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。     

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。     

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。     

基于自适应仿射传播聚类的雷达信号分选方法

复杂体制的雷达不断应用于实际,使得基于到达时间单参数的雷达信号分选方法遇到了技术瓶颈.然而,基于多参数的信号分选方法,如K-均值聚类和模糊函数C均值聚类,前者对初始类中心敏感、需预知聚类数,后者对类隶属度的选取、相似度矩阵的建立存在不确定性,使得这些方法在自适应雷达信号分选中受到了限制.自适应仿射传播聚类不仅可以克服上...     

基于盲解卷的雷达信号分选

盲信号处理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。深入分析了非平稳信号的盲解卷算法,并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较好的分离效果,从而为实现现代电子对抗中复杂的雷达信号分选提供了新的思路。     

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。     

一种基于TOA差值矩阵的雷达信号分选方法

由于几种经典的雷达信号分选方法在复杂的电磁环境下分别存在各自的缺陷,很难正确分选出全部目标信号,且伴有较高的虚警和漏警概率,因此提出一种新的基于脉冲到达时间(TOA)差值矩阵的信号分选方法,PRI的模式搜索与脉冲匹配过程均在该差值矩阵上完成.实验结果表明,该方法能够适应复杂的雷达信号环境,并且具有较高的脉冲分选正确率,以及较低的虚警和漏警概率.     

基于孤立点分析的辐射源奇异脉冲提取方法

讨论了密集信号环境下雷达辐射源奇异信号提取的问题,将数据挖掘技术的孤立点分析方法应用到雷达辐射源信号分选中来,提出了依据参数异常和到达时间异常提取奇异雷达辐射源信号的方法,并通过试验分析验证了方法的有效性。     

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。     

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.     

基于狄里克莱过程混合高斯模型的信号分选

提出了一种基于狄里克莱(Dirichlet)过程混合高斯模型的雷达辐射源信号分选方法。通过将Dirichlet过程与高斯模型相结合,得到的Dirichlet过程混合高斯模型可以自动学习混合高斯分量的数目。将该模型应用于雷达辐射源信号分选,可以自动确定电磁环境中雷达辐射源的数目。仿真实验结果证实了该方法在雷达辐射源信号分选中的有效性。     

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。     

雷达信号空域统计分选算法研究

在研究被动雷达导引头空域的目标视场角统计特性的基础上，讨论了雷达信号分选应用中空域分区和选择的最优化方法，提出了一种雷达信号的统计分选算法，并给出了模型。仿真结果表明，该算法具有较优的目标分辨能力和角度跟踪精度。     

密集信号环境下分选参差雷达脉冲的新方法

在密集信号环境下,雷达信号参差类型的判定以及参差雷达信号分选一直是雷达信号处理的一个难题.研究了在密集信号环境下PRI参差判定门限的设计方法,在此基础上,提出了PRI参差雷达脉冲分选的新方法.仿真试验表明,该方法是切实可行的.     

基于聚类分析的雷达信号分选研究

基于聚类分析的方法是近年来用于雷达信号分选的研究热点之一。首先从聚类算法自身的特点出发,对雷达信号分选的参数选取进行了讨论,在此基础上分析了聚类算法中距离测度及其参数权重对聚类结果的影响。通过仿真试验,对聚类分析在雷达信号分选中的应用方式进行了探讨,并提出了一种改进的基于K-Means聚类的DOA单参数聚类方法,通过仿真结果验证了其应用于预分选的可行性。     

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。     

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.     

基于自适应网格密度聚类的雷达信号分选算法

针对现有网格聚类中网格划分方法不能较好地适应所有数据分布、网格边界处理精度低等问题,提出基于自适应网格密度聚类的雷达信号快速分选算法.该算法首先引入了网格均匀度的概念,然后给出了自适应网格划分技术和网格均匀度的计算方法,最后进行均匀度可达聚类.该算法能自适应地发现不同密度的类及其边界,适合处理大规模侦察数据集.仿真实验表明该算法能有效适用于雷达信号分选.