基于时频能多域慢变特征的雷达窄带干扰识别方法及系统

技术领域

本发明涉及雷达干扰信号分类识别领域，特别涉及基于时频能多域慢变特征的雷达窄带干扰识别方法及系统。

背景技术

干扰环境认知需要对干扰源的特征进行提取、分析和分类，识别出具体干扰样式从而为抗干扰措施的优化选取提供先验信息。专利《干扰类型的识别方法和系统》(CN201711425496.7)利用干扰数据训练集对干扰类型识别的神经网络模型进行训练，获取干扰类型识别模型，进而实现干扰类型识别，该方法对已知样本干扰类型识别准确率高，但难以适应干扰环境的时变性；文献《雷达有源干扰信号识别方法研究与实现》(北京理工大学)针对常见雷达有源干扰信号采用数字信道化技术得到干扰信号的时频域特征参数、脉冲描述字参数，据此设计基于DSP的雷达常见有源干扰信号识别软件，但是该方法从电子侦察角度实现宽带内干扰识别，使用的参数个数有限，应用场景和识别度不足；专利《一种雷达有源干扰的识别方法及系统》(CN201810489421.3)对接收到的有源干扰进行变分模态分解，得到不同的模态分量，计算每个固有模态分量相应的矩形积分双谱，组合成特征参量，通过随机森林分类器实现雷达有源干扰方式的识别，但模态分解方法对信号敏感度较高。

发明内容

为了克服传统雷达在干扰识别上更多采用已知样本离线智能化分析而无法适应时变环境、所选特征敏感度高而识别不稳定和参数数量有限而适应性不足的缺点，基于参数化决策树，通过提取雷达回波包络级和点迹级时频能多维慢变特征，提出了基于时频能多域慢变特征的雷达窄带干扰识别方法及系统。

本申请提供基于时频能多域慢变特征的雷达窄带干扰识别方法，方法包括：

步骤1，干扰检测区域动态规划；

步骤2，包络级多维特征精细化感知，完成低维回波包络空间到高维鉴别域特征空间的映射；其中，包络级多维特征精细化感知包括：中频求模后包络参数提取和脉冲压缩求模后包络参数提取；

步骤3，点迹级参数稳健测量，完成低维点迹空间到高维鉴别域参数空间映射；

步骤4，基于AdaBoost算法完成自适应增强分类识别，实现窄脉冲干扰、压制式干扰、欺骗式干扰和其他类干扰的分类。

可选的，步骤1，干扰检测区域动态规划包括：

设置干扰检测区起始距离：

其中，R表示雷达视距，单位：公里；H表示雷达架高，单位：米；R

可选的，步骤2中包络级多维特征精细化感知中，

中频求模后包络提取的参数包括：通道回波平均幅度A

脉压求模后包络提取的参数包括：脉压后通道回波平均幅度A

可选的，步骤2，包络级多维特征精细化感知，完成低维回波包络空间到高维鉴别域特征空间的映射，包括：

步骤21，首先统计通道回波平均幅度A

通道回波过门限包络提取的方法为：首先通过固定、均值或是恒虚警的方式获取背景门限，将当前回波幅度高于背景门限的置为1，其余置为0，再利用N/M准则，完成包络起始点和结束点位置的确定：

其中，S(n)表示第n个距离单元过门限标识，Z(n)表示第n个距离单元连通标识；对连通后的数据Z(n)进行归并凝聚，即统计连续为1的数据段的个数；统计通道过门限干扰占空比D

步骤22，分别设定窄脉冲宽度门限、宽脉冲宽度门限，并进行等间隔参数提取；

设定窄脉冲宽度门限T

其中，T

将任意两个窄脉冲的起始位置做差值，并将差值投影到直方图中，统计直方图格子中差值个数，取其中最多的作为等间隔提取的结果。

窄脉冲距离起始作为该包络的距离单元I

N

其中，floor(·)表示向负无穷大方向取整；每个距离间隔直方图格子的中心为：

I

其中，c为直方图格子索引，范围为1≤c≤N

c＝floor((I

S(c)＝S(c)+1(9)

其中，S(c)表示第c个直方图格子中元素个数；

重置a∈[1,N

设定宽脉冲宽度门限T

k

统计宽脉冲包络参数：宽脉冲个数N

按照窄脉冲等间隔提取方式提取等间隔宽脉冲个数N

通过宽脉冲距离展宽向量的中值筛选出干扰，即选取所有宽脉冲中宽度为中间值的包络作为提取的干扰包络，并进行筛选出的干扰距离起始B

步骤23，对雷达回波信号进行脉冲压缩处理；脉压求模后包络提取的参数包括：脉压后通道回波平均幅度A

可选的，步骤3中点迹级参数稳健测量执行后，雷达回波经过恒虚警检测后，测量点迹级参数，包括：

点迹个数N

可选的，步骤4中自适应增强分类识别，包括：

利用步骤2和步骤3提取的包络级多维特征和点迹级参数作为分类依据，并选择决策树做为基学习器，然后基于AdaBoost集成优化算法进行学习并修正预测，最后通过组合得到识别结果。

本申请还提供基于时频能多域慢变特征的雷达窄带干扰识别系统，系统包括

规划模块，用于干扰检测区域动态规划；

感知模块，用于进行包络级多维特征精细化感知，完成低维回波包络空间到高维鉴别域特征空间的映射；其中，包络级多维特征精细化感知包括：中频求模后包络参数提取和脉冲压缩求模后包络参数提取；

