基于CWD特征的多相编码雷达信号波形自动识别方法技术

本发明专利技术涉及一种基于CWD特征的多相编码雷达信号波形自动识别方法，属于信息对抗技术领域。本发明专利技术以离散采样型Choi-Williams变换为基本工具，将多相编码脉冲压缩雷达信号的CWD图像作为特征提取对象，提出将CWD图像的Pseudo-Zernike矩、图像中的目标个数、CWD中峰值功率的时间位置和多相码波形对称性质作为识别多相编码脉冲压缩雷达波形的特征，利用多相码信号在特征上的不同，建立一个由10个感知器组成的总体平均提前停止的神经网络进行自动波形识别。本发明专利技术提出的方法提高了多相编码雷达信号波形的识别准确率，进一步降低了信噪比的要求，并且还可以经过推广运用于多相编码连续波雷达信号，为雷达信号识别与分选的设计提供了一条新的途径。

【技术实现步骤摘要】
基于CWD特征的多相编码雷达信号波形自动识别方法
本专利技术涉及一种基于CWD特征的多相编码雷达信号波形自动识别方法，属于信息对抗

技术介绍
近年来，随着对多相编码雷达信号研究的不断深入，出现了Frank码和P1、P2、P3和P4码信号。从某种意义上说，Frank码和P1～P4码信号都属于多相编码信号(PolyphaseCoded)。传统的侦察接收机无法实现对其的有效识别，研究如何对这类信号进行有效的识别具有重要的理论研究意义和工程运用价值。分数阶Fourier变换的概念早在1929年即被提出，在20世纪80年代运用于光学领域，从90年代起成为信号处理领域的研究热点之一。分数阶Fourier变换可以理解为Chirp基分解，因此特别适合处理Chirp类信号。利用线性调频(LFM)信号(也就是Chirp信号)在不同阶次的分数阶Fourier域呈现出不同的能量聚集性的特性，通过在分数阶Fourier域做峰值二维搜索就可以实现对LFM信号的检测和参数估计。而三角线性调频连续波可以认为是由多分量LFM信号组成，分数阶Fourier变换是线性变换，没有交叉项干扰，在具有加性噪声的情况下更具优势。目前对三角线性调频连续波的参数估计方法，大多只能估计出信号的部分参数，有的要求信噪比较高，还有的要求对信号采样正好是一个调制周期，这些方法都没有很好的解决此类信号的特征参数提取问题。本专利技术涉及一种基于CWD特征的多相编码雷达信号波形自动识别方法，属于信息对抗
本专利技术以离散采样型Choi-Williams变换为基本工具，将多相编码脉冲压缩雷达信号的CWD图像作为特征提取对象，提出将CWD图像的Pseudo-Zernike矩、图像中的目标个数、CWD中峰值功率的时间位置和多相码波形对称性质作为识别多相编码脉冲压缩雷达波形的特征，利用多相码信号在特征上的不同，建立一个由10个感知器组成的总体平均提前停止的神经网络进行自动波形识别。本专利技术提出的方法提高了多相编码雷达信号波形的识别准确率，进一步降低了信噪比的要求，并且还可以经过推广运用于多相编码连续波雷达信号，为雷达信号识别与分选的设计提供了一条新的途径。基于CWD特征的多相编码雷达信号波形自动识别方法，分为多相编码雷达信号离散化CWD图像的归一化处理、信号特征提取和信号分类器设计3个部分，共计4个处理步骤(图1)。有益效果①本专利技术提出的基于CWD特征的多相编码雷达信号波形自动识别方法可以高准确度的实现多相编码雷达信号的识别。②本专利技术对信号的采样时间基本没有特殊要求，可以从信号的任意时刻开始分析，在低信噪比下仍然具有较高的识别准确率。③本专利技术提出的并行多层神经网络波形识别器，可以运用于多相编码雷达信号的识别，还可以运用于其它雷达信号的识别，关键在于信号特征的选取。附图说明图1基于CWD特征的多相编码雷达信号波形自动识别方案示意图图2五种波形识别正确率和总识别正确率具体实施方式假定侦察接收机接收到的雷达信号混杂有加性高斯白噪声(AWGN)，并且信号已经经过处理变成基带信号则接收到的雷达信号y(t)的复包络如下所示：y(t)＝x(t)+ω(t)(1)其中x(t)是雷达辐射信号的复包络(只包括一个码元周期)，ω(t)是循环加性复高斯白噪声。