应用解析小波法识别MPSK与MFSK信号

文章提出了一种利用解析小波变换识别MPSK与MFSK信号的方法。利用解析小波变换可以有效提取信号的瞬时相位、频率以及变换后的瞬时幅度信息,根据这些信息,可以通过适当的判决准则识别MPSK与MFSK信号。该方法与利用H ilbert变换提取的瞬时参量相比,对噪声有更好的抗干扰作用,在低信噪比下,也有较好的效果。文中给出了仿真结果。     

一种雷达信号脉内调制特征分析方法

以单载频、线性调频、BPSK和FSK信号为例,通过提取信号的瞬时相位,对雷达信号的脉内调制特征进行了分析。首先介绍了信号瞬时相位的提取方法,然后通过瞬时相位微商得到信号的瞬时频率,接着引出了一种基于最小二乘算法的调制类型识别方法,最后对这种方法进行了仿真分析。仿真表明,相位测频法是一种有效的雷达信号调制特征分析工具。     

基于小波变换法的相位编码信号脉内特征提取

信号脉内调制信息识别技术对密集和复杂环境中辐射源的分选和识别有着重要的意义。研究了基于小波变换技术识别相位编码信号的脉内调制信息的算法,分别基于计算机仿真数据和专用设备提供的仿真数据进行了算法验证,结果证实了算法的可行性。     

雷达信号脉内调制特征的时频分析

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     

脉冲多普勒雷达特征提取技术分析

为了准确快速地对脉冲多普勒雷达进行识别,选择3个具有代表性的参数:相参性、脉内调制特性及脉冲重复频率进行提取,并讨论了各参数提取的几类理论研究和比较成功的应用方法,分析了脉冲多普勒雷达识别技术中存在的难点及发展方向.     

低信噪比下相位编码信号脉内特征提取新方法

针对低信噪比条件下相位编码信号的相位估计容易受噪声影响的问题,提出了将自适应阈值消噪技术与小波变换结合起来的新方法.首先利用连续小波变换计算信号的小波谱,再对小波谱进行自适应阈值消噪处理,进而提取小波谱脊线,得到相位编码信号的脉内调制信息.计算机仿真验证了该方法的可行性.     

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。     

基于改进瞬时频率的PSK信号脉内特征提取

针对瞬时频率法提取相位编码信号脉内特征参数易受噪声影响的问题,提出了一种综合对称相关函数与瞬时频率法的新处理方法。利用信号的对称相关函数抑制噪声,对信号的瞬时自相关相位进行无模糊重构获得信号的瞬时频率,根据瞬时频率特征提取脉内特征参数。仿真结果验证了该方法的有效性。     

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。     

LFM-BPSK复合调制信号识别和参数估计

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。     

一种高动态环境下PCM-FM的低信噪比检测方法

针对PCM-FM遥测信号的特点,提出一种基于快速傅里叶变换的自相关检测方法。首先利用自相关处理,消除多普勒频率变化对检测性能的影响,可适应目标高动态变化环境。然后通过对自相关输出进行快速傅里叶变换,提高在低信噪比情况下的检测性能。仿真结果表明所提方法在高动态、低信噪比条件下能够高概率检测到PCM-FM信号。     

基于卷积神经网络的雷达和通信信号调制识别

雷达和通信信号的调制识别是电子侦察对抗的一项关键技术,通过搜索、截获敌方电子设备发射的电磁辐射信号,经过电子侦察系统分析、识别,从而获取敌方战术、技术特征参数等情报。人工神经网络中的深度学习网络由于具有强大的表征学习能力,可以自动从原始数据中提取出各种复杂的特征。介绍了一种差分自相关预处理结合深度学习进行中频信号调制识别的方法,结合工作的实际需求,对深度学习在信号调制识别中提出了一些展望,如进一步提高在低信噪比下的识别率和研究深度学习调制识别混合架构。     

