基于干擾機功率放大器特性的有源欺騙干擾識別方法

唐 娟 冉 智 趙 源 唐 斌

(1.電子科技大學電子工程學院，成都，611731； 2.國網(wǎng)內(nèi)江供電公司信通分公司，內(nèi)江，641100)

基于干擾機功率放大器特性的有源欺騙干擾識別方法

唐 娟1,2冉 智1趙 源1唐 斌1

(1.電子科技大學電子工程學院，成都，611731； 2.國網(wǎng)內(nèi)江供電公司信通分公司，內(nèi)江，641100)

針對對空情報雷達的有源欺騙干擾與目標回波高度相似，導(dǎo)致識別有源欺騙干擾難度較大的現(xiàn)狀，提出了一種基于干擾機功率放大器非線性特性的有源欺騙干擾識別方法。提取分段自相關(guān)最大值方差和奇異譜熵兩個特征，用這兩個特征聯(lián)合識別有源欺騙干擾。仿真結(jié)果表明，在信噪比大于等于8 dB時，欺騙干擾識別概率能達到100%，能夠滿足實際工程需要。

有源欺騙干擾識別；功率放大器；特征提取

引 言

雷達電子戰(zhàn)的源頭能夠追溯至第二次世界大戰(zhàn)。在二戰(zhàn)期間，雙方戰(zhàn)機損失很嚴重，為了降低損失，雷達就運用到各種各樣的軍事裝備上，這樣就產(chǎn)生了雷達電子戰(zhàn)。在以后的多次戰(zhàn)爭中，雷達電子戰(zhàn)都發(fā)揮了至關(guān)重要的作用，所以雷達電子戰(zhàn)不僅在當前而且在未來的各種軍事戰(zhàn)爭中都將發(fā)揮至關(guān)重要的作用。數(shù)字儲頻技術(shù)的發(fā)展使對空情報雷達有源欺騙干擾與目標回波越來越相似，研究有源欺騙干擾與目標回波的差異顯得尤為重要。目前國內(nèi)外針對有源欺騙干擾識別方法的研究主要集中在特征提取上。Berge S D[1]系統(tǒng)地分析了在數(shù)字射頻存儲器(Digital radio frequency memory,DRFM)數(shù)字特性的影響下，拖引時延函數(shù)由理想情況下的線性函數(shù)改變?yōu)殡A梯形函數(shù)，并研究了此時線性距離拖引干擾(Range gate pull-off,RGPO)信號的時域模型和頻域特征。Greco M等[2]在此基礎(chǔ)上，進一步分析了由DRFM產(chǎn)生的RGPO干擾信號受DRFM相位量化及時延函數(shù)離散化后在頻域上的特征，得出時延量化給干擾信號帶來的影響與相位量化的影響相比可以忽略，尤其在相位量化位數(shù)較少時。然而，隨著DRFM量化位數(shù)的提高，量化所帶來的誤差越來越小，只分析量化所帶來的誤差顯然不能滿足實際需求。李建勛[3-6]研究了有源欺騙干擾的高階累積量與雙譜特征，在一定程度上能區(qū)分有源欺騙干擾和目標回波。粘朋雷[7]提出了基于短時分數(shù)階傅里葉變換的欺騙干擾識別方法，但此方法僅針對線性調(diào)頻脈沖壓縮引信。閆琰[8]提出了基于多維特征處理識別欺騙干擾，在時域、頻域、小波域和雙譜域提取特征分析了有源欺騙干擾與目標回波，但未對這些特征的物理意義給出說明。甘一鳴[9]提出了基于射頻功放建模的欺騙干擾識別方法，利用Hammerstein模型對射頻功放進行非線性建模，用模型參數(shù)作為提取的特征向量，但其只考慮了功放的非線性，沒有考慮其記憶性。郭波[10]提出了短時滑窗方式的分數(shù)階傅里葉濾波方法，提供一種低信噪比情況下線性調(diào)頻信號的檢測準則，但該方法只能用于線性調(diào)頻信號。祝宏[11]研究了基于粒子濾波抗欺騙干擾，但該算法運算量比較大，不易工程實現(xiàn)。田曉[12]分析了干擾機的指紋特征，研究了基于子空間的特征提取方法。因此，基于雷達有源欺騙干擾與目標回波之間差異的干擾識別方法可為后續(xù)干擾抑制提供先驗信息，算法的有效性顯得尤為重要。

