04 脉冲重复间隔PRI去交错：直方图法与序列搜索法对比

⭐PRI去交错：从交叠脉冲流中恢复雷达辐射源序列

在雷达辐射源识别（Radar Emitter Identification, REI）毕业设计中，接收机截获的往往不是单一雷达的脉冲序列，而是多部雷达脉冲在时域上随机交叠的复杂脉冲流（Interleaved Pulse Train）。脉冲重复间隔去交错（PRI Deinterleaving）正是从这种交叠脉冲流中，按PRI模式将属于同一部雷达的脉冲分离出来的核心步骤。本节聚焦两种主流方法——直方图法（Histogram Method）与序列搜索法（Sequence Search Method），通过对比其原理、实现路径与适用边界，帮助你在“雷达辐射源识别毕业设计”中做出正确的技术选型

🎯问题定位：交叠脉冲流中的PRI模式识别难点

处理固定PRI（Constant PRI）、参差PRI（Staggered PRI）和抖动PRI（Jittered PRI）时，去交错算法面临三个核心挑战：

• 脉冲丢失与虚假脉冲：接收机灵敏度不足或信号遮挡导致部分脉冲丢失，同时噪声可能引入虚假脉冲，破坏PRI的周期性
• 参差PRI的周期识别：参差PRI由多个固定的子PRI循环构成，直方图法只能统计出子PRI的基值，但无法直接确定子PRI的排列顺序和帧周期
• 抖动PRI的统计边界：抖动PRI在标称值附近随机变化，传统直方图法若采用固定容差窗口，容易将抖动误判为多个不同PRI

因此，脉冲重复间隔雷达辐射源识别毕业设计中，去交错算法的鲁棒性直接决定了后续辐射源分选与识别的准确率

🧭脉冲重复间隔PRI去交错的对象步骤与验收点

两种方法的核心差异在于：直方图法通过统计脉冲间隔的分布来推测PRI，属于“统计推断”；序列搜索法则基于已知PRI候选值，在脉冲流中尝试匹配连续脉冲，属于“确定性搜索”

直方图法：快速统计PRI候选值

直方图法（通常采用累积差值直方图CDIF或序列差值直方图SDIF）计算所有脉冲到达时间（TOA）两两之间的差值，统计各差值出现的频次。峰值对应的差值即为可能的PRI值。对于参差PRI，直方图会显示多个峰值，对应各个子PRI。其实现路径如下：

1. 输入脉冲TOA序列 toa_list，设定最大搜索PRI max_pri 和容差 tolerance
2. 计算所有TOA差值，仅保留差值小于 max_pri 的项
3. 对差值进行直方图统计，提取超过预设门限的峰值作为PRI候选集

# 伪代码：直方图法提取PRI候选值
def histogram_pri_estimation(toa_list, max_pri, tolerance):
    pri_candidates = []
    diffs = []
    for i in range(len(toa_list)):
        for j in range(i+1, len(toa_list)):
            diff = toa_list[j] - toa_list[i]
            if diff <= max_pri:
                diffs.append(diff)
    # 统计直方图（简化：直接计数）
    from collections import Counter
    counter = Counter([round(d / tolerance) * tolerance for d in diffs])
    threshold = len(toa_list) * 0.1  # 经验门限
    for pri, count in counter.items():
        if count > threshold:
            pri_candidates.append(pri)
    return pri_candidates

阅读这段代码时，重点看脉冲重复间隔PRI去交错的伪代码，以及它如何用稳定性与可观测性证明结果可复测。

上述代码中，tolerance 是关键参数：设置过小会导致抖动PRI被拆分为多个假峰；设置过大会将不同PRI合并。建议初始值设为标称PRI的1%~5%

序列搜索法：精确恢复脉冲序列

序列搜索法以直方图法输出的PRI候选值为基础，从脉冲流中尝试提取连续脉冲序列。其核心是“预测-匹配”循环：

1. 取一个PRI候选值 pri，从第一个脉冲 toa_start 开始
2. 预测下一个脉冲到达时间 toa_next = toa_current + pri，在容差窗口 [toa_next - tolerance, toa_next + tolerance] 内搜索实际脉冲
3. 若匹配成功，则更新当前TOA并继续；若连续失败超过 max_miss 次，则终止该序列
4. 提取出的脉冲序列从原脉冲流中移除，继续处理下一个PRI候选

# 伪代码：序列搜索法提取脉冲序列
def sequence_search(toa_list, pri, tolerance, max_miss=3):
    sequence = []
    used = [False] * len(toa_list)
    for start_idx in range(len(toa_list)):
        if used[start_idx]:
            continue
        current_toa = toa_list[start_idx]
        temp_seq = [current_toa]
        used[start_idx] = True
        miss_count = 0
        while miss_count <= max_miss:
            next_toa = current_toa + pri
            # 在容差窗口内查找
            found = False
            for j in range(start_idx+1, len(toa_list)):
                if used[j]:
                    continue
                if abs(toa_list[j] - next_toa) <= tolerance:
                    temp_seq.append(toa_list[j])
                    used[j] = True
                    current_toa = toa_list[j]
                    found = True
                    break
            if not found:
                miss_count += 1
                current_toa = next_toa  # 预测推进
        if len(temp_seq) > 5:  # 至少5个脉冲才视为有效序列
            sequence.append(temp_seq)
    return sequence

阅读这段代码时，重点看脉冲重复间隔PRI去交错的伪代码，以及它如何用稳定性与可观测性证明结果可复测。

该实现中，max_miss 控制对脉冲丢失的容忍度。对于抖动PRI，需将 tolerance 适当放大（例如标称PRI的10%），否则序列搜索会频繁中断