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,最终构造逻辑回归分类完成分类识别任务。仿真结果表明,该算法较单一卷积神经网络模型具有更好的识别效果,抗噪声效果更强,在-6 dB信噪比的条件下,识别的准确率仍能够达到90%以上。     

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。     

基于混合神经网络的无线电信号自动调制识别

随着无线电信号数据海量增加，复杂电磁环境下面临着未知威胁和目标侦察识别复杂度高的问题，本文针对未知无线电信号的特征提取任务，设计了一种混合神经网络以提高目标无线电信号的识别能力。先通过胶囊神经网络对未知信号的空间信息进行提取，再进一步运用门控循环单元提取信号在时间上的特征信息。设计混合网络模型将信号的时间和空间特征相结合，提高对目标信号的分类精度。通过RML2016.04C调制信号数据集，验证了混合神经网络的识别性能。结果表明:当信噪比为6 dB时，混合网络模型对多种不同调制信号的分类精度大于95%。因此，本文所设计的混合神经网络能够有效对不同调制信号进行准确分类。     

一种MPSK信号调制方式识别方法研究

信号调制方式识别技术是盲信号处理的关键技术之一.在研究MPSK信号的常用分类识别方法的基础上,针对其识别特征易受到噪声以及载波频率估计误差影响的不足,提出一种改进的分类识别方法并对其分类识别性能进行了实验仿真,通过对仿真结果的分析可知该方法能够获得较高的正确识别率,具有一定的实用价值.     

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。     

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。     

一种雷达信号模糊函数特征提取与识别方法

现代雷达面向智能化、软件化、多功能与多用途方向发展,一部雷达往往具有多种工作体制与工作状态,雷达信号采用复杂的波形设计,这就使得雷达信号的特征提取与识别过程变得越来越困难。另外,现代电磁环境复杂,杂波、噪声干扰严重,给雷达的侦察工作带来更大的难度。基于此,提出将流形学习应用于雷达信号模糊函数的特征提取,并对其进行仿真与分析。结果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。     

一种有效的PCMA信号调制方式识别方法

从非合作接收的角度出发,建立PCMA信号的一般模型,推导PCMA信号高阶累量的解析表达式,构造新的识别特征量。深入地分析了PCMA信号四次方谱的离散谱线特征,结合构造的识别特征量,提出一种能够有效地识别PCMA信号调制方式的方法,并给出了实现流程。该方法的主要特点是不需要频偏、同步定时、信道衰落、成形滤波器的参数等先验信息,具有很强的实用性。仿真实验、实际应用的测试结果表明,在适当信噪比和数据长度的条件下,该方法对PCMA信号常用的调制方式有较高的正确识别率。     

基于改进小波脊线法的LFM信号脉内特征提取

信号脉内特征提取技术是电子战领域的一个重要的研究方向 ,它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。研究了基于小波脊线法提取线性调频 (LFM )信号的脉内特征 ,提出了改进的小波脊线法 ,并进行了仿真 ,仿真结果证实了改进方法的优越性     

一种低信噪比下雷达脉内特征提取方法

高密度复杂环境下的雷达脉内特征提取是现代雷达的信号分选、识别的一个重要研究内容。利用时频分析中的WVD分布分析信号时零频处仍保持原信号所有特征这一特性 ,提出了一种低信噪比下的小波提取信号脉内调制特征的方法。仿真结果证明了该算法的有效性。     

深度学习技术在空间激光通信中的应用

与射频通信相比，空间激光通信具有传输速率高、保密性能强、终端功耗低等优点，目前已成为当前通信领域的一个研究热点。同时，空间激光通信也面临着一些严峻的技术挑战，如大气湍流导致空间激光通信的信道情况十分复杂，复杂的信道会引发信号光强度起伏剧烈，信标光跟踪与瞄准困难，接收端的信号光场波前畸变严重等。为了提升空间激光通信在复杂信道环境中的性能，学者们将深度学习技术引入到空间激光通信系统中。多项研究表明，深度学习在空间激光通信的诸多方面表现出了优越的信息处理能力。对近年来深度学习技术在空间激光通信信号处理与检测，信标光捕获与跟踪以及波前畸变探测与校正等方面的应用做一全面梳理，并对用于空间激光通信的深度学习技术的前景进行展望。     

