主要内容

接收脉冲波形参数提取

这个例子使用了:

打开实时脚本

现代飞机经常携带雷达警报接收机(RWR)。RWR探测雷达发射信号，并在雷达信号照射到飞机时向飞行员发出警告。RWR不仅能探测雷达发射，还能对截获的信号进行分析，并对信号来自哪种雷达进行分类。通过实例说明了RWR如何估计截获脉冲的参数。这个例子模拟了一个场景，一个地面监视雷达(发射器)和一个飞行的飞机(目标)配备了RWR。RWR拦截雷达信号，从拦截脉冲中提取波形参数，并估计发射器的位置。飞机可以利用提取的参数来采取对抗措施。

此示例需要图像处理工具箱™

简介

RWR是一种被动电子战支持系统[1]，能够及时向飞行员提供有关其射频信号环境的金宝app信息。RWR拦截一个撞击信号，并使用信号处理技术提取有关被拦截波形特征的信息，以及发射器的位置。这些信息可以用来调用对抗措施，例如干扰以避免被雷达探测到。雷达和飞机之间的相互作用如下图所示。

在这个例子中，我们模拟了一个场景，其中有地面监视雷达和一架有RWR的飞机。RWR检测雷达信号，并从截获信号中提取以下波形参数:

  1. 脉冲重复间隔

  2. 中心频率

  3. 带宽

  4. 脉冲持续时间

  5. 到达方向

  6. 发射极位置

RWR链由相控阵天线、信道化接收机、包络检波器和信号处理器组成。所述信道化接收机和所述包络检测器估计所截获信号的频带，随后将所述检测到的子带信号馈送给信号处理器。对该子带信号的到达方向进行波束转向，采用伪Wigner-Ville变换结合Hough变换估计波形参数。利用到达角和单基线方法，估计了发射体的位置。

场景设置

假设地面监视雷达工作在L波段，发射chirp信号为3 μ 年代 脉冲重复间隔15的持续时间 μ 年代 。发射的啁啾带宽为30mhz，载频为1.8 GHz。监视雷达位于原点并且是静止的，飞机以200米/秒(~0.6马赫)的恒定速度飞行。

定义传输波形参数Fs = 4e9;系统采样频率% (Hz)Fc = 1.8e9;监视雷达工作频率% (Hz)T = 3e-6;%啁啾持续时间(s)PRF = 1/(15e-6);%脉冲重复频率(Hz)BW = 30e6;%啁啾带宽(Hz)c = physconst (“光速”）;光在空气中的速度(m/s)假设监视雷达在原点并且静止不动。radarPos = (0, 0, 0);%雷达位置(m)radarVel = (0, 0, 0);雷达速度(m/s)假设飞机以匀速运动rwrPos = (-3000; 1000; 1000);飞机位置(m)rwrVel = [200;0;0);飞机速度(m/s)配置对象来模拟地面雷达和飞机的相对运动rwrPose =相控。平台(rwrPos rwrVel);radarPose =相控。平台(radarPos radarVel);

雷达的发射天线是一个8x8均匀的矩形相控阵，间距为 λ 元素之间的/2。信号从雷达传播到飞机，并被RWR拦截和分析。为简单起见，该波形被选为峰值功率为100 W的线性FM波形。

使用上面定义的波形参数配置LFM波形wavGen =分阶段。LinearFMWaveform (“SampleRate”fs,“脉冲宽度”T“SweepBandwidth”BW,脉冲重复频率的脉冲重复频率);%配置均匀矩形阵列antennaTx =相控的。(精“ElementSpacing”，repmat((c/fc)/ 2,1, 2)，“大小”[8]);配置用于发射和传播雷达信号的对象Tx =阶段性。发射机(“获得”5,“PeakPower”, 100);散热器=阶段性。散热器(“传感器”antennaTx,“OperatingFrequency”、fc);envIn =分阶段的。空闲空间(“TwoWayPropagation”假的,“SampleRate”fs,“OperatingFrequency”、fc);

