Алгоритмы и модели адаптивных автокорреляционных экспресс-анализаторов параметров радиосигналов Шостак Александр Николаевич

Содержание к диссертации

Введение

1. Экспресс-анализатор радиообстановки для проведения предварительного этапа радиомониторинга 16

1.1. Современное состояние алгоритмов и моделей анализаторов радио обстановки 16

1.2. Цели и задачи радиомониторинга 18

1.3. Роль экспресс-анализа в разряжении потока компонентов 21

1.4. Пространственно-частотный экспресс-анализатор радиообстановки 24

1.4.1. Комбинация спектральных и корреляционных методов при построении пространственно-частотного экспресс-анализатора радиообстановки 38

1.5. Выводы 66

2. Экспресс-анализатор видов модуляции радио сигналов 69

2.1. Назначение анализатора модуляции радиосигналов 69

2.2. Алгоритм и структура экспресс-анализатора видов модуляции радиосигналов 70

2.3. Статистическое моделирование экспресс-анализатора видов модуляции радиосигналов 83

2.4. Выводы 90

3. Экспресс-анализатор фазоманипулированных сигналов 92

3.1. Алгоритм и структура экспресс-анализатора фазоманипулированных сигналов 92

3.2. Расчет основных характеристик экспресс-анализатора фазоманипулирован-ных сигналов 109

3.3. Статистическое моделирование экспресс-анализатора фазоманипулирован-ных сигналов 112

3.4. Выводы 123

4. Экспресс-анализатор структуры фазоманипулирован ных сигналов 124

4.1. Алгоритм и структура экспресс-анализатора структуры фазоманипулирован ных сигналов 124

4.2. Статистическое моделирование экспресс-анализатора структуры фазо манипулированных сигналов 133

4.3. Выводы 139

5. Экспресс-анализатор тактовой частоты фазоманипули рованных сигналов 141

5.1. Алгоритм и структура экспресс-анализатора тактовой частоты фазо-манипулированных сигналов 141

5.2. Статистическое моделирование экспресс-анализатора тактовой частоты фазоманипулированных сигналов 147

5.3. Выводы 156

Заключение 157

Список сокращений 162

Список литературы 166

• Пространственно-частотный экспресс-анализатор радиообстановки
• Алгоритм и структура экспресс-анализатора видов модуляции радиосигналов
• Расчет основных характеристик экспресс-анализатора фазоманипулирован-ных сигналов
• Статистическое моделирование экспресс-анализатора структуры фазо манипулированных сигналов

Введение к работе

Актуальность темы диссертации. Аппаратура радиомониторинга (РМ) может
выполнять широкий перечень функциональных задач, таких как обнаружение,
селекция, разрешение, различение, распознавание типа излучающих

радиоэлектронных систем (РЭС) и их тактического назначения, пеленгование источников радиоизлучения (ИРИ), классификация вида модуляции, оценивание параметров сигналов и демодуляция.

За последние годы отечественными фирмами («Навигатор», «Радиосервис», «Нелк», «ИРКОС» и др.) и зарубежными компаниями (Rohde & Shwarz (Германия), NSL (США), Agilent Technology (США), Textronix (США) и др.) разработан широкий перечень технических средств РМ, включающих в себя автоматизированные комплексы различного назначения. Однако подобная аппаратура обеспечивает успешное проведение РМ только при приёме квазинепрерывных и узкополосных сигналов с постоянной частотно-временной структурой.

Анализ существующей аппаратуры РМ показывает, что большинство из них
основано на использовании спектральных методов обработки информации, которые,
в условиях априорной неопределённости относительно особенностей

радиообстановки (РО) и формы принимаемых сигналов, обеспечивают невысокую помехоустойчивость, а также имеют недостаточное быстродействие, ограниченные функциональные возможности, требуют активного участия оператора и отличаются высокой сложностью изготовления аппаратных средств, что существенно увеличивает стоимость таких комплексов РМ.

Поэтому, для обеспечения необходимого уровня достоверности РМ при приёме
кратковременных и скрытных радиосигналов, целесообразно, помимо спектральных
методов обработки, использовать корреляционные методы, так как они обеспечивают
потенциальную помехоустойчивость и возможность реализации

многофункциональных автоматических комплексов радиомониторинга (АКР) (пассивной радиолокации).

