基于时频图像三维熵特征的雷达信号识别

针对雷达信号识别算法存在着准确率低以及抗噪性差的问题,提出基于时频图像三维熵特征的雷达信号识别算法。该方法对雷达信号时频变换后得到的时频灰度图提取其香农熵(Sh En)、奇异谱熵(Ss En)和范数熵(No En),并将三维熵值作为信号识别的特征向量,采用支持向量机实现信号的分类识别。仿真实验表明,提出的算法能够在低信噪比下得到较高的正确识别率。     

机载火控雷达典型空-空工作模式浅析

针对机载火控雷达空-空工作模式多且复杂的现状。区分搜索、跟踪和复合3种类型,着重从战术用途、信号特征和扫描规律3个方面对边扫描边跟踪等6种典型空-空工作模式进行了研究。通过分析、总结、对比梳理了各个模式的典型特征,论证了工作模式识别的可行性,提出了识别思路。     

一种基于隐马尔科夫模型的雷达辐射源识别算法

针对现代雷达采用复杂的PRI样式不能对其进行准确识别的问题,提出一种基于隐马尔科夫模型的复杂体制雷达辐射源识别算法。该算法将具有复杂PRI样式辐射源识别问题转化为对具有分类特征的码序列的识别问题,通过运用符号动力学中符号时间序列分析(symbolic time series analysis)理论,将上述码序列识别问题建模为隐马尔科夫模型予以解决,实现了对具有PRI抖动、伪随机编码等复杂PRI调制样式雷达辐射源的准确识别。仿真结果证明算法在PRI值有部分重叠的情况下仍具有很好的识别能力。     

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。     

一种对间歇采样转发干扰的识别新方法

间歇采样转发干扰是一种针对相干雷达的有效干扰样式,该类干扰的抑制技术研究需求迫切,而干扰识别历来是抗干扰流程中的关键环节,针对间歇采样转发干扰的识别问题,提出了一种基于关联维数的干扰识别方法。通过对3类间歇采样转发干扰信号进行傅里叶变换,挖掘信号频谱上的差异,提取频域关联维数作为干扰识别的特征参数,并利用支持向量机进行分类识别,为后续雷达系统采取针对性抗干扰措施提供重要的决策信息。仿真结果证明该方法具有较高的识别率。     

基于测度区间灰关联的未知雷达信号判别方法

对于未知雷达信号的判别和归类一直是雷达对抗侦察情报处理中的一个难题.提出了一种新的基于距离测度区间灰关联决策的判别方法.该方法采用距离测度区间来衡量两个雷达脉冲序列之间的相似性,并利用灰关联分析的方法进行相似性比较和决策,最终完成对未知雷达信号的判别和归类.仿真结果表明,在模板脉冲序列受噪声污染较小时,该方法识别准确率较高.     

基于局部积分双谱与SVM的雷达目标识别

针对高分辨距离像的特点,应用双谱与SVM研究高分辨雷达目标识别问题。提出了基于局部积分双谱与SVM的雷达目标识别方法。该方法选择具有最强鉴别能力的积分双谱构成局部积分双谱特征,基于局部积分双谱进行距离像特征提取,然后应用支持向量机对提取的特征进行分类识别。利用四种局部积分双谱的目标识别仿真实验结果表明,提出的方法具有良好的分类性能。     

基于无线局域网MAC层DOS攻击的入侵检测

为了检测无线局域网MAC层的6种DOS攻击方式,提出一种基于Hybrid特征选择和支持向量机的入侵检测算法.该算法先用混合器模式的Hybrid特征选择算法提取8个识别攻击的流量统计特征,然后利用支持向量机对待检测对象进行识别分类.通过建立仿真环境对检测模型的检测效果进行统计验证,表明检测模型在具有较高检测准确率和较低的虚警率,能够有效地检测MAC层DOS攻击,具有实用价值.     

