} Δ W_{k j}^{p} = η (y_{p k} - d_{p k}) f^{'} (n e t_{p k}) \cdot Ο_{p j} = η σ_{p k} Ο_{p j} (11) \\ Δ θ_{k}^{p} = η σ_{p k} (12) \end{array}$

对于隐层与输入层之间的权值调整为:

$\begin{array}{l} Δ W_{j i}^{p} = η Ο_{p i} f^{'} (n e t_{p j}) \sum_{k = 1}^{L} δ_{k} W_{k j} = η σ_{p j} Ο_{p i} (13) \\ Δ θ_{j}^{p} = η σ_{p j} (14) \end{array}$

其中:

$\begin{array}{l} σ_{p k} = (y_{p k} - Ο_{p k}) Ο_{p k} (1 - Ο_{p k}) (15) \\ σ_{p j} = σ_{p k} ω_{j k} Ο_{p j} (1 - Ο_{p j}) (16) \end{array}$

BP网络的识别流程如图7所示。

均方误差E的收敛情况是反映神经网络性能的一个重要标准。如果E值出现振荡,那么就要调整学习速率η的值,或者重新设置初值,直到E的值连续单调递减为止。在刚开始调试程序的时候,E的收敛速度很慢,在改变了学习速率后,收敛速度明显加快,并且未出现震荡。如图8为E值的收敛图,最后稳定在10左右,迭代次数设定为2 000,但基本上在1 000以后变化就很小了。

6 结语

仿真实验所得结果如表1所示。

在识别的过程当中,卡车和行人的识别率一直都比较高,自行车的识别率较低,究其原因是因为自行车的速度有的和行人接近,有的又和卡车接近,介于卡车和自行车之间,容易出现交叠现象。这就导致了自行车的数据有一部分被识别为行人,有一部分被识别为卡车,所以自行车的识别率相对于行人和卡车来说低一些。所以要想进一步提高识别率的话,必须对三类数据进行深入的分析,针对自行车信号频谱的特点来更多地寻找一些区别于行人和卡车的有效的特征值,这样才能将识别率提高到一个较高的水平。

摘要：测速雷达信号识别是进行辅助决策的关键。介绍一种在实际生活中有着广泛应用的神经网络模型——BP网络,通过对他的结构及工作原理的分析,结合三类雷达测速信号的特征,归纳出一种基于BP网络进行雷达测速信号识别的方法,并且给出了仿真实例。实验结果表明,此方法能够快速识别三类信号,具有识别率高的特点。

关键词：BP网络,神经网络,测速雷达,信号识别

参考文献

[1]Hampshire J,Waibel A.A Novel Objective Function for Im-proved Phone Recognition Using BP Neural Network[J].IEEE Trans.Neural Networks,1990,1(2):216-228.

[2]White H.Commentionist Nonparametric Regression Multi-layer Feedforward Networks Can Learn Arbitrary Mapping[J].Neural Networks,1990,(3):47-51.

[3]杨建刚.人工神经网络实用教程[M].杭州:浙江大学出版社,2001.

[4]胡伍生,沙月进.神经网络BP算法的误差分级迭代法[J].东南大学学报:自然科学版,2003,33(3):376-378.

超宽带雷达信号脉冲压缩的研究篇7

子带滤波器组为解决宽带信号处理提供了新的方法。将较宽的宽带通过子带滤波器组的分析带通滤波器分解为若干个窄带, 这就可以用处理窄带信号的方法处理宽带信号。所以对于超宽带雷达信号进行脉冲压缩处理需要进行多通道并行处理。M.Skolnik等提出了基于时频变换技术的超宽带雷达脉冲压缩方法是针对线性调频信号的, 但不适合非LFM信号[3,4]。

提出了一种频域处理方法, 利用频域内频带分割和匹配滤波进行子带脉冲压缩, 然后通过插值和多通道综合处理, 实现超宽带雷达信号的脉冲压缩。通过仿真结果可以看出, 提出的方案可以解决超宽带雷达信号的高速采样问题, 提高了系统的分辨率和脉压的处理速度。

1频带分割

多通道综合脉冲压缩技术是用模拟滤波器组对超宽带信号频带分割[5], 这样每个子带上可以用相对低速的ADC采样, 再进行子带脉冲压缩, 然后通过子带脉压插值进行多通道综合。多通道综合脉压技术有很多优点。每个子带内的信号都是相对独立, 能进行并行处理, 数据量会大大降低, 子带内进行脉冲压缩的计算量也会减少很多;子带信号的数据量减少, 对于通道的硬件设计要求就会降低;子带脉冲压缩系统还可以提高宽带信号处理的实时性。图1就是多通道综合脉冲压缩系统的整个过程。

