独立分量分析在雷达辐射源信号分选上的应用

在当代电子战密集复杂的电磁环境下,对未知雷达辐射源信号分选作为对抗技术领域的一个重要环节面临了新的挑战.传统的雷达辐射源信号分选往往是基于脉冲描述字(PDW)等参数对雷达进行分选,在复杂的电磁环境下参数误差严重影响了雷达信号的分选效果.在对独立分量分析理论的研究的基础上,将基于四阶累积量的特征矩阵联合近似对角化(JADE)算法应用于连续波雷达信号和随机参数脉冲雷达信号分选,可以有效地分选出不同调制方式的雷达信号,为雷达辐射源信号分选提供了一个新思路.     

一种脉冲重复间隔复杂调制雷达信号分选方法

雷达辐射源分选是电子战系统的关键技术之一。为了解决传统的基于脉冲重复间隔(PRI)的分选方法不能有效分选PRI复杂调制雷达信号的问题,该文提出一种利用脉冲到达时间与雷达帧周期的对应关系构成的2维特征向量来提取脉冲序列中PRI的变化规律,进而实现PRI复杂调制雷达信号分选的新方法。该方法可以在脉冲丢失严重且存在噪声脉冲的情况下获得满意的分选结果,并利用模拟仿真验证了方法的有效性。     

基于波形相似性度量的雷达辐射源分选方法研究北大核心CSCD

针对基于提取雷达参数特征的分选方法中存在的特征提取困难、受噪声影响大以及对波形变化敏感等问题,依据相似性度量理论,文中提出了一种基于波形相似度测量的雷达辐射源分选方法。在完成对已有相似性度量算法研究的基础上,采用将夹角余弦算法、平均绝对差算法、动态滑动窗口算法相结合的方法,分别从雷达波形的整体和局部测量波形的相似度,实现雷达辐射源信号的配对分选。仿真结果表明,该方法能够克服传统分选方法的缺陷,相比基于信号互相关的分选算法,有效提高辐射源信号分选的准确率,对先验知识的依赖性不强,具有一定的抗噪能力。     

雷达辐射源信号分选研究进展

雷达辐射源信号分选是雷达信号侦察的关键技术之一,同时也是战场态势感知的重要环节。该文系统梳理了雷达辐射源信号分选的主流技术,从基于脉间调制特征、基于脉内调制特征、基于机器学习的雷达辐射源信号分选3个角度阐述了目前雷达辐射源信号分选工作的主要研究方向及进展,并重点阐释了基于深度神经网络、数据流聚类等最新分选技术的原理与特点。最后,对现有雷达辐射源信号分选技术的不足进行了总结并对未来趋势进行了预测。      

基于脉冲相位线性度的雷达辐射源信号分选

为解决信号分选中出现的“漏批”问题,提高信号分选准确率,提出了一种基于脉冲相位线性度的雷达辐射源信号分选新方法.对脉冲相位线性度的检测过程进行推导,并通过仿真实验对推导结果加以验证.提取分选特征参数,给出了信号分选算法的步骤,并进行分选仿真分析.仿真实验表明,本方法可以在较低输入信噪比下实现高效准确的雷达辐射源信号分选,在电子情报侦察系统上有着广阔的应用前景.     

雷达信号的聚类分选方法

雷达信号分选，就是从交错的j密集复杂的脉冲信号流中提取出属于同一雷达辐射源的脉冲序列。现代雷达具有多种工作状态，其各项特征参数都是可变的，甚至是随机变化的。目前普遍采用的基于直方图统计的信号分选方法越来越不适应现代雷达信号环境。文章提出一种基于多参数聚类分析的雷达脉7中信号分选方法，提供了一种解决密集复杂脉冲信号分选问题的新途径。仿真试验表明，该方法能够从多部相控阵雷达信号交错的脉冲序列中，准确地分选出属于每个辐射源的脉冲序列。     

基于点云分割网络的雷达信号分选方法

针对现有基于图像分割的端到端雷达信号分选方法存在的像素点重叠与处理效率不高的问题,该文提出一种基于点云分割网络的端到端分选方法。首先将雷达脉冲流的脉冲描述字(PDW)映射为点云;之后利用点云分割网络(PointNet++)对该点云中各点依据其所属辐射源进行分割;最后将具有相同标签的点聚类形成脉冲集合,分别提取各脉冲集合所包含的辐射源并形成相应的辐射源描述字。仿真结果表明：所提方法能够有效对未知雷达信号进行分选,在脉冲丢失和虚假脉冲干扰的分选环境下也表现出较强的可靠性与稳定性,并且由于采用具有轻量化特点的模型使得该方法的执行效率更高。     