本文首先給出基于干擾機功率放大器特性的有源欺騙干擾模型，然后對欺騙干擾與目標回波的分段自相關(guān)最大值方差和奇異譜熵兩個特征進行分析比較。在此基礎(chǔ)上，研究可以用于識別有源欺騙干擾的特征提取方法，最后仿真驗證了所提取特征的有效性。

1 基于干擾機功率放大器特性的有源欺騙干擾模型

當對空情報雷達工作在跟蹤狀態(tài)時，干擾機在產(chǎn)生有源欺騙干擾時一般僅進行距離調(diào)制，通過轉(zhuǎn)發(fā)截獲的雷達信號形成干擾。設(shè)在沒有噪聲的情況下，干擾機截獲到的雷達單次掃描期間發(fā)射的線性調(diào)頻信號的解析形式為

(1)

式中：A為發(fā)射信號幅度，f0為發(fā)射信號中心頻率，k為調(diào)頻斜率。

由文獻[12]可知，在干擾機的模塊電路中，功率放大器引入的非線性失真是所有器件中最大的。假定干擾機的其他模塊都工作在理想情況，僅研究基于干擾機功率放大器特性的有源欺騙干擾模型，提取欺騙干擾的細微特征，用于欺騙式干擾的識別。

設(shè)干擾機功率放大器的輸入和輸出信號分別為x(n)和y(n)，由文獻[13]可知，工作在丙類的干擾機功率放大器的離散記憶多項式模型可以表示為

(2)

將干擾機接收到的雷達發(fā)射信號通過功率放大器，可以得到放大器的輸出信號為

(3)

則雷達接收機接收到的欺騙干擾信號為

(4)

式中：Aj為干擾機電壓放大器的放大倍數(shù)，Nj為干擾信號延時產(chǎn)生的點數(shù)，?表示卷積。

對空情報雷達單次掃描期間接收機目標回波信號模型為

(5)

式中：Nr為目標回波延時對應(yīng)的點數(shù)，fr為目標的多普勒頻率，Ar為目標回波幅度的衰減量。

由式(3)可以看出，雷達有源欺騙干擾是多個頻率很小的正弦信號與發(fā)射信號相乘之后的疊加，且正弦信號的頻率和幅度分別與干擾機功率放大器的記憶項、階次和系數(shù)有關(guān)系，這使有源欺騙干擾帶有放大器的細微特征，通過分析這些細微特征，可為區(qū)分有源欺騙干擾和目標回波提供依據(jù)。

2 欺騙干擾與目標回波特征

2.1 分段自相關(guān)最大值方差

分段自相關(guān)最大值方差能反映信號時域能量分布的均衡性，信號時域能量分布越均勻，其值越小，反之越大。由第1節(jié)分析可知，欺騙干擾攜帶了干擾機的細微特征，使得欺騙干擾時域能量分布不均勻，所以可以通過分析欺騙干擾和目標回波在分段自相關(guān)最大值方差的差異來區(qū)分兩者。

設(shè)目標回波信號脈內(nèi)總長度為N，用長度為M的矩形窗將雷達接收的目標回波信號分為L段，且N=M×L，則目標回波的第i段數(shù)據(jù)為

(6)

式中1≤i≤L。令ki(n)=n+(i-1)M-Nr，則有

(7)

則回波信號每段的自相關(guān)最大值為

(8)

由式(8)可以看出，目標回波分段的每一段自相關(guān)最大值都是恒定的，且與目標回波幅度相關(guān)，說明目標回波在時域上能量分布均勻，則其分段自相關(guān)最大值方差應(yīng)該為0。

同理，將脈內(nèi)長度為N的欺騙干擾信號分成L段，每一段長度為M，且N=M×L，則欺騙干擾第i段信號為

(9)

式中fi(n)=n+(i-1)M-Nj，則其自相關(guān)最大值為

(10)

對式(10)，當k=k1,m=m1時，產(chǎn)生平方

(11)

對于確定的干擾機，式(11)為一常數(shù)，與分段無關(guān)。

當k1m1≠km時，產(chǎn)生交叉項

(12)

由式(11，12)知，欺騙式干擾的自相關(guān)最大值為

(13)

