基于經(jīng)驗(yàn)?zāi)B(tài)分解特征庫的拖引干擾子類型識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于雷達(dá)抗干擾技術(shù)領(lǐng)域，涉及一種基于經(jīng)驗(yàn)?zāi)B(tài)分解特征庫的拖引干擾 子類型識別方法，適用于拖引干擾與目標(biāo)信號混合情況下的拖引干擾子類型識別。
【背景技術(shù)】
[0002] 在有源干擾中，拖引干擾是現(xiàn)代戰(zhàn)爭中較為常用、干擾效果較好、產(chǎn)生較為容易的 干擾樣式。在復(fù)雜的電子干擾環(huán)境下，使雷達(dá)系統(tǒng)盡快識別出所面臨的干擾信號類型，進(jìn)而 選擇出最有效的抗干擾方法進(jìn)行對抗，已成為雷達(dá)抗干擾技術(shù)發(fā)展的一個重要方向。雖然 現(xiàn)有的雷達(dá)一般都裝備有特定的抗干擾措施，但由于雷達(dá)幾乎不具有干擾識別的能力，無 法判斷干擾類型，也就不能在最短的時間內(nèi)選取最合適的抗干擾手段，來減少干擾帶來的 影響，因此，干擾類型識別是抗干擾過程的基礎(chǔ)。
[0003]目前，關(guān)于干擾類型識別方法，國內(nèi)外的研究成果主要有兩類：一類是基于極大 似然準(zhǔn)則的干擾類型識別方法，另一類是基于對回波信號進(jìn)行特征提取的干擾類型識別方 法。其中，第一類方法的運(yùn)算量較大，在工程中的實(shí)現(xiàn)較為困難；第二類方法利用各類干 擾在不同時域、頻域、時頻域、極化域等領(lǐng)域的特征參數(shù)之間的差異對各類干擾信號進(jìn)行識 另IJ，其基本思路為：首先對干擾信號進(jìn)行特征提取，然后基于所提取的特征識別干擾的類 型。
[0004] 1997年，W.D.Blair等人根據(jù)真實(shí)目標(biāo)回波幅度服從瑞利分布（Rayleigh分布） 且距離拖引干擾（RGP0)的幅度在一次掃描期間內(nèi)無起伏的特點(diǎn)，提取信號的幅度特征參 數(shù)并利用廣義極大似然檢測模型較為有效地區(qū)分RGP0與真實(shí)目標(biāo)。但該方法只能對距離 拖引干擾具有一定的識別能力，對其他拖引干擾子類型不能進(jìn)行識別。
[0005] 2002年，LingLu等人提出了時頻分析特征提取方法，該方法直接在原始信號上進(jìn) 行特征提取，雖然對拖引干擾子類型達(dá)到了一定程度的識別，但該方法沒有考慮原始信號 的多層次特性，其干擾識別能力仍然有限。

【發(fā)明內(nèi)容】

[0006] 針對上述現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提出一種基于經(jīng)驗(yàn)?zāi)B(tài)分解特征庫 的拖引干擾子類型識別方法，考慮了原始信號的多層次性，解決在拖引干擾與目標(biāo)信號混 合的情況下，對拖引干擾子類型進(jìn)行識別時存在的提取特征區(qū)分度不佳和識別能力較差的 問題。
[0007] 為達(dá)到上述技術(shù)目的，本發(fā)明采用以下技術(shù)方案予以實(shí)現(xiàn)。
[0008] -種基于經(jīng)驗(yàn)?zāi)B(tài)分解特征庫的拖引干擾子類型識別方法，其特征在于，包括以 下步驟：
[0009] 步驟1，針對拖引干擾和目標(biāo)信號混合的情況，將已知的雷達(dá)回波信號分為四類： 第一類雷達(dá)回波信號為目標(biāo)信號；第二類雷達(dá)回波信號為距離拖引干擾與目標(biāo)信號的混合 信號；第三類雷達(dá)回波信號為速度拖引干擾與目標(biāo)信號的混合信號；第四類雷達(dá)回波信號 為距離-速度同步拖引干擾與目標(biāo)信號的混合信號；再對已知的雷達(dá)回波信號進(jìn)行&次蒙 特卡洛實(shí)驗(yàn)；在每一次蒙特卡洛試驗(yàn)中，均提取Si個不同干噪比（JNR)下，相同數(shù)目的上述 四類雷達(dá)回波信號的有效回波數(shù)據(jù)，得到該次蒙特卡洛實(shí)驗(yàn)中，Sif不同干噪比下的四類 一維訓(xùn)練數(shù)據(jù)；
