章 艷

(南京信息職業(yè)技術(shù)學(xué)院，南京 210023)

?

基于包絡(luò)相關(guān)法的特定輻射源識別

章 艷

(南京信息職業(yè)技術(shù)學(xué)院，南京 210023)

研究了接收信號為常規(guī)信號條件下，基于包絡(luò)相關(guān)法的特定輻射源識別算法。對分選過的屬于同一型號的不同個體雷達信號，先將觀測信號進行消噪濾波，以提高信噪比，然后對處理后的觀測信號進行包絡(luò)提取，并計算其與標準模態(tài)包絡(luò)的相關(guān)系數(shù)，在此基礎(chǔ)上構(gòu)造檢驗統(tǒng)計量，實現(xiàn)特定輻射源識別。計算機仿真實驗表明：當被識別信號的互相關(guān)系數(shù)為0.99左右、信噪比為0 dB時，平均識別正確率達96%。

特定輻射源識別；離散傅里葉變換；相關(guān)系數(shù)

0 引 言

在電子偵察信號處理中,需要對電子偵察接收機所接收到的來自各種不同型號雷達的輻射源加以區(qū)分,以實現(xiàn)對不同個體雷達識別為目標的特定輻射源識別，這已成為眾多學(xué)者研究的熱點問題[1]。由于特定輻射源之間的一般特征(如五大參數(shù))基本相同,因此要進行特定輻射源識別，顯然不能只依靠傳統(tǒng)參數(shù)，而需通過尋找具有唯一性的代表性特征，如無意調(diào)制特征、晶振穩(wěn)定度，等。這些特征與雷達的制造工藝的不一致性有關(guān)，這些特征是由于雷達的主要部件在制造過程中的隨機因素所致,比如脈沖調(diào)制器、磁控管等參數(shù)的分散性、頻率源的相位噪聲，等。

從目前發(fā)表的相關(guān)文獻來看,特定輻射源識別方法可大致分為兩類：一類是時域法[2]，以包絡(luò)特征居多;另一類是變換域法，主要通過小波變換(以其各個尺度下的小波系數(shù)作為識別依據(jù))及HHT變換。

文獻[3-4]提出了一種基于脈內(nèi)參數(shù)的識別方法。該方法針對調(diào)幅及調(diào)相兩類不同的調(diào)制樣式，分別以解調(diào)后的包絡(luò)特征(如上升及下降時間，頂降或上升角、下降角)及調(diào)頻信號特征(如調(diào)頻角，衰減線性，時頻特性)作為識別依據(jù),但該方法需要多脈沖積累才能進行有效識別。文獻[5-6]將輻射源的寄生輻射作為識別依據(jù),在微波測量的基礎(chǔ)上，將測得的寄生分量頻率集進行適當變換,用回歸方法進行曲線和通過文獻[5]中的式(3.2)、(3.3)分別提取表面場強S及曲線弧長L作為特征，進行識別,但沒有給出性能分析。 文獻[7]結(jié)合平滑濾波及復(fù)小波分解方法,以小波系數(shù)構(gòu)建識別特征量，對同型號不同個體雷達進行識別，但該方法由于采用了平滑濾波方法，在實現(xiàn)濾波的同時，也帶來了包絡(luò)的失真，從而限制了其在低信噪比時的識別性能。上述方法屬于第一類方法。

第二類方法，文獻[8]利用小波變換方法，在有理分辯率基函數(shù)下進分解，以分解系數(shù)作為特征，實現(xiàn)特定輻射源識別。文獻[9]基于HHT變換,定義了能量熵、第一階及第二階顏色矩作為識別特征完成特定輻射源識別。

考慮到電子偵察的低噪比、無先驗知識的特定條件，加之同一型號雷達之間的差異微細，因此更多地關(guān)注于如何在低信噪比、先驗知識貧乏的條件下提高特征參數(shù)的精度，而盡可能利用單個脈沖進行識別正是解決這一問題的方向之一。本文研究針對特定輻射源識別問題，提出一種將頻域濾波與包絡(luò)特征提取相結(jié)合的個體雷達識別算法。仿真結(jié)果驗證了本文算法的有效性。

