基于特征融合的雷达信号脉内调制类型识别

针对雷达信号脉内调制识别算法准确率低的问题,提出基于特征融合的雷达脉内调制类型识别方法,该方法首先提取雷达信号时频图像的形状特征和纹理特征,利用改进的主成分分析法（IPCA）对特征进行融合,然后将融合特征输入支持向量机（SVM）,实现信号的分类识别。仿真实验中对8种常见的不同调制类型的雷达信号进行识别,该算法在信噪比为5dB时识别准确率接近100％,验证了该方法的有效性。     

雷达信号脉内调制特征的时频分析

以线性调频与非线性调频信号为例 ,对雷达信号的脉内调制特征进行了时频分析。首先 ,通过求取解析信号的瞬时相位微商的方式得到信号的瞬时频率 ;然后引出Wigner分布和小波变换的方法 ,对信号进行分析 ,从而得到了调频信号的时频分布 ;最后 ,对这三种方法作了分析比较 ,指出小波变换方法是进行雷达信号脉内特征分析的有力工具     

时频图像局部二值模式特征在雷达信号分类识别中的应用

针对低信噪比下雷达辐射源信号的分类识别,提出了一种将时频分析与图像处理相结合的特征提取和识别方法.该方法首先对雷达信号进行时频变换,将得到的时频分布转化为灰度图像;然后运用图像处理方法对时频图像进行增强和去噪;最后提取局部二值模式纹理特征描述子作为信号的识别特征,并采用支持向量机分类器实现信号的分类识别.文中针对12种常见雷达信号进行了仿真,结果表明该方法在较低的信噪比下仍能获得较为满意的识别率,当SNR=0dB时,信号的平均识别率能达到95.35％.所提出方法能有效降低噪声对分类识别的影响,同时对于时频图像相近的信号也有较好的识别效果,表明了该方法的有效性.     

基于YOLOv6框架实现典型通信信号调制快速识别方法

随着战场通信侦察对抗系统的快速发展,通信信号体制变得非常复杂,给非合作接收条件下的通信信号检测、调制识别及信号辐射源个体识别带来困难。为了全面掌握信号先验信息,对复杂多样的通信信号体制进行盲检与识别,本文提出基于时频图分析和深度神经网络的多种通信信号自动调制识别方法。首先,利用时频分析将不同典型通信信号转换为时频图像,再将标注后的时频图输入基于深度学习的YOLOv6（目标检测模型）网络中进行特征学习;然后,通过设计YOLOv6更高效的网络结构,使其能够对信号的时频图进行快速识别;最后,将训练后的网络权重对典型通信交叠信号进行测试,对提取的特征向量进行分类识别,完成6种调制方式识别与位置的快速确定,实现在非合作接收条件下的多个典型通信信号调制方式的检测和识别。     

基于时频分布的电子侦察信道参数估计方法

提出了一种基于时频分布的信道参数盲估计方法。首先分析了多径信道模型和时频域匹配滤波算法,接着根据时频分布自身项和交叉项的不同特点,提出采用短时傅里叶变换的时频图对Wigner—Ville分布进行滤波,以提取源信号的时频脊线,然后利用时频域匹配滤波对多径信号进行参数估计。该方法快速简单,参数估计准确,分辨率高。仿真实验对雷达脉内频率调制信号进行多径参数估计,实验结果证明了该方法的正确性和有效性。     

基于神经网络的时频域雷达信号调制参数估计

针对常规时频分析方法对多分量雷达信号分析的不足,提出一种基于神经网络的时频域多分量雷达信号调制参数估计新方法.把多分量雷达信号的时频分布作为灰度图像,通过神经网络训练得到高分辨率时频平面图,然后在时频域实现雷达信号各分量的调制参数估计,相对于时频重排等方法,其对时频分布的处理不需要关于各分量信号的先验知识.仿真实验表明,该方法在得到比时频重排方法更高分辨率时频图的基础上,能够较准确地估计各分量雷达信号调制参数.     

基于连续小波变换的脉内调制类型识别技术

脉内调制类型识别是雷达侦察的关键技术之一,特别是低信噪比下的脉内调制识别技术是当前研究的热点.利用基于连续小波变换的瞬时频率提取技术,可以在低信噪比条件下获得不同调制类型信号的瞬时频率特征,从而实现低信噪比下的脉内调制类型识别,仿真结果表明采用这种方法可以有效地实现低信噪比下的瞬时频率提取.     

基于卷积神经网络的雷达辐射源稳健识别方法

针对低信噪比下，基于传统统计特征的雷达信号识别方法对复杂调制信号类型识别性能不高，因而处理复杂度高的问题，提出一种基于卷积神经网络的雷达辐射源信号稳健识别方法。该方法通过提取信号的瞬时相位特征，获得变换域的表征信号，将其作为卷积神经网络的输入，实现雷达辐射源信号的快速识别。针对瞬时相位特征对于信噪比敏感的特点，采用主成分分析方法对信号特征域进行降噪处理，提升模型对噪声的稳健性。通过仿真实验验证了所提出方法在不同信噪比下对7种调制信号类型的识别性能，通过理论分析及不同方法的实验对比，验证了算法具有耗时较短、识别准确率较高、噪声稳健性好等优势，具有良好的工程实用性。     

基于时频图像形态学的雷达信号IF估计

针对低信噪比下雷达信号的IF估计,提出一种将时频分析和图像处理相结合的估计方法.首先通过时频变换将一维信号转化为二维时频图像;然后采用形态学方法去除时频图像上的噪声点和毛刺,并将其骨骼化;最后采用图像处理中标注连接分量的方法,区分出不同分量的雷达信号以及噪声分量,并通过统计信号分量的行索引和列索引估计出信号的IF.对SFM、LFM和FSK信号的IF估计进行了仿真分析,实验结果表明该方法能够在较低信噪比下有效地估计出信号的IF,同时也适用于多分量信号.     

