李梓瑞

摘 要 为了研究雷达信号提取和分类识别问题，军事自动化控制和指挥系统的强烈需求是雷达辐射源的有效分类识别。在现代雷达体制下，针对复杂信号的低截获特性，提出了一种新的分类识别方法，以提高雷达辐射源信号的个体识别率。信号脉冲无意调制特征的信号各频带能量可以由小波包变换提取反应，通过泛化能力和学习能力都很强的混合核函数支持向量机进行分类识别并进行仿真。仿真结果证明，这样做有利于提高识别效率，证明其方法的有效性和可行性，且性能优于传统方法。

关键词 雷达辐射信号；小波包；混合核函数；雷达辐射源；分类识别

中图分类号 TN95 文献标识码 A 文章编号 1674-6708（2017）180-0028-02

雷达最初是军事侦察的一种遥测系统，用于目标的检测、定位与测距。随着雷达技术的发展，它已广泛应用于生产生活的各个方面，尽管如此，如何从雷达提供的数据中识别所检测的目标一直没有解决。

在复杂多变的现代电子战对抗环境下，雷达辐射源信号识别不仅可以用于电子侦察，还可以作为判断敌方武器威胁的依据，在雷达对抗过程乃至整个电子战中都做出了巨大贡献。随着时代的发展，现代社会对于信号识别方法的要求越来越高，顺应时代发展与社会需求，研究并探讨脉内无意调制UMOP的特征，探索理恰当的信号识别方法。

现代战争中，雷达是取得军事优势的重要装备。雷达侦察作为雷达对抗的主要内容之一，在掌握敌方雷达类型、功能，甚至获知敌方兵种和武器部署中已成为各级指挥员的“眼睛”和“耳朵”。雷达辐射源信号的识别在雷达侦察信号处理系统中是最重要、最关键的环节。因此，现阶段衡量雷达对抗设备主要技术水平的重要标志就是识别雷达辐射源信号水平的高低。随着雷达的广泛应用和雷达电子对抗激烈程度的不断加剧，在高密度、高复杂波形、宽频谱捷变的雷达信号环境中，传统的雷达辐射源信号识别方法已无法满足现代社会的需要。因此，国内外各大学者就这一研究领域做了一系列系统深入的研究，其中绝大部分是对雷达辐射源的信号特征的研究，都在尝试探寻新的特征提取方法，期待着能发现新特征参数，从而弥补传统五参数（脉冲宽度、脉冲幅度、载频、脉冲到达时问、脉冲到達方向）的缺陷，目前提出的新特征已有数十种。但面对数量如此众多的雷达辐射源信号新特征，其效能如何，如何甑选是目前重要又迫切需要解决的一个难题。

雷达辐射源信号分选既是现代高技术战争以及未来信息化战争极为重要的环节，也是电子对抗、网络中心战中感知和多模复合制导当中被动雷达寻找器的关键技术，还是电子情报侦查系统以及电子支援系统当中的重要技术。现如今，雷达的低截获概率技术、多参数捷变以及脉内波形变换等技术的迅速发展，多种抗干扰技术以及各种工作体制的综合应用为特征的新的雷达信号环境，对于雷达信号分选提出了严峻挑战。

信号频带特征优于传统分类特征之处，在于其能通过小波包变换提取的信号准确反映UMOP特征，进而准确识别雷达辐射源个体信号。混合核函数支持向量积与传统支持向量机存在较强的学习能力和泛化能力的共同优势，但前者具备更好的分类能力

1 关于不同类型UMOP特征

1.1 杂散输出

在雷达信号输出的过程当中，也会输出很多杂散信号。为了非线性设备可以顺利运行，频率合成器会生成大量的杂散频率分量。

1.2 脉冲包络

由于分布电容和引线电感，以及工作电压和电流不断变化等一些无法避免的因素的干扰，而脉冲调制器的输出包络无法形成理想状况下有稳定频率的矩形。脉冲调制器是雷达系统的关键设备，同一脉冲调制器可产生唯一的、稳定的脉冲包络。

1.3 频率漂移

因受到标准频率和输出频率与发射的过程、发射机使用年限以及温度差异等诸多因素都会干扰脉冲频率并使其改变。同一雷达工作时采用不同的频率，输出功率会因为工作频率的发生的变化而变化，但相对偏差是一定的。而个体雷达信号识别的UMOP特征是唯一且固定的频率漂移。

