雷达辐射源的序贯识别方法

针对雷达信号环境,依据已知的模板信息,提出了一种雷达辐射源序贯识别方法。通过理论推导和仿真分析验证了该算法的可行性,并与传统的统计分析识别 ［1］ 方法相比,该方法能够更充分地利用辐射源的脉冲信息,提高复杂电磁环境下的辐射源识别能力。仿真结果显示该方法的识别效果优于统计分析识别方法     

基于时间序列相似性原理的雷达信号识别

从密集复杂的信号环境中分选和识别出特定雷达辐射源信号,是信号处理领域的重要内容之一。利用威胁复杂雷达信号的先验信息,引入数据挖掘领域时间序列相似性快速匹配原理及其滑窗技术,提出了一种适于复杂体制雷达信号快速匹配识别方法。实验表明,该方法识别速度快、适应环境能力强,具有良好的应用前景。     

一种新的雷达辐射源识别算法

针对雷达信号环境,运用综合分析的方法,提出了一种新的基于模糊综合评判的雷达辐射源识别算法。该算法通过构造模糊评判矩阵并进行合成运算来计算表示辐射源相关程度的模糊集,然后按照最大隶属度原则进行判决,同时给出了相应的多义性处理方法。最后通过仿真将它与经典的统计模式识别方法进行了比较。仿真结果表明,所提出的识别方法性能明显优于统计模式识别方法,用于雷达辐射源识别是有效的。     

基于多参数特征的辐射源识别技术

针对复杂战场电磁环境下辐射源识别困难的问题,提出一种基于多参数特征的辐射源识别方法。介绍了辐射源辐射信号特征量的提取技术,给出了识别的原理和步骤。最后在小样本和大样本辐射源数据库的基础上,利用该识别技术进行了仿真,结果证明了基于多参数特征的辐射源识别方法的有效性和准确性,相比于传统的辐射源识别技术,该方法识别率更高,速度更快。     

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。     

基于脉冲样本图和Vague集的雷达辐射源识别

针对现有雷达信号特征描述方式很难有效地对复杂雷达辐射源进行描述和识别,提出一种基于脉冲样本图和Vague集的雷达辐射源识别新方法。该方法把雷达辐射源识别问题转换为Vague集的多属性决策问题,不仅能很好地解决雷达信号识别中的模糊问题,而且无需传统方法的特征提取过程,简化了处理环节。另外,基于脉冲样本图的雷达辐射源识别是利用有序的多个脉冲同时匹配识别,因此更可靠。计算机仿真表明该方法是有效可行的,为复杂雷达辐射源识别提供了一种新思路。     

基于联合参数建模的雷达辐射源识别方法

针对现代雷达采用复杂体制造成的不能正确识别辐射源问题,提出一种基于联合参数建模的雷达辐射源识别方法。该算法首先对辐射源进行脉冲等级和统计参数等级的联合建模,然后将联合参数模型用于识别过程中,基于特征参数的不同描述模型构建不同的识别算法,其中特征参数的联合建模思想是本方法的核心。仿真实验表明,本文方法能够实现对复杂体制雷达辐射源的建模和识别。     

基于多维几何形状的雷达辐射源识别算法

针对复杂电磁信号环境下雷达辐射源识别困难的问题,提出了一种基于多维几何形状的辐射源识别算法。借助几何形状将辐射源空间特征向量转换为平面向量,计算向量各夹角余弦值,再同辐射源数据库进行比较,实现辐射源型号的自动识别。仿真验证了提出的识别算法,识别率均在80%以上。     

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.     

雷达辐射源的极化特征及全极化侦收方法

针对复杂电磁环境下雷达辐射源的有效分选和识别问题,研究了全极化技术在雷达侦察中应用的相关问题。首先结合某相控阵雷达辐射源,讨论了典型雷达辐射源的极化特性;然后讨论了极化技术在雷达侦察中的优势,定量分析了辐射源信号的全极化接收相对于单极化接收的性能改善程度;最后,给出了一种全极化接收机设计方案以及极化测量方案。     

基于分形理论的辐射源识别算法

针对复杂的战场电磁环境,提出了一种新的辐射源信号识别方法,即基于分形特征的辐射源目标识别。介绍了分形的相关理论,给出了分形维数中盒维数与信息维数的计算步骤,而后采用距离函数进行判决识别。仿真结果表明提出的基于分形特征的辐射源信号识别算法能得到较高的识别率。     

