分布式协同侦察及融合关键技术研究技术协议【2014-5-15】

内部分布式协同侦察及融合关键技术研究技术协议二零一四年五月十五日一、研究目标利用分布式协同传感器资源获取雷达及通信威胁节点的全脉冲数据，其中雷达辐射源的全脉冲数据包括：脉宽、脉冲重复周期、载频、信号到达时间、信号到达角度、幅度、脉内调制信息等，通信辐射源的全脉冲数据包括：载频、带宽、码速率、调制方式、到达时间、持续时间等，根据多节点获得的全脉冲数据，研究复杂信号环境下快速高效的侦察信息融合处理算法，完成非威胁目标信息的剔除、威胁辐射源信息的关联聚类、威胁辐射源参数测量精度提升、高精度的威胁辐射源信号到达时差提取、威胁辐射源频率等关键参数的统计等功能，实现对战场威胁环境的快速准确感知，以支撑对战场态势的感知、监控和对威胁的快速反应。二、研究内容本课题针对复杂信号环境下雷达和通信侦察信息的分选、参数估计、识别等关键技术开展研究，主要研究内容包括：1典型雷达及通信辐射源信号特征分析对一些典型雷达及通信辐射源信号特征进行分析，比较其信号特点，以支撑对雷达及通信辐射源侦察信息融合算法研究。课题选择的典型雷达辐射源包括：a.地面防空预警有源相控阵雷达（如117系列、Master系列等）；b.台军防空系统预警雷达网（如HR-3000、GE-592、FPS-117雷达等）。典型的通信辐射源包括：a.Link-11数据链；b.Link-16数据链。2雷达侦察信号处理在典型雷达通信辐射源特征分析的基础上，重点研究雷达信号的信号分选、关联聚类、参数估计等关键算法。雷达侦察系统的作用是对雷达辐射源信号的环境进行检测和识别，对空间中的雷达信号及其工作参数进行测量与分析，并从测量结果中得到有用的信息。典型雷达侦察设备的基本组成如图2-1所示图2-1典型雷达侦察设备的基本组成雷达侦察系统中的信号处理过程实际上就是对接收机截获的实时脉冲流进行信号分选与识别的过程，其信号分选处理的顺序是，先进行信号的预分选处理，再进行信号的主分选处理。有了信号的分选之后，才可以进行信号的参数分析，最后再进行判断与识别。雷达信号分选就是从截获到的密集雷达脉冲流中分拣出属于不同雷达辐射源的脉冲,它是雷达信号侦察处理中的核心组成部分之一,只有从随机交迭的信号流中分选出各个雷达脉冲序列之后才能进行信号参数的测量、分析、识别以及对雷达威胁辐射源施加压制式干扰或构造虚假目标回波信号进行各种欺骗式干扰。图2-2雷达信号分选总体工作流程雷达信号分选的基本原理就是分析截获信号的各种参数,主要有脉冲到达方向DOA、载频RF、脉宽PW、脉幅PA及到达时间TOA等,对随机交迭的脉冲信号流自动分离成各部雷达的单独脉冲序列,精确测量和详细分析各种雷达的特征参数,以及各雷达辐射源的地理分布,从中判断这些雷达的用途、平台类型、配置的武器系统以及威胁等级,为战略情报分析提供依据或为警戒干扰系统提供识别高威胁信号的特征参数。（1）雷达信号预分选雷达信号分选预处理阶段主要利用DOA、RF、PW等信息对信号进行分选稀释。雷达信号预处理的主要任务是根据已知雷达辐射源的主要特征和未知雷达辐射源的先验知识，对实时输入的脉冲流进行预分选。首先把m个已知的雷达脉冲信号特征与实时输入的N个作快速匹配，从脉冲信号流中分离出满足特征的已知雷达脉冲信号子流，将这些已知雷达信号子流分别存放在m个已知雷达数据库的缓存区，交给主处理单元作下一步的分选处理。然后根据未知雷达信号的处理方法，对剩余的雷达脉冲信号流作预分选，得到n个未知雷达脉冲信号的子流，将这些未知雷达信号子流存放在n个未知雷达数据库的缓存区，交给主处理单元作下一步的分选处理。现在常用的信号分选方法是对雷达脉冲参数逐个进行统计直方图的分析，这种方法只能适应于参数在短时间内基本不变或者具有重复性变化规律的情况。而现代雷达其脉冲参数是随机可变的，并且其脉冲参数不具有重复性的变化规律。如果在同一方向，同一频段内有多部雷达，它们的参数变化范围有部分交叠，侦察设备的灵敏度能够收到雷达的副瓣信号，从而形成多部雷达信号互相交错的脉冲列。