时频重叠信号脉内特征提取与协同分选

Radar signal deinterleaving is a crucial technique in signal processing of electronic intelligence, which directly determines the performance of electronic reconnaissance devices and the control and decision of electronic contermeasure system. Right now, signal deinterleaving faces with the difficultis including high signal density, complex environment, variable radar parameter, etc. These problems result in serious time-frequency overlaping of the intercepted pulse signals and ineffectiveness of the conventional deinterleaving methods. This project mainly deals with studies higher-order time-frequency distribution based intra-pulse feature extraction and electronic reconnaissance network based cooperating deinterleaving for time-frequency overlaped signals. The main contents include: (1) Research the unified model of higher-order time-frequency distribution including ambiguity function, time-frequency analysis, cyclic spectrum, etc. (2) Reasearch the intra-pulse feature extraction algorithms and the feature fusion methods for time-frequency overlaped signals. (3) Design the network scheme of radar reconnaissance platforms including ELINT, ESM , RWR, etc., implement information fusion both in data level and feature level. (4) Research signal cooperating deinterleaving based on blind source separation, and signal multipath suppression algorithms. Through launching simulation experiments and actual signal test, this project will enhance the validity of feature extraction for unkown radar signals, resolve cooperating deinterleaving under complex environment, and provide theory and technique support for the enginnering application of radar signal cooperating deinterleaving in national defense.

雷达信号分选是电子侦察信号处理的关键环节，直接决定电子侦察设备的性能并影响电子对抗系统的控制与决策。当前雷达信号分选面临着脉冲密度大、环境复杂、雷达参数多变等困难，导致截获的脉冲信号时频重叠情况严重，常规分选方法很难凑效。本项目针对时频重叠信号，重点研究基于高阶时频分析的脉内特征提取和基于电子侦察平台组网的信号协同分选算法。主要研究内容包括：(1) 研究高阶时频分布统一数学模型；(2) 研究时频重叠信号的脉内特征提取与特征融合算法；(3) 设计ELINT、ESM和RWR等雷达侦察平台的组网框架，实现数据级和特征级信息融合；(4) 研究基于盲源分离的时频重叠信号协同分选，及信号多径抑制算法。通过开展仿真实验和基于实测数据的验证评估，提高复杂电磁环境下时频重叠信号特征提取与协同分选的有效性、可靠性和实时性，为时频重叠信号分选的工程化应用提供理论和技术支撑。

随着电子技术的飞速发展，电子侦察在现代战争中的地位越来越重要。电子侦察具有作用距离远、频谱覆盖范围广、获取信息量大、实时性高、隐蔽性好、全天候工作等优点。雷达电子侦察一直以来都是电子侦察的主要形式，对取得电子战的优势起着决定性的作用。雷达信号分选是雷达侦察信号处理的关键环节，直接决定侦察设备的性能并影响电子对抗系统的控制与决策。当前雷达信号分选面临着脉冲密度大、环境复杂、雷达参数多变等困难，导致截获的脉冲信号时频重叠严重，常规分选方法很难凑效。.本项目针对时频重叠信号，重点研究基于高阶时频分析的脉内特征提取和基于电子侦察平台组网的信号协同分选算法。主要研究内容包括：(1) 研究包括模糊函数、时频分布、循环谱等描述方式的高阶时频分布统一数学模型；(2) 研究时频重叠信号的脉内特征提取算法，并对各种信号特征进行融合处理；(3) 设计ELINT、ESM和RWR等雷达侦察平台的组网框架，实现数据级和特征级信息融合；(4) 研究基于盲源分离的时频重叠信号协同分选方法，及信号多径抑制算法。通过开展仿真实验和基于实测数据的验证评估，提高复杂电磁环境下时频重叠信号特征提取与协同分选的有效性、可靠性和实时性。.项目取得的重要成果包括两个方面：（1）在时频重叠信号脉内特征提取方面，提出了基于Viterbi算法与LWVD结合的IF估计方法，提出了一种基于短时傅里叶变换与自适应SM实现的改进型CTD算法，提出基于周期模糊函数构造统计量的相位编码信号参数估计算法，提出一种基于DCFT-LVD的LFM-BPSK信号参数估计算法，提出基于时频率分布和二次相位函数的多相编码参数估计，对各LPI信号参数估计的CR界进行了分析。（2）在电子侦察平台组网条件下的信号协同分选方面，提出独立分量分析法和联合对角化结合的瞬时混合雷达信号分离算法，提出了一种基于区域划分排序的卷积混合雷达信号分离算法，提出FCM聚类改进算法并利用极化特性与RF、PW、PRI联合进行雷达辐射源信号预分选，提出基于脉内调制特征的雷达辐射源信号主分选和综合分选方案。.本项目的研究内容和研究成果，对于提高电子侦察系统的生存能力，扩大系统的探测范围，改善信号参数测量的精度和分辨率具有促进作用；能够加快脉内特征分析和协同分选的工程化应用步伐，对信号处理、数据融合、模式识别等方法和理论也有较大促进作用，具有重要的应用前景和理论意义。