由式(13)可以看出，有源欺騙干擾的自相關(guān)最大值當k1m1≠km時會產(chǎn)生交叉項，該交叉項與分段有關(guān)，導(dǎo)致有源欺騙干擾分段每一段的自相關(guān)最大值不同。這樣，各段自相關(guān)最大值的方差應(yīng)該大于0，而目標回波各段自相關(guān)最大值的方差應(yīng)該等于0。所以可以用自相關(guān)最大值方差來區(qū)分欺騙干擾和目標回波。

因此定義自相關(guān)最大值方差v為

(14)

式中：var表示求各段自相關(guān)最大值的方差。

2.2 奇異譜熵

奇異譜信息熵可以表征信號所攜帶信息量的多少，信號所攜帶的信息越多，奇異譜信息熵值越大，說明信號越復(fù)雜。由于欺騙干擾攜帶了干擾機功率放大器的微弱信息，導(dǎo)致其攜帶的信息要比目標回波多，所以可以用奇異譜信息熵來區(qū)分目標回波和有源欺騙干擾。與2.1節(jié)類似，將雷達接收機接收的長度為N的脈內(nèi)信號分成L段，每段長度為M，將這L段數(shù)據(jù)形成L×M維矩陣C，求得A的奇異值譜σi(i=1,2，…，k,k≤L)，奇異譜中非零特征值σi與信號頻率分布情況有很大的聯(lián)系，其維數(shù)越高，表示分布越復(fù)雜，維數(shù)越低，表示分布越簡單。定義時域空間信息的奇異譜熵為

(15)

由式(3)知，雷達有源欺騙干擾為多個頻率很小的正弦信號與發(fā)射信號相乘之后的疊加，且這些正弦信號與干擾機功率放大器相關(guān)，這使有源欺騙干擾帶有放大器的細微特征，所以雷達有源欺騙干擾攜帶的信息比目標回波豐富，其奇異譜熵比目標回波大，因此可以用奇異譜熵H區(qū)分目標回波和欺騙干擾。

2.3 特征組合

通過對有源欺騙干擾和目標回波的分析，定義分段自相關(guān)最大值方差和奇異譜熵這兩組特征因子[14]，從此實現(xiàn)有源欺騙干擾和目標回波信號的識別。

圖1 算法流程Fig．1 Algorithmic flow

3 仿真驗證

設(shè)雷達工作在L波段，載頻為1 500 MHz，發(fā)射的線性調(diào)頻信號帶寬為10 MHz，脈寬為5 μs，采樣率為100 MHz，脈沖重復(fù)周期為500 μs，取5 dB≤SNR≤20 dB，此信噪比為目標回波(或者欺騙干擾)與噪聲的功率之比。

根據(jù)文獻[13]，綜合計算量與相似性考慮，取功率放大器的記憶多項式模型階數(shù)為3，記憶深度為2，根據(jù)某實測數(shù)據(jù)得到功率放大器記憶多項式模型參數(shù)，用該模型仿真提取特征，當欺騙干擾和目標回波信號不重疊時，其分段自相關(guān)最大值方差和奇異譜熵值結(jié)果分別如圖2，3所示。

圖2 分段自相關(guān)最大值方差Fig．2 Segmentation autocorrelation maximum variance

圖3 奇異譜熵Fig．3 Singular spectrum entropy

由圖2可以看出，目標回波的分段自相關(guān)最大值方差在零附近，而有源欺騙干擾的分段自相關(guān)最大值方差大于零，兩者有明顯的區(qū)別。由圖3可以看出，奇異譜熵也能在一定程度上區(qū)分欺騙式干擾和目標回波，而且隨著信噪比的提高，兩者的差異趨向平穩(wěn)，所以可以通過這兩個特征聯(lián)合來區(qū)分目標回波和有源欺騙干擾。當目標回波和欺騙干擾重疊30%時，其分段自相關(guān)最大值方差和奇異譜熵結(jié)果分別如圖4，5所示。