Наиболее эффективно корреляционные методы обработки информации реализуются в экспресс-анализаторе (ЭА), который является одной из основных подсистем АКР и предназначен для оперативного уменьшения априорной неопределённости до такого уровня, при котором обеспечивается высокая достоверность детального анализа и демодуляции в других подсистемах АКР.

Таким образом, ввиду особой важности ЭА, актуальность работы определяется необходимостью разработки новых адаптивных алгоритмов ЭА, позволяющих в условиях априорной неопределённости относительно особенностей РО обеспечить достоверное проведение радиомониторинга (пассивной радиолокации) при ограниченном времени анализа, при этом адаптация алгоритмов ЭА реализуется изменением параметров отдельных функциональных узлов или переключением структур.

Исходя из этого, объектом исследования является экспресс-анализатор при
проведении радиомониторинга (пассивной радиолокации), а предметом

исследования – адаптивный автокорреляционный экспресс-анализатор при проведении радиомониторинга (пассивной радиолокации).

Целью диссертационной работы является повышение быстродействия и достоверности проведения радиомониторинга (пассивной радиолокации) в условиях

4
априорной неопределённости и многокомпонентной радиообстановки, в составе
которой могут присутствовать скрытные радиосигналы с расширенным спектром,
посредством разработки и исследования адаптивных автокорреляционных экспресс-
анализаторов параметров радиосигналов, использующих спектральные и
корреляционные методы обработки информации.

Для достижения поставленной цели были решены следующие задачи:

1. Исследовать алгоритмы, уменьшающие априорную неопределённость относительно особенностей радиообстановки. Разработать алгоритм и модель адаптивного экспресс-анализатора, способствующего разряжению радиообстановки до двухкомпонентной модели.

2. Исследовать алгоритмы распознавания модуляции. Разработать алгоритм и модель адаптивного автокорреляционного экспресс-анализатора, обеспечивающего классификацию связных сигналов.

3. Исследовать алгоритмы обработки квазинепрерывных фазоманипулированных сигналов. Разработать алгоритм и модель адаптивного автокорреляционного экспресс-анализатора, способствующего классификации позиционности манипуляции фазоманипулированных сигналов и оценке их тактовой и несущей частоты.

4. Исследовать алгоритмы обработки пакетных фазоманипулированных сигналов. Разработать алгоритм и модель адаптивного автокорреляционного экспресс-анализатора, обеспечивающего оценку моментов начала и конца фрагментов пакетных фазоманипулированных сигналов.

5. Исследовать алгоритмы тактовой синхронизации фазоманипулированных сигналов. Разработать алгоритм и модель адаптивного автокорреляционного экспресс-анализатора, способствующего снижению погрешности оценивания тактовой частоты фазоманипулированных сигналов.

Научная новизна диссертационной работы в целом заключается в разработке и научном обосновании алгоритмов обработки радиосигналов при осуществлении РМ (пассивной радиолокации) в условиях априорной неопределённости относительно особенностей радиообстановки и параметров, входящих в неё компонент.

При выполнении диссертационного исследования были получены следующие основные результаты, характеризующиеся научной новизной:

6. Разработаны и исследованы алгоритм и модель адаптивного пространственно-частотного экспресс-анализатора, способствующие разряжению радиообстановки до двухкомпонентной модели, отличающиеся использованием последовательной пространственной и параллельной частотной обработки.

7. Предложены и исследованы алгоритм и модель адаптивного автокорреляционного экспресс-анализатора видов модуляции связных сигналов, обеспечивающие классификацию связных сигналов, отличающиеся совместным использованием корреляционно-фильтровой и спектральной обработки.

8. Разработаны и исследованы алгоритм и модель адаптивного автокорреляционного экспресс-анализатора фазоманипулированных сигналов, способствующие классификации позиционности манипуляции фазоманипулированных сигналов и оценке их тактовой и несущей частоты,

5 отличающиеся обработкой информативных признаков эффектов на выходе перемножителей.

