唐 娟 冉 智 趙 源 唐 斌

(1.電子科技大學(xué)電子工程學(xué)院，成都，611731； 2.國網(wǎng)內(nèi)江供電公司信通分公司，內(nèi)江，641100)

基于干擾機(jī)功率放大器特性的有源欺騙干擾識(shí)別方法

唐 娟1,2冉 智1趙 源1唐 斌1

(1.電子科技大學(xué)電子工程學(xué)院，成都，611731； 2.國網(wǎng)內(nèi)江供電公司信通分公司，內(nèi)江，641100)

針對(duì)對(duì)空情報(bào)雷達(dá)的有源欺騙干擾與目標(biāo)回波高度相似，導(dǎo)致識(shí)別有源欺騙干擾難度較大的現(xiàn)狀，提出了一種基于干擾機(jī)功率放大器非線性特性的有源欺騙干擾識(shí)別方法。提取分段自相關(guān)最大值方差和奇異譜熵兩個(gè)特征，用這兩個(gè)特征聯(lián)合識(shí)別有源欺騙干擾。仿真結(jié)果表明，在信噪比大于等于8 dB時(shí)，欺騙干擾識(shí)別概率能達(dá)到100%，能夠滿足實(shí)際工程需要。

有源欺騙干擾識(shí)別；功率放大器；特征提取

引 言

雷達(dá)電子戰(zhàn)的源頭能夠追溯至第二次世界大戰(zhàn)。在二戰(zhàn)期間，雙方戰(zhàn)機(jī)損失很嚴(yán)重，為了降低損失，雷達(dá)就運(yùn)用到各種各樣的軍事裝備上，這樣就產(chǎn)生了雷達(dá)電子戰(zhàn)。在以后的多次戰(zhàn)爭中，雷達(dá)電子戰(zhàn)都發(fā)揮了至關(guān)重要的作用，所以雷達(dá)電子戰(zhàn)不僅在當(dāng)前而且在未來的各種軍事戰(zhàn)爭中都將發(fā)揮至關(guān)重要的作用。數(shù)字儲(chǔ)頻技術(shù)的發(fā)展使對(duì)空情報(bào)雷達(dá)有源欺騙干擾與目標(biāo)回波越來越相似，研究有源欺騙干擾與目標(biāo)回波的差異顯得尤為重要。目前國內(nèi)外針對(duì)有源欺騙干擾識(shí)別方法的研究主要集中在特征提取上。Berge S D[1]系統(tǒng)地分析了在數(shù)字射頻存儲(chǔ)器(Digital radio frequency memory,DRFM)數(shù)字特性的影響下，拖引時(shí)延函數(shù)由理想情況下的線性函數(shù)改變?yōu)殡A梯形函數(shù)，并研究了此時(shí)線性距離拖引干擾(Range gate pull-off,RGPO)信號(hào)的時(shí)域模型和頻域特征。Greco M等[2]在此基礎(chǔ)上，進(jìn)一步分析了由DRFM產(chǎn)生的RGPO干擾信號(hào)受DRFM相位量化及時(shí)延函數(shù)離散化后在頻域上的特征，得出時(shí)延量化給干擾信號(hào)帶來的影響與相位量化的影響相比可以忽略，尤其在相位量化位數(shù)較少時(shí)。然而，隨著DRFM量化位數(shù)的提高，量化所帶來的誤差越來越小，只分析量化所帶來的誤差顯然不能滿足實(shí)際需求。李建勛[3-6]研究了有源欺騙干擾的高階累積量與雙譜特征，在一定程度上能區(qū)分有源欺騙干擾和目標(biāo)回波。粘朋雷[7]提出了基于短時(shí)分?jǐn)?shù)階傅里葉變換的欺騙干擾識(shí)別方法，但此方法僅針對(duì)線性調(diào)頻脈沖壓縮引信。閆琰[8]提出了基于多維特征處理識(shí)別欺騙干擾，在時(shí)域、頻域、小波域和雙譜域提取特征分析了有源欺騙干擾與目標(biāo)回波，但未對(duì)這些特征的物理意義給出說明。甘一鳴[9]提出了基于射頻功放建模的欺騙干擾識(shí)別方法，利用Hammerstein模型對(duì)射頻功放進(jìn)行非線性建模，用模型參數(shù)作為提取的特征向量，但其只考慮了功放的非線性，沒有考慮其記憶性。郭波[10]提出了短時(shí)滑窗方式的分?jǐn)?shù)階傅里葉濾波方法，提供一種低信噪比情況下線性調(diào)頻信號(hào)的檢測準(zhǔn)則，但該方法只能用于線性調(diào)頻信號(hào)。祝宏[11]研究了基于粒子濾波抗欺騙干擾，但該算法運(yùn)算量比較大，不易工程實(shí)現(xiàn)。田曉[12]分析了干擾機(jī)的指紋特征，研究了基于子空間的特征提取方法。因此，基于雷達(dá)有源欺騙干擾與目標(biāo)回波之間差異的干擾識(shí)別方法可為后續(xù)干擾抑制提供先驗(yàn)信息，算法的有效性顯得尤為重要。

