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。     

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。     

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。     

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.     

一种复杂密集信号的预分选方法

随着新体制、新技术雷达的不断出现 ,侦察接收到的雷达序列信号更加密集和复杂。在阐述传统的时域分选方法已不能有效分选这类信号的基础上 ,提出利用信号的特征参数 ,对已按DOA稀释的雷达序列信号进行预分选的方法。试验证明该方法能有效地筛选常规雷达信号和部分非常规雷达信号 ,从而达到稀释信号和降低复杂信号分选难度的目的     

基于自提取脉冲样本图的雷达信号快速提取法

针对电子侦察中截获的敌方雷达信号,估计敌方雷达参数、实现快速的雷达信号提取,对电子对抗决策有重要意义。基于脉冲样本图的描述方式,提出一种新算法,实现对截获的敌方雷达信号的快速识别。算法利用同种雷达信号脉冲之间的匹配相关性,通过脉冲的整体平移,在实现对脉冲样本图的自提取的同时,把用此脉冲样本图描述的雷达辐射源信号筛选出来。仿真分析表明该方法可以获得较高的成功率。     

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。     

集中式多输入多输出雷达信号盲分离算法研究

在电子对抗领域,对集中式多输入多输出（Multiple Input Multiple Output, MIMO）雷达的信号侦察和分选是一个难点。提出采用盲分离（Blind Source Separation, BSS）算法中的非圆复信号快速独立分量分析（Noncircular Complex Fast ICA, NC FastICA）对MIMO雷达进行信号分选。为了满足盲分离算法的应用条件,提出一种在多视角观测位置采集雷达信号的侦察方法来构建可分离的满秩混合矩阵。仿真结果表明,对相位编码、离散频率编码等典型正交波形进行等角度间隔采样和盲分离时,无论是否存在幅度起伏,在信噪比为10dB时均可以达到低于-14dB的正交波形分离度,对分离后的波形进行相关性对比和时频分析的结果也验证了本文方法的有效性。     

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。     

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。     

独立分量分析在雷达信号分选中的应用

独立分量分析(ICA)是近年来信号处理领域的热点研究课题,可以根据输入源信号的基本统计特征,由观测数据进行信号分离,最终恢复出源信号。在深入分析ICA算法的基础上,提出了将其用于雷达信号分选的新思路。计算机仿真表明,这种算法应用于雷达信号分选时可以获得比较好的分离效果。     

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。