4. Построены и исследованы алгоритм и модель адаптивного автокорреляционного экспресс-анализатора для вскрытия временных параметров пакетных фазоманипулированных сигналов, обеспечивающие оценку моментов начала и конца фрагментов пакетных фазоманипулированных сигналов, отличающиеся использованием информативных признаков автокорреляционных функций различных фрагментов сигнала.

5. Разработаны и исследованы алгоритм и модель адаптивного автокорреляционного экспресс-анализатора тактовой частоты фазоманипулированных сигналов, способствующие снижению погрешности оценивания тактовой частоты фазоманипулированных сигналов, отличающиеся использованием различных режимов изменения параметров функциональных узлов.

Практическая значимость результатов работы заключается в следующем:

1. Разработанные алгоритм и модель адаптивного пространственно-частотного экспресс-анализатора обеспечивают пропускную способность до 1000 ИРИ при сеансе РМ (пассивной радиолокации) 10 с, дальность действия до 100 км и высокое быстродействие (длительность кругового обзора антенны 1 с; при ширине ДНА 3.6 длительность анализа радиообстановки при фиксированном значении азимута 10 мс).

2. Разработанные алгоритм и модель адаптивного автокорреляционного экспресс-анализатора видов модуляции связных сигналов обеспечивают распознавание 10 видов модуляции при входном ОСШ 0 дБ и быстродействии 10 мс.

3. Разработанные алгоритм и модель адаптивного автокорреляционного экспресс-анализатора фазоманипулированных сигналов обеспечивают среднеквадратичную погрешность точного оценивания частоты 2.5 КГц на центральной частоте при входном ОСШ 0 дБ, низкую вероятность ошибочных решений при классификации позиционности сигнала и быстродействие 10 мс.

4. Разработанные алгоритм и модель адаптивного автокорреляционного экспресс-анализатора для вскрытия временных параметров пакетных фазоманипулированных сигналов обеспечивают низкую погрешность вскрытия временных параметров пакета при входном ОСШ 12 дБ и быстродействии 10 мс.

5. Разработанные алгоритм и модель адаптивного автокорреляционного экспресс-анализатора тактовой частоты фазоманипулированных сигналов обеспечивают низкую относительную среднеквадратичную погрешность флюктуаций временного положения строб-импульсов тактовой последовательности 0.04 при входном ОСШ 0 дБ и быстродействии 10 мс.

Методы исследования. При выполнении работы использовались методы теории вероятностей, теории случайных процессов, теории статистических решений, теории статистической радиотехники, теории обнаружения сигналов, теории распознавания образов. Для построения графиков и выполнения сложных расчётов использовалась программная среда Mathcad 15. Для проведения имитационного моделирования применялась САПР SystemVue 6.0.

Положения, выносимые на защиту:

6. Алгоритм и модель адаптивного пространственно-частотного экспресс-анализатора, отличающиеся использованием последовательной пространственной и параллельной частотной обработки, способствуют разряжению радиообстановки до двухкомпонентной модели.

7. Алгоритм и модель адаптивного автокорреляционного экспресс-анализатора видов модуляции связных сигналов, отличающиеся совместным использованием корреляционно-фильтровой и спектральной обработки, обеспечивают классификацию широкого перечня связных сигналов.

8. Алгоритм и модель адаптивного автокорреляционного экспресс-анализатора фазоманипулированных сигналов, отличающиеся обработкой информативных признаков эффектов на выходе перемножителей, способствуют классификации позиционности манипуляции фазоманипулированных сигналов и оценке их тактовой и несущей частоты.

9. Алгоритм и модель адаптивного автокорреляционного экспресс-анализатора для вскрытия временных параметров пакетных фазоманипулированных сигналов, отличающиеся использованием информативных признаков автокорреляционных функций различных фрагментов сигнала, обеспечивают оценку моментов начала и конца фрагментов пакетных фазоманипулированных сигналов.

10. Алгоритм и модель адаптивного автокорреляционного экспресс-анализатора тактовой частоты фазоманипулированных сигналов, отличающиеся использованием различных режимов изменения параметров функциональных узлов, способствуют снижению погрешности оценивания тактовой частоты фазоманипулированных сигналов.

