雷達輻射源信號個體差異分析方法與流程

本發明是一種雷達輻射源信號個體差異分析方法，用于提高對雷達輻射源的唯一識別準確率。

背景技術：

面對日益密集、復雜的雷達信號環境，對雷達輻射源信號進行分選、識別以及唯一確定一部雷達輻射源的難度越來越大，特別是對于具有相同調制樣式和調制參數的雷達信號識別，僅依賴脈內有意調制特征已顯得力不從心。而雷達輻射源的脈內無意調制特征是其固有屬性，不可改變且各不相同，因此，對調制樣式、調制參數均相同的雷達輻射源進行個體差異特征的分析，是當前亟需解決的一個問題。

Wigner三階譜能同時從時域和頻域描述信號的高階譜特性，更適合挖掘信號之間的細微差異，是分析雷達信號個體差異的有利手段。通過將三階譜投影圖轉化為灰度圖，保留三階譜的全部信息，然后對該灰度圖提取SIFT特征，并通過SIFT特征匹配實現雷達輻射源信號的個體差異識別。

技術實現要素：

(1)對接收到的雷達輻射源信號求取Wigner三階譜；

(2)將Wigner三階譜轉化為灰度圖；

(3)構造灰度圖的SIFT特征描述子；

(4)對不同信號之間進行SIFT特征匹配；

(5)基于匹配點數實現雷達輻射源信號唯一識別。

附圖說明

附圖1是本發明的流程圖。參照附圖1，本發明的流程由對接收到的雷達輻射源信號求取Wigner三階譜、將Wigner三階譜轉化為灰度圖、構造灰度圖的SIFT特征描述子、對不同信號之間進行SIFT特征匹配以及基于匹配點數實現雷達輻射源信號唯一識別5個部分組成。其中1用于將接收到的雷達輻射源信號求取Wigner三階譜；2用于將Wigner三階譜轉化為灰度圖；3用于構造灰度圖的SIFT特征描述子；4用于對不同信號之間進行SIFT特征匹配；5用于基于匹配點數實現雷達輻射源信號唯一識別。

附圖2是信號兩兩之間的準確匹配點數的統計圖，圖2中橫坐標為信號序列，縱坐標為準確匹配的點數。

具體實施方式

實施本發明的原理如下：對雷達信號求取Wigner三階譜，然后將其轉換為灰度圖，基于提取的SIFT特征，實現對不同雷達信號之間的匹配識別。本發明對相同調制樣式和參數的不同雷達輻射源信號，可以實現個體差異的分析與唯一識別。

(1)對接收到的雷達輻射源信號，求取其Wigner高階譜

$M_{Wkx}(t,{\mathrm{\ω}}_1,\mathrm{...},{\mathrm{\ω}}_k){\∫}_{{\mathrm{\τ}}_1}\mathrm{...}{\∫}_{{\mathrm{\τ}}_k}\[X*(t-\frac{1}{k+1}\underset{i=1}{\overset{k}{\Σ}}{\mathrm{\τ}}_i)*\underset{i=1}{\overset{k}{\Π}}X(t+{\mathrm{\τ}}_i-\frac{1}{k+1}\underset{i=1}{\overset{k}{\Σ}}{\mathrm{\τ}}_i)\]*e^{-j\underset{i=1}{\overset{k}{\Σ}}{\mathrm{\ω}}_i{\mathrm{\τ}}_i}{d}_{{\mathrm{\τ}}_1}\mathrm{...}{d}_{\mathrm{\τ}k}---\left(1\right)$

式(1)中，X(t)表示接收到的雷達輻射源信號。

當k取為3時，可以得到Wigner分布的三階譜。

$M_{W3x}(t,{\mathrm{\ω}}_1,\mathrm{...},{\mathrm{\ω}}_3)={\∫}_{{\mathrm{\τ}}_1}\mathrm{...}{\∫}_{{\mathrm{\τ}}_3}\[X*(t-\mathrm{\τ})X(t-\mathrm{\τ}+{\mathrm{\τ}}_1)*X(t-\mathrm{\τ}+{\mathrm{\τ}}_2)X(t-\mathrm{\τ}+{\mathrm{\τ}}_3)\]*e^{-j\underset{i=1}{\overset{3}{\Σ}}{\mathrm{\ω}}_i{\mathrm{\τ}}_i}{d}_{{\mathrm{\τ}}_1}\mathrm{...}{d}_{{\mathrm{\τ}}_3}---\left(2\right)$

