共查询到18条相似文献,搜索用时 125 毫秒
1.
2.
3.
4.
5.
6.
廖帅王扬钧姜楠段金虎 《航天电子对抗》2017,(6):34-36
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。 相似文献
7.
8.
针对复杂电磁信号环境下雷达辐射源识别困难的问题,提出了一种基于多维几何形状的辐射源识别算法。借助几何形状将辐射源空间特征向量转换为平面向量,计算向量各夹角余弦值,再同辐射源数据库进行比较,实现辐射源型号的自动识别。仿真验证了提出的识别算法,识别率均在80%以上。 相似文献
9.
10.
11.
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。 相似文献
12.
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... 相似文献
13.
14.
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... 相似文献
15.
16.
17.