Modulation Type Recognition of Radar PRI Based on Multi-feature Combination

doi:10.3969/j.issn.1009-086x.2025.01.014

Abstract

Abstract:

A multi-feature joint method for radar pulse repetition interval （PRI） modulation type recognition is proposed to address the challenges of low recognition accuracy， significant impacts from pulse loss and false pulses， and sensitivity to decision threshold settings in existing types. First， the concept of density clustering is employed to remove irrelevant pulses， enabling the preprocessing of the pulse train and mitigating the effects of pulse loss and spurious pulses on pulse train patterns. Statistical methods are then applied to extract the stability features， second-order differential variation features， continuity features and pulse pair matching features of signal time difference. Finally， a random forest algorithm is used to train and test the extracted features. The simulation results demonstrate that the proposed method achieves high recognition accuracy for PRI modulation types and exhibits robust resistance to pulse loss and spurious pulses.

Key words: pulse repetition interval, loss of pulse, false pulses, pulse pair matching, modulation type identification, random forest

摘要：

针对现有雷达脉冲重复间隔（pulse repetition interval,PRI）调制类型识别准确率不高、受脉冲丢失与虚假脉冲影响较大和对判定门限设置敏感等问题，提出一种多特征联合的雷达PRI调制类型识别方法。利用密度聚类的思想去除无关脉冲，实现脉冲序列的预处理，降低脉冲丢失和虚假脉冲对脉冲序列规律的影响，再利用统计方法分别求取信号时间差的稳定性特征、二阶差分变化特征、连续性特征以及脉冲对匹配特征，利用随机森林对提取特征进行训练与测试。仿真结果表明，该方法对PRI调制类型的识别准确率高，并且有较好的抗脉冲丢失与抗虚假脉冲的能力。

关键词: 脉冲重复间隔, 脉冲丢失, 虚假脉冲, 脉冲对匹配, 调制类型识别, 随机森林

CLC Number:

TN971

Junchen LIU, Bo YAN, Chunlei ZHAO, Wenzhong ZHOU. Modulation Type Recognition of Radar PRI Based on Multi-feature Combination[J]. Modern Defense Technology, 2025, 53(1): 129-139.

刘峻臣, 严波, 赵春雷, 周文忠. 多特征联合的雷达脉冲重复间隔调制类型识别[J]. 现代防御技术, 2025, 53(1): 129-139.

Figures/Tables 16

Table 1 Common PRI types

调制类型	变化形式	应用
重频固定	PRI值固定	脉冲多普勒雷达
重频抖动	PRI在中心值附近抖动	抗干扰
重频参差	多个PRI交替变化	克服动目标指示的盲速
重频组变	多个PRI成组变化	控制导弹遥感数据
重频滑变	PRI按一步长增大或减小	消除盲距

Fig. 1 Different PRI modulation types

Fig. 2 Pulse loss

Fig. 3 False pulse

Fig. 4 Modulation type identification

Table 2 Simulation parameters

PRI调制类型	PRI范围/us	抖动量/%	参差/脉组/滑变数	每组个数	滑变步长/us
固定	［20，10 000］
抖动	［20，10 000］	［10，30］
参差	［20，10 000］		［3，25］
滑变	［20，10 000］		［5，20］		［3，20］
组变	［20，10 000］		［3，16］	［5，20］

Fig. 5 PRI characteristics vary with pulse loss rate

Fig. 6 PRI characteristics vary with false pulse rate

Table 3 Random forest parameters

参数名	参数值	详细说明
trees	10	决策树个数
min_leaf	5	最小叶子节点数

Fig. 7 Recognition accuracy varies with pulse loss rate

Fig. 8 Recognition accuracy of different algorithms varies with the pulse loss rate

Fig. 9 Recognition accuracy rate varies with the spurious pulse rate

Fig. 10 Recognition accuracy of different algorithms is compared with the change of false pulse rate

Fig. 11 Recognition accuracy of different algorithms is compared with the change of false pulse rate and pulse loss rate

Fig. 12 Recognition accuracy of different algorithms is compared with the change of false pulse rate and pulse loss rate

