基于熵的空中目标识别模型及应用

空中目标识别是现代防空作战的重要研究内容。研究根据不同类型的目标产生不同的辐射和不同的雷达回波信号对目标进行识别。提出利用熵理论来处理目标识别问题,采用层次分析法与熵权的组合来确定指标的权重。仿真实例表明,基于熵的识别是一种运算简单,结果可靠的目标识别算法。     

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.     

基于熵最小化的LFM信号调频率估计算法

利用LFM信号频谱的熵随着调频率减小而降低的性质,提出了一种基于频谱熵最小化的LFM信号调频率的估计SEM方法。建立参数待估的相位补偿因子,通过搜索得到使得补偿后信号频谱熵全局最小的调频率估值。在搜索过程中,采用两级搜索策略,并引入牛顿迭代算法,有效降低了算法复杂度。理论推导和仿真结果证明,该算法为有偏算法,估计偏差量与初始频率相关,理论估计方差比较CR下界低12d B。对雷达实测回波信号进行验证,与离散多项式变换算法相比发现,提出算法估计的鲁棒性更好,并具有较高的测速精度,具有一定的应用价值。     

LPI雷达信号特征提取综合时频算法

如何准确提取LPI雷达信号脉内特征参数一直都是雷达信号处理中的一个难点.提出一种综合时频算法来提取雷达信号的脉内特征,首先把稳健的小波变换法与分辨率较高的伪威格纳威尔分布(Pseudo Wigner-Ville Distribution,PWVD)法进行截断综合,再对综合的时频图提取小波脊线从而得到稳健、高精度的脉内特征参数.仿真实验说明了该算法的有效性.     

一种基于支持向量机的无源雷达目标识别方法

针对传统的无源雷达目标识别系统存在的不足,提出了一种新的基于模式识别的目标识别方法。在提取雷达辐射源信号熵特征的基础上,设计支持向量机(SVM)分类器完成目标的分类识别。理论分析和实验结果表明,提出的方法在较大信噪比范围内均能获得比较满意的识别率及识别效率,优于传统的基于常规特征参数的识别方法。     

时频域综合分析的雷达信号识别方法

针对现有雷达信号分选与识别方法对噪声敏感、适用信号类型有限等问题,提出一种综合应用STFT变换、Hough变换与相位检测的新方法,实现了低信噪比下未知复杂雷达信号的高准确率识别与信号频率及频率调制率的估计。对接收到的信号首先通过短时傅里叶变换(STFT)提取时频信息,并利用霍夫(Hough)变换进行信号的粗分类,再通过相位检测实现信号细分类。仿真实验验证了该方法在低信噪比下依然保证了较高的识别准确率与参数估计准确率。     

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%。     

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。     

基于LMD频域近似熵频谱感知算法研究

针对现有频域近似熵频谱感知技术在低信噪比条件下抗噪声性能和检测性能有待提升的问题,提出了一种基于LMD频域近似熵的频谱感知算法。(1)算法筛选出3个PF分量累加求和,使得算法提取局部调频包络特征信息得到最优,进一步排除噪声不确定度的影响。(2)算法对累加PF分量进行频域变换后求其近似熵,增强算法对频域信息的嗅探能力,提升算法检测性能。Monte Carlo仿真结果表明,在噪声不确定度为0dB,采样点数为8 000的情况下,当信噪比大于-19 d B时,可以对2ASK信号达到100%的检测概率,与现有频域近似熵算法相比,检测性能约有17 d B的提升。     

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...     

A novel signal feature extraction technology based on empirical wavelet transform and reverse dispersion entropy

Feature extraction is an important part of signal processing, which is significant for signal detection, classification, and recognition. The nonlinear dynamic analysis method can extract the nonlinear characteristics of signals and is widely used in different fields. Reverse dispersion entropy (RDE) proposed by us recently, as a nonlinear dynamic analysis method, has the advantages of fast computing speed and strong anti-noise ability, which is more suitable for measuring the complexity of signal than traditional permutation entropy (PE) and dispersion entropy (DE). Empirical wavelet transform (EWT), based on the theory of wavelet analysis, can decompose a complex non-stationary signal into a number of empirical wavelet functions (EWFs) with compact support set spectrum, which has better decomposition performance than empirical mode decomposition (EMD) and its improved algorithms. Considering the advantages of RDE and EWT, on the one hand, we introduce EWT into the field of underwater acoustic signal processing and fault diagnosis to improve the signal decomposition accuracy; on the other hand, we use RDE as the features of EWFs to improve the signal separability and stability. Finally, we propose a novel signal feature extraction technology based on EWT and RDE in this paper. Experimental results show that the proposed feature extraction technology can effectively extract the complexity features of actual signals. Moreover, it also has higher distinguishing ability for different types of signals than five latest feature extraction technologies.     

