楊 建，周 濤，何梓昂

(電子信息控制重點(diǎn)實驗室，成都 610036)

一種有效的雷達(dá)信號快速識別方法*

楊 建*，周 濤，何梓昂

(電子信息控制重點(diǎn)實驗室，成都 610036)

針對多種調(diào)制類型的雷達(dá)信號快速偵察識別成功率較低的問題，提出了基于瞬時頻率特征提取的雷達(dá)信號快速識別新算法。首先，由短時傅里葉變換(STFT)得到信號每一部分的瞬時頻率特征；其次，對得到的瞬時頻率進(jìn)行兩次歸一化分別得到各自特征值；最后，用層次決策方法對雷達(dá)信號進(jìn)行分類識別。仿真實驗結(jié)果證明該方法能有效識別各種雷達(dá)信號，在信噪比高于-3 dB時，各種脈內(nèi)調(diào)制的識別成功率都達(dá)到90%以上。

雷達(dá)信號識別；瞬時頻率；特征提??；短時傅里葉變換；脈內(nèi)調(diào)制

1 引 言

雷達(dá)信號脈內(nèi)調(diào)制分析及識別方法是當(dāng)前電子戰(zhàn)中電子偵察的重要內(nèi)容。雷達(dá)技術(shù)的不斷進(jìn)步使得當(dāng)前電子偵察所要面對的雷達(dá)信號日益復(fù)雜，目前成熟的信號分選識別方法是基于脈沖描述字，但對于復(fù)雜調(diào)制的雷達(dá)信號，當(dāng)前的識別算法實時性差且識別成功率并不高。因此，需要能更快速準(zhǔn)確地識別信號脈內(nèi)調(diào)制類型的新方法。

文獻(xiàn)[1]通過提取瞬時頻率兩級歸一化特征來識別信號脈內(nèi)調(diào)制，信噪比高于6 dB時，識別6種常用調(diào)制信號的正確率可達(dá)到90%以上；缺點(diǎn)是信噪比要求比較苛刻，且通過仿真實驗發(fā)現(xiàn)其算法中某些門限設(shè)置并不合理，對于常規(guī)脈沖信號和二相編碼等信號的識別成功率并不高。文獻(xiàn)[2]中提出基于瞬時頻率的脈內(nèi)調(diào)制特征識別技術(shù)，對于4種信號識別非常有效，但其在低信噪比下識別成功率低，且能識別信號類型很少，需要進(jìn)一步優(yōu)化改進(jìn)。文獻(xiàn)[3]中的方法在信噪比高于6 dB時，識別6種常用調(diào)制信號的正確率可達(dá)到90%以上，但其識別方法僅限于各種調(diào)制信號的載頻、脈寬、起始頻率等調(diào)制參數(shù)相同的情況，對于參數(shù)隨機(jī)變化的情況不能正確進(jìn)行分類。文獻(xiàn)[4]中提出用圖像處理方法來進(jìn)行信號識別，識別效果較好；缺點(diǎn)是算法計算量很大，工程應(yīng)用困難。文獻(xiàn)[5]通過相位差分來提取信號的時頻特征，在信噪比較高時可以識別各種典型的脈內(nèi)調(diào)制信號；缺點(diǎn)是這種方法得到的頻率誤差較大，且信噪比要求較高。文獻(xiàn)[6]直接從得到的瞬時頻率的時頻分布圖來估計各種調(diào)制的參數(shù)，估計誤差較??；缺陷是沒有進(jìn)行信號的識別，直接進(jìn)行相關(guān)調(diào)制參數(shù)估計。文獻(xiàn)[7]則綜述了盲信號分類和識別的發(fā)展趨勢，對研究有指引作用，但未做深入研究。

