被动雷达信号侦收与智能识别算法研究.pdfVIP

被动雷达信号侦收与智能识别算法研究

摘要

宽带数字信道化接收机因大处理带宽、高灵敏度、多信号并行实时处理能力而广

泛应用于被动雷达导引头，用以实现对敌方辐射源信号的截获与参数获取。雷达信号

脉内调制类型识别是雷达电子侦察系统的重要组成部分，对后续战场策略的制定起到

重要作用。本文从被动雷达信号的侦收与智能识别算法出发，设计了用于被动雷达信

号侦收的多级数字信道化接收机结构，提出了多任务脉内特征分析算法和基于点云的

调制类型识别算法，主要工作如下：

首先，针对采样频率2.4GHz、频率范围为1400~2200MHz的中频采样信号，为

了实现5MHz的带宽检测来有效完成被动雷达信号的侦收，需要进行256路信道化处

理。考虑到资源限制，提出了基于多相滤波结构与FFT结构结合的二级信道化宽带数

字接收机设计方法，并在可编程阵列（FPGA）硬件平台上进行了算法实现。在硬件

16

平台中，对中频采样信号执行了一级路多相滤波数字信道化，对一级信道化输出的

IQ16FFT256

数据进行第二级路信道化处理，通过二级信道化结构完成了路信道化

4.6875MHzAD

处理，瞬时带宽达到了，有效提高了系统灵敏度。为了使采样数据与

接收机系统相适应，输入信号数据需在经过预处理后再送入信道化模块。通过CORDIC

算法、鉴幅测频、信道判决与信道选择等一系列模块来提取脉冲信号的特征参数，完

成同时到达信号与跨信道信号的处理，为后续信号调制类型识别提供可靠基础。

其次，为了同时解决雷达脉内调制信号的调制类型识别与调制参数估计任务，提

出一种基于时频图像的自降噪雷达信号脉内特征多任务分析算法。基于降噪自编码器

设计了卷积离散傅里叶神经网络进行降噪处理，利用特征金字塔网络进行多尺度特征

提取。多任务学习框架通过共享特征金字塔输出的多尺度融合特征图，完成脉内调制

类型识别和调制参数估计。实验结果验证了所提算法在低信噪比下对不同雷达脉内调

制信号具有良好的识别准确率与较为准确的参数估计。

最后，针对现有的雷达信号智能识别算法的网络模型参数量大、运行时效性差的

问题，提出了一种基于点云的雷达信号脉内调制识别方法。不同的雷达脉内调制信号

经过时频分析方法得到时频数据并映射成点云，使用点云网络完成调制类型的识别。

14

仿真结果表明，该方法能有效识别种雷达脉内调制信号且具有较为轻量的模型，参

数量仅有0.92M，识别单个样本仅需31ms，为雷达电子侦察和电子支持系统提供了可

靠的智能识别方法。

关键词：脉内调制识别；数字信道化接收机；FPGA；点云；深度学习。

被动雷达信号侦收与智能识别算法研究

ABSTRACT

Broadbanddigitalchannelizedreceiversarewidelyusedinpassiveradarseekersdue

totheirlargeprocessingbandwidth,highsensitivity,andmultisignalparallelreal-time

processingcapabilities,whichisusedtointercept,identify,andobtaintechnicalparameters

ofenemyradiationsourcesignals.Therecognitionofradarsignalintra-pulsemodulation

typeisanimportantcomponentofradarelectronicreconnaissan