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。     

基于对称Holder系数的雷达辐射源信号特征分析

文章基于Holder系数,提出了一种改进的雷达辐射源信号脉内特征提取方法,称之为对称Holder系数法。给出了对称Holder系数的定义,描述了基于对称Holder系数的特征提取算法。可以看出对称Holder系数法包含了相像系数法,后者只是前者的一种特例,且该方法相对于Holder系数法,其复杂度将减少一半。文中选择了6种典型的雷达辐射源信号进行特征提取和分类识别实验。实验结果表明,对称Holder系数在取不同类型时均获得了很好的正确识别率,并且当对称Holder系数所选取的类型不为相像系数时,可以获得更高正确识别率。     

通信信号智能调制识别对抗攻击研究

基于深度学习技术的通信信号调制识别算法由于其优秀的特征提取能力,极大地提升了调制识别任务的精度,但是对抗样本特性的存在,导致基于深度学习的调制识别模型的安全性受到了极大威胁,通过在训练好的调制识别网络中添加设计好的特定微小扰动,就可以使得调制识别模型完全失效。研究了基于深度学习的调制识别模型及其对抗样本攻击方法,提出一种基于快速梯度符号法的定向扰动生成方法,该方法在扰动和原始信号功率比为-21 dB的条件下,针对11类常见的不同调制种类的通信信号生成扰动,实现对通信信号调制识别模型的定向攻击,为智能调制识别模型的攻防对抗提供参考。     

液体火箭发动机振动故障特征信号提取方法

液体火箭发动机试验是一项高成本、高风险的工程,由于设计缺陷、零件加工误差、工作过程及机械连接结构的影响,导致试验过程发动机大振动现象的发生。基于发动机振动信号分析的状态监测与故障诊断方法是提高发动机可靠性和降低试验成本的重要手段。在给出液体火箭发动机振动故障诊断数学模型的基础上,详细介绍了发动机试验过程中7种特征信号提取方法,即:振幅特征提取、功率谱特征提取、频谱分析(谐频识别和边频识别)、突频特征提取、状态特征提取、小波特征提取和高阶谱特征提取,并结合发动机实际故障诊断方案,给出了发动机特征信号提取算法应用实例,通过发动机热试车验证了液体火箭发动机振动故障诊断的特征信号提取方法的正确性。     

基于深度学习的通信信号调制识别算法

随着通信技术的发展，信号体制、调制方式日趋复杂，例如CPM、OFDM等，这给调制识别技术带来了巨大挑战。近年来，深度学习技术由于其强大的特征提取能力和分类能力，被广泛应用到模式识别领域中。为了实现复杂调制方式的识别，文章将深度学习技术引入到调制识别领域，并提出一种基于改进的CLDNN模型的调制识别算法。CLDNN模型已被成功应用到语音识别领域，其表现出了强大的特征提取和分类能力。该方法在原有CLDNN模型的基础上，针对调制识别问题的特点，对CLDNN进行了改进。而且该方法不依赖于载波同步、码元同步等预处理。实验结果表明，该方法可同时识别12种信号调制方式和信号体制，信噪比在3dB以上时，整体识别准确率达到90%以上，并且可以较好地识别复杂调制方式和信号体制。     

基于特征融合的雷达信号脉内调制类型识别

针对雷达信号脉内调制识别算法准确率低的问题,提出基于特征融合的雷达脉内调制类型识别方法,该方法首先提取雷达信号时频图像的形状特征和纹理特征,利用改进的主成分分析法（IPCA）对特征进行融合,然后将融合特征输入支持向量机（SVM）,实现信号的分类识别。仿真实验中对8种常见的不同调制类型的雷达信号进行识别,该算法在信噪比为5dB时识别准确率接近100％,验证了该方法的有效性。     

基于深度学习的雷达辐射源识别算法

为解决雷达辐射源识别中特征提取困难、低信噪比条件下识别效率低的问题,提出了一种基于一维卷积神经网络和长短期记忆网络的深度学习智能识别算法,构建了一个CNN-LSTM网络,能实现对不同脉内调制方式雷达辐射源的端到端识别.该网络首先利用卷积层学习信号局部特征,然后将卷积层输出的结果输入长短期记忆网络,学习信号的全局特征,最...     

利用瞬时频率提取雷达辐射源特征的新算法

介绍了一种新的雷达辐射源特征提取算法,该算法首先通过伪维纳分布寻找一个随时间变化的最佳窗,基于该窗精确估计信号的瞬时频率,从瞬时频率估计中,可以识别出相位编码信号,然后对于不同的编码类型,利用所估计的瞬时频率,提取瞬时频率的自相关的主瓣峰值和最大旁瓣值的比值作为识别特征.仿真实验证明该算法提取的特征值可有效识别不同体制的雷达信号.     