本文提出基于短時傅里葉變換(Short Time Fourier Transform,STFT)的瞬時頻率(Instantaneous Frequency,IF)提取，以及基于二級頻率歸一化的識別典型雷達(dá)信號的方法。由于可通過算法成熟且容易在FPGA和DSP等硬件實現(xiàn)的快速傅里葉變換(Fast Fourier Transform,FFT)來實現(xiàn)STFT，因此，在數(shù)據(jù)量一定的情況下，該方法可以提高瞬時頻率的運(yùn)算速度，保證了識別信號脈內(nèi)調(diào)制的實時性，且全頻段信噪比(Signal-to-Noise Ratio,SNR)(信噪比按整個頻段內(nèi)信號和噪聲能量的比值計算)在-3 dB以上識別正確率在90%以上，因此工程應(yīng)用價值很高。

2 雷達(dá)信號瞬時頻率和相位的提取

IF的提取基于STFT，其定義式為

(1)

式中：s(t)為信號，h(t)為窗函數(shù)，*代表復(fù)數(shù)共軛。

瞬時頻率和相位的提取原理是將信號序列分段，得到很短的時間序列，求得信號的第i段序列的相位和頻率為

(2)

f(i)=(k+δ(i))*fs/N。

(3)

式中：max(STFT(t,f)i)為第i段序列FFT后幅值最大的頻譜。式(3)中k為幅值最大譜線對應(yīng)的序號;fs為采樣頻率;N為FFT點(diǎn)數(shù);δ(i)為頻率修正因子，其具體計算方法可參見文獻(xiàn)[8]。

整合每一段信號的頻率和相位，即可得到瞬時頻率和瞬時相位。這種基于STFT的算法，時間窗長越小瞬時性越好，但瞬時頻率和相位估計誤差越大；窗長越大瞬時頻率和相位估計越準(zhǔn)確，但瞬時性越差。算法的這一特性決定了在使用時需要平衡瞬時性和準(zhǔn)確度的要求，并且在處理窄脈沖時會帶來性能的損失。因此需要結(jié)合實際系統(tǒng)需求，綜合考慮來確定最佳的時間窗長度。

3 常用雷達(dá)信號瞬時頻率和相位特征

本文中處理的7種典型雷達(dá)信號設(shè)置如下：

(1)CP信號：載頻fc=250 MHz，脈寬τ=10 μs。

(2)BPSK信號：載頻fc=250 MHz，脈寬τ=7 μs，編碼采用7位巴克碼。

(3)QPSK信號：載頻fc=250 MHz，脈寬τ=16 μs，編碼采用16位弗蘭克碼。

(4)BFSK信號：兩頻率f1=130 MHz，f2=460 MHz，脈寬13 μs，編碼采用13位巴克碼。

(5)QFSK信號：4個頻率分別為f1=120 MHz、f2=230 MHz、f3=310 MHz、f4=430 MHz，脈寬τ=16 μs，編碼采用16位弗蘭克碼。

(6)LFM信號：起始頻率fo=250 MHz，帶寬B=200 MHz,脈寬τ=10 μs。

(7)SFM信號：起始頻率fo=250 MHz，帶寬B=200 MHz,脈寬τ=10 μs。

將上述各種調(diào)制信號經(jīng)上一節(jié)所述的瞬時頻率提取后，可以得到在SNR=10 dB時各信號頻率與時間的關(guān)系如圖1～7所示。

圖1 CP信號的瞬時頻率

圖2 BPSK信號的瞬時頻率

圖3 QPSK信號的瞬時頻率

圖4 BFSK信號的瞬時頻率

圖5 QFSK信號的瞬時頻率

圖6 LFM信號的瞬時頻率

圖7 SFM信號的瞬時頻率

各調(diào)制信號分別有各自的IF特征，得到這些時頻關(guān)系圖后人工進(jìn)行判斷和識別非常簡單。但實際應(yīng)用中人工判斷信號調(diào)制類型效率非常低，且接收機(jī)處理的數(shù)據(jù)量巨大，更需要根據(jù)接收的脈沖快速判斷調(diào)制方式。因此,本文提出一種瞬時頻率歸一化后提取特征來識別信號調(diào)制類型的方法，該方法適用于計算機(jī)快速準(zhǔn)確判斷接收信號脈內(nèi)調(diào)制類型。

