基于距离度量方法的雷达辐射源信号识别研究

为了能够在多种距离度量方法中选择一种最优的算法,提高基于距离度量方法的雷达辐射源信号识别的正确识别率,构建了雷达辐射源信号识别模型.并在不同的噪声背景下对基于距离度量方法的雷达辐射源识别模型的正确识别率和识别时间做了比较,最后进行了大量的仿真实验,给出了识别结论.     

雷达辐射源信号识别结果评估方法研究

针对雷达辐射源信号识别结果评价方法杂乱,指标单一等问题,提出一种新的信号识别结果评估体系结构,将识别率测试结果引入到雷达辐射源信号识别结果评估中,构建了基于识别率测试结果的雷达辐射源信号识别结果评估指标体系,建立了评估指标的层次结构模型,应用模糊综合评价法对识别结果进行评估,并对三种识别方法进行了计算机仿真评估实验,验证了新方法的可行性.     

基于融合熵特征的辐射源信号识别

针对相近雷达辐射源信号难以识别的问题,一种新的雷达辐射源信号识别方法被提出.该方法基于小波包分解,用主成分分析法融合含有信号类别特性的小波包重构系数特征,并将融合特征的能量熵和概率熵构成特征向量,基于支持向量机实现信号的分类识别.在较大信噪比(SNR)范围内,使用该方法能获得满意的正确识别率,当SNR为5 dB时,十分近似的线性调频信号正确识别率达到了91%,实验结果证实了该方法的有效性.     

雷达辐射源信号脉内特征分析

脉内特征提取是新型雷达辐射源信号识别的关键问题。本文提出一种新的雷达辐射源信号脉内特征提取和识别方法．将雷达辐射源脉冲信号的分形维数作为识别脉内调制方式的分类特征,这些特征包含了雷达辐射源信号幅度、频率和相位等的变化和分布信息,反映了雷达辐射源信号脉内调制规律,理论分析和仿真实验结果都证明了这些特征具有对噪声不敏感的良好特性．通过10种典型雷达辐射源信号的特征提取和分类识别的实验结果表明,本文所提取的脉内特征类间距离大、类内距离小、正确识别率高．证实了本文方法的有效性。     

基于小波包变换和特征选择的雷达辐射源信号识别

为了提高雷达辐射源信号的正确识别率以满足现代电子对抗的需要，提出一种基于小波包变换和特征选择的雷达辐射源信号识别新方法。先采用小波包变换进行特征提取，再采用基于量子遗化算法的相像系数特征选择法来挑选出小波包特征中分辨能力强的特征。仿真实验结果显示，该方法用较少的特征能获得较高的正确识别率，具有一定的参考价值。     

雷达辐射源信号识别效果评估指标体系构建

建立合理的识别效果评估指标体系是实现雷达辐射源信号分选识别效果评估的前提。针对雷达辐射源识别效果评估指标单一等缺点,将识别率测试结果这一概念引入到雷达辐射源信号识别效果评估中,构建了基于识别率测试结果的雷达辐射源信号识别效果评估指标体系,最后建立了评估指标的层次结构模型。     

基于KNN和雷达辐射源脉间参数的舰船目标个体识别方法

针对同型多目标位置接近无法有效区分的问题,提出了一种基于KNN和雷达辐射源脉间参数的舰船目标个体识别方法.根据雷达辐射源脉间参数计算待识别雷达信号与已识别雷达信号的参数关联度,若关联度小于阈值则认为是不同雷达,否则认为是同型雷达则利用最近邻分类算法通过计算待识别雷达目标位置点与已识别雷达目标历史航迹点的距离来判决待识别...     

基于径向基概率神经网络的雷达辐射源信号识别

雷达辐射源信号识别是电子情报系统和电子支援系统的重要组成部分。文章提出一种基于径向基概率神经网络的雷达辐射源信号识别方法，通过对几种典型雷达辐射源信号复杂度特征提取和采用径向基概率神经网络分类器进行分类识别的实验结果表明，文章所提出的方法是有效的，能在较宽的信噪比范围内获得满意的识别率。     

雷达信号识别效果的模糊综合评价研究

雷达辐射源识别是电子对抗情报系统中的关键技术之一,对其识别效果进行科学的评估是一项全新的课题。以往大多数学者评价雷达信号识别方法的好坏主要是比较识别率的高低。针对雷达辐射源识别效果评估指标单一等缺点,选取识别时间、识别率测试结果的均值和方差作为评估指标,将模糊综合评价法引入雷达辐射源识别效果的评估,提出基于模糊综合评价的雷达信号识别效果评估方法,并通过计算机仿真,对三种识别方法进行了评估实验,验证了该方法的可行性。     

基于时频分布Rényi熵特征的雷达辐射源识别

针对复杂体制雷达辐射源识别,提出一种基于时频分布Rényi熵的雷达信号特征提取和识别方法。该方法首先对雷达辐射源信号进行时频变换,然后提取信号时频分布的3阶、7阶和11阶Rényi熵作为特征向量,得到具有维数低、类间差异较大的识别特征。最后采用支持向量机分类器实现信号的分类识别。文中对8种常见雷达信号进行了仿真实验,结果表明在较大的信噪比范围内,该方法能获得较为满意的正确识别率,当信噪比为-3dB时,采用时频分布Rényi熵特征的平均识别率仍能达到90.75%,验证了提出方法的有效性。     

一种基于雷达图的雷达辐射源识别算法

在分析和考察雷达辐射源(Radar Emitter)多特征模式识别算法的基础上提出了一种基于雷达图(Radar Chart)中向量夹角余弦值的分类识别算法,借助雷达图实现了雷达辐射源空间特征向量向平面向量的转换,实现对雷达辐射源型号的自动识别,给出识别置信度.通过计算机仿真得到大于85%的正确识别率,进一步验证了算法在雷达辐射源识别工程中的可用性和可行性.     

