Active Radar Deception Jamming Recognition Based on Multi-dimensional Wavelet Features

doi:10.3969/j.issn.1009-086x.2024.03.015

Abstract

Abstract:

According to the identification of radar active deception jamming in tracking mode， by analyzing radar signal and jamming models， we propose a recognition algorithm based on multi-dimensional wavelet features. The signal is sampled and accumulated within the first pulse repetition interval among multiple coherent processing intervals of the target echo to constitute a one-dimensional discrete sequence and the multi-scale wavelet coefficients are extracted using the Mallat algorithm. The shift correlation coefficients of wavelet coefficients at different scales are computed to constitute eigenvector for recognition. Constructing signal samples with different parameters for simulation， the recognition accuracy is still higher than 80% at the signal-to-noise ratio of -5 dB， and the algorithm can effectively distinguish between the range false target and the range gate pull off jamming， which proves the accuracy， versatility and preciseness of the algorithm. Moreover， for the actual situation， we can adjust the dimensions of eigenvector， and select more suitable mother wavelet to further optimize the jamming recognition result.

Key words: radar active deception jamming, discrete wavelet transform, multi-scale analysis, eigenvector, jamming recognition, signal-to-noise radio（SNR）

摘要：

针对跟踪工作模式下常见雷达有源欺骗干扰识别问题，通过分析雷达信号和干扰模型，提出一种基于多维小波特征的识别算法。对目标回波多个相干处理间隔中的首个脉冲重复间隔内信号采样累积，构成一维离散序列，利用Mallat算法提取多尺度小波系数，计算不同尺度下小波系数的移位相关系数，并组成特征向量用于分类识别。构建不同参数的信号样本仿真，在信噪比为-5 dB时仍有高于80%的识别正确率。该算法能将距离假目标干扰和距离拖引干扰有效识别，证明了算法的准确性、通用性和严谨性。此外，针对实际情况，可以调整特征向量维度，选择更适合的母小波函数，进一步优化干扰识别效果。

关键词: 雷达有源欺骗干扰, 离散小波变换, 多尺度分析, 特征向量, 干扰识别, 信噪比

CLC Number:

TN973.1

Yibing LIU, Qiang LUO, Ran HU, Linlin FU. Active Radar Deception Jamming Recognition Based on Multi-dimensional Wavelet Features[J]. Modern Defense Technology, 2024, 52(3): 120-127.

刘一兵, 罗强, 胡然, 付琳琳. 基于多维小波特征的有源雷达欺骗干扰识别[J]. 现代防御技术, 2024, 52(3): 120-127.

Figures/Tables 15

Fig. 1 Diagram of Mallat discrete wavelet decomposition algorithm

Fig. 2 Diagram of the correspondence between wavelet coefficients and frequency ranges

Fig. 3 Flowchart of identification algorithm

Fig. 4 r1 distribution （SNR=0 dB， JSR=3 dB）

Fig. 5 r2 distribution （ SNR=0 dB， JSR=3 dB）

Fig. 6 r3 distribution （ SNR=0 dB， JSR=3 dB）

Fig. 7 r4 distribution （ SNR=0 dB， JSR=3 dB）

Fig. 8 r1 distribution with different SNRs

Fig. 9 r2 distribution with different SNRs

Fig. 10 r3 distribution with different SNRs

Fig. 11 r4 distribution with different SNRs

Table 1 Simulation parameter settings

信号	B / MHz	PRI/μs	T / μs	v₀/ （m·s ^-1）
S₁	10	500	30	350
S₂	5	200	20	400
S₃	1	400	5	300