脉冲多普勒雷达识别中的信号调制信息提取

由于脉冲多普勒雷达的不同工作方式采用不同的信号调制形式 ,因此研究信号调制信息提取方法是脉冲多普勒雷达识别中的一个重要环节。以脉冲多普勒雷达的特点和信号调制方法为理论基础提出几种信号调制信息的提取方法 ,仿真结果表明采用时域数字正交相干检波法能获得很好的识别效果     

基于高斯chirplet时频原子参数自适应时频分布图的不变矩特征提取方法研究

根据时频分布性质,针对雷达目标的特征提取与分类识别问题,提出了一种基于高斯c hirplet时频原子参数自适应时频分布图的不变矩特征提取方法。首先分析了各种不变矩, 总结了它们各自的应用特点;接着把雷达信号和其时频分布图的不变矩特征结合起来分析了 目标的各种行为对时频分布图不变矩的影响,然后对提取时频分布图不变矩的算法进行了详 细的研究,识别仿真结果表明,利用信号参数自适应时频分布图像的不变矩特征进行雷达目 标识别是一个卓有成效的方法,该方法充分利用了雷达目标的散射信息,具有较高的识别率 。     

一种低信噪比下雷达脉内特征提取方法

高密度复杂环境下的雷达脉内特征提取是现代雷达的信号分选、识别的一个重要研究内容。利用时频分析中的WVD分布分析信号时零频处仍保持原信号所有特征这一特性 ,提出了一种低信噪比下的小波提取信号脉内调制特征的方法。仿真结果证明了该算法的有效性。     

一种雷达信号脉内调制特征分析方法

以单载频、线性调频、BPSK和FSK信号为例,通过提取信号的瞬时相位,对雷达信号的脉内调制特征进行了分析。首先介绍了信号瞬时相位的提取方法,然后通过瞬时相位微商得到信号的瞬时频率,接着引出了一种基于最小二乘算法的调制类型识别方法,最后对这种方法进行了仿真分析。仿真表明,相位测频法是一种有效的雷达信号调制特征分析工具。     

现代雷达辐射源识别技术研究

对雷达辐射源进行准确识别是当前研究的重点课题之一,主要包括对雷达辐射源个体信号、雷达辐射源型号的识别.系统地介绍了当前用于识别雷达辐射源个体信号、雷达辐射源型号的几种常用方法,从理论上详细分析了它们的优缺点,并重点提出了脉内特征在现代雷达辐射源识别中的重要性.最后指出当前这一领域亟需解决的一些问题.     

基于深度学习的雷达辐射源识别算法

为解决雷达辐射源识别中特征提取困难、低信噪比条件下识别效率低的问题,提出了一种基于一维卷积神经网络和长短期记忆网络的深度学习智能识别算法,构建了一个CNN?LSTM网络,能实现对不同脉内调制方式雷达辐射源的端到端识别。该网络首先利用卷积层学习信号局部特征,然后将卷积层输出的结果输入长短期记忆网络,学习信号的全局特征,最终构造逻辑回归分类完成分类识别任务。仿真结果表明,该算法较单一卷积神经网络模型具有更好的识别效果,抗噪声效果更强,在-6 dB信噪比的条件下,识别的准确率仍能够达到90%以上。     

一种新的频率调制雷达信号识别方法

频率调制信号广泛应用于现代雷达中,针对此类信号的调制方式识别问题,提出了一种新的识别方法.该方法首先提取信号的二次相位函数(QPF)脊线,然后根据脊线的线性拟合误差将信号分为两类,最后分别通过Radon变换和曲率半径识别出信号的具体调制类型.仿真表明,该方法具有良好的抗噪性和较高的识别正确率.     

LFM-BPSK复合调制信号识别和参数估计

雷达信号脉内调制方式识别是电子对抗的重要内容。从工程应用的角度,对滤波后的复信号利用改进的相位展开算法,计算瞬时相位、瞬时频率。判断频率跳变点的个数,对时-频曲线进行拟合,根据拟合的参数和信号的时宽带宽积确定信号是否为线性调频-二相编码复合调制信号。再对正确识别的信号进行参数估计,接着重构原线性调频信号,共轭相乘得到基带相位编码信号。最后采用小波变换法提取码速率。仿真结果表明,该算法有很好的识别率和参数估计精度。     

脉冲多普勒雷达特征提取技术分析

为了准确快速地对脉冲多普勒雷达进行识别,选择3个具有代表性的参数:相参性、脉内调制特性及脉冲重复频率进行提取,并讨论了各参数提取的几类理论研究和比较成功的应用方法,分析了脉冲多普勒雷达识别技术中存在的难点及发展方向.     

雷达信号脉内特征的小波分析

提出利用小波分析的方法分析雷达信号脉内特征，介绍了小波变换的方法并分析了利用小波变换的方法分析雷达信号脉内特征的可行性。对几种雷达信号进行了小波变换的模拟分析。结果表明，小波变换是分析雷达信号脉内特征的有力工具。     

基于高分辨率二维雷达图像的特征提取与目标识别

分析了雷达目标散射信号特征,在此基础上,根据雷达图像的特点,将二维雷达灰度图转化为一维列向量(即把二维数据排成一维序列);然后,采用AR模型进行图像分析,利用所得到的参数通过线性规划,进行特征的提取、建库与目标识别。最后,分析了不同雷达散射信号与建库、识别的关系。