密集信號條件下雷達(dá)信號分選算法.pdf

1、在現(xiàn)代戰(zhàn)爭中,電子對抗所起的作用越來越大,對偵查信號的處理其好壞與否會影響電子戰(zhàn)的勝負(fù),其作用也顯得越來越重要。由于現(xiàn)代戰(zhàn)爭中雷達(dá)體制多樣化,戰(zhàn)場的信號環(huán)境越來越復(fù)雜,所以對密集交疊的信號流分選其實時性和可靠性要求也越來越高。雷達(dá)信號分選是偵查引導(dǎo)系統(tǒng)的一重要組成部分。目前對雷達(dá)信號分選算法的研究比較多,傳統(tǒng)方法主要包括試探法、統(tǒng)計評估技術(shù)和最近鄰分類器以及參量范圍匹配法、相關(guān)函數(shù)重頻鑒別法等。這些算法理論成熟,應(yīng)用較多,但是在密集信號

2、環(huán)境條件下進(jìn)行分選時,算法的缺點也比較突出,實時性差,可靠性低,有時甚至?xí)霈F(xiàn)無法分選的情況。針對目前的密集的電磁環(huán)境,在傳統(tǒng)算法上出現(xiàn)了許多改進(jìn)方法,這其中應(yīng)用較多的就是直方圖法(包括累計差直方圖法CDIF和序列差直方圖法SDIF)、基于平面變換的分選、聚類分析法、PRI變換法和小波變換法等。
　　 利用聚類方法來實現(xiàn)密集脈沖流的初分選,對脈沖流進(jìn)行稀釋,目前的方法比較多,本文主要研究了K-means聚類算法在雷達(dá)信號分選中的

3、應(yīng)用。利用K-means聚類算法對脈沖流進(jìn)行預(yù)分選,其中除了利用常規(guī)的載頻(CF)、脈寬(PW)、到達(dá)角(DOA)這三個參數(shù)外,還加入了雷達(dá)極化特征這個參數(shù),利用極化可能的四種狀態(tài),即水平極化、垂直極化、左旋圓極化和右旋圓極化對信號進(jìn)行分選。由于極化特征只有這四種狀態(tài),所以可先對其進(jìn)行分選,將脈沖流稀釋,這樣極化參數(shù)可以看成除到達(dá)角之外又一個可靠地分選參數(shù)。利用K-means算法進(jìn)行分選時,其中一個較突出的缺點就是初始聚類中心確定后,通

4、過反復(fù)迭代,可能會出現(xiàn)局部最優(yōu),由于對雷達(dá)信號的分選采用了先分選極化參數(shù),然后進(jìn)行脈寬和到達(dá)角的分選,最后進(jìn)行載頻的分選這樣一個順序,所以不論初始聚類中心如何,在經(jīng)過極化參數(shù)及到達(dá)角的分選后,通常分選結(jié)果不會陷入局部最優(yōu),即不會受噪音等的影響,通過仿真實驗,也進(jìn)一步得到了驗證。在對密集的信號流分選統(tǒng)計分析后,可以發(fā)現(xiàn)該算法可靠性強(qiáng),分選效果良好,K-means聚類算法另一個缺點就是反復(fù)迭代時間較長,這個目前還沒有很好的解決,是下一步研究

5、的重點。
　　 對于預(yù)分選后的信號流,要進(jìn)行主分選。本文主要研究了相關(guān)函數(shù)重頻鑒別法、直方圖法及PRI變換法。相關(guān)函數(shù)重頻鑒別法是PRI變換法的基礎(chǔ),是一種典型的主分選算法,由于利用傳統(tǒng)的相關(guān)函數(shù)重頻鑒別法對諧波的抑制較弱,所以常采取諧波壓縮的方法,使諧波得到抑制。PRI變換法的基礎(chǔ)是自相關(guān)函數(shù)法,在經(jīng)過變換加入相位因子后,使諧波分量由向量表示,對其求和后向量和為零,這表示諧波得到抑制,在此基礎(chǔ)上,針對該算法的缺點提出了兩點改進(jìn)

6、,改進(jìn)后基本上可以消除噪聲對分選結(jié)果的影響。直方圖法的改進(jìn)方法即累計差直方圖法(CDIF)和序列差直方圖法(SDIF)本文也做了一些研究,這兩方法各有優(yōu)缺點。CDIF算法準(zhǔn)確性高,可靠性好,但是運(yùn)算量大,門限也不是最佳門限,若有大量脈沖丟失,會檢測出諧波;SDIF算法是在CDIF算法上的改進(jìn),比CDIF算法更快,具有最佳檢測門限,但是不適合PRI隨機(jī)變化的信號分選。
　　 論文的最后,給出了整個的一個分選過程,預(yù)分選后對其序列檢