雷达辐射的相位编码复信号表示如下：其中，A是信号幅度，fc是信号载波频率，φi是信号离散相位序列，每个相位都有相同的持续时间。下面给出要研究的5种多相编码雷达信号的数学模型。Frank码信号是一种对LFM信号的步进逼近，它采用了N个步进频率，并且在每个频率点上进行N次采样。因此，一个Frank码的总采样数为N2。一个Frank码的第j个频点的第i个采样的相位如下所示：其中，i＝1，2，…，N，j＝1，2，…，N。则此Frank码的脉冲压缩比为N2。P1码信号也是对LFM信号的步进逼近，它采用了N个步进频率，并且在每个频率点上进行N次采样。一个P1码的第j个频点的第i个采样的相位如下所示：其中，i＝1，2，…，N，j＝1，2，…，N。则此P1码的脉冲压缩比为N2。P2码具有回文的特点，即P2码的正反是相同的。一个P2码的第j个频点的第i个采样的相位如下所示：其中，i＝1，2，…，N，j＝1，2，…，N。则此P2码的脉冲压缩比为N2。需要指出的是，在P2码中N必须为偶数，若N为奇数，则此P2码的自相关旁瓣的数值会过高。P3码从对一个LFM信号进行采样演化而来。一个P3码的第i个采样的相位如下所示：其中i＝1，2，…，ρ，ρ为脉冲压缩比。P4码从对P3码相同的信号进行采样演化而来。一个P4码的第i个采样的相位如下所示：其中i＝1，2，…，ρ，ρ为脉冲压缩比。实现多相编码雷达信号波形自动识别方法的步骤如下：步骤一、对任意一段多相编码雷达信号的观测信号y(t)＝x(t)+ω(t)进行采样，得到离散形式y(n)＝x(n)+ω(n)，采样频率fs，采样时间Ts；然后计算信号y(n)的离散CWD变换。其中，σ(σ＞0)是尺度因子。步骤二、为了最小化信号带宽和采样频率对信号CWD图像带来的影响，需要对信号的CWD图像进行归一化处理。归一化处理的步骤如下所示：(1)对信号的CWD图像进行阈值检测处理；(2)对阈值检测处理后的图像进行时间选通和频域滤波，即从图像边缘中去除不含信号的区域；(3)最终的二值图像高宽比归一化为1。阈值选通处理对于整个归一化算法来说有至关重要的作用。经过阈值选通处理后的图像数据应该仅包含信号成分而不包含有任何独立的噪声点，因为第二步的处理结果对这些噪声点十分敏感。对阈值选通处理来说，阈值的选取对于第一步的输出起关键作用。本文中采用迭代算法对全局阈值T进行求解，具体算法如下：(1)选择一个T的初始估计值，该数值何以通过对CWD图像的最大灰度水平和最小灰度水平求平均得到；(2)根据选定的T值将CWD图像划分为G1和G2两部分，其中G1包含所有灰度水平高于T的点，G2包含所有灰度水平等于或低于T的点；(3)分别计算G1和G2两部分中平均灰度水平μ1和μ2；(4)根据T＝0.5(μ1+μ2)计算新的阈值T；(5)重复(2)到(4)的步骤，直到T的数值达到收敛的要求。仅仅设定全局阈值的数值不能保证独立噪声点的完全移除，因此在第二步时间选通和频域滤波之前，首先要对CWD图像进行处理，以剔除有害的噪声点。有害噪声点剔除通过以下步骤完成：(1)首先对二值图像进行腐蚀和膨胀处理，对二值图像进行腐蚀和膨胀处理不仅可以平滑CWD图像，而且可以在低信噪比条件下移除由于Choi-Williams和式(8)产生的平行或垂直谱线；(2)然后对处理的图像进行标记，将二值图像中具有明显区分性的的对象进行标记；(3)最后剔除标记目标中小于一定阈值的目标(如，剔除小于图像中最大目标10％的所有目标)。如果剔除小目标的阈值设定的足够高，那么对于P1、P2和P4信号CWD图像中的非主要成分也会被作为小目标剔除掉。在归一化处理的第二步中，将不含信号成分的图像区域从整个CWD图像中移除，第三步将剩余含有信号成分的图像区域高宽比归一化。经过处理后的二值图像大小为M×M，其中M是归一化过程第二步处理后图像的最小维数。步骤三、在归一化处理后的信号CWD二值图像中提取具本文档来自技高网...

