文摘
大多数现有的天线扫描类型(AST)识别技术只关注机械扫描(MS),很少研究电子扫描(ES),特别是一维(1 d)。提出了一种识别和参数提取方法1 d ES的3 d雷达,有女士和ES。一个ES模式模拟器设计合成脉冲幅度(PA)的数据。然后女士1 d ES是区别于二维(2 d) ES基于梁的特性从不同序列中提取序列,如相似系数(RC)和方差。随后,1 d ES提取两个重要参数,即梁高程位置号和脉冲数梁的位置。最后,一些仿真结果验证该算法所示。
1。介绍
在现代电子战(EW), 3 d雷达(1- - - - - -3)电子扫描波束的高度,即一维(1 d)电子扫描(ES),已被广泛用于战术应用程序。的性格无惯性的快速光束控制、有源电子扫描阵列(4)允许3 d雷达提供高程信息,同时距离和方位。与此同时,3 d雷达电子对抗带来一系列新的挑战(ECM)。这对电子情报(ELINT)[是不够的5)和电子支持(ESM)测量系统获取雷达信息基于传统参数(6),如射频(RF),到达角(AOA),到达时间(TOA),脉冲宽度(PW),脉冲幅度(PA)和脉冲重复间隔(PRI)。另一方面,是出了名的难果酱3 d雷达的跟踪欺骗(7]。因此,有必要分析3 d雷达的一些独特的特点,例如,1 d ES。
1 d ES的特征参数,包括天线扫描类型(AST)、天线扫描周期(ASP),和一些相关的扫描参数,对电子战系统至关重要。从这些参数我们可以推断出天线扫描技术,识别雷达类型,甚至确定威胁水平。尽管重要,但缺乏开放的研究文献1 d ES识别和参数提取。唯一相关的工作主要集中在AST的机械扫描雷达(MS)。在专利8- - - - - -10),各种天线扫描模式对雷达模拟女士发明的发电机。文献[11)提出了一种新的雷达信号模型,能够为各种扫描模式生成雷达信号。在专利12),格里尔提出了一种基于拉普拉斯变换的自动识别方法和快速傅里叶变换(FFT)基本ast。然而,ASP和其他参数的变化是被忽视的算法。在文献[13],Barshan Eravci小说提供一个ASP估计和AST基于模式识别的分类技术。他们的算法是有效和有力5基本ast:循环扫描,扇形扫描、光栅扫描、螺旋扫描,和圆锥扫描。但是他们的研究不考虑。
女士和ES最明显的区别是,后者光束方向无惯性的和迅速的变化。自从3 d雷达采用女士和ES,更复杂的分析其字符。我们最好的知识,研究1 d ES识别和参数提取仍然难以捉摸。本文的主要贡献是提供领导识别和参数提取的3 d雷达1 d ES。首先,我们介绍了相似系数(RC)的第一,二阶差分序列作为一个有效的特征区分ES女士其次,我们给出一个方法来提取关键参数1 d ES的3 d雷达,包括梁高程位置号和脉冲数梁的位置。此外,我们也做一些改进,比如梁序列提取过程。许多电子情报和ESM系统可能受益于1 d ES的识别。此外,本文提取的参数包括ASP,梁高程位置号,和梁位置脉冲数,估计3 d雷达的波束方向的关键。
本文的其余部分组织如下。部分2提供了一些基本模型并简要描述了ES模式模拟合成数据。节3,识别的方法和参数提取1 d ES是详细解释。给出了一些仿真结果4。最后,结论。
2。模型和模拟
电子战接收机检测雷达参数获取雷达信息,如射频、AOA, TOA, PW, PA。对于天线扫描分析,时域分析技术基于PA测量数据一般。缺乏电子战接收机记录数据,因为电子战的机密性质的工作。因此,有必要基于信号模拟接收的数据模型,特别是PA数据。
PA是电子战天线的接收到的脉冲信号功率,给出的 在哪里和分别是接收和发射功率,和天线增益的电子战接收机和发射机,分别是波长,是雷达和电子战接收机之间的距离,是传播损耗因子,抵消天使是发射机天线模式吗,接收机的位置和和分别是方位角和仰角。
为了简单起见,我们假设雷达和电子战接收机都保持静止,接收机天线各向同性,传播损耗是恒定的。因此,术语被假定为常数,巴勒斯坦权力机构主要是由吗。
3 d雷达的发射机天线建模为平面阵列天线。对于一个平面阵列天线元素,天线的模式是由(14] 在哪里是数组的元素权重矩阵,和是元素的间距吗- - -分别的方向,和梁的仰角和方位角,分别和。
摘要ES模式模拟的图形用户界面(GUI)是使用MATLAB开发(15]。一个例子的屏幕模拟器如图1,参数设置部分位于上盘,和3子图所示在较低的方面,包括光束瞄准线跟踪,抵消角的2 d轮廓,收到PA与TOA阴谋。