4 雷達(dá)信號的識別

由圖1～7可以發(fā)現(xiàn)不同信號IF的分布中心(均值)和相對該中心的偏離程度一般情況下各不相同[3]。歸一化后的IF能體現(xiàn)脈內(nèi)調(diào)制特征，有些信號一次歸一化后仍然無法識別調(diào)制類型，需要進(jìn)行二次歸一化進(jìn)一步提取特征量進(jìn)行識別。

4.1 瞬時頻率歸一化處理方法

歸一化之前首先要考慮一種影響識別結(jié)果的情況：噪聲和測頻方法的影響使相位編碼信號的IF極值小于其均值(倒峰)，例如圖2中BPSK信號的IF后半部分極值小于整個IF的均值。由于后面分析中默認(rèn)IF跳變極值大于其均值(正峰)，因此通過式(4)對IF進(jìn)行翻轉(zhuǎn)，以處理后的序列進(jìn)行兩級歸一化。

(4)

式中：σ為f的方差。然后,通過式(5)對瞬時頻率序列f進(jìn)行歸一化:

f1=f/fm。

(5)

式中：fm為f序列的最大值。得到歸一化IF序列f1其范圍為[0,1],并可得其均值E1和標(biāo)準(zhǔn)差σ1。

4.2 信號識別方法

首先，識別特征最明顯的BFSK信號；其次，分析最簡單的CP信號；然后，是BPSK、QPSK信號；最后，對LFM、SFM和QFSK信號進(jìn)行識別分類。

4.2.1 BFSK與QFSK信號識別

BFSK信號兩次歸一化后特征最明顯，由于第二次歸一化后其頻率序列f2僅提取了f1序列中頻率較高的部分，因此f2的所有值都接近于1，取值集中所以σ2非常小。而第一次歸一化后由于有兩頻率取值更分散所以σ1較大，因此BFSK信號的σ1>σ2。而QFSK信號由于有4個頻率值，因此其σ1大于和小于σ2都有可能。

D1=σ1-σ2，

(6)

若D1>0則可判斷為FSK信號。由于BFSK極值只有一種，而最簡單的QFSK信號極值至少有4種，為區(qū)分BFSK和D1>0的QFSK信號，可將極值個數(shù)NF作為區(qū)分兩者的特征量。

應(yīng)用直方圖法求FSK信號NF，即將頻率差分值劃分至相應(yīng)區(qū)間內(nèi)，如圖8為QFSK信號一級歸一化頻率差值的分布情況，圖中共有4種跳變值。

4.2.2 CP與BPSK及QPSK信號識別

由圖1和理論分析可知，常規(guī)脈沖信號的IF在所有信號中最平坦，其第一級歸一化頻率序列f1所有值都非常接近1。由于噪聲干擾使其IF序列產(chǎn)生一些極值，導(dǎo)致CP瞬時頻率序列與相位編碼信號類似，兩者歸一化后均值E1都接近1。而其他信號則要小很多，實驗表明CP和PSK信號的E1在0.9以上，這一特征可作為識別CP和PSK類信號的特征量。

D2=E1-E2。

(7)

綜上所述，可由E1≥0.9且D2≥0.45判斷信號為PSK或CP信號，然后通過E2值區(qū)分CP和PSK信號。但是由于噪聲及測頻誤差影響，會導(dǎo)致兩類信號E2值可能在0.2附近交叉，利用相位差峰值數(shù)NP可進(jìn)一步提高分類準(zhǔn)確度。通常CP信號IF峰值數(shù)為0，信噪比很低時可能有1～2個，而對于7位巴克碼調(diào)相的PSK類信號的峰值數(shù)一般大于3個，所以用E2和NP值即可區(qū)分兩類信號。

為準(zhǔn)確得到信號的NP值，考慮設(shè)置自適應(yīng)門限：利用CP信號的相位差序列最大和最小值的差一般遠(yuǎn)小于PSK這一特點(diǎn)，當(dāng)此差值小于2.5 rad時，初步認(rèn)為是對CP信號求峰值，因此設(shè)置門限為Ep±3σp，其中EP為相位均值，σP為相位的方差。當(dāng)最大值最小值差大于2.5 rad時，則認(rèn)為是對PSK信號求峰值，設(shè)置門限為Ep±σp。