1.1时域频带分割

设f (t) 、g (t) 分别为发射信号和接收信号, F (ω) 、G (ω) 是它们的Fourier变换。令发射信号的频谱范围为[ω1, ω2], H为[-η/2, η/2]的理想矩形滤波器, 即

频带分割的滤波器组为

M是滤波器组的个数, 是大于 (ω2-ω1) /η的最小整数。

那么

子带信号是非零中频信号, 频谱范围[ω1+kη, ω1+ (k+1) η]。A/D转换前要先把子带信号都搬至零中频, 子带零中频信号fk (t) 和gk (t) 的Fourier变换为

1.2频域频带分割

频域分割原理:设发射信号的采样点数为N, 将采样后的数据序列存放在长度为Ns (Ns=2N) 的数组s中, 把数组s作为参考信号;通过发射信号和目标延时参数就可以得到回波信号, 把回波信号的Ng点采样数据的序列放到长度为Ns初始化是零的数组G0内。接着对S0、G0分别作长度为Ns的Fourier变换, 就可以得到参考信号和回波信号的Fourier变换。

与时域分割的不同, 频域分割是先将频谱划分为数个子带, 再把每个子带的数据分别存进到长度为Ns的不同数组中, 在子带中右边一半的数据存放在数组的最左端, 左边一半的数据存放在数组的最右端, 数组的中间部分进行了补零, 这样就可以在频域内实现频带分割。图2为采用频域分割的仿真图形。可以看出, 超宽带信号可以被分割成若干个窄带信号。

2子带脉压

2.1脉冲压缩原理

脉冲压缩技术是指雷达通过发射机发射宽脉冲信号而接收信号经过压缩处理后获得窄脉冲的过程, 脉冲压缩可以使雷达在峰值发射功率大大降低的情况下同时获得长脉冲的高能量和短脉冲的分辨率两方面的优点, 它较好的解决了雷达脉冲峰值功率受限和距离分辨率之间的矛盾[6]。同时, 加大脉冲的带宽可以使多普勒系统的分辨率提高, 相应也会提高速度分辨率。另外, 由于脉冲压缩技术是对回波信号作相关处理, 故系统还具有较高的抗干扰性。

2.1.1时域处理方法

时域脉压处理方法是通过对接收信号s (n) 与匹配滤波器的脉冲响应h (n) 卷积实现的。h (n) 是接收信号的s (n) 共轭镜像函数, 即在时域可以等效成求接收信号与发射信号的复共轭之间的互相关函数。脉冲响应h (n) 的采样点数和信号采样点数N一致, 则匹配滤波器输出y (n) 为

2.1.2频域处理方式

基于频域的正反Fourier变换法, 对输入信号做FFT, 再乘以匹配滤波器的数字频率响应函数, 再经过IFFT输出压缩后的信号序列。频域数字脉压的实现可以用式 (7) 表示。

式 (7) 中, h (n) 是s (n) 的共轭镜像函数, 即滤波器幅频特性与信号的幅频特性相同, 而其相频特性与信号的相频特性相反, 因此, 信号通过此滤波器后, 使得各频率的相位一致, 在输出端信号形成峰值。

2.2子带匹配滤波

由式 (4) 可以得到

式 (9) 中rk (τ) =∫gk (t) fk* (t+τ) dt是子带信号的互相关输出, 即脉冲压缩时域输出波形。

2.3旁瓣抑制

匹配滤波后, 其旁瓣电平较高, 在多目标环境中, 可能会存在每个目标的回波能量大小不一致, 从而导致回波的主瓣高度不一致, 主瓣较高的回波可能会将主瓣较低的回波信号淹没, 使得某些目标的回波信号无法识别, 出现判断错误, 降低距离分辨力。为了提高分辨多目标的能力, 必须采用旁瓣抑制或加权技术。

引入加权网络实质上是对信号失配处理, 它不仅使旁瓣得到抑制, 同时使输出信号包络主瓣降低、变宽[7], 这点在随后的仿真图中可以很明显的看出。在工程中, 只能在旁瓣抑制、主瓣展宽、信噪比损失等诸多方面折中考虑, 选择合适的加权函数。经典的降低副瓣方法就是加窗, 常见的窗函数有矩形窗、巴特利特窗、汉宁窗、海明窗、凯瑟窗等[8]。

图4给出了对LFM脉冲压缩信号分别加海明窗、巴特利窗和汉宁窗的结果, 从图4中可以看出:当不加窗时, 线性调频信号脉压后的主旁瓣比约13.4 d B, 加窗后, 主旁瓣比大大提高, 但主瓣展宽且幅度降低。加海明窗后主旁瓣比能提高到42 d B左右;比起海明窗, 加汉宁窗后主旁瓣比会下降为35d B;加巴特利特窗的效果最差, 主旁瓣比为27 d B。