模拟器,ES天线与可选的权重(制服,汉明,汉宁,泰勒,皇帝,和布莱克曼)和不同的扫描参数(开始/结束方位/高度角、方位角和仰角元素数量、方位和仰角元素距离,梁高程位置号和脉冲数梁位置,等等)可以模拟。
3所示。方法
本文方法的关键步骤是识别1 d。正如上面提到的,测量不改变不断因为惯性运动的梁女士的,不是相同的光束位置几乎是相同的,而不同的梁位置,甚至相邻梁位置,可能截然不同。因此,ES可以区别于基于这种差异的女士。
本文提出的方法的流程图如图2。首先,一些处理(正常化和ASP估计)是梁序列进行提取。1 d ES是公认的基于特征提取梁序列利用RC (16]。最后,1 d ES提取两个重要参数,即梁高程位置号和脉冲数梁的位置。
3.1。归一化
假设接收或模拟PA和TOA数据和分别,在那里是脉冲数。输入信号应该有至少两个周期的天线扫描ASP估计。图3(一个)显示了一个示例PA与TOA信号与3 d雷达三个时期的汉明权重类型。为了消除传播的影响,需要规范化数据。PA数据在瓦分贝(分贝相对于瓦特),可能的最大价值是零,数据从瓦分贝变成Volt (V),随后规范化。考虑 马克斯(·)代表序列的最大值在圆括弧。摘要序列也可以用一个字母或字母在花括号,例如,。
(一)
(b)
作为一个标准化的结果,序列图的例子3(一个)转换序列如图3 (b)。
3.2。ASP估计
AST分析是基于PA序列只有一个周期,所以我们首先估计ASP。文献中使用的ASP估计算法(13摘要应用。
在现代电子战中,使用了各种类型的PRI调制,比如常数,抖动,交错,滑动,wobulated D & S(住和开关)(5]。它将使考评的抽样数据不均匀,导致复杂的成功处理。为了估计ASP,最好重新取样接收的数据一致。
重采样脉冲间隔时间最短的是一个简单的测量,而不考虑革命制度党调制。精确,我们确定的分析PRI调制后的采样间隔。不同的PRI CDIF等分析方法17],SDIF [18)、PRI变换(19),并计划变换(20.)可以使用不同重采样间隔,选择不同的PRI调制。例如,stagger-type PRI的信号是重新取样水平最高的PRI交错(13与jitter-type PRI),重新取样平均PRI。众所周知,PRI分析对雷达信号分选是至关重要的。因此,基于PRI重采样信号调制信息可以保持尽可能多的原始信号的影响,减少了和虚假脉冲。此外,PRI分析的结果也可以在下一节中是有用的。重采样过程中,插值执行如果信号值是不可以在一个特定的瞬间。可以使用不同的插值技术,包括最近的点,线性、高斯、sinc或样条插值多项式。为简单起见,我们选择最近的点插值,未检测到脉冲接收器的地方充满了0。
假设重采样间隔选择基于PRI分析的结果(例如信号图3 选择0.002 s),重新取样序列是什么,,在那里是序列长度。
序列的归一化自相关系数计算估计ASP: 在哪里滞后变量和吗是选择窗口长度计算复杂性和准确性之间的妥协。由于序列被认为至少有两个时期,被选为在这篇文章中。
第一个序列的最大值发现和相应的滞后值分配时间。因此,可以通过ASP。的归一化自相关系数序列的例子如图4,从中我们可以获得,所以年代。
3.3。梁序列提取
ASP估计后,一次扫描圆的信号处理后可以提取。提取过程中,确保圆圈集成和主要梁位于每个圆的中间。假定序列与前一个时期从标准化的输入信号中提取重采样。
当雷达波束引导通过电子战接收机的位置扫描圆,收到了PA达到最大的时期。因此,我们可以确定最大主光束通过寻找最大PA。在文献[13),提取主光束序列通过使用两个指数点两侧的最大值点PA降到0.01 mV。然而,它并不考虑。不同的分析主要基于只有梁女士的ES是基于梁组,包括主光束和邻边梁。因此,梁序列提取的关键是找到边梁的边缘。
因为射束方向的快速切换,收到爸爸的变化数据可能是激烈的。巴勒斯坦权力机构可能降至0.01 mV或其他PA阈值甚至在主波束扫描;因此,梁的方法提取基于PA阈值不再有效。在这项研究中,我们提取梁序列基于TOA收到数据。
侧梁的不是通常远低于主光束。当PA电子战接收机的灵敏度水平以下,脉搏不会拦截。大多数侧梁的信号,除了第一个边梁,由电子战接收机可能未被发现。因此,会有一些发现脉冲之间的间隔更长的时间比普通取了。
