多站时差与多参数联合分选定位方法

多站电子侦察系统中,两个观测站接收到的脉冲信号到达时间差可以用于分选和定位。针对复杂信号脉间信息关联性弱,不能对脉冲数极少的信号进行分选的问题,提出一种多站时差与多参数联合分选定位新方法。该方法利用时差窗先验信息,将主站和所有副站脉冲同时进行多站时差和多参数联合预分选,并将预分选结果按位置进行融合,得到最终分选和定位结果,能对脉冲数极少的信号进行分选定位,甚至可实现单个脉冲的分选定位。仿真结果表明了该方法的有效性。     

改进加权SVC的雷达信号分选新方法

目前基于多参数的雷达信号聚类分选方法得到了广泛应用,但是当雷达信号严重交叠时,存在正确率不高的问题,为此,在支持向量聚类和分层互耦的分选算法基础上,首先利用变精度粗糙集对标准化的雷达信号数据进行加权处理,然后通过分析聚类分选结果构建有效性评价模型,确定最佳的聚类分选参数。仿真表明,当雷达信号数据严重交叠时,相比原始方法,改进的方法正确率显著提高,证明了方法的有效性。     

双站协同侦察雷达信号分选新方法

针对复杂信号环境下雷达对抗情报侦察面临的信号分选问题,提出一种基于双站协同侦察的雷达信号分选新方法。根据不同位置雷达的脉冲信号到达两个侦察接收站的时间差不同进行信号分选。在满足误差的要求下,求解该方法的分选模糊区域,分析分选性能。调整布站,优化分选性能,提高分选准确性。理论分析和计算机仿真表明,该方法可以较好地解决制约雷达对抗情报获取中的信号分选瓶颈难题。     

利用脉冲TDOA的雷达信号分选方法

针对传统雷达信号分选方法在复杂环境下分选雷达信号时对于信号形式的适应能力不强的缺点,提出一种对于雷达脉冲信号具有普适性的信号分选方法。该方法通过2个侦察站来侦察接收雷达信号,根据同一雷达辐射源的脉冲信号到达2个侦察接收站的时间差相同的原理进行信号分选。理论分析和计算机仿真表明该方法切实可行,能较好地解决复杂信号环境下雷达信号的分选难题。     

基于递归扩展直方图的辐射源时差分选方法

多站电子侦察系统中,脉冲信号到达两个接收站的时间差信息可以用于信号分选。针对高重频辐射源引起的虚假聚类和超低重频辐射源累积脉冲数少给时差分选带来的困难,提出一种基于递归扩展直方图的时差分选方法。该方法将时差数据转换成扩展直方图的结构,采用递归的方式序贯地对每个辐射源进行检测和分选,通过扩展运算,同步消除虚假聚类,逐步降低直方图噪声水平,提高了分选正确率。仿真结果表明了该方法的有效性。     

基于合成特征参数和脉冲样本图的雷达信号分选

雷达脉冲信号的分选是电子战争中的研究热点,同时也是难点问题.针对雷达所截获的辐射源脉冲提出了一种基于合成特征参数值(CCP)的脉冲样本图分选算法.算法利用全脉冲数据的特征参数,根据每一个特征参数的差异性对特征参数值进行编号,通过编号值可以得到依据该特征参数值对脉冲的分类个数,进而计算出单一特征值的加权系数.通过加权系数对每一个特征参数的加权得到合成的特征参数,然后结合每一类信号的脉冲到达时间,提出了脉冲样本图匹配分选的新算法.与传统的PRI分选相比,脉冲样本图分选具有较小的运算量,计算机仿真试验表明该算法能够实现对信号的分选.     