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EMD和二叉树支持向量机的调制识别算法

针对数字调制模式识别问题,提出了一种基于经验模式分解(EMD)和二叉树支持向量机的识别算法。该算法通过对数字信号进行经验模式分解,利用分解得到的本征模式函数构造分类特征,再运用二叉树支持向量机作为分类器实现了6种信号的分类。仿真结果表明,该算法具有很好的识别性能。     

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。     

基于关联离散度的目标类型识别方法

针对空中作战空中目标识别问题,在分析影响目标类别因素的基础上,提出了一种基于关联离散度的空中目标灰色识别方法。该方法采用灰色理论,通过应用定义的关联离散度作为识别测度,因而在无需对现役雷达作太多技术改进的情况下,就可以提高低分辨雷达对空中目标粗略分类的自动判别能力。给出了应用该方法的具体步骤,通过仿真实例证明该算法的有效性。     

一种基于PRI变化规律的雷达辐射源识别方法

针对相控阵雷达中某些具有复杂PRI调制样式的工作模式难以准确识别的问题,提出一种通过提取PRI序列变化规律来进行辐射源识别的方法。该方法借鉴了脉冲样本图的模型以及生物信息学中基因序列比对的动态规划思想,较好地解决了某些复杂PRI调制样式不好描述,以及相控阵雷达中一个完整工作模式包含脉冲序列长度太短,以致很难通过统计的方法对其进行准确识别的问题。仿真结果表明该算法的有效性,而且在存在脉冲丢失和干扰脉冲的情况下具有稳健性。     

地/海杂波背景下机载火控雷达效能评估

战斗机在对地/海攻击时,地/海杂波对机载火控雷达的工作效能会产生较大影响。分别针对无干扰和压制干扰条件下两类典型体制的机载火控雷达,给出地/海杂波功率的确定方法,建立了地/海杂波背景下机载火控雷达效能评估模型。通过仿真,分析了无干扰与压制干扰条件下地/海杂波对机载火控雷达工作效能的影响,为机载火控雷达技术的研究提供了一定参考。     

数字脉冲压缩在某型机载火控雷达中的应用

某型引进机载火控雷达为提高地图测绘的距离分辨力,采用了13位巴克码数字脉冲压缩技术.首先对这种技术在该火控雷达中实现的具体方法进行了分析,阐述了13位巴克码信号产生的过程;其次对数字式全距离脉冲压缩进行了深入研究,提出了多普勒频率补偿、信号采样叠加以及相位编码信号脉冲压缩的数学算法;最后结合飞行检验,给出了一个实际应用的例子,验证了采用这种方法,能够有效地提高地图测绘的距离分辨力.     

效能指数的机载火控雷达研制费用估算模型

为提高机载电子设备研制、生产费用估算的精度,提高估算模型的应用范围和时间跨度,构建了基于效能指数的机载火控雷达研制费用估算模型。在分析机载电子设备研制费用建模特点的基础上,以军用飞机的机载火控雷达设备为研究对象,探讨了其效能指数的构建方法,建立了基于效能指数的研制费用参数模型,并进行实例分析。结果表明,由于效能指数考虑了众多费用驱动因素,该模型形式简明直观,相对误差较小,为研究机载电子设备的费用估算进行了有益的探索。     

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.     

基于椭圆滤波和RAT/FRT的雷达信号调制样式识别

雷达信号波形的调制样式识别方法是电子情报侦察领域的重要研究内容。针对线性调频(LFM)、二进制频移键控(BFSK)、相位调制(包括高阶巴克码(HOB)、弗兰克码(Frank)、P1、P2、P3、P4码)等多种脉内调制样式的雷达信号,提出一种基于模糊域椭圆高斯滤波预处理的波形增强表示方法,并结合拉东-模糊变换(RAT)和分数傅里叶变换(FRT)算法实现脉内调制类型的自动识别。仿真结果表明,该方法结构简单,易于工程实现,并具备较高的分类准确率和低信噪比下良好的鲁棒性。     

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。     

非线性分类结合平面变换的雷达信号分选方法

现有的对已知雷达分选方法存在识别速度慢、效率低,脉冲丢失敏感以及脉冲序列提取不完整等问题,为此提出了一种非线性分类器结合平面变换的雷达信号分选方法。该方法首先提取载频、脉宽、脉內调制等单脉冲分类特征,利用非线性分类器实现单脉冲识别,然后根据识别结果调取对应参数,通过平面变换完成对脉冲串的抽取。仿真实验表明,该方法具有速度快,准确率高,易于实现等优点。