雷达对抗信息处理

第1章绪论


第1章

绪论

雷达对抗信息处理是雷达对抗侦察系统中的关键技术。雷达对抗侦察系统面临着复杂电磁环境和各种威胁的挑战，在过去10年中信号环境密度提高了约一个数量级，从每秒50万~200万个脉冲提高到每秒100万~1000万个脉冲； 由于现代电子战、信息战的激烈对抗和雷达技术迅猛发展，新型复杂体制雷达不断投入使用并逐渐占据主导地位，雷达的工作频率覆盖范围已达到了0.1~20GHz，并正在向0.05~140GHz扩展，雷达信号波形在时域、频域等多个域中同时变化，反侦察和抗干扰能力大大增强，这就对雷达对抗侦察系统的信息处理技术提出了更高要求。雷达对抗信息处理作为信号与信息处理领域的一个重要分支，越来越受到世界各国专家和学者的重视。
本书着重阐述雷达对抗信息处理的基本原理，雷达信号分选识别技术、脉内调制特征分析技术以及雷达对抗侦察系统对辐射源的无源定位技术等。
1.1雷达对抗信号环境分析
1.1.1雷达对抗信号环境的定义


雷达对抗信号环境S是指雷达对抗侦察系统在其所在地域内存在的各种辐射、散射雷达信号的全体，可用公式表示为


S=∪Ni=1si（t）（11）


式中，S为雷达对抗信号环境； N为信号环境S中的辐射、散射雷达源的数量； si（t）为第i个辐射、散射源的雷达信号。
1.1.2信号环境在雷达对抗侦察系统中的参数和描述
雷达对抗侦察系统是指以信号环境S为工作背景，从S中获取有用信息，并对S做出适当反应的系统。若主要考虑信号环境S中的脉冲雷达信号辐射源，则辐射源信号si（t）可以顺序展开为射频脉冲序列： 


si（t）={si（n）}+∞n=1
（12）


式中，si（n）为脉冲雷达信号si（t）的第n个脉冲。
根据雷达对抗侦察系统的不同用途和战术、技术指标要求，具体系统对信号环境S的检测能力是一个有限子空间D，表示为


D={ΩDOAΩRFΩTOAΩPWΩPΩF}
（13）


式中，ΩDOA为到达方向的检测范围； ΩRF为信号载频的检测范围； ΩTOA为到达时间的检测范围； ΩPW为脉冲宽度的检测范围； ΩP为信号功率的检测范围； ΩF为信号脉内调制特征的检测范围； 为直积。D可以是非时变的（通常称为非搜索检测），也可以是时变的（通常称为搜索检测）。雷达对抗侦察系统可检测的信号环境S′是S中的子集合： 


S′=∪N-1i=0
{si（n）|si（n）∈D}+∞n=1（14）


以λ表示1s时间内S′中的平均脉冲数，有


λ=∑Ni=1Pifri
（15）


式中，Pi表示第i部雷达发射脉冲可被雷达对抗侦察系统检测的概率； fri表示第i部雷达的平均脉冲重复频率。在典型情况（第i部雷达的所在方向、工作频率、到达时间、脉冲宽度、信号功率以及脉内调制特征等都在雷达对抗侦察系统的检测范围内）下，只要其天线波束指向雷达对抗侦察系统，接收到的信号功率就能高于接收机灵敏度，则Pi可表示为


Pi=0，波束始终不指向雷达对抗设备

1波束始终指向雷达对抗设备
θa/Ωθ，波束宽度θa在Ωθ范围内扫描
（16）


S′是N个具有周期特性的脉冲信号序列{si（n）}+∞n=1按照式（14）条件的合成。当S′中的辐射源数目很大时，各信号序列到达时间是相互独立的，在一定时间内近似满足统计平稳性和无后效性。根据随机过程理论，S′可以用泊松（Poisson）流近似描述。在时间τ内到达n个脉冲的概率： 