为了确定侧梁的边缘,我们设置一个PRI门限根据革命制度党分析导致部分3.2然后找两个最近的时间比取了两岸的主光束。梁的具体程序序列提取给定如下。步骤1:找到最大的爸爸,。这一步是用来定位的主光束扫描圆。步骤2:初始化。集,。步骤3:计算主要的PRI右边梁。让;;计算。步骤4:如果,脉冲间隔的阈值,重复步骤3;否则,如果可以确定,右边的边缘梁;表示当前通过。步骤5:初始化。集,。步骤6:计算革命制度党在左边的主光束。让;;计算。第七步:如果重复步骤6;否则,如果可以确定,左边的边梁;表示当前通过。第八步:提取梁序列和相应的TOA序列。
除了第一个边梁,其他边梁后也可以提取这些步骤。它不会影响以下认可。梁序列从例子中提取序列图3描绘在图5(一个),图5 (b)显示了一个典型的梁女士通过上述过程中提取序列。
(一)西文
(b)女士
3.4。特征提取
根据前面的分析,PA序列之间的关键差异和ES是女士点光束开关。由于天线波束惯性女士移动,测量不是连续变化。ES,不是相同的光束位置显示轻微的变化,而当射束方向发生变化时,不可能有一个戏剧性的变化。因此,有必要分析PA序列的变异,以及处理第一个发生计算序列的差异。
起初,PA的一阶差分序列数据计算: 在哪里。一阶差分序列的序列图的例子5说明在图6。很容易看到,序列反映了相邻脉冲的振幅变化。ES,分数最高的值序列接近于0,而在主要的点或边梁开关,达到局部最大值或最小值的值。最大值发生在的主光束改变第一个边梁,并将其值略低于1。同样对于女士来说,主要有局部最大值或最小值,或侧梁开关,最大也发生在主要梁和侧梁之间的切换点。不同的是序列是什么为女士最多显示渐变点,最大值小于1。
(一)西文
(b)女士
因为大多数的值序列ES接近0,我们进一步计算二阶差分序列: 那么,可能有轻微的差异和对于大多数ES。二阶差分序列的序列图的例子5说明在图7。
(一)西文
(b)女士
为了完成识别,我们试图研究许多不同的特性来确定,但最好的结果与下面描述的特性。
通过对比一阶差分序列在图6与二阶的人物7,我们发现有一些显著的差异ES和女士,第一、二阶差分序列看起来最多相似点,除了主要的点或边梁变化而对女士来说,这两个序列有很大的不同。因此,我们选择钢筋混凝土作为特性来区分女士和ES。
定义1。假设离散信号序列和是一维的和非负;也就是说,;;。钢筋混凝土的和被定义为 所有点的信号序列和不是0。显然,我们可以得到。
为了获得来自两个不同序列的RC,我们集,由以下公式给出: 然后可以使用公式计算RC (7)。的价值ES很大,几乎等于1,虽然女士要少得多。
此外,为了区分1 d ES从2 d,我们进一步处理一阶差分序列。首先,接不到的元素按顺序;是阈值。因此,挑点礼物ES的梁位置之间的差异。然后,计算的方差选择元素,这是用。因为没有梁运动在2 d ES的梁的位置,2 d ES一般小于1 d ES,梁仍然惯性移动方位。
3.5。识别
1 d ES的识别有两个阶段:首先区分ES和女士,然后区分1 d ES从2 d。
提取两个特性后,我们可以通过利用分类器,完成识别,如朴素贝叶斯决策树(DT) [21)、聚类分析、人工神经网络(22),和支持向量机(22]。本文基于识别过程,DT基于聚类分析的分类器选择识别1 d ES。
DT分类器是一种最直观、自然分类和快速,易于理解,易于想象。DT包括两种类型的节点:一个内部节点表示一个决策规则和一个叶节点显示的结果决定。1 d ES的DT结构用于识别图所示8。
聚类分析是分组的任务的一组对象,这样的对象在同一集群相似比其他集群。它被用于许多领域,包括模式识别、机器学习和信息检索。摘要聚类主要用于确定阈值的决策规则DT。欧几里得距离判据是最常见的用于集群、和之间的欧氏距离和被定义为的实例
由于只有一个功能应用在每一个决策规则,集群中心可以很容易地获得通过训练数据的均值与每一个AST。为了简单起见,我们选择两个叶子节点的集群中心的中值作为阈值在每个决定。然后和可以确定,识别可进行根据DT在图8。
3.6。参数提取
