航天产品活动多余物的检测

弹、箭、星上的仪器，被装卡在转动装置上，按技术要求，设置检验程序。启动转动装置，活动多余物在仪器中位移过程是滑动与撞击的一个随机组合过程，在这个过程中仪器壁中将传播应力弹性波和声波，即为“位移信号”。压电换能器拾取位移信号，经前置放大器放大后，由检测主机采集、处理和显示等。根据位移信号振荡频率、衰减速率、区域分布等波形特点，识别与判定多余物位移信号与噪声信号，从而达到检测目的。装置已在十个厂所应用     

战术导弹活动多余物检测技术

利用多通道进行位移信号采集 ,建立了导弹内各种信号的基本类型和特点 ,对特征量的提取 ,实现了多余物信号与其它噪声干扰信号的识别。根据时差分析方法及各通道显示的波形特征 ,可定性判断多余物所在的区域。这种技术通过信号采集系统的研制 ,对多余物位移信号特点及复杂的噪声规律进行分析研究 ,采用多余物定位技术 ,研制出一套适合现场进行战术导弹活动多余物检测的检验装置、信号采集系统、分析识别及定位软件 ,提高了多余物检验的灵敏度和可靠性。     

基于深度学习的通信信号调制识别算法

随着通信技术的发展，信号体制、调制方式日趋复杂，例如CPM、OFDM等，这给调制识别技术带来了巨大挑战。近年来，深度学习技术由于其强大的特征提取能力和分类能力，被广泛应用到模式识别领域中。为了实现复杂调制方式的识别，文章将深度学习技术引入到调制识别领域，并提出一种基于改进的CLDNN模型的调制识别算法。CLDNN模型已被成功应用到语音识别领域，其表现出了强大的特征提取和分类能力。该方法在原有CLDNN模型的基础上，针对调制识别问题的特点，对CLDNN进行了改进。而且该方法不依赖于载波同步、码元同步等预处理。实验结果表明，该方法可同时识别12种信号调制方式和信号体制，信噪比在3dB以上时，整体识别准确率达到90%以上，并且可以较好地识别复杂调制方式和信号体制。     

空间目标的ISAR成像与识别

空间探测雷达在人类航天活动中具有重要作用 ,宽频带信号体制的应用使空间目标的逆合成孔径雷达 (ISAR)成像与识别成为可能。结合空间目标的动力学和电磁特性 ,探讨了空间目标的ISAR成像与识别技术 ,并展望了该领域的技术发展趋势。     

基于超声相控阵的材料结构健康监测实验研究

研究利用超声相控阵技术进行结构损伤识别和成像的实验方法,通过控制信号的时间延迟而控制波束指向,实现对结构的多方位扫描,利用相控阵技术使信号在损伤处聚焦而使损伤信号能量增强,从而提高信号的信噪比,利用损伤图象显示损伤识别结果。实验研究证明该方法能够有效识别结构中损伤,识别精度较高。     

基于波形识别技术的简易示波表设计

设计了一种基于基波特征的波形识别技术和自动量程切换的简易示波表设计方案。通过对比多种波形识别算法，提出了符号化波形描述的波形识别算法，并将此算法用于低成本的示波表设计中。设计的示波表能实现特定波形的识别和量程的自动切换，并通过LCD显示出所测波形信号的电压值及频率值，解决了当前数字万用表测量交流信号的不足。     

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。     

基于卷积神经网络的雷达和通信信号调制识别

雷达和通信信号的调制识别是电子侦察对抗的一项关键技术,通过搜索、截获敌方电子设备发射的电磁辐射信号,经过电子侦察系统分析、识别,从而获取敌方战术、技术特征参数等情报。人工神经网络中的深度学习网络由于具有强大的表征学习能力,可以自动从原始数据中提取出各种复杂的特征。介绍了一种差分自相关预处理结合深度学习进行中频信号调制识别的方法,结合工作的实际需求,对深度学习在信号调制识别中提出了一些展望,如进一步提高在低信噪比下的识别率和研究深度学习调制识别混合架构。     

基于混合神经网络的无线电信号自动调制识别

随着无线电信号数据海量增加，复杂电磁环境下面临着未知威胁和目标侦察识别复杂度高的问题，本文针对未知无线电信号的特征提取任务，设计了一种混合神经网络以提高目标无线电信号的识别能力。先通过胶囊神经网络对未知信号的空间信息进行提取，再进一步运用门控循环单元提取信号在时间上的特征信息。设计混合网络模型将信号的时间和空间特征相结合，提高对目标信号的分类精度。通过RML2016.04C调制信号数据集，验证了混合神经网络的识别性能。结果表明:当信噪比为6 dB时，混合网络模型对多种不同调制信号的分类精度大于95%。因此，本文所设计的混合神经网络能够有效对不同调制信号进行准确分类。     