Pn（τ）=（λτ）nn!e-λτ，
τ≥0;n=0，1，2，…（17）


在时间τ内到达脉冲的均值为


∑∞n=0［nPn（τ）］=λτ
（18）


当τ为单位时间（τ=1s）时，λ被称为S′的信号流密度。
1.1.3雷达对抗信号环境的特点
雷达对抗信号环境具有以下特点。
（1）  信号环境密集，复杂多变
在现代战场环境中，雷达对抗侦察系统所处的信号环境越来越复杂，辐射源数目急剧增加，使得雷达对抗信号异常密集。目前电磁环境的脉冲密度在每秒100万~1000万个脉冲之间，而10年前则仅为每秒50万~200万个脉冲，10年时间脉冲密度提高了一个数量级。
雷达信号波形变得越来越复杂，参数多变、快变。在这个快速变化的信号环境中，威胁辐射源正呈现出多种发展趋势。一部军用雷达可能有多种工作状态，具有多种体制，同时采用各种复杂的波形设计，如雷达信号脉内调制特征有线性调频、非线性调频、二相编码、四相编码和频率编码等。脉间调制特征有时域调制和频域调制，时域调制特征有脉冲重复周期参差、抖动、组变、滑变以及群脉冲、脉冲编码等，脉冲宽度也有组变、和宽、窄脉冲组合等形式，频域调制特征有脉间频率捷变、脉组频率捷变、脉间频率调制、同时频率分集和分时频率分集等。雷达的工作参数和信号参数更加捷变，具备了更强的抗干扰性能。
（2）  现代雷达反侦察、抗干扰性能好
随着反侦察、抗干扰技术的发展，越来越多的威胁目标采用了单脉冲跟踪技术； 脉冲多普勒雷达和高占空比辐射源数量的急增使脉冲分选更加困难； 在更大的频率范围内使用功率管理波形、扩谱技术、类噪声波形和频率捷变等技术，截获概率变得更低； 固态雷达技术的发展，也呈现出采用更大脉宽的趋势，借助脉内编码维持距离分辨率，这些固态雷达通常比普通雷达的频带更宽，同时具有更复杂的波形，其占空比更高，而峰值功率更低。这些特点结合起来就使其脉冲串更难被探测和去交错。更高的占空比提高了脉冲重叠的可能性并且使脉宽测量更加困难。
（3） 现代雷达信号综合威胁程度高
现代雷达系统不仅采用了新体制和新技术，而且和各种杀伤性武器系统的结合十分紧密，如制导雷达和炮瞄雷达等，都直接威胁到雷达对抗侦察系统和人员的生存。而且这些雷达系统往往在目标未进入攻击范围时能够保持“辐射隐身”（不发射电磁信号），由其他探测系统提供信息和情报保障，一旦目标进入攻击范围立即投入工作，迅速捕获目标，引导武器攻击。
所有这些特点都对雷达对抗信息处理技术提出了严峻挑战和更高要求。雷达对抗信息处理作为雷达对抗侦察系统的核心内容，不仅要分选和识别复杂电磁环境下的雷达信号、提取复杂雷达信号的脉内调制特征，还要具有对雷达辐射源进行精确定位和跟踪的能力。
1.2雷达对抗信息处理的一般概念
雷达对抗信息处理是现代信号处理的重要分支之一，通过对截获信号进行分析，获取电子干扰和情报侦察所需要的信息。信息处理是雷达对抗侦察系统的一项基本功能和任务，它存在于系统各组成单元中，渗透到雷达对抗侦察工作过程的每一个环节。
1.2.1雷达对抗侦察系统
雷达对抗侦察系统是我军重要的武器装备。典型的雷达对抗侦察系统的基本组成如图11所示。


图11典型雷达对抗侦察系统的基本组成


1） 测向天线阵与测向接收机组成的检测和测量系统
测向接收机用来测量信号的到达方向。测向天线阵覆盖雷达对抗侦察系统的测角范围ΩDOA，与测向接收机组成对雷达信号脉冲到达角θDOA的检测和测量系统，实时输出检测范围内每个脉冲的到达角数据θDOA。
2） 测频天线阵与测频接收机组成的检测和测量系统