最近邻法用于雷达发射机识别

雷达发射机的识别问题就是要利用接收到的雷达信号来进行目标电子系统的识别。基于时频分析的性质，提出了一种雷达发射机的识别方法，即利用模糊函数对多个雷达发射机的信号进行时频分析。在本试验中取每一个雷达信号的几个样本模糊函数的均值作为目标特征向量，用最近邻法对其他样本信号做了识别试验，利用此方法能够得到很高的识别率和很好的识别效果。本方法在军事应用上有很重要的意义，可以对敌机进行识别、跟踪。     

基于带宽比特征的雷达辐射源信号识别

提出了用信号带宽比特征识别雷达辐射源的新方法。通过两次对雷达辐射源信号进行平方处理,提取两次处理前后信号带宽的比值组成二维特征向量。利用四种常见的雷达辐射源信号进行的仿真实验结果表明,带宽比特征类内聚集性强,类间分离度大,能达到非常满意的正确识别率,证实了所提方法的有效性。     

一种基于模糊隶属度区间决策的雷达辐射源识别方法

现代密集信号环境中,随着复杂体制雷达装备数量的不断增多,雷达辐射源的识别面临越来越严峻的问题,提出一种新的基于模糊隶属度区间的雷达辐射源识别方法,仿真结果表明,该方法在不同信号环境下能够有效识别雷达辐射源。     

基于联合时频辐射源信号识别方法

针对传统基于人工判决和模块匹配识别雷达辐射源信号的不足,提出了一种基于联合时频的智能识别算法。将雷达辐射源信号进行时频变换,处理后的信号经过不同种降维方式输入到自动编码器中,通过预训练调节深度学习模型,并采用常用的softmax分类器对预训练完的模型采取有监督精校和识别,最后完成识别任务。仿真结果表明,该算法能够实现很高识别率,并且经过联合降维较其他几种方法的效果更好。     

基于小波包变换的雷达辐射源信号识别

为了提高雷达辐射源信号的正确识别率以满足现代电子对抗的需求,提出一种以小波包系数的能量比和标准差为特征的算法,并采用BP神经网络进行识别。仿真实验表明,该方法能在较低的信噪比条件下取得较好的识别率。     

基于扩张残差网络的雷达辐射源信号识别

针对低信噪比条件下,复杂多类雷达辐射源信号识别存在特征提取困难,识别正确率低的问题,本文提出了一种基于时频分析和扩张残差网络的辐射源信号自动识别方法.首先通过时频分析将信号时域波形转换成二维时频图像以反映信号本质特征;然后进行时频图像预处理以保留时频图像完备信息,适应深度学习模型输入;最后构建扩张残差网络以自动提取信号时频图像特征,实现雷达辐射源信号分类识别.实验结果表明,信噪比为-6dB时,该方法对16类雷达辐射源信号的整体识别正确率能够达到98.2%,对时频图像特征相似的类LFM（Linear Frequency Modulation）信号的整体识别正确率超过95%.本文提供了一种新的雷达辐射源信号智能识别方法,具有较好的工程应用前景.     

基于参数样本图的雷达辐射源识别

在现代信号环境中,基于传统的雷达信号特征描述方式很难对复杂体制雷达辐射源进行准确描述和识别。提出一种新的雷达参数样本图的描述方式,并研究了基于参数样本图的雷达辐射源识别算法,利用脉冲序列与雷达参数样本图进行匹配识别,给出了参数类型匹配及参数样本图匹配的方案。仿真结果表明,这种方法是有效的。     

基于脉冲神经网络的雷达辐射源调制类型识别

面对日益复杂的电磁环境和层出不穷的新体制雷达,基于人工方式提取雷达辐射源特征难以满足现代认知电子战的需求.为提升雷达辐射源识别的智能化水平,提出一种新的基于脉冲神经网络(Spiking Neuron Network,SNN)进行雷达辐射源调制类型识别的算法.首先利用时频分析的方法,将5种常见雷达时域信号转换为二维灰度图...     

基于指纹特征融合的辐射源识别方法

提出了一种利用辐射源＂指纹＂特征融合识别辐射源的方法。首先分析了功放信号模型、接收信号模型、频率和重复频率稳定度;然后定义了四个＂指纹＂特征;在此基础上利用获取的指纹特征构造辐射源特征数据库,结合D-S证据理论给出了识别算法的步骤和框图。依据该方法对四部雷达辐射源进行了指纹特征提取,采用融合技术进行了仿真实验,结果表明基于指纹融合的方法能有效地识别辐射源。相比于经典的模板匹配法、模糊识别法,指纹特征有更高的稳定性,对信噪比不敏感,辐射源的识别率较高。