运用的滤波器不同，能够使设备与耦合电路形成的稳定且唯一的杂散信号有效降低。

笔者认为，频率漂移、脉冲包络以及杂散输出都属于UMOP特性。

由上可知，UMOP特性包括脉冲包络、频率漂移和杂散输出。

2 如何使算法得以实现

伴随社会发展，雷达的有意调制方式也日益增多，调制方式的不同，其调制参数也是各不相同。因有意调制所具备的多样化特征可以使用不同的调制参数使得UMOP也呈现出多样化的特征。在预处理过程中完成，将有意调制方式进行相应地分类、归一化，并对相同波形以及相同参数的同个雷达发射器雷达辐射源的个体进行逐个识别，并通过小波变换与分解双向选择最终提取出具体的特征。混合核函数支持向量机可以实现雷达辐射源个体分类识别。

2.1 预处理

雷达辐射源个体识别的基础就是调制方式识别。归一化可以简化识别过程，避免参数的影响，是雷达辐射源识别极其关键的一个步骤。同一调制类型脉冲，要对幅度、时间、频率归一化，可以避免发生雷达辐射源个体识别受到信号幅度延迟和频率影响的这一现象。归一化的整个过程是一致的，从而使得雷达辐射源个体识别不会受到参数估计误差的影响。

2.2 小波包变换

目前，小波变换延伸方法在信号特征提取方面得到了广泛的应用。为了实现信号的多分辨分析，可以通过小波变换，分解信号使之成为两部分，即高频与低频。再将低频部分进行再一次分辨，如此反复，便可做到。所谓的，小波变换延伸则被称之为离散小波变换，所谓的信号离散逼近被称之为低频部分，而所谓的离散细节则被称之为高频部分。

2.3 分析混合核函数的支持向量机

SVM在函数拟合时表现出的效果非常好。SVM一旦选取核函数，SVM的诸多特性则取决于核函数的类型。SVM所用核函数决定了它的非线性水平。核函数，是在满足Mecer条件的基础上，由局部和全局两部分核函数共同组建而成。径向核函数属于较为典型的局部核函数，而多项式核函数则隶属于较为典型的全局核函数。

从学习能力方面来看，学习能力较强的是局部性核函数，而学习能力较弱的是全局性核函数；从泛化性能方面来说，局部性核函数泛化性能较弱，而全局性核函数泛化性强。因此把这两类核函数混合起来，验证混合核函数能否取两者的优点，从促进识别率得到较为显著的提升。就雷达辐射源信号方面来讲，将分类能力较强的频带能量特征提取出来，并将其优化可使其有效地支持向量机，在同等实验条件的基础上，在分类识别雷达辐射源信号方面，是不是会比传统识别方法的效果更加理想，需要在仿真实验的基础上来进行验证。

3 对仿真进行分析

在同等的实验条件下，科学地分类识别三种低截获脉冲雷达所发射的正弦波个体信号，结果显示不同雷达会产生不同的包络以及400个脉冲的偏移频率，但这众多的包络和偏移频率的相同之处却极多。因此，我们也发现条件同等的基础上相位噪声与杂散输出间产生的UMOP特征是相 同的。

4 结论

就全文而言，雷达辐射源个体主要由小波包变换和混合核函数支持向量机识别，由仿真结果不难看出该方法确实是优于传统的识别方法的，识别率得到了显著提升。对于不同样本，运用不同小波滤波器获取的识别率也是比较稳定的。因此，若在军事指挥控制系统当中运用此法，其实用性是较强的，值得大范围内推广应用。

参考文献

[1]刘洛琨，昆英，许家栋.一种带有二次调制信号的调制识别算法与仿真[J].计算机仿真，2008，25（1）：74-76，125.

[2]崔建国，李一波，李忠海.基于小波包与支持向量机的复杂信号模式识别[J].数据采集与处理，2008，23（2）：163-167.

[3]褚建明.中职计算机专业实践教学问题与对策研究[J].内蒙古教育：职教版，2016（1）：45-46.

[4]向海飞.雷达地物回波统计特征参数提取与成像方法研究[D].成都：电子科技大学，2012.