3多通道综合实现

3.1脉冲压缩后插值的实现

在多通道综合之前要对子带脉冲压缩波形插值, 提高采样率, 使得采样间隔和综合脉压的采样间隔相同。采用Sinc函数进行插值, 下面对Sinc函数进行原理和实现方法进行介绍。

根据时域采样原理[9], 满足下面两个条件, 就能采样后的离散信号中无失真的恢复原信号:

(1) 信号时有限信号。

(2) 采样的频率满足奈奎斯特采样率。即实信号采样频率要大于原信号最高频率的两倍, 复信号采样频率要大于原信号的带宽[10]。

原信号频谱F (jω) 和采样后信号频谱Fs (jω) 的关系为

这表示如果要原信号不失真的出现在采样后的信号频谱中, 采样后信号fs (t) 通过频率响应是的低通滤波器, 截止频率要满足ωm<ωc≤ (θ-ωm) (其中θ是采样频率θ=2π/T≥2ωm) , 就可以恢复出原信号

所以当满足时域采样定理时, 根据采样值采用低通滤波器可以恢复出原始信号。

利用Sinc函数得到插值点的函数值有三种方式:①通过不断求和的方法计算每一个插值点的函数值;②通过卷积的方法计算得到函数值;③通过快速卷积的方法, 即FFT计算出。如果滤波器比较短但输入的序列比较长, 需要采用重叠相加或重叠保留方法进行快速卷积, 可以实现实时快速的处理。随着输入采样点的增多, 快速卷积算法的优越性能就越显著。下图是子带运用Sinc函数插值后的结果, 可以看出经插值后得到的信号主瓣变窄, 旁瓣也降低了。

3.2多通道综合

由式 (9) 可得:

可以看出综合脉冲压缩的幅值只和子带脉冲压缩的加权值相关。每个子带脉压输出进行插值提高采样率之后, 还要对子带的互相关函数进行解调使得它的频谱回到原来的位置上, 这样就可以对每个子带最后综合, 获得综合脉压波形

图6是多通道综合后的脉压波形图。有此图可以看出, 对于超宽带雷达信号通过频带分割和Sinc函数的插值得到脉冲压缩可以减少运算量, 主瓣变窄, 旁瓣也得到了降低, 从而提高了系统的分辨率。

参数的选取对于多通道综合脉压结果很重要, 应合理的选择信号时宽、频谱带宽、采样率、滤波器的带宽、子带脉冲压缩的采样率、插值函数等等。在实际中, 理想矩形滤波器是不可实现的, 现在已经研究出了多种近似可实现的滤波器, 降低了通道间频谱重叠对于整合系统的影响, 频带分割技术有效的解决了超宽带雷达信号难以直接进行A/D转换的难题。对于各子带插值的误差, 可能会引起距离栅瓣, 还需要对插值函数进一步优化, 提高准确度以及降低运算量。

4结束语

采用频域频带分割, 进行多通道综合脉冲压缩技术解决了超宽带雷达信号不能直接A/D转换的问题。这种技术目前是可以实现对于超宽带信号进行脉冲压缩的。对于频带分割的滤波器组要求不高, 不需要设计专门的滤波器。子带信号带宽比较小容易对其速度补偿。而且子带数目对于综合脉冲压缩性能的影响较小, 可以综合考虑设计出既经济又有效的超宽带雷达信号脉冲压缩系统。

摘要：超宽带雷达脉冲信号达到纳秒级, 采样速率需要高达数十GHz, 但目前还没有直接能采样的超高速模数转换器件。研究了利用多通道综合技术实现脉冲压缩。提出了采用频域模数转换的方法进行频带分割, 有效的解决了超宽带雷达没法直接A/D转换的问题, 对整个脉冲压缩系统进行了仿真分析, 验证了算法的正确性和有效性。方法不仅适用于线性调频信号信号, 也适用于非线性调频信号。

