一種最小l1范數(shù)下的雷達(dá)信號(hào)分選方法
【專利摘要】一種最小L1范數(shù)下的雷達(dá)信號(hào)分選方法，本發(fā)明涉及雷達(dá)信號(hào)處理領(lǐng)域，具體涉及一種最小L1范數(shù)下的雷達(dá)信號(hào)分選方法。本發(fā)明是針對高度密集和復(fù)雜信號(hào)環(huán)境下的雷達(dá)信號(hào)分選問題，提出一種最小L1范數(shù)下的雷達(dá)信號(hào)分選方法。步驟一，預(yù)處理：對雷達(dá)信號(hào)的脈沖描述字PDW進(jìn)行歸一化預(yù)處理；步驟二，建立樣本集；步驟三，建立過完備字典；步驟四，過完備字典稀疏表示；步驟五，求稀疏解；步驟六，根據(jù)稀疏解之間的相關(guān)性進(jìn)行分選。本發(fā)明應(yīng)用于通信領(lǐng)域。
【專利說明】一種最小LI范數(shù)下的雷達(dá)信號(hào)分選方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及雷達(dá)信號(hào)處理領(lǐng)域，具體涉及一種最小LI范數(shù)下的雷達(dá)信號(hào)分選方法。
【背景技術(shù)】
[0002]高度密集和復(fù)雜信號(hào)環(huán)境下的雷達(dá)信號(hào)分選技術(shù)是雷達(dá)信號(hào)處理領(lǐng)域的關(guān)鍵技術(shù)，是現(xiàn)代電子對抗中一個(gè)亟待解決的問題。雷達(dá)信號(hào)分選是進(jìn)行雷達(dá)特征提取、識(shí)別以及威脅評(píng)估的前提和基礎(chǔ)，成為現(xiàn)代高技術(shù)戰(zhàn)爭和將來信息化戰(zhàn)爭中的關(guān)鍵環(huán)節(jié)和技術(shù)。近年來，隨著電子技術(shù)的快速發(fā)展，越來越多的導(dǎo)彈制導(dǎo)武器被廣泛應(yīng)用于現(xiàn)代戰(zhàn)爭，致使電子偵察環(huán)境中出現(xiàn)的雷達(dá)輻射源信號(hào)復(fù)雜而密集，為雷達(dá)信號(hào)分選帶來了許多困難和挑戰(zhàn)。
[0003]雷達(dá)信號(hào)分選是指從隨機(jī)交疊的雷達(dá)信號(hào)流中分離出各單部雷達(dá)信號(hào)，并與數(shù)據(jù)庫中的已知雷達(dá)的技術(shù)參數(shù)進(jìn)行比較，以確定雷達(dá)信號(hào)的所屬雷達(dá)類型和屬性的過程。雷達(dá)信號(hào)分選的基本原理是利用表征雷達(dá)信號(hào)特征的參數(shù)，如信號(hào)的到達(dá)方向(DOA)、信號(hào)載頻(RF)、脈沖寬度(PW)和脈沖幅度(PA)等，這些參數(shù)共同構(gòu)成了雷達(dá)的脈沖描述字PDW，即PDW= {D0A，RF，PW，PA，...}。根據(jù)同一部雷達(dá)信號(hào)參數(shù)的相關(guān)性和不同雷達(dá)信號(hào)參數(shù)的差異性進(jìn)行分選。雷達(dá)信號(hào)分選過程如圖1所示。
