[发明专利]基于点云检测的辐射源信号分选方法、装置、设备及介质

说明书

本发明公开了基于点云检测的辐射源信号分选方法、装置、设备及介质，所述方法包括：响应于接收到的雷达脉冲序列，选取多个预设取值范围内的变换长度，使用不同变换长度变换得到二维散点图；对得到的二维散点图使用随机抽样提取特征曲线；合并二维散点图中斜率一致的脉冲序列；提取脉冲序列的脉冲重复间隔并确定辐射源类型。本发明针对固定、抖动和参差PRI的多辐射源场景下，可以实现较高精度的分选。

技术领域

本发明属于雷达信号处理技术领域，尤其涉及基于点云检测的辐射源信号分选方法、装置、设备及介质。

背景技术

目前主要的雷达信号分选方法主要分为基于脉间参数特征的分选算法和基于脉内调制特征的分选算法。

基于脉内调制特征的分选方法是通过脉内特征提取手段提取出区分度高的特征来完成信号分选。例如利用小波变换、短时傅里叶变换等时频分析法可以对信号的时频分布、小波系数的聚敛性进行分析和提取，以实现对不同调制信号的识别。但这类方法存在原始数据与算法运算量大、脉内数据难以获取等问题，因此在实际工程应用中更多使用的是基于脉冲描述字的脉间参数特征分选算法。

基于脉间参数特征的雷达信号分选算法一般使用一个或多个脉间参数进行分选。该类分选方法主要分为两级，第一级分选是利用脉冲描述字进行预分选，即多参数分选；经过预处理后的脉冲信号密度被稀释，再进一步对脉冲重复间隔(Pulse RepetitionInterval,PRI)进行主分选；完成PRI分选后，进入第三级对特殊信号如频率捷变、PRI交错的信号进行分析。例如序列差值直方图法(Sequence Difference Histogram,SDIF)通过设置合理的检测阈值，从而只需对脉冲到达时间的各阶差值进行直方图统计就能估计出潜在的PRI。直方图法在遇到PRI滑变、PRI抖动的场景时性能严重下降。平面变换技术是将混合信号变换到特定二维平面进行处理，找出子信号在平面图形与信号参数大小的关系，最后达到分选出子信号的目的。上述方法是利用单侦察接收机接收雷达对抗情报，通过分析信号各参数，寻找同一雷达信号的相似性和不同雷达信号的差异性来完成分选的。随着电磁环境的日益复杂，出现的脉冲参数交叠严重，脉间信息关联性弱的问题使这类方法在多辐射源的情况下鲁棒性不足，难以准确提取特征曲线上的点。

发明内容

本发明的目的在于，为克服现有技术缺陷，提供了基于点云检测的辐射源信号分选方法、装置、设备及介质,旨在快速、准确且自适应的提取目标信号特征曲线，实现单站体制下的辐射源高精度分选。

本发明目的通过下述技术方案来实现：

一种基于点云检测的辐射源信号分选方法，所述方法包括：

响应于接收到的雷达脉冲序列，选取多个预设取值范围内的变换长度，使用不同变换长度变换得到二维散点图；

对得到的二维散点图使用随机抽样提取特征曲线；

合并二维散点图中斜率一致的脉冲序列；

提取脉冲序列的脉冲重复间隔并确定辐射源类型。

进一步的，所述斜率一致的脉冲序列包括平行的脉冲序列和斜率相差不超过一定阈值的脉冲序列。

进一步的，所述对得到的二维散点图使用随机抽样提取特征曲线具体包括：

计算最大迭代次数；

在当前二维散点图中随机选择若干样本点，并任选其中两个点计算对应直线斜率和截距；

计算若干样本点到计算得到的直线的距离，统计距离小于预设阈值的样本点作为本轮迭代的内点；

当内点个数最大且与总样本点的比例大于一定阈值时，保存当前模型为最优模型；

当迭代次数达到最大迭代次数时停止迭代。

进一步的，所述计算最大迭代次数包括：