基于云模型的辐射源信号多站分选方法

doi:10.12263/DZXB.20210212

电子学报 ›› 2022, Vol. 50 ›› Issue (10): 2469-2477.DOI: 10.12263/DZXB.20210212

基于云模型的辐射源信号多站分选方法

仇洪冰, 周兰兰, 周陬(), 顾宇, 狄城弘

桂林电子科技大学信息与通信学院，广西桂林 541004

收稿日期:2021-02-03 修回日期:2021-10-31 出版日期:2022-10-25
- 通讯作者:
- 周陬
- 作者简介:
- 仇洪冰男，1963年出生，江苏如皋人.现为桂林电子科技大学信息与通信学院教授，博士生导师.主要研究方向为宽带无线通信、通信信号处理、辐射源定位等.E-mail: qiuhb@guet.edu.cn
  周兰兰女，1997年出生，重庆万州人.现为桂林电子科技大学信息与通信学院硕士研究生.主要研究方向为无线通信、通信信号处理.E-mail: zhoull211@163.com
  周陬（通讯作者）男，1983年出生，湖北松滋人.2007年获华中科技大学信息与通信工程专业博士学位.现为桂林电子科技大学副教授，高级工程师，硕士生导师.主要研究方向为无人机群智协同通信与感知网络、低轨卫星通信网络、认知无线电、位置感知与建图、物联网与大数据技术应用等.
  顾宇男，1994年出生，江苏泰州人.现为桂林电子科技大学信息与通信学院博士研究生.主要研究方向为无线通信、通信信号处理.E-mail: 2633675468@qq.com
  狄城弘男，1994年出生，辽宁抚顺人.现为桂林电子科技大学信息与通信学院硕士研究生.主要研究方向为无线通信、通信信号处理.E-mail: 371343469@qq.com
- 基金资助:
- 国家自然科学基金 (62071135); 广西重点研发计划 (No.桂科AB17292058）; 广西科技基地和人才专项 (No.桂科AD18281044）; “认知无线电与信息处理”教育部重点实验室主任基金 (CRKL190104)

Multi-Station Sorting Method for Emitter Signal Based on Cloud Model

QIU Hong-bin, ZHOU Lan-lan, ZHOU Zou(), GU Yu, DI Cheng-hong

School of Information and Communication，Guilin University of Electronic Technology，Guilin，Guangxi 541004，China

Received:2021-02-03 Revised:2021-10-31 Online:2022-10-25 Published:2022-10-11
- Corresponding author:
- ZHOU Zou

摘要/Abstract

摘要：

本文分析了两站和三站时差分选的性能和运行效率，提出了一种基于云模型的辐射源信号多站分选方法.该方法首先利用两站时差分选方法完成脉冲配对与粗分选；然后运用云模型计算各配对成功脉冲集合在时差、脉宽和载频参数维度上的隶属度，合并来自同一辐射源的脉冲集合，实现细分选；最后利用另一个云模型计算配对失败脉冲与细分选后的集合在脉宽、载频和带宽参数维度上的隶属度，归类配对失败脉冲.仿真结果表明，与现有多站时差方法相比，本文通过引入云模型合并时差粗分选结果中来自同一辐射源的脉冲集合，降低了虚警率，同时实现了配对失败脉冲的准确归类，提高了方法的鲁棒性.

关键词: 脉冲配对, 信号分选, 时差, 云模型, 隶属度

Abstract:

In this paper, the performance and operating efficiency of two-station and three-station time difference of arrival(TDOA) sorting are analyzed, and a multi-station sorting method for emitter signal based on cloud model is proposed. Firstly, two-station TDOA sorting method is used to complete the pulse pairing and rough sorting. And then, the sets of pulses from same emitter is merged by using cloud model and calculating membership of each sets in terms of TDOA, pulse width and radio frequency. Finally, another cloud model is used to classified the pulses which failed to pair by calculating the membership of the pulses which failed to pair and the refined sets in pulse width, radio frequency and bandwidth. Simulation results show that compared with the existing methods, the proposed method can realize the sorting of pulses which failed to pair and reduce the false alarm rate by introducing the cloud model. The robustness of the method is improved.

Key words: pulses pairing, signal sorting, time difference of arrival, cloud model, membership

中图分类号:

TN957.51

仇洪冰, 周兰兰, 周陬, 等. 基于云模型的辐射源信号多站分选方法[J]. 电子学报, 2022, 50(10): 2469-2477.