测量模块，用于进行点迹级参数稳健测量，完成低维点迹空间到高维鉴别域参数空间映射；

分类模块，用于基于AdaBoost算法完成自适应增强分类识别，实现窄脉冲干扰、压制式干扰、欺骗式干扰和其他类干扰的分类。

可选的，规划模块具体用于：

设置干扰检测区起始距离：

其中，R表示雷达视距，单位：公里；H表示雷达架高，单位：米；R

本申请还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行本申请方法的步骤。

本申请还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现本申请方法的步骤。

本发明的有益效果：采用干扰检测区域动态规划方法对数据进行筛选，剔除近程受杂波污染的无效数据，节约了处理资源并提高识别样本纯净度；采用包络级和点迹级时频能多维慢变特征，降低识别算法对时变环境的敏感性，提升识别稳定度和适应性。

附图说明

图1为一种基于时频能多域慢变特征的雷达窄带干扰识别方法的流程图；其中，图中S1-S4分别与发明内容中表述的步骤1-步骤4过程对应。

图2为窄脉冲干扰、压制式干扰、欺骗式干扰和其他类干扰这四类典型窄带干扰脉冲压缩前后的回波模值图。

具体实施方式

下面结合附图和实施例对本发明作进一步的解释说明。

本发明实现过程如图1所示，优选的实施过程具体描述为：

步骤1：干扰检测区域动态规划。

为降低近程强杂波对干扰样本选取的影响，干扰检测区起始距离与雷达本身的架高相关，设置干扰检测区起始距离如下：

其中，R表示雷达视距，单位：公里；H表示雷达架高，单位：米；R

步骤2：包络级多维特征精细化感知，完成低维回波包络空间到高维鉴别域特征空间的映射。

包络级多维特征精细化感知包括：中频求模后包络参数提取和脉冲压缩求模后包络参数提取。

首先统计通道回波平均幅度A

其中，S(n)表示第n个距离单元过门限标识，Z(n)表示第n个距离单元连通标识；对连通后的数据Z(n)进行归并凝聚，即统计连续为1的数据段的个数。统计通道过门限干扰占空比D

设定窄脉冲宽度门限T

其中，T

将任意两个窄脉冲的起始位置做差值，并将差值投影到直方图中，统计直方图格子中差值个数，取其中最多的作为等间隔提取的结果。

窄脉冲距离起始作为该包络的距离单元I

N

其中，floor(·)表示向负无穷大方向取整；每个距离间隔直方图格子的中心为：

I

其中，c为直方图格子索引，范围为1≤c≤N

c＝floor((I

S(c)＝S(c)+1(9)

其中，S(c)表示第c个直方图格子中元素个数；

重置

设定宽脉冲宽度门限T

k

统计宽脉冲包络参数：宽脉冲个数N

按照窄脉冲等间隔提取方式提取等间隔宽脉冲个数N

筛选出干扰的方式可通过宽脉冲距离展宽向量的中值实现，即选取所有宽脉冲中宽度为中间值的包络作为提取的干扰包络，并进行筛选出的干扰距离起始B

对雷达回波信号进行脉冲压缩处理，脉压求模后包络提取的参数主要包括：脉压后通道回波平均幅度A

步骤3：点迹级参数稳健测量。

实现低维点迹空间到高维鉴别域参数空间映射。雷达回波经过恒虚警检测后，测量点迹级参数，主要包括：点迹个数N

其中，点迹最大密集度定义为以某个点迹为中心，周围K

步骤4：自适应增强分类识别。利用步骤S2和S3提取的包络级多维特征和点迹级参数作为分类依据，并选择决策树做为基学习器，然后基于AdaBoost集成优化算法，建立基学习器进行学习并修正预测，最后通过组合得到更全面的识别结果。

本申请还提供基于时频能多域慢变特征的雷达窄带干扰识别系统，系统包括

规划模块，用于干扰检测区域动态规划；

感知模块，用于进行包络级多维特征精细化感知，完成低维回波包络空间到高维鉴别域特征空间的映射；其中，包络级多维特征精细化感知包括：中频求模后包络参数提取和脉冲压缩求模后包络参数提取；

测量模块，用于进行点迹级参数稳健测量，完成低维点迹空间到高维鉴别域参数空间映射；

分类模块，用于基于AdaBoost算法完成自适应增强分类识别，实现窄脉冲干扰、压制式干扰、欺骗式干扰和其他类干扰的分类。

可选的，规划模块具体用于：

设置干扰检测区起始距离：

其中，R表示雷达视距，单位：公里；H表示雷达架高，单位：米；R

本申请还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行本申请方法的步骤。

本申请还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现本申请方法的步骤。

如图2所示，窄脉冲干扰信号在时域上的基本特征表现为“脉宽短、能量强”噪声干扰的能量在功率谱上是均匀的，在时域上任意两个不同时刻不相关，所以自相关函数表现冲击特性，且脉冲压缩处理对于噪声干扰没有额外能量得益；密集假目标干扰是电子战接收机利用DRFM技术截获雷达信号转发所产生的，在时域、频域等维度上与真实目标相似，且能够形成稳定的点迹，通常等间隔分布；其他类干扰包含密集卷积等，是电子战接收机利用DRFM技术截获雷达信号并在此基础上进行时域、频域、幅度、相位等调制产生的。本申请提供的方法对上述干扰均有良好的效果。本申请采用干扰检测区域动态规划方法对数据进行筛选，剔除近程受杂波污染的无效数据，节约了处理资源并提高识别样本纯净度；采用包络级和点迹级时频能多维慢变特征，降低识别算法对时变环境的敏感性，提升识别稳定度和适应性。