本文首先給出基于干擾機(jī)功率放大器特性的有源欺騙干擾模型，然后對(duì)欺騙干擾與目標(biāo)回波的分段自相關(guān)最大值方差和奇異譜熵兩個(gè)特征進(jìn)行分析比較。在此基礎(chǔ)上，研究可以用于識(shí)別有源欺騙干擾的特征提取方法，最后仿真驗(yàn)證了所提取特征的有效性。

1 基于干擾機(jī)功率放大器特性的有源欺騙干擾模型

當(dāng)對(duì)空情報(bào)雷達(dá)工作在跟蹤狀態(tài)時(shí)，干擾機(jī)在產(chǎn)生有源欺騙干擾時(shí)一般僅進(jìn)行距離調(diào)制，通過轉(zhuǎn)發(fā)截獲的雷達(dá)信號(hào)形成干擾。設(shè)在沒有噪聲的情況下，干擾機(jī)截獲到的雷達(dá)單次掃描期間發(fā)射的線性調(diào)頻信號(hào)的解析形式為

(1)

式中：A為發(fā)射信號(hào)幅度，f0為發(fā)射信號(hào)中心頻率，k為調(diào)頻斜率。

由文獻(xiàn)[12]可知，在干擾機(jī)的模塊電路中，功率放大器引入的非線性失真是所有器件中最大的。假定干擾機(jī)的其他模塊都工作在理想情況，僅研究基于干擾機(jī)功率放大器特性的有源欺騙干擾模型，提取欺騙干擾的細(xì)微特征，用于欺騙式干擾的識(shí)別。

設(shè)干擾機(jī)功率放大器的輸入和輸出信號(hào)分別為x(n)和y(n)，由文獻(xiàn)[13]可知，工作在丙類的干擾機(jī)功率放大器的離散記憶多項(xiàng)式模型可以表示為

(2)

將干擾機(jī)接收到的雷達(dá)發(fā)射信號(hào)通過功率放大器，可以得到放大器的輸出信號(hào)為

(3)

則雷達(dá)接收機(jī)接收到的欺騙干擾信號(hào)為

(4)

式中：Aj為干擾機(jī)電壓放大器的放大倍數(shù)，Nj為干擾信號(hào)延時(shí)產(chǎn)生的點(diǎn)數(shù)，?表示卷積。

對(duì)空情報(bào)雷達(dá)單次掃描期間接收機(jī)目標(biāo)回波信號(hào)模型為

(5)

式中：Nr為目標(biāo)回波延時(shí)對(duì)應(yīng)的點(diǎn)數(shù)，fr為目標(biāo)的多普勒頻率，Ar為目標(biāo)回波幅度的衰減量。

由式(3)可以看出，雷達(dá)有源欺騙干擾是多個(gè)頻率很小的正弦信號(hào)與發(fā)射信號(hào)相乘之后的疊加，且正弦信號(hào)的頻率和幅度分別與干擾機(jī)功率放大器的記憶項(xiàng)、階次和系數(shù)有關(guān)系，這使有源欺騙干擾帶有放大器的細(xì)微特征，通過分析這些細(xì)微特征，可為區(qū)分有源欺騙干擾和目標(biāo)回波提供依據(jù)。

