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。     

基于深度卷积网络的雷达辐射源信号识别

针对当前复杂电磁环境下雷达辐射源信号(radar emitter signal,RES)识别效率不够的问题,提出一种基于深度卷积网络和时频二维特征结构的雷达辐射源信号识别方法。结合雷达辐射源信号时频二维特征结构特性,构造基于深度卷积网络的RES识别分类模型,通过设计样本集训练分类模型,利用类别信息实现网络参数精调。仿真结果验证了模型的可行性和有效性,实现了低信噪比下RES时频二维特征的结构学习和准确识别。     

一种雷达辐射源时域相参识别的新方法

提出了一种雷达辐射源时域相参识别的新方法,通过判断鉴相脉冲幅度的变化来识别信号的相参性。对时域识别法的原理进行了分析,给出了时域识别法的数学推导和具体的识别步骤,并通过仿真实验对推导结果进行了验证。此外,讨论了信噪比对时域识别法的影响,并给出时域识别法的适用条件。仿真结果表明,该方法在较低信噪比情况下可以实现对信号相参性的识别,具有较强的理论价值。     

基于EEMD降噪和模糊函数奇异值向量的雷达辐射源信号识别算法

针对目前基于模糊函数提取的几何学特征,在低信噪比时表征能力弱,导致识别准确率不高的问题,提出了一种基于EEMD降噪和模糊函数奇异值向量的识别方法.选取合适的EEMD参数,对时域信号进行降噪,提取模糊函数矩阵奇异值向量,求解其交叉熵作为特征,实现雷达辐射源信号识别.仿真实验表明,信噪比大于-5 dB时,所提方法对于BPS...     

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。     

通信辐射源个体识别的自编码器构造方法

自编码器算法具有不依赖有标签样本进行有效特征学习的特点,适合应用于电子对抗中通信辐射源个体识别任务,但其主要局限在于其性能取决于结构参数的设计。为提高通信辐射源个体识别任务中自编码器性能,提出了一种通信辐射源个体识别的自编码器构造方法。提取通信辐射源信号的高阶积累量,根据调制信息估计自编码器结构参数,最后由验证实验筛选性能满足阈值的结构参数,存入参数信息库。验证实验中,在实际采集的调频通信电台数据集上最高达86.8%的准确率,证明了所构造自编码器的有效性。     

云模型和特征辐射源信息的平台目标识别

平台目标识别一般分为两个步骤,首先是对平台上辐射源的识别,然后通过辐射源和平台的关联进行平台识别.在辐射源识别阶段提出利用云模型描述和处理参数存在区间模糊和观测具有噪声的数据,较好地解决了对于带有复杂调制信号的辐射源识别问题.在平台识别阶段,就辐射源和平台关联的各种结果给出了新的计算样本和模板间匹配度的方法,并且提出利用平台的特征辐射源信息对平台识别结果进行进一步的筛选,以提高识别率.最后用仿真验证了该方法的有效性.     

基于谐波小波变换的雷达辐射源识别

雷达辐射源识剐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.     

基于FFT的数字回波信号时域波形优化研究

对数字信号的波形优化进行了研究,提出基于快速傅立叶变换的数字信号时域波形优化算法,对信号的时域波形数据进行分类.通过建模研究,可以解决实际问题中未知波形优化函数的问题;利用快速傅立叶变换对环境信号和目标信号进行域变换处理,将信号投影至频域进行优化处理,对频域信号特性进行分析发现,利用该信号频谱特征可以对信号进行分类,从而准确地得到目标信号数量.通过仿真实验在一定程度上验证了所提算法的可行性与优越性,进行归类后可以对未知信号准确分类.     

基于相参特性的雷达信号分选中“增批”问题研究

一部雷达可以在不同时间段内大范围跨波段工作,基于现行信号分选方法,常出现"增批"问题。利用信号相参特性,基于雷达本振初相不变性原理,提出求和曲线斜率判别法,对同一辐射源和不同辐射源信号进行分选仿真,并进行了误差分析。仿真结果表明,方法能够解决信号分选过程中的"增批"问题,当信噪比高于5 dB,并且测频误差在小于200 kHz时,分选准确率可以达到98%以上。     

低信噪比下雷达信号调制类型的自动识别

低信噪比下识别雷达辐射源信号的调制类型是电子战系统的关键技术之一.深入分析了小波去噪和小波变换法的基本原理,提出一种在低信噪比下基于小波变换法自动判别信号调制类型的新方法.仿真结果表明,在较低信噪比条件下,该方法能准确识别给定信号的调制类型.     