地面监视雷达不知道目标的方向，因此需要扫描整个空间来寻找飞机。一般来说，雷达在移动到下一个方向之前，会在每个方向发射一系列脉冲。因此，在不丧失一般性的情况下，本例假设雷达向0度方位角和仰角发射。下图是4脉冲列车到达飞机的时频表示。注意，虽然脉冲序列到达的时间是特定的延迟，但第一个脉冲到达的时间延迟对RWR来说是无关的，因为RWR没有知识传输时间，必须不断地监控它的环境

发射一串脉冲numpulse = 4;txPulseTrain = helperRWR(“simulateTransmission”， numpulse, wavGen, rwrPos，.．.radarPos, rwrVel, radarVel, rwrPose, radarPose, tx，散热器，envIn,fs,fc,PRF);观察信号到达RWRpspectrum (txPulseTrain fs,的谱图，“FrequencyLimits”(1.7 e9 1.9 e9),“漏”, 0.65)标题(“发射脉冲序列谱图”）;caxis(-90年[-110]);

图中包含一个轴。标题为“透射脉冲序列谱图”的轴包含一个图像类型的物体。

RWR配备了一个10x10的均匀矩形阵列，间距为 λ 元素之间的/2。它在整个l波段工作，中心频率为2 GHz。RWR监听环境，并不断将收集到的数据输入处理链。

%配置接收天线Dip =阶段性。IsotropicAntennaElement (“BackBaffled”,真正的);antennaRx =相控的。(精“ElementSpacing”repmat ((c / 2 e9) / 2, 1, 2),“大小”(10,10),“元素”,下降);建立雷达接收机链模型收集器=阶段性。收集器(“传感器”antennaRx,“OperatingFrequency”、fc);Rx =相控。ReceiverPreamp (“获得”0,“NoiseMethod”，噪声功率的，“NoisePower”2.5 e-6“SeedSource”，“属性”，“种子”, 2018);在接收器处收集电波[~， tgtAng] = rangeangle(radarPos,rwrPos);yr = collector(txPulseTrain,tgtAng);Yr = rx(Yr);

RWR包络检波器

RWR中的包络检波器负责检测任何信号的存在。由于RWR不断接收数据，接收链将接收到的数据进行缓冲并截断为50 μ 年代 段。

截断接收到的数据truncTime = 50e-6;truncInd = round(truncTime*fs);yr = yr(1:truncInd，:);

由于RWR不知道发射波形中使用的确切中心频率，它首先使用一组滤波器，每个滤波器调到稍微不同的RF中心频率，将接收到的数据划分为子带。然后在每个波段应用包络检波器来检查是否有信号出现。在本例中，信号被划分为100 MHz带宽的子带。这种操作的另一个好处是，不用对RWR覆盖的整个带宽进行采样，每个子带中的信号可以向下采样到100 MHz的采样频率。

%定义每个频率子带的带宽stepFreq = 100e6;%计算子带数，配置dsp。信道器numChan = fs/stepFreq;导信道器= dsp。信道器(“NumFrequencyBands”numChan,“StopbandAttenuation”, 80);

下图显示了滤波器组创建的前四个波段。

控件的过滤器组中创建的前四个过滤器%信道器Freqz(导频器，1:4)标题('放大Channelizer响应前四个滤波器'xlim([0 0.2])

图中包含一个轴。标题为zoom Channelizer的轴对前四个过滤器的响应包含4个类型为line的对象。

将接收到的数据通过信道器传递subData =信道分析器(yr);

接收的数据，subData，有3个维度。第一个维度表示快时，第二个维度表示子带，第三个维度对应接收阵列的接收元素。对于本例中使用的RWR的10x10天线配置，我们有100个接收元件。由于发射功率低而接收机噪声大，雷达信号与噪声难以区分。因此，将这些元素的接收功率相加，以提高信鼻比(SNR)，并更好地估计每个子带中的功率。功率最大的波段是雷达使用的波段。

重新排列子数据以只组合天线阵列通道incohsubData = pulsint(permute(subData，[1,3,2])，“非相干”）;incohsubData = squeeze(incohsubData);%地块功率分布subbandPow = pow2db(rms(incohsubData,1).^2)+30;情节(subbandPow);包含(“带指数”）;ylabel (“权力(dBm)”）;