Достоверность научных результатов. Достоверность полученных в
диссертации результатов подтверждается корректным использованием методов
теорий: вероятности, случайных процессов, статистических решений, статистической
радиотехники, обнаружения сигналов, распознавания образов, а также

использованием современных методов математического и имитационного моделирования.

Апробация работы. Основные положения и результаты диссертационной
работы докладывались и обсуждались на следующих научных конференциях и
семинарах: XI Всероссийской научной конференции молодых учёных, аспирантов и
студентов «Техническая кибернетика, радиотехника и системы управления»
(Таганрог, 2012); Всероссийской научной конференции «Теоретические и
методические проблемы эффективного функционирования радиотехнических
систем» («Системотехника – 2013») (Таганрог, 2013); Всероссийской научной
конференции «Теоретические и методические проблемы эффективного

функционирования радиотехнических систем» («Системотехника – 2014») (Таганрог,
2014); Научно-технической конференции студентов и аспирантов «Научная сессия
РТФ–2014» (Таганрог, 2014); Всероссийской научной конференции «Теоретические
и методические проблемы эффективного функционирования радиотехнических
систем» («Системотехника – 2015») (Таганрог, 2015); Международной научно-
практической конференции «Перспективные телекоммуникационные и
информационные системы и технологии» (Ростов-на-Дону, 2015).

Реализация и внедрение результатов. Основные результаты работы нашли
применение в разработках ОКБ «РИТМ» ЮФУ (ОКР №212/13-04), а также
используются в учебном процессе на кафедре Радиотехнических и

телекоммуникационных систем ИРТСУ ЮФУ в курсах «Радиосистемы передачи информации» и «Спутниковые системы определения местоположения».

Публикации. По теме диссертации опубликовано 17 научных работ, из них 5 статей в изданиях, рекомендованных ВАК РФ, 3 патента на полезную модель, 1 учебное пособие, 1 методическое указание к лабораторно-практическим занятиям.

Структура и объём работы. Диссертация состоит из введения, пяти глав, заключения, списка сокращений, списка литературы из 72 наименований. Работа изложена на 172 страницах, содержит 60 рисунков и 6 таблиц.

Пространственно-частотный экспресс-анализатор радиообстановки

Стремительное развитие радиоэлектронных систем (РЭС) приводит к возникновению ряда проблем: постоянное усложнение радиообстановки (РО); хищение информации частных и государственных компаний с помощью средств скрытной передачи информации; пополнение арсенала террористических организаций и бандитских группировок современными РЭС.

Поэтому, для устранения выше указанных проблем, параллельно с активным совершенствованием систем передачи информации по радиоканалам, развивается аппаратура для проведения радиомониторинга (РМ), который применяется для как решения гражданских, так и военных задач. Технические средства РМ получили широкое распространение, так как относятся к радиосистемам извлечения информации [2], и характеризуются такими показателями как скрытность функционирования, большая дальность действия, достоверность и оперативность добываемой информации.

В зависимости от требований к полноте и достоверности исследований, аппаратура РМ может выполнять широкий перечень функциональных задач, таких как обнаружение, селекция, разрешение, различение, распознавание типа излучающих РЭС и их тактического назначения, пеленгование источников радиоизлучения (ИРИ), классификация вида модуляции, оценивание параметров сигналов и демодуляция.

За последние годы отечественными фирмами («Навигатор», «Радиосервис», «Нелк», «ИРКОС» и др.) и зарубежными компаниями (Rohde & Shwarz (Германия), NSL (США), Agilent Technology (США), Textronix (США) и др.) разработан широкий перечень технических средств РМ, включающих в себя автоматизированные комплексы различного назначения. Однако, подобная аппаратура обеспечивает успешное проведение РМ только при приёме квазинепрерывных и узкополосных сигналов с постоянной частотно-временной структурой. Непрерывное развитие скрытных средств связи, использующих широкополосные сигналы, приводит к тому, что существующие комплексы РМ при приёме сигналов с расширенным спектром и ограниченной длительностью, из-за узкополосности линейного тракта и недостаточной скорости анализа, обеспечивают низкий уровень достоверности обработки информации, вследствие сильных искажений, сопровождающихся пропусками сигнала.