信号分选仿真平台设计与实现

针对当前信号分选理论成果较少应用于实践的问题,采用Matlab中图形用户界面(GUI)设计实现了信号分选仿真平台。应用雷达辐射源信号可能采用的调制样式和调制参数进行仿真,结果表明:所设计的仿真平台通过模拟信号产生、特征参数计算、信号分选,可以得到直观的信号分选结果,且能模拟硬件方案中信号分选流程,使仿真平台能更有效地应用于研究雷达辐射源信号分选的过程以及同时获取各分选算法的分选效果,为信号分选技术和信号处理技术的研究提供平台。     

一种自适应容差的雷达信号分选聚类算法

雷达信号分选的目的就是从交错的、密集复杂的脉冲信号流中提取出同一辐射源的脉冲序列。战场环境中信号流的密集性,信号形式的复杂性,给信号分选带来了严重的挑战。面对如此复杂的信号环境,传统的基于直方图统计的雷达信号分选算法的分选结果可信度越来越差。在聚类雷达信号分选算法的基础之上提出了一种自适应容差的雷达信号聚类算法,克服了传统的雷达信号聚类分选算法中容差选择困难的问题。仿真结果表明该方法能够准确地分选出各个辐射源的脉冲序列。     

复杂电磁环境下同型雷达信号的分选方法

针对复杂电磁环境下的同型雷达辐射源信号分选问题,提出了一种综合了聚类与机器学习的分选方法。利用雷达信号的变化趋势规律特征来训练分选模型用于分选,改善了传统方法无法正确分选在时、空和频域严重交叠的辐射源信号的问题。仿真试验验证了所提分选方法的有效性和可行性。     

基于FRFT的域-包络曲线的雷达信号特征提取及自动分类

提取和补充新的特征参数是解决复杂体制雷达辐射源信号分选和雷达目标识别难题的有效手段,为此该文提出一种基于FRFT的域-包络曲线特征向量的提取方法。该方法通过FRFT搜索得到旋转角域的包络曲线函数,提取出该曲线峰值所对应的值、峰值大小及包络曲线峰度这3个特征,构造新的特征向量,并以此作为经典参数的补充。同时,采用动态聚类法就所提取的特征向量分选空间雷达辐射源信号。大量的仿真结果表明,提取的新特征具有较好的类内聚敛和类间分离能力,还具有较好的抗噪声性能,证实了新特征向量作为信号分选参数的有效性和可行性。     

基于FastICA的雷达信号分选研究

现代战争中新体制雷达的大量涌现,电磁环境变得越来越复杂,对雷达信号分选提出了新的挑战。目前的雷达信号分选领域,多采用基于参数容差的传统分选方法,这些方法受参数误差的影响大,对PDW参数相似的雷达无法分选,已经无法适应复杂电磁环境。在对FastICA算法原理分析的基础上,重点研究了将它应用于PDW参数相近的雷达信号和参差脉冲列的分选,并进行了仿真。仿真结果表明,FastICA是建立在源信号统计独立基础上的处理,对信号相关性敏感,受参数误差的影响小,可以有效解决上述问题,为雷达信号分选提供了一种新的思路。     

基于HOS的未知雷达辐射源信号分选

对未知雷达辐射源信号进行准确分选是电子对抗领域迫需解决的一个难题。当前用于分选的特征参数主要有相像系数、小波包变换、熵值等,它们普遍存在的问题是在低信噪比下难以获得令人满意的准确率。基于高阶统计量（HOS）可以实现多种不同雷达辐射源信号的分类,且具有抑制高斯噪声的优点。文章提出一种基于HOS的未知雷达辐射源信号分选新方法,通过计算机仿真验证,在相同的信噪比条件下,利用HOS进行分选可以获得更高的准确率。     

基于人工鱼群聚类的雷达信号分选算法

随着科技的不断发展,各种新体制雷达的不断出现,使得电磁环境变得复杂多变,这就对雷达信号的处理提出了新的要求。目前普遍采用的基于直方图统计的信号分选方法已经不能满足当前雷达信号分选的要求。文中将人工鱼群聚类算法引入到雷达信号分选中,并对其进行了改进,对雷达信号分选进行了一种新的探索,该方法不需要雷达信号的先验知识,适用于处理未知雷达信号。通过仿真实验证明该算法分选准确率高,为雷达信号分选提供了新的思路。     