关键词：超宽带雷达信号,脉冲压缩,频带分割,频域采样,插值

参考文献

[1] 向敬成, 张明友.雷达系统.北京:电子工业出版社, 2001

[2] 丁鹭飞, 耿富录.雷达原理.西安:西安电子科技大学出版社, 2002

[3] 杨延光, 黄晓涛.基于匹配滤波和频带分割的超宽带信号脉冲压缩方法.雷达科学与技术, 2005;3 (6) :361—365

[4] 杨峰, 蒋祥顺.超宽带脉冲信号的一种频域采样和接收方法.电子测量与仪器学报, 2009;23 (7) :63—67

[5] 水鹏朗, 保铮.基于频带分割的超宽带雷达脉冲压缩方法.电子学报, 1999;27 (6) :50—53

[6] 廖建国, 李永, 李继杰.线性调频脉冲压缩雷达仿真研究.空间电子技术, 2010;2:59—63

[7] 孟宪海.实时数字脉冲压缩系统的设计与实现.长沙:国防科学技术大学, 2006

[8] 蔡凤丽.直接加窗加权旁瓣抑制技术研究.安徽电子信息职业技术学院学报, 2008;5 (7) :26—28

[9] 高西全, 丁玉美.数字信号处理 (第三版) .西安:西安电子科技大学出版社, 2009

雷达辐射源信号分选技术概述篇8

1 CDIF算法

CDIF是基于周期性脉冲时间相关原理的一种去交错算法, 通过累积各级差值直方图来估计原始脉冲序列中可能存在的PRI, 并以此来进行序列搜索, 具体步骤如下。

首先计算TOA差值, 形成第一级差值直方图, 然后确定门限。接着从最小的脉冲间隔起, 将第一级差值直方图中的每个间隔的直方图值以及2倍间隔的直方图值与门限作比较, 如果两个直方图值都超过门限, 则以该间隔作为PRI进行序列检索;假如序列检索成功, PRI序列将会从采样脉冲中扣除, 并且对于剩余脉冲列, 从第一级差值直方图起形成新的CDIF直方图, 该过程会一直重复下去直到没有足够的脉冲形成脉冲序列;假如序列检索不成功, 则以本级CDIF直方图的下一个符合条件的脉冲间隔值作为PRI值进行序列搜索;假如本级直方图中没有符合条件的脉冲间隔值, 则计算下一级的CDIF直方图。

2 SDIF算法

序列差直方图算法由PRI建立及序列检测两部分组成。该算法的基本工作过程是:对每个到达时间差构成一个序列差直方图, 计算检测门限;子谐波检验后将所有的超过门限的值看作是可能的PRI值进行序列检索。若成功的分离出脉冲序列, 则重复此过程, 直到分离出所有的脉冲列或剩下少于5个脉冲为止。若序列检索不能分离出脉冲序列, 则计算下一级差, 设立新门限, 重复整个过程。最后完成参差鉴别。

CDIF与SDIF算法都是以计算接收脉冲的自相关函数为基础, 由于周期信号的相关函数仍是周期函数, 所以很容易出现信号的脉冲重复间隔及其整数倍值 (称为子谐波) 同时存在的现象。针对这一缺点, PRI变换算法可以有效的抑制子谐波。

3 PRI变换算法

PRI变换算法能够很好地抑制子谐波, 适用于固定与抖动重频脉冲序列, 是一种较为经典的分选算法。但如同其它算法一样, PRI变换算法也存在一些缺点。例如, PRI变换算法仅对固定重频的脉冲序列有效, 当输入脉冲为抖动重频时:1) 若PRI抖动范围大于b时, 则脉冲间隔会分布到真实PRI附近的几个箱中去。2) 当n (脉冲个数) 越大时, 相位因子的误差也会越大。显然这两点将导致PRI变换算法不适用于PRI抖动的脉冲。针对这两点, 提出一种改进的PRI变化算法, 即将交叠的PRI箱与改变开始时间这两种方法结合起来。

具体方法如下:

1) 当PRI抖动范围大于b时, 若加大PRI箱的宽度, 那么会使PRI箱的分辨率降低, 给随后的分选造成困难。所以采用交叠的PRI箱来解决第一点问题。

2) 其次是采用改变开始时间的方法来减少相位因子的误差。相位因子的引入是用来抑制子谐波的, 但所有脉冲的相位并不需要由一个恒定的开始时间来决定。

改进的PRI变换算法能够较好地应用于固定与抖动重频的脉冲序列中, 但对于参差重频而言, 该算法效果不好。利用PRI进行分选是应用较为普遍的一种分选方式, 通过上面的分析可知, 随着雷达技术的迅猛发展, 雷达信号环境日趋复杂, 信号形式和雷达体制多种多样, 当前几种提取PRI的算法都存在一定的局限性, 对于重频类型丰富、重频参数变化范围大的雷达辐射源的分选存在一定的困难。

4 辐射源分选亟需解决的问题

随着各国对电子战的日益重视, 电子对抗辐射源的数目急剧增加, 信号密度已达到数百万每秒。因此, 在复杂电磁环境下正确快速地对已知或未知的雷达辐射源进行分选还存在以下几点问题。