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。     

基于双谱综合特征提取的距离-速度同步拖引干扰识别方法研究

为有效对抗距离-速度同步拖引(R-VGPO)欺骗干扰,提出了一种综合的双谱特征提取方法用于识别真实目标回波信号和欺骗干扰。建立了拖引干扰信号模型,基于双谱分析良好的抗噪性能,分别对真实回波信号和欺骗干扰作双谱变换。根据双谱估计的结果,用围线积分双谱与辅对角积分双谱提取特征作为一次特征向量;为降低特征维数并消除交叉项干扰,用信息熵和基于Fisher准则的特征选择方法进行二次特征提取,建立特征数适中的综合特征参数集,在保留最具区分度的特征向量的同时,避免信息损失,突出优秀特征值的作用。仿真结果表明:与基于特征选择和基于熵的单一特征提取方法相比,提出的双谱综合特征提取方法可获得更高的识别准确率和更好的抗噪性能,能有效对抗距离-速度同步拖引欺骗干扰。     

卫星通信信号识别技术研究

在民用无线电监测、感知无线电、电子对抗等领域,信号调制识别是研究的热点。分析了常用的卫星通信信号调制方式（BPSK、QPSK、8PSK、16QAM、32QAM、16APSK）,研究了各种调制方式的识别技术,提出了一种易于实现、识别率高的识别算法。理论分析和仿真验证均验证了该算法的有效性。     

基于小波多重分形的通信信号调制识别

针对非平稳、信噪比变化范围较大的通信信号,采用小波多重分形的方法进行调制类型识别。先利用小波变换把通信信号进行分解,再对得到的细节信号计算多重分形维数。仿真结果表明,该方法对噪声和调制参数不敏感,可对通信中的数字调制信号进行有效识别。     

基于相位重构的相位编码信号脉内特征分析

基于希尔伯特变换,提出了一种相位编码信号相位无模糊重构的脉内特征分析方法。该方法一方面利用魏格纳-威利变换对信号进行降噪处理,改善了在低信噪比下相位编码信号脉内特征识别和提取能力;另一方面对重构相位进行多阶差分处理来提高识别精度。仿真结果验证了该方法的正确性和有效性。     

基于YOLOv6框架实现典型通信信号调制快速识别方法

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。     

基于聚偏二氟乙烯(PVDF)压电薄膜的密封舱壁穿孔损伤识别技术

日益恶化的空间碎片环境将严重威胁空间站及航天员的在轨安全。文章基于聚偏二氟乙烯（polyvinylidene fluoride,PVDF）压电薄膜设计了一种密封舱壁穿孔损伤识别技术方案,用于识别空间碎片超高速撞击对航天器密封舱壁造成的损伤模式,可为航天员合理选择应急措施提供依据。首先,发射超高速弹丸穿透铝合金靶板以模拟密封舱壁被击穿损伤的情况,形成的碎片云撞击PVDF压电薄膜探头,利用信号采集设备获取高速撞击引起的去极化效应信号,识别该信号的频率特征;其次,对PVDF压电薄膜探头及其支撑结构进行敲击试验,模拟在轨运行时因碰撞产生的干扰信号,掌握此类干扰信号的频率特征。试验结果表明,当系统采样频率为20 MHz时：1）所获得的探头去极化效应信号具有极为陡峭的上升沿,且上升沿的时长为亚μs量级;2）去极化效应信号主要由1 MHz以下的信号组成,但也包含少量的3～10 MHz高频成分;3）敲击探头及其支撑结构所产生的干扰信号频率在20 kHz以下。可根据频率差异进行两种信号的识别。     

基于D-S证据理论的雷达模糊识别研究

针对现代雷达信号的复杂性和模糊性以及信号在时间上的冗余性等特点,将模糊匹配和D-S证据理论相结合.在信号的积累和求取模糊隶属度的基础上,用D-S证据理论对隶属度进行融合,有效地解决了雷达信号识别的不确定性问题,同时充分利用了信号在时间上的冗余信息,提高了雷达信号的识别效果.仿真试验证明了该算法的有效性.     

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。     

基于韦尔奇功率谱的雷达辐射源信号识别

应用韦尔奇功率谱原理提取信号识别特征参数,根据提取出的参数特点设计信号识别流程模型。从多种信号中检测识别线性调频信号、相位编码信号、频率编码信号。分析了特征的适用范围和信号环境。仿真分析该特征提取算法和识别方法的可行性。