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。     

改进粒子群算法优化SVM参数的遥感图像分类

文章使用支持向量机(SVM)分类算法,结合当下应用较为广泛的智能优化算法,对SVM的参数进行优化选取,以期能够提高遥感图像的分类精度。针对粒子群算法(PSO)优化SVM分类器参数时,存在着容易早熟收敛、分类精度相对较低、容易陷入局部最优解的问题,提出了一种以自适应权重粒子群算法(SAPSO)为基础,引入遗传算法交叉算子的混合优化算法(SAPSO-GA),利用这种改进的算法优化SVM参数对遥感图像进行分类。文章以一景Quick Bird卫星遥感影像为例,对影像进行图像融合等预处理,然后分别使用PSO-SVM算法和SAPSO-GA-SVM算法进行土地利用分类,比较分析两种算法的分类精度,结果表明,改进的算法提高了粒子群算法的搜索性能,能够寻找更佳SVM分类器参数,获得较高的分类精度。     

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。     

基于逆ω-κ算法的SAR欺骗干扰方法

提出一种新的SAR欺骗干扰方法,其基本原理是干扰机在SAR副瓣区域快速生成覆盖保护区域的干扰信号,然后按照SAR发射信号的重复频率逐条发射干扰信号,最终使得干扰图像融合到真实场景之中,破坏和掩盖真实图像中的一些重要特征。为了实现快速的场景目标干扰,文中结合逆ω-κ算法,将一幅雷达灰度图转化为干扰信号。仿真试验表明,该方法可以有效实现对SAR的欺骗式干扰。     

基于盲源分离的相参干扰研究

针对盲源分离抗主瓣干扰的问题,提出多目标雷达回波和多干扰样式的盲源分离模型,并基于快速独立分量分析算法仿真分析雷达目标回波与相参干扰的盲源分离效果,仿真结果表明:盲源分离能够实现干扰信号和雷达回波信号的分离,间歇采样类干扰在盲源分离后容易被鉴别,但是经过匹配滤波处理后难以鉴别区分;全脉冲存储假目标调制转发干扰具有与真实目标回波近似的运动特性和电磁散射特性难以进行鉴别区分。     

一种基于正弦波高精度互模糊函数的通信卫星干扰定位技术

通信卫星系统易遭到敌方恶意干扰、地面无意干扰，对通信卫星系统的干扰排查具有重要意义，而通信卫星系统的干扰定位一直是重难点问题。在双星定位互模糊函数算法的基础上，提出了一种基于正弦波高精度互模糊函数频差估计方法，同时针对利用两颗静止通信卫星实现干扰定位时主信号和辅助信号信噪比差异大、辅助信号微弱的问题，采用改进的互模糊度函数实现双星TDOA和FDOA的测量，完成对通信卫星系统干扰信号的定位。仿真试验表明，采用本算法，对通信卫星系统干扰信号的定位精度较高，满足系统实际运用要求。     

基于组合特征选择的目标识别算法研究

针对飞机遥感图像识别,对一种基于组合特征选择的目标识别算法进行了研究。考虑获取的飞机样本数量有限,且存在旋转、遮挡等现象,采用提取图像熵值、归一化转动变量、Fourier描述子、Hu矩和Zernike矩不同的不变矩描述其整体和细节特征,用离差标准化的归一化方法进行特征融合。考虑组合不变矩维数相对较高,用主成分分析(PCA)算法进行特征选择以避免维数灾难。用具参数优化的支持向量机(SVM)进行分类识别。给出了目标识别算法的流程。进行了手写数字和飞机目标识别两个仿真实验,结果表明:该特征选择方法在基于MNIST数据集的小样本手写体数字图像识别中,识别效果良好;在有限样本的飞机识别中,经特征选择后识别效果有较大改善,识别时间缩短,训练样本数据多,识别的精度会更高,但当飞机目标的不同姿态下形状发生变化时识别效果会变差。     

