高低轨双星时频模糊雷达信号的频差估计算法

针对高低轨双星定位系统中，雷达信号定位参数估计结果同时存在时差与频差模糊的问题，分析了相参脉冲串信号的模糊特性；利用粗略配对的脉冲串获得到达时间差序列，避免了对时域高度密集的脉冲进行配对的难题；在此基础上，提出了对时差序列进行中心差分计算频差粗估值实现频差模糊消除的方法；推导得出了频差粗值误差随着辐射源载频的增加、脉冲到达时间测量误差的增大、时差差分间隔的减小而增大的结论。仿真结果表明，频差粗值误差与理论值一致；通过设置合理的差分间隔，得到无模糊的频差粗值以后，频差精估精度逼近CRLB。新算法便于工程实现，对长基线定位系统中雷达信号的频差估计具有一定参考价值。     

一种基于余数周期的 PRI精确估计算法

针对传统脉冲重复间隔（PRI）分选算法在估计PRI方面存在的不足，提出了一种对PRI周期信号的周期进行精确估计的算法。该算法首先从待分选脉冲序列中提取出属于一部雷达的脉冲样本，然后利用同余方程的余数周期性质对该雷达脉冲序列的PRI进行精确的估计。相对于传统的PRI估计算法，该算法有效地消除了TOA量化误差对PRI估计造成的影响，可以精确地估计出雷达脉冲序列的准确 PRI数值，从而能够更好地满足信号分选算法的处理需求。理论推导及仿真实验均表明了该算法的有效性。     

一种新的重频特征识别方法

针对雷达脉冲重复间隔类型识别中存在的问题,提出了一种结合神经网络技术的重频识别方法.该方法分别对7种雷达重频模式,提出了新的特征矢量提取方法,并引用神经网络进行识别.实际仿真结果表明该方法是有效的,特别是对重频固定、重频滑变及重频抖动模式在高漏脉冲率的条件下依然具有较高的正确识别率.     

脉冲串信号的时差和频差估计新方法

针对脉冲串信号的互模糊函数多峰特性以及时差频差估计运算量大的问题,提出一种时差和频差联合估计新方法。该方法首先基于信号频差与时差变化率的关系,利用时差序列引导互模糊函数的时差频差搜索范围,然后利用脉冲串信号的时域稀疏特性改进了基于互模糊函数的时差频差估计方法。理论和仿真分析表明,该算法可有效抑制频差模糊,并在估计精度损失不大的前提下有效降低运算量。     

一种基于RS码的宽间隔跳频序列生成方法

针对目前基于RS码生成的非重复跳频序列周期较短、序列复杂度较低、工程实用性不强等缺点,提出一种改进的RS码宽间隔跳频序列生成方法。使用长周期的RS码,采用非线性转移矩阵法将其转换为跳频序列,再用对偶频带法对其进行宽间隔处理。性能仿真结果表明,与以往的方法相比,改进的跳频序列在增加了序列复杂度的情况下,仍具有良好的均匀性、随机性和汉明相关性,且实现较简单,工程实用性较强。     

一种低轨双星雷达信号无模糊频差估计算法

针对低轨双星组合接收低脉冲重复频率(LPRF)雷达信号的频差(DFO)估计存在模糊的问题，提出一种基于时差差分的频差无模糊高精度估计算法，该算法通过对高精度的时差测量值进行中心差分获得无模糊的频差估值。仿真结果表明，新算法能对PRF低至300 Hz的雷达信号进行无模糊的频差估计，估计精度在信噪比高于15 dB时逼近克拉美劳下界，可有效扩大低轨双星时/频差定位系统对LPRF信号的适用范围。     

一种基于聚类分析的跳频信号自动分选方法

为了从复杂电磁环境中分选出跳频信号,提出了一种基于聚类分析的自动分选方法。该方法首先将信号特征参数估计等效成聚类分析问题,估计测量集中所包含的信号个数及各信号的特征参数,包括载频、带宽和入射方向。然后根据跳频信号的跳速范围,通过对各截获信号的特征参数进行序贯聚类,剔除干扰,获得期望的跳频信号。仿真实验表明,所提出的方法能够从复杂环境中正确地分选出跳频信号。     

雷达脉冲串信号频差估计性能研究

探讨了基于互相关法的雷达脉冲串信号频差估计性能.初步结论是:(1)对占空比不小于2%、持续时间为10ms左右的雷达脉冲串信号,只要其信噪比优于12dB,互相关法可以达到1Hz量级的频差估计性能;(2)提高采样频率可在更低的信噪比条件下或对更小占空比的雷达脉冲串信号实现同等精度的频差估计.     

辐射源脉冲分选的二次聚类方法

多辐射源的脉冲信号分选问题实际上是一个聚类问题 ,探讨了在单站无源定位条件下 ,为了解决粗测角条件下进行信号分选的难题 ,采用二次聚类方法对脉冲进行分选的新途径。     

基于改进LF算法的雷达信号分选

在现代战争中随着新体制雷达的不断涌现,电磁环境变得越来越复杂,雷达脉冲相互交错,雷达信号的处理面临高密度信号环境。目前普遍采用的基于直方图统计的信号分选方法越来越不适应现代雷达信号环境。将蚁群聚类算法引入到雷达信号分选中,并对其进行了改进,提出了一种新的雷达信号分选方法。该方法不需要雷达信号的先验知识,适用于处理未知信...     

