雷达组网系统辐射源威胁度评估

根据空对地电子进攻作战特点,运用层次分析法将地面组网雷达对空中作战飞机的威胁度进行了评估与分析,给出了组网雷达威胁度评估的层次结构,确定了一套评估指标,建立了三级评判模型,并确定了各因素权重。最后,给出了组网雷达辐射源威胁度的量化评估方法,并通过实例证实了该方法的有效性。     

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。     

神经网络在雷达辐射源识别中的应用研究

由于现代战争中雷达信号环境日趋复杂 ,新体制和复杂体制雷达大量涌现 ,现有的雷达信号识别方法不能适应未来电子战环境 ,研究新的高效的雷达识别方法 ,已成为当前比较迫切的课题。研究了雷达辐射源识别的神经网络方法 ,分析了它的可行性及其优点 ,给出了用B -P网络来实现雷达辐射源识别的方法 ,并与ESTRR方法进行了比较。     

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。     

一种对运动辐射源实施单站被动定位的方法

对相对运动辐射源实施单站被动定位是一个重要的课题 ,有极广泛地应用前景。提出了一种新方法 ,并对其进行了理论探讨。该方法可单站被动测定辐射源的工作频率、运动速度和航向以及相对距离和相对方向 (可实现瞬时测向 ) ,并应用于任何波辐射 (从声波、电磁波到光波 )的场合。测量系统结构简单、易于实现     

基于联合参数建模的雷达辐射源识别方法

针对现代雷达采用复杂体制造成的不能正确识别辐射源问题,提出一种基于联合参数建模的雷达辐射源识别方法。该算法首先对辐射源进行脉冲等级和统计参数等级的联合建模,然后将联合参数模型用于识别过程中,基于特征参数的不同描述模型构建不同的识别算法,其中特征参数的联合建模思想是本方法的核心。仿真实验表明,本文方法能够实现对复杂体制雷达辐射源的建模和识别。     

基于缺失数据填补的辐射源识别方法

针对模板雷达特征参数残缺而造成的测量辐射源不能正确识别问题,提出了一种基于 缺失数据填补的辐射源识别算法。该算法利用矢量神经网络对缺失数据进行填补,并对填补 后的训练样本进行重新训练,从而得到网络结构参数。仿真实验表明本文方法不仅能处理缺 失数据,而且在噪声环境下也能识别区间类型和标量类型的输入矢量。
     

应用多属性决策的威胁等级判断方法

威胁等级判断通常依据侦察机识别辐射源的信号参数。为了能准确地对辐射源进行威胁等级判断 ,可以利用雷达信息。根据侦察机和雷达获取目标信息时的特点 ,提出了基于多属性决策的威胁等级判断方法。     

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。     

基于匹配追踪算法的波达方向估计方法

利用辐射源到达方向的稀疏特性,结合最大似然原理提出了一种基于匹配追踪的波达方向估计算法,该算法具有比常用的波束成形和子空间类波达方向估计算法更优越的性能:在给出辐射源到达方向的同时给出对应的幅度输出;不要求辐射源数目的先验知识,无需预处理,且不受来自不同辐射源的信号相关性的影响;在低信噪比和小快拍数下仍具有较好的分辨特性。仿真结果验证了该算法的有效性。     

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。     

作战任务对防空导弹武器系统威胁判断结果的影响分析

梳理了判断涉及的目标参数结合武器系统的作战任务需求。提出了一种根据作战任务建立威胁判断数学模型的指导方案，给出了如何应用该方案对已有模型进行改进的措施。仿真分析中对一种基于层次分析法和模糊综合决策法的空袭目标威胁评估模型进行改进，在多目标的空袭环境中演示了不同作战任务对目标威胁判断结果的影响，验证了模型的工程参考价值。     

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。     

基于粗糙集的雷达辐射源信号识别

雷达信号识别是侦察系统信号处理的目的，是整个雷达对抗信号处理中的关键性环节，为解决雷达辐射源信号模式识别困难的问题，在深入研究粗糙集理论的基础上，将其同辐射源信号识别问题相结合，给出了基于粗糙集的辐射源信号识别模型。同时介绍了连续属性离散化、知识约简和规则提取的概念，给出工基于粗糙集的识别过程。实验表明该方法减少了识别的主观因素，能有效处理辐射源识别中的模糊性和不确定性，具有广阔的应用前景。     

航天器观测重调度问题中的模糊性不确定因素及其处理

为了处理航天器观测问题中具有模糊性特点的不确定因素,解决动态环境下的航天器观测重调度问题,提出了一种基于模糊神经网络的处理方法.该方法通过参数模糊化和径向基神经网络来评估模糊性不确定因素对系统造成的影响程度,同时将重调度响应划分为立即型、延迟型和忽略型三种类型,以处理不同影响程度的不确定事件.最后通过算例说明了所提出的模糊神经网络算法的有效性.     

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     

一种新的基于粗集的辐射源信号识别模型

粗糙集理论作为一种新的处理含糊和不确定性问题的数学工具,已成为国际学术界的一个前沿的研究领域。在深入研究粗糙集理论的基础上,将其引入辐射源识别问题中,给出了一种基于粗糙集的辐射源信号识别模型。同时给出了一种不依赖先验知识确定辐射源识别权值的新方法,并提出了一种新的分类规则。最后,进行了计算机仿真实验,并与经典的模糊模式识别及统计模式识别方法进行了比较,实验结果证明了该方法的优势和有效性。     

雷达抗干扰能力评估的现状及设想

介绍了目前雷达抗干扰能力评估的主要成果 ;探讨了与雷达评估相关的几个问题 ,提出一种雷达抗干扰能力评估的设想     

一种基于RS码的跳频码序列的编写方法

跳频通信技术是一种重要的抗干扰通信技术 ,跳频图案的设计是跳频通信中的一项关键技术。在介绍几种跳频码序列的主要性能之后 ,重点阐述了 RS码作为跳频码序列的编码方法及其优良性能 ,举例说明了 (2 1 0 - 1,2 ) RS码的具体编写方法 ,该方法已在某工程中得到应用     

基于仿真计算的辐射源信号生成方法研究

为提高复杂电磁环境中辐射源信号的生成效率和逼真度,提出了一种基于仿真软件驱动实际信号生成的辐射源信号产生方法.首先,通过M atlab仿真计算得到任意辐射源信号(以辐射源信号中的LFM信号为例);其次,利用LabVIEW设计出相应的I/Q信号读取及发射单元;最后,经任意波形信号发生器生成射频信号.试验表明,利用计算机软件仿真出的辐射源信号与实际生成的射频信号相一致,该方法为实现快速仿真生成任意辐射源信号及其可视化研究提供了技术支持,独立的读取单元减少了系统内存的占用,具有一定的工程实践意义.