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.     

一种基于VPRSM的辐射源模糊识别方法

为解决辐射源识别的问题,研究利用变精度粗糙集模型来确定辐射源识别特征权值的方法。由概念的正域中对象类的条件属性的描述,得到该概念的充分条件,并依据知识间的依赖性作为所要考虑的因素来获取特征权值,同时结合模糊集理论,提出一种基于变精度粗集特征加权的辐射源模糊识别方法。最后将此识别方法模型应用于雷达辐射源用途识别,仿真实验及其结果验证了该方法的可行性和有效性。     

栈式自编码和残差神经网络的射频信号个体识别

传统基于暂态特征和稳态特征的射频信号个体识别方法存在特征提取困难、特征微小、无法区分射频信号个体差异等问题,识别率较低.随着深度学习技术的发展,结合栈式自编码网络深度融合目标特征优势和残差神经网络在解决退化问题时的优势,提出了一种基于SEA和ResNet网络的射频信号个体识别方法.包括信号时频域特征提取方法分析、多域特征拼接与融合、基于轻量化ResNetLite网络的射频信号个体识别方法等步骤.仿真结果表明,相对于传统时频域特征提取方法和BP分类方法,新方法能够有效提取和融合信号细微、高层次及深层次特征,且识别率有一定幅度的提升,同时,对计算资源、存储资源的消耗有约7倍的降低,可支持嵌入式设备小型化需求,便于工程实现.     

雷达信号调制类型自动识别的一种新方法

雷达辐射源信号调制类型的自动识别是电子战系统的关键技术之一.深入分析了小波变换法提取信号脉内特征的基本原理,提出一种基于小波变换法提取的脉内特征自动判别信号调制类型的新方法.仿真结果表明,在满足一定的信噪比条件下,新方法能准确识别给定信号的调制类型.     

采用重构吸引子的辐射源个体识别技术

为解决现有基于相空间个体识别方法面临重构特征矢量维数高、计算效率低、鲁棒性差等问题,从非线性动力学角度出发,构建了基于重构吸引子的辐射源个体识别框架,并在此框架内提出了基于等距映射的辐射源个体识别技术。该技术采用等距映射从相空间中重构辐射源吸引子,可以更低的维度描述辐射源系统动力学特性,反映辐射源个体的“指纹”特征。实验表明该方法识别准确率更高、效率更高、听鲁棒性更强。     

随机共振理论在雷达信号截获中的应用

雷达侦察主要通过无源侦察接收设备对空域中敌方雷达辐射源信号进行检测,若要实现对敌辐射源信号的截获,基本条件就是敌雷达信号能量能够达到雷达信号侦收设备的截获灵敏度。然而现代战场中,电磁环境复杂多变,敌雷达信号往往被干扰信号、噪声等掩盖,导致侦收设备漏警概率提高。针对以上问题,提出基于随机共振原理的雷达信号截获判断的方法,增大了截获信号的输出信噪比,解决了由于噪声过大掩盖的雷达信号的侦收问题。将该方法应用于雷达告警接收机的前端截获部分,大大降低了截获系统的漏警概率,保证了整个截获系统的稳定性。仿真实验验证了该方法的有效性。     

基于多域参数的频率捷变雷达信号分选新方法

针对频率捷变雷达信号分选准确率不高的问题,提出了一种新的频率捷变雷达信号分选算法。将频谱主峰图归一化中心矩和时频域能量分布归一化值构成相参特征向量,用SVM分类器实现自动分选。仿真结果表明,该方法在较低信噪比下仍能获得较为满意的分选准确率,当信噪比为5 d B时,信号分选准确率达到96.33%,验证了所提出方法的有效性。     

基于属性测度理论的辐射源识别

针对复杂电磁环境下辐射源识别困难的问题,提出了基于属性测度理论的辐射源识别方法。介绍了属性测度理论的相关知识,详细分析了属性识别模型,列出了基于属性测度的辐射源识别算法并给出了识别模型。最后通过仿真实验验证了此算法能有效处理辐射源信号参数的不确定性和模糊性,辐射源识别率优于经典的模板匹配法识别率。