罗彬珅, 刘利民, 刘璟麒
摘要:针对距离欺骗干扰辐射源的个体识别问题,提出利用辐射源个体的包络前沿差异特性进行干扰源个体识别。首先,通过先小波去噪再滑窗处理的组合去噪方法,相比于单一的去噪处理,能得到更好的去噪效果;然后,采用互相关算法的思想实现接收信号与模板信号的位置对齐;最后,引入包络上升沿的差异幅值的均值作为特征因子,并通过K-means聚类算法实现辐射源个体的分类。仿真结果表明文中算法比文献[10]提出的夹角余弦算法具有更好的识别效果。
1引言:从大量文献来看,目前雷达有源干扰识别仅停留在对干扰类型的识别,忽略了对同种干扰类型不同干扰辐射源个体的识别,特别是针对高逼真假目标等新型干扰研究也不全面。总的来说,干扰识别技术滞后于干扰技术的发展。
辐射源信号的“指纹特征”回是相对基本特征而言的,是指附加在雷达信号上的无意调制特征,具有稳定性田、唯一性田、可测性的特点。因此,可以考虑利用辐射源个体的“指纹特征”来实现对干扰辐射源的个体识别,形成由干扰类型的识别到干扰源个体识别的流程。脉冲的包络特征主要基于时域的瞬态信息。一方面,通过降噪处理来突出包络特性;另一方面,通过提取对高斯噪声不敏感的参数特征来识别辐射源。
本文针对有源距离欺骗干扰辐射源个体识别问题,提出先小波降噪再滑窗平均处理的方法进行去噪,通过采用互相关算法的思想实现对接收信号与模板信号的位置校准。最后,利用包络的上升沿幅值特性差异,通过K-means 算法实现对辐射源个体的识别。
2 信号建模
雷达的信号检测模型为:
其中:当存在干扰信号J(t)时,检测模型为H1,表示检测到干扰信号;当存在目标回波R(t)时,检测模型为Ho,表示检测到回波信号;n(t)表示噪声。
2.1 距离干扰信号表示
为了便于分析,假设目标回波信号为单频信号,则回波信号的时域表达式为
式中:Us ( t) 为回波信号的包络;wo 为信号的中心频率;wd 为频率位移偏移;r(t)为目标与雷达之间的距离;c 为光速。干扰机实行距离欺骗时所发射的