|
雷达侦察系统应具备对敌辐射源侦察的四大功能——截获、分析、识别和定位。 电子战雷达威胁环境的特点是交迭、密集、复杂、多变的，事实上，电子侦察系统的输入是由许多雷达辐射的脉冲随机交迭而成的密集的脉冲流。经侦察系统前端处理之后的输出信号仍然可能是密集、交迭的脉冲流。 雷达侦察系统首先应具备的信号处理功能，是对随机交迭的信号进行自动地分选，即有去交错能力。因为只有先将随机交迭的脉冲流分离成各个雷达单独的脉冲列，在此基础上，才能对每个脉冲列进行信号参数的分析、进而识别辐射源的类型、判断其威胁等级。 由此可见，信号分选是信号分析和识别的基础和前提。其输入是脉冲描述字 PDW(Pulse Description Word)，用于表征每个脉冲属性的特征量，它包括： AOA(或 DOA)、 RF、 PW、 PA、 TOA及其它特别标志；输出是辐射源描述符，用于表征每个辐射源属性的特征量，它主要包括：雷达类型、威胁等级、识别可信度等。 基于脉间参数进行分选雷达信号分选系统依靠不同参数进行逐级分选或者依靠多个参数进行并行分选。信号分选过程是实现交迭脉冲流从一维时域空间向一维或多维信号参数空间映射，进而分离不同辐射源脉冲串的过程。 其中基于脉冲重复间隔（PRI）的分选方法包括了动态拓展关联法、直方图法、基于PRI变换的方法以及基于平面变换的方法等；PRI直方图法主要包括TOA差值直方图法、CDIF法（积累差直方图）和SDIF法（时序差直方图）。 随着雷达信号的载频变化、重频捷变等复杂调制形式出现，经典的简单分选算法已难以胜任，从而在基于脉冲参数的分选方法不断得到改进的同时，其他方法例如聚类分选、基于脉内细微特征的分选、基于脉内调制特征的分选方式也在迅速发展。 聚类分选方法主要针对无先验信息的复杂体制雷达的脉冲流，常规参数发生相互交叠，对于这种缺少先验信息的多参数分选，属于典型的非监督分类问题。聚类分选方法就是按照一定的相似性度量方法以及相应的评价准则，将样本归类处理，进一步找出内在联系。 基于脉内细微特征、脉内调制特征的信号分选脉内细微特征是指脉内无意调制的特征，即表征雷达信号个体特性的指纹特征，但是由于这种雷达辐射源信号指纹与辐射源之间的关系数据库难以获得，从而抑制了该方法的实际应用。 脉内调制特征指的是脉内有意调制，包括但不限于脉内相位调制、频率调制及其组合，例如LFM，NLFM，FMCW，BPSK，QPSK，MPSK，FSK等，分选方法一般有时域/频域分析，时频联合分析，高阶统计分析法以及非线性动力学分析法等。当前，基于脉内调制特征参数提取的算法计算量较大，实时分选要求难以满足。 |
|
|