Анализ существующей аппаратуры РМ показал, что для проведения частотного анализа в них используются следующие методы обработки информации [4, 5, 6, 7]: последовательный анализ с использованием перестраиваемого фильтра или гетеродинирования; параллельный анализ с помощью набора полосовых фильтров; комбинированный анализ на основе использования последовательного и параллельного методов; дисперсионно-временной метод на основе использования дисперсионных линий задержки; рециркуляционный метод с использованием гребенчатого фильтра; акусто-оптический метод на основе использования ультразвукового модулятора света; спектральный метод на основе вычисления быстрого преобразования Фурье (БПФ) цифровыми средствами.

Однако большинство современной аппаратуры РМ основано на использовании спектральных методов обработки информации, которые в условиях априорной неопределённости относительно особенностей РО и формы принимаемых сигналов, обеспечивают низкую помехоустойчивость, а также имеют недостаточное быстродействие, ограниченные функциональные возможности, требуют активного участия оператора и отличаются высокой сложностью изготовления аппаратных средств, что существенно увеличивает стоимость таких комплексов РМ.

Поэтому для обеспечения необходимого уровня достоверности РМ при приёме кратковременных и скрытных радиосигналов, целесообразно, помимо спектральных методов обработки, использовать корреляционные методы, так как они обладают следующими достоинствами [3]: автокорреляционные алгоритмы являются квазиоптимальными по помехоустойчивости при обработке сигналов с неизвестной формой; расширяют тактические возможности за счёт многофункциональности; простота реализации агрегатированного базового модуля с программной перестройкой, обусловленная использованием единственного алгоритма; высокое быстродействие, которое определяется постоянной временем интегрирования.

Наиболее эффективно, корреляционные методы обработки информации проявляют себя при проведении предварительного этапа радиомониторинга, который предназначен для оперативного уменьшения априорной неопределённости до такого уровня, при котором обеспечивается высокая достоверность детального анализа и демодуляции в других подсистемах автоматизированного комплекса радиомониторинга (АКР) [8].

Алгоритм и структура экспресс-анализатора видов модуляции радиосигналов

Адаптивный цифровой спектроанализатор на основе информации о частотной панорамы предназначен для выделения одного из компонентов радиообстановки (сигнала S(t)), оценивания его средней частоты fs и ширины спектра Afs с допустимой относительной погрешностью — KS. Функционирование АЦС осуществляется в виде следующих этапов. Этапы функционирования АЦС, реализуемые при использовании УУ. Внешнее целеуказание (ЦУ): fs Дгр и задан Kf= = —, Рлт, РЛТк.

1 этап. Предварительная настройка ширины полосы пропускания ДФ1 и ДФ2 по внешнему целеуказанию: Д/Дф Л . Децимирующий фильтр представляет собой цифровой ФНЧ на выходе которого отсчёты децимируются, то есть для дальнейшей обработки берутся не все отсчёты, а каждый второй, третий, четвертый и т.д. В результате частота дискретизации снижается в 2. 3, 4 и т.д. раз. ФНЧ перед дециматором необходим для ограничения спектра входного сигнала, чтобы предотвратить наложение спектров после децимации

В АЦС наиболее удобно выполнить децимируюший фильтр в виде нескольких каскадов, каждый из которых обеспечивает децимацию в 2 раза. Тогда общий коэффициент децимации может быть 2, 4, 8, 16, 32 и так далее раз. Устройство управления выбирает такой коэффициент децимации децимирующего фильтра Ядец, чтобы обеспечить полосу анализа максимально близкую к требуемой.

2 этап. Настройка СЧ на частоты /н, /в, (fB - /н A/Srp- = /srp). Центральная частота АЦС устанавливается путем настройки Г 1 (грубо, промежуточная частота fm) и СЧ (точно, близкая к нулю промежуточная частота /пч2). Г1 перекрывает весь рабочий диапазон частот АЦС. Для минимизации фазовых шумов целесообразно выбрать шаг перестройки по частоте этого гетеродина достаточно большим (5 - 10 МГц и более) Точная настройка центральной частоты осуществляется СЧ. Он полностью цифровой и представляет собой синтезатор прямого синтеза (Direct Digital Synthesis (DDS)). За счёт выбора его параметров (разрядности фазового аккумулятора и разрядности выходных отсчётов) может быть обеспечена требуемая чистота спектра и шаг перестройки АЦС по несущей частоте. 3 этап. Предварительная настройка количества каналов БПФ пк (определяется требуемой шириной канала Д/к) исходя из условий Д/к « Дгр, пк =