测频接收机用来测量信号的频率信息，测频范围为ΩF。测频天线的角度覆盖范围也是ΩDOA，与测频接收机组成对信号频率和其他参数检测和测量系统，实时输出检测范围内每个脉冲的载频（fRF）、到达时间（tTOA）、脉冲宽度（τPW）、脉冲功率或幅度（AP）数据； 有些雷达侦察设备还可以实时检测脉内调制，输出脉内调制数据（F）。这些参数组合在一起，称为脉冲描述字（PDW），实时交付信号预处理器。
雷达对抗侦察的基本功能如下。
（1） 截获信号。雷达对抗侦察系统对在其侦察范围（包括时域、空域和频域）内出现的各种信号应能快速地截获。
（2） 分选识别。利用信号的类型、载频、脉冲宽度、脉冲重复频率、雷达天线极化方式、信号脉内调制特征等对辐射源进行分选、识别，确定辐射源的类型、用途、工作属性以及配置情况等。
（3） 测向与定位。利用雷达对抗侦察系统测向天线对不同方向到达的电磁波的时间、振幅和相位响应特性，对雷达辐射源进行测向。利用侦察到的角度信息和多站观测到的时差信息还可实现对辐射源的定位。
雷达对抗侦察按任务和用途分为雷达对抗情报侦察和雷达对抗支援侦察两大类。
（1） 雷达对抗情报侦察属于战略情报侦察，要求其获得广泛、全面、准确的技术和军事情报信息，提供给高级决策指挥机关和中心数据库各种详实的数据。它也是信息获取的重要来源，在平时和战时都要进行。主要由电子侦察卫星、电子侦察飞机、电子侦察舰船、地面侦察站等对敌方或潜在的敌方雷达进行长期或定期的侦察。为了保证获取信息的可靠性和准确性，雷达对抗情报侦察允许有较长的信息处理时间。
（2） 雷达对抗支援侦察属于战术情报侦察，用于战时对敌雷达进行侦察，提供当前战场上敌方雷达装备的准确位置、工作参数及其转移变化等，查明威胁雷达或雷达控制的武器系统状态，为指挥员判断决策提供依据，以便指战员采取及时、有效的战斗措施； 同时也用于威胁告警、引导干扰或为武器系统指示目标位置。
1.2.2雷达对抗信息处理的历史
在早期的雷达对抗侦察系统中，操纵员在波段范围内调谐接收机，侦听威胁信号，雷达对抗操纵员的耳朵和脑袋就相当于一部信号处理机。今天，由于雷达中大量使用了复杂波形，人工操作已经不能有效地识别威胁信号。现代雷达对抗侦察系统必须能够在强噪声、强干扰和多信号的复杂环境中完成检测、分类、识别和利用的任务。检测到信号之后，要对它们进行分类，就是要把近似特性的信号进行分组即信号分选处理。把一个信号从其他信号中区分出来的基本参数有载波频率、调制形式、数据速率和到达时间或到达角度等。数据库分别存储这些信号参数，把信号参数与已存储的数据进行比较，如果没有重复，就重新建立一个新的记录信号的分选和编目分类，实现对信号的识别处理。