圖4 分段自相關(guān)最大值方差Fig．4 Segmentation autocorrelation maximum variance

圖5 奇異譜熵Fig．5 Singular spectrum entropy

當目標回波和欺騙干擾重疊50%時，其分段自相關(guān)最大值方差和奇異譜熵結(jié)果分別如圖6，7所示。

由圖4～7可以看出，隨著目標回波和欺騙干擾重疊部分的增多，分段自相關(guān)最大值方差和奇異譜熵區(qū)分目標回波和欺騙干擾的性能明顯下降。這是因為當目標回波和欺騙干擾重疊時，可利用的信息變少，使得欺騙干擾所攜帶的一部分放大器的微弱特征丟失，導(dǎo)致欺騙干擾和目標回波更加相似，所以兩個特征的性能下降。

利用上述兩個特征聯(lián)合來區(qū)分有源欺騙干擾和目標回波，能提高識別的穩(wěn)定性。用特征μ來識別欺騙干擾和目標回波，取λ=0.5。當目標回波和欺騙干擾不重疊時，做400次蒙特卡洛實驗得到的有源欺騙干擾識別概率圖形如圖8所示。由圖8可知，利用分段自相關(guān)最大值方差與奇異譜熵相結(jié)合來區(qū)分目標回波和欺騙干擾，在信噪比大于8 dB，且目標回波和欺騙干擾不重疊時，識別概率可達到100%，能有效識別出欺騙式干擾。但在信噪較小時，由于噪聲的影響，使得聯(lián)合特征區(qū)別不大，很難區(qū)分出目標回波和欺騙干擾，以至于在信噪比小于5 dB時，識別概率不高。

圖6 分段自相關(guān)最大值方差Fig．6 Segmentation autocorrelation maximum variance

圖7 奇異譜熵Fig．7 Singular spectrum entropy

圖8 聯(lián)合特征識別概率Fig．8 Joint feature recognition probability

4 結(jié)束語

本文基于干擾機功率放大器特性分析了有源欺騙干擾和目標回標，研究了目標回波和欺騙干擾在分段自相關(guān)最大值方差和奇異譜熵兩個特征上的差異。仿真結(jié)果表明，提取的特征因子可以體現(xiàn)欺騙干擾和目標回波的差異。當目標回波和欺騙干擾不重疊時，在信噪比大于8 dB時，欺騙干擾的識別概率可以達到100%，但在低信噪比下性能有待改進。下一步將在單個欺騙干擾特征提取的基礎(chǔ)上研究低信噪比下識別欺騙干擾以及抗密集轉(zhuǎn)發(fā)式干擾。

[1] Berger S D. Digital radio frequency memory linear range gatestealer spectrum[J].Aerospace and Electronic Systems,IEEE Trans on,2003,39(2):725-735.

[2] Greco M，Gini F，F(xiàn)arina A，et al. Effect of phase and rangegate pull off delay quantisation on jammer signal[J].IEE Proc Radar Sonar Navig,2006,153(5):454-459.

[3] 李建勛，唐斌，呂強. 雙譜特征提取在欺騙式干擾方式識別中的應(yīng)用研究[J].電子科技大學學報，2009,38(3):329-332.

Li Jianxun,Tang Bin,Lü Qiang. Bispectrum feature extraction used in deceptive jamming modes recognition[J].Journal of University of Electronic Science and Technology of China,2009,38(3):329-332.

[4] 呂強，李建勛，秦江敏，等. 基于神經(jīng)網(wǎng)絡(luò)的雷達抗轉(zhuǎn)發(fā)式距離欺騙干擾方法[J].系統(tǒng)工程與電子技術(shù)，2005,27(2):240-243.

Lü Qiang,Li Jianxun,Qin Jiangmin,et al. Method against radar's transmitting deceptive jamming in distance based on neural network[J].Systems Engineering and Electronics,2005,27(2):240-243.

[5] 李建勛，秦江敏，馬曉巖. 雷達抗應(yīng)答式欺騙干擾中的特征提取研究[J].空軍雷達學院學報，2004,18(2):4-7.

Li Jianxun,Qin Jiangmin,Ma Xiaoyan. Study of feature extraction in radar anti-answering-deception-jamming[J].Journal of Air Force Early Warning Academy,2004,18(2):4-7.

[6] 李建勛，秦江敏，馬曉巖. 基于神經(jīng)網(wǎng)絡(luò)的雷達抗應(yīng)答式欺騙干擾方法[J].空軍雷達學院學報，2003,17(4):19-21.

