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。     

基于谐波小波变换的雷达辐射源识别

雷达辐射源识别是电子战系统的关键技术之一。分析了放大器的非线性效应,提出用谐波信号幅度之间的约束关系特征进行雷达辐射源识别的方法,针对谐波信号十分微弱的问题,提出采用谐波小波变换对信号进行重构、然后对重构的信号用最小二乘拟合进行幅度估计的方法,提高了幅度估计的精度。最后通过仿真验证了方法的准确性和有效性。     

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...