雷达信号多站融合分选方法技术

雷达信号多站融合分选方法，属于电子对抗领域；解决了现有多站集群协同下基于多组时差的雷达信号分选方法在高密度脉冲流情况下时差匹配精度低，且仅依赖时差参数TDOA分选准确率性难以保证的问题。本发明专利技术是基于PCN集对势与优化的平面变化主分选实现的雷达信号分选，本发明专利技术将各观测站内的特征参数接近的脉冲进行聚类，再以多站时差匹配TDOA参数作为融合校验的依据，弱化时差匹配误差对分选结果的影响，从而增加了高密度脉冲流条件下分选算法准确率；还提出引入SDIF算法确定每个聚类堆的潜在变换宽度W

【技术实现步骤摘要】
雷达信号多站融合分选方法


[0001]本专利技术属于电子对抗领域，具体涉及电子侦察方向的一种雷达信号融合分选方法。

技术介绍

[0002]雷达辐射源分选技术也称辐射源脉冲去交错，主要目的是从随机交错的脉冲流中剔除合作方脉冲，并将各非合作方脉冲按照所属的雷达归类，雷达辐射源分选是侦察系统的关键环节，对于后续的雷达行为识别与态势评估起决定性作用。随着电磁环境的日渐复杂，各类诸如低截获等抗干扰技术，低信噪比环境等问题使得侦察接收机提取的辐射源特征参数存在丢失、不准确的情况；辐射源数目的不断增加使得脉冲密度不断提高至百万级乃至千万级；辐射源调制方式由简单的单频扩展为包含调频、编码调相等各种复杂的脉内调制方式。
[0003]分选算法的发展经历了从基于脉间调制PRI变化特征、脉内调制特征，再到引入机器学习的方法。目前基于机器学习的无监督聚类预分选，搭配基于脉间调制PRI变化特征的主分选方法算法模型符合实际缺乏先验信息的战场环境，被广泛应用于工程中。其中典型无监督聚类算法主要包括五大类：划分聚类法、层次聚类法、网格聚类法、密度聚类法以及模糊聚类法。针对PRI的常用主分选算法主要包括扩展关联法、序列差值直方图法、累积差值直方图法、PRI变换法以及平面变换法。
[0004]西安电子科技大学在其申请的专利主题名称为:“多站集群协同下基于多组时差的雷达信号分选方法”(申请号202210074764.X，申请公布号CN 114488028 A)提出了一种多站集群协同下基于多组时差的雷达信号分选方法，该方法利用多站协同配对脉冲中提取的TDOA/FDOA(即：到达时间差/到达频率差)，剔除了虚假时差，实现准确的雷达信号分选。该专利技术虽然解决了单站雷达信号分选方法无法分选多功能调度重频雷达信号以及双站集群协同信号分选方法的虚假时差问题，但依然存在一些不足之处。该方法从仿真参数设置的情况看脉冲流密度比较低，且匹配容差依赖于先验信息，在脉冲流高密度的电磁环境中难以避免主副站脉冲匹配错误的情况，使得主副站脉冲到达时间差计算误差增大，这种过分依赖于到达时间差(TDOA)参数而忽略信号本身的载频、脉宽等特征参数的分选方法性能受TDOA参数影响很大，在复杂电磁环境下雷达信号分选准确性难以得到保证。