多重闪烁干扰下高精度卫星导航算法研究

传统卫星导航抗干扰高精度算法只适用于处理平稳的干扰信号,难以适应无序脉冲组成的多重闪烁干扰环境。本文基于干扰协方差矩阵重建思想,提出一种新的适用于多重闪烁干扰环境下的卫星导航高精度抗干扰算法并进行仿真对比分析。通过压缩感知完成单采样点干扰测向,使用干扰噪声矩阵重建理论构造协方差矩阵,使用自适应波束约束算法实现单采样点天线阵列波束赋形,最终实现在干扰方向形成固定零陷,在卫星方向形成波束指向。与传统波束约束高精度抗干扰算法相比,该算法可以实现单采样点抗干扰权值计算,适用于快时变多重闪烁干扰环境。仿真结果证明：该算法可以在有效滤除多重闪烁干扰信号的同时在卫星导航信号方向维持波束指向,保障卫星导航信号观测精度,满足高精度卫星导航需求。     

一种基于诱导脉冲的极化对消抗欺骗干扰方法

针对反舰导弹雷达受到敌方大功率有源欺骗信号干扰而不能有效探测目标的问题,提出了一种基于诱导脉冲的极化对消方法。首先采取Jones矢量对雷达及干扰信号的极化特性进行表征,接着建立一种基于诱导脉冲的雷达H、V双极化通道接收体制,时序上分为诱导和对消两个阶段;然后具体分析了极化对消器的算法原理;最后采取正负斜率线性调频对诱导脉冲的波形进行设计。仿真实验结果表明,算法可以有效抑制欺骗干扰,匹配滤波后干扰抑制比可达30dB左右。     

激光伪随机编码的最小周期识别算法改进研究

目前激光制导武器使用的伪随机编码,基本都是利用移位寄存器加上特定的反馈函数来实现的,只要识别出其最小周期就可以利用准同步干扰方式进行干扰。对有限位伪随机码的特点进行研究和分析,介绍了一种新的计算小数之间的整数比的方法,并提出了对现有最小周期识别算法的改进算法。进行了仿真验证,结果表明:改进后的算法优于现有其他方法。     

一种新的干扰样式在高空飞行器干扰机中的应用

对雷达的有源干扰技术进行了研究,针对高空飞行器干扰机功率小的特点提出了一种基于噪声卷积调制的间歇采样转发干扰技术。仿真分析结果表明:此干扰技术产生的干扰信号和雷达信号具有较强的相干性,干扰信号的能量可以进入雷达接收机,提高了干扰信号功率利用率;合理的噪声调制信号可以对脉冲压缩雷达进行欺骗干扰或压制干扰,有利于提高高空飞行器的突防概率。     

一种基于独立分量分析的雷达抗干扰技术研究

雷达抗干扰技术研究一直是雷达领域的研究重点和热点。本文提出了一种基于独立分量分析的改进算法，应用于主、被动雷达抗干扰处理过程中．通过从观测信号中将目标回波信号与干扰信号分离开来，提取目标回波信号，并抑制干扰信号，达到雷达抗干扰的目的。通过仿真实验表明，应用这种方法分离目标回波信号与干扰信号取得了较好的效果，证明其应用在主、被动雷达抗干扰处理中是可行的和有效的．     

多宽带干扰信号频域甄别方法与分离算法

针对复杂电磁环境下的时频域重叠干扰信号,提出了频域甄别方法与分离算法。先通过分析所接收干扰信号的频谱,将整个频段分割为一个或多个子带,对每个子带内是否有频域重叠进行甄别判断;对于存在频域重叠的情况,通过波束形成技术,以波束接收的方式将子带中的重叠信号在空域分离。最后,将相同入射方向的频段进行拼接。仿真结果验证了该算法的有效性。     

