独立分量分析在雷达信号分选中的应用

独立分量分析(ICA)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。在深入分析ICA算法的基础上,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比较好的分离效果。     

辐射源细微特征用于个体识别的可行性分析

首先分析了辐射源细微特征应该具有的基本特性,并给出了辐射源的(潜在)细微特征参量、测量准确度的影响因素及应用限制条件.然后,给出了辐射源细微特征差异、参数测量精度与正确分辨概率之间的定量关系,为判断细微特征差异能否用于个体识别提供了理论依据.最后,作了举例说明.     

一种复杂密集信号的预分选方法

随着新体制、新技术雷达的不断出现 ,侦察接收到的雷达序列信号更加密集和复杂。在阐述传统的时域分选方法已不能有效分选这类信号的基础上 ,提出利用信号的特征参数 ,对已按DOA稀释的雷达序列信号进行预分选的方法。试验证明该方法能有效地筛选常规雷达信号和部分非常规雷达信号 ,从而达到稀释信号和降低复杂信号分选难度的目的     

基于聚类分析的雷达信号分选研究

基于聚类分析的方法是近年来用于雷达信号分选的研究热点之一。首先从聚类算法自身的特点出发,对雷达信号分选的参数选取进行了讨论,在此基础上分析了聚类算法中距离测度及其参数权重对聚类结果的影响。通过仿真试验,对聚类分析在雷达信号分选中的应用方式进行了探讨,并提出了一种改进的基于K-Means聚类的DOA单参数聚类方法,通过仿真结果验证了其应用于预分选的可行性。     

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。     

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。     

常用脉冲重复间隔估计算法

雷达信号分选是电子战系统(EW)与反辐射导弹(ARM)的关键技术,脉冲重复间隔(PRI)是信号分选与识别的一个重要参数,它决定了雷达的最大无模糊距离和最大无模糊径向速度。目前以脉冲序列的自相关函数为基础,利用脉冲到达时间(TOA)提出了多种脉冲重复间隔估计算法。本文介绍了几种常用算法的原理,讨论了各算法的缺陷,并给出了PRI变换应用于抖动PRI序列时的计算机仿真结果。最后分析了各种算法的性能与适用范围。     

一种正交跳频信号动态分选方法

针对复杂电磁环境下正交跳频信号分选时效不高问题,提出了一种正交跳频信号动态分选方法。首先基于滑动窗口的数据流模型,采用构造型神经网络对跳频信号频域数据和方位信息动态聚类,减轻噪声等因素影响,解决方位信息和幅度关联模糊性的问题;再在相应的覆盖簇内运用时频关联方法,实现正交跳频信号的动态分选,实验结果表明该方法是有效的。
     

一种未知雷达辐射源信号分选的新方法

对未知雷达辐射源信号进行准确分选是当前电子对抗领域迫需解决的一个难题。基于高阶统计量（HOS）可以实现多种不同调制信号的分类,且具有抑制高斯噪声的优点,但对于相同调制样式不同调制参数的信号则无效。提出一种基于HOS-PRI的新方法,首先利用HOS实现不同调制样式信号的分类,对于具有相同调制样式不同调制参数的信号再基于脉冲重复频率（PRI）进一步细分。仿真结果验证该方法准确有效。