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。     

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。     

基于最小最大鉴别分析特征提取的雷达目标识别

针对基于雷达目标高分辨距离像的识别问题,本文提出了一种新的准则函数,并依据该准则函数采用神经网络来实现自适应的非线性特征提取、变换与识别。同时,由于准则函数只坜对特征提取后的类间散度和类内散度作出估计,因此在样本数相对较少的情况下也能得到较好的估计结果。该准则函数在形式上与Fisher准则函数相似,但它们之间存在着本质的差异。鉴于二者的形似之处,遂将基于该准则函数的特征提取方法冠以“最小最大鉴别分析特征提取”之名。将该方法用于五类缩比目标测量数据的特征提取与识别,取得了较好的识别效果。     

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...     

现代雷达辐射源识别技术研究

对雷达辐射源进行准确识别是当前研究的重点课题之一,主要包括对雷达辐射源个体信号、雷达辐射源型号的识别.系统地介绍了当前用于识别雷达辐射源个体信号、雷达辐射源型号的几种常用方法,从理论上详细分析了它们的优缺点,并重点提出了脉内特征在现代雷达辐射源识别中的重要性.最后指出当前这一领域亟需解决的一些问题.     

特定辐射源识别方法的研究

针对雷达信号环境越来越复杂和对辐射源识别的准确性要求越来越高,提出特定辐射源识别的概念。根据特定辐射源识别的概念选择脉冲信号的上升沿和下降沿作为特征参数,利用模式识别中的动态聚类的算法进行聚类分析,再结合脉冲的重频、射频、脉宽等参数进行统计分析,确定辐射源的个数和工作模式。     

一种新的雷达辐射源识别算法

针对雷达信号环境,运用综合分析的方法,提出了一种新的基于模糊综合评判的雷达辐射源识别算法。该算法通过构造模糊评判矩阵并进行合成运算来计算表示辐射源相关程度的模糊集,然后按照最大隶属度原则进行判决,同时给出了相应的多义性处理方法。最后通过仿真将它与经典的统计模式识别方法进行了比较。仿真结果表明,所提出的识别方法性能明显优于统计模式识别方法,用于雷达辐射源识别是有效的。     

基于时频原子方法的雷达辐射源个体识别

针对雷达辐射源个体识别问题,提出一种时频原子分解的特征提取方法.该方法针对主振放大式发射机,首先根据锁相环频率合成器相位噪声的功率谱,模拟含有特定相位噪声的辐射源信号.然后基于时频原子分解原理并采用膜算法将带有相位噪声的辐射源信号在正弦原子库中进行一次分解.最后利用分解后的原子提取出正弦原子能量特征和原子频率偏差特征,...     

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。     

利用瞬时频率提取雷达辐射源特征的新算法

介绍了一种新的雷达辐射源特征提取算法,该算法首先通过伪维纳分布寻找一个随时间变化的最佳窗,基于该窗精确估计信号的瞬时频率,从瞬时频率估计中,可以识别出相位编码信号,然后对于不同的编码类型,利用所估计的瞬时频率,提取瞬时频率的自相关的主瓣峰值和最大旁瓣值的比值作为识别特征.仿真实验证明该算法提取的特征值可有效识别不同体制的雷达信号.     

基于双谱特征的个体辐射源识别

针对个体辐射源识别困难的问题,提出了一种基于双谱分析的个体辐射源识别新方法.首先用双谱分析法提取信号的双谱对角切片,利用主成分分析法(PCA)从大量训练样本特征中挑选低维、低复杂度的特征矢量,并融合对分类具有显著贡献的辐射源属性参数作为识别特征矢量.最后采用势函数分类法实现雷达辐射源识别.仿真结果表明基于双谱的识别法能...     

基于对称Holder系数的雷达辐射源信号特征分析

文章基于Holder系数,提出了一种改进的雷达辐射源信号脉内特征提取方法,称之为对称Holder系数法。给出了对称Holder系数的定义,描述了基于对称Holder系数的特征提取算法。可以看出对称Holder系数法包含了相像系数法,后者只是前者的一种特例,且该方法相对于Holder系数法,其复杂度将减少一半。文中选择了6种典型的雷达辐射源信号进行特征提取和分类识别实验。实验结果表明,对称Holder系数在取不同类型时均获得了很好的正确识别率,并且当对称Holder系数所选取的类型不为相像系数时,可以获得更高正确识别率。     

应用多属性决策的威胁等级判断方法

威胁等级判断通常依据侦察机识别辐射源的信号参数。为了能准确地对辐射源进行威胁等级判断 ,可以利用雷达信息。根据侦察机和雷达获取目标信息时的特点 ,提出了基于多属性决策的威胁等级判断方法。     

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。     

基于双谱分析的雷达辐射源个体特征提取

雷达辐射源个体特征对复杂电磁环境中辐射源的分选和识别有着重要意义.双谱中包含了丰富的信号细微信息,如雷达辐射源的相位噪声、频率漂移等特征,且受高斯噪声和杂波影响较小,因此可以作为雷达辐射源信号的个体特征之一.但是信号双谱中包含了很多冗余信息,不利于机器进行识别处理.利用双谱对角切片对双谱特征进行优化,剔除其中无效、冗余的信息,将变换后的结果作为雷达辐射源个体特征信息.仿真实验结果验证了算法的可行性.     

基于自适应仿射传播聚类的雷达信号分选方法

复杂体制的雷达不断应用于实际,使得基于到达时间单参数的雷达信号分选方法遇到了技术瓶颈.然而,基于多参数的信号分选方法,如K-均值聚类和模糊函数C均值聚类,前者对初始类中心敏感、需预知聚类数,后者对类隶属度的选取、相似度矩阵的建立存在不确定性,使得这些方法在自适应雷达信号分选中受到了限制.自适应仿射传播聚类不仅可以克服上...     

基于谐波小波变换的雷达辐射源识别

雷达辐射源识别是电子战系统的关键技术之一。分析了放大器的非线性效应,提出用谐波信号幅度之间的约束关系特征进行雷达辐射源识别的方法,针对谐波信号十分微弱的问题,提出采用谐波小波变换对信号进行重构、然后对重构的信号用最小二乘拟合进行幅度估计的方法,提高了幅度估计的精度。最后通过仿真验证了方法的准确性和有效性。     

基于网格聚类的雷达信号预分选

针对现有网格聚类算法需要人为确定网格划分、边界处理精度低的问题,提出了基于固定网格划分和动态网格划分的雷达信号预分选算法。基于固定的网格划分算法对输入信号脉冲顺序不敏感,根据网格数据压缩率自适应确定网格划分和密度阈值。基于移动技术的动态网格聚类算法能够识别任意形状和大小的聚类。仿真实验表明,这两种方法能有效适用于雷达信号分选,且能很好地识别出孤立点和噪声。     

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.