基于YOLOv6框架实现典型通信信号调制快速识别方法

随着战场通信侦察对抗系统的快速发展,通信信号体制变得非常复杂,给非合作接收条件下的通信信号检测、调制识别及信号辐射源个体识别带来困难。为了全面掌握信号先验信息,对复杂多样的通信信号体制进行盲检与识别,本文提出基于时频图分析和深度神经网络的多种通信信号自动调制识别方法。首先,利用时频分析将不同典型通信信号转换为时频图像,再将标注后的时频图输入基于深度学习的YOLOv6（目标检测模型）网络中进行特征学习;然后,通过设计YOLOv6更高效的网络结构,使其能够对信号的时频图进行快速识别;最后,将训练后的网络权重对典型通信交叠信号进行测试,对提取的特征向量进行分类识别,完成6种调制方式识别与位置的快速确定,实现在非合作接收条件下的多个典型通信信号调制方式的检测和识别。     

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。     

基于多模态域对抗神经网络的调制识别算法

针对调制信号训练数据(源域数据)和测试数据(目标域数据)来自不同数据分布导致预先训练的深度学习模型失配、系统性能急剧恶化、且大量无标签目标域数据未被利用的问题,提出一种基于多模态域对抗神经网络的调制识别算法,在域对抗神经网络基础上同时使用时域和频域的多模态信息对齐源域和目标域调制信号的数据分布以提升调制识别算法性能.仿...     

基于深度学习的对抗攻击技术综述

尽管深度学习模型在很多领域表现优异,但是研究表明其本身容易受到对抗样本的攻击,在模型实际部署的时候存在安全隐患。因此,在深度学习安全领域研究对抗样本非常重要。对计算机视觉领域中对抗攻击技术的现有成果进行了详细综述。首先介绍了对抗攻击的定义、分类标准以及发展,然后对比分析了现阶段经典的白盒和黑盒攻击方法,最后使用MNIST、CIFAR-10数据集对经典的攻击方法进行了实验验证。     

利用VxWorks Socket实现宽带数传信号接收与识别的试验平台

介绍基于VxWorks实时操作系统的宽带数传信号接收与识别试验平台的结构,在研究通用解调器CORTEXTCP/IP以太网接口通信机制以及VxWorks系统Socket通信协议实现方法的基础上,开发出数传信号接收识别部分与COR-TEX的通信模块,成功地将宽带数传信号识别、调制参数估计与信号解调三者融为一体。     

基于PSK调制的数字通信信号仿真分析技术

基于PSK调制的数字通信系统在无线通信工程实践中有着广泛的应用，由于受到各种条件的限制，从实际工程系统接收到的PSK数字通信信号在教学科研中不易获得，而PSK调制仿真数据则可以自己产生。在掌握通信原理和仿真技术的基础上利用Matlab实现对BPSK、DPSK、QPSK、DQPSK、8PSK、π/4-DQPSK、OQPSK等数字通信信号源的模拟仿真，可对调制体制、工作频率、传输码率、采样频率、信道特征等参数进行灵活设置，并按要求生成规定格式的DAT数据文件，可作为调制方式识别软件的训练和测试样本。结合模方谱、平方谱、四次方谱、八次方谱等谱线参数特征，同时结合星座图和眼图进行基于PSK调制的数字通信信号的调制体制判别和验证。     

基于小波多重分形的通信信号调制识别

针对非平稳、信噪比变化范围较大的通信信号,采用小波多重分形的方法进行调制类型识别。先利用小波变换把通信信号进行分解,再对得到的细节信号计算多重分形维数。仿真结果表明,该方法对噪声和调制参数不敏感,可对通信中的数字调制信号进行有效识别。     

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...     