技术实现思路

[0005]本专利技术目的是为了解决现有多站集群协同下基于多组时差的雷达信号分选方法在高密度脉冲流情况下时差匹配精度低，且仅依赖时差参数TDOA分选准确率性难以保证的问题，本专利技术提供了一种基于偏联系数(Partial Connection Number,PCN)集对势与改进平面变换法的雷达信号多站融合分选方法。
[0006]雷达信号多站融合分选方法，该多站融合分选方法基于一个主观测站和N个副观测站实现，所有观测站均用于对待测雷达辐射源输出的雷达信号进行探测，且在预设时间
段内每个观测站的接收机探测到的雷达信号为一串脉冲序列，并将其脉冲序列作为PDW数据样本集，且脉冲序列中的每个脉冲信号作为一个样本；脉冲信号的特征参数包括载频CF、脉宽PW、到达角度AOA和脉冲到达时间TOA；
[0007]多站融合分选方法包括如下步骤：
[0008]S1、所有副观测站将其探测得到PDW数据样本集发送至主观测站；
[0009]S2、在主观测站内，对所有观测站的PDW数据样本集进行预处理；
[0010]先确定各观测站的PDW数据样本集中作为聚类中心的各脉冲信号，并将作为聚类中心的脉冲信号进行有聚类中心标记，剩余不作为聚类中心的脉冲信号进行无聚类中心标记，再以主观测站的PDW数据样本集内的各脉冲信号作为基准分别与各副观测站的PDW数据样本集内的相应脉冲信号做到达时差TDOA匹配，并将匹配成功的到达时差TDOA标记在所有观测站的PDW数据样本集的相应样本中，同时，将匹配失败的样本从其所在的观测站的PDW数据样本集中剔除，获得各观测站的预处理后的PDW数据样本集；
[0011]S3、利用PCN集对势聚类法，对各观测站的预处理后的PDW数据样本集中的脉冲信号进行特征参数聚类，并在各观测站的预处理后的PDW数据样本集中形成多个聚类堆；
[0012]S4、多站到达时差TDOA聚类融合校验，获得更新后的PDW数据样本集；
[0013]确定各观测站的预处理后的PDW数据样本集中各聚类堆的平均到达时差TDOA，并根据每个预处理后的PDW数据样本集中各平均到达时差TDOA之间关系，将满足聚类条件的各聚类堆之间进行决策级融合，获得更新后的PDW数据样本集；
[0014]其中，各观测站内更新后的PDW数据样本集中每个聚类堆包含一套或多套特征参数，且聚类堆的每套特征参数包括平均载频、平均脉宽和平均到达角度，且每个聚类堆的每套特征参数作为该聚类堆所对应的待测雷达辐射源在相应工作模式下的特征参数；
[0015]S5、优化的平面变化主分选，输出分选结果；
[0016]通过引入SDIF算法对各观测站内更新后的PDW数据样本集中每个聚类堆内所有脉冲信号的脉冲到达时间TOA进行m级的级差计算，得到每个聚类堆的m个潜在变换宽度W
i
；i＝1,2,3
……
m，m为整数，W
i
为第i个潜在变换宽度；
[0017]再对各潜在变换宽度W
i
对其所对应的聚类堆内的所有脉冲信号的脉冲到达时间TOA进行平面变换，获得一条平面变换特征曲线；
[0018]最后，根据每个聚类堆所对应的m个平面变换特征曲线确定该聚类堆的最优变换宽度W，根据最优变换宽度W所对应的平面变换特征曲线的变化规律确定该聚类堆的重频调制类型，其中，
[0019]将聚类堆的最优变换宽度W作为该聚类堆所对应的一个待测雷达辐射源的重复周期PRI；
[0020]将聚类堆的重频调制类型作为该聚类堆所对应的一个待测雷达辐射源的重频调制类型。
[0021]优选的是，步骤S2中，先确定各观测站的PDW数据样本集中作为聚类中心的各脉冲信号的实现方式为：
[0022]S21、利用LOF法去除各观测站的PDW数据样本集中的离群样本；
[0023]S22、利用最大距离积法确定去除离群样本后的各PDW数据样本集中作为聚类中心的各脉冲信号。
[0024]优选的是，步骤S2中，以主观测站的PDW数据样本集内的各脉冲信号作为基准分别与各副观测站的PDW数据样本集内的相应脉冲信号做到达时差TDOA匹配的实现方式包括：