在雷达对抗侦察系统性能不断提高的同时，雷达对抗信号环境的影响也变得越来越严重。早期只在脉冲重复间隔（PRI）单参数分选的基础上开始采用多参数关联比较法进行分选和识别，借助于硬件大规模并行处理的能力，将输入脉冲参数与已知辐射源参数实现并行匹配，并将以知识处理为核心的人工智能方法融入传统的雷达辐射源信号的分选识别中，构成了雷达对抗信息处理的重要内容。
雷达辐射源信号脉内调制特征分析技术也是雷达对抗信息处理的重点研究方向。雷达为解决作用距离和距离分辨力的矛盾，采用所谓的“复杂波形”代替了传统的简单脉冲信号，功率放大链和一些可产生复杂信号的特殊器件的研制成功，也为采用这些复杂发射波形创造了良好条件。对于脉冲压缩信号来说，脉内调制特征是一个非常重要的脉冲参数，有助于减小多维参数空间的交叠概率，提高当前辐射源信号的可分选性。脉内调制特征作为分选参数已成为普遍共识，可大大提高雷达截获系统信号处理的性能，并为雷达辐射源信号的分选识别提供新的依据和思路。通过提取雷达辐射源信号的脉内特征，为进一步识别雷达辐射源个体及其所属武器平台和系统提供重要依据。

现代雷达辐射源信号的综合威胁程度越来越高，对雷达辐射源位置的粗略估计已远远不能满足作战需要。在对辐射源的定位处理技术中，机载单站无源定位技术是雷达对抗侦察系统信号处理技术中较晚采用、发展最快的技术之一。20世纪八九十年代国内外研制了一些基于测向交叉定位的单站机载定位系统。载机沿着航线飞行，利用载机自身的姿态参数，以及载机上的侦察设备所截获的有关雷达辐射源信号到达角等参数，经软件滤波算法进行处理后可以实现对雷达辐射源的有效定位，定位精度依赖于飞机的姿态参数、测向精度和截获信号的时长等，精度和实时性差。对于移动目标，即便是相对飞机来讲是慢速移动目标，也很难实现对辐射源的准确定位。为了实现单站快速无源定位，国内外在理论和实践上都进行了新的研究。单站无源定位系统中较传统的方法主要有： 方位法、频率法、混合法。方位法通过测量方位角度实现定位，是单站无源定位系统最早使用、最成熟的方法，通常采用最小二乘方法或卡尔曼滤波方法对多次测量结果进行统计滤波来获得最优的位置估计。频率法仅通过测量频率进行定位，即在传感器运动状态已知的情况下，通过在传感器运动轨迹的不同点处对传感器和辐射源之间相对运动产生的多普勒频移进行测量，实现对辐射源的定位。对于位置固定、发射频率固定的辐射源目标，若其辐射频率（载频）已知，对匀速运动的观测站，只要观测点不是总在径向上，通过三次以上的测量可以实现定位。混合法则通过同时测量方位角度和频率进行定位，即将测向和测频相结合，通过这两个参数来估计辐射源的位置或轨迹。这些方法由于目前角度和频率测量精度的限制，都存在收敛时间长、定位精度差等缺点，无法达到高精度快速无源定位。
1.2.3雷达对抗信息处理的功能
1. 雷达信号的侦察接收