[0010] 步驟2,將步驟1得到的S4次蒙特卡洛實(shí)驗(yàn)中，Si個不同干噪比下的四類一維訓(xùn)練 數(shù)據(jù)，經(jīng)過幅度歸一化預(yù)處理，再進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，得到S4次蒙特卡洛實(shí)驗(yàn)中，Si個不同 干噪比下幅度歸一化后的四類一維訓(xùn)練數(shù)據(jù)對應(yīng)的本征模函數(shù)（MF)集；
[0011] 步驟3,根據(jù)步驟2得到的S4次蒙特卡洛實(shí)驗(yàn)中，Sif不同干噪比下幅度歸一化后 的四類一維數(shù)據(jù)對應(yīng)的本征模函數(shù)集；從每個本征模函數(shù)集中選取前&個本征模函數(shù)；分 別從S3個本征模函數(shù)中提取出四類特征：頻域矩偏度a、噪聲因子A1、噪聲因子A2、能量比 重ER;
[0012] 步驟4,根據(jù)步驟3得到的S4次蒙特卡洛實(shí)驗(yàn)中，Sif不同干噪比下幅度歸一化后 的四類一維訓(xùn)練數(shù)據(jù)中對應(yīng)的前S3個本征模函數(shù)中提取出的四類特征，選擇出\次蒙特卡 洛實(shí)驗(yàn)中，Si個不同干噪比下幅度歸一化后的四類一維訓(xùn)練數(shù)據(jù)對應(yīng)的四類特征的典型特 征值；
[0013] 步驟5,根據(jù)步驟4所得的S4次蒙特卡洛實(shí)驗(yàn)中，S3個不同干噪比下幅度歸一化 后的四類一維訓(xùn)練數(shù)據(jù)對應(yīng)的四類特征的典型特征值，建立四類雷達(dá)回波信號的典型特征 庫；
[0014] 步驟6,雷達(dá)接收干噪比在-10dB到15dB范圍內(nèi)的回波測試數(shù)據(jù)，將該回波測試數(shù) 據(jù)進(jìn)行幅度歸一化預(yù)處理，得到幅度歸一化后的一維測試數(shù)據(jù)；
[0015] 步驟7,將步驟6得到的幅度歸一化后的一維測試數(shù)據(jù)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，得到一 維測試數(shù)據(jù)的m'個本征模函數(shù)；
[0016] 步驟8,從步驟7得到的一維測試數(shù)據(jù)的m'個本征模函數(shù)的第一個本征模函數(shù)中 提取四類特征，即頻域矩偏度a'、噪聲因子A1'、噪聲因子A2'、能量比重ER'，將得到 的四個特征值組成一維測試特征向量；
[0017] 步驟9,將步驟8得到的一維測試特征向量與典型特征庫內(nèi)的數(shù)據(jù)進(jìn)行數(shù)據(jù)信息 匹配，識別出回波測試數(shù)據(jù)的信號類別，即識別出拖引干擾子類型；
[0018] 9. 1計算一維測試特征向量與特征庫內(nèi)第1到第24行典型特征向量間的歐式距 離，分別為山，d2，…，d24;
[0019] 9. 2利用距離加權(quán)K最近鄰分類方法識別回波測試數(shù)據(jù)的信號類別，距離加權(quán)K最 近鄰分類方法的具體子步驟為：
[0020] 9. 2. 1從24個歐氏距離山，d2，…，d24中，確定K個最小的歐氏距離；將K個最小的 歐氏距離對應(yīng)的典型特征庫的K個典型特征向量，作為一維測試特征向量的K個最近鄰，K 個最近鄰組成的集合為Dz;
[0021] 9. 2. 2設(shè)一維測試特征向量的類標(biāo)號y' (y'的可能取值為1，2, 3, 4)，可用如下 公式計算y':
[0022]
[0023] 其中，v是類標(biāo)號，y]是一維測試特征向量的第j個最近鄰的類標(biāo)號，j= 1，2,. . .，K;I( ?)是指示函數(shù)，如果括弧中的等式為真，則I( ?)取值為1，否則I( ?)取值 為0 ;W]= 1/d/，d,為一維測試特征向量的第j個最近鄰對應(yīng)的歐式距離。
[0024] 與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)：
[0025] 1)本發(fā)明利用經(jīng)驗(yàn)?zāi)B(tài)分解算法，提取信號更多的特征參數(shù)，并選擇區(qū)分度較好 的信號特征，實(shí)現(xiàn)對三類拖引干擾子類型的較好的識別。
[0026] 2)本發(fā)明建立了典型特征庫對三類拖引干擾子類型進(jìn)行識別，考慮了數(shù)據(jù)的多層 次性，識別能力更高，識別效果更佳。
【附圖說明】
[0027] 下面結(jié)合【附圖說明】和【具體實(shí)施方式】對本發(fā)明作進(jìn)一步詳細(xì)說明。