Типовой операцией при вычислении БПФ является т.н. операция “бабочка”. Процедуру вычисления БПФ на N точек можно декомпозировать на S = log2 (N) этапов. На каждом этапе необходимо выполнить - операций “бабочка”. Аппаратно такая структура может быть реализована последовательно или параллельно.

При последовательной реализации все S этапов обработки производятся последовательно с помощью одной “бабочки”. Для уменьшения времени вычисления БПФ все S этапов алгоритма могут быть выполнены параллельно, по конвейерному принципу. При этом после обработки данных на этапе 0, они передаются на этап 1, а на этапе 0 начинает обрабатываться следующая порция входных данных и т.д. В результате образуется конвейер обработки данных. Очевидно, что параллельная архитектура в 5 раз быстрее последовательной и наиболее подходит для предложенного АЦС по быстродействию. Необходимое количество точек БПФ с шагом 2 - 4 - 8 - 16... может задаваться выбором необходимого числа этапов обработки. 4 этап. Оценка спектральной плотности шума iVn(A/Srp). Ком закрывается и 1. в РУ оценивается tf„(A/s ) при AfKTt 5 этап. В РУ устанавливается порог для обеспечения заданной РЛТк = 1(Г3 #пор = 10. 6 этап. Оценка в РУ отношения сигнал/шум на /Srp при AfKJt = 1, адаптация ОЗУ Т2 = тпТъ AfKT2 » 1. 1(2) = jf1 Д/к/ір) и расчёт Ns. і 2 2 7 этап. По заданному / в УУ или РУ расчёт требуемого #м = 4 и расчёт требуемого Кфт = AfKTT = и уточнение пт в БПФ пу = КфТ. 4s 8 этап. По рассчитанному д и К для заданного РЛТк уточняется g ov в РУ. 9 этап. По заданным fSr и / в УУ уточняется Л/к т = 0,55AfSrKf, а затем уточняется Т? =—, а затем m = —. А/кут 7\ 10 этап. После установки Л/к т снимается спектрограмма РУ и на уровне -3 дБ или -10 дБ определяется fs fs а затем в РУ рассчитывается fs = ———, Д/j =

Реализация АЦС не вызывает затруднений. Представленная структурная схема и подробное описание принципа действия каждого блока, разработанного на типовых функциональных узлах, с использованием современной элементной базы, позволяет изготовить АЦС промышленным способом по своему назначению, что характеризует промышленную модель как промышленно применимую.

Экспресс-анализатор кратковременных источников радиоизлучений На рисунках 1.4 и 1.5 приведены структурные схемы ЭА КИРИ. На рисунке 1.4 имеем: ППФ - перестраиваемый полосовой фильтр; П1, П2, П3, П 4 - первый, второй, третий, четвёртый перемножители; И1, И2, И3, И4 - первый, второй, третий, четвёртый интеграторы; Кв1, Кв2, Кв3, Кв4 – первый, второй, третий, четвёртый квадраторы; Сум1, Сум2 – первый, второй сумматоры; ИК1, ИК2 – первый, второй извлекатели корня квадратного; ПУ – пороговое устройство; ЛЗ1, ЛЗ2 – первая, вторя линия задержки; Дел1, Дел2 – первый, второй делители напряжений; ФП1, ФП2 – первый, второй функциональные преобразователи; Фв1, Фв2 – первый и второй фазовращатели на 90; АУ1, АУ2 – первое, второе автокорреляционное устройство; ВУ – вычислительное устройство.

Расчет основных характеристик экспресс-анализатора фазоманипулирован-ных сигналов

Проведение радиочастотного мониторинга в условиях наличия кратковременно работающих РЭС требует от АКР высокого быстродействия и достоверности. Для увеличения эффективности обработки информации необходимо в современных АКР использовать автоматические классификаторы сигналов [30].

