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。     

基于网格聚类的雷达信号预分选

针对现有网格聚类算法需要人为确定网格划分、边界处理精度低的问题,提出了基于固定网格划分和动态网格划分的雷达信号预分选算法。基于固定的网格划分算法对输入信号脉冲顺序不敏感,根据网格数据压缩率自适应确定网格划分和密度阈值。基于移动技术的动态网格聚类算法能够识别任意形状和大小的聚类。仿真实验表明,这两种方法能有效适用于雷达信号分选,且能很好地识别出孤立点和噪声。     

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。     

基于聚类分析的雷达信号分选研究

基于聚类分析的方法是近年来用于雷达信号分选的研究热点之一。首先从聚类算法自身的特点出发,对雷达信号分选的参数选取进行了讨论,在此基础上分析了聚类算法中距离测度及其参数权重对聚类结果的影响。通过仿真试验,对聚类分析在雷达信号分选中的应用方式进行了探讨,并提出了一种改进的基于K-Means聚类的DOA单参数聚类方法,通过仿真结果验证了其应用于预分选的可行性。     

基于自适应网格密度聚类的雷达信号分选算法

针对现有网格聚类中网格划分方法不能较好地适应所有数据分布、网格边界处理精度低等问题,提出基于自适应网格密度聚类的雷达信号快速分选算法.该算法首先引入了网格均匀度的概念,然后给出了自适应网格划分技术和网格均匀度的计算方法,最后进行均匀度可达聚类.该算法能自适应地发现不同密度的类及其边界,适合处理大规模侦察数据集.仿真实验表明该算法能有效适用于雷达信号分选.     

针对脉冲信号聚类分选的卫星电子侦察干扰技术

通过构造并引入干扰信号,改变电子侦察卫星侦察接收电磁信号特征分布状态,破坏电子侦察对真实雷达脉冲的有效分选,实现保护真实雷达的电磁参数特征不被侦察到的目的.针对聚类脉冲分选,设计构造了干扰信号,仿真实验表明,设计的干扰信号能够起到较好的干扰效果.     

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...     

基于粒子群聚类算法的雷达信号分选

在电子对抗领域,雷达信号分选的研究是一个重要课题。电子战的信号环境日趋复杂,雷达信号的处理面临高密度信号环境,雷达脉冲相互交错。对粒子群聚类算法进行了研究分析,把粒子群聚类算法应用到雷达分选中,仿真实验证明该方法能够得到很好的雷达信号分选效果,为雷达信号分选提供了新思路。     

基于自适应仿射传播聚类的雷达信号分选方法

复杂体制的雷达不断应用于实际,使得基于到达时间单参数的雷达信号分选方法遇到了技术瓶颈.然而,基于多参数的信号分选方法,如K-均值聚类和模糊函数C均值聚类,前者对初始类中心敏感、需预知聚类数,后者对类隶属度的选取、相似度矩阵的建立存在不确定性,使得这些方法在自适应雷达信号分选中受到了限制.自适应仿射传播聚类不仅可以克服上...     

复杂电磁环境下的雷达信号分选方法

由于电磁信号环境的日益密集、复杂,传统的雷达信号分选方法面临着严峻挑战。介绍了基于盲源分离的信号分选、聚类分选、基于脉内特征的信号分选等在复杂电磁环境下能够比较好地实现雷达信号正确分选的方法,分析了这几种方法的性能优劣;最后探讨了参数联合分选、算法联合分选的可行性和优势。     

一种新的雷达信号实时分选方法

针对现有实时分选方法依赖滑动窗(单次处理脉冲数)的选取、分选效率低以及分选结果存在严重增批现象等缺陷,将脉冲串的接收视为数据流过程,从而设计了一种基于进化数据流聚类的雷达信号实时分选框架.该框架分为在线处理和离线分析两个阶段,通过引入时态密度特征避免了主观上对滑动窗长度的选取,并利用衰变检测和噪声点检测来提高在线聚类的效率.离线阶段通过对历史快照的分析可以判明雷达的活动情况,并将属于一部雷达的脉冲批组进行关联.仿真实验表明了该框架的有效性和可行性.     