4.1 反干扰技术在雷达中的应用

随着雷达反干扰、反侦察技术的日趋成熟, 雷达工作参数的分布范围广、变化灵活多样, 原有的信号分选所利用的参数规律性被破坏, 这给复杂体制的雷达辐射源分选带来了很大的困难。

4.2 参数的测量精度

当前一些分选算法对参数精度的依赖性较大, 因此雷达辐射源参数的精确测量至关重要。它不但影响到分选结果的准确性, 也会影响到分选时的计算量, 即影响到分选的实时性。

4.3 脉内特征提取算法的实时性不够

利用脉内特征参数能大大提高雷达辐射源信号的分选准确率, 但目前用于提取脉内的小波变换法速度较慢, 无法满足实时处理的要求, 难以真正应用到工程中。

5 结语

随着雷达设计技术的日益成熟, 当前的雷达辐射源分选技术亟需改进与完善。针对这一情况, 本文系统分析了基于PRI分选的几种算法的优缺点, 指出了当前辐射源分选所面临的几个难题。

摘要：文章详细介绍了当前用于雷达辐射源信号分选的几种技术, 从理论上分析了他们的优缺点, 并针对当前雷达辐射源信号分选技术的现状, 指出了这一领域需尽快解决的几点问题。

关键词：雷达,分选,概述

参考文献

[1]Mardia H K.Digital signal processing for radar recognition in dense radar en-vironments[D].phD thesis, Electrical Engineering, Department, Leeds university, 1988.

[2]Milojevic D J.Popovic B M.Improved algorithm for the deinterleaving ofradar pulses[J].IEEE Proc.F, common.Radar signal processing, 1992.

[3]王国玉, 汪连栋等.雷达电子战系统数学仿真与评估[M].北京:国防工业出版社, 2004.

PD雷达信号模糊函数的计算篇9

雷达信号波形直接影响到雷达的检测性能、测量精度、分辨力和抑制杂波能力等。雷达信号波形的设计决定了雷达的体制、信号的产生和最佳接收信号处理设备的形式,是雷达总体设计的重要内容之一[1]。模糊函数是设计和研究雷达波形的主要数学工具,它不仅能描述雷达信号的分辨特性和模糊度,还可以描述由雷达信号决定的测量精度和杂波抑制特性。应用模糊函数可以从本质上提供信号最佳处理器的方案[2]。本文建立了PD(脉冲多普勒)雷达常用信号模糊函数(主要包括单载频矩形脉冲信号、相参脉冲串信号、线性调频脉冲信号、伪随机序列信号)的计算模型,在此基础上绘出了三维模糊函数图形。

1 模糊函数的含义

模糊函数最初是在研究雷达分辨力问题时提出的一种概念。模糊函数的定义不尽相同,最常用的为信号复包络的时间-频率复合自相关函数模值的平方[3]。时间-频率复合自相关函数的表达式为:

undefined

式中:u(t)为信号复包络函数;τ为延时时间;fd为多谱勒频率偏移。

对于实信号,其模糊函数与过τ轴和fd轴的垂面相交所得曲线的函数分别为fd和τ的自相关函数模值的平方。

在PD雷达中,模糊函数中的fd表示动目标回波中心谱线频率与梳状匹配滤波器中心频率之差,τ表示目标回波脉冲信号与接收机距离波门的偏差。

2 单载频矩形脉冲信号的计算

单载频矩形脉冲信号的归一化复包络表达式为:

undefined

式中:T0为脉冲宽度。

将式(2)代入式(1)可求得单载频矩形信号的模糊函数为:

undefined

根据式(3)绘出单载频矩形脉冲信号(脉冲宽度为100 μs)的三维模糊函数图和二维模糊度图,分别如图1和图2所示。

单载频矩形脉冲信号的三维模糊图为刀刃形状,刀刃方向与轴线重合,其总容积大部分集中在主峰,因此主峰一般较宽。二维模糊度图近似椭圆,当两个回波信号落在模糊区域时,雷达将不能分辨。改变时宽参数,经多次仿真表明,时宽T0与带宽B的积近似为1。此类信号的测距与测速性能不能兼顾,常规非相干体制脉冲雷达常采用此类信号。