1 觀測信號的消噪處理

1.1 設(shè)觀測信號模型為

x(n)=a(n)exp[j(2πf0nΔt+φ0)]+w(n)

0≤n≤N-1

(1)

式中:a(n)為包絡(luò)函數(shù)；f0為信號的載頻；φ0為初相位；Δt為采樣間隔；N=T/Δt為采樣點數(shù)；w(n)為零均值平穩(wěn)復(fù)白高斯噪聲，方差為2σ2。

精確的包絡(luò)提取是進行特定輻射源識別的前提，故必須對接收信號進行消噪濾波，以提高包絡(luò)提取的精度。現(xiàn)有的噪聲消除方法主要有平滑濾波[8]、小波消噪[10]、基于EMD分解的噪聲消除[11]。平滑濾波方法是基于噪聲的不相關(guān)及信號的強相關(guān)性，通過若干點相加取平均的方法進行消噪。小波消噪及基于EMD分解的噪聲消除的基本思想是通過分解，在一定的閥值下，去掉幾層高頻分量，但運算量較大，且最優(yōu)分解層數(shù)較難確定?？紤]到電子偵察信號接收機在設(shè)計時，一般系統(tǒng)的帶寬較寬[12]，以便進行寬頻域搜索，而信號帶寬相對而言變窄，因此，可利用DFT方法進行濾波，以提高處理性能。本文給出一種基于頻域處理的濾波算法，描述如下：

1) 對接收信號作N點DFT，得到X(k)=DFT[x(n)]；

2) 定義濾波器的離散傅里葉變換為

(2)

式中：k0為|X(k)|的最大譜線位置；δ為濾波帶寬，與包絡(luò)的頻帶寬度及信噪比均有關(guān)；

3)令X′(k)=H(k)X(k)，然后對X′(k)作N點IDFT，得x′(n)=IDFT(X′(k))。

1.2 濾波性能分析

(3)

若定義信噪比

(4)

式中：A為信號包絡(luò)的平均值。則濾波后的信噪比SNR′為

(5)

所以，濾波后的信噪比增加了約N/2δ倍，(一般N>>2δ)，處理信噪比得到顯著提高，對后續(xù)包絡(luò)細微特征提取提供了保障。圖1a)、圖1b)所示分別為某信號包絡(luò)在SNR=6 dB時，消噪濾波前后包絡(luò)波形的對比。由圖可見，信號包絡(luò)經(jīng)濾波后變得平緩，信噪比提高顯著。這樣接收信號經(jīng)濾波后，可寫為

x′(n)=a(n)exp[j(2πf0nΔt+φ0)]+w′(n)

0≤n≤N-1

(6)

圖1 噪聲中的信號包絡(luò)與消噪后的信號包絡(luò)波形

2 識別算法

2.1 同型號不同個體雷達的差異度量

假設(shè)數(shù)據(jù)庫中的有型號相同但不同個體雷達標準模態(tài)信號S1，S2，其歸一化后包絡(luò)分別為A1=(a10,a11,a12,…,a1,N-1),A2=(a20,a21,a22,…,a2,N-1)，二者的互相關(guān)系數(shù)rA1A2定義為

(7)

2.2 算法描述

經(jīng)濾波重構(gòu)信號，則前述的特定輻射源識別可建模為如下二元假設(shè)檢驗問題

(8)

1)對x′(n)提取包絡(luò)Z(n)，

Z(n)=abs(x′(n))=(z0,z1,z2,…,zN-1)

(9)

2) 分別計算Z(n)與兩個標準模態(tài)的相關(guān)系數(shù)rA1Z,rA2,Z

(10)

3) 對于一定的門限VT，構(gòu)造檢驗統(tǒng)計量

G=rA1Z-rA2Z

(11)