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。     

基于微多普勒特性的旋转对称进动目标的ISA R干扰技术

从旋转对称进动目标运动特性出发,给出了一种生成逆合成孔径雷达(IS A R)欺骗式干扰信号的新方法.干扰机根据这种旋转对称进动目标模型实时计算目标的微动量和强散射点的RCS,并依次对接收到的雷达信号在频率域进行调制转发,生成具有微多普勒特征的虚假目标,实现对敌方雷达系统的欺骗干扰.根据旋转进动目标模型,实时计算干扰机和虚假目标的位置,产生具有真实运动轨迹平面虚假目标,从而实现对基于轨迹平面识别真假目标雷达的有效对抗.仿真结果表明,该方法能够逼真地生成IS A R欺骗式干扰信号.     

抗红外成像导弹的动态变形伪装技术及其应用

红外成像制导武器是精确制导武器的重要组成部分 ,具有在复杂光电背景条件下自动捕获、识别、锁定跟踪目标和自动决策的能力 ,多应用在空对地攻击纵深的地面固定目标中。通过对红外成像制导武器导引头导引规律的分析 ,提出基于计算机生成技术 (CIG)的图像动态变形方法对抗红外成像制导武器攻击的思路 ,研究了利用动态变形方法对抗红外成像制导武器攻击的关键技术和实施步骤。最后讨论了应用动态变形技术改变自身红外图像特征时应该注意的问题     

基于二维独立均匀分布对抗自编码的模式识别研究

标准对抗自编码模型能够以自监督方式自适应提取输入样本的特征,并通过对抗机制对提取的特征施加特定的先验分布,从该先验分布进行采样输入解码器,则可生成与输入样本近似的样本。但在实际应用中,有时需要生成指定类别的样本;对于模式识别任务,通常还需要对多类别样本的特征进行提取,并强化特征间差异,从而进行聚类分析。针对上述需求,本文提出基于二维独立均匀分布对抗自编码的分析模型。在该模型中,根据类别信息构建二维均匀分布,便于对不同类别的可视化特征进行专属约束,从而强化不同类别特征间的差异;此外,通过自监督与对抗训练,使得对应特定类别信息的均匀分布样本能够生成指定类别的样本。方法经网络公开数据MNIST数据集进行了验证,研究表明,该方法能够利用与类别信息相关的二维独立均匀分布对隐变量进行约束,提高了特征聚类性能,并能够生成指定类别的样本。     

时-频分析算法在通信信号调制识别中的应用

在通信情报侦察系统中 ,对通信信号的识别和参数估计 ,是一项关键的技术。主要针对通信系统中最典型的几种信号调制类型 ,如 :PSK ,FSK ,线性FM ,采用了最近受到普遍关注的时频分析算法 (STFT和WVD)和小波变换 ,进行了调制类型的识别仿真。并介绍了这几种方法的基本原理和各自的性能。     

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。     

基于SDP的LINK11数据链对抗系统

LINK11数据链是美国海军和空军采用的一种战术数据通信方式,对LINK11信号进行干扰和破解是电子对抗中的一项重要课题。根据其信道构成特点和信号调制方式,提出了一整套识别、解调以及干扰算法,并分别在基于DSP的软件无线电装备上实现,构成了LINK11数据链对抗系统。     

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。     

Galileo E5频段的Matlab/Simulink仿真与FPGA硬件实现

阐述了交替二进制偏移载波(AltBOC)调制技术的基本原理,分析了其调制方式和信号产生方法及调制后信号的频谱特性,与普通BOC调制进行了比较,提出了一种基于Matlab/Simulink环境实现AltBOC调制仿真模型构建的方法,并对每个模块的实现进行了说明,获得了调制后信号的频谱图和星座图.给出了基于VHDL的FPGA调制硬件实现,以及实验测得的调制频谱图、眼图和星座图.研究结果证明仿真方法有效可靠,实验结果与仿真结果吻合好,用FPGA实现E5频段的调制简单易行.     

带攻击角度约束的深度强化元学习制导律

针对执行机构部分失效的速度时变导弹机动目标拦截问题,本文提出一种基于深度强化元学习和剩余飞行时间感知逻辑函数的攻击角度约束三维制导律.首先,采用基于模型的深度强化元学习方法,建立深度神经网络动力学模型;引入模型预测路径积分控制,该深度神经网络动力学模型作为预测模型;采用元学习方法,在线学习执行机构部分失效及目标机动等环...     

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。