在这种情况下，采用上述分选方法是不可能完整地分选出属于同一部雷达的脉冲序列。因此有必要探讨新的信号分选方法，人们开始尝试将聚类理论应用于雷达信号预分选中，其中K-Means聚类算法使用的最为广泛，并且取得了一定的成果。K-Means聚类算法目前在雷达信号预分选中也已经得到广泛的应用。K-Means算法最大的缺陷是该算法要事先给出将要生成的聚类数目以及初始化聚类中心，并且初始的聚类个数和聚类中心对聚类结果影响很大，而在实际应用中聚类数目我们通常是不得而知的，这就很大程度上限制了该算法的应用。K-Means算法还存在一个问题就是当把一个异常数据勉强归入某个类之后，就可能导致这个类的聚类中心发生很大的变化，使聚类变的不稳定，从而影响最终的聚类效果。针对K-Means算法的缺陷，重点进行两方面的改进。第一是在聚类算法之前对原始数据进行孤立点的去除；第二是直接用样本点进行初始聚类，不用设定聚类的类别数，用样本点到聚类中心的欧式距离是否在误差范围内作为判断标准进行聚类，不用计算样本点到每个聚类中心的距离。（2）雷达信号主分选雷达信号主分选是指，从预处理输出的已知雷达脉冲信号流和未知雷达脉冲信号流中，分选出各部雷达的PDW序列。已知雷达预处理的输出对应着已知雷达主处理的输入，在信号子流中，利用已知雷达脉冲信号的重复周期PRI，检测和分选出j雷达的脉冲子流，并且检验判断j雷达是否存在。经过预处理阶段，把具有相近DOA、RF、PW等参数的雷达脉冲划分在同一个子空间内，假如这个子空间内的脉冲是由几部参数相近的雷达产生，那么这些脉冲就组成了相互交错的脉冲子流，未知雷达信号的主分选就是把这些相互交错的脉冲流区分成为各部雷达的脉冲。即便是PRI相等的两列互相交错的脉冲序列，去交错都可以区别开来，所以当未知雷达信号不能用预分选完全分开时，就要考虑用脉冲的到达时间作进一步的脉冲分选，即主分选或称重频PRI分选。常用的信号PRI分选方法是首先估计出雷达信号的PRI值，然后根据这个估计值分选出每一部雷达辐射源的脉冲序列，从而得到各个雷达辐射源的参数集。因此PRI分选可以分为两个部分，PRI的确定以及PRI确定后的序列检索。表2-1给出的是一些经典的PRI分选算法和它们各自的优缺点。表2-1典型PRI分选的优缺点在现代复杂的战场情形下，电子侦察设备所获取的雷达信号的脉冲密度大，信号的体制复杂，信号微弱，遗漏的脉冲数较高等特点。没有哪一种PRI分选方法可以适应所有的信号环境，因此需要结合多种信号的PRI分选方法，充分利用每种方法的优势。针对本课题复杂信号环境和快递高效处理的要求，这里重点研究SDIF方法。SDIF算法是对CDIF算法进行了改进，SDIF算法不同于CDIF算法从一级差值进行累积统计。SDIF算法确定可能的PRI值是通过某一级差值的统计。SDIF算法不作门限和两倍脉冲间隔直方图的比较，可以节省大约一半的时间。实际上SDIF算法之所以能只靠某一阶的差值就可以判别可能的PRI，其原因在于最佳判决门限上，如果设定一个较好的门限，就可以排除不属于这一序列的差值间隔。SDIF算法和CDIF算法都是以接收脉冲的自相关函数的计算作为基础，由于周期信号的相关函数仍然具有周期性，所以很有可能脉冲间隔及其倍数值(子谐波)会同时存在，这样对后续的分选处理带来不利影响。而且SDIF算法和CDIF算法的门限公式的参数设定都是经验值，参数的具体确定难度很大，需要进行大量的试验分析，电磁环境对参数的确定影响很大，在不同的电磁环境下参数是不同的，为了能够抑制子谐波，可以采用复值自相关积分算法，利用该算法可以把脉冲信号的TOA差值变到一个谱上，从谱峰位置就可以估计出可能的PRI值，可以有效的对子谐波进行抑制。3通信侦察信息处理随着通信技术的不断发展，日益密集的通信环境使得宽带通信侦察接收机捕获的宽频带数据中可能包含着许多具有不同特点的信号，如固定载频的常规通信信号、跳频信号、猝发信号、扫频信号、扩频信号、各种各样的人为和非人为的干扰信号等。