基于深度时频特征学习的雷达辐射源识别

针对雷达辐射源识别中拓展能力不足和识别率不高问题进行研究,提出一种基于深度时频特征学习的智能识别方法。基于降采样短时傅里叶变换高效提取具备较高辨识度和稳定性的浅层二维时频特征,利用信号局部频域维稀疏性完成降噪等预处理；设计用于深度特征学习与识别的卷积神经网络,并采用不同尺度卷积核组合扩展网络广度,强化特征表征能力；利用高信噪比条件下8种辐射源信号样本对网络进行训练调优,低信噪比样本测试验证算法和网络的有效性。仿真结果表明,该方式在-8 dB信噪比条件下能达到98.31%的整体平均识别率,具备较强的鲁棒性。     

基于卷积神经网络的雷达辐射源识别

随着电磁环境越来越复杂多变,给电子对抗带来了很大的挑战,基于传统的脉冲描述字和信号识别方法已不能满足战场要求。针对复杂电磁环境下的辐射源精确识别问题,将基于相控阵雷达辐射源的细微特征,主要是包络特征和相噪特征,对其进行分析建模,并结合卷积神经网络提出了一种基于雷达中频数据和一维卷积神经网络的雷达辐射源个体识别方法,训练一维卷积神经网络来学习雷达辐射源信号的有效特征并进行识别。最后在不同信噪比条件下进行了识别仿真实验,得到了较好的识别正确率,证明了该方法的有效性和可行性。     

时频图像二维EMD分解在LPI信号识别中的应用

针对LPI信号分类识别问题中,时频图像受噪声干扰严重的问题,提出了一种基于二维快速经验模式分解(FBEMD)的图像降噪算法,并利用该算法实现对LPI信号的分类。首先利用时频分析方法,获得待分类信号的时频分布图像;使用二维EMD分解算法对图像降噪;截取包含时频信息的图像部分,通过主分量分析法提取特征矢量;最后采用RBF神经网络完成信号的分类识别任务。对常见的LPI雷达信号进行仿真,结果表明较低信噪比情况下,该方法仍能获得较好的分类结果。当信噪比为-2 d B时,采用二维EMD降噪算法,平均正确识别率能够达到93%。     

一种基于模板脉冲序列的雷达辐射源识别方法

现有的雷达辐射源识别方法无法有效地在密集的信号环境中对复杂体制雷达进行快速准确的识别.因此,研究了一种基于模板脉冲序列的雷达辐射源识别方法,给出了其并行处理的结构和具体实现算法.在不同密度的信号环境中该方法能够有效地识别出雷达辐射源并且具有较小的运算复杂度.利用计算机对该方法进行了仿真实现,结果表明在密集信号环境中该方法仍然能够快速有效地识别出雷达辐射源.     

基于深度学习的MPSK信号调制识别

为了有效实现信号调制方式的智能识别,提出基于深度学习的多进制相移键控(Multiple Phase Shift Keying, MPSK)信号调制识别方法。分析接收MPSK信号的循环谱,并通过提取MPSK信号循环谱的等高图获得二维特征信息,利用深度学习中的卷积神经网络对二维特征进行训练,使用测试样本对所设计的调制识别方法的有效性进行验证。仿真结果表明,所提方法具有良好的识别性能。     

一种无人机辐射源调制样式识别算法

针对小型无人机威胁低空领域且在复杂电磁环境下难识别的问题,提出了一种基于卷积神经网络的信号识别算法。首先,分析了无人机应用背景下直接序列扩频信号的特性,并采用短时傅里叶变换获取信号时频特征;然后,利用提出的能量阈值降噪法降低时频特征中噪声成分;最后,设计了卷积神经网络用于分类识别。仿真结果表明,该算法在信噪比为-6 dB时可达到0.97的识别率,具备较强的鲁棒性和低信噪比环境适应性,其性能显著优于传统算法。     