4) 若G≥VT，則H1成立，即接收信號的包絡(luò)S1，否則屬于S2。

圖2 本文算法的計算框圖

3 仿真實例

仿真中接收信號為如式(1)所定義，設(shè)定兩個來自不同個體的信號包絡(luò)作為標準模態(tài)信號，其相關(guān)系數(shù)設(shè)定為

rA1A2={0.93，0.967 3,0.976 5,0.988 7,

0.993 2,0.998 9 }

(12)

接收信噪比定義由式(4)給出，從-6 dB～9 dB變化，步長為3 dB。仿真中，分別對來自兩個不同個體的信號包絡(luò)各進行100次仿真，每個信噪比下分別以兩個標準模態(tài)為包絡(luò)函數(shù)，按式(1)模型并加上高斯噪聲構(gòu)建待識接收信號。接收信號的載頻波率設(shè)定為f0=30 MHz，脈寬為T=10.24 μs，樣本數(shù)N=1 024，采樣間隔Δt=T/N=10-8s。

3.1 濾波帶寬的選取

濾波帶寬δ的選取是進行精確包絡(luò)的提取的關(guān)鍵，主要跟DFT的點數(shù)、包絡(luò)的帶寬及輸入信噪比有關(guān)。由此進行參數(shù)建模較為復(fù)雜。下面介紹一個簡單的方法，在一定信噪比下，取不同的δ(一般δ∈[5,20])，進行多次重復(fù)，計算濾波后包絡(luò)與已知包絡(luò)的互相關(guān)系數(shù)的平均值，取使之達到最大的δ的值作為經(jīng)驗最佳值δopt。某包絡(luò)在不同信噪比條件下，經(jīng)過100次重復(fù)所得最佳濾波帶寬的仿真結(jié)果如表1所示。其中，r1是在最佳濾波帶寬下的互相關(guān)系數(shù)，r2為濾波前的互相關(guān)系數(shù)。

表1 不同信噪比下的最佳濾波帶寬

由表1可知,通過濾波后的包絡(luò)與真實包絡(luò)的相關(guān)性增加較大,信噪聲比大于0 dB時,達到0.99,濾波效果佳。在適度的信噪比范圍內(nèi)，可以取一個經(jīng)驗值作為統(tǒng)一的濾波帶寬。本文取δ=11進行仿真。

3.2 性能分析

由表2可知,本算法的識別性能隨著信噪比的增加而下降，同時也受相關(guān)系數(shù)的大小的影響。信噪比不變時，相關(guān)系數(shù)越接近1，說明兩個標準模態(tài)之類的差別越小，從而識別難度增加，識別性能也隨之下降。反之，當標準模態(tài)間的相關(guān)系數(shù)小時，說明二者之間差別較大，易于區(qū)分，其識別性能也隨之變好。如表2所示，當相關(guān)系數(shù)r=0.93時，0 dB時平均識別正確率就達100%，而當相關(guān)系數(shù)為r=0.993 2，平均識別正確率為96%。當標準模態(tài)間的相關(guān)系數(shù)不變時，信噪比越小，識別特征量的可區(qū)分度也隨之下降，從而導(dǎo)致識別性能下降。如表2所示，當標準模態(tài)的互相關(guān)系數(shù)達0.993 2時，信噪比0 dB條件下，其平均識別正確率可達96%，而當信噪比為3 dB時，平均識別正確率達100%；當標準模態(tài)的互相關(guān)系數(shù)為0.999 2時，信噪比6 dB時，平均識別正確率達90%；當標準模態(tài)的互相關(guān)系數(shù)為大于0.993 2時，由于標準模態(tài)的差別變小，在低信噪比條件下時，性能變差。

表2 常規(guī)信號在不同信噪比、不同標準模態(tài)相關(guān)系數(shù)下的識別性能

SNR/dB-6-30369r=0.93009598.0100.0100.0100100r=0.96737194.5100.0100.0100100r=0.97656397.5100.0100.0100100r=0.98864789.5100.0100.0100100r=0.99324282.096.099.0100100r=0.99894172.573.586.59398r=0.9992246772.5899098r=0.99963656.56773.578.589.5