Fig. 12 Different interference recognition accuracy of S1

Fig. 13 Different interference recognition accuracy of S2

Fig. 14 Different interference recognition accuracy of S3

References 15

1	冉宏远，张宏伟，张民国. 数字射频存储器发展现状及趋势［J］. 飞航导弹， 2018（ 6）： 44- 48.
	RAN Hongyuan， ZHANG Hongwei， ZHANG Minguo. Development Status and Trend of Digital Radio Frequency Memory［J］. Aerodynamic Missile Journal， 2018（ 6）： 44- 48.
2	黄思源，刘东升. 基于DRFM的移频旁瓣干扰技术研究［J］. 现代防御技术， 2017， 45（ 6）： 25- 32.
	HUANG Siyuan， LIU Dongsheng. Technology of Frequency Shift Sidelobe Jamming Based on DRFM［J］. Modern Defence Technology， 2017， 45（ 6）： 25- 32.
3	张锋，高玉良，刘骁，等. 一种改进的数字信道化DRFM系统设计研究［J］. 现代防御技术， 2016， 44（ 4）： 136- 143.
	ZHANG Feng， GAO Yuliang， LIU Xiao， et al. A Novel Design Methodology of DRFM System Based on Digital Channelization［J］. Modern Defence Technology， 2016， 44（ 4）： 136- 143.
4	张延彬，高梅国，袁起. 距离波门拖引干扰中的关键参数设计［J］. 现代防御技术， 2009， 37（ 4）： 114- 116， 142.
	ZHANG Yanbin， GAO Meiguo， YUAN Qi. Parameter Design of the Range Gate Pull off Jamming［J］. Modern Defence Technology， 2009， 37（ 4）： 114- 116， 142.
5	聂学雅. 跟踪雷达干扰感知实现技术研究［D］. 西安：西安电子科技大学， 2020.
	NIE Xueya. Research and Implementation of Tracking Radar Jamming Recognition［D］. Xi'an： Xidian University， 2020.
6	陈赓，田波，宫健，等. 雷达有源干扰鉴别技术综述［J］. 现代防御技术， 2019， 47（ 5）： 113- 119.
	CHEN Geng， TIAN Bo， GONG Jian， et al. Overview of Radar Active Jamming Identification Techniques［J］. Modern Defence Technology， 2019， 47（ 5）： 113- 119.
7	刘振，隋金坪，魏玺章，等. 雷达有源干扰识别技术研究现状与发展趋势［J］. 信号处理， 2017， 33（ 12）： 1593- 1601.
	LIU Zhen， SUI Jinping， WEI Xizhang， et al. The Development and Prospect of Radar Active Jamming Recognition［J］. Journal of Signal Processing， 2017， 33（ 12）： 1593- 1601.
8	唐娟，冉智，赵源，等. 基于干扰机功率放大器特性的有源欺骗干扰识别方法［J］. 数据采集与处理， 2017， 32（ 4）： 762- 768.
	TANG Juan， RAN Zhi， ZHAO Yuan， et al. Active Deceptive Jamming Identification Based on Jammer's Power Amplifier Character［J］. Journal of Data Acquisition and Processing， 2017， 32（ 4）： 762- 768.
9	定少浒，汤建龙. 基于SSA的DRFM速度欺骗干扰识别［J］. 雷达科学与技术， 2020， 18（ 1）： 44- 50.
	DING Shaohu， TANG Jianlong. DRFM Velocity Deception Jamming Recognition Based on Singular Spectrum Analysis［J］. Radar Science and Technology， 2020， 18（ 1）： 44- 50.
10	杨少奇，田波，李欣，等. 基于时频图像特征提取的LFM雷达有源欺骗干扰识别［J］. 空军工程大学学报（自然科学版）， 2016， 17（ 1）： 56- 59.
	YANG Shaoqi， TIAN Bo， LI Xin， et al. A Recognition Method of LFM Radar Active Deception Jamming Based on SPWVD Figure［J］. Journal of Air Force Engineering University（Natural Science Edition）， 2016， 17（ 1）： 56- 59.
11	杨兴宇，阮怀林. 基于双谱分析的雷达有源欺骗干扰识别［J］. 探测与控制学报， 2018， 40（ 2）： 122- 127.
	YANG Xingyu， RUAN Huailin. Active Deception Jamming Identification Method Based on Bispectrum Analysis［J］. Journal of Detection & Control， 2018， 40（ 2）： 122- 127.
12	杨兴宇，阮怀林. 基于时频图像Zernike矩特征的欺骗干扰识别［J］. 现代雷达， 2018， 40（ 2）： 91- 95.
	YANG Xingyu， RUAN Huailin. A Recognition Method of Deception Jamming Based on Image Zernike Moment Feature of Time-Frequency Distribution［J］. Modern Radar， 2018， 40（ 2）： 91- 95.
13	阮怀林，杨兴宇. 基于栈式稀疏自编码器的有源欺骗干扰识别［J］. 探测与控制学报， 2018， 40（ 4）： 62- 67.
	RUAN Huailin， YANG Xingyu. Radar Active Deception Identification Method Based on Stacked Sparse Autoencoder［J］. Journal of Detection & Control， 2018， 40（ 4）： 62- 67.
14	田晓，唐斌. 基于归一化小波分解能量比的雷达有源欺骗干扰识别［J］. 数据采集与处理， 2013， 28（ 4）： 416- 420.
	TIAN Xiao， TANG Bin. Active Deception Jamming Recognition of Radar Based on Normalized Wavelet Decomposition Power Ratio［J］. Journal of Data Acquisition and Processing， 2013， 28（ 4）： 416- 420.
15	郝万兵，马若飞，洪伟. 基于时频特征提取的雷达有源干扰识别［J］. 火控雷达技术， 2017， 46（ 4）： 11- 15.
	HAO Wanbing， MA Ruofei， HONG Wei. Radar Active Jamming Identification Based on Time-Frequency Characteristic Extraction［J］. Fire Control Radar Technology， 2017， 46（ 4）： 11- 15.