[發明專利]一種雷達信號特征提取方法

在審

• 申請號: 201710556370.7
• 申請日: 2017-07-10
• 公開（公告）號: CN107479036A
• 公開（公告）日: 2017-12-15
• 發明（設計）人: 李靖超;高妍;董春蕾;陳志敏;畢東媛
• 申請（專利權）人: 上海電機學院
• 主分類號: G01S7/292
• 分類號: G01S7/292;G01S7/35
• 代理公司: 上海申匯專利代理有限公司31001
• 代理人: 翁若瑩,柏子雵

技術領域

本發明涉及一種雷達信號特征提取方法。

背景技術

雷達輻射源識別是指被測輻射源信號參數與預先積累的輻射源參數進行比較以確認該輻射源本來屬性的過程。它需要在復雜的噪聲環境中識別出輻射源個體信號，從而為進一步分析和處理信號提供依據。它既是偵察系統信號處理的目的，又是判斷敵方武器威脅情況的依據，在雷達對抗中具有十分重要的地位和作用。當前，由于雷達信號環境日趨復雜，雷達本身技術水平的過快提高，輻射源識別問題也面臨著嚴重的困難和嚴峻的挑戰，這就使輻射源識別中的關鍵環節——特征提取成為了一個難題。因此，如何在復雜多變的電磁環境中，以較小的計算復雜度，在低信噪比下對輻射源達到較高的識別率，成為現代通信系統研究的關鍵問題。

目前，輻射源特征提取方有很多，基于時域自相關的雷達信號識別算法，基于時域倒譜的算法，基于短時Fourier變換(STFT)和小波變換(WT)的算法，以及基于灰關聯分析與D-S證據理論的輻射源識別算法等。這些算法在一定程度上，實現了較低信噪比下的信號識別，也為現代通信技術中的識別提供了很好的理論依據。但隨著通信環境的日益復雜，已經無法滿足當前需求，需要不斷的發明新的技術來提高傳統算法的抗噪能力。云模型是一種定性定量不確定性轉換的模型，它將模糊集理論中的模糊性和概率理論中的隨機性結合起來，根據低信噪比下信號的特性分布具有一定的模糊性的特點，利用云模型的數字特征來表征信號特征云團的整體分布特性，進而深度提取信號的分布特征，為更低信噪比下的輻射源個體識別提供了很好的理論基礎。

發明內容

本發明要解決的技術問題是：現有的基于時域的雷達信號識別算法對非線性調頻等信號無法進行特征提取，容易受噪聲的影響，適用范圍有限。

為了解決上述技術問題，本發明的技術方案是提供了一種雷達信號特征提取方法，其特征在于，包括以下步驟：

步驟1、對雷達信號進行采樣，得到時域離散信號，將時域離散信號從時域轉變到頻域，并在頻域中進行能量歸一化的處理，最終，取得信號頻譜的中心頻率及其有效帶寬，對帶寬進行歸一化處理；

步驟2、對步驟1得到的信號進行一次特征提取，提取出信號的峰值、最佳階數及峭度值作為與當前信號對應的三個特征值；

步驟3、從每個信號的三個特征值中根據需要選擇兩個特征值作為每個信號的X軸坐標及Y軸坐標；

步驟4、利用云模型進行二次特征提取，包括以下步驟：

步驟4.1、每個信號為一個云滴，第i個云滴S(i)的X軸坐標為x(i)，Y軸坐標為y(i)，i＝1，2，…，n；

步驟4.2、計算所有云滴的均值

計算每個云滴的熵值，第i個云滴S(i)的熵值

步驟4.3、計算所有云滴的平局熵值

步驟4.4、計算得到超熵

步驟4.5、將均值Ex、平局熵值En及超熵He作為信號的特征值。

優選地，提取信號的最佳階數時，先對信號x(t)進行分數階傅里葉變換，得到分數階域曲線：

式中，p表示傅里葉變換的階數，t表示積分變量，X^p表示傅里葉變換算子，u表示分數階傅里葉域，K_p(t，u)表示傅里葉變換的核函數，α表示旋轉角，即分數階傅里葉域與時域之間的夾角，且α＝pπ/2；

隨后得到分數階域曲線峰值所對應的p值，即為最佳階數。

優選地，提取信號的峰值時，先在分數階域提取信號的歸一化幅度包絡曲線，再計算出曲線的峰值。

本發明所提出的方法通過在原有特征提取方法的基礎上，提取分布特征的云模型數字特征，從而對特征進行二次特征提取；該技術方案所提出的方法原理簡單易懂，且計算量小，易于實現，能達到低信噪比環境下對信號進行特征提取并識別的目的。

附圖說明

圖1為5dB～8dB信噪比下4種信號三維特征分布圖；

圖2為0dB～3dB信噪比下4種信號三維特征分布圖；

圖3為5dB～SdB信噪比下4種信號云模型數字特征；

圖4為0dB～3dB信噪比下4種信號云模型數字特征。

具體實施方式

下面結合具體實施例，進一步闡述本發明。應理解，這些實施例僅用于說明本發明而不用于限制本發明的范圍。此外應理解，在閱讀了本發明講授的內容之后，本領域技術人員可以對本發明作各種改動或修改，這些等價形式同樣落于本申請所附權利要求書所限定的范圍。