基于网格密度聚类的雷达信号在线分选算法

提出了一种采用滑动窗口机制的雷达辐射源信号在线分选算法,该算法基于网格密度聚类的思想,能在线地向用户提供分选结果,动态地检测雷达信号的分选情况。仿真实验结果表明,该方法具有快速在线分选的能力,且分选效果较好。     

一种基于配对定位的脉冲分选新技术

如何实现复杂多参数捷变雷达信号的脉冲分选,一直是雷达对抗领域的一个十分重要的研究课题.提出了一种基于脉冲配对定位的新方法,解决了多参数捷变雷达的脉冲分选问题,详细分析了基于配对定位的脉冲分选的实现过程,并通过仿真试验进行了验证,试验证明基于配对定位的分选方法可以提高脉冲分选的性能,同时可以解决多参数捷变雷达的脉冲分选问题.     

一种正交跳频信号动态分选方法

针对复杂电磁环境下正交跳频信号分选时效不高问题,提出了一种正交跳频信号动态分选方法。首先基于滑动窗口的数据流模型,采用构造型神经网络对跳频信号频域数据和方位信息动态聚类,减轻噪声等因素影响,解决方位信息和幅度关联模糊性的问题;再在相应的覆盖簇内运用时频关联方法,实现正交跳频信号的动态分选,实验结果表明该方法是有效的。
     

基于合成特征参数的雷达信号聚类分析

针对截获的雷达辐射源脉冲数据提出了一种基于特征参数合成的聚类算法。算法利用全脉冲数据的特征参数,通过对每一个特征参数的分选计算出该参数的加权系数。通过加权系数对每一个特征参数的加权得到合成的特征参数,并利用合成参数对脉冲进行聚类。仿真试验表明该算法能够实现对信号的聚类分选,采用编码的方式有利于降低噪声的影响。     

基于改进的支持向量聚类的雷达信号分选

基于支持向量聚类,提出一种新的针对未知雷达辐射源信号分选的算法.该方法在原有支持向量的基础上,在聚类标识阶段通过用支持向量点代替原来的全部样本点来进行聚类分配,减少了关联矩阵的规模,从而有效节省了聚类分配的时间,提高了运行速度.同时结合合并同类聚类中心算法有效缓解了核函数的参数q对聚类结果的影响,使得聚类精度有了一定的...     

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。     

一种基于抛物线霍夫变换的雷达信号分选方法

在雷达信号分选时,一般的思路是采用到达时间、脉宽、频率、到达方向等参数对信号进行分选,分选完成后再将同一辐射源的脉冲幅度提取出来,进行雷达扫描特性等分析.对某实际采集数据进行了分析,发现信号的时间、幅度曲线有明显的规律,采用了抛物线霍夫变换提取了全脉冲的幅度特性,并采用时间、幅度联合分析完成了信号的分选.仿真结果表明了该方法的有效性,为雷达信号分选提供了一条新的思路.     

重频抖动脉冲信号分选研究

针对累积差值直方图法、序列差值直方图法对重频抖动脉冲信号的分选能力差,基于PRI变换的重复间隔估计算法计算量比较大难以做到实时处理的问题,对序列差值直方图法进行改进。利用交叠小箱法进行直方图统计,很好地兼顾了处理速度和重频估计的准确性,可有效分选重频抖动的雷达脉冲信号;在脉冲串检测时,将脉宽用作抖动重复间隔序列抽取的第二判决参数,增加脉冲检测的可靠性。仿真结果表明,在不明显增加运算量的情况下,序列差值直方图改进算法能很好地分选脉冲重复间隔抖动量10%以内的脉冲信号。     

密集信号环境下分选参差雷达脉冲的新方法

在密集信号环境下,雷达信号参差类型的判定以及参差雷达信号分选一直是雷达信号处理的一个难题.研究了在密集信号环境下PRI参差判定门限的设计方法,在此基础上,提出了PRI参差雷达脉冲分选的新方法.仿真试验表明,该方法是切实可行的.