[发明专利]一种基于相噪特性的干扰源个体识别方法

说明书

本发明涉及一种基于相噪特性的干扰源个体识别方法,属于目标识别技术领域。包括：步骤1、建立雷达有源干扰信号模型并得到有源干扰信号；步骤2、对有源干扰信号进行预处理，得到预处理后干扰信号；步骤3、对预处理后干扰信号进行首次特征提取和特征降维，得到一次降维后信号；步骤4、对步骤3得到的一次降维后信号进行分类识别，输出干扰类型；步骤5、针对欺骗性干扰，提取其相位噪声特性；步骤6、对相位噪声特性进行二次特征提取和特征降维，得到二次降维后信号；步骤7、对步骤6得到的二次降维后信号进行分类识别，输出欺骗性干扰的干扰源类型。所述方法基于辐射源信号包络的相位噪声特征具有差异性的细微特征，具有普遍性、稳定性、唯一性和可测性。

技术领域

本申请涉及一种基于相噪特性的干扰源个体识别方法，属于目标识别技术领域。

背景技术

雷达干扰模式识别，是指雷达在受到干扰信号影响时，提取信号的特征并进行判断，从而得知未知干扰信号的类型，便于后续采取相应的抗干扰手段，保证己方雷达能够正常工作。传统的雷达干扰识别方式，一种是根据获得的先验信息，运用概率学知识，建立统计模型，结合雷达操作手对雷达显示界面的观察，凭借主观经验来判别受到干扰的类型，该方法本质上是一种基于操作手经验的极大似然准则干扰识别算法，不仅计算量大，而且检测结果主要依赖操作手的经验，可靠性不高。另一种是基于特征提取的干扰识别算法，该算法是从不同种类干扰信号的产生机理出发，将干扰信号变换到多个变换域，分析其特征差异，并提取特征参数，建立各种干扰信号特征参数的数据库。当干扰信号到来时，运用分类识别模型对干扰信号进行识别，这种方法避免了人工识别的主观性，识别结果更加可靠。

雷达有源干扰的自适应检测识别是后续采取抗干扰手段的先决条件，但目前大部分的雷达都不具备自适应干扰识别的能力，为后续自动选取合适的抗干扰手段带来了困难。实现雷达干扰类型的自动判别，能够有效保证雷达正常进行战场工作，大幅提高雷达战场生存能力，确保己方受到影响达到最小。因此，各国研究的重点越来越多的放在雷达的自适应干扰识别上。基于特征参数提取的雷达智能化干扰识别方法，首先对样本干扰信号提取特征参数并建立干扰特征库，当未知干扰信号到来时，将未知信号的特征参数与干扰特征库进行比对，便可以采用分类器来判断干扰类型。基于特征提取的干扰识别算法是目前运用最为广泛的识别方法，针对部分干扰的识别效果很好，但在一部分场合存在局限性。

雷达信号的无意调制特征是指由雷达内部的各种元器件的非理想因素引起的一种调制形式，此调制形式是非人为所加入的，也称为辐射源的“指纹特征”。雷达信号的指纹特征作为识别雷达辐射源信号个体的重要依据，是雷达对抗中研究的热点之一。同一型号发射机内部器件(如频率振荡源、AD转换器、功率放大器等)在工作状态下都会输出非线性的调制特征，而功率放大器是无意调制的主要来源。在这种非线性的调制状态下，会导致同一型号的不同器件对信号进行调制时发生不同程度的失真，使得信号间出现细微的差异。例如，辐射源信号包络的上升沿时间、下降时间、相位噪声特征以及频率抖动等等，这些具有差异性的细微特征正是实现辐射源个体识别的关键所在。

无意调制包括：(1)附带调幅：是指信号的波形偏离理想波形，附带调幅易受信道噪声、杂波干扰及多径效应的影响。(2)附带调相：是指信号的相位偏离理想的相位，围绕着理想频率发生偏移。附带调相通常被称为相位噪声，在实际信号环境中受噪声环境影响较小。辐射源个体的指纹特征具有普遍性、稳定性、唯一性和可测性的特点。由于雷达发射机内部各种元器件的非理想因素，导致了雷达信号个体间产生细微差异性的包络波形指纹特征，脉冲包络波形不再是理想矩形，包含了丰富的非线性特征，主要表现为：脉冲的上升时间会变长；脉冲的顶部会发生降落；下降时间会变长。利用该相噪指纹特征能实现干扰源的个体识别，这也是本申请识别有源干扰类型的初衷。

发明内容

本发明的目的在于针对雷达信号个体间细微差异性导致相噪特性不再理想，利用该相噪特性实现干扰源的个体识别，提出了一种基于相噪特性的干扰源个体识别方法。

为了实现本发明的目的，详细技术方案如下：