Hong-bin QIU, Lan-lan ZHOU, Zou ZHOU, et al. Multi-Station Sorting Method for Emitter Signal Based on Cloud Model[J]. Acta Electronica Sinica, 2022, 50(10): 2469-2477.

图/表 15

图1 多站时差分选原理图

图2 系统框图

表1 辐射源参数表

辐射源序号	PRI/ $μ s$	PW/ $μ s$	RF/MHz	BW/MHz	发射脉冲数
E1	350抖动	10.3	2 300跳变	7.2	285
E2	420/610参差	10	2 400固定	7	194
E3	550固定	8.8	2000固定	5.8	200
E4	1 100固定	10.8	2 250/2 400参差	7.8	90
E5	1 300~1 380滑变	11	2 400固定	8	74
E6	1 630固定	10	2 450~2 550捷变	8.6	61
E7	2000/1 800/1 500参差	12	2 800固定	5	56
E8	8 000抖动	11.7	2 600/2 750参差	4.9	12
E9	10 000固定	9.5	2 200跳变	9.2	10
E10	12 000固定	9	2 100~2 200 捷变	6	8
总数S					990

表1 辐射源参数表

辐射源序号	PRI/ $μ s$	PW/ $μ s$	RF/MHz	BW/MHz	发射脉冲数
E1	350抖动	10.3	2 300跳变	7.2	285
E2	420/610参差	10	2 400固定	7	194
E3	550固定	8.8	2000固定	5.8	200
E4	1 100固定	10.8	2 250/2 400参差	7.8	90
E5	1 300~1 380滑变	11	2 400固定	8	74
E6	1 630固定	10	2 450~2 550捷变	8.6	61
E7	2000/1 800/1 500参差	12	2 800固定	5	56
E8	8 000抖动	11.7	2 600/2 750参差	4.9	12
E9	10 000固定	9.5	2 200跳变	9.2	10
E10	12 000固定	9	2 100~2 200 捷变	6	8
总数S					990

表2 接收站实际截获脉冲数量

辐射源序号	站1	站2	站3
E1	254	236	253
E2	177	160	177
E3	177	176	175
E4	83	79	80
E5	67	65	64
E6	56	53	59
E7	51	47	53
E8	11	8	12
E9	8	9	10
E10	7	8	8
干扰脉冲	149	99	99
截获总数	1 040	940	990

表3 两站时差分选结果

辐射源序号	两站时差分选结果		三站时差分选结果
辐射源序号	站1	站2	站1	站2	站3
E1	179	179	214	195	205
E2	113	113	145	120	144
E3	145	145	169	162	169
E4	64	64	74	70	69
E5	58	58	67	58	56
E6	25	25	32	28	33
E7	34	34	43	37	42
E8	6	6	11	6	11
E9	5	5	8	7	10
E10	5	5	5	5	5
E11 (虚)	31	31	31	31	27
E12 (虚)	29	29	29	29	22
E13 (虚)	23	23	23	23	21
E14 (虚)	8	8	8	8	8
E15 (虚)	8	8	8	8	8
干扰脉冲	149	99	149	99	99
$P A$	76.63%		85.68%
$P F$	33.33%		33.33%
$P M$	0		0
运行时间	6.104 1 s		18.295 5 s

表3 两站时差分选结果

辐射源序号	两站时差分选结果		三站时差分选结果
辐射源序号	站1	站2	站1	站2	站3
E1	179	179	214	195	205
E2	113	113	145	120	144
E3	145	145	169	162	169
E4	64	64	74	70	69
E5	58	58	67	58	56
E6	25	25	32	28	33
E7	34	34	43	37	42
E8	6	6	11	6	11
E9	5	5	8	7	10
E10	5	5	5	5	5
E11 (虚)	31	31	31	31	27
E12 (虚)	29	29	29	29	22
E13 (虚)	23	23	23	23	21
E14 (虚)	8	8	8	8	8
E15 (虚)	8	8	8	8	8
干扰脉冲	149	99	149	99	99
$P A$	76.63%		85.68%
$P F$	33.33%		33.33%
$P M$	0		0
运行时间	6.104 1 s		18.295 5 s

表4 云模型分选结果

辐射源序号	两站时差分选结果		三站时差分选结果
辐射源序号	站1	站2	站1	站2	站3
E1	254	235	254	236	253
E2	173	159	177	156	176
E3	177	176	177	176	175
E4	83	79	83	79	80
E5	64	64	67	63	60
E6	56	53	56	53	58
E7	51	47	51	47	53
E8	7	8	11	7	12
E9	6	9	8	9	10
E10	5	8	6	6	6
干扰脉冲	142	88	142	87	95
$P A$	98.20%		98.59%
$P F$	0		0
$P M$	0		0
运行时间	6.3183 s		18.5359 s