图中包含一个轴。坐标轴包含一个line类型的对象。

找到最大功率的子带[~，detInd] = max(subbandPow);

RWR信号处理器

虽然所选波段的功率比相邻波段高，但波段内的信噪比仍然很低，如下图所示。

subData = (subData(:，detInd，:));subData = squeeze(subData);%将数据调整为二维矩阵可视化检测到的子带数据情节(mag2db (abs (sum (subData, 2))) + 30) ylabel (“权力(dBm)”)标题(检测到来自100个非相干组合信道的子带）

图中包含一个轴。标题为“检测到的子带”的轴来自100个不相干组合的通道，包含一个类型为line的对象。

找到被检测的子带的原始起始频率%的信号detfBand = fs*(detInd-1)/(fs/stepFreq);将采样频率更新为抽取频率fs = stepFreq;

的subData现在是一个二维矩阵。第一个维度表示快速采样，第二个维度是通过100个接收天线通道的数据。计算被检测的子带起始频率，求出被检测信号的载波频率。

RWR的下一步是找到无线电波到达的方向。这一到达角信息将用于将接收天线波束引导到发射极的方向，并使用单基线方法在地面上定位发射极。RWR使用二维MUSIC估计器估计到达方向。波束转向采用相移波束形成器实现信号的最大信噪比，从而有利于波形参数的提取。

假设地平面是平的并且平行于坐标系中的xy平面。这样，RWR可以使用飞机高度计读数的高度信息以及到达方向来三角测量发射器的位置。

配置MUSIC Estimator以查找到达的方向%的信号doaEst =阶段性。MUSICEstimator2D (“OperatingFrequency”足球俱乐部,“PropagationSpeed”c.．.“SensorArray”antennaRx,“DOAOutputPort”,真的,“AzimuthScanAngles”-50: .5:50,.．.“ElevationScanAngles”-50: .5:50,“NumSignalsSource”，“属性”，“NumSignals”1);[mSpec,doa] = doaEst(subData);plotSpectrum (doa,“标题”，“二维音乐空间频谱俯视图”）;视图(0,90);轴([-30 0 -30 0]);

图中包含一个轴。标题为2-D MUSIC空间频谱顶视图的轴包含一个类型为surface的对象。

图中清楚地显示了发射器的位置。

在组合前，配置波束形成器对象来引导波束%的渠道波束形成器=相控。PhaseShiftBeamformer (“SensorArray”antennaRx,.．.“OperatingFrequency”足球俱乐部,“DirectionSource”，输入端口的）;应用波束形成，并可视化波束引导辐射%的模式mBeamf =波束形成器(subData, doa);找到发射器的位置altimeterElev = rwrPos(3);d = abs(altimeterElev/sind(doa(2)));

应用波束转向后，天线在信号到达的方位角和仰角处有最大的增益。这进一步提高了截获信号的信噪比。接下来，在信号处理器中使用一种称为伪Wigner-Ville变换耦合Hough变换的时频分析技术提取信号参数，如[2]中所述。

首先，利用Wigner-Ville变换导出被拦截信号的时频表示。

计算伪Wigner-Ville变换[tpwv,t,f] = helperRWR(“pWignerVille”mBeamf, fs);绘制伪Wigner-Ville变换显示亮度图像(f * 1 e-6 t * 1 e6, pow2db (abs (tpwv. / max (tpwv (:)))));包含(“频率(MHz)”）;ylabel (“时间(\亩)”）;-50年caxis ([0]);CLB =色条;clb.Label.String =归一化功率(dB)；标题(“伪Wigner-Ville变换”）

图中包含一个轴。标题为Pseudo Wigner-Ville Transform的轴包含一个image类型的对象。

使用人眼，即使得到的时频表示有噪声，也不难将信号从背景中分离出来。每个脉冲在时间频率平面上表现为一条线。因此，利用时频线的开始和结束，我们可以推导出脉冲的宽度和带宽。类似地，来自不同脉冲的行之间的时间为我们提供了脉冲重复间隔。

