[发明专利]一种基于图像特征的雷达脉冲序列分选方法

说明书

本发明公开了一种基于图像特征的雷达脉冲序列分选方法，包括雷达脉冲序列预分选、主分选、后分选。预分选包括雷达脉冲序列数据可视化和频段分割；主分选包括基于图像特征的Hough线段聚类和DBSCAN聚类的综合应用；后分选包括基于脉冲重复间隔的再聚类和分选结果验证。本发明提出的雷达信号分选方法解决了传统分选方法过度依赖脉冲重复间隔的问题，适用于脉冲序列极多的复杂环境，系统鲁棒性强，分选精度高，提高了雷达侦察技术水平，对现代电子对抗具有重要意义。

技术领域

本发明属于电子对抗技术领域，具体涉及一种基于图像特征的雷达脉冲序列分选方法。

背景技术

雷达对抗是使用特种电子设备针对雷达进行侦察、干扰和防御的技术，是现代电子对抗的重要组成部分。其中，雷达脉冲信号分选是雷达侦察的首要核心工作，也是整个雷达电子对抗的首要任务。

雷达脉冲信号分选的处理对象是时域上混叠在一起的多部雷达的脉冲序列，即雷达侦察作战中获得的原始数据，该脉冲序列一般为一组包含多个维度特征的脉冲点，整体呈点云状分布。分选过程是从脉冲点云中挑选并分离出每一部雷达各自对应脉冲序列的过程。其不仅是电子侦察中的重要处理环节，同时也是实现雷达辐射源识别、定位与干扰引导的基础与前提。这些在电子侦察中截获的脉冲信号通常采用脉冲描述字(PulseDescription Word，PDW)进行表征，主要包含：到达时间、频率、脉幅、脉宽、到达角、相位等参数，通过对脉冲描述字的处理实现雷达脉冲信号分选目的。

从现有的雷达分选算法来看，《复杂杂波背景下检测低慢小目标的雷达信号处理方法》(CN111913158A)提出了一种复杂杂波背景下运用多普勒数据进行雷达信号分选的方法，但只适用于低速的小雷达目标。《一种基于球覆盖的仿生模式识别算法的雷达信号分选方法》(CN112014804A)提出了一种利用仿生模式识别算法识别混淆矩阵的方法，但在信号数量较多时，分选结果有待考证。

发明内容

为解决上述问题，本发明公开了一种基于图像特征的雷达脉冲序列分选方法，解决了传统分选方法过度依赖脉冲重复间隔的问题，适用于脉冲序列极多的复杂环境，系统鲁棒性强，分选精度高，提高了雷达侦察技术水平，对现代电子对抗具有重要意义。

为达到上述目的，本发明的技术方案如下：

一种基于图像特征的雷达脉冲序列分选方法，包括以下步骤：

(1)基于频率和直方图统计法对脉冲描述字集合进行预分选，将原始脉冲描述字集合分割成若干脉冲描述字子集；

(2)针对每一个脉冲描述字子集，基于到达时间和相位进行图像化处理并使用Hough变换法从中提取出Hough线段，进而使用DBSCAN聚类法获取若干Hough线段簇；

(3)将步骤(2)中获取的图像化数据与Hough线段簇进行相位周期延拓，之后进行第二次DBSCAN聚类获取Hough线段簇分类标签，再基于层次聚类法获取雷达辐射源信息并进行脉冲序列分类；

(4)根据步骤(3)中获取的层次聚类结果，针对每一个原始脉冲信号点作信号捕获，将每个点归到某一雷达分类中，或归为不属于任何雷达类别的噪声信号；

(5)对步骤(4)中的分类结果，分析获取雷达辐射源脉冲重复间隔类型并优化冗余分选结果。

作为本发明的一种改进，所述步骤(1)在频率特征维度上进行两次分割：

第一次分割构建频率分布直方图，统计各频段脉冲序列出现次数；根据直方图结果计算方差，得到自适应切分阈值，以该阈值为界对全频段进行分割，将原雷达脉冲序列在频段上分成多段；

第二次分割考虑到部分频段内雷达脉冲仍分布密集，影响后续图形化分选效果，在第一次分割的每一段中再做一次预分选分割。对每一段在频率上做局部分组归一化处理，再构建直方图，统计各频段内部脉冲序列出些次数分布，计算局部最低点，作为分界对每一个频率段做二次分割。