表4 云模型分选结果

辐射源序号	两站时差分选结果		三站时差分选结果
辐射源序号	站1	站2	站1	站2	站3
E1	254	235	254	236	253
E2	173	159	177	156	176
E3	177	176	177	176	175
E4	83	79	83	79	80
E5	64	64	67	63	60
E6	56	53	56	53	58
E7	51	47	51	47	53
E8	7	8	11	7	12
E9	6	9	8	9	10
E10	5	8	6	6	6
干扰脉冲	142	88	142	87	95
$P A$	98.20%		98.59%
$P F$	0		0
$P M$	0		0
运行时间	6.3183 s		18.5359 s

图3 两站与三站分选的PA随丢失率的变化曲线

图4 两站与三站分选的PA随干扰率的变化曲线

图5 正确率随丢失率的变化曲线

图6 虚警率随丢失率的变化曲线

图7 漏警率随丢失率的变化曲线

图8 正确率随干扰率的变化曲线

图9 虚警率随干扰率的变化曲线

图10 漏警率随干扰率的变化曲线

表5 平均运行时间结果

方法	平均运行时间	平均 $P A$ /%	平均 $P F$ /%	平均 $P M$ /%
文献[4]方法	6.226 7	67.92	41.18	0
文献[4]+云模型改进方法	6.430 2	77.54	21.87	0
文献[6]方法	4.637 9	80.68	0	10.00
文献[6]+云模型改进方法	4.885 7	89.37	0	10.00
文献[7]方法	6.162 9	76.63	33.33	0
本文方法	6.325 5	97.76	3.55	0

表5 平均运行时间结果

方法	平均运行时间	平均 $P A$ /%	平均 $P F$ /%	平均 $P M$ /%
文献[4]方法	6.226 7	67.92	41.18	0
文献[4]+云模型改进方法	6.430 2	77.54	21.87	0
文献[6]方法	4.637 9	80.68	0	10.00
文献[6]+云模型改进方法	4.885 7	89.37	0	10.00
文献[7]方法	6.162 9	76.63	33.33	0
本文方法	6.325 5	97.76	3.55	0

参考文献 12

1	南普龙. 基于多维信息挖掘的雷达信号分选方法研究[D]. 哈尔滨: 哈尔滨工程大学, 2017.
	NAN P L. Research on Radar Signal Sorting Using Multi-Dimension Information Features[D]. Harbin: Harbin Engineering University, 2017. (in Chinese)
2	李昀豪. MIMO雷达信号参数估计算法研究[D]. 成都: 电子科技大学, 2015.
	LI Y H. Study on the Parameter Estimation Algorithms of MIMO Radar Signals[D]. Chengdu: University of Electronic Science and Technology of China, 2015. (in Chinese)
3	MA S, LIU Z, JIANG W L. Pulse sorting algorithm using TDOA in multiple sensors system[J]. Advanced Materials Research, 2012, 571: 665-670.
4	马爽, 吴海斌, 柳征, 等. 基于递归扩展直方图的辐射源时差分选方法[J]. 国防科技大学学报, 2012, 34(5): 83-89.
	MA S, WU H B, LIU Z, et al. Method for emitter TDOA sorting based on recursive extended histogram[J]. Journal of National University of Defense Technology, 2012, 34(5): 83-89. (in Chinese)
5	马贤同, 罗景青, 孟祥豪. 基于时差的同类辐射源信号分选定位方法[J]. 电子与信息学报, 2015, 37(10): 2363-2368.
	MA X T, LUO J Q, MENG X H. Signal sorting and positioning method for similar radiation sources based on time difference of arrival[J]. Journal of Electronics & Information Technology, 2015, 37(10): 2363-2368. (in Chinese)
6	陈涛, 王天航, 郭立民. 基于时差多参分选的多层感知器网络脉间识别[J]. 电子与信息学报, 2018, 40(7): 1567-1574.
	CHEN T, WANG T H, GUO L M. Recognition of pulse repetition interval of multilayer percetron network based on multi-parameter TDOA sorting[J]. Journal of Electronics & Information Technology, 2018, 40(7): 1567-1574. (in Chinese)
7	刘智鑫, 赵拥军. 约束准则下扩展时差直方图脉冲分选配对方法[J]. 西安电子科技大学学报, 2019, 46(6): 102-111.
	LIU Z X, ZHAO Y J. Pulse sorting and pairing based on the constrained extended TDOA histogram[J]. Journal of Xidian University, 2019, 46(6): 102-111. (in Chinese)
8	姜宏志, 赵闯, 胡德秀, 等. 基于时差多参的单脉冲信号实时配对分选[J]. 电子学报, 2021, 49(3): 566-572.
	JIANG H Z, ZHAO C, HU D X, et al. Real-time deinterleaving algorithm for single pulse signal based on TDOAs and multi-parameter information[J]. Acta Electronica Sinica, 2021, 49(3): 566-572. (in Chinese)
9	WAN J, NAN P L, GUO Q, et al. Multi-mode radar signal sorting by means of spatial data mining[J]. Journal of Communications and Networks, 2016, 18(5): 725-734.
10	GUO P, LI X F, JIA Y L, et al. Cloud model-based comprehensive evaluation method for entrepreneurs' uncertainty tolerance[J]. Mathematics, 2020, 8(9): 1491.
11	李德毅, 杜鹢. 不确定性人工智能[M]. 第2版. 北京: 国防工业出版社, 2014: 40-88.
	LI D Y, DU Y. Artificial Intelligence with Uncertainty[M]. 2nd. Beijing: National Defense Industry Press, 2014: 40-88. (in Chinese)
12	GUO Q, NAN P L, WAN J. Signal classification method based on data mining for multi-mode radar[J]. Journal of Systems Engineering and Electronics, 2016, 27(5): 1010-1017.