設(shè)置自適應(yīng)門限效果如圖9所示：門限1的值是Ep±σp，門限2是Ep±3σp，圖9(a)中最大值最小值差大于2.5 rad，門限值設(shè)為Ep±σp，對于7位巴克碼調(diào)相的BPSK信號，3個峰值都超過該門限;圖9(b)中最大值最小值差小于2.5 rad，設(shè)置門限值為Ep±3σp，對于CP信號沒有超過該門限的峰值。因此,自適應(yīng)門限法能得到信號真實峰值數(shù)。

(a) BPSK信號相位

(b) CP信號相位差

4.2.3 LFM與SFM及QFSK信號識別

LFM信號的頻率線性變化，SFM信號頻率按正弦規(guī)律變化，兩信號頻率變化平緩沒有跳變，它們的NF基本為0。而QFSK信號有4種不同的頻率值，頻率跳變值至少有3種。因此,NF≥3 時即可判為QFSK信號。

通過分析可以發(fā)現(xiàn),LFM和SFM信號兩次歸一化頻率均值的差D2=E1-E2取值在0～0.45，可以通過D2<0.45來識別LFM和SFM信號。對于理想的LFM信號的頻率滿足中心對稱性即式(8)：

fmid=(forigin+fend)/2 。

(8)

式中：fmid為f1序列中點(diǎn)值，forigin是頻率f1序列起點(diǎn)值，fend是頻率f1序列終點(diǎn)值?？梢杂墒?9)、(10)構(gòu)造新的特征量Fd1和Fd2：

(9)

(10)

5 仿真實驗及分析

5.1 確定信號分類識別流程及門限值

用Matlab對本文算法進(jìn)行仿真，應(yīng)用蒙特卡洛方法保證仿真結(jié)果的可靠性。采樣率fs=1 GHz，STFT窗長128點(diǎn)。SNR范圍-10～20 dB,間隔為1 dB。每一SNR下進(jìn)行200次蒙特卡洛實驗。實驗對象為中頻信號,故信號參數(shù)設(shè)置同第3小節(jié)。

對上一節(jié)中識別信號用到的各個特征量，在SNR取0～20 dB時(SNR低于0 dB時沒有參考價值)，通過200次蒙特卡洛實驗得到的取值范圍結(jié)果如表1所示。

表1 各信號特征量的取值范圍(0～20 dB)

由表1可知,D1是效果非常好的分類特征量。在所有信號中只有FSK類信號的D1大于0,其他信號的D1都小于0，與上一節(jié)中的分析結(jié)論相同。所以D1的門限就定為0，可以最先識別出FSK類信號。由NF區(qū)分BFSK和QFSK，門限設(shè)為3。

CP信號和PSK類信號E1≥0.9且D2≥0.45,特征明顯可作為第二個識別判斷條件，而CP信號和PSK信號的E2以0.2為門限，區(qū)分BPSK和CP的NP門限設(shè)置為2，而區(qū)分BPSK和QPSK時NP門限值設(shè)置為6。

剩余幾種信號中NF作為識別QFSK信號的特征量其門限設(shè)為3。

最后對于調(diào)頻類信號其D2都小于0.45，因此其門限設(shè)為0.45。對于LFM和SFM分類所用到的Fd1和Fd2其門限取值為0.029 5。

綜合上一節(jié)分析完成了對7種信號的識別分析，分類特征越明顯的特征量應(yīng)首先用于分類判別，其位置越靠前。信號的識別流程如圖10所示。

圖10 層次決策信號分類流程

5.2 實驗結(jié)果分析

各類信號脈寬取值在7～16 μs時，圖11給出了SNR從-10～20 dB每隔1 dB信號識別成功率隨SNR變化的曲線。

圖11 各類信號識別成功率

由各信號的識別成率曲線可知，當(dāng)SNR≥-3 dB時，7種信號識別成功率都在90%以上。當(dāng)SNR≥0 dB時，識別成功率都在98%以上，識別效果較好，且識別信號調(diào)制類型的實時性好，這都體現(xiàn)了算法性能的優(yōu)越。當(dāng)SNR≤-5 dB時，識別成功率急劇降低，當(dāng)SNR≤-7 dB時識別成功率幾乎為0。原因是SNR低于-7 dB時，信號提取的各個特征量值受到噪聲影響，不再能夠體現(xiàn)出調(diào)制規(guī)律。

