[发明专利]FSK及多种非线性调频信号识别及参数估算方法

说明书

本发明涉及FSK及多种非线性调频信号识别及参数估算方法，其中包括：FSK信号、多项式非线性调频信号、双线性非线性调频信号、正弦波非线性调频信号四种信号的识别与参数估算本专利首先对信号进行频谱、多次方谱和信号的相位变化信息等特征的提取，在此基础上利用模糊分类原理实现信号类型的识别，然后再利用基于单频信号的脉内参数估算方法实现对信号的高精度参数估计。该方法能够在较低信噪比条件下识别这些复杂信号的调制方式，且参数估计算法具有计算复杂度低、估计精度较高的特点。

技术领域

本技术发明属于雷达信号被动侦察领域。

背景技术

由于现代雷达信号参数多变、调制方式越来越复杂、动态范围以及频率变化大，新体制雷达不断出现。传统的雷达信号类型识别缺少FSK信号和结合复杂调制的非线性调频信号的类型识别和参数估计，只有分析和提取有效的、新的信号特征，才可以实现对这些新体制雷达信号的识别。

需要识别的脉内信号类型主要有：简单脉冲(NM)、线性调频(LFM)、二相编码(BPSK)、四相编码(QPSK)、频率编码(FSK)、多项式非线性调频信号(PPS)、双线性非线性调频信号(DLFM)、正弦波非线性调频信号(SFM)、连续波信号。

现有的雷达信号识别理论最大似然法估计是建立在假设检验理论的基础上，在已知的先验条件下采用概率论的方法建立一个合适的分类识别准则，但是依据该判决理论的方法其计算公式复杂，并且需要信号的先验知识，这些在实际应用中很难实现。而模糊分类识别原理无需一定的先验知识，只依赖对截获信号的处理和特征提取，所以适合应用在实际的信号调制类型识别中。信号的调制信息包含在三个方面：信号的包络、相位和频率的变化，利用这三个参数的统计结果，理论上可以完成对信号调制方式的识别。模糊分类识别原理结合了传输信号的时域和频域特征，是基于特征提取的识别算法，对信号先验知识的依赖性相比最大似然法估计而言要小，所以具有较大的实用价值。

其次利用信号的瞬时相位的导数是瞬时频率这一特性，对信号的相位进行差分来估计信号的瞬时频率这种方法是频率估计的传统方法，也是最简单的方法。但是这种方法计算的频率误差偏差过大。采用基于DFT相位的单频信号频率和初相的高精度估计方法，理论分析和仿真结果表明，该方法的信噪比阈值比基于时域瞬时相位的频率估计方法低很多，在很低信噪比情况下，仍能得到很高的频率和初相估计精度。

发明内容

本发明的目的在于提供FSK及多种非线性调频信号的模糊分类识别原理与参数估算方法。

模糊分类识别原理框图见附图1。

模糊分类系统的输入是特征参数集T,它是提取的特征参数的集合。

每一种调制类型对每个特征参数都有一个对应的隶属度函数μ_li，其中l表示第l种调制类型；i表示第i个特征参数。将特征参数集T通过模糊系统FLS_l，计算出第l种调制类型对对应特征参数的隶属度函数U_l。待识别信号的模糊评价为：S_l＝∑W_lU_l，其中W_l代表第l种调制类型对应每个特征参数的权值集合。待得到模糊评价S_l后，求出对几种调制类型模糊评价的最大值。解模糊后的输出判决Y为：Y＝argmax(S_l)。

在本发明中，利用可以模糊分类识别原理识别的信号类型：简单脉冲(NS)、线性调频(LFM)、非线性调频(NLFM)、二相编码(BPSK)、四相编码(QPSK)、频率编码(FSK)、多项式非线性调频信号(PPS)、双线性非线性调频信号(DLFM)、正弦波非线性调频信号(SFM)、连续波信号(CW)。具体实施的流程图见图2。

基于DFT相位的单频信号频率和初相的高精度估计方法原理如下。

设一单频复信号：