如此多的信号交织在一起，使得感兴趣通信信号的监测难度越来越大，因此，研究如何对复杂通信环境中的各种通信信号进行分选，剔除干扰和噪声影响，发现感兴趣通信信号，并估计相应的特征参数，减轻通信侦察系统后续处理的负担，不但是一项很富有挑战性的课题，也已成为当前通信侦察领域紧迫而艰巨的任务之一。本课题主要围绕载波频率固定的常规通信信号和跳频通信信号的分选问题进行研究。（1）常规通信信号(直扩通信信号)侦察这里所指的常规通信信号主要是指信号带宽相对于载频比值很小的窄带信号（也称固定载频通信信号），其中典型信号为直接序列扩频信号（简称直扩信号），这一类通信信号的分选问题主要包括窄带信号检测、特征参数估计和窄带信号跟踪三个部分。窄带信号检测的任务是如何从信道化输出数据中粗略的估计出窄带信号的个数，并标识各窄带信号所在位置。而特征参数估计部分主要是根据各窄带信号所在位置及幅度值，估计中心频率、带宽、平均功率和入射方向等参数，构造各窄带信号的特征参数集。最后，按照一定规则，利用特征参数集对窄带信号进行跟踪，获得感兴趣的常规通信信号。图2-3常规通信信号的分选流程1.窄带信号的检测窄带信号检测的任务就是以信号的频率连续性作为依据，从信道化输出数据中粗略的估计出窄带信号的个数，并标识各窄带信号所在位置。在规定时间内统计各瞬时频率出现的次数，结果用直方图描述，用于网台分选，因为对同一个跳频网而言，在一定的时间内，频率集内的各个瞬时频率出现的次数是基本相同的。这种方法用于分选跳频电台与定频电台更为有效，因为定频电台的出现次数一般远大于跳频电台在每一个瞬时频率上出现的次数。传统基于单门限的窄带信号检测方法是将门限检测与聚类处理相结合，首先使用一个相对比较低的门限进行检测，然后通过聚类处理删除虚警引起的虚假信号，识别正确信号。这类方法通过聚类处理提高了窄带信号的检测能力，但是聚类处理的能力毕竟是有限的，它对门限设置有很高的要求。门限过低，由虚警引起的虚假信号增加，聚类处理不足以删除所有的虚假信号。门限过高，将导致正确信号被分割为两个甚至更多个信号，聚类处理不足以识别正确信号。为缓解单门限检测中存在的问题，出现了一类双门限窄带信号检测(LAD)算法。其基本思想是首先用下门限对功率谱估计进行检测，将检测到的相邻样本归为一类，然后计算每一类中的最大值，并与上门限比较，若超过上门限，则判定该类属于信号类，否则属于由虚警引起的噪声类。2.特征参数估计在对窄带信号进行特征参数(方位角、带宽、载波频率等)估计之前,首先将占有相同频段，且方位角非常接近的两类合并为一类。经过上述处理后，可靠类集中的类别个数即为接收信号的个数。为估计第q个信号的方位角、载波频率和带宽，下面首先对第q类中的频率集进行如下处理：步骤1：计算频率集pF中离散频率的均值ˆpFm和标准差ˆpF，并从pF中选出一个子频率集'pF，它满足如下公式'ˆˆˆˆ,qqqqpqkFFqkFFqkqFfmcfmcfF（2-1）步骤2：令'qN表示'qF的容量，则若'qqNN，'qqNN，'qqFF转至步骤1。否则'qqNN，'qqFF，并寻找pF对应的方位角集。步骤3：以pF中所有离散频率的均值作为载波频率的估计，以pF中所有离散频率的大值与小值之差作为带宽估计。以pF所对应的测量矢量集的均值作为入射方向的估计。步骤1和2的目的是根据信号的频率连续性，剔除频率集中的例外频率值。由此提高入射方向，载波频率和带宽的估计精度。3.窄带信号跟踪窄带信号的跟踪包括两个方面：窄带信号的判决和窄带信号的刷新。下面将分别讨论。（1）窄带信号判决根据常规通信信号的载波频率和带宽固定，方位角不会随时间快速变化的特点，窄带信号判决主要采用载波频率、带宽和方位角作为特征参数。设信号库中已存储了Q个窄带信号的特征参数集0,,,1,,,kkkkfBkQ其中0,,kkkfB分别是第k个窄带信号的kN次参数估计得到的载波频率、带宽和