用自适应INS、单脉冲MUSIC和STAR（AIMS）进行目标瞄准

利用目标信号估计目标角度会受到主波束干扰的影响，解决该问题的一个办法就是综合多个传感器的数据。自适应单脉冲多信号分类（MUSIC）算法可以在干扰中区辨出目标方位角估值和俯仰角估或真实频谱。但在进行目标识别和分类时，仅依靠这种算法不能得到理想的误差概率。通过综合综合导航系统（INS）和单脉冲雷达的方位与俯仰信号，能提高精确检测目标位置的概率。设计AIMS算的目的是进行目标瞄准，并综合自适应INS系统、四孔径单脉冲雷达和空时自适应信号处理器的信号。自适应INS系统不断测量地基目标的位置变化；四孔径单脉冲雷达用MUSIC算法自适应地降低主波束干扰，实现可靠的角度估计；空时自适应处理机（STAP）则将目标从杂波中分离出来。结果表明，AIMS算法有效地综合了传感器数据。并提出了识别正确目标信息的效率。     

航天器单层板结构弹道极限的支持向量机预测模型

提出了一种基于非线性不可分支持向量机（SVM）方法的航天器单层板结构弹道极限预测模型。利用实验数据对SVM进行训练,建立穿透点和未穿透点的分隔面,进而预测新结构弹道极限特性。SVM的训练问题是以实验点分类正确性为约束,预测置信度最大化为目标的二次规划问题,用Lagrange对偶方法有效求解了该训练问题,并通过附加Lagrange乘子的上限约束处理不可分数据集。引入二次核函数将线性SVM推广到非线性,有效实现了实验点的分类。利用超高速碰撞实验数据对SVM弹道极限预测模型进行了验证,计算对比表明SVM方法有效预测了弹道极限,并且精度高于NASA JSC单层板弹道极限方程。对分离面方程分离变量,建立了基于SVM的弹道极限方程显式表达式。     

一种新的雷达信号识别方法

雷达信号的分类识别是电子对抗的一个重要方面 ,而雷达信号包络分析是识别它的一种重要方法 ,它利用检测设备截获敌方雷达信号来识别和分析它的包络特征以便于干扰或抗干扰。采用平滑、微分的方法对包络进行处理 ,获得它的各项参数信息 ,从而达到对雷达信号识别的目的     

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。     

一种新的强干扰条件下微弱信号DOA估计算法

提出了一种基于扩展噪声子空间的强干扰条件下微弱信号DOA估计算法。该算法在已知强干扰源个数条件下,通过构造扩展的噪声子空间,在此基础上利用MUSIC方法有效地抑制干扰,并且准确估计出微弱信号的DOA参数。此算法的优势在于无需已知强干扰信号方向,且运算量与MUSIC方法相当。仿真实验验证了该算法是有效性和可行性。     

一种基于多层SOFM网络的星图识别方法

提出了一种基于自组织特征映射(SOFM)神经网络的星图识别算法。用基于支持向量机(SVM)的动态阈值选取算法选取导航星构建导航星库,将一多层多个并联SOFM子网的识别系统用于星图识别。给出了方法的流程。仿真结果表明,SOFM网络可提取星图中的复杂特征识别导航星。与传统三角形算法相比,该识别算法的识别准确率、鲁棒性和实时性更优,有一定的实用价值。     

机载自卫干扰系统干扰效果的一种定量评定方法

欺骗式干扰是一种以假乱真的雷达对抗技术 ,它对干扰信号的功率要求很低 ,所以在战斗机上装备的自卫式干扰设备中广泛使用。目前 ,对欺骗式干扰技术的干扰效果评估没有一种简单易行的方法。将雷达和与此雷达相关的武器系统作为一个整体来考虑 ,将干扰的作用划分为导弹发射条件的影响和对单枚导弹命中概率的影响两部分 ,提出了干扰有效度的概念 ,用突防过程中地空导弹的允许发射时间的降低量来评估干扰效果 ,对干扰效果给出了一个量化的结论