2 欺騙干擾與目標(biāo)回波特征

2.1 分段自相關(guān)最大值方差

分段自相關(guān)最大值方差能反映信號(hào)時(shí)域能量分布的均衡性，信號(hào)時(shí)域能量分布越均勻，其值越小，反之越大。由第1節(jié)分析可知，欺騙干擾攜帶了干擾機(jī)的細(xì)微特征，使得欺騙干擾時(shí)域能量分布不均勻，所以可以通過分析欺騙干擾和目標(biāo)回波在分段自相關(guān)最大值方差的差異來區(qū)分兩者。

設(shè)目標(biāo)回波信號(hào)脈內(nèi)總長度為N，用長度為M的矩形窗將雷達(dá)接收的目標(biāo)回波信號(hào)分為L段，且N=M×L，則目標(biāo)回波的第i段數(shù)據(jù)為

(6)

式中1≤i≤L。令ki(n)=n+(i-1)M-Nr，則有

(7)

則回波信號(hào)每段的自相關(guān)最大值為

(8)

由式(8)可以看出，目標(biāo)回波分段的每一段自相關(guān)最大值都是恒定的，且與目標(biāo)回波幅度相關(guān)，說明目標(biāo)回波在時(shí)域上能量分布均勻，則其分段自相關(guān)最大值方差應(yīng)該為0。

同理，將脈內(nèi)長度為N的欺騙干擾信號(hào)分成L段，每一段長度為M，且N=M×L，則欺騙干擾第i段信號(hào)為

(9)

式中fi(n)=n+(i-1)M-Nj，則其自相關(guān)最大值為

(10)

對(duì)式(10)，當(dāng)k=k1,m=m1時(shí)，產(chǎn)生平方

(11)

對(duì)于確定的干擾機(jī)，式(11)為一常數(shù)，與分段無關(guān)。

當(dāng)k1m1≠km時(shí)，產(chǎn)生交叉項(xiàng)

(12)

由式(11，12)知，欺騙式干擾的自相關(guān)最大值為

(13)

由式(13)可以看出，有源欺騙干擾的自相關(guān)最大值當(dāng)k1m1≠km時(shí)會(huì)產(chǎn)生交叉項(xiàng)，該交叉項(xiàng)與分段有關(guān)，導(dǎo)致有源欺騙干擾分段每一段的自相關(guān)最大值不同。這樣，各段自相關(guān)最大值的方差應(yīng)該大于0，而目標(biāo)回波各段自相關(guān)最大值的方差應(yīng)該等于0。所以可以用自相關(guān)最大值方差來區(qū)分欺騙干擾和目標(biāo)回波。

因此定義自相關(guān)最大值方差v為

(14)

式中：var表示求各段自相關(guān)最大值的方差。

2.2 奇異譜熵

奇異譜信息熵可以表征信號(hào)所攜帶信息量的多少，信號(hào)所攜帶的信息越多，奇異譜信息熵值越大，說明信號(hào)越復(fù)雜。由于欺騙干擾攜帶了干擾機(jī)功率放大器的微弱信息，導(dǎo)致其攜帶的信息要比目標(biāo)回波多，所以可以用奇異譜信息熵來區(qū)分目標(biāo)回波和有源欺騙干擾。與2.1節(jié)類似，將雷達(dá)接收機(jī)接收的長度為N的脈內(nèi)信號(hào)分成L段，每段長度為M，將這L段數(shù)據(jù)形成L×M維矩陣C，求得A的奇異值譜σi(i=1,2，…，k,k≤L)，奇異譜中非零特征值σi與信號(hào)頻率分布情況有很大的聯(lián)系，其維數(shù)越高，表示分布越復(fù)雜，維數(shù)越低，表示分布越簡單。定義時(shí)域空間信息的奇異譜熵為

(15)