(2)將Wigner三階譜轉化為灰度圖

由于雷達輻射源信號的Wigner三階譜投影圖可以充分反映信號的個體特征，因此從圖像處理的角度出發，將Wigner三階譜投影圖轉化為灰度圖，保留了其全部信息。

(3)構造灰度圖的SIFT特征描述子，具體過程為：首先建立尺度空間、檢測特征點，DoG算子為兩個不同尺度的高斯核的差分，具有計算簡單的優點，其定義如下

D(x,y,σ)＝(G(x,y,kσ)-G(x,y,σ))*I(x,y)

＝L(x,y,kσ)-L(x,y,σ) (3)

特征點的檢測則是對DoG尺度空間產生特征點圖層的每個像素點與相鄰尺度、相鄰位置的像素點逐個進行比較，得到的局部極值位置作為關鍵點所處的位置和對應的尺度。

其次對特征點進行精確定位，具體包括剔除低對比度的特征點和剔除位于圖像邊緣的特征點兩個環節。然后再確定特征點梯度幅值和方向

$m(x,y)=\sqrt{{\left(L\right(x+1,y)-L(x-1,y\left)\right)}^2+{\left(L\right(x,y+1)-L(x,y-1\left)\right)}^2}$

$\mathrm{\θ}(x,y)=\arctan \left(\frac{L(x,y+1)-L(x,y-1)}{L(x+1,y)-L(x-1,y)}\right)---\left(4\right)$

式中，m(x,y)為梯度的幅值，θ(x,y)為梯度方向，L所用的尺度為每個特征點各自所在的尺度。

最后構造SIFT特征描述子，至此，圖像中的每個特征點具備三個信息：空間坐標、尺度、方向。生成特征描述子的具體方法：在特征所處的尺度空間，以其為中心取16×16像素大小的鄰域，再將其劃分為4×4共16個子區域，分別對每個子區域計算8個方向的梯度方向直方圖，并計算每個梯度方向的累加值，即可形成4個種子區域，一個特征點鄰域劃分的4×4個子區域的聯合梯度信息，對于每個特征點最終形成4×4×8＝128維的向量，該向量就是SIFT特征描述子。

(4)對不同信號之間進行SIFT特征匹配。首先對接收到的每個信號首先進行三階譜變換，并將其轉換為灰度圖像，然后提取SIFT特征，并依次與第一個信號進行SIFT特征匹配，選擇SIFT特征描述子的歐氏距離作為匹配的相似性判定度量。并且對信號兩兩之間的準確匹配點數進行統計圖，以此作為不同信號之間個體差異體現的依據。

(5)基于匹配點數實現雷達輻射源信號唯一識別。

下面結合實例說明一下整個發明的優勢。

雷達1產生100個線性調頻信號，開始頻率為30MHz，帶寬5MHz，脈寬10μs，采樣頻率120MHz。信號包含-30dB的高斯白噪聲和-20dB的服從韋布爾分布的噪聲，韋布爾分布的形狀參數為4、強度參數為2；雷達2也產生100個線性調頻信號，調制參數同雷達1。信號包含-28dB的高斯白噪聲和-18dB的服從韋布爾分布的噪聲，韋布爾分布的形狀參數為1、強度參數為6。對接收到的每個信號首先進行Wigner三階譜變換，并將Wigner三階譜變換結果轉換為灰度圖像，然后提取SIFT特征，并依次與第一個信號進行SIFT特征匹配，選擇SIFT特征描述子的歐氏距離作為匹配的相似性判定度量。信號兩兩之間的準確匹配點數的統計圖如圖2所示，圖中橫坐標的1-100表示第一部雷達輻射源產生的100個信號，縱坐標表示與第一個信號的準確匹配點數，101-200表示第二部雷達輻射源產生的100個信號，縱坐標表示與第一個信號的準確匹配點數(包括第一個信號的自配)。由統計圖可知，由于兩部雷達的噪聲大小和分布參數不同，所以準確匹配的點數存在差異，既充分挖掘出了他們之間的個體差異，然后基于KFCM算法可以準確將信號分為兩類，識別準確率達到100％。