基于图象矩描述和线性规划的雷达图象特征提取与目标识别

本文首先分析了雷达目标散射信号特征，在此基础上，根据雷达图象的特点，采用矩描述方法提取二维雷达图象特征；然后，通过线性规划训练识别。最后，分析了不同雷达散射信号与建库，识别的关系。     

基于时频重排与WHT的多分量LFM信号识别

辐射源识别中多分量线性调频雷达信号在实际信号环境中广泛存在,对其进行识别尤为重要.由于多分量LFM信号有严重的交叉项,传统的基于Wigner-Ville分布的时频分析技术对其难以奏效,因此提出了一种基于时频重排与WHT的多分量LFM信号识别法.该法通过盲源分离提取各独立分量,利用时频分布矩阵的联合对角化法抑制交叉项,再对其谱图进行时频重排,最终利用Wigner-Hough变换识别各LFM分量.与WVD方法相比,实验结果表明,在低信噪比下能很好地识别多分量LFM信号.     

通信信号智能调制识别对抗攻击研究

基于深度学习技术的通信信号调制识别算法由于其优秀的特征提取能力,极大地提升了调制识别任务的精度,但是对抗样本特性的存在,导致基于深度学习的调制识别模型的安全性受到了极大威胁,通过在训练好的调制识别网络中添加设计好的特定微小扰动,就可以使得调制识别模型完全失效。研究了基于深度学习的调制识别模型及其对抗样本攻击方法,提出一种基于快速梯度符号法的定向扰动生成方法,该方法在扰动和原始信号功率比为-21 dB的条件下,针对11类常见的不同调制种类的通信信号生成扰动,实现对通信信号调制识别模型的定向攻击,为智能调制识别模型的攻防对抗提供参考。     

机载U波段固态脉冲压缩雷达

已研制了一种测量雷达装在运动的机载平台上测量目标和杂波，其目的在于使地基雷达与机载雷达的动目标识别与分类的信号处理技术最佳化。     

判别导弹脱靶方位的多普勒信号比幅算法

导弹雷达引信依靠波束换接控向和回波信号比幅技术，可以获得近场目标脱靶方位信息，既可以为定向战斗部提供起爆方向，又可以为引信起爆控制提供关键参数。该文分析了雷达引信探测和识别脱靶方位的目的，描述了脱靶方位信息的特征，给出了实测的飞机目标近场多普勒信号，提出了两种具有实用性的多普勒信号比幅算法，并给出了验证结果。     

卫星通信信号识别技术研究

在民用无线电监测、感知无线电、电子对抗等领域,信号调制识别是研究的热点。分析了常用的卫星通信信号调制方式（BPSK、QPSK、8PSK、16QAM、32QAM、16APSK）,研究了各种调制方式的识别技术,提出了一种易于实现、识别率高的识别算法。理论分析和仿真验证均验证了该算法的有效性。     

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.     

用于目标识别跟踪的雷达/红外成像双模传感器数据融合技术

目标识别和跟踪是模式识别领域的一重要研究内容。基于单传感器（ 雷达或红外成像） 的系统存在着局限性， 分析了多传感器信号融合的必要性， 介绍了目标识别和跟踪系统进行多传感器信号融合的方法（ 特征层融合、决策层融合）及其在提高目标识别和跟踪的可靠性和抗干扰性方面的优势。介绍了基于智能模型和基于多层前向网络的目标识别算法。     

基于时间序列相似性原理的雷达信号识别

从密集复杂的信号环境中分选和识别出特定雷达辐射源信号,是信号处理领域的重要内容之一。利用威胁复杂雷达信号的先验信息,引入数据挖掘领域时间序列相似性快速匹配原理及其滑窗技术,提出了一种适于复杂体制雷达信号快速匹配识别方法。实验表明,该方法识别速度快、适应环境能力强,具有良好的应用前景。     

反舰导弹末制导雷达面临的电子战环境与对策

反舰导弹在实战中的命中率和威力已使各国加强了对舰船防御系统的研究，从而使反舰导弹的突防难度增大。舰载有源干扰对末制导雷达的威胁并不大，而箔条干扰、舷外假目标以及弹炮一体化系统却对反舰导弹形成极大威胁。因此反舰导弹除了应在战术、技术上使用有效的抗干扰措施外，其末制导雷达应采用缩短开机时间、多参数大范围捷变技术使敌舰船防御系统难以截获雷达信号，或仅有很短的反应时间；采用信号识别技术区分真假目标；扩展雷     

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。