由式(3)知，雷達(dá)有源欺騙干擾為多個(gè)頻率很小的正弦信號(hào)與發(fā)射信號(hào)相乘之后的疊加，且這些正弦信號(hào)與干擾機(jī)功率放大器相關(guān)，這使有源欺騙干擾帶有放大器的細(xì)微特征，所以雷達(dá)有源欺騙干擾攜帶的信息比目標(biāo)回波豐富，其奇異譜熵比目標(biāo)回波大，因此可以用奇異譜熵H區(qū)分目標(biāo)回波和欺騙干擾。

2.3 特征組合

通過對(duì)有源欺騙干擾和目標(biāo)回波的分析，定義分段自相關(guān)最大值方差和奇異譜熵這兩組特征因子[14]，從此實(shí)現(xiàn)有源欺騙干擾和目標(biāo)回波信號(hào)的識(shí)別。

圖1 算法流程Fig．1 Algorithmic flow

3 仿真驗(yàn)證

設(shè)雷達(dá)工作在L波段，載頻為1 500 MHz，發(fā)射的線性調(diào)頻信號(hào)帶寬為10 MHz，脈寬為5 μs，采樣率為100 MHz，脈沖重復(fù)周期為500 μs，取5 dB≤SNR≤20 dB，此信噪比為目標(biāo)回波(或者欺騙干擾)與噪聲的功率之比。

根據(jù)文獻(xiàn)[13]，綜合計(jì)算量與相似性考慮，取功率放大器的記憶多項(xiàng)式模型階數(shù)為3，記憶深度為2，根據(jù)某實(shí)測數(shù)據(jù)得到功率放大器記憶多項(xiàng)式模型參數(shù)，用該模型仿真提取特征，當(dāng)欺騙干擾和目標(biāo)回波信號(hào)不重疊時(shí)，其分段自相關(guān)最大值方差和奇異譜熵值結(jié)果分別如圖2，3所示。

圖2 分段自相關(guān)最大值方差Fig．2 Segmentation autocorrelation maximum variance

圖3 奇異譜熵Fig．3 Singular spectrum entropy

由圖2可以看出，目標(biāo)回波的分段自相關(guān)最大值方差在零附近，而有源欺騙干擾的分段自相關(guān)最大值方差大于零，兩者有明顯的區(qū)別。由圖3可以看出，奇異譜熵也能在一定程度上區(qū)分欺騙式干擾和目標(biāo)回波，而且隨著信噪比的提高，兩者的差異趨向平穩(wěn)，所以可以通過這兩個(gè)特征聯(lián)合來區(qū)分目標(biāo)回波和有源欺騙干擾。當(dāng)目標(biāo)回波和欺騙干擾重疊30%時(shí)，其分段自相關(guān)最大值方差和奇異譜熵結(jié)果分別如圖4，5所示。

圖4 分段自相關(guān)最大值方差Fig．4 Segmentation autocorrelation maximum variance

圖5 奇異譜熵Fig．5 Singular spectrum entropy

當(dāng)目標(biāo)回波和欺騙干擾重疊50%時(shí)，其分段自相關(guān)最大值方差和奇異譜熵結(jié)果分別如圖6，7所示。

由圖4～7可以看出，隨著目標(biāo)回波和欺騙干擾重疊部分的增多，分段自相關(guān)最大值方差和奇異譜熵區(qū)分目標(biāo)回波和欺騙干擾的性能明顯下降。這是因?yàn)楫?dāng)目標(biāo)回波和欺騙干擾重疊時(shí)，可利用的信息變少，使得欺騙干擾所攜帶的一部分放大器的微弱特征丟失，導(dǎo)致欺騙干擾和目標(biāo)回波更加相似，所以兩個(gè)特征的性能下降。

利用上述兩個(gè)特征聯(lián)合來區(qū)分有源欺騙干擾和目標(biāo)回波，能提高識(shí)別的穩(wěn)定性。用特征μ來識(shí)別欺騙干擾和目標(biāo)回波，取λ=0.5。當(dāng)目標(biāo)回波和欺騙干擾不重疊時(shí)，做400次蒙特卡洛實(shí)驗(yàn)得到的有源欺騙干擾識(shí)別概率圖形如圖8所示。由圖8可知，利用分段自相關(guān)最大值方差與奇異譜熵相結(jié)合來區(qū)分目標(biāo)回波和欺騙干擾，在信噪比大于8 dB，且目標(biāo)回波和欺騙干擾不重疊時(shí)，識(shí)別概率可達(dá)到100%，能有效識(shí)別出欺騙式干擾。但在信噪較小時(shí)，由于噪聲的影響，使得聯(lián)合特征區(qū)別不大，很難區(qū)分出目標(biāo)回波和欺騙干擾，以至于在信噪比小于5 dB時(shí)，識(shí)別概率不高。