基于时频图像三维熵特征的雷达信号识别

针对雷达信号识别算法存在着准确率低以及抗噪性差的问题,提出基于时频图像三维熵特征的雷达信号识别算法。该方法对雷达信号时频变换后得到的时频灰度图提取其香农熵(Sh En)、奇异谱熵(Ss En)和范数熵(No En),并将三维熵值作为信号识别的特征向量,采用支持向量机实现信号的分类识别。仿真实验表明,提出的算法能够在低信噪比下得到较高的正确识别率。     

SAR雷达二维噪声卷积调制干扰研究

根据SAR雷达二维信号处理特点,提出一种新的SAR雷达二维干扰技术——二维噪声卷积调制干扰,即干扰机接收到SAR雷达信号后,用视频噪声信号对接收信号卷积调制后转发。阐述了噪声卷积调制干扰机理,建立了SAR雷达二维噪声卷积调制干扰模型,论证了干扰功率及干信比方面的优势,分析了相关干扰参数对干扰效果的影响。理论分析和仿真实验证明,该方法对SAR雷达具有明显的欺骗与压制干扰效果。     

基于深度限制波尔兹曼机的辐射源信号识别

针对电子侦察中使用常规参数难以有效识别复杂体制雷达信号的问题,提出利用深度限制波尔兹曼机对辐射源识别的模型。模型由多个限制波尔兹曼机组成,通过逐层自底向上无监督学习获得初始参数,并用后向传播算法对整个模型进行有监督的参数微调,利用Softmax进行分类识别。通过仿真实验表明该模型能对辐射源进行有效的特征提取和分类识别,具有较高的识别精度和较强的鲁棒性。     

一种基于隐马尔科夫模型的雷达辐射源识别算法

针对现代雷达采用复杂的PRI样式不能对其进行准确识别的问题,提出一种基于隐马尔科夫模型的复杂体制雷达辐射源识别算法。该算法将具有复杂PRI样式辐射源识别问题转化为对具有分类特征的码序列的识别问题,通过运用符号动力学中符号时间序列分析(symbolic time series analysis)理论,将上述码序列识别问题建模为隐马尔科夫模型予以解决,实现了对具有PRI抖动、伪随机编码等复杂PRI调制样式雷达辐射源的准确识别。仿真结果证明算法在PRI值有部分重叠的情况下仍具有很好的识别能力。     

基于物理光学方法二面角反射器一维距离像特征信号计算

二面角是众多雷达目标中的典型散射结构,是典型的二次散射体,其特征的识别对于复杂目标的识别具有重要的意义。本文中首先在频域内应用PO光学计算方法得到二面角的散射信号,通过IFT变换得到时域散射信号。采用幅度调制信号与目标的时域散射信号进行卷积,即得到目标的距离像     

多窗口谱图分析的低截获概率雷达信号识别

在当前复杂的战场环境中,低截获概率雷达信号因其具有大时宽带宽积、强干扰性能、高分辨率和低截获性特点得到了广泛应用,传统的雷达侦察手段很难对其进行有效识别.在低截获概率雷达典型调制分析的基础之上,研究基于人工智能的雷达信号分类识别方法.从低截获概率雷达信号时频特征入手,提出基于多窗口时频谱图分析方法.该算法采用Hermi...     

基于奇异谱修正香农熵的雷达信号识别方法

针对当前雷达辐射源识别在低信噪比下识别率准确率不高,信号处理过程中难以很好保留有用信息的问题,提出了一种基于奇异谱修正香农熵(Singular Spectrum Modified Shannon Entropy,SSSE)的雷达调制信号识别方法.通过符号化聚合近似和奇异谱分析对雷达信号进行处理,求出信号的分类特征SSSE,通过分类器将处理后的信号进行分类.仿真结果显示,该方法在低信噪比范围下,仍有较高总体识别率,并且优于符号化聚合近似和奇异谱分析法.     