3 相参脉冲串信号的计算

这里的相参脉冲串是指不加任何调制的均匀脉冲串,具有相等的子脉冲宽度、重复周期和载频。相参脉冲串信号的复包络表达式为:

undefined

式中:N为相参脉冲串个数;u1(t)为子脉冲信号,其表达式与式(2)相同。

将式(4)代入式(1)可求得相参脉冲串信号的模糊函数为:

undefined

式中:

undefined

根据式(5)和式(6)绘出相参脉冲串信号(脉冲宽度为100 μs、占空比0.2,N=4)的三维模糊函数图和二维模糊度图,分别如图3和图4所示。

由图3和图4可知,相参脉冲串信号的模糊函数图在τ-fd平面上呈现有规律排列的尖峰阵,故通常称为钉板型模糊函数。除主峰外其他尖峰称为模糊瓣。尖峰阵由2N-1排平行于fd轴的模糊带组成,模糊带的间隔为Tr。沿fd轴同样为周期尖峰排列,速度模糊瓣宽度为1/(NTr),间隔为1/Tr。在瓣之间还存在一些旁瓣。模糊图的主峰最高,分布越远的模糊瓣峰值越低。与单载频脉冲信号相比,它既有良好的窄脉冲分辨力T0,又有良好的速度分辨力,即1/((N-1)Tr)。模糊瓣的存在使距离和速度都有一定程度的模糊。当目标距离对应的回波延迟超过Tr时,存在距离模糊;当目标速度对应的多谱勒频移超过1/Tr时,存在速度模糊。

4 线性调频脉冲信号的计算

线性调频脉冲信号的复包络表达式为:

undefined

式中:T0为脉冲宽度;Fm为频率调制斜率。

将式(7)代入式(1)可求得线性调频脉冲信号的模糊函数为:

undefined

根据式(8)绘出线性调频脉冲信号(脉冲宽度为10 μs、调频斜率为1011Hz/s)的三维模糊函数图和二维模糊度图,分别如图5和图6所示。

模糊图呈倾斜刀刃形状,刀刃方向与τ轴成一角度θ。由二维模糊度图可知,其模糊图可以看做是单载频模糊图的扭转,这种扭转使线性调频脉冲信号的速度多谱勒分辨力保持了单载频信号的1/T0,延迟分辨力提高到1/B。这种信号的优点是其时宽带宽积T0B可以做到大于1,是一种可压缩信号,压缩比等于时宽带宽积的倒数1/(T0B)。信号平均功率容易提高,在一定条件下可兼顾测距和测速性能。由于主峰沿θ方向展宽,因此在刀刃方向分辨力较差。另外,由于这一特点使距离和速度之间存在耦合,当距离和速度都不知道时,不能得到高精度的距离和速度值。

5 伪随机序列信号的计算

伪随机序列信号中最常用的是二相编码信号。二相编码信号按照子脉冲序列相位的排列规律又可分为巴克码序列编码、M序列编码和L序列编码等[4]。N个子脉冲构成的二相编码序列可以表示为:

undefined

式中:u1(t)为子脉冲函数,同式(2);T0为子脉冲宽度;qk为子脉冲相位因子:

undefined

φk为第k个子脉冲的相位。

将式(9)和式(10)代入式(1)可求得伪随机序列信号的模糊函数为:

undefined

式中:

undefined

在有限的二相编码序列中,巴克码序列为最佳序列,目前能够找到的巴克码只有7种,子脉冲长度分别为:2,3,4,5,7,11,13。13位巴克码的qk值为:

undefined

根据式(11)~式(13)绘出13位巴克码信号(子脉冲宽度为1 μs)的三维模糊函数图,如图7所示。令fd=0,可得到其自相关函数x(τ,0),图8是自相关函数波形。

由图7可知,伪随机序列信号的模糊图为图钉形状,只有一个非常尖锐的主峰,其余部分近似为一平台。主峰沿τ轴的宽度约1/B,沿fd轴的宽度约为1/(NT0)。当时宽带宽积很大时,主峰容积可以忽略。由13位巴克码信号的自相关函数波形可知,其压缩比为1/N,旁瓣电平较高,为1/N,此类信号的距离、速度测量精度与分辨力都很高。缺点是旁瓣电平较高,需采取措施压低旁瓣。

6 结束语

本文建立了PD雷达常用信号模糊函数的计算模型,通过计算机仿真绘制出了其模糊函数图。PD雷达常用信号的模糊函数具有以下特点:

a) 单载频矩形脉冲信号的模糊图为刀刃形状,刀刃方向与轴线重合,具有较宽的主峰。此类信号的测距与测速性能不能兼顾。

b) 相参脉冲串信号的模糊图为钉板形状。此类信号具有较高的距离和速度测量精度和分辨力,但存在一定程度的距离和多谱勒模糊。

c) 线性调频脉冲信号的模糊图呈倾斜刀刃形状,刀刃方向与τ轴成一角度θ。该类信号是一种可压缩信号,可兼顾测距和测速性能。距离和多谱勒频移之间存在耦合。

d) 伪随机序列信号的模糊图为图钉形状。此类信号具有好的距离、速度特性,但旁瓣较高,需采取措施压低旁瓣。

参考文献

[1]向敬成.雷达系统[M].北京:电子工业出版社,2001.