【技术保护点】
基于CWD特征的多相编码雷达信号波形自动识别方法，分为多相编码雷达信号离散化CWD图像的归一化处理、信号特征提取和信号分类器设计3个部分，共计4个处理步骤。假定侦察接收机接收到的雷达信号混杂有加性高斯白噪声(AWGN)，并且信号已经经过处理变成基带信号则接收到的雷达信号y(t)的复包络如下所示：y(t)＝x(t)+ω(t)????(1)其中x(t)是雷达辐射信号的复包络(只包括一个码元周期)，ω(t)是循环加性复高斯白噪声。雷达辐射的相位编码复信号表示如下：x(t)=Aej(2πfct+φi)---(2)其中，A是信号幅度，fc是信号载波频率，φi是信号离散相位序列，每个相位都有相同的持续时间。下面给出要研究的5种多相编码雷达信号的数学模型。Frank码信号是一种对LFM信号的步进逼近，它采用了N个步进频率，并且在每个频率点上进行N次采样。因此，一个Frank码的总采样数为N2。一个Frank码的第j个频点的第i个采样的相位如下所示：φi,j=2πN(i-1)(j-1)---(3)其中，i＝1，2，…，N，j＝1，2，…，N。则此Frank码的脉冲压缩比为N2。P1码信号也是对LFM信号的步进逼近，它采用了N个步进频率，并且在每个频率点上进行N次采样。一个P1码的第j个频点的第i个采样的相位如下所示：φi,j=-πN[N-(2j-1)][(j-1)N+(i-1)]---(4)其中，i＝1，2，…，N，j＝1，2，…，N。则此P1码的脉冲压缩比为N2。P2码具有回文的特点，即P2码的正反是相同的。一个P2码的第j个频点的第i个采样的相位如下所示：φi,j=[π2·N-1N·πN(i-1)](N+1-2j)---(5)其中，i＝1，2，…，N，j＝1，2，…，N。则此P2码的脉冲压缩比为N2。需要指出的是，在P2码中N必须为偶数，若N为基数，则此P2码的自相关旁瓣的数值会过高。P3码从对一个LFM信号进行采样演化而来。一个P3码的第i个采样的相位如下所示：φi=πρ(i-1)2---(6)其中i＝1，2，…，ρ，ρ为脉冲压缩比。P4码从对P3码相同的信号进行采样演化而来。一个P4码的第i个采样的相位如下所示：φi=πρ(i-1)2-π(i-1)---(7)其中i＝1，2，…，ρ，ρ为脉冲压缩比。实现多相编码雷达信号波形自动识别方法的步骤如下：步骤一、对任意一段多相编码雷达信号的观测信号y(t)＝x(t)+ω(t)进行采样，得到离散形式y(n)＝x(n)+ω(n)，采样频率fs，采样时间Ts；然后计算信号y(n)的离散CWD变换。W(t,ω)=∫∫14πτ2/σexp(-(μ-t)24τ2/σ)·y(μ+τ2)·y*(μ-τ2)exp(-jωτ)dμdτ---(8)其中，σ(σ＞0)是尺度因子。步骤二、为了最小化信号带宽和采样频率对信号CWD图像带来的影响，需要对信号的CWD图像进行归一化处理。归一化处理的步骤如下所示：(1)对信号的CWD图像进行阈值检测处理；(2)对阈值检测处理后的图像进行时间选通和频域滤波，即从图像边缘中去除不含信号的区域；(3)最终的二值图像高宽比归一化为1。阈值选通处理对于整个归一化算法来说有至关重要的作用。经过阈值选通处理后的图像数据应该仅包含信号成分而不包含有任何独立的噪声点，因为第二步的处理结果对这些噪声点十分敏感。对阈值选通处理来说，阈值的选取对于第一步的输出起关键作用。本文中采用迭代算法对全局阈值T进行求解，具体算法如下：(1)选择一个T的初始估计值，该数值何以通过对CWD图像的最大灰度水平和最小灰度水平求平均得到；(2)根据选定的T值将CWD图像划分为G1和G2两部分，其中G1包含所有灰度水平高于T的点，G2包含所有灰度水平等于或低于T的点；(3)分别计算G1和G2两部分中平均灰度水平μ1和μ2；(4)根据T＝0.5(μ1+μ2)计算新的阈值T；(5)重复(2)到(4)的步骤，直到T的数值达到收敛的要求。仅仅设定全局阈值的数值不能保证独立噪声点的完全移除，因此在第二步时间选通和频域滤波之前，首先要对CWD图像进行处理，以剔除有害的噪声点。有害噪声点剔除...