面向射频指纹识别的高效IQ卷积网络结构

现有应用于射频指纹识别的卷积网络对时序同相正交(in-phase and quadrature-phase,IQ)信号的处理都是将其简单视为图像进行的,存在识别准确率低和计算量大的问题。针对以上问题,提出了一种基于IQ相关特征的卷积神经网络结构。该网络分步提取了IQ相关特征及时域特征,通过自适应平均池化获得了各通道特征均值,并用单个全连接层进行分类。实验结果表明,较传统卷积网络结构,所提网络在多种场景下的识别准确率更高,并且计算量更小。     

一种特殊结构双基地雷达的空射诱饵信号特征

分析了空射诱饵的使用特点和威胁特征,建立了一种特殊的双基地雷达-单发双收结构下的发射信号和接收信号模型。分析了空射诱饵信号增强设备发射信号与诱饵本体反射信号构成的接收站1接收信号,与仅接收诱饵本体反射信号的接收站2信号的时域、频域特点,证明很难从时频域区分两类信号。建立了雷达发射信号经诱饵本体反射后在两个接收站的时延差和多普勒频移差的模型,分析得出了信号时延差和多普勒频移差与诱饵运行时间和双基地雷达结构参量的关系,证明两个接收站的时延差和多普勒频移差具有稳定的关系。分析结果对于利用该类特殊结构的双基地雷达探测识别诱饵具有一定的参考价值。     

雷达辐射源识别中数据库的构建及应用北大核心

为满足雷达辐射源识别技术发展和特征参数挖掘的需要,在分析辐射源基本信息和特征参数以及二者之间关联关系的基础上,通过数据库管理系统SQL Server,以E-R模型、数据类型设计为切入点,分别构建了雷达辐射源信息库和特征库。最后,分别从雷达辐射源数据可视化管理、信号调制类型识别、辐射源匹配识别等方面探究了数据库的应用实例。从应用实例的运行效果来看,验证了所构建数据库的科学性和可行性。     

雷达辐射源识别中数据库的构建及应用

为满足雷达辐射源识别技术发展和特征参数挖掘的需要,在分析辐射源基本信息和特征参数以及二者之间关联关系的基础上,通过数据库管理系统SQL Server,以E-R模型、数据类型设计为切入点,分别构建了雷达辐射源信息库和特征库。最后,分别从雷达辐射源数据可视化管理、信号调制类型识别、辐射源匹配识别等方面探究了数据库的应用实例。从应用实例的运行效果来看,验证了所构建数据库的科学性和可行性。     

基于贝叶斯网络分类器的雷达辐射源识别方法

雷达辐射源识别是电子对抗中的重要组成部分.贝叶斯网络分类器建立在坚实的理论基础之上,具有较为优秀的分类性能,而且能够有效地处理不确定性问题,重点研究了如何利用贝叶斯网络分类器进行雷达辐射源识别,并通过仿真实验对朴素贝叶斯分类器及其扩展方法进行了分析比较.实验结果表明,与基于概率近似准则的方法相比,基于分类准确率提高准则的扩展树生成方法具有更为优秀的分类性能.     

基于信号聚集度的相控阵雷达识别技术

基于相控阵雷达与机械扫描雷达扫描方式的差异,分析了相控阵雷达波束的扫描特点,根据该特点提出了信号聚集度的概念,并以此为信号特征对相控阵雷达体制进行识别。仿真实验以机械扫描雷达、一维相控阵雷达及二维相控阵雷达信号序列为识别对象,并考虑ESM截获信号序列的不完整性,对具有不同丢失率的雷达信号序列进行识别,结果表明:在信号序列丢失率达30%时,该方法仍能有效地对相控阵雷达体制进行识别。     

雷达辐射源识别的算法研究

针对现有雷达辐射源识别算法的不足,探索雷达辐射源数据库识别的新算法。运用属性测度理论建立了雷达辐射源属性识别模型,结合距离算法、灰关联算法和神经网络样本训练思想,设计出基于属性测度模型的雷达辐射源属性识别算法。通过仿真验证,该算法兼具识别准确度高和识别速度快优点,实用性较强。