在非合作接收场景中,对于一些特殊信号,在输出目标数据时会产生脉冲分裂现象,使得无法及时掌握目标真实参数。这是由于脉冲内部的幅度存在起伏,当信号到达接收设备时,同一脉冲幅度高的位置超过了接收设备灵敏度,幅度低的位置未达到灵敏...在非合作接收场景中,对于一些特殊信号,在输出目标数据时会产生脉冲分裂现象,使得无法及时掌握目标真实参数。这是由于脉冲内部的幅度存在起伏,当信号到达接收设备时,同一脉冲幅度高的位置超过了接收设备灵敏度,幅度低的位置未达到灵敏度造成的。针对这一问题,本文以脉内线性调频的雷达信号为例,深入分析了雷达脉冲分裂信号的内在规律,并在此基础上提出了分选与参数估计方法。本方法首先基于脉冲流的到达时间差分(differenceoftimeofarrival,DTOA)、频率(radiofrequency,RF)和脉冲宽度(pulse width, PW),利用双向长短时记忆网络(bidirectional long short-term memory,BLSTM),学习信号复杂的内在规律,提取多个参数之间的耦合关系,进而将属于同一目标的分裂脉冲从脉冲流中分选出来;再结合波形设计原理,基于分选后脉冲流的到达时间(time of arrival, TOA)、RF和PW,通过聚类和类间估计结果共享,反演得到雷达信号真实参数。仿真结果表明,本文所提的分选方法对于脉内线性调频的雷达脉冲分裂信号,具有极佳的分选效果;本文的参数估计方法,基于分选后的脉冲流数据,对原始信号斜率、RF、PW和PRI都有理想的估计结果。展开更多
文摘在非合作接收场景中,对于一些特殊信号,在输出目标数据时会产生脉冲分裂现象,使得无法及时掌握目标真实参数。这是由于脉冲内部的幅度存在起伏,当信号到达接收设备时,同一脉冲幅度高的位置超过了接收设备灵敏度,幅度低的位置未达到灵敏度造成的。针对这一问题,本文以脉内线性调频的雷达信号为例,深入分析了雷达脉冲分裂信号的内在规律,并在此基础上提出了分选与参数估计方法。本方法首先基于脉冲流的到达时间差分(differenceoftimeofarrival,DTOA)、频率(radiofrequency,RF)和脉冲宽度(pulse width, PW),利用双向长短时记忆网络(bidirectional long short-term memory,BLSTM),学习信号复杂的内在规律,提取多个参数之间的耦合关系,进而将属于同一目标的分裂脉冲从脉冲流中分选出来;再结合波形设计原理,基于分选后脉冲流的到达时间(time of arrival, TOA)、RF和PW,通过聚类和类间估计结果共享,反演得到雷达信号真实参数。仿真结果表明,本文所提的分选方法对于脉内线性调频的雷达脉冲分裂信号,具有极佳的分选效果;本文的参数估计方法,基于分选后的脉冲流数据,对原始信号斜率、RF、PW和PRI都有理想的估计结果。
