[发明专利]一种将信息融合应用到雷达信号分选中的方法

说明书

本发明公开了一种将信息融合应用到雷达信号分选中的方法，属于雷达信号处理领域。本发明在雷达信号分选前对脉冲描述字(PDW)进行数据级融合，在分选后对分选结果进行了特征级融合。在数据级融合中提出了基于一级脉冲到达时间(TOA)差匹配的时间对准方法，对同时到达的脉冲应用D‑S证据理论判关联以获得新的PDW；在特征级融合中将描述同一雷达的参数统一并对分选结果进行可信度排序。解决了单一接收设备接收脉冲丢失可能存在的分选失败，以及分选后同一部雷达描述参数不完全相同的问题。仿真结果表明通过数据级融合能有效提高雷达信号分选的成功率，特征级融合的应用可以获得更简洁直观的辐射源信息。

技术领域

本发明属于雷达信号处理领域，具体涉及一种将信息融合应用到雷达信号分选中的方法。

背景技术

随着科学技术的发展，现代战场的电磁信号环境日趋复杂，辐射源密度成倍增加，电磁信号样式也越发复杂多变。现代雷达具有多模性和隐蔽性，一部雷达往往具有多种工作模式来实现不同的用途功能，每个模式也具有相应的技术特征参数，而低截获概率等雷达抗干扰措施的运用，使侦察接收设备得到的部分特征参数存在缺失，具有不完整、不确定的特性，为雷达信号分选带来了很大的难度。考虑到各侦察接收设备在某段观测时间内的信息具有互补性，可以通过信息融合的方法对接收机接收到的脉冲描述字(PDW)进行融合处理后再分选，获得比单一接收设备更好的分选效果。而同一侦察接收设备连续观测分选出的结果应具备重复出现的特点，但受分选算法及测量精度等因素影响，描述同一部雷达的参数可能不完全相同，通过分选结果的融合将各参数统一并对分选出的雷达进行可信度排序，可以简洁直观的反应观测时间内的辐射源情报信息。

目前，国内外学者针对信息融合与雷达信号分选的研究方向主要是对分选后辐射源进行融合识别。2015年吴振强等人将概率神经网络、多元属性融合算法和D-S证据理论有效地结合起来，提出了一种关于雷达辐射源识别的信息融合模型，该模型先用概率神经网络对雷达侦察设备所获得的雷达参数进行识别，当识别结果不唯一时，再用多元信息融合算法针对神经网络识别出的可能的雷达型号进行再识别，最终确定识别结果。对分选前的脉冲描述字融合方面受文献所限，查不到相关文章，但若对分选前数据进行融合，则可保留更多的战场信息，可有效提高对目标的发现概率和识别能力。

发明内容

本发明的目的在于提供将信息融合应用到雷达信号分选中，以实现比单一设备更好的分选效果，获得更简洁直观的辐射源信息的一种将信息融合应用到雷达信号分选中的方法。

本发明的目的通过如下技术方案来实现：

本发明首先针对不同接收机获得的PDW进行数据级融合，接下来对同一接收机连续观测时间获得的脉冲数据进行分选结果的融合，即对分选结果进行特征级融合，因此信息融合在雷达信号分选中的应用包含数据级PDW融合和特征级分选结果融合两部分。

1.一种将信息融合应用到雷达信号分选中的方法，其特征在于，包括数据级PDW融合和特征级分选结果融合两部分，其中：

数据级PDW融合主要包括以下步骤：

(1)时间对准，即将来自各接收机的不同步数据配准到相同的时间；

(1.1)对同一时间段的两组观测数据进行一级TOA差匹配，通过计算得出观测数据的一级TOA差；

(1.2)将etoa₁和etoa₂顺序组成l维矢量X₁(i)、X₂(j)，即分别选定l个脉冲组成的脉冲流进行匹配

(1.3)统计X₁(i)和X₂(j)之间的对应误差在测量误差内的个数k以及l维数据对应误差和error；

(1.4)计算一级TOA差相似率；