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。     

基于循环神经网络的空中目标类型识别

为解决在空中目标类型识别过程中,目标特征单一导致识别准确率低的问题,提出一种将雷达信噪比与目标航迹特征相结合的基于循环神经网络(Recurrent Neural Network,RNN)的目标识别方法。该方法利用RNN模型在处理时序数据上的优势,挖掘雷达数据隐藏在时间层面的特征;扩展目标特征属性维度,利用智能化模型有效地将雷达信噪比与目标航迹特征相结合,提高目标识别的准确率。应用真实检飞数据,对该方法进行检验,并与传统方法进行对比分析。仿真结果表明,基于RNN的目标智能化识别方法具有更高的准确率。     

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。     

基于模糊聚类分析的无源雷达目标识别方法

针对无源雷达目标识别的特点,提出了基于模糊聚类分析的识别方法。首先分析了空中目标类型和目标表征,然后阐述了目标识别的原理和步骤,最后运用该方法对给定特征的空中目标进行了聚类分析,实验结果表明提出的方法是可行和有效的。     

雷达辐射源的序贯识别方法

针对雷达信号环境,依据已知的模板信息,提出了一种雷达辐射源序贯识别方法。通过理论推导和仿真分析验证了该算法的可行性,并与传统的统计分析识别 ［1］ 方法相比,该方法能够更充分地利用辐射源的脉冲信息,提高复杂电磁环境下的辐射源识别能力。仿真结果显示该方法的识别效果优于统计分析识别方法     

构件裂纹缺陷的超声识别

将小波包多分辨率分析与能量谱相结合,提出了金属材料缺陷特征提取的方法(小波包子带能量比较法)及不同缺陷的识别方法(小波分形神经网络法)。选取最能反映缺陷特征的参数——"能量特征向量"作为特征参数,进行缺陷的特征提取。缺陷的识别方法将小波包分解后各子带系数的分形维数作为特征矢量,对其进行径向基神经网络训练,从而可很明显区分出有无裂纹以及不同裂纹信号。以航天发射塔架钢连接构件疲劳裂纹超声检测信号为例,使用所提出的特征提取和模式识别方法,结果表明是行之有效的新方法,为金属材料缺陷检测与识别开拓了新思路。     

一种新的重频特征识别方法

针对雷达脉冲重复间隔类型识别中存在的问题,提出了一种结合神经网络技术的重频识别方法.该方法分别对7种雷达重频模式,提出了新的特征矢量提取方法,并引用神经网络进行识别.实际仿真结果表明该方法是有效的,特别是对重频固定、重频滑变及重频抖动模式在高漏脉冲率的条件下依然具有较高的正确识别率.     

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.     

卷积码盲识别技术研究

针对卷积码的盲识别问题,总结了现有识别方法的实现原理及过程,并用Matlab进行了仿真分析。对于码长、码率及编码记忆长度等参数,利用接收码字构造矩阵并进行变换,从而达到识别的目的。针对生成多项式的识别,给出了四种常用的方法,并比较了各方法的性能和计算复杂度。结果表明,在低误码率低于10-2情况下,采用欧几里德算法最佳;当误码率为10-2量级时,基于Walsh-Hadamard变换的方法更能保证识别的准确性。     

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。     

基于随机振动响应的结构非线性参数识别

复合材料结构呈现出典型的量级非线性特征,非线性刚度的研究是结构设计和分析的基础。结构使用环境多数存在随机振动载荷,在更接近真实使用环境下对非线性参数的识别结果更加适用。文章提出了基于随机减量法和连续小波变换的非线性参数识别方法,设计了基于随机振动响应的非线性刚度识别程序;通过立方刚度单自由度非线性系统算例,验证了识别方法和程序;并通过试验研究了典型复合材料结构的量级非线性特征。结果表明,基于随机减量法和连续小波变换的非线性参数识别方法具有较好的识别精度,多自由度系统不同谐振阶次的非线性特性存在差别。研究结论对于随机振动环境下结构非线性参数识别和建模具有一定的参考价值。     

未来反舰导弹可能采用的新技术

图1　俄罗斯的Kh31反舰导弹现代舰艇综合防御能力的提高,要求未来反舰导弹具有更强的突防能力。在未来海上局部战争中,绝大多数亚音速反舰导弹将难以满足作战需要,现役的几种超音速反舰导弹,由于自身体积大、红外特征明显、抗干扰性能较差等缺陷,其作战威力也将大打折扣。...     

一种辐射源快速识别新方法

针对现有辐射源识别方法不能识别参数交叠的雷达信号以及BP神经网络迭代速度慢、识别效率低的缺点,设计出一种采用改进概率神经网络的实时快速识别方法。该方法构造的特征兼具单个脉冲参数统计特性和雷达参数变化整体特性两个层面的信息,进而可以对参数交叠的雷达信号进行有效识别。同时,该方法还对概率神经网络进行了改进,使之具备识别出未知雷达信号的能力。仿真实验表明,此方法在显著提高了识别率的同时,还具有良好的抗噪性和鲁棒性。     

基于结构相似性的阴影识别方法

针对视频监控系统中运动目标阴影识别难的问题,提出一种基于阴影区域和背景区域结构相似性的阴影识别方法。首先,利用阴影的颜色不变性和结构相似性,设计阴影像素可信度函数,然后通过位置判断像素类型,优选阴影识别算法。大量的监控视频数据验证结果表明,与传统的阴影识别算法相比,算法明显提升了识别的精确度和可靠性,拓展了阴影识别的应用领域,既可处理彩色图像,也可处理灰度图像,还能适用于多个有色光源场景。     

一种基于模糊隶属度的雷达辐射源识别新方法

在雷达辐射源识别中,一般采用隶属度来衡量知识参数和侦察参数的相似性,并以此进行识别,其难点在于隶属度函数的确定。针对这一难点,提出了一种新的脉间特征参数和脉内特征参数隶属度的计算方法,并提出了一种综合特征权值的计算方法,对雷达辐射源进行加权识别。仿真结果表明,这种方法的识别效果优于传统的识别方法。     

基于卷积神经网络技术的直升机旋翼谱识别方法

针对直升机雷达回波在时频二维分布图上的分布特性,提出一种基于卷积神经网络技术的直升机旋翼谱识别方法,实现了直升机旋翼谱与其他类型目标的区分,从而有效识别直升机。当雷达工作在低重复频率(LPRF)时,直升机旋翼回波在时频分布图上呈现明显的扩展特征。通过仿真与实测数据分析,表明该特征与其他目标回波在频率维分布特性存在较大差异。利用卷积神经网络中的卷积核技术,将实测数据与卷积核矩阵进行二维卷积运算,依据输出矩阵实现了直升机旋翼谱的识别。利用实际采集的直升机回波数据进行验证,证明该方法是有效的,可应用于各种采用脉冲多普勒工作体制的雷达系统。     

基于相位差分算法的多相编码信号实时脉内识别技术

为解决多相编码信号识别的难题,提出一种基于相位差分算法的脉内识别方法.首先研究相位差分的原理,提出一种改进的相位解模糊方法.然后基于多相编码信号相位跳变峰的成组和递增/递减特征,提出了一种工程可实现的多相编码信号的实时识别方法.仿真结果表明,算法在3dB信噪比下对常规、线调、BPSK、QPSK信号的识别概率大于90％;而在10dB信噪比下对多相编码信号能达到90％以上的识别概率.     

激光威胁信号的计算机处理

介绍了激光威胁信号的计算机处理方法 ,重点探讨多激光威胁源的分选与识别、以及激光威胁信号的参数测量与识别 ,分析了激光威胁源细微特征识别方法。