圖6 分段自相關(guān)最大值方差Fig．6 Segmentation autocorrelation maximum variance

圖7 奇異譜熵Fig．7 Singular spectrum entropy

圖8 聯(lián)合特征識(shí)別概率Fig．8 Joint feature recognition probability

4 結(jié)束語

本文基于干擾機(jī)功率放大器特性分析了有源欺騙干擾和目標(biāo)回標(biāo)，研究了目標(biāo)回波和欺騙干擾在分段自相關(guān)最大值方差和奇異譜熵兩個(gè)特征上的差異。仿真結(jié)果表明，提取的特征因子可以體現(xiàn)欺騙干擾和目標(biāo)回波的差異。當(dāng)目標(biāo)回波和欺騙干擾不重疊時(shí)，在信噪比大于8 dB時(shí)，欺騙干擾的識(shí)別概率可以達(dá)到100%，但在低信噪比下性能有待改進(jìn)。下一步將在單個(gè)欺騙干擾特征提取的基礎(chǔ)上研究低信噪比下識(shí)別欺騙干擾以及抗密集轉(zhuǎn)發(fā)式干擾。

[1] Berger S D. Digital radio frequency memory linear range gatestealer spectrum[J].Aerospace and Electronic Systems,IEEE Trans on,2003,39(2):725-735.

[2] Greco M，Gini F，F(xiàn)arina A，et al. Effect of phase and rangegate pull off delay quantisation on jammer signal[J].IEE Proc Radar Sonar Navig,2006,153(5):454-459.

[3] 李建勛，唐斌，呂強(qiáng). 雙譜特征提取在欺騙式干擾方式識(shí)別中的應(yīng)用研究[J].電子科技大學(xué)學(xué)報(bào)，2009,38(3):329-332.

Li Jianxun,Tang Bin,Lü Qiang. Bispectrum feature extraction used in deceptive jamming modes recognition[J].Journal of University of Electronic Science and Technology of China,2009,38(3):329-332.

[4] 呂強(qiáng)，李建勛，秦江敏，等. 基于神經(jīng)網(wǎng)絡(luò)的雷達(dá)抗轉(zhuǎn)發(fā)式距離欺騙干擾方法[J].系統(tǒng)工程與電子技術(shù)，2005,27(2):240-243.

Lü Qiang,Li Jianxun,Qin Jiangmin,et al. Method against radar's transmitting deceptive jamming in distance based on neural network[J].Systems Engineering and Electronics,2005,27(2):240-243.

[5] 李建勛，秦江敏，馬曉巖. 雷達(dá)抗應(yīng)答式欺騙干擾中的特征提取研究[J].空軍雷達(dá)學(xué)院學(xué)報(bào)，2004,18(2):4-7.

Li Jianxun,Qin Jiangmin,Ma Xiaoyan. Study of feature extraction in radar anti-answering-deception-jamming[J].Journal of Air Force Early Warning Academy,2004,18(2):4-7.

[6] 李建勛，秦江敏，馬曉巖. 基于神經(jīng)網(wǎng)絡(luò)的雷達(dá)抗應(yīng)答式欺騙干擾方法[J].空軍雷達(dá)學(xué)院學(xué)報(bào)，2003,17(4):19-21.

Li Jianxun,Qin Jiangmin,Ma Xiaoyan. A method of radar anti-deception-jamming based on neural network[J].Journal of Air Force Early Warning Academy,2003,17(4):19-21.

[7] 粘朋雷，李國林，李飛.基于STFRFT的LFM引信抗欺騙干擾方法[J].海軍航空工程學(xué)院學(xué)報(bào)，2015，30(2)：111-115.