基于小样本脉冲序列匹配的重点雷达目标快速识别

针对雷达对抗侦察系统如何快速有效识别出重点雷达电子目标的问题,提出了利用雷达小样本脉冲序列模板从接收到的复杂混合脉冲序列中抽取重点雷达信号的思路,并实现了该算法,克服了目前雷达对抗侦察信号处理流程僵化、识别速度与识别正确率受信号分选算法限制的缺陷。在此基础上,提出了多目标并行理论分析与计算机仿真实验,进一步验证了该方法能够在密集雷达脉冲流中快速、准确识别出重点雷达电子目标。     

基于模糊聚类的雷达信号分选

为克服传统信号分选算法的局限性,采用了基于模糊聚类分析的雷达脉冲信号分选方法。首先介绍了模糊聚类的基本原理和具体步骤,利用熵权法对不同雷达信号特征参数增加了加权系数,其次建立了有效性评价模型来确定最佳聚类,并进行了信号分选仿真实验。利用该方法进行模糊聚类时无需设置阈值,仿真结果证明分选方法的正确性,验证了此方法的有效性和可行性。该方法能够处理多个雷达脉冲信号,是一种解决多脉冲信号分选问题的新途径。     

基于虚拟布站和运动目标信源的时差控制模型

针对时差定位无源雷达战场目标模拟问题,构建了基于虚拟长基线布站和运动目标信源的时差控制模型,设计的新型时差调制模式,可满足时差信号生成设备的时差范围和精度要求,突破了时差定位无源雷达零基线状态无法定位的技术难题。基于该模型的战场目标模拟系统,实现了携有高精度时差信息的多路射频信号输出,能够为该类装备日常操作演练提供电磁环境支撑。     

一种小样本数脉冲信号的样本子图分选算法

针对交错的雷达脉冲信号中,辐射源脉冲样本数较少而无法统计脉间参数规律实现脉冲提取的问题,提出了一种基于自提取样本子图的全脉冲匹配分选算法。该算法利用全脉冲移位匹配搜索自相关函数极大峰值,序贯提取辐射源时间维样本子图,同时筛选出匹配脉冲,无需对脉冲特征参数做统计分析,因此,可实现小样本数雷达信号的脉冲提取。仿真实验表明在有脉冲漏失的信号环境中,算法处理样本数充足情况下的脉冲信号与传统多参数统计方法性能相当,而且能提取出小样本数的脉冲信号。     

基于序列样本的威胁雷达信号识别方法

针对传统信号识别速度慢和对无法识别持续时间短的威胁雷达信号等问题,研究了信号序列样本构建方法和变步长匹配方法,提出了一种基于序列样本的威胁雷达信号识别方法。该方法根据先验知识构建雷达信号序列样本,采用变步长匹配法对脉冲流进行匹配识别,并对持续时间较短的雷达信号进行处理。仿真实验验证了基于样本序列的威胁雷达信号识别方法的有效性和可靠性,实验表明该方法对复杂环境和复杂体制雷达信号的适应能力强,正确匹配率高。     

适于弹载平台的正交多载波雷达波形设计

设计了一种适于弹载平台的多载波雷达波形,模糊函数近似理想图钉型,且波形设计灵活,参数选择自由度高,与传统的单载波雷达波形相比,被截获概率大大降低。给出了一种具有9个子载波数量的雷达基带波形设计方案,为进一步改善主副瓣比,采用了脉间波形捷变及子载波频域加权技术,实现结果表明在基带信号带宽为9 MHz时主副瓣比可达-35 d B以下,且不同调制序列得到的雷达波形具有良好的低互相关特性,特别适合于多部弹载雷达协同工作场合。     

全脉冲幅度信息的分析与特征提取

全脉冲数据在电子情报分析和电子侦察信号处理中具有十分重要的意义.为了辅助雷达信号分选和识别,挖掘除频率和方位以外的脉冲信息,对全脉冲数据中幅度信息的相关变化特征进行了分析与提取.将统计分析与脉幅的教学模型相结合,分析了脉冲幅度随天线扫描的起伏规律,并提取了脉冲幅度对脉冲宽度测量值的制约特征.实验结果验证了该方法提取雷达信号特征的可行性和有效性,为信号分选提供了新的思路.     

