共查询到20条相似文献,搜索用时 347 毫秒
1.
2.
3.
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。 相似文献
4.
多比特相位量化仿真技术及应用研究 总被引:1,自引:0,他引:1
为了在基于信号的系统仿真中构建与原始信号有一定关联性的新信号,需要充分利用脉冲信号的脉内信息进行各种调制处理,提出了一种多比特相位量化仿真模型。通过对两种原始信号与利用相位信息进行重构得到的信号进行波形或频谱的比较,验证了这种多比特相位量化仿真模型的正确性。仿真试验证明,采用多比特相位量化和信号重构能方便地实现移频调制和各种带宽的噪声调制。 相似文献
5.
6.
非匀速转动目标各距离单元内的回波信号为多分量的多项式相位信号,采用傅里叶变换进行横向压缩得到的目标ISAR像会发生散焦,从而影响干涉ISAR三维成像质量。针对非匀速转动目标,提出了一种基于匹配傅里叶变换的InISAR三维成像方法。该方法对各天线接收回波的每个距离单元采用匹配傅里叶变换得到聚焦的目标ISAR像,进而得到散射点不同接收天线间的干涉相位,最后从干涉相位求解散射点三维位置重构目标的三维图像。由于非匀速转动目标多项式相位信号的相位系数之间的比值只与目标转动参数有关,因此该方法只需估计某一个散射点对应回波的多项式相位系数就可构造所有匹配傅里叶变换的积分路径,而且适用于任意阶的非匀速转动目标。仿真表明了该方法的有效性。 相似文献
7.
针对传统相位编码雷达存在的多普勒敏感性,提出了一种基于正交多载波调制技术的相位编码新体制雷达。在该雷达体制中,调制码字对多路子载波信号同时进行调制,决定了发射信号的频谱结构。目标径向运动引起的多普勒频移表现为码元在频域的移位,从而保证了调制码字结构的完整性。目标回波信号解调得到的码字与参考码字进行相关处理得到目标速度信息,有效避免了多普勒敏感问题。文章讨论了该雷达体制的系统原理、波形综合和信号处理方法,提出了频域信号处理流程,分析了信号参数设计与系统性能。系统仿真和雷达外场试验表明了正交多载波相位编码新体制雷达的可行性。
相似文献
相似文献
8.
9.
雷达信号脉内调制特征的时频分析 总被引:12,自引:2,他引:12
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 相似文献
10.
11.
将小波包多分辨率分析与能量谱相结合,提出了金属材料缺陷特征提取的方法(小波包子带能量比较法)及不同缺陷的识别方法(小波分形神经网络法)。选取最能反映缺陷特征的参数——"能量特征向量"作为特征参数,进行缺陷的特征提取。缺陷的识别方法将小波包分解后各子带系数的分形维数作为特征矢量,对其进行径向基神经网络训练,从而可很明显区分出有无裂纹以及不同裂纹信号。以航天发射塔架钢连接构件疲劳裂纹超声检测信号为例,使用所提出的特征提取和模式识别方法,结果表明是行之有效的新方法,为金属材料缺陷检测与识别开拓了新思路。 相似文献
12.
原有的基于特征函数的调制识别算法,是将基带信号的同相分量和正交分量之和代入特征函数进行运算,计算过程丢失了部分有用信息,仅能保证特征函数的相位跟高斯白噪声无关。提出一种新方法,将基带信号以复数形式代入特征函数进行运算,不仅没有丢失信号的有用信息,并且从理论上证明计算结果跟高斯白噪声无关,继而可以使用特征函数的幅度信息对信号的调制方式进行识别。仿真证明,该算法比原有方法在识别性能上有大幅提高。 相似文献
13.
14.
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。 相似文献
15.
16.
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。 相似文献
17.
18.
19.