Задача классификации вида модуляции сигнала относится к актуальным проблемам РМ и может решаться при использовании трёх основных классов алгоритмов распознавания модуляции: алгоритмы на основе вероятностного подхода, на основе анализа особенностей и на основе вейвлет-преобразования. Первый класс алгоритмов использует функцию правдоподобия полученного сигнала, при этом классификаторы могут быть основаны на следующих методах: 1. Средний тест отношения правдоподобия (average likelihood ratio test, ALRT) [31, 32, 33]; 2. Обобщенный тест отношения правдоподобия (generalized likelihood ratio test, GLRT) [34, 35, 36]; 3. Составной тест отношения правдоподобия (hybrid likelihood ratio test, HLRT) [37, 38, 39].

Основным недостатком таких классификаторов является высокая вычислительная сложность, поэтому в литературе всё чаще предлагаются классификаторы, основанные на квази-ALRT методах [40, 41, 42] и квази-HLRT методах [43, 44], которые обладают меньшей вычислительной сложностью.

Второй класс алгоритмов использует свойства сигналов, при этом классификаторы могут быть основаны на следующих методах: 1. Анализ векторной диаграммы [45]; 2. Использование моментов высокого порядка [46]; 3. Использование кумулянтов [47]; 4. Использование нейросетевых алгоритмов [48, 49] и т.д. Однако такие классификаторы достаточно чувствительны к расстройке по несущей частоте и отношению сигнал/шум (для успешной классификации модуляции необходимо более 5 дБ).

Третий класс алгоритмов использует возможность извлечения переходной информации сигналов на основе вейвлет-преобразования. Существующие подходы для распознавания модуляции отличаются как используемыми вейвлетами, так и структурой алгоритмов [50, 51, 52, 53, 54, 55]. Однако классификаторы использующие вейвлет-преобразования имеют высокую вычислительную сложность и стоимость технической реализации.

В настоящее время при реализации классификаторов модуляции широкое распространение получили спектральные, корреляционные и комбинированные алгоритмы обработки информации. К недостаткам спектральных алгоритмов следует отнести то обстоятельство, что они в основном применяются при классификации сигналов только по энергетическим и частотным параметрам, а корреляционные алгоритмы способны обеспечить классификацию сигналов по временным параметрам [56].

Следовательно, алгоритм экспресс-анализатора видов модуляции радиосигналов должен быть основан на комбинации корреляционных и спектральных методов обработки информации, что будет обеспечивать расширение функциональных возможностей комплексов РМ, за счёт определения видов модуляции радиосигналов с амплитудной, частотной и фазовой модуляцией.

После проведения пространственно-частотного сканирования РО и пополнения базы данных новыми компонентами, начинается следующий этап, на котором проводится классификация вида модуляции наиболее интересных сигналов.

Для проведения классификации вида модуляции используется экспресс-анализатор видов модуляции радиосигналов (ЭА ВМР) [57], параметры которого управляются целеуказаниями, поступающими от пространственно-частотного ЭА.

Алгоритм ЭА ВМР может быть представлен следующей процедурой: Fi\yN (t)l - у2(0; ЪЪгШ " Ць/(0; З[ Ф;(0] " U(T,AfK); F4[U(T,AfK)] - Ну, j Є [1,10], где Fx [yWl (t)] - оператор, соответствующий этапу разряжения многокомпонентной РО yN (t) в двухкомпонентный процесс y2(t); F2[y2(0] - оператор, соответствующий трансформированию спектрального распределения сигнала на фиксированной частоте; F3[Un0(t)] - оператор, соответствующий детектированию компонентов сигнала в каналах параллельного спектроанализатора; F4[U(T,AfK)] - оператор, соответствую-щий этапу классификации вида модуляции сигнала. Структурная схема ЭА ВМР приводится на рисунке 2.1, где КФУ -корреляционно-фильтровое устройство; Ф15 Ф2, Ф3 - полосовые фильтры; ПЛЗ -перестраиваемая линия задержки; П - перемножитель; Г - гетеродин; ПСА -параллельный спектроанализатор; Упр - управитель; РУ - решающее устройство.