二维ESPRIT类算法中参数配对的新方法

参数配对是二维ESPRIT类算法中的一个关键问题。为了提高参数配对的准确率,根据矩阵的联合对角化原理,通过对参数幅角排序提出了一种新的参数配对方法。这种配对方法在二维波达方向估计中表现出良好的配对效果,尤其是在信噪比（ SNR）很低的时候,相比已有配对方法其准确率有明显的改善。以L形阵列的ESPRIT类算法为例的仿真结果证明了这种配对方法的性能。     

一种基于频域的脉冲信号分选的新方法

提出了一种基于频域的雷达脉冲信号分选方法,新方法打破了以往主分选算法CDIF、SDIF、变换等只考虑分选的局限性,考虑从RF角度进行分选,并综合AOA、PW、PRI等信息进行辅助分析。在仿真试验中,对于复杂雷达信号环境使用新方法进行逐层分选,并依照平面变换技术在RF-TOA平面上显示分选结果,可明显看到新方法能实现对多种PRI调制和RF调制相交叠的情况进行分选,并且算法简单易于实现。     

基于时序匹配及变长滑窗的雷达信号分选

信号分选是雷达侦察技术与信号处理技术中的关键步骤之一,但常规分选算法运算量大、识别耗时长。同时,在信号丢失严重或者脉冲密度大的情况下易出现增批、漏批问题。针对上述问题,本文提出一种基于时序匹配及变长滑窗的信号分选方法,首先利用载频和脉宽进行粗筛选,然后在时域参数上抽取与雷达参数模板匹配的脉冲序列,匹配的时间窗口根据两条脉冲之间的时间差和雷达参数模板的PRI动态确定。在此基础上,本文提出一种新的雷达信号分选处理流程：将待分选脉冲列分段,对每一段分别进行常规分选和本文所述方法。仿真实验表明,本文算法具有准确率高、耗时短的优点,新的分选流程能够有效弥补常规分选算法的不足。     

基于高次频谱对称Holder系数的雷达信号分选方法

针对复杂战场电磁环境下,传统基于全脉冲参数的分选算法准确率下降这一问题,本文提出一种提取信号高次频谱对称Holder系数作为脉内特征的信号分选方法。该方法首先利用对称Holder系数法提取信号高次频谱的脉内特征,而后将提取到的脉内特征参数与稳定的脉间参数组成新的特征向量,最后使用K-means算法对信号进行分选。信号的高次频谱对称Holder系数作为一种脉内特征,相比于一次频谱相像系数具有更大的寻优空间。将该特征加入信号特征向量可使新的特征向量具有更强的可分性。仿真实验结果表明,加入该特征,并使用新的特征向量,能够有效提高对不同种调制类型雷达信号的分选正确率。,使用新的特征向量能有效提高雷达信号分选正确率。      

基于独立分量分析的雷达信号分选研究

独立分量分析(Independent Component Analysis,ICA)是近年来发展起来的一种有效的盲信源分离方法。在介绍了独立分量分析基本理论的基础上,将基于负熵最大化的FastICA算法应用于对脉冲多普勒雷达信号和连续波雷达信号进行分选,是一种新方法的尝试,并通过2种性能指标来评价分选的效果。仿真结果表明,该算法能够有效地对脉冲多普勒雷达信号和连续波雷达信号进行分选。     

利用频移动态特征的辐射源目标盲分选

利用辐射源目标的频移动态特征进行盲分选时,针对已有的分选方法不能很好解决非合作接收数据非周期、间断、交叠的问题,提出了一种改进的逻辑回归分选算法,将信号分选转化为轨迹分类的问题来处理。首先,借鉴多目标航迹起始模型中的M/N逻辑法的框架,设计新的数据关联门限,以建立目标起始曲线;其次,采用最小二乘拟合方法替代卡尔曼滤波,设计新的外推规则,建立载频变化预测曲线;分析新的接收数据与预测曲线的关联性,不断迭代回归或形成新的分支,最后获得目标分选结果。仿真与实测试验表明,利用逻辑回归分选算法,对不同运动目标搭载的同频辐射源可进行自动分选,4个仿真目标与2个真实目标的分选正确率达到100%。同时,该方法拓展了辐射源目标盲分选中的动态频移特征应用,为辐射源个体识别提供了新的支持。