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RBF-CBR技术的相控阵雷达识别方法

现有雷达识别技术对相控阵雷达的波束捷变、信号形式复杂等特点并不适应,造成识别率低、漏识别严重等问题。为此,讨论了脉内调制类型和点扫描特性参与分类识别的策略;设计了基于案例推理的相控阵雷达识别方法;提出了基于径向基函数案例索引方式的RBF-CBR识别模型。通过对比实验,验证了该模型具有良好的推理识别能力和较高的处理问题效率,为相控阵雷达识别提供了一个新的思路。     

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。     

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。     

多功能雷达建模中的雷达字提取技术研究

雷达字为有限数目脉冲的固定排列,能够反映多功能雷达的工作状态和威胁等级。针对漏脉冲和虚假脉冲所造成的雷达字不能正确提取的问题,提出了一种基于三级匹配的雷达字提取算法。该算法首先对分选后的辐射源脉冲列进行数据库级的匹配过滤,确定模板雷达范围,然后分别利用脉冲配对和序列相关技术进行精确识别。仿真实验表明,该方法不仅能提取多功能雷达辐射源的雷达字,而且对噪声环境具有较好的适应能力。     

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。     

基于VMD和SVM的舰船辐射噪声特征提取及分类识别

针对复杂海洋背景下舰船声频辐射噪声特征提取困难的问题，提出一种基于变分模态分解、中心频率、复杂度特征和支持向量机的舰船辐射噪声特征提取及分类识别方法。对四类舰船辐射噪声信号使用变分模态方法分解，得到一定数量的固有模态函数。通过比较提取能量最大的固有模态函数中心频率和排列熵作为特征参数，并利用支持向量机方法对四类舰船信号样本进行分类识别。实验结果表明，该方法可以实现对舰船辐射噪声的特征提取，与已有方法对比，该方法具有较高的识别率。     

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。     

基于卷积神经网络的多功能雷达行为辨识研究

针对多功能雷达行为状态复杂多变、难以识别的问题,提出了一种基于卷积神经网络的雷达行为辨识方法.建立多功能雷达行为辨识模型,对数据进行预处理,构建多功能雷达信号样本集.通过变化点检测算法对原始雷达信号脉冲序列进行分割,补齐有缺失的特征参数,构造完整的可用于训练的信号加参数数组样本.并针对处理后的雷达行为数据集的特点设计卷积神经网络进行训练与测试.仿真实验结果表明,训练完成的网络模型对于加入参数的样本训练效果更好,对多功能雷达行为有较好的识别效果.     

基于神经网络的分段供电驱动脉冲信号识别方法

针对分段供电驱动信号的质量评价与边界识别问题,首先采用内积运算作为两组布尔信号相似性的度量给出了基于标准信号的测量矩阵,并提出了一种对样本权重平衡的方法训练神经网络,实现了对驱动脉冲频率和占空比异常的检测;然后,给出了抗干扰的驱动脉冲边界的识别方法;最后,通过实验对该方法进行了验证。实验结果表明:该方法可对驱动脉冲的信号质量和边界进行有效识别。     

空间复杂目标群的雷达目标识别技术

复杂的空间目标群给雷达目标识别带来了挑战。分析了弹道中段空间目标群的构成及其对识别的挑战。系统归纳了反导中段雷达目标识别方法。根据雷达识别所采用的特征不同,将空间目标雷达目标识别方法分为其于结构特征的识别方法、基于弹道特征的识别方法和基于微动特征的识别方法,详细阐述了这3类识别方法的物理基础及其特征提取方法,分析了各种识别方法的特点,最后展望了中段雷达目标识别的发展趋势。     

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SPA和滑窗技术的重点雷达辐射源快速识别

在现代密集信号流中,快速识别出重点目标能为战场准备赢取宝贵的时间,并为战场提供决策依据。针对重点雷达辐射源的快速识别,提出了一种基于SPA和滑窗技术的重点雷达辐射源快速识别技术。该方法直接以经过简单预处理的全脉冲与重点雷达辐射源脉冲样本图匹配,无需传统方法的分选和特征提取过程,通过集对分析中的联系度判断脉冲对是否匹配,引入滑窗技术,缩短了处理时间。仿真表明,该方法识别准确率较高且识别速度快,具有较好的应用前景。     

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。     

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。     

通信侦察中基于神经网络的伪码序列估计

针对直接序列扩频通信信号伪噪声(PN)码的干扰侦察问题,在已知信号伪码参数的前提下对直扩信号进行特征分析,用基于变步长的PCA神经网络方法来实现伪码序列的盲估计。该方法利用基于Hebb学习规则的无监督多主分量神经网络,结合自适应变步长学习算法,在估计在线特征值的基础上来控制步长的变化,以使神经网络最终达到较好的稳态收敛。理论分析和仿真结果表明,本方法能在较低信噪比的情况下对较长伪码进行准确的估计。     

脉冲幅度特性分析的相控阵雷达识别技术

为有效识别相控阵雷达,提出了一种基于截获脉冲幅度特性分析的识别方法。该方法根据相控阵雷达与常规机械扫描雷达的扫描方式存在很大差异的特点,建立侦察设备截获脉冲的幅度模型,并通过仿真得到不同体制雷达被截获的脉冲幅度特性。然后求得不同体制雷达被截获的脉冲序列幅度特性与正弦序列幅度特性的相似系数,以此为依据来识别相控阵雷达。最后,通过比较实验证明了该方法的有效性。     

基于时频分布的弹道导弹目标识别方法

在弹道导弹目标识别中,微动特征是重要的识别手段。从弹道导弹微动特性时频分析出发,提出一种基于时频分布的弹道导弹目标识别方法。该方法将时频分布图的伪Zeinike不变矩特征作为识别特征。首先对回波信号进行时频变换以获取时频图像;然后为了降低噪声的影响,对其进行图形预处理;最后给出了伪Zernike不变矩提取步骤及识别特征的选取原则。通过仿真实验,分析了不同特征组合对识别率的影响,评估了不同信噪比下识别方法的稳定性。实验结果表明,该方法具有一定稳定性,可用于弹道导弹目标识别。     

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。     

基于改进野草算法的导波信号匹配追踪识别方法研究

针对导波信号匹配追踪识别方法求解效率和匹配精度不足的问题,提出了基于改进野草算法的匹配追踪识别方法(MIWOMP)。利用L(0,2)模式导波对含缺陷钢管进行检测,以chirplet时频原子作为匹配原子,分别使用MIWOMP方法、微分进化匹配追踪方法(DEAMP)和基于野草算法的匹配追踪方法(IWOMP)对导波检测信号进行重构,并对不同方法的匹配残差能量和频率匹配误差进行对比。研究结果表明:MIWOMP方法匹配精度最高,能够有效地对导波检测信号进行识别和重构,有利于促进导波无损检测技术的推广应用。