Статистическое моделирование экспресс-анализатора структуры фазо манипулированных сигналов

При радиомониторинге ФМС с неизвестной формой для вскрытия спектрально-временной структуры используются спектральные и корреляционные методы. При приёме высокоскоростных ФМС автокорреляционные методы обеспечивают по сравнению со спектральными методами более высокую точность оценки временной структуры при меньшей аппаратурной сложности и заслуживают особого внимания [3].

В случае, если на этапе детального анализа ЭА ФМС классифицирует позиционность манипуляции фазоманипулированного сигнала как ФМ-2, то на следующем этапе обработки используется автокорреляционный экспресс-анализатор структуры фазоманипулированных сигналов (ЭА СФМС). Алгоритм ЭА СФМС может быть представлен следующей процедурой: Щі(Т,Ті) Тэ МУЛДО] - зъ(0; [у2(0] - и (т т) Ti=Y;T2 = Td; 14( Г)1 {Яг;Ям;Яи;Яз} где F. Гул, (t)l - оператор, соответствующий этапу разряжения многокомпонентной РО ум (t) в двухкомпонентный процесс y2(t); [УгСО] – оператор, соответствующий прохождению сигнала через два автокоррелятора с разным временным сдвигом; F3 \JJ (т ч - оператор, соответствующий принятию гипотезы о наличии гармонического Яг, меандрового Ям, информационного Яи и защитного Я3 фрагментов.

На рисунке 4.1 приведена структурная схема ЭА СФМС [65], где П1, П2, П3, П4 – перемножители; Фв1, Фв2 – фазовращатели; ЛЗ1, ЛЗ2 – линии задержки; И1, И2, И3, И4 – коммутируемые интеграторы; Кв1, Кв2, Кв3, Кв4 – квадраторы; С1, С2 – сумматоры; ПУ1, ПУ2 – пороговые устройства; Сч1, Сч2 – счётчики; Упр – управитель; ГТИ – генератор тактовых импульсов; РУ – решающее устройство; УИК1, УИК2 – устройства извлечения квадратного корня; АКО1, АКО2 – автокорреляторы с квадратурной обработкой.

Для случая, когда в U(t) используется детерминированная последовательность элементов по закону меандра, энергетический спектр двухпозиционного ФМС с манипуляцией [0, тг] имеет вид:

Для случаев, когда манипулирующая последовательность U(t) представляет собой псевдослучайную последовательность элементов (ПСП), энергетический спектр и автокорреляционная функция ФМС при равновероятных скачках фазы А(рЕ [О, тг] имеет вид: G3(f) = T3sinc2[n(f - fs)T3]; (4.6) д3(т) = Гз(т) cos O)ST при t3 t t3 + Тц; г3(т) = 1 - й (4.7) Z Уд где t3, Ги - момент начала и длительность информационного фрагмента ФМС с манипуляцией ПСП (И).

В общем случае в системах с МДВР ФМС имеют в своём составе все вышеперечисленные фрагменты.

Поскольку при проведении РМ, как правило, осуществляется обработка ФМС с неизвестной формой, то наличие в составе ФМС фрагментов различных типов приводит к нестационарному характеру энергетического спектра, параметры которого зависят от априорно неизвестных состава, длительности и закона формирования манипулирующей функции.

Для вскрытия спектрально-временной структуры таких ФМС, также как и локально-стационарных случайных процессов, в условиях большой априорной неопределённости о временных параметрах наиболее простая аппаратурная реализация обеспечивается при использовании адаптивного многоканального корреляционного анализа [3].

Анализ законов изменения нормативных огибающих автокорреляционных функций вышерассмотренных фрагментов ФМС показывает, что для аппроксимации достаточно иметь информацию о двух ординатах огибающей коэффициента автокорреляции г(т). Для классификации таких фрагментов ФМС, как Г, М и И достаточно использовать набор ординат: к( 2 ),г5(Гэ), (4.8) поскольку при этом для Г имеем г., (—) - 1, r(T-i) - 1, для М имеем Го (—) - 0, rs(T3) - 1, для И имеем rs (2) = 0.5, rs(T3) - 0. Кроме того, имеется возможность классификации защитного промежутка (З), так как при отсутствии ФМС имеем rs ( ) - 0, rs(T3) - 0.