基于全脉冲的周期信号样本提取技术

现代电子战中,传统的辐射源分选识别方法无法在密集的信号环境中快速有效地对复杂体制雷达进行分选识别,造成系统漏警。基于上述情况,提出了一种基于脉冲样本序列自提取的分选算法。这种算法利用雷达信号脉冲序列的周期性和相关性,实现对模板序列的自动提取,从而可实现全脉冲序列中小样本数或脉间规律复杂的雷达信号的分选。仿真实验表明,在全脉冲数据量级适中的情况下,该算法可以有效提取目标模板序列。     

一种辐射源快速识别新方法

针对现有辐射源识别方法不能识别参数交叠的雷达信号以及BP神经网络迭代速度慢、识别效率低的缺点,设计出一种采用改进概率神经网络的实时快速识别方法。该方法构造的特征兼具单个脉冲参数统计特性和雷达参数变化整体特性两个层面的信息,进而可以对参数交叠的雷达信号进行有效识别。同时,该方法还对概率神经网络进行了改进,使之具备识别出未知雷达信号的能力。仿真实验表明,此方法在显著提高了识别率的同时,还具有良好的抗噪性和鲁棒性。     

基于双谱分析的雷达辐射源个体特征提取

雷达辐射源个体特征对复杂电磁环境中辐射源的分选和识别有着重要意义.双谱中包含了丰富的信号细微信息,如雷达辐射源的相位噪声、频率漂移等特征,且受高斯噪声和杂波影响较小,因此可以作为雷达辐射源信号的个体特征之一.但是信号双谱中包含了很多冗余信息,不利于机器进行识别处理.利用双谱对角切片对双谱特征进行优化,剔除其中无效、冗余的信息,将变换后的结果作为雷达辐射源个体特征信息.仿真实验结果验证了算法的可行性.     

特定辐射源识别方法的研究

针对雷达信号环境越来越复杂和对辐射源识别的准确性要求越来越高,提出特定辐射源识别的概念。根据特定辐射源识别的概念选择脉冲信号的上升沿和下降沿作为特征参数,利用模式识别中的动态聚类的算法进行聚类分析,再结合脉冲的重频、射频、脉宽等参数进行统计分析,确定辐射源的个数和工作模式。     

基于粗糙集的雷达辐射源信号识别

雷达信号识别是侦察系统信号处理的目的，是整个雷达对抗信号处理中的关键性环节，为解决雷达辐射源信号模式识别困难的问题，在深入研究粗糙集理论的基础上，将其同辐射源信号识别问题相结合，给出了基于粗糙集的辐射源信号识别模型。同时介绍了连续属性离散化、知识约简和规则提取的概念，给出工基于粗糙集的识别过程。实验表明该方法减少了识别的主观因素，能有效处理辐射源识别中的模糊性和不确定性，具有广阔的应用前景。     

开放世界下的雷达辐射源融合识别算法研究

针对开放世界下雷达辐射源目标库不完备的现状,对开放世界下雷达辐射源识别的信息融合模型进行了研究。建立了不同类型雷达特征参数的模糊隶属度函数,采用待测样本与模型样本匹配的方法生成广义概率指派函数,并采用修正的广义证据理论算法融合多参数信息获取识别结果。实验数据表明:该模型能在雷达辐射源目标库不完备的情况下,识别已知目标和判别未知目标,判别结果相对基于经典D-S证据理论和原始广义证据理论的融合识别方法更加可靠、有效,在雷达识别的场景中具有潜在应用价值。     

辐射源识别处理中的合批技术研究

雷达信号合批是辐射源识别处理中的重要环节,它可以有效地消除虚假和重复雷达信号。结合雷达信号出现的规律和雷达参数分布规律,讨论了雷达信号合批技术,给出了一种合批方法。该方法可以快速高效地对各类辐射源进行合批处理,实际应用结果证明了其有效性。     

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GA的雷达辐射源识别自学习算法研究

文章针对目前雷达对抗系统面临的辐射源识别精度不高、智能化水平低的特点,将自学习理论引入到雷达对抗系统中。提出了基于GA（GeneticAlgorithm）的自学习算法,实现雷达辐射源智能识别。仿真结果表明：在使用相同的特征参数“前件”条件下,通过这种自学习方法得到的正确识别率高于其他识别方法。