基于非线性器件特征的辐射源识别

为提高雷达辐射源的正确识别率以满足航空电子对抗需求,提出基于非线性器件特征的辐射源识别方法.在非线性失真分析的基础上,通过谱再生现象的观测,对非线性器件的功率级数系数进行了估计,由于不同的雷达系统设计和随机组装,因此这种特征对每一辐射源是唯一的.仿真结果表明,该特征提取方法在低信噪比环境下可以获得高的辐射源识别率,证实...     

一种基于类内聚集度和类间离散度的特征集提取方法

雷达辐射源信号识别是雷达对抗信号处理中的关键技术,特征提取和选择是其中的重要一环。由于受噪声等多种因素影响,信号最重要的特征常常难以发现,特征提取一般采用经验式的方法。为消除特征提取的主观性和提高准确识别率,给出了类内聚集度和类间离散度的定义,并提出了一种基于类内聚集度和类间离散度的特征集评价准则。基于该准则,采用特征排序选择的搜索策略,可以从雷达辐射源信号原始特征集中挑选出品质优良的特征子集,从而实现对雷达辐射源信号的准确识别。     

基于脉冲包络前沿波形的雷达辐射源个体识别

提出了以脉冲包络前沿波形作为辐射源的“指纹”进行雷达辐射源个体识别的思路。首先将提取出的已知雷达脉冲包络前沿波形进行统计,求出一条能代表雷达辐射源的“标准”前沿波形曲线,然后将被测雷达脉冲包络前沿波形与求出的“标准”前沿波形曲线进行相像程度比较,识别出雷达辐射源个体。理论分析和实验结果表明利用雷达脉冲包络前沿波形可以较好地进行辐射源个体识别。     

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。     

一种快速有效的雷达目标识别方法

基于核的学习算法提出一种快速有效的雷达目标识别方法。首先利用核的主分量分析方法对雷达目标的一维距离像进行特征提取,可以有效地提取出其中的非线性特征;然后基于一种新型的支撑矢量机——近似支撑矢量机作为分类器对所提取的特征进行识别。实验结果表明,所提出的识别方法其正确识别率与标准支撑矢量机相当,但在计算速度上却有很大的提高,并对噪声具有较好的抑制作用。     

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。
     

基于GA的雷达辐射源识别自学习算法研究

文章针对目前雷达对抗系统面临的辐射源识别精度不高、智能化水平低的特点,将自学习理论引入到雷达对抗系统中。提出了基于GA（GeneticAlgorithm）的自学习算法,实现雷达辐射源智能识别。仿真结果表明：在使用相同的特征参数“前件”条件下,通过这种自学习方法得到的正确识别率高于其他识别方法。     

时频图像局部二值模式特征在雷达信号分类识别中的应用

针对低信噪比下雷达辐射源信号的分类识别,提出了一种将时频分析与图像处理相结合的特征提取和识别方法.该方法首先对雷达信号进行时频变换,将得到的时频分布转化为灰度图像;然后运用图像处理方法对时频图像进行增强和去噪;最后提取局部二值模式纹理特征描述子作为信号的识别特征,并采用支持向量机分类器实现信号的分类识别.文中针对12种常见雷达信号进行了仿真,结果表明该方法在较低的信噪比下仍能获得较为满意的识别率,当SNR=0dB时,信号的平均识别率能达到95.35％.所提出方法能有效降低噪声对分类识别的影响,同时对于时频图像相近的信号也有较好的识别效果,表明了该方法的有效性.     

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。     

弹道中段微动目标宽带回波模拟

弹道中段微动目标的回波中蕴含了目标的电磁特性和运动特性,为雷达目标识别提供了重要依据。本文研究了中段微动目标的宽带雷达回波模拟问题,提出了一种基于散射中心模型的回波模拟方法。通过对弹道中段目标的运动特性进行建模,分析了目标微动时各散射中心的位置变化规律,针对旋转对称体目标的外形特征,将目标的进动等效为二维平面内的转动,并基于物理光学法提出了一种计算散射中心遮挡效应的方法,解决了目标运动过程中姿态变化带来的遮挡问题。仿真实验与暗室测量数据的对比结果表明,所提方法可以有效模拟目标微动时各姿态的回波数据,为中段目标特征提取、目标识别提供了技术基础。     

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。     

一种雷达信号模糊函数特征提取与识别方法

现代雷达面向智能化、软件化、多功能与多用途方向发展,一部雷达往往具有多种工作体制与工作状态,雷达信号采用复杂的波形设计,这就使得雷达信号的特征提取与识别过程变得越来越困难。另外,现代电磁环境复杂,杂波、噪声干扰严重,给雷达的侦察工作带来更大的难度。基于此,提出将流形学习应用于雷达信号模糊函数的特征提取,并对其进行仿真与分析。结果验证了该方法的可行性。     

多径信道下OFDM信号和单载波信号的盲识别

针对非协作通信条件下OFDM(正交频分复用)信号和单载波调制信号的类间识别问题,提出一种在多径信道下基于信号循环自相关的调制识别算法。该算法不需要信号和噪声的先验知识,可以直接对中频信号进行处理,具有较强的实用性。通过对信号循环自相关函数进行分析,仅需进行时域的延时自相关运算和特定延时下的循环自相关运算,就可以从频域提取特征值来实现OFDM信号和单载波信号的盲识别。在估计OFDM信号周期时,提出一种基于极大值抽取的延时估计算法,能在多径衰落信道中不需要先验信息的情况下完成估计。仿真表明,本文提出算法的识别性能优于传统的四阶累积量算法。     

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。     

复杂电磁环境下雷达目标距离像识别效果评估

分析了战场电磁环境复杂性及其对雷达目标高分辨距离像特征提取和目标识别影响,分别以距离像失真和识别率为度量标准,通过对比特征提取和目标识别效果,提出了一种复杂电磁环境下雷达目标距离像识别效能评估方法,并进行了仿真计算。     

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。