5.3 與經(jīng)典識別算法對比

文獻(xiàn)[1]和文獻(xiàn)[2]是經(jīng)典的信號脈內(nèi)調(diào)制識別方法的代表，為了便于性能對比，直接比較信號總識別成功率的優(yōu)劣。信號參數(shù)設(shè)定同第3小節(jié)，仿真實驗結(jié)果如圖12所示。

圖12 各類信號總識別成功率

圖12中，本文算法在SNR取-3 dB時已經(jīng)超過90%識別成功率，而文獻(xiàn)[1]算法達(dá)到90%識別成功率需要的最小SNR為6 dB，文獻(xiàn)[2]所需SNR則為3 dB。本文算法對SNR要求最低，因此識別調(diào)制類型的性能優(yōu)于其他兩種方法。

5.4 信號脈寬減小對算法性能影響

信號脈寬取值在3～5 μs時，圖13給出了信號識別正確率曲線。SNR≥-3 dB時各個信號識別正確率仍在90%以上，但CP信號和BPSK信號曲線有波動而QPSK則保持穩(wěn)定。這是由于脈寬減小而采樣率不變，采樣點(diǎn)數(shù)減少到原來的三分之一,導(dǎo)致時頻曲線點(diǎn)數(shù)驟減，峰值點(diǎn)檢測受到一定程度的影響，NP值有波動從而導(dǎo)致BPSK和CP信號識別曲線小范圍波動。而QPSK信號的NP值較大，即使有波動也能保持大于6，因此QPSK識別率保持穩(wěn)定。

圖13 窄脈寬時各類信號識別成功率

實驗表明脈寬取值減小時，信號在STFT時窗中的有效部分減少，相應(yīng)的分辨率和精度都要下降，使得各類信號識別成功率降低。尤其是CP與BPSK信號，脈寬為2.5 μs，在SNR為-3 dB時識別正確率低至60%，其他信號識率也在70%左右。因此對于窄脈寬信號，識別效果差一些，這是本方法的局限之處。通過減小STFT窗長以及增大采樣率等方法來增加IF的點(diǎn)數(shù)，一定程度上可以提高識別率；缺點(diǎn)是IF精度下降，當(dāng)STFT點(diǎn)數(shù)很小時，識別率反而更低。總之，通過適當(dāng)提高采樣率來增加采樣點(diǎn)數(shù)，雖不能從根本上解決問題，但可以在一定程度上提高窄脈沖調(diào)制識別性能。

6 結(jié)束語

瞬時頻率特征能體現(xiàn)信號脈內(nèi)調(diào)制的規(guī)律，通過提取IF及其特征量可以對信號進(jìn)行識別。本文首先通過STFT提取出各信號的時頻特征，然后通過對瞬時頻率進(jìn)行兩級歸一化處理提取其均值和標(biāo)準(zhǔn)差等作為識別信號的特征量，最后分析雷達(dá)信號特征量取值規(guī)律，確定各個特征量的門限并建立信號分類識別流程。仿真實驗表明，對于典型的7種雷達(dá)信號，當(dāng)信噪比高于-3 dB時，識別成功率在90%以上。采用STFT提取瞬時頻率提高了算法的實時性，能夠使接收機(jī)對脈寬大于3 μs雷達(dá)信號進(jìn)行快速脈內(nèi)調(diào)制識別，具有工程應(yīng)用價值。對于脈寬3 μs以下信號調(diào)制識別，還需進(jìn)一步研究。

[1] 普運(yùn)偉,金煒東,胡來招. 基于瞬時頻率二次特征提取的輻射源信號分類[J].西南交通大學(xué)學(xué)報,2007,42(3):373-379. PU Yunwei,JIN Weidong,HU Laizhao. Automatic classification of radar emitter signals based on cascade feature extractions[J].Journal of Southwest Jiaotong University，2007,42(3):373-379.(in Chinese)

