خلاصة:
در محیط جنگ الکترونیک، رادارها میتوانند دارای مدولاسیونهای درون پالسی و بین پالسی متفاوتی باشند که باعث تمایز بین آنها میشود. تشخیص مدولاسیون درون پالسی در شرایطی که SNR منفی است موضوع مورد علاقه پژوهشگران است. در این مقاله با استفاده از روش فرکانسی و زمان- فرکانس به تفکیک مدولاسیونهای درون پالسی میپردازیم. در این روش به تفکیک مدولاسیونهای LFM، 4FSK، 2FSK، BPSK و NM میپردازیم. الگوریتم این روش بر مبنای ویژگی است و قادر به طبقهبندی تمام سیگنالهای راداری از این نوع مدولاسیونهاست. برای تشخیص مدولاسیون از ویژگیهای زمان- فرکانسی مبتنی بر تبدیل زمان- فرکانس بهبودیافته B استفاده شده است. نوآوری این مقاله نسبت به مقالات دیگر در استفاده از ویژگیهای جدید از توزیع زمان فرکانس است. در این الگوریتم بعد از استفاده از توزیع زمان فرکانس، بعد آن کاهش دادهشده است. و در هر فرکانس بیشترین مقدار زمانی در نظر گرفتهشده و ویژگیهای مدنظر از روی سیگنال استخراج شده است. الگوریتم ارائهشده قابلیت تفکیک صددرصدی سیگنالهای راداری را برای این تعداد مدولاسیون درون پالسی تا نسبت سیگنال به نویز dB 11 را دارد. دوحالتی که روشهای مشابه دقت کمتری در رنج dB 5- تا dB 5 دارد.
In the electronic warfare environment, radars can be differentiated according to intra-pulse and inter-pulse modulations. Detection of intra-pulse modulation with negative SNR is a topic of interest to researchers. In this paper separation of intra-pulse modulation with frequency and time-frequency methods is presented. Using this method, we can categorize different types of LFM, 4FSK, 2FSK, BPSK, and NM modulations. The algorithm of this method is based on characteristics and it is able to classify all radar signals from these types of modulations. To detect the modulation, time-frequency characteristics based on the improved time-frequency transform, B, have been used. The innovation in this research, is the use of new characteristics of time-frequency distribution. The proposed algorithm uses time-frequency distribution to analyze radar signals. Dimension reduction is performed next, then for each frequency the maximum time value is considered and the characteristics are extracted from signal. The presented algorithm has 100% capability of separating radar signals for this number of intra-pulse signals up to -11dB of SNR whereas similar methods have less accuracy with SNR range between -5db to 5db.
ملخص الجهاز:
در ]9[ روشی مقاوم برای تشخیص مدولاسیون درون پالسی مبتنی بر توزیع ویگنرویل و انتقال یادگیری ارائه شده است که برای SNR بالای dB 10 و برای مدولاسیونهای NM، LFM، BPSKو QPSK دقت 90 درصد دارد.
در این روش، ویژگیهای سهبعدی توزیع زمان- فرکانس ویگنرویل برای تشخیص مدولاسیون درون پالسی راداری استفاده شده است.
در ]12[ از تبدیل زمان فرکانس ST-RFT و ممانهای زرنیک برای استخراج ویژگی استفاده شده است که محدودیتهای مقالات بالا را ندارد ولی دقت الگوریتم برای نسبت سیگنال به نویز بیشتر از db 5- حدود 95 درصد است که تقریباً برای پنج مدولاسیون NM، LFM، BPSK، 2FSK و 4FSK کاملترین الگوریتمی است که ارائه شده است.
در این مقاله روش جدیدی ارائه شده است که شامل “توزیع زمان فرکانس بهبودیافته B”، “پیدا کردن بیشینه مقدار فرکانسی در هر زمان و یافتن فراوانی این مقادیر فرکانسی”، و “ استخراج ویژگی” برای تشخیص مدولاسیونهای MP، LFM، BPSK، 2FSK، و 4FSK در SNRهای منفی میباشد.
(رجوع شود به تصوير صفحه)شکل (1): مدل سامانه پیشنهادی در مقاله در بخش دوم به توضیح تبدیل فرکانسی میپردازیم که برای تفکیک MP از BPSK از آن استفاده میکنیم.
مدل سامانه یک سامانه تشخیص مدولاسیون درون پالسی مبتنیبر توزیع زمان فرکانس بهبودیافته B در شکل (1) نشان داده شده است.
Boudreaux-Bartels, “Linear and quadratic time-frequency signal representations,” IEEE Sig Process Mag, vol.
Shan, “Intra-pulse modulation recognition using short-time ramanujan fourier transform spectrogram,” EURASIP Journal on Advances in Signal Processing, vol.
J. Williams, “High spectral resolution time-frequency distribution kernels,” IEEE Transactions on Signal Processing, vol.