Li Jianxun,Qin Jiangmin,Ma Xiaoyan. A method of radar anti-deception-jamming based on neural network[J].Journal of Air Force Early Warning Academy,2003,17(4):19-21.

[7] 粘朋雷，李國林，李飛.基于STFRFT的LFM引信抗欺騙干擾方法[J].海軍航空工程學院學報，2015，30(2)：111-115.

Nian Penglei,Li Guolin,Li Fei. Deception jamming suppression method of LFM fuze based on STFRFT[J].Journal of Naval Aeronautical and Astronautical University,2015,30(2):111-115.

[8] 閆琰.基于多維特征處理的雷達有源干擾識別技術(shù)[D].西安：西安電子科技大學，2014.

Yan Yan. Multi-feature-based identification of active jamming[D].Xi′an: Xidian University,2014.

[9] 甘一鳴，孫閩紅，鄭琴，等.基于射頻功放非線性建模的欺騙干擾識別[J].艦船電子對抗，2014,37(4):1-9.

Gan Yiming,Sun Minhong,Zheng Qin,et al. Deception jamming identification based on nonlinear modeling of RF power amplifier[J].Shipboard Electronic Countermeasure,2014,37(4):1-9.

[10]郭波，宋李彬，周貴良. 分數(shù)階傅里葉濾波在欺騙干擾中的應(yīng)用研究[J].電子學報，2012,40(7):1328-1332.

Guo Bo,Song Libin,Zhou Guiliang. Application research on fractional fourier filtering in deception jamming[J].Acta Electronica Sinica,2012,40(7):1328-1332.

[11]祝宏，張海，唐高弟，等.一種基于粒子濾波的雷達抗欺騙干擾方法[J].強激光與粒子束，2014,26(11)：1-5.

Zhu Hong,Zhang Hai,Tang Gaodi,et al. Method against radar's deception jamming based on particle filter[J].High Power Laser and Particle Beams，2014,26(11)：1-5.

[12]田曉.雷達有源欺騙干擾綜合感知方法研究[D].成都：電子科技大學，2013.

Tian Xiao. Study on the method of radar active deception jamming integrated sensing[D].Chengdu: University of Electronic Science and Technology of China,2013.

[13]詹鵬.射頻功放數(shù)字預(yù)失真線性化技術(shù)研究[D].成都：電子科技大學，2012.

Zhan Peng. Study on digital predistortion linearization technique for radio frequency power amplifiers[D].Chengdu: University of Electronic Science and Technology of China,2012.

[14]Lu G,Tang T,Gui G. Deception ECM signals cancellation processor with joint time-frequency pulse diversity[J].IEICE Electronics Express,2011,8:1608-1613.

[15]Yongping L,Ying X,Tang B. SMSP jamming identification based on matched signal transform[C]∥2011 International Conference on Computational Problem-Solving (ICCP).[S.l.]:IEEEXPLore,2011:182-185.

Active Deceptive Jamming Identification Based on Jammer′s Power Amplifier Character

Tang Juan1,2, Ran Zhi1, Zhao Yuan1, Tang Bin1

(1.College of Electronic Engineering, University of Electronic Science and Technology of China, Chengdu, 611731, China; 2.State Grid Neijiang Power Supply Company Information & Telecommunication Branch, Neijiang, 641100, China)

The high similarity between active deceptive jamming and echo of air surveillance radar results in the difficulty in identificating the active deception jamming. Based on jammer′s power amplifier nonlinear characters, a new active deceptive jamming identification method is proposed by extracting piecewise autocorrelation maximum variance and singular value spectral entropy of radar receiving signal. Simulation shows that the recognition probability for deceptive jamming is 100% with signal-to-noise ratio of 8 dB, meeting the actual engineering needs.

active deceptive jamming recognition; power amplifier; feature extraction

總裝預(yù)研基金資助項目。

2015-05-28；

2017-02-28

TP391

A

唐娟(1989-)，女，碩士研究生，研究方向：雷達有源欺騙干擾反對抗技術(shù)。

趙源(1991-)，男，博士研究生，研究方向：組網(wǎng)雷達抗有源干擾技術(shù)。

唐斌(1964-)，男，博士，教授，博士生導(dǎo)師，研究方向：電子對抗技術(shù)與系統(tǒng)、雷達抗干擾技術(shù)等，E-mail：bint@uestc.edu.cn。