雷达信号的侦察接收包括收集、整理和鉴别。由侦察接收机进行相关参数的测量，如工作频率、到达方向等，完成部分预处理工作，形成雷达描述字； 还要全面收集其全脉冲信号参数、信号波形和信号频谱等资料，这些资料作为进一步分析的基础，也是重要的信号档案资料。
2. 雷达信号的分选识别
雷达对抗侦察信号处理系统的输入信号是密集交叠的信号脉冲流，雷达信号分选（以下简称信号分选）指的是从这种随机交叠的脉冲信号流中分离出各个雷达的脉冲信号并选出有用信号的过程。信号识别是将分选后得到的辐射源信号特征参数与预先积累的辐射源参数相比较，以确认该辐射源及其平台属性的过程。信号分选是信号分析和识别的前提和基础，只有从随机交叠的信号流中分选出各个雷达的脉冲序列之后，才能进行信号参数的测量和分析，才能进行识别。信号识别是雷达对抗侦察系统信号处理的目的，是电子情报侦察、电子支援措施和威胁告警系统中的重要组成。
3. 雷达信号脉内特征分析
雷达对抗信息处理的一个重要功能就是建立雷达信号的指纹特征识别库，通过提取出雷达信号的脉内特征，可进一步识别雷达辐射源个体，并为
其所属武器平台和为系统的判别提供重要依据，以实现在复杂电磁环境中对雷达辐射源信号的有效识别。
4. 雷达辐射源的无源定位
在现代战争的信息战环境中，使用快速、高精度、高识别率的雷达辐射源无源探测定位技术作为战场监视、远程精确打击的辅助手段已成为一种重要的技术方向和发展趋势。对雷达辐射源的无源定位在雷达对抗侦察中早有应用，以雷达对抗侦察系统为基础发展起来的多站测向交叉定位、多站时差定位以及多站时差测向混合探测定位系统，不仅在理论和技术上都已发展成熟，而且已生产出相应的无源探测定位系统（或称为无源雷达）应用于实际战争。
1.3雷达对抗信息处理发展与现状
雷达对抗信息处理是雷达对抗侦察系统的重要组成部分，理论与方法日趋系统和成熟，主要包括雷达信号分选与识别、雷达信号脉内调制特征分析和雷达辐射源的无源定位等内容。
1.3.1雷达信号分选与识别
雷达辐射源信号分选与识别是雷达对抗侦察系统中的关键处理过程，也是雷达对抗信息处理中的核心内容，其分选与识别水平是衡量雷达对抗侦察系统和信息处理技术先进程度的重要标志。雷达对抗侦察接收机输出到信号处理系统的是截获到的随机交叠的脉冲流（全脉冲，每个脉冲以PDW的形式表示）。信号分选就是从这种随机交叠的脉冲流中分离出每一部雷达脉冲序列的过程，是利用同一部雷达信号参数的相关性和不同雷达信号参数的差异性来实现的。雷达辐射源识别是雷达对抗信息处理中继雷达信号分选后的一个重要环节，是对分选出来的雷达工作模式与雷达识别库中的先验雷达模式进行对比和匹配的过程。雷达辐射源识别是在分析截获雷达信号的基础上，利用分析得到的雷达工作参数和特征参数获取该雷达的体制、用途和型号等信息，进而掌握其相关的武器系统及工作状态、制导方式等。雷达辐射源信号识别通常包括辐射源识别、辐射源载体识别、威胁等级的确定以及识别可信度的估计等。其中辐射源识别是保证雷达对抗侦察系统有效发挥其作战效能的重要前提。
早期的电磁环境相对比较简单，辐射源数量少，信号形式单一且参数相对稳定。但随着雷达对抗侦察系统的任务和功能不断加强，雷达辐射源信号分选与识别所采用的方法和技术手段也伴随着信号处理技术的进步而不断发展。
1. 传统雷达信号分选识别方法

