基于高阶累积量的二次雷达应答信号特征分析

二次监视雷达应答信号混扰将导致解码错误,在解码前需进行有效分离。信号的高阶累积量被广泛应用于盲分离算法,主要利用了信号的非高斯性。建立二次雷达应答信号模型,进而根据其零恒模特性分析高阶累积量特征,得到其三至五阶累积量近似为零,表明二次雷达应答信号具有高斯特征。对独立成分分析算法、投影算法等分选算法的性能进行了分析比较。仿真结果表明,基于高阶累积量的盲分离算法不适用于二次雷达应答信号分选。     

基于改进扩展关联法的雷达辐射源信号分选算法

针对传统扩展关联分选法在分选时效率低、对复杂调制PRI信号分选性能差的问题,提出了一种基于扩展关联分选的改进算法。基于脉冲位置相关性建立对应三维向量矩阵,提高提取准PRI的准确性,同时提出"分步逐级"的策略,从而确保复杂调制PRI信号的分选性能。仿真结果表明该算法具有可行性,分选性能相较于传统基于PRI分选的方法有很大的提高。     

一种改进的电子情报分析模型

电子情报的分析处理,对提高电子对抗作战效能意义重大。综合运用聚类算法和分类算法构建了一种改进的电子情报分析模型。该模型首先通过基于粗糙集改进的k-means算法完成对记录数据库中雷达信号的聚类分选,选取聚类中心信号表征此类信号;再采用粗糙集提取有效的最优规则并用于聚类中心脉冲识别,从而分选出已知信号和未知信号;未知信号确定其特性后添加到已知威胁雷达数据库。通过仿真,验证了该模型的适用性和有效性。     

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。     

一种新的基于网格聚类的雷达信号预分选算法

雷达信号分选一直是雷达对抗情报处理中的难题,将网格聚类应用于雷达信号预分选,针对现有网格聚类需要输入网格划分、网格边界处理精度低等问题,提出一种新的基于网格聚类的雷达信号预分选算法.该算法根据网格数据压缩率自适应确定网格划分和密度阈值,并对网格边界进行优化处理.仿真实验表明,该算法能有效适用于雷达信号预分选,且有较强的抗噪声能力.     

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。     

基于改进连通区域标记的跳频信号分选识别北大核心

针对小型无人机在复杂电磁环境下难以识别的问题,提出了基于改进连通区域标记的跳频信号估计与分选方法。首先,采用基于局部窗口的能量门限统计法,在信号时频域去噪;接着,对常规连接区域标记法进行改进,设计了新的连接区域片段关联和干扰抑制方法,解决连接区域断裂和干扰混合的问题;然后,针对多跳频信号混合情况,利用时频幅度差异重建连接区域;最后,根据改进的连通区域标记图进行参数抽取和信号分选识别。仿真结果显示,在噪声、干扰和多跳频信号混叠环境下,信号参数估计精度和目标信号的正确识别概率均明显高于常规连通区域标记方法。     

一种新的二次雷达信号盲分离算法

针对应答脉冲信号的混扰现象影响二次雷达询问机解码的问题,提出了一种基于和差单脉冲天线以及二次雷达信号代数性质的二次雷达信号盲分离新算法。该算法通过分析二次雷达信号的ZCM(零/恒模)特性,采用了一种用于二次雷达信号分离的代价函数,进而由代价函数最小值对应的单脉冲比求解得到混合矩阵和分离矩阵,最终实现二次雷达信号的盲分离。仿真结果表明,当信噪比不低于20 d B时,该算法无需任何先验条件可有效分离出二次雷达信号。     

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。     

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.     

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。     

自然梯度盲分离算法在振动信号处理中的应用

介绍了盲分离的几种主要算法,并对混合信号进行分离仿真实验,证明了算法的有效性.比较了Infomax算法、EASI算法和自然梯度算法采用不同步长时的分离性能.并采用改进的基于最小互信息准则的自然梯度算法对航空发动机振动信号分离,得到各振源的特征频率.该算法是分离机械振动信号源的一种有效方法.     

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。     

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。     

海量电磁数据中雷达信号的高效分选方法

针对海量电磁数据中雷达信号难以进行快速准确分选的问题,提出一种新的聚类分选方法,即改进k-means算法的Map Reduce并行化实现方法。通过引入初始聚类中心个数k1、最大聚类中心个数kmax和距离门限rt3个参数,克服了k-means算法需要事先确定k值和易受孤立点影响的局限;基于Hadoop平台实现了对改进k-means算法的Map Reduce并行化,克服了k-means算法串行实现时间复杂度高的局限。最后,实验表明改进k-means算法取得了更高的分选准确率,Map Reduce并行化后具有良好的加速比和扩展性,能够很好地对海量电磁数据中雷达信号进行高效分选。     

卫星单-混信号识别研究

针对卫星通信中常用的调制信号和成对载波多址(PCMA)混叠信号的调制样式识别问题,提出了一种基于高阶累积量和信号瞬时特征统计量的识别算法。该算法对接收数据进行预处理,在此基础上提取高阶累积量和信号瞬时特征统计量构造4个特征参数,构造树形分类器进行调制识别。算法具有不需要知晓信号的定时等先验信息,对混合幅度比不敏感等特点。仿真结果表明,该算法在低信噪比下仍然能保持较高的识别性能。     

一种改进的跳频信号频率估计算法

信号的信噪比较低时,旋转不变信号参数估计技术（Estimated Signal Parametersvia Rotational Invariance Technique,ESPRIT）算法的频率估计性能明显下降,针对这一问题,提出了一种基于ESPRIT的改进算法。该改进算法在基于ESPRIT的噪声抑制（Noise Suppressed based on ESPRIT,NS—ESPRIT）算法的基础上,利用DFT谱中的,个局部最大值点,缩小基于互相关矩阵迹模值曲线的ESPRIT算法中口的选择区域,在降低计算复杂度的同时,也有效地减弱了噪声对信号频率估计的影响。理论分析和仿真结果证明了该改进算法的可行性和有效性。     

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。     

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.     

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。