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。     

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。     

基于连续小波变换的脉内调制类型识别技术

脉内调制类型识别是雷达侦察的关键技术之一,特别是低信噪比下的脉内调制识别技术是当前研究的热点.利用基于连续小波变换的瞬时频率提取技术,可以在低信噪比条件下获得不同调制类型信号的瞬时频率特征,从而实现低信噪比下的脉内调制类型识别,仿真结果表明采用这种方法可以有效地实现低信噪比下的瞬时频率提取.     

基于矩特征的雷达信号脉内调制样式识别方法研究

相控阵雷达为了获得良好的低截获(LPI)特性,同时兼顾距离和速度分辨率,需要对信号进行复杂的脉内调制,将发射能量扩散到很宽的频率范围上,甚至与噪声水平相近。对雷达脉内调制信号进行识别,可以获取敌方雷达作战性能并制定相应的干扰策略。针对不同调制信号的时频图几何分布不同的特点,对CW、LFM、PARFM、PSK、FSK五类信号进行Choi-Williams变换,提出将不同信噪比下时频图像中最能反映图像区域几何特征的四个不变矩作为输入特征向量,利用梯度下降算法构建神经网络,对调制样式进行识别的方法。仿真结果表明,方法的识别效果良好。     

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。     

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。     

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。     

基于ICA和小波脊的多辐射源调制类型识别

针对电子侦察中多个雷达辐射源信号混叠时的调制类型识别问题,利用独立分量分析将多个雷达辐射源信号进行分离,再对分离后的辐射源信号采用小波变换,提取信号时频分布的脊线,最后计算脊线特征值,通过脊线特征值来判断辐射源调制类型.仿真实验验证了该方法的正确性和有效性.     

用于目标识别跟踪的雷达/红外成像双模传感器数据融合技术

目标识别和跟踪是模式识别领域的一重要研究内容。基于单传感器（ 雷达或红外成像） 的系统存在着局限性， 分析了多传感器信号融合的必要性， 介绍了目标识别和跟踪系统进行多传感器信号融合的方法（ 特征层融合、决策层融合）及其在提高目标识别和跟踪的可靠性和抗干扰性方面的优势。介绍了基于智能模型和基于多层前向网络的目标识别算法。     

雷达PRI调制样式识别新方法

针对雷达PRI调制样式识别难题,在分析雷达PRI类型的基础上,提出了能够有效描述雷达PRI调制特征的五种分类特征参数,分析了对存在丢失和虚假脉冲的处理方法,并据此提出了PRI调制样式的识别算法与实现流程,实现了五种典型PRI调制样式的有效识别。理论分析与计算机仿真结果表明,该方法在PRI测量精度较低和丢失虚假脉冲比例较高的情况下具有稳健的识别性能。     

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.     

雷达信号脉内特征的小波分析

提出利用小波分析的方法分析雷达信号脉内特征，介绍了小波变换的方法并分析了利用小波变换的方法分析雷达信号脉内特征的可行性。对几种雷达信号进行了小波变换的模拟分析。结果表明，小波变换是分析雷达信号脉内特征的有力工具。     

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。     

开放世界下的雷达辐射源融合识别算法研究

针对开放世界下雷达辐射源目标库不完备的现状,对开放世界下雷达辐射源识别的信息融合模型进行了研究。建立了不同类型雷达特征参数的模糊隶属度函数,采用待测样本与模型样本匹配的方法生成广义概率指派函数,并采用修正的广义证据理论算法融合多参数信息获取识别结果。实验数据表明:该模型能在雷达辐射源目标库不完备的情况下,识别已知目标和判别未知目标,判别结果相对基于经典D-S证据理论和原始广义证据理论的融合识别方法更加可靠、有效,在雷达识别的场景中具有潜在应用价值。     

基于多模特征融合的雷达干扰信号识别

传统制导雷达面临的新型有源干扰样式越来越复杂，雷达必须对各种干扰类型加以鉴别。传统的干扰识别方法仅对特定单一样式有效，通用性较差、泛化能力较弱，无法应对复杂多变的干扰对抗环境。因此，必须提出智能化更高、稳健性更强的普适干扰识别方法，提升制导武器抗干扰能力。为了提高干扰信号识别的准确率，研究了多模特征融合算法，并最终对时域、时频域、信息论特征进行融合以实现分类。首次将信息论中熵、相对熵、相对距离等概念引入到干扰信号分类这个应用场景中，通过仿真实验表明，能够有效对常见干扰进行有效识别，在较低干噪比下也有较好的识别准确率。     

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。     

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。