[2]毛士艺,张瑞生.脉冲多谱勒雷达[M].北京:国防工业出版社,1990.

[3]张容权,杨建宇,熊金涛,等.对称三角线性调频连续波信号模糊函数分析[J].电子学报,2004,32(3):353-356.

相参雷达信号源的实现篇10

相参信号源是相参雷达调试过程中重要调试设备,而频率合成技术是研制相参信号源的最关键技术。随着这种频率合成技术的发展,现已广泛应用于通讯、导航、雷达、遥控遥测、电子对抗以及现代化的仪器仪表工业等领域。

本文提出采用高性能DSP器件,结合DDS技术产生相参雷达线性调频和二相编码的实现方法。满足了雷达在调试过程中对相参信号源的需要[1]。

1 信号源系统构成简介

系统采用Blackfin533 DSP加 AD9854电路板构成,上位机界面使用Labwindows/CVI编写。信号源的同步脉冲和时钟由处理机提供。其系统框图如图1所示。由处理机提供相参所需的时钟和同步信号。从而确保了信号源的相参性。上位机通过串口控制BLACK FIN 533,BLACK FIN 533 通过数据线控制AD9854。AD9854根据控制命令和同步、时钟产生相参的信号[2,3,4]。

2 信号源系统构成

2.1算法实现

2.1.1 线性调频表述

线性调频信号的载频在调制的时间宽度内按线性规律变换,即对载频进行线性调制以此来展宽发射信号的频谱,使其相位色散。同时为了在脉冲功率(雷达在发射脉冲信号期间所输出的功率称脉冲功率)受限的情况下充分利用发射机功率,往往采用矩形脉冲包络。线性调频信号的复数表达式可写为:

$\begin{array}{l} s (t) = u (t) \exp (j 2 π f_{0} t) = \frac{1}{\sqrt{Τ}} r e c t (\frac{t}{Τ}) \exp [\begin{array}{l} \end{array} j 2 π \times \\ (f_{0} t + \frac{Κ t^{2}}{2})], (- \frac{Τ}{2} \leq t \leq \frac{Τ}{2}) (1) \end{array}$

其中:

$s (t) = \frac{1}{\sqrt{Τ}} r e c t (\frac{t}{Τ}) \exp [j π Κ t 2], (- Τ / 2 \leq t \leq Τ / 2) (2)$

为信号复包络。T为调制时宽,B为调制带宽,f0为起始中频,K=B/T为调频斜率[5]。

线性调频信号的波形图如图2所示。

(a)幅度-时间波形;(b)频率-时间波形

由式(1),线性调频信号的瞬时频率可写为:

$f_{1} = \frac{1}{2 π} \frac{d}{d t} [2 π (f_{0} t + \frac{Κ t^{2}}{2})] = f_{0} + Κ t (3)$

当f0=0时,即为零中频信号(基带信号)。分别取式(1)的实部和虚部就可得到征缴的I、Q两路基带信号。线性调频的频谱形式如图3所示[6]。

2.1.2 相位编码

相位编码脉冲压缩雷达是把编码信息调制在载波相位中的一种雷达,实践中以二相编码应用为多。

以巴克码为例来简单介绍一下相位编码信号,巴克码是一种具有特殊规律的二进制编码组,它是一种非周期序列。采用的是{0,π}两相编码调制,在一个码长中,分N个子脉冲,常见的随机编码信号表达式为:

$μ (t) = a (t) e j φ | t | (4)$

式(4)中:φ(t)=(0,π);

式(4)中,τ为伪随机相位编码时宽,τ1为伪随机相位编码信号子码时宽,N为伪随机相位编码信号子码个数。二相随机编码信号的复包络信号可写成:

$μ (t) = {\begin{cases} \sum_{Κ = 0}^{Ν - 1} C_{k} V (t - k τ_{1}) ‚ 0 < < Τ < < τ \\ 0, 其它 \end{cases} (5)$

相位编码信号波形如图4中所示。

巴克码相位编码信号利用前后相邻码元的相对载波相位值去表示所传递的数字信息。当相邻码元发生变化时,相位偏移为π;相邻码元相同时,相位偏移为0[7]。

2.2信号源软件实现

2.2.1 系统软件框图

雷达信号源系统框图如图5[8]。

2.2.2 线性调频波形设置

产生中频15 M带宽6 M信号线性调频基本设置步骤:

(1)晶振为20 M,设置倍频系数为10,那么设置系统时钟为200 M。

(2) 选中Chirp模式。根据中心频率15 M,带宽为6 M,则在频率控制字f1中写入初始频率12 M。

(3)写步进频率Δf,因为带宽位6 M,根据芯片手册介绍,步进40次达到目的频率,所以步进频率设为6 M/40=0.15 M。

(4) 写ramp rate clock register,设置频率变化率,即每个步进频率持续的时间。它是一个减计数器,产生脉冲的周期为(N+1)×(system clock period),根据所需线性调频信号的周期为800 μs,带宽为6 M,由方程(N+1)×(system clock period)=800 μs/40得到该寄存器应设置为0xF9F。

(5)选中clr acc1位,配合I/O更新时钟可以使频率达到目的值的时候清除,重新开始下一轮的扫频。

(6) FSK/BPSK/HOLD pin和Out Shaped Keying pin都设为低,也就是不使用HOLD和整形键控功能。

(7)幅度的设置有三种方式:幅度倍乘器被旁路,输出全幅度、用户自己设置固定的幅度、shaped on/off keying,内部固定设定幅度的增长速度,按设置的速度从零往全幅度增长。此线性调频中用第一种方式,即全幅度输出,所以选中Output Amplitude is always full scale项。

(8)设置I/O更新时钟,因为信号周期为800 μs,所以选择内部更新时钟,更新时钟的脉冲间隔为800 μs,因为已经设置了CLR ACC1位,这样的话,每当800 μs之后频率扫到18 M的时候就会来一个更新脉冲清除当前的频率,从12 M开始新的一轮扫频。

(9)全部设置完毕后,需要点击下部的确认键,以使设置的值都写入芯片。更新时钟作用之后就会产生所需波形,时域波形如图6所示,频谱图如图7所示[9,10]。

2.2.3 二相编码波形设置

二相编码中,设置好载波频率和相位寄存器1、2的值之后,从AD9854 第29管脚接一个外部调制信号,就可以产生所需的信号,如载波频率为12 M二相编码设置如下:

(1)晶振为20 M,设置倍频系数为10,那么设置系统时钟200 M。

(2)选中BPSK模式,设置载波频率为12 M,这种模式下,载波频率在频率控制字1中设置。

(3)设置两个14位的相位寄存器,相位寄存器1设为pi,相位寄存器2设为0,相位寄存器的分辨率为14位,所以设置时相位寄存器1应该写入180×(0x3fff/360)=0x1fff,相位寄存器设置为0。

(4) 将调制信号接至AD9854第pin29 。

(5)幅度设置与线性调频信号的方式一样。

(6)准备好之后,激活I/O Update Clock,此处可设为外部更新时钟,通过此软件手动给外部更新时钟管脚一个脉冲。当更新时钟起作用之后,通过示波器观察,就可观察到二相编码信号,如图8所示。

2.2.4 上位机软件

上位机软件选择LabWindows/CVI,它以ANSI C为核心,将功能强大,使用灵活的C语言平台与数据采集,分析和表达的测控专业工具有机地结合起来。它的集成化开发平台,交互式编程方法,丰富的控件和库函数大大增强了C语言的功能,为熟悉C语言的开发人员建立检测系统,自动测量环境,数据采集系统,过程监控系统等提供了一个理想的软件开发环境。

3 结论

本文简单介绍了DDS和雷达信号基本知识,介绍了线性调频和二相编码信号的产生方法,详细阐述了该设计流程,实验结果表明该设计性能良好,应用简单灵活的优点。

摘要：为了方便相参雷达在实际过程中的调试,提出了一种利用DDS加DSP实现相参雷达信号源的方法。信号源能够实现线性调频和二相编码波形的产生,并且通过上位机界面能够灵活地对产生的波形进行设置。该信号源具有结构简单,使用灵活的优点。

关键词：相参雷达信号源,线性调频,二相编码,DDS,DSP

参考文献

[1]丁鹭飞,耿富录.雷达原理.西安:西安电子科技大学出版社,1997

[2]白居宪.直接数字频率合成.西安:西安交通大学出版社,2007

[3]陈峰.Blackfin系列DSP原理与系统设计.北京:电子工业出版社,2004

[4]包迪强,石振华,严颂华.AD9854的噪声分析.武汉大学学报(理学版),2003;49(3):1—6

[5]霍志勇,张军.DDS线性调频信号产生技术研究.无线电工程,2006;36(1):26—28

[6]张玉梅,阔永红,傅丰林.基于DSP和DDS的高精度频率信号源实现.电子工程师,2004;30(1):43—45

[7]姫长华,张秀丽.二相编码雷达信号及常见问题处理.现代电子技术,2008;31(5):1—4