传统的辐射源信号分选识别方法主要基于射频（RF）、脉冲到达时间（TOA）、脉冲幅度（PA）、脉冲宽度（PW）和波达方向（DOA）等常规参数匹配法，当信号密度不大且参数相对稳定时可以获得较好的分选识别效果。20世纪70年代Campbell等就开始了相应分选识别算法的研究，主要包括模板匹配法、基于PRI法和多参数关联比较法等。
模板匹配法是事先装订好一些已知的雷达辐射源信号主要特征参数，通过与模板逐一匹配比较实现辐射源信号的分选识别。在雷达信号脉冲流密度不高，雷达信号各特征参数都基本恒定时，模板匹配法比较有效。这种方法主要适用于常规雷达辐射源信号和直接测量得到的参数基本不变的雷达信号的分选识别，具有简单快速的优点。
基于PRI特征的信号分选识别方法是利用TOA参数进行分选识别，一直是信号分选识别研究最多、成果最突出的方法之一，也是目前现役雷达对抗侦察系统中使用最广泛的方法。20世纪80年代，Rogers等开始研究高密度复杂信号环境下的实时信号分选识别算法，利用TOA进行基于PRI脉冲去交错处理。1989年，Mardia等对PRI分选方法进行了深入研究，集中了直方图和序列搜索两者的优点，提出了著名的累积差直方图（CDIF）分选方法。1992年，Milojevic等又对CDIF算法进行了改进，提出了序列差直方图（SDIF）算法。SDIF算法在运算速度和防止虚假目标方面作了较大改进，但由于不进行级间积累，使其性能有所下降。CDIF和SDIF算法的提出受到了工程界的普遍关注，国内外的诸多学者也对其进行了深入研究，并提出了很多结合实际情况的改进算法。2003年，赵长虹在小波变换理论的基础上提出了一种新的重频分选门限选择算法，使得CDIF算法适用于脉冲分布不均匀的情况，进一步研究了基于CDIF的参差脉冲序列的改进算法。PRI直方图方法最大的优点在于简单、直观，且算法易于工程实现，主要适合于PRI固定且抖动较小的雷达辐射源信号； 但在脉冲数较多时运算量急剧增加，且脉冲序列较多、漏失脉冲较多时的分选效果不理想。1993年，Nelson提出了复值自相关积分算法，将脉冲序列的TOA差值变换到一个谱中，由对应的谱峰位置估计出脉冲序列的PRI值，该算法可较好地抑制直方图中的谐波并有效反映整个脉冲序列的相关性。2000年，Kenichi又对该算法进行了改进，采用可移动的起始时间点和交叠PRI小盒方法，使之能适应PRI抖动的脉冲序列。2002年，王兴颖等研究了该算法对稳定重频、参差重频、抖动重频、滑变重频的适用性。2005年，杨文华等将PRI变换和SDIF算法进行组合来分选参差脉冲序列或相同PRI的多部雷达脉冲序列。上述各种基于PRI的分选方法都只利用雷达辐射源信号的TOA信息，仅仅依靠TOA信息的PRI分选并不能完全实现脉冲流的去交错处理，但PRI分析却是所有分选方法不可缺少的技术手段，相对可取的办法是采用其他参数作预分选，再用PRI进行主分选。
从20世纪80年代开始，相继出现了基于序列搜索和参数匹配原理的一些硬件处理方法。多参数关联比较法正是借助于硬件的大规模并行处理能力，将输入脉冲参数与已知雷达辐射源参数实现并行匹配。比较典型的有基于内容可寻址存储器（CAM）和关联比较器（AC）等。1987年，IBM公司研制出第一套采用AC芯片来分选和过滤输入脉冲的ESM系统，使雷达信号的分选能力显著提高。1991年，CR公司研制出基于CAM的关联处理器，极大地提高了处理的并行性。在研究基于TOA分选识别方法的同时，许多学者还提出了利用多参数进行分选识别的思想。1985年，Wilkinson和Watson使用AOA、RF和PW参数来研究高密度环境中的雷达信号分选识别问题。1998年，Mardia提出了一种基于CAM的自适应多维聚类方案。2002年，Hassan则发展了一种基于自适应开窗的联合分选识别方法。2003年，王石记等提出了一种软硬件结合的基于概率统计和流分析相关提取的分选方法，具有较快的预分选速度。多参数关联比较的硬件处理方法主要针对已知参数特征或已知参数先验信息的雷达信号，同样是基于模板匹配的思想，因此敌方雷达辐射源的先验信息直接决定了分选的效果。
2. 基于多参数的分选识别方法
在复杂多变的信号环境中，传统的信号分选识别方法对处于参数空间边界和交叠区域的信号不能很好的归类，甚至可能造成模糊或错判。提取和补充一些新的特征参数，利用多参数对雷达辐射源信号进行分选与识别是解决此问题的有效途径之一，也是当前的热门研究课题。该方法的关键技术是特征参数的选择和分类器的选择，两者的性能优劣将直接影响最终的分选识别准确率。特征参数由最初的五大常规参数，即RF、TOA、PA、PW和DOA，发展到现在的相像系数、熵值、复杂度和小波包等脉内特征参数； 分类器则由BP神经网络、Kohonen神经网络和RBF神经网络发展到最新的支持矢量机等。