为了在不依赖人眼的情况下自动做到这一点，我们使用霍夫变换从图像中识别这些线条。霍夫变换能很好地处理噪声，是对时频信号分析方法的一种改进。

为了使用霍夫变换，需要将时频图像转换为二值图像。下一个代码片段对图像执行一些数据平滑，然后使用imbinarize进行转换。转换阈值可以根据接收机的信噪特性和工作环境进行修改。

正常化伪Wigner-Ville映像twvNorm = abs(tpwv)./max(abs(tpwv(:)));实现一个中值滤波器来清除噪声filImag = medfilt2(twvNorm，[7 7]);使用阈值将过滤后的图像转换为二值图像BW = imbinalize (filimage ./max(filImag(:))， 0.15);显示亮度图像(f * 1 e-6 t * 1 e6, BW);colormap (“灰色”）;包含(“频率(MHz)”）;ylabel (“时间(\亩)”）;标题(伪Wigner-Ville变换- BW）

图中包含一个轴。标题为Pseudo Wigner-Ville Transform - BW的轴包含一个image类型的对象。

首先利用Hough变换对二值伪Wigner-Ville图像进行峰值变换。这样，我们不需要检测图像中的直线，只需要检测图像中的峰值。

计算图像和图的霍夫变换[H,T,R] = hough(BW);imshow (H, [],“XData”T“YData”R“InitialMagnification”，“健康”）;包含(‘\θ), ylabel (‘\ρ）;轴在,轴正常的,保持在；标题(“图像的霍夫变换”）

峰值位置提取使用houghpeaks。

%计算变换中的峰值，最多5个峰值P = houghpeaks(H,5);x = T(P(:，2));y = R(P(:，1));情节(x, y,“年代”，“颜色”，‘g’）;xlim(-50年[-90]);-5000 ylim ([0])

图中包含一个轴。图像的标题霍夫变换轴包含图像、直线类型的2个对象。

利用这些姿势，houghlines可以重建原二值图像中的线条。然后，如前所述，这些线的开始和结束帮助我们估计波形参数。

lines = houghlines(BW,T,R,P，“FillGap”3 e-6 * fs,的最小长度, 1 e-6 * fs);坐标= [lines(:).point1;行(:).point2];将检测到的线叠加到二值图像上clf;imagesc(f* 1e6, t*1e6, BW);colormap(灰色);持有在包含(“频率(MHz)”) ylabel (“时间(\亩)”)标题(“霍夫变换-检测到的线”）为2 = 1:2:2 *大小(线,2)情节(f (coord(:,(二))* 1 e-6, t (coord (:, ii + 1) * 1 e6,“线宽”2,“颜色”，“绿色”）;结束

图中包含一个轴。标题为Hough变换检测线的轴包含图像、线类型的4个对象。

使用线坐标计算参数pulDur = t(coord(2,2)) - t(coord(1,2));脉冲持续时间%bWidth = f(coord(2,1)) - f(coord(1,1));脉冲带宽%pulRI = abs(t(坐标(1,4))- t(坐标(1,2)));%脉冲重复间隔detFc = detfBand + f(坐标(2,1));中心频率

提取的波形特征如下所示。它们与事实非常吻合。这些估计值可以用来对雷达进行分类，并在必要时准备应对措施。

helperRWR (“displayParameters”，pulRI, pulDur, bWidth,detFc, doa,d);
脉冲重复间隔= 14.97微秒脉冲持续时间= 2.84微秒脉冲带宽= 27mhz中心频率= 1.8286 GHz发射极方位角= -18.5度发射极仰角= -17.5度发射极距离= 3325.5095 m

总结

该演示演示了RWR如何使用信号处理和图像处理技术估计被拦截雷达脉冲的参数。

参考文献

[1]电子战和雷达系统工程手册2013年，海军空战中心武器分部，加州穆古角。

丹尼尔·史蒂文斯，斯蒂芬妮·a·舒克斯，基于霍夫变换的低概率拦截雷达信号检测与参数提取。全球工程研究杂志第15卷第6期，2016年1月

相控阵系统工具箱文档

金宝app

探索5G系统的混合波束形成架构

探索5G系统的混合波束形成架构

下载白皮书