共查询到10条相似文献,搜索用时 218 毫秒
1.
针对数字射频存储器(DRFM)产生信号与源信号之间无法有效区分的问题,运用基于小波变换的同步压缩变换将时域的雷达信号转换为时频图,运用深度学习强大的图像识别能力,实现了基于深度学习的源信号与DRFM信号识别,从而解决了在雷达信号处理中无法有效区分回波信号和DRFM欺骗信号以及在雷达干扰识别中基于DRFM的欺骗干扰难以识别的问题。为了验证深度学习过程的可靠性,通过神经网络可解释性算法对训练结果进行了验证和分析。实验结果表明,相比于识别原始信号,识别DRFM信号神经网络需要用到更多的特征,神经网络判断准确率达到了96.33%,识别精度良好。 相似文献
2.
3.
针对现有雷达对抗侦察系统对特定雷达电子目标识别针对性不强的问题,提出一种重点雷达电子目标快速靶向识别方法,并采用并行处理流程,对多目标同时进行处理。首先,利用雷达电子目标的先验信息完成小样本脉冲序列建模;其次,实现了基于小样本脉冲序列快速匹配出雷达电子目标的算法,该方法绕过传统雷达信号的分选环节,不仅对重点雷达信号的识别效果较好,而且处理速度得到有效的提高;最后,进行了计算机仿真验证。理论分析与仿真结果均表明:以快速靶向为目的识别算法,能够有效克服现有雷达辐射源识别方法针对性不强和处理流程僵化的缺陷。 相似文献
4.
5.
6.
7.
8.
针对目前雷达信号分选识别的问题,研究了时频分析的方法在信号识别方面的应用。该方法与其他雷达信号识别方法相比,能有效地分析非平稳信号。在时频分析相关理论的基础上,分别研究了基于短时傅里叶(STFT)变换和Wigner-Ville分布(WVD)方法对信号特征的分析和提取。通过仿真,分析对比了两种方法的优劣性, STFT可分析出信号的局部频域特性,而相同信噪比下, WVD比STFT受噪声影响小、聚合度高,能更好地体现时间和频率之间的关系,由此表明,两种方法均可较好地区分出调制信号特征。 相似文献
9.
为解决非合作通信系统中OFDM(Orthogonal Frequency Division Multiplexing正交频分复用技术)信号的调制识别问题,提出一种基于四阶累积量的OFDM信号调制识别新方法。该方法利用OFDM信号时域包络具有渐近高斯性的特点,对已有基于累积量的识别方法进行改进,通过计算截获信号的复中频信号模值的四阶累积量,提取OFDM信号与单载波信号的分类特征量,对OFDM调制信号进行识别。该算法与已有的基于累积量的识别方法相比,计算量大大减小,且具有较好的识别效果。仿真实验表明SNR高于-2dB时,正确识别率大于99%,证明了该算法的有效性。 相似文献
10.
为了对OFDM信号进行识别,针对高阶矩算法的运算量大的不足,提出一种基于经验分布函数统计量法用于识别OFDM信号和单载波信号。提出单载波/OFDM信号识别模型,建立了最优经验分布函数评价准则,推导了最优经验分布函数;详细阐述了基于KS检验法的OFDM信号识别流程;理论分析及仿真结果表明,该统计量提高了对高斯分布的拟合能力,进而提高了对OFDM信号的识别能力,同时相比高阶矩法,运算量少。 相似文献