基于分数阶傅里叶变换和循环谱的雷达信号调制方式识别

张忠民，刘刚，刘鲁涛

哈尔滨工程大学 信息与通信工程学院，黑龙江 哈尔滨 150001

低 截 获 概 率(low probability of intercept，LPI)雷达具有低截获、高分辨率和抗干扰能力强等特点，传统的非合作截获接收机探测更加困难，所以明显提高了战场的生存能力，是军事领域反侦察、抗干扰的最有效技术之一。所以对LPI 雷达信号波形如何进行有效识别便成了非合作雷达信号处理研究的重点工作[1−3]。对于LPI 雷达信号波形识别的重点在于选取有效的信号特征和识别算法。早在20 世纪90 年代，A.K.Nandi 等[4−5]提出了一种基于时域瞬时和统计特征提取的雷达信号识别算法，当信噪比在10 dB 的情况下，对PSK、FSK 等信号的识别准确率达到了90%。但是对于多相码调制(如P1 码)，则无法进行有效识别。Barbarossa S 等[6−7]用Pseudo-Wigner 分布和Wigner-Ville 分布识别了线性调频信号和多种频率调制信号，对于相位调制类型的信号并没有进行研究。Lunden 等[8]提出基于CWD 和Wigner-Ville 分布(Wigner-Ville distribution, WVD)进行雷达信号识别的算法，识别了8 种雷达信号波形，信噪比在6 dB 的情况下，总体的识别准确率达到98%。但是在复杂的噪声环境下，由于算法对载波频率以及子脉冲宽度估计不准确导致了识别成功率的下降。文献[9]提出基于CWD 时频变换和图像处理等方法提取雷达信号波形特征，并结合ENN 神经网络分类识别，在信噪比−2 dB 条件下，对8 种雷达波形(LFM、BPSK、Costas、Frank 码、P1～P4码)识别率为94.7%，但是在工程实现上较为困难。戴亮军等[10]提出利用瞬时频率以及频谱的方法对信号进行分类，通过信号特征间的差异进行识别。文献[11]提出了基于频谱复杂度的识别方法，该方法使用信号的频谱复杂度的差异进行分类识别，但是在将信号进行平方后计算频谱复杂度进行信号区分的过程中，受噪声影响很大。……