基于频谱分析的雷达信号分选新方法

相参性是现代雷达的普遍性质,利用雷达脉冲之间的相参性,提取相参特征参数,并运用于雷达信号分选,对降低当前信号分选中存在的“漏批”率具有重要的意义。本文在基于频谱分析的相参特征模型基础上,研究了基于最小二乘模板匹配误差的相参特征,并提出了具体应用中的改进措施。仿真结果表明,利用频谱主峰图像最小二乘模板匹配误差这一相参特征参数进行信号分选,可以有效地减少“漏批”率。     

一种波束内目标与诱饵 DOA联合估计新方法

拖曳式诱饵干扰下目标和诱饵DOA参数的准确估计是导引头实现目标分选的前提条件。波束内目标和诱饵的存在引起雷达回波混叠和观测耦合,导致常规观测提取与参数测量方法失效。通过挖掘雷达接收回波和、差通道信号条件概率分布协方差所包含的未知参数信息,获得了目标和诱饵DOA估计的解析表达式,针对估计求解中所需相对功率比未知的情况,提出了基于干扰检测、雷达测量与目标跟踪信息辅助循环估计相对功率比的DOA二次联合估计方法。不同干扰条件的仿真实验验证了估计方法的有效性。     

PRI周期性调制信号的TOA中点匹配分选算法

针对传统的雷达信号分选算法在当前高密度信号环境下进行分选时,存在实时性差、分选精度低、甚至无法分选的问题,提出了针对脉冲重复周期(PRI)周期性调制的分选算法。该算法首先在脉冲序列中点附近任意选取一点作为中心点,利用TOA中点匹配法依次比较并匹配左右两侧相邻脉冲间隔,从而提取出PRI值,然后经过PRI类型检测按照不同类别对脉冲进行提取。仿真结果表明,依据TOA中点匹配法分选PRI周期性调制信号的平均准确率在95%以上,平均漏选率低于7%,并且具备一定的抗噪和抗脉冲丢失能力。     

基于脉内特征的雷达信号分选新方法

提出了一种基于脉内特征和基于核方法的模糊C-均值算法(KFCM)相结合的雷达信号分选方法.首先利用小波变换法提取雷达信号的脉内特征,然后基于KFCM对信号进行分选.计算机仿真表明,在满足一定信噪比的条件下,该方法可以准确地实现雷达信号的分选.     

对ELINT系统基于信号PRI参数分选的干扰技术

ELINT通过测量信号的PDW(脉冲描述字)来获取雷达情报,而PDW中最为重要的参数是脉冲到达时间(TOA),因此,研究对ELINT系统信号分选的干扰技术,就应当从影响分选的多维参数出发,重点研究脉冲重复周期PRI对分选效果的影响。通过分析PRI的不同工作模式特点,参考ELINT系统信号分选准则,设计相应的干扰信号以影响ELINT系统的参数测量和分选,进一步影响其对己方雷达技术体制的判断,并通过仿真验证了干扰效果。     

基于特征加权与SVM的雷达有源干扰分类技术

为了有效提高雷达有源干扰分类正确率,提出一种基于特征加权与支持向量机的分类方法。针对分类过程中各信号特征参数对信号分类的重要度不同,引入特征加权的概念。利用灰色关联分析方法求取各特征权重,避免一些弱特征对分类结果产生较大影响。最后利用支持向量机分类器,对雷达有源干扰信号进行了分类识别。通过仿真实验证明,该方法可以有效提高雷达有源干扰信号类型的识别率,具有很好的通用性。     

一种基于层次划分聚类的雷达信号分选算法

近年来,聚类分析在雷达信号分选领域中得到了大量的关注。大部分算法聚类数需要事先人为设定,为了解决这一问题,将基于层次划分的聚类算法应用到雷达信号分选当中。该算法通过数据各个维度的差与对应阈值的比较进行分类,并提出一种基于"点对"的平均距离的评价指标来确定最佳聚类,无需人为设定聚类数,可实现自动聚类。仿真实验表明,此算法对参数固定和参数变化的雷达都具有良好的分选能力,分选准确率较高。