[2] 畢大平,董灰,姜秋喜. 基于瞬時頻率的脈內(nèi)調(diào)制識別技術(shù)[J].電子對抗技術(shù)，2005,3(2):6-9． BI Daping,DONG Hui,JIANG Qiuxi. Inpulse modulation identification technique by the instant frequency[J].Electronic Information Warfare Technology,2005,3(2):6-9.(in Chinese)

[3] 劉康寧.基于時頻分析的雷達(dá)信號調(diào)制方式識別技術(shù)研究[D].西安：西安電子科技大學(xué),2014. LIU Kangning. Research on identification of the radar signal based on time-frequency analysis[D].Xi′an:Xidian University,2014.(in Chinese)

[4] PERSSON C.Classification and analysis of low probability of intercept radar signals using image processing[D].Monterey,California:Naval Post-graduate School,2003:49-86.

[5] RU X H,LIU Z,JIANGW L,et al. Recognition performance analysis of instantaneous phase and its transformed features for radar emitter identification[J].IET Radar Sonar Navigation,2015,10(5):945-952.

[6] ZHU J,ZHAO Y,TANG J. Automatic recognition of radar signals based on time-frequency image character[C]//Proceedings of 2013 IET International Radar Conference.Xi′an:IEEE,2013:1-6.

[7] DOBRE O A,ABDI A,BAR-NESS Y,et al. Blind modulation classification:a concept whose time has come[C]//Proceedings of 2005 IEEE Sarnoff Symposium on Advances in Wired and Wireless Communications.Princeton,NJ:IEEE,2005:223-228.

[8] 王曉峰,邢敏捷,劉歌,等. 基于改進(jìn) DFT 相位差的正弦波頻率估計[J].電訊技術(shù),2016,56(10):1129-1133. WANG Xiaofeng,XING Minjie,LIU Ge,et al. Sinusoidal signal frequency estimation based on improved DFT phase difference[J].Telecommunication Engineering,2016,56(10):1129-1133.(in Chinese)

An Effective Method for Fast Recognizing Radar Signals

YANG Jian，ZHOU Tao，HE Zi'ang

(Science and Technology on Electronic Information Control Laboratory,Chengdu 610036,China)

Aiming at the problem of low success rate of radar signal detection and recognition,this paper proposes a new algorithm for radar signal recognition based on instantaneous frequency feature extraction. Firstly,the algorithm uses short time Fourier transform(STFT) to calculate every part of the signal’s instantaneous frequency characteristic. Secondly,it calculates the once and twice normalized instantaneous frequency characteristic value. Finally,it uses hierarchical decision-making method to conduct radar signal classification. Simulation results show that the proposed method can effectively identify all kinds of radar signal.The recognition success rate is more than 90% when the signal-to-noise ratio(SNR) is higher than -3 dB.

radar signal recognition;instantaneous frequency;feature extraction;short time Fourier transform;intra-pulse modulation

10.3969/j.issn.1001-893x.2017.04.009

楊建，周濤，何梓昂.一種有效的雷達(dá)信號快速識別方法[J].電訊技術(shù)，2017,57(4):418-424.[YANG Jian，ZHOU Tao，HE Zi'ang.An effective method for fast recognizing radar signals[J].Telecommunication Engineering,2017,57(4):418-424.]

2016-08-12；

2016-12-23 Received date:2016-08-12；Revised date：2016-12-23

TN971.1

A

1001-893X(2017)04-0418-07

楊 建(1989—)，男，河北滄州人，碩士研究生，主要研究方向為信號與信息處理;

Email：yangjianl4029@163.com

周 濤(1978—)，男，陜西漢中人，2003年于浙江大學(xué)獲博士學(xué)位，現(xiàn)為高級工程師，主要研究方向為電子對抗、高速信號處理、高速光電采樣等;

何梓昂(1983—)，男，四川巴中人，2008年于浙江大學(xué)獲碩士學(xué)位，現(xiàn)為工程師，主要研究方向為電子偵察、高速信號處理。

*通信作者：yangjianl4029@163.com Corresponding author：yangjianl4029@163.com