4 結(jié)束語

本文研究了一種基于信號包絡(luò)特征分析的特定輻射源識別算法。為了提高處理性能，先對信號進行頻率濾波處理，再提取包絡(luò)，利于精細處理。文中以常規(guī)信號為例進行了仿真分析，結(jié)果表明該算法在兩個標準模態(tài)差異較小、較低信噪比條件下，仍具有較好的識別性能。此外，本算法用提取包絡(luò)作為識別特征，易于擴展于其他存在脈內(nèi)調(diào)制時的特定輻射源識別(如線性調(diào)頻信號，相位編碼信號，經(jīng)過適當變換均可轉(zhuǎn)化為常規(guī)信號)。

[1] LANGLEY L E.Specific emitter identification (SEI) and classical parameter fusion technology[C]//WESCON 93 Conference Record.[S.l.]:IEEE Press,1993:377-381.

[2] 王宏偉，趙國慶，王玉軍.基于脈沖包絡(luò)前沿高階矩特征的輻射源個體識別[J].現(xiàn)代雷達,2010,32(10)：42-45.

WANG Hongwei,ZHAO Guoqing,WANG Yujun.Specific emitter identification based on higher order moment of the envelope's front edge[J].Modern Radar,2010,32(10):42-45.

[3] KAWALEC A,OWCZAREK R,DUDCZYK J.Data modeling and simulation applied to radar signal recognition[J].Molecular and Quantum Acoustics,2005(26):165-172.

[4] OWCZAREK R.Specific radar identification based on measurement of signal features in the time domain[D].Warsaw:Military University of Technology,2004.

[5] DUDCZYK J,MATUSZEWSKI J,WNUK M.Applying the radiated emission to the specific emitter identification[J].Inernational Conference on Microwaves,2004,5(1):37-47.

[6] DUDCIYK J.Applying the radiated emission to the radio-electeronic devices identification[D].Warsaw:Military University of Technology,2004.

[7] 張國柱,黃可生,姜文利,等，基于信號包絡(luò)的輻射源細微特征提取方法[J].系統(tǒng)工程與電子技術(shù)，2006,28(6):795-797.ZHANG Guozhu,HUANG Kesheng,JIANG Wenli,et al.Emitter feature extract method based on signal envelope[J].Systems Engineering and Electronics,2006,28(6):795-797.

[8] BRUCE P.Anderson the rational resolution analysis:a generalization of multiresolution analyses with application to the specific emitter identification problem[M].New York:Storming Media,1997.

[9] ZHANG J,WANG F,DOBRE O A,et al.Specific emitter identification via hilbert-huang transform in single-hop and relaying scenarios[J].IEEE Transactions on Information Forensics & Security,2016,11(6):1-1.

[10] BOUDRAA A O,CEXUS J C,SAIDI Z.EMD-based signal noise reduction[J].Proceedings of World Aeademy of Science Engineering & Technology,2005,1(1):93-96.

[11] JANSEN M.Noise reduction by wavelet thresholding[M].New York:Springer-Verlag,2001.

[12] ROBERT N,DONOUGH M,WHALEN A D.Detection of signals in noise[M].2nd ed.New York:Academic Press,1995.

章 艷 女，1979年生，本科，講師。研究方向為信號處理、計算機技術(shù)。

Specific Radar Emitter Recognition Based on Correlation Coefficient of the Envelope Methods

ZHANG Yan

(Nanjing College of Information Technology,Nanjing 210023,China)

In this paper，correlation coefficient of envelope on specific emitter recognition is discussed when the received radar signal is a normal type.In this approach,in order to determine which specific radar generated the intercepted signals belong to the same kind after classified ,received signals are firstly filtered by DFT to reduce the noise ,then the envelope of the processed signals are extracted.Computer simulation results show that the method is able to identify the two specific radar emitters with an accuracy rate of 96% when the correlation is about 0.99,and the input SNR is 0 dB.

specific emitter recognition; DFT; correlation coefficient

??處理·

10.16592/j.cnki.1004-7859.2016.10.010

章艷 Email：zhangyan.zk@njcit.cn

2016-07-07

2016-09-17

TN957

A

1004-7859(2016)10-0039-03