Table 4 Comparison of algorithm time-consuming（2 500 pulses）

算法	平均耗时
本文算法	0.033 6
文献［4］算法	0.046 0
文献［5］算法	0.021 8

References 17

1	左峰，曹兰英，杨健. 一种基于关联脉冲对的动态直方图分选算法［J］. 现代防御技术， 2023， 51（1）： 59-66.
	ZUO Feng， CAO Lanying， YANG Jian. A Dynamic Histogram Deinterleaving Algorithm Based on Correlated Pulse Pairs［J］. Modern Defence Technology， 2023， 51（1）： 59-66.
2	黄中瑞，唐波. 基于脉冲序列重构的雷达PRI调制类型智能识别算法研究［J］. 信号处理， 2024， 40（2）： 263-271.
	HUANG Zhongrui， TANG Bo. Research on Intelligent Recognition Algorithm for Radar PRI Modulation Type Based on Pulse Sequence Reconstruction［J］. Journal of Signal Processing， 2024， 40（2）： 263-271.
3	韩国强，赵洋，纪志强，等. 基于多特征量的雷达辐射源脉间PRI调制识别［J］. 雷达科学与技术， 2019， 17（5）： 519-525.
	HAN Guoqiang， ZHAO Yang， JI Zhiqiang， et al. A Method for Radar Emitter Interpulse PRI Modulation Recognition Based on Multiple Characteristics［J］. Radar Science and Technology， 2019， 17（5）： 519-525.
4	陈晟，姜秋喜，潘继飞. 雷达PRI调制样式识别新方法［J］. 航天电子对抗， 2012， 28（1）： 31-34.
	CHEN Sheng， JIANG Qiuxi， PAN Jifei. A Novel Method for the Modulation Type Recognition of Radar PRI［J］. Aerospace Electronic Warfare， 2012， 28（1）： 31-34.
5	周一鹏，王星，田元荣，等. 基于极值序列特征集的雷达PRI调制模式识别算法［J］. 现代雷达， 2016， 38（5）： 37-41， 63.
	ZHOU Yipeng， WANG Xing， TIAN Yuanrong， et al. A Recognition Algorithm for Radar PRI Modulation Mode Based on Extremum Sequence Features Set［J］. Modern Radar， 2016， 38（5）： 37-41， 63.
6	OTTER D W， MEDINA J R， KALITA J K. A Survey of the Usages of Deep Learning for Natural Language Processing［J］. IEEE Transactions on Neural Networks and Learning Systems， 2021， 32（2）： 604-624.
7	李雅朦，武艳伟，裴晓帅，等. 基于深度自编码器的PRI调制方式识别的一种新方法［J］. 航天电子对抗， 2021， 37（2）： 52-57.
	LI Yameng， WU Yanwei， PEI Xiaoshuai， et al. A New Method of PRI Modulation Recognitionbased on Data Reduction and Deep Learning［J］. Aerospace Electronic Warfare， 2021， 37（2）： 52-57.
8	LI Xueqiong， LIU Zhangmeng， HUANG Zhitao. Attention-Based Radar PRI Modulation Recognition with Recurrent Neural Networks［J］. IEEE Access， 2020， 8： 57426-57436.
9	孟磊，曲卫，马爽，等. 基于LSTM的雷达脉冲重复间隔调制模式识别［J］. 现代雷达， 2021， 43（1）： 50-57.
	MENG Lei， QU Wei， MA Shuang， et al. Radar PRI Modulation Pattern Recognition Method Based on LSTM［J］. Modern Radar， 2021， 43（1）： 50-57.
10	李忠媛，鲜果，龚晓峰，等. 基于GAIN-LSTM网络的雷达PRI序列还原及识别方法［J］. 电讯技术， 2024， 64（3）： 343-349.
	LI Zhongyuan， XIAN Guo， GONG Xiaofeng， et al. A Radar PRI Sequence Restoration and Recognition Method Based on GAIN-LSTM Network［J］. Telecommunication Engineering， 2024， 64（3）： 343-349.
11	张景云，苏世游，何新乐，等. 一种基于全卷积神经网络的雷达PRI调制样式识别方法［J］. 电子信息对抗技术， 2020， 35（3）： 40-45.
	ZHANG Jingyun， SU Shiyou， HE Xinle， et al. A Method for the Modulation Pattern Recognition of Radar PRI Based on Fully Convolutional Neural Network［J］. Electronic Information Warfare Technology， 2020， 35（3）： 40-45.
12	HAN J W， PARK C H. A Unified Method for Deinterleaving and PRI Modulation Recognition of Radar Pulses Based on Deep Neural Networks［J］. IEEE Access， 2021， 9： 89360-89375.
13	郭昭艺，黄祥，孟悦，等. 基于改进连通区域标记的跳频信号分选识别［J］. 现代防御技术， 2023， 51（2）： 71-83.
	GUO Zhaoyi， HUANG Xiang， MENG Yue， et al. Sorting and Identification of Frequency Hopping Signals Based on Improved Connected Region Labeling［J］. Modern Defence Technology， 2023， 51（2）： 71-83.
14	徐涛，刘章孟，熊坤来，等. 基于脉冲到达时间二阶差分特征的雷达信号分类识别方法［J］. 航天电子对抗， 2022， 38（5）： 22-26.
	XU Tao， LIU Zhangmeng， XIONG Kunlai， et al. Classification and Recognition Method of Radar Signal Based on Second-order Difference Feature of Pulse Arrival Time［J］. Aerospace Electronic Warfare， 2022， 38（5）： 22-26.
15	BREIMAN L. Random Forests［J］. Machine Learning， 2001， 45（1）： 5-32.
16	赵庆媛，叶春茂，鲁耀兵. 基于随机森林的微动特征重要性评估研究［J］. 现代防御技术， 2022， 50（4）： 124-131.
	ZHAO Qingyuan， YE Chunmao， LU Yaobing. A Micro-Motion Feature Importance Evaluation Algorithm Based on Random Forest［J］. Modern Defence Technology， 2022， 50（4）： 124-131.
17	潘继飞，姜秋喜. 限制雷达PRI测量精度因素分析及仿真验证［J］. 现代防御技术， 2009， 37（1）： 102-107， 113.
	PAN Jifei， JIANG Qiuxi. Analyzing the Factors that Restrict the Precision of Radar PRI Measurement and Computer Simulation Validation［J］. Modern Defence Technology， 2009， 37（1）： 102-107， 113.

[1]	Qing-yuan ZHAO, Chun-mao YE, Yao-bing LU. A Micro-Motion Feature Importance Evaluation Algorithm Based on Random Forest [J]. Modern Defense Technology, 2022, 50(4): 124-131.
[2]	JI Zheng-yi, CHEN Yang, SHEN Pei-zhi, HAN Xian-ping, QI Hong-kun. Decision Tree Integration Method Application in Effectiveness Evaluation of Anti-Ship Missile Weapon System [J]. Modern Defense Technology, 2021, 49(4): 15-23.