基于多维加权聚类的雷达信号分选方法

随着数字技术的发展,新体制、新技术雷达不断出现,反辐射导引头面临的信号环境更加密集和复杂,传统的方法已经不能对其进行有效分选。文中提出一种新的基于多维加权聚类的雷达信号分选算法。通过统计和熵值分析确定权值,计算加权的欧几里得距离,根据既定门限合并同类聚类中心,从而实现雷达脉冲的分选,并在各聚类中心应用改进的SDIF算法进行PRI精分选。计算机仿真结果验证了该方法分选的有效性。     

基于小样本集推理的雷达信号多维分选技术

目前,直方图法、PRI变换法以及平面变换法等一维、二维分选方法无法有效利用雷达信号脉冲描述字进行分选,而现有多参数聚类的多维分选方法,又存在最佳分类个数和误差范围的选择问题。针对这些问题,提出了基于小样本集推理的雷达信号多维分选技术。计算机仿真结果表明,该方法在提高分选正确率的同时可以有效降低计算复杂度。利用卫星接收到的雷达信号数据进一步验证了采用该技术的分类器具有良好的推广性。     

基于极化时频分布的改进DOA估计算法

针对雷达回波信号波达方向估计精度差和时频分析方法运算量大的问题,以极化敏感阵列为模型,结合时频分析方法,充分利用回波信号的空域、时频域和极化域信息,对雷达回波信号进行更准确的估计,并简化其计算量。分析基于空间极化时频分布的多重信号分类(MUSIC)和旋转不变子空间(ESPRIT)算法,并结合两者的优缺点提出了一种改进算法。改进算法用极化时频ESPRIT算法对来波信号确定大致的方位角,以每个方位角为中心确定一个小角度范围,在此范围内用MUSIC算法进行谱峰搜索,得到较准确的波达方向(DOA)估计值,在确保DOA估计精度的基础上节省大部分运算时间。仿真试验验证了该改进算法的有效性。     

雷达PRI调制样式识别新方法

针对雷达PRI调制样式识别难题,在分析雷达PRI类型的基础上,提出了能够有效描述雷达PRI调制特征的五种分类特征参数,分析了对存在丢失和虚假脉冲的处理方法,并据此提出了PRI调制样式的识别算法与实现流程,实现了五种典型PRI调制样式的有效识别。理论分析与计算机仿真结果表明,该方法在PRI测量精度较低和丢失虚假脉冲比例较高的情况下具有稳健的识别性能。     

一种基于诱导脉冲的极化对消抗欺骗干扰方法

针对反舰导弹雷达受到敌方大功率有源欺骗信号干扰而不能有效探测目标的问题,提出了一种基于诱导脉冲的极化对消方法.首先采取Jones矢量对雷达及干扰信号的极化特性进行表征,接着建立一种基于诱导脉冲的雷达H、V双极化通道接收体制,时序上分为诱导和对消两个阶段;然后具体分析了极化对消器的算法原理;最后采取正负斜率线性调频对诱导...     

基于自适应谱峰搜索的脉冲重复间隔最大似然估计

高精度的脉冲重复间隔（PRI）估计对于提高现代电子情报（ELINT）系统的辐射源识别能力具有重要意义。将观测的脉冲到达时间（TOA）序列建模成点过程信号,其周期图谱谱峰就对应于PRI的最大似然估计（MLE）。本文提出了一个“两步数值搜索”策略,可以确保搜索到谱峰而达到MLE。仿真表明,在低信噪比以及高脉冲丢失率条件下,本文算法性能远超已有算法。     

基于卷积神经网络技术的直升机旋翼谱识别方法

针对直升机雷达回波在时频二维分布图上的分布特性,提出一种基于卷积神经网络技术的直升机旋翼谱识别方法,实现了直升机旋翼谱与其他类型目标的区分,从而有效识别直升机。当雷达工作在低重复频率(LPRF)时,直升机旋翼回波在时频分布图上呈现明显的扩展特征。通过仿真与实测数据分析,表明该特征与其他目标回波在频率维分布特性存在较大差异。利用卷积神经网络中的卷积核技术,将实测数据与卷积核矩阵进行二维卷积运算,依据输出矩阵实现了直升机旋翼谱的识别。利用实际采集的直升机回波数据进行验证,证明该方法是有效的,可应用于各种采用脉冲多普勒工作体制的雷达系统。     

基于PDW的雷达信号环境建模与仿真研究

在雷达电磁环境仿真系统中,需要模拟生成描述雷达信号环境的脉冲描述字(PDW)数据,以引导系统生成干扰信号环境数据。采用PDW对雷达信号环境进行描述,结合雷达信号环境的PDW数学模型,给出了基于PDW的模型框架,并设计了雷达电磁环境仿真流程。最后归纳了生成PDW数据的处理方法,给出了载频、重频和脉宽的模拟生成示例。