[0028] 圖1是本發(fā)明的拖引干擾子類型識別流程圖。
[0029] 圖2是從第1次蒙特卡洛實(shí)驗(yàn)中，第1個干噪比條件下，經(jīng)過幅度歸一化后的第 一類一維訓(xùn)練數(shù)據(jù)，經(jīng)過經(jīng)驗(yàn)?zāi)B(tài)分解得到的第1個本征模函數(shù)中提取的四類特征的流程 圖。
[0030] 圖3是本發(fā)明與原始數(shù)據(jù)提取特征識別方法分別對三類拖引干擾以及目標(biāo)的識 別結(jié)果比較圖，橫坐標(biāo)為干噪比，單位為分貝（dB)，縱坐標(biāo)為識別率，其中：
[0031] 圖3a為本發(fā)明與原始數(shù)據(jù)提取特征識別方法對距離拖引干擾與目標(biāo)信號的混合 信號在不同干噪比下的識別結(jié)果圖；
[0032] 圖3b為本發(fā)明與原始數(shù)據(jù)提取特征識別方法對速度拖引干擾與目標(biāo)信號的混合 信號在不同干噪比下的識別結(jié)果圖；
[0033] 圖3c為本發(fā)明與原始數(shù)據(jù)提取特征識別方法對距離-速度同步拖引干擾與目標(biāo) 信號的混合信號在不同干噪比下的識別結(jié)果圖；
[0034] 圖3d為本發(fā)明與原始數(shù)據(jù)提取特征識別方法對目標(biāo)信號在不同干噪比下的識別 結(jié)果圖。
【具體實(shí)施方式】
[0035] 參照圖1，本發(fā)明的基于經(jīng)驗(yàn)?zāi)B(tài)分解特征庫的拖引干擾子類型識別方法，包括以 下步驟：
[0036] 步驟1，針對拖引干擾和目標(biāo)信號混合的情況，將已知的雷達(dá)回波信號分為四類： 第一類雷達(dá)回波信號為目標(biāo)信號；第二類雷達(dá)回波信號為距離拖引干擾與目標(biāo)信號的混合 信號；第三類雷達(dá)回波信號為速度拖引干擾與目標(biāo)信號的混合信號；第四類雷達(dá)回波信號 為距離-速度同步拖引干擾與目標(biāo)信號的混合信號；再對已知的雷達(dá)回波信號進(jìn)行&次蒙 特卡洛實(shí)驗(yàn)；在每一次蒙特卡洛試驗(yàn)中，分別提取Si個不同干噪比（JNR)下相同數(shù)目的上 述四類雷達(dá)回波信號的有效回波數(shù)據(jù)，得到該次蒙特卡洛實(shí)驗(yàn)中，Si個不同干噪比下的四 類一維訓(xùn)練數(shù)據(jù)。
[0037] 本發(fā)明實(shí)例中，針對距離拖引干擾與目標(biāo)信號的混合信號、速度拖引干擾與目標(biāo) 信號的混合信號、距離-速度同步拖引干擾與目標(biāo)信號的混合信號以及目標(biāo)信號，對已知 的雷達(dá)回波信號進(jìn)行S4= 500次蒙特卡洛實(shí)驗(yàn)；每一次蒙特卡洛實(shí)驗(yàn)中，均提取S6個 不同干噪比（JNR1 = -10dB、JNR2 = -5dB、JNR3 = 0dB、JNR4 = 5dB、JNR5 = 10dB、JNR6 = 15dB)下20個上述四類雷達(dá)回波信號的有效回波數(shù)據(jù)，得到該次蒙特卡洛實(shí)驗(yàn)中，上述6個 不同干噪下的四類一維訓(xùn)練數(shù)據(jù)。
[0038] 步驟2,將步驟1得到的S4次蒙特卡洛實(shí)驗(yàn)中，Si個不同干噪比下的四類一維訓(xùn)練 數(shù)據(jù)，經(jīng)過幅度歸一化預(yù)處理，再進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，得到S4次蒙特卡洛實(shí)驗(yàn)中，Si個不同 干噪比下幅度歸一化后的四類一維訓(xùn)練數(shù)據(jù)對應(yīng)的本征模函數(shù)（MF)集。
[0039] 步驟2的具體子步驟為：
[0040] 2. 1對第1次蒙特卡洛實(shí)驗(yàn)中，在第1個干噪比（JNR1 = -10dB)下的四類一維 訓(xùn)練數(shù)據(jù)，分別進(jìn)行幅度歸一化預(yù)處理，得到幅度歸一化后的四類一維訓(xùn)練數(shù)據(jù)，分別為 x1(t)a2(t)a3(t)a4(t)；
[0041] 2. 2對第1次蒙特卡洛實(shí)驗(yàn)中，在第1個干噪比（JNR1 = -10dB)下幅度歸一化后 的第一類一維訓(xùn)練數(shù)據(jù)