基于深度学习的雷达干扰识别方法研究

针对复杂电磁环境下雷达干扰信号识别问题,从优化卷积神经网络结构的角度出发,本文提出了一种对卷积神经网络结构LeNet-5增加批量归一化层和改变激活函数的方法。该方法能够加速网络收敛,提升网络的学习效率。本文首先建立舰船目标模型,分析了噪声调幅干扰、噪声调频干扰、梳状谱干扰和无干扰的真实目标回波信号在时频域的差异,然后利用四种信号对舰船目标模型生成数据集,最后通过本文所提方法实现雷达干扰的自动识别。仿真结果表明：在全信噪比条件下,本文所提方法对四种信号的识别准确率达到98.1%,表明所提方法有着较好的稳定性和鲁棒性。     

基于FPGA的S模式询问信号的侦收解码

S模式询问信号包括前同步脉冲和有效数据两个部分,且通过PAM和DPSK调制方式发送出去。针对其信号特点,从时域和频域考虑,给出两种解码方法,并对其计算机仿真结果进行了对比,得出互谱分析法抗干扰能力优于基于DFT解调法的结论。在ISE开发软件环境下,采用硬件编程语言VHDL,实现了基于FPGA的互谱分析解码设计。     

基于FM—AM转换的伪码调相-载波调频复合引信信号的脉内特征提取研究

伪码调相和载波调频复合信号因具有好的距离、速度分辨率和测速测距精度，所以广泛应用在雷达和引信中。在电子对抗中为了实施欺骗性干扰，必须有效地提取复合信号的参数特征，为此本文研究了FM-AM转换时频分析的理论及其实现方法，并利用该方法对伪码调相-载波调频复合信号进行了脉内特征分析。具体包括伪码调相正弦载波信号、伪码调相复合正弦调频信号及伪码调相复合线性调频信号。仿真结果表明，在信噪比为5dB时，利用FM—AM转换时频分析技术，不但可以提取载波调频的特征信息，而且能够有效提取伪码的特征信息。     

基于FM-AM转换的伪码调相-载波调频复合引信信号的脉内特征提取研究

伪码调相和载波调频复合信号因具有好的距离、速度分辨率和测速测距精度,所以广泛应用在雷达和引信中。在电子对抗中为了实施欺骗性干扰,必须有效地提取复合信号的参数特征,为此本文研究了FM-AM转换时频分析的理论及其实现方法,并利用该方法对伪码调相-载波调频复合信号进行了脉内特征分析。具体包括伪码调相正弦载波信号、伪码调相复合正弦调频信号及伪码调相复合线性调频信号。仿真结果表明,在信噪比为5dB时,利用FM-AM转换时频分析技术,不但可以提取载波调频的特征信息,而且能够有效提取伪码的特征信息。     

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...     

基于星载气象雷达的非线性调频信号优化设计

随着天气观测、研究和规划的进展,气象雷达技术的开发工作取得了重大进展。脉冲压缩使新一代低成本、紧凑型星载天气雷达系统成为可能。为了抑制脉压带来的距离旁瓣,目标探测雷达通常采用基于幅度调制和失配滤波的方法,但由于其存在主瓣扩展和功率损失等缺点,不适用于气象观测。非线性调频（NLFM）信号可以调整其功率谱密度,在明显不降低信噪比的情况下提供较低的旁瓣输出。本文设计了一种新的波形优化框架。该框架通过多目标粒子群优化算法（MOPOS）构造了一种针对气象粒子目标的非线性调频（NLFM）脉冲压缩波形,实现了极低的距离旁瓣电平和较高的多普勒容限,可以显著地缓解非常有限的卫星峰值功率的限制和卫星平台运动导致的多普勒对系统影响。仿真实验结果表明：改进的非线性调频波形具有良好的性能。     

一种低轨双星雷达信号无模糊频差估计算法

针对低轨双星组合接收低脉冲重复频率(LPRF)雷达信号的频差(DFO)估计存在模糊的问题,提出一种基于时差差分的频差无模糊高精度估计算法,该算法通过对高精度的时差测量值进行中心差分获得无模糊的频差估值。仿真结果表明,新算法能对PRF低至300 Hz的雷达信号进行无模糊的频差估计,估计精度在信噪比高于15 dB时逼近克拉美劳下界,可有效扩大低轨双星时/频差定位系统对LPRF信号的适用范围。