[1]	杨小龙, 李欣玥, 周牧, 王勇, 何维. 基于多维模糊映射AP优化的WLAN室内定位方法[J]. 电子学报, 2022, 50(8): 1875-1884.
[2]	姜宏志, 赵闯, 胡德秀, 赵拥军, 赵勇胜, 刘智鑫. 基于时差多参的单脉冲信号实时配对分选[J]. 电子学报, 2021, 49(3): 566-572.
[3]	王大刚, 钟锦, 吴昊. 社区环境下基于节点交互和主题的影响力计算模型[J]. 电子学报, 2020, 48(3): 582-589.
[4]	姚山峰, 欧阳鑫信, 贺青. 窄带跳频信号的无模糊时差估计算法[J]. 电子学报, 2019, 47(4): 798-805.
[5]	李凯, 李慧. 基于pinball损失的结构模糊孪生支持向量机[J]. 电子学报, 2019, 47(10): 2221-2227.
[6]	肖云鹏, 孙华超, 戴天骥, 李茜, 李暾. 一种基于云模型的社交网络推荐系统评分预测方法[J]. 电子学报, 2018, 46(7): 1762-1767.
[7]	王鼎, 尹洁昕, 刘瑞瑞, 张博龙. 同步时钟偏差存在下的时差定位性能分析及改进的定位方法[J]. 电子学报, 2018, 46(6): 1281-1288.
[8]	朱建丰, 何新生, 郝本建. 基于双星TDOA和主星DOA的空中动目标联合定位技术[J]. 电子学报, 2018, 46(6): 1378-1383.
[9]	欧阳鑫信, 万群, 曹景敏, 熊瑾煜. 跳频信号的时差直接定位[J]. 电子学报, 2017, 45(4): 820-825.
[10]	李俊, 谢维信, 李良群, 刘钧彬. 基于模糊空时线索的多目标在线跟踪算法[J]. 电子学报, 2017, 45(3): 513-519.
[11]	张屹, 余振, 李子木, 陆瞳瞳. 基于模糊C均值聚类的锦标赛选择机制与多目标优化研究[J]. 电子学报, 2017, 45(11): 2677-2684.
[12]	高洪波, 张新钰, 张天雷, 刘玉超, 李德毅. 基于云模型的智能驾驶车辆变粒度测评研究[J]. 电子学报, 2016, 44(2): 365-373.
[13]	肖云鹏, 姚豪豪, 刘宴兵. 一种基于云模型的WSNs节点信誉安全方案[J]. 电子学报, 2016, 44(1): 168-175.
[14]	宋岚, 文堂柳, 黎海生, 王杉. 基于云模型、图论和互信息的遥感影像分割方法[J]. 电子学报, 2015, 43(8): 1518-1525.
[15]	张龙昌, 杨艳红, 赵绪辉. 基于云模型的SaaS决策方法[J]. 电子学报, 2015, 43(5): 987-992.

基于云模型的辐射源信号多站分选方法

Multi-Station Sorting Method for Emitter Signal Based on Cloud Model

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 15

参考文献 12

相关文章 15

编辑推荐

Metrics