[0025]根据主、副观测站的空间位置确定脉冲匹配时差窗，在同一脉冲匹配时差窗内将主观测站的脉冲信号的载频CF、脉宽PW、到达角度AOA与各副观测站内相应的脉冲信号的载频CF、脉宽PW、到达角度AOA分别进行匹配，若各特征参数的匹配结果均在预设阈值内，则确定匹配成功，并将该主观测站的脉冲信号的脉冲到达时间TOA和其所对应的副观测站内相应的脉冲信号的脉冲到达时间TOA作差，获得到达时差TDOA。
[0026]优选的是，步骤S3中、利用PCN集对势聚本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.雷达信号多站融合分选方法，该多站融合分选方法基于一个主观测站和N个副观测站实现，所有观测站均用于对待测雷达辐射源输出的雷达信号进行探测，且在预设时间段内每个观测站的接收机探测到的雷达信号为一串脉冲序列，并将其脉冲序列作为PDW数据样本集，且脉冲序列中的每个脉冲信号作为一个样本；脉冲信号的特征参数包括载频CF、脉宽PW、到达角度AOA和脉冲到达时间TOA；其特征在于，多站融合分选方法包括如下步骤：S1、所有副观测站将其探测得到PDW数据样本集发送至主观测站；S2、在主观测站内，对所有观测站的PDW数据样本集进行预处理；先确定各观测站的PDW数据样本集中作为聚类中心的各脉冲信号，并将作为聚类中心的脉冲信号进行有聚类中心标记，剩余不作为聚类中心的脉冲信号进行无聚类中心标记，再以主观测站的PDW数据样本集内的各脉冲信号作为基准分别与各副观测站的PDW数据样本集内的相应脉冲信号做到达时差TDOA匹配，并将匹配成功的到达时差TDOA标记在所有观测站的PDW数据样本集的相应样本中，同时，将匹配失败的样本从其所在的观测站的PDW数据样本集中剔除，获得各观测站的预处理后的PDW数据样本集；S3、利用PCN集对势聚类法，对各观测站的预处理后的PDW数据样本集中的脉冲信号进行特征参数聚类，并在各观测站的预处理后的PDW数据样本集中形成多个聚类堆；S4、多站到达时差TDOA聚类融合校验，获得更新后的PDW数据样本集；确定各观测站的预处理后的PDW数据样本集中各聚类堆的平均到达时差TDOA，并根据每个预处理后的PDW数据样本集中各平均到达时差TDOA之间关系，将满足聚类条件的各聚类堆之间进行决策级融合，获得更新后的PDW数据样本集；其中，各观测站内更新后的PDW数据样本集中每个聚类堆包含一套或多套特征参数，且聚类堆的每套特征参数包括平均载频、平均脉宽和平均到达角度，且每个聚类堆的每套特征参数作为该聚类堆所对应的待测雷达辐射源在相应工作模式下的特征参数；S5、优化的平面变化主分选，输出分选结果；通过引入SDIF算法对各观测站内更新后的PDW数据样本集中每个聚类堆内所有脉冲信号的脉冲到达时间TOA进行m级的级差计算，得到每个聚类堆的m个潜在变换宽度W
i
；i＝1,2,3
……
m，m为整数，W
i
为第i个潜在变换宽度；再对各潜在变换宽度W
i
对其所对应的聚类堆内的所有脉冲信号的脉冲到达时间TOA进行平面变换，获得一条平面变换特征曲线；最后，根据每个聚类堆所对应的m个平面变换特征曲线确定该聚类堆的最优变换宽度W，根据最优变换宽度W所对应的平面变换特征曲线的变化规律确定该聚类堆的重频调制类型，其中，将聚类堆的最优变换宽度W作为该聚类堆所对应的一个待测雷达辐射源的重复周期PRI；将聚类堆的重频调制类型作为该聚类堆所对应的一个待测雷达辐射源的重频调制类型。2.根据权利要求1所述的雷达信号多站融合分选方法，其特征在于，步骤S2中，先确定各观测站的PDW数据样本集中作为聚类中心的各脉冲信号的实现方式为：S21、利用LOF法去除各观测站的PDW数据样本集中的离群样本；
S22、利用最大距离积法确定去除离群样本后的各PDW数据样本集中作为聚类中心的各脉冲信号。3.根据权利要求1或2所述的雷达信号多站融合分选方法，其特征在于，步骤S2中，以主观测站的PDW数据样本集内的各脉冲信号作为基准分别与各副观测站的PDW数据样本...

【专利技术属性】
技术研发人员：刘鲁涛，李金凯，吴铁明，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：