Nian Penglei,Li Guolin,Li Fei. Deception jamming suppression method of LFM fuze based on STFRFT[J].Journal of Naval Aeronautical and Astronautical University,2015,30(2):111-115.

[8] 閆琰.基于多維特征處理的雷達(dá)有源干擾識(shí)別技術(shù)[D].西安：西安電子科技大學(xué)，2014.

Yan Yan. Multi-feature-based identification of active jamming[D].Xi′an: Xidian University,2014.

[9] 甘一鳴，孫閩紅，鄭琴，等.基于射頻功放非線性建模的欺騙干擾識(shí)別[J].艦船電子對(duì)抗，2014,37(4):1-9.

Gan Yiming,Sun Minhong,Zheng Qin,et al. Deception jamming identification based on nonlinear modeling of RF power amplifier[J].Shipboard Electronic Countermeasure,2014,37(4):1-9.

[10]郭波，宋李彬，周貴良. 分?jǐn)?shù)階傅里葉濾波在欺騙干擾中的應(yīng)用研究[J].電子學(xué)報(bào)，2012,40(7):1328-1332.

Guo Bo,Song Libin,Zhou Guiliang. Application research on fractional fourier filtering in deception jamming[J].Acta Electronica Sinica,2012,40(7):1328-1332.

[11]祝宏，張海，唐高弟，等.一種基于粒子濾波的雷達(dá)抗欺騙干擾方法[J].強(qiáng)激光與粒子束，2014,26(11)：1-5.

Zhu Hong,Zhang Hai,Tang Gaodi,et al. Method against radar's deception jamming based on particle filter[J].High Power Laser and Particle Beams，2014,26(11)：1-5.

[12]田曉.雷達(dá)有源欺騙干擾綜合感知方法研究[D].成都：電子科技大學(xué)，2013.

Tian Xiao. Study on the method of radar active deception jamming integrated sensing[D].Chengdu: University of Electronic Science and Technology of China,2013.

[13]詹鵬.射頻功放數(shù)字預(yù)失真線性化技術(shù)研究[D].成都：電子科技大學(xué)，2012.

Zhan Peng. Study on digital predistortion linearization technique for radio frequency power amplifiers[D].Chengdu: University of Electronic Science and Technology of China,2012.

[14]Lu G,Tang T,Gui G. Deception ECM signals cancellation processor with joint time-frequency pulse diversity[J].IEICE Electronics Express,2011,8:1608-1613.

[15]Yongping L,Ying X,Tang B. SMSP jamming identification based on matched signal transform[C]∥2011 International Conference on Computational Problem-Solving (ICCP).[S.l.]:IEEEXPLore,2011:182-185.

Active Deceptive Jamming Identification Based on Jammer′s Power Amplifier Character

Tang Juan1,2, Ran Zhi1, Zhao Yuan1, Tang Bin1

(1.College of Electronic Engineering, University of Electronic Science and Technology of China, Chengdu, 611731, China; 2.State Grid Neijiang Power Supply Company Information & Telecommunication Branch, Neijiang, 641100, China)

The high similarity between active deceptive jamming and echo of air surveillance radar results in the difficulty in identificating the active deception jamming. Based on jammer′s power amplifier nonlinear characters, a new active deceptive jamming identification method is proposed by extracting piecewise autocorrelation maximum variance and singular value spectral entropy of radar receiving signal. Simulation shows that the recognition probability for deceptive jamming is 100% with signal-to-noise ratio of 8 dB, meeting the actual engineering needs.

active deceptive jamming recognition; power amplifier; feature extraction

總裝預(yù)研基金資助項(xiàng)目。

2015-05-28；

2017-02-28

TP391

A

唐娟(1989-)，女，碩士研究生，研究方向：雷達(dá)有源欺騙干擾反對(duì)抗技術(shù)。

趙源(1991-)，男，博士研究生，研究方向：組網(wǎng)雷達(dá)抗有源干擾技術(shù)。

唐斌(1964-)，男，博士，教授，博士生導(dǎo)師，研究方向：電子對(duì)抗技術(shù)與系統(tǒng)、雷達(dá)抗干擾技術(shù)等，E-mail：bint@uestc.edu.cn。