【技术特征摘要】
1.基于CWD特征的多相编码雷达信号波形自动识别方法，分为多相编码雷达信号离散化CWD图像的归一化处理、信号特征提取和信号分类器设计3个部分，共计4个处理步骤；假定侦察接收机接收到的雷达信号混杂有加性高斯白噪声(AWGN)，并且信号已经经过处理变成基带信号则接收到的雷达信号y(t)的复包络如下所示：y(t)＝x(t)+ω(t)(1)其中x(t)是雷达辐射信号的复包络，只包括一个码元周期，ω(t)是循环加性复高斯白噪声；雷达辐射的相位编码复信号表示如下：其中，A是信号幅度，fc是信号载波频率，φi是信号离散相位序列，每个相位都有相同的持续时间，下面给出要研究的5种多相编码雷达信号的数学模型；Frank码信号是一种对LFM信号的步进逼近，它采用了N个步进频率，并且在每个频率点上进行N次采样，因此，一个Frank码的总采样数为N2，一个Frank码的第j个频点的第i个采样的相位如下所示：其中，i＝1，2，…，N，j＝1，2，…，N，则此Frank码的脉冲压缩比为N2；P1码信号也是对LFM信号的步进逼近，它采用了N个步进频率，并且在每个频率点上进行N次采样，一个P1码的第j个频点的第i个采样的相位如下所示：其中，i＝1，2，…，N，j＝1，2，…，N，则此P1码的脉冲压缩比为N2；P2码具有回文的特点，即P2码的正反是相同的，一个P2码的第j个频点的第i个采样的相位如下所示：其中，i＝1，2，…，N，j＝1，2，…，N，则此P2码的脉冲压缩比为N2，需要指出的是，在P2码中N必须为偶数，若N为奇数，则此P2码的自相关旁瓣的数值会过高；P3码从对一个LFM信号进行采样演化而来，一个P3码的第i个采样的相位如下所示：其中i＝1，2，…，ρ，ρ为脉冲压缩比；P4码从对P3码相同的信号进行采样演化而来，一个P4码的第i个采样的相位如下所示：其中i＝1，2，…，ρ，ρ为脉冲压缩比；实现多相编码雷达信号波形自动识别方法的步骤如下：步骤一、对任意一段多相编码雷达信号的观测信号y(t)＝x(t)+ω(t)进行采样，得到离散形式y(n)＝x(n)+ω(n)，采样频率fs，采样时间Ts；然后计算信号y(n)的离散CWD变换，其中，σ(σ＞0)是尺度因子；步骤二、为了最小化信号带宽和采样频率对信号CWD图像带来的影响，需要对信号的CWD图像进行归一化处理，归一化处理的步骤如下所示：(1)对信号的CWD图像进行阈值检测处理；(2)对阈值检测处理后的图像进行时间选通和频域滤波，即从图像边缘中去除不含信号的区域；(3)最终的二值图像高宽比归一化为1；阈值选通处理对于整个归一化算法来说有至关重要的作用，经过阈值选通处理后的图像数据应该仅包含信号成分而不包含有任何独立的噪声点，因为第二步的处理结果对这些噪声点十分敏感，对阈值选通处理来说，阈值的选取对于第一步的输出起关键作用，本文中采用迭代算法对全局阈值T进行求解，具体算法如下：(1)选择一个T的初始估计值，该数值何以通过对CWD图像的最大灰度水平和最小灰度水平求平均得到；(2)根据选定的T值将CWD图像划分为G1和G2两部分，其中G1包含所有灰度水平高于T的点，G2包含所有灰度水平等于或低于T的点；(3)分别计算G1和G2两部分中平均灰度水平μ1和μ2；(4)根据T＝0.5(μ1+μ2)计算新的阈值T；(5)重复(2)到(4)的步骤，直到T的数值达到收敛的要求；仅仅设定全局阈值的数值不能保证独立噪声点的完全移除，因此在第二步时间选通和频域滤波之前，首先要对CWD图像进行处理，以剔除有害的噪声点，有害噪声点剔除通过以下步骤完成：(1)首先对二值图像进行腐蚀和膨胀处理，对二值图像进行腐蚀和膨胀处理不仅可以平滑CWD图像，而且可以在低信噪比条件下移除由于Choi-Williams和式(8)产生的平行或垂直谱线；(2)然后对处理的图像进行标记，将二值图像中具有明显区分性的的对象进行标记；(3)最后剔除标记目标中小于一定阈值的目标，如果剔除小目标的阈值设定的足够高，那么对于P1、P2和P4信号CWD图像中的非主要成分也会被作为小目标剔除掉；在归一化处理的第二步中，将不含信号成分的图像区域从整个CWD图像中移除，第三步将剩余含有信号成分的图像区域高宽比归一化，经过处理后的二值图像大小为M×M，其中M是归一化过程第二步处理后图像的最小维数；步骤三、在归一化处理后的信号CWD二值图像中提取具有明显区分性的信号特征，用来实现不同类型多相编码信号的波形识别，所提取的CWD信号特征及其计算方式如下所示：(1)Pseudo-Zernike矩：Pseudo-Zernike矩具有平移不变性、缩放不变性、旋转不变性和镜像不变性，一个数字图像f(x，y)的p+q阶几何矩定义如下：平移不变和缩放不变中心几何矩定义如下：

【专利技术属性】
技术研发人员：刘锋，王泽众，黄宇，郑鹏，张鑫，徐会法，向崇文，
申请(专利权)人：中国人民解放军海军航空工程学院，
类型：发明
国别省市：