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。     

一种基于时差和多参数信息的加权联合分选算法

针对复杂环境信号分选,提出一种基于时差和多参数信息的加权联合分选算法。在主侦察设备序列中确认基准信号,通过基准信号与从侦察设备序列多参数匹配确定包含时差和多参数的基准向量,根据基准向量搜索主侦察设备中满足多参数信息加权的序列,逐一与从侦察设备序列满足基准向量的序列进行匹配,最后对匹配成功的序列进行分析得到雷达参数,实现信号分选。实验表明在信号丢失严重和存在干扰脉冲的情况下能够分选出雷达信号,提高雷达分选成功率,降低漏警率。     

一种基于关联脉冲对的动态直方图分选算法

针对现有分选算法在复杂电磁环境下准确性与效率降低的问题,提出了一种基于关联脉冲对的动态直方图分选方法。该方法首先对到达时间差进行固定箱长统计,将高于检测门限的相邻箱进行合并,得到动态直方图统计结果,估计出潜在PRI(pulse repetition interval)。对潜在PRI对应的关联脉冲对进行分析,剔除虚假PRI并估计出真实PRI的抖动量。最后,再依据PRI参数完成脉冲序列搜索,实现对雷达信号的分选。仿真实验表明,该方法在较低的到达时间差级数条件下,对多部复杂PRI调制信号的分选准确率达到95%,能够对复杂电磁环境下的雷达信号进行有效分选。     

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。     

DFS2000天线——一种先进的侦察雷达测向天线

现代侦察雷达接收机通常具有输入频带宽、灵敏度高、动态范围大、能瞬时处理高密度复杂雷达信号等特征。除此之外还要具有测量每个脉冲到达方向角(AOA)的能力,因而该侦察雷达接收机具有较高的截获概率(POI),而这一点对处在有敌方雷达信号环境的侦察雷达的平台来说是生死攸关的。     

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。     

基于特征值分析的雷达脉冲波形估计及性能分析

雷达侦察接收机往往侦收到多个受噪声污染的目标雷达脉冲,如何从噪声中提取雷达脉冲波形,是现代雷达侦察信号处理中的一个重要内容。提出了一种基于特征值分析的雷达脉冲波形估计算法,该算法通过对脉冲协方差矩阵的特征值分析,给出了一种利用特征向量估计脉冲波形的方法,并理论分析了其估计性能。算法适应于任意形式脉冲波形,且不受各脉冲初始相位的影响。理论分析和仿真结果说明算法能够在较低信噪比环境下恢复脉冲信号波形。     

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。     

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.     

基于卫星侦察的雷达电磁环境仿真

雷达电磁环境仿真是设计和评定星载雷达侦察系统技战指标的基础.分析了卫星侦察雷达电磁环境,建立了PDW形式的雷达脉冲模型,开发了卫星侦察雷达环境仿真系统.该系统能够模拟卫星侦察完全截获状态下的包含各种体制雷达信号的电磁环境,为卫星侦察雷达信号的研究提供了环境平台.     

基于直方图和脉冲关联的抖动信号分选算法

针对传统抖动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、分选精度低的问题,提出了一种基于直方图和脉冲关联的抖动信号分选算法。该算法首先通过直方图得到PRI(脉冲重复间隔)的统计值;然后利用累积判别判断是否进行下一级累积,对于不需要再进行累积的利用联通加权策略求得该PRI值;最后通过脉冲关联算法来抽取出该抖动信号的脉冲序列。仿真结果表明,利用该方法分选脉冲丢失2%、干扰脉冲占10%的抖动脉冲序列的平均准确率在90%左右,平均漏选率低于9.8%,并且具备较好的实时性。     

雷达侦察中移动通信干扰的极化抑制

雷达侦察设备通常采用闭锁措施消除移动通信频段的同频干扰,严重降低了脉冲截获概率,且极易被敌方雷达利用。针对此问题,提出一种基于极化滤波的移动通信信号抑制方法,该方法依据移动通信信号与雷达信号极化差,设置合理的极化滤波矢量,在极化域滤除移动通信信号,提高了移动通信频段的脉冲截获概率。给出了极化滤波侦察接受机的设计方案。仿真实验结果验证了该方法的有效性。     

基于改进SDIF算法的雷达脉冲信号分选技术研究

基于电子对抗等非协作电子环境,针对抖动脉冲重复周期(Pulse Repetition Interval,PRI)信号,在SDIF的基础上提出了一种改进的算法。该方法主要从潜在PRI的估计和序列检索方法入手,提出了一种潜在PRI估计值的筛选方法和一种新的序列检索方法,有效提高了雷达脉冲信号的分选准确率,并降低了整个分选过程的计算量。仿真结果验证了该方法的有效性。     

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。     

基于自组织神经网络的雷达信号分选

本文介绍了一种基于自组织神经网络的雷达信号分选系统,概率神经网络通过计算输入信号矢量的联合概率密度实现贝叶斯分选,它与传统的信号分选算法相比在分选精度和资源利用率上有显著的提高。这种并行的神经网络计算结构也很适合于ＶＬＳＩ实现。本文还介绍了此系统在复杂雷达信号环境下的仿真分选试验。     

独立分量分析在雷达盲信号处理上的应用

独立分量分析(ICA)是近年来发展起来的一种有效的雷达盲信源分离方法。目前新体制雷达的大量涌现,运用原有的雷达分选方法是无法分选的,这已经无法适应现代复杂的电磁环境。在深入分析FastICA算法的基础上,将其应用于连续波雷达信号分选中。计算机仿真表明,这种算法应用于连续波雷达盲信号分选时,不仅提高了信号的分选速度和信号分离的准确率,而且可以有效地提高信号分选的效能,也为盲信号处理提供了一种新的思路。     

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.     

基于相邻脉冲相似性的快速聚类分选方法

针对复杂环境下的聚类问题,提出了一种新的聚类分选算法。其利用同一雷达辐射源的相邻脉冲间的相似性对信号进行聚类。该算法按到达时间顺序将信号依次归类,并将新分类的数据作为所在类的聚类中心,其无需事先指定聚类的数目,也无需进行反复的迭代计算。仿真表明,该算法不仅分类准确,而且大大缩减了计算量。     

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。