基于盲解卷的雷达信号分选

盲信号处理是近年来信号处理领域的热点研究课题,可以根据输入源信号的基本统计特征,由观测数据进行信号分离,最终恢复出源信号。深入分析了非平稳信号的盲解卷算法,并提出了将其用于雷达信号分选的新思路。计算机仿真表明,这种算法应用于雷达信号分选时可以获得较好的分离效果,从而为实现现代电子对抗中复杂的雷达信号分选提供了新的思路。     

集中式多输入多输出雷达信号盲分离算法研究

在电子对抗领域,对集中式多输入多输出（Multiple Input Multiple Output, MIMO）雷达的信号侦察和分选是一个难点。提出采用盲分离（Blind Source Separation, BSS）算法中的非圆复信号快速独立分量分析（Noncircular Complex Fast ICA, NC FastICA）对MIMO雷达进行信号分选。为了满足盲分离算法的应用条件,提出一种在多视角观测位置采集雷达信号的侦察方法来构建可分离的满秩混合矩阵。仿真结果表明,对相位编码、离散频率编码等典型正交波形进行等角度间隔采样和盲分离时,无论是否存在幅度起伏,在信噪比为10dB时均可以达到低于-14dB的正交波形分离度,对分离后的波形进行相关性对比和时频分析的结果也验证了本文方法的有效性。     

复杂电磁环境下的雷达信号分选方法

由于电磁信号环境的日益密集、复杂,传统的雷达信号分选方法面临着严峻挑战。介绍了基于盲源分离的信号分选、聚类分选、基于脉内特征的信号分选等在复杂电磁环境下能够比较好地实现雷达信号正确分选的方法,分析了这几种方法的性能优劣;最后探讨了参数联合分选、算法联合分选的可行性和优势。     

频域盲源分离的非圆信号推广

作为盲源分离（BSS）问题的最有效解决方法之一,独立分量分析（ICA）算法可以分为时域和频域算法两类.将时域盲源分离的快速算法推广到频域,通过在频域中应用非圆信号的伪协方差矩阵,推导出一个新的固定点算法来解决线性瞬时混合的非圆信号盲源分离（BNSS）问题.仿真实验验证了该算法的有效性.     

基于粒子群聚类算法的雷达信号分选

在电子对抗领域,雷达信号分选的研究是一个重要课题。电子战的信号环境日趋复杂,雷达信号的处理面临高密度信号环境,雷达脉冲相互交错。对粒子群聚类算法进行了研究分析,把粒子群聚类算法应用到雷达分选中,仿真实验证明该方法能够得到很好的雷达信号分选效果,为雷达信号分选提供了新思路。     

基于全脉冲的周期信号样本提取技术

现代电子战中,传统的辐射源分选识别方法无法在密集的信号环境中快速有效地对复杂体制雷达进行分选识别,造成系统漏警。基于上述情况,提出了一种基于脉冲样本序列自提取的分选算法。这种算法利用雷达信号脉冲序列的周期性和相关性,实现对模板序列的自动提取,从而可实现全脉冲序列中小样本数或脉间规律复杂的雷达信号的分选。仿真实验表明,在全脉冲数据量级适中的情况下,该算法可以有效提取目标模板序列。     

基于网格密度聚类的雷达信号在线分选算法

提出了一种采用滑动窗口机制的雷达辐射源信号在线分选算法,该算法基于网格密度聚类的思想,能在线地向用户提供分选结果,动态地检测雷达信号的分选情况。仿真实验结果表明,该方法具有快速在线分选的能力,且分选效果较好。     

一种基于余数周期的 PRI精确估计算法

针对传统脉冲重复间隔（PRI）分选算法在估计PRI方面存在的不足,提出了一种对PRI周期信号的周期进行精确估计的算法。该算法首先从待分选脉冲序列中提取出属于一部雷达的脉冲样本,然后利用同余方程的余数周期性质对该雷达脉冲序列的PRI进行精确的估计。相对于传统的PRI估计算法,该算法有效地消除了TOA量化误差对PRI估计造成的影响,可以精确地估计出雷达脉冲序列的准确 PRI数值,从而能够更好地满足信号分选算法的处理需求。理论推导及仿真实验均表明了该算法的有效性。     

基于循环平稳约束的盲信号提取算法

 特定信号提取是通信信号处理中的重要问题。在约束独立分量分析方法的基础上提出了基于循环平稳约束的盲信号提取算法。该算法利用通信信号固有的循环平稳特性作为约束条件,结合独立分量分析的学习过程,同时完成特定目标信号的分离和选取,避免了经典独立分量分析方法提取“无关”源信号的过程。仿真结果表明,相比传统ICA算法,本文算法能有效提取目标源信号且提高了目标源信号的估计精度。     

基于改进LF算法的雷达信号分选

在现代战争中随着新体制雷达的不断涌现,电磁环境变得越来越复杂,雷达脉冲相互交错,雷达信号的处理面临高密度信号环境。目前普遍采用的基于直方图统计的信号分选方法越来越不适应现代雷达信号环境。将蚁群聚类算法引入到雷达信号分选中,并对其进行了改进,提出了一种新的雷达信号分选方法。该方法不需要雷达信号的先验知识,适用于处理未知信...     

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。     

基于多维加权聚类的雷达信号分选方法

随着数字技术的发展,新体制、新技术雷达不断出现,反辐射导引头面临的信号环境更加密集和复杂,传统的方法已经不能对其进行有效分选。文中提出一种新的基于多维加权聚类的雷达信号分选算法。通过统计和熵值分析确定权值,计算加权的欧几里得距离,根据既定门限合并同类聚类中心,从而实现雷达脉冲的分选,并在各聚类中心应用改进的SDIF算法进行PRI精分选。计算机仿真结果验证了该方法分选的有效性。     

基于小样本集推理的雷达信号多维分选技术

目前,直方图法、PRI变换法以及平面变换法等一维、二维分选方法无法有效利用雷达信号脉冲描述字进行分选,而现有多参数聚类的多维分选方法,又存在最佳分类个数和误差范围的选择问题。针对这些问题,提出了基于小样本集推理的雷达信号多维分选技术。计算机仿真结果表明,该方法在提高分选正确率的同时可以有效降低计算复杂度。利用卫星接收到的雷达信号数据进一步验证了采用该技术的分类器具有良好的推广性。