[0004]目前，雷達(dá)信號(hào)分選 問題引起了國內(nèi)外相關(guān)領(lǐng)域?qū)W者的廣泛關(guān)注，提出了許多相關(guān)的算法=K-Means聚類法根據(jù)參數(shù)的相似性進(jìn)行分類，分選效率較高，然而該算法的抗噪聲干擾能力較弱；序列搜索法按照一定規(guī)則動(dòng)態(tài)地形成準(zhǔn)脈沖重復(fù)周期PRI，并與全脈沖進(jìn)行匹配關(guān)聯(lián)而實(shí)現(xiàn)信號(hào)分選。該算法原理簡單、易于實(shí)現(xiàn)，但是由于每次分選都需要進(jìn)行多次匹配關(guān)聯(lián)，導(dǎo)致算法的時(shí)間開銷大、分選效果差；自相關(guān)法整個(gè)雷達(dá)脈沖序列作相關(guān)運(yùn)算來實(shí)現(xiàn)分選，分選能力強(qiáng)，對抖動(dòng)有一定分選效果。但是該算法的計(jì)算量較大，不適于實(shí)時(shí)分選；累積差直方圖法是基于周期信號(hào)脈沖時(shí)間相關(guān)原理的一種去交錯(cuò)算法，分選速度快。然而由于該算法需要較大容差，較容易發(fā)生分選錯(cuò)誤。迄今為止，高度密集和復(fù)雜信號(hào)環(huán)境下的雷達(dá)信號(hào)分選，仍是一個(gè)關(guān)鍵問題。

【發(fā)明內(nèi)容】

[0005]本發(fā)明是要解決現(xiàn)有方法針對高度密集和復(fù)雜信號(hào)環(huán)境下的雷達(dá)信號(hào)分選結(jié)果較差的問題，提出一種最小LI范數(shù)下的雷達(dá)信號(hào)分選方法。
[0006]一種最小LI范數(shù)下的雷達(dá)信號(hào)分選方法的過程為:
[0007]步驟一，預(yù)處理:對雷達(dá)信號(hào)的脈沖描述字PDW進(jìn)行歸一化預(yù)處理:
【權(quán)利要求】
1.一種最小LI范數(shù)下的雷達(dá)信號(hào)分選方法，其特征是:所述方法的過程為: 步驟一，預(yù)處理:對雷達(dá)信號(hào)的脈沖描述字PDW進(jìn)行歸一化預(yù)處理:
2.根據(jù)權(quán)利要求1所述的一種最小LI范數(shù)下的雷達(dá)信號(hào)分選方法，其特征在于:步驟一中所述的雷達(dá)信號(hào)的脈沖描述字PDW是由表征雷達(dá)信號(hào)特征的參數(shù)組成；其中，所述表征雷達(dá)信號(hào)特征的參數(shù)包括信號(hào)的到達(dá)方向DOA、信號(hào)載頻RF、脈沖寬度PW和脈沖幅度PA，共同構(gòu)成雷達(dá)的脈沖描述字PDW，即PDW = {DOA, RF, Pff, PA,…}。
3.根據(jù)權(quán)利要求1或2所述的一種最小LI范數(shù)下的雷達(dá)信號(hào)分選方法，其特征在于:步驟二中所述的標(biāo)準(zhǔn)樣本是由每類雷達(dá)在其PDW參數(shù)的波動(dòng)范圍內(nèi)取均值而得，雷達(dá)的PDff參數(shù)具體包括到達(dá)方向DOA、信號(hào)載頻RF、脈沖寬度PW和脈沖幅度PA。
4.根據(jù)權(quán)利要求3所述的一種最小LI范數(shù)下的雷達(dá)信號(hào)分選方法，其特征在于:步驟五中所述將公式六轉(zhuǎn)換為如公式七所示的最小LO范數(shù)的數(shù)學(xué)模算法包括貪婪算法與凸優(yōu)化算法；其中，所述貪婪算法包括匹配追蹤算法、正交匹配追蹤算法、匹配追蹤改進(jìn)算法與正交匹配追蹤改進(jìn)算法，所述凸優(yōu)化算法包括基追蹤算法、梯度追蹤算法、基追蹤改進(jìn)算法與梯度追蹤改進(jìn)算法。
【文檔編號(hào)】G01S7/02GK103954935SQ201410198248
【公開日】2014年7月30日 申請日期:2014年5月12日 優(yōu)先權(quán)日:2014年5月12日
【發(fā)明者】付寧, 黃國興, 喬立巖 申請人:哈爾濱工業(yè)大學(xué)