多值直觉模糊熵及其应用

给出了多值直觉模糊熵的计算方法,并揭示了多值直觉模糊熵的若干重要性质,通过求解一个雷达目标识别的实例更清晰地表述多值直觉模糊集的优势或特点。实践表明,多值直觉模糊集是对直觉模糊集一种有效扩展,这种扩展有助于对实际问题进行描述和求解。     

逆合成孔径雷达成像运动补偿自聚焦方法研究

讨论了逆合成孔径雷达（ＩＳＡＲ）成像运动补偿的途径,建立了动目标回波信号模型,在此基础上提出了利用图像熵和串导出值来估计目标的运动参数,以进行运动补偿。仿真证明这两种方法在目标运动相对平滑时能够实现最优成像。     

雷达目标回波信号的混沌、多重分形分析与识别

本文旨在将混沌、多重分形的理论和方法引入雷达信号处理，从混沌、分形动力学角度来揭示和刻划复杂目标散射机理，为进行有效信号处理和可靠目标识别寻找新的理论和技术实现方法。文中统计了五种飞机目标回波信号的Ｌｙａｐｕｎｏｖ指数分布情况，并计算了其多重分形维数，然后在此基础上，进行了目标识别的实验，获得了较高识别率。本文的研究表明，混沌、多重分形理论在目标特性及识别的研究中具有良好的应用前景。     

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.     

基于熵权多目标决策的雷达网战损装备抢修排序方法

分析了熵权的理论基础，给出了一种基于熵权多目标决策的雷达网战损装备抢修排序方法。其中，采用熵权与决策者的主观权重相结合的方法确定综合权重，使权重的确定更加合理。最后通过实例对该方法的可行性和实用性进行了说明。     

空中非合作目标旋转部件位置估计方法

针对当前空中非合作目标中旋转部件位置估计方法稳健性不足的问题,在分析旋转部件在高分辨距离像和逆合成孔径雷达像中分布特性的基础上,提出应用逆合成孔径雷达像的方位向距离单元熵和局部径向距离单元熵的旋转部件位置估计方法。该方法能够提升空中非合作目标逆合成孔径雷达成像过程中旋转部件信号分离的准确度。仿真数据和实测数据处理结果证明了所提方法的有效性,通过在实测数据中叠加额外噪声,进一步检验了所提方法对噪声的稳健性。     

小波相关特征尺度熵在滚动轴承故障诊断中的应用

将小波相关滤波方法与Shannon信息熵相结合,提出了一种故障检测与诊断的方法——小波相关特征尺度熵故障法。首先利用小波相关滤波方法提取滚动轴承故障振动信号的微弱故障信息特征,以求得信噪比较高的尺度域小波系数;然后结合Shannon信息熵理论给出了沿尺度分布的小波相关特征尺度熵定义及其计算方法。小波相关特征尺度熵能够定量表征不同尺度的能量分布,各尺度能量分布的均匀性可以反映滚动轴承的运行状态的差别,选取最能反映故障特征的小波相关特征尺度熵作为特征参数,通过所选取的小波相关特征尺度熵大小判断滚动轴承的工作状态和故障类型。实验证明该方法能有效地判断滚动轴承故障特征,为滚动轴承故障诊断提供了新的思路。     

基于负熵最大的FastICA语音信号分离算法

语音信号分离是现代信号处理的热点问题,针对未知信号源个数的情况,提出一种基于负熵最大的FastICA(Fast Independent Component Algorithm)语音信号盲分离算法,有效解决了源信号数目估计、语音信号分离及复原等问题。改进的算法增加了源信号数目估计环节,放宽了算法适用条件,即在源信号数目未知的情况下,也能够实现信号盲分离功能。并将其成功应用于运用信号分选过程中,最终复原语音时域波形,完成信号分选任务。仿真实验中,详细讨论了该方法在不同信噪比以及不同源信号数目情况下的分选能力,证明了方法的有效性和优越性。