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。     

用高速信号处理器实现机载战术数据链系统

在机载战术数据链系统中，数字Ｍｏｄｅｍ的实现是一项关键技术，本文介绍了一种以高速信号处理器为核心的调制解调器，由于采用了数字式的同步技术和信道的自适应均衡，该Ｍｏｄｅｍ具有同步精度高，抗多径干扰及抗信号衰落能力强等特点，而且，其灵活的硬件结构使得只需对软件加以修改即可构成各种不同调制方式的数字Ｍｏｄｅｍ。     

基于PSK调制的数字通信信号仿真分析技术

基于PSK调制的数字通信系统在无线通信工程实践中有着广泛的应用，由于受到各种条件的限制，从实际工程系统接收到的PSK数字通信信号在教学科研中不易获得，而PSK调制仿真数据则可以自己产生。在掌握通信原理和仿真技术的基础上利用Matlab实现对BPSK、DPSK、QPSK、DQPSK、8PSK、π/4-DQPSK、OQPSK等数字通信信号源的模拟仿真，可对调制体制、工作频率、传输码率、采样频率、信道特征等参数进行灵活设置，并按要求生成规定格式的DAT数据文件，可作为调制方式识别软件的训练和测试样本。结合模方谱、平方谱、四次方谱、八次方谱等谱线参数特征，同时结合星座图和眼图进行基于PSK调制的数字通信信号的调制体制判别和验证。     

雷达信号环境模拟中波形产生单元的设计

针对复杂雷达信号环境模拟系统中对多输出、多调制形式的波形产生单元的迫切需求,综合了以小波变换为基础的脉内调制特征提取技术和以DDS技术为基础的直接数字调制波形合成法,借助于SOPC技术,设计完成了一种新的波形产生单元.     

GPSBIIF-1卫星L1频点QPSK VS CASM信号质量评估

为了评估GPS L1频点信号体制转换前后的空间信号质量，基于高增益天线接收系统采集数据，对相干自适应副载波调制(CASM)调制和QPSK调制信号质量进行对比分析。首先，简要介绍CASM调制模型，利用波形匹配技术求解L1频点授权信号伪码序列。其次，基于星座图分布和极大似然估计分别解决出QPSK和CASM调制信号分量功率分配难题。最后定量地利用相关特性参数中的S曲线过零点偏差(SCB)和相关损失(CL)对比分析L1频点信号体制转换前后各信号分量空间信号质量。该文结果可为不同信号体制下空间信号质量评估对比提供参考。     

常用卫星通信信号数字调制方式的自动识别

针对常用的卫星通信信号的调制方式识别问题,提出了一种新的自动识别算法.该算法基于统计特性分类原理,通过建立一组统计特征参数,在无需先验信息的条件下,实现对信号调制方式的自动识别.对实际采集数据进行了实验验证,结果表明该算法在低信噪比环境下仍有较高的识别率,简单易用,具有较强的工程可行性和良好的扩展性.     

基于特征提取与统计的信号类型识别

针对空间电子对抗领域的截获信号类型识别问题,提出了一种基于特征提取与统计的非合作信号类型识别方法。首先,通过对瞬时频率和复包络模值特征进行统计,实现了信号类型的粗分类,接着,基于细微特征提取和比对,实现了信号类型的精确识别。仿真结果表明,当处理器输入信噪比高于11dB时,所提方法对8类信号的正确识别概率均超过90%。本方法处理复杂度较低,易于星上工程实现。     

一种新的频率调制雷达信号识别方法

频率调制信号广泛应用于现代雷达中,针对此类信号的调制方式识别问题,提出了一种新的识别方法.该方法首先提取信号的二次相位函数(QPF)脊线,然后根据脊线的线性拟合误差将信号分为两类,最后分别通过Radon变换和曲率半径识别出信号的具体调制类型.仿真表明,该方法具有良好的抗噪性和较高的识别正确率.