本文主要考虑了1 d ES的3 d雷达、电子波束控制拥有明智的有序的仰角和方位角机械运动。识别后的1 d ES女士和2 d,我们需要提取一些关键参数1 d ES的3 d雷达。除了ASP, 1 d电子扫描的关键参数是梁位置数字高程(定义为注)和脉冲光束位置(定义为数量NP),这是很重要的,估计3 d雷达的波束方向,如图9。为简单起见,两注和NP在本研究假定为常数。的注和NP分别是6和4在图吗9。
1 d ES的参数提取的3 d雷达主要是基于梁序列提取部分3.3。一阶差分序列的序列图的子图所示6(一),我们可以看到,存在双方的高峰和低谷每个梁的位置,结果从光束位置高程的变化。图10描绘了一阶差分序列的子图和相应的PA序列。因此,我们可以提取NP通过确定高峰之间的间隔和最低的低谷最大PA的梁的位置。首先,定位的最大PA序列,用,。很明显,等于提取的部分3.3。然后,至于序列之前,找到附近的最高峰(用)和附近的槽后最低(用)。例如序列如图5 (b),两个和标有红色的圈图吗10 (b)。因此,脉冲数量可以计算梁的位置。
(一)标准化
(b) 1日不同
为了提取注牛圈,海拔1 d,也就是说,海拔的脉冲数圈,应该确定。海拔圆序列的一个例子是标有红色的图10 ()。因为两个相邻海拔圈的梁序列振幅很相似,我们可以把整个序列与参考序列估计海拔圈间隔,和归一化互相关系数应用。首先,我们确定参考序列。后NP提取,梁位置序列最大PA可以轻易获得,即,标有蓝色的图10 ()。然后我们选择最大的PA数据梁位置和相邻梁在其双方参考序列黑色,在图10 ()。因此,,。计算均方误差(MSE)的序列和:
的均方误差序列序列的例子是图所示11从中我们可以看到,在序列有几个槽,坐落在有主光束的位置。在这些槽中,最低的一个,其价值等于0代表最大主声束的位置,即参考序列。此外,二级最低波谷表示相邻主光束位置。让表示两个波谷的间隔标注在图红圈11这注可以获得的。
4所示。模拟
为了说明该算法识别1 d,几个模拟将在本节中讨论。
4.1。识别
起初,60数据序列生成的训练部分中描述的特征提取和识别3.4和3.5从1:20 d ES, 20从2 d ES,剩下的从女士ES模拟器生成的数据设计部分2数据通过天线扫描模式和女士模拟器在文献[23]。而生成的模拟数据,我们有不同的一些不同的参数(如周期、权重、角度、等等),以便模拟数据与实际数据从不同的现实场景尽可能多。
从模拟数据中提取特征序列图中描述12。我们可以看到这个功能是区分。大多数值等于1对1 d和2 d ES。尽管的值高于0.7毫秒,他们仍然不到的ES。阈值0.88基于训练数据。此外,值1 d ES通常是大于2 d ES,和阈值设置为0.00031。
(一)
(b)
模拟样品的数量增加到100每个AST的认可。表1介绍了具体的识别结果。数据说明本文提出的方法是有效的区分ES与女士不同ast的认可率等于或高于88%,分类精度ES (1 d和2 d)甚至达到99.5%。建议参考文献[13)对于女士进一步分类的具体类型,如循环扫描,扇形扫描、光栅扫描和螺旋扫描。
4.2。参数提取
为了验证参数提取1 d, 4种不同的场景被认为是在这个仿真,如表所示2。当电子战接收机不定位的海拔范围3 d雷达,它只能接收的信号端梁的3 d雷达。的模拟样本获得的脉冲不满足参数提取中止。
与估计的参数(如ASP)可用在公差范围内,本文提取的主要参数(NP和注)将是无效的,如果提取的值是不正确的。因此,提取精度是用来评估的性能参数提取。提取结果见表2。它可以观察到正确的萃取率NP几乎是相等的注。原因是提取的注基于结果的NP提取。提取精度超过89%,是所有4场景的细微差别。它可以推断参数提取是有效甚至边梁的信号。
5。结论
在本文中,我们研究的问题识别和参数提取1 d ES的3 d雷达没有明确的和可访问的研究可在开放的文学。这项工作的主要贡献是首次尝试解决问题和提供一种有效的方法。首先,一个ES模式模拟合成PA数据设计。然后,识别和参数提取的方法1 d ES对3 d雷达详细解释。最后,算法通过仿真进行验证。
我们的研究将有利于3 d雷达识别电子情报和ESM系统。此外,它也用于评估3 d雷达的波束方向。下面我们主要的工作是由真正的雷达数据验证算法获得的电子战接收机。达到目的,设计一些实验将在未来。
利益冲突
作者宣称没有利益冲突有关的出版。
承认
这项工作是由中国国家自然科学基金(没有。61201336)。