时频空交叠信号的脉内调制类型识别算法

复杂电磁环境下的雷达信号分选技术充分利用被侦察信号的特征信息,把分属于不同信号源的雷达脉冲流分离开来。随着脉冲流密度的增加,出现了一些在时频空3个维度上均严重交叠的脉冲,这些脉冲的辐射源信息差别很小,以至于识别算法无法正确将它们区分,进而造成脉冲丢失或错误识别,使得信号分选的性能大大下降。以6种常见的脉内调制类型脉冲为研究对象,针对脉冲之间两两交叠的情况,提出了基于部分快速傅里叶变换算法的时频空交叠信号脉内调制类型识别算法,并通过一系列仿真分析了算法的性能,证明了算法能够有效地分辨频域和空域高度重叠但时域不完全重叠的信号脉冲流,提高信号分选的性能。     

基于云模型联合几何覆盖算法的雷达信号分选新方法

提出了一种基于云模型联合几何覆盖算法的雷达信号分选识别新方法.该方法首先采用几何覆盖算法对具有参数先验信息的雷达信号样本进行学习,将信号划分到不同的覆盖领域,然后用云模型描述各领域与待测脉冲信号之间的隶属度关系,实现待测信号的分选识别,解决当前电子侦察环境中,信号参数交叠的密集雷达信号的实时准确分选问题.仿真结果表明,与传统的信号分选识别方法相比,该方法是有效的.     

雷达脉冲信号重频分选研究

雷达脉冲信号分选是电子战系统和反辐射武器的关键技术。简单的说，雷达脉冲信号分选就是从大量复杂的雷达脉冲信号中识别出不同雷达的脉冲。分选的算法是基于分析截获信号的各种参数，如脉冲到达时间（TOA）、到达角（DOA）、脉冲宽度（PW）、载源（RF）和脉冲重复周期（PRI）（或重复频率PRF）等。对于基于脉冲重复周期进行分选的算法主要有直方图法和动态扩展关联法。下面对这两种方法及其改进算法给予介绍说明。     

一种高效的雷达信号综合分选算法

雷达信号分选是雷达对抗研究的重点问题，其性能直接影响雷达对抗系统的效能.脉冲重复间隔（pulse repetition interval, PRI）变换分选算法是一种经典的雷达信号分选算法，其对PRI抖动和脉冲缺失有良好的适应性，但存在计算量大，无法满足实时计算的需求以及无法分选PRI值相同或相近的脉冲序列的问题.本文提出一种高效的雷达信号综合分选算法有效解决了上述问题.算法首先利用基于聚类的直方图算法估计出潜在PRI值集合，然后采用PRI识别准则筛选潜在PRI值，进一步利用PRI变换算法估计真实的PRI值，最后采用改进的序列检索算法完成脉冲序列的分离.仿真实验表明，在PRI抖动率为±10%、脉冲缺失率为10%时，算法能正确分选同时到达的四部雷达信号，验证了所提分选算法的有效性与先进性.     

利用谱估计算法的雷达信号分选

传统雷达信号分选过程中分别进行脉冲重复频率检测与初始到达时间估计时,脉冲搜索时间过长。为此,提出了一种新的基于谱估计的信号分选算法。该算法通过谐波滤除减小了脉冲初始到达时间估计的运算次数,并在进行脉冲重复频率检测的同时估计脉冲初始到达时间,从而避免了传统信号分选算法中对整个序列的遍历,节省了计算资源。仿真结果验证了该算法的有效性。     

基于晶振特征的重点雷达信号快速靶向识别

针对传统的PRI分选算法难以有效识别PRI变化复杂的重点雷达信号的问题,提出基于晶振特征的重点雷达信号快速靶向识别的方法。该方法避开常规PRI分选算法的分选流程,利用PRI之间的相关性对脉冲信号进行分选,可以对多目标同时识别。从PRI产生的原理着手考虑,PRI变化是否复杂对识别效果几乎没有影响。通过仿真与对比,验证该算法能够快速识别出重点雷达信号的脉冲序列,且对PRI变化复杂的雷达信号的识别效果较好。     

雷达辐射源信号聚类分选算法综述

现代战场环境下雷达信号密集、交叠严重,传统的雷达信号分选算法已不能有效完成未知雷达信号分选工作,而聚类分选因具有无监督学习、对先验知识要求小等优点被学者广泛应用于未知雷达信号聚类分选的研究工作。作者先总结了国内学者在传统聚类算法及其优化算法对未知雷达辐射源信号进行分类分选的部分理论研究成果,分析了各个算法存在的利弊,再根据雷达信号的特征参数以及影响聚类分选的外界因素提出了选择最优聚类算法的参考标准和建议。     

基于PRI谱内特征的参差雷达信号分选算法研究

通过分析参差雷达信号的基本特征,针对PRI变换算法在参差雷达信号分选中存在的不足,提出了一种基于PRI谱内特征的参差雷达信号分选算法。该算法利用PRI变换获取信号的时域PRI谱,进而根据PRI谱内脉冲对数特征完成参差信号帧周期的分选工作。仿真结果表明,该方法能够较好地实现参差雷达信号的分选工作。     

基于PRI变换的混叠LFM雷达信号分选

针对脉冲混叠造成脉冲信息丢失而影响雷达分选效果的问题,提出一种恢复丢失的脉冲信息、完成LFM雷达信号分选的算法。首先,对接收LFM雷达脉冲信号进行小波变换,采用等高线截取法实现时频矩阵的二值化;其次,检测和估计出脉冲信号的到达时间和因时域混叠而丢失的脉冲信号到达时间;最后,基于PRI变换法实现LFM雷达信号的分选。仿真实验结果表明,提出的算法通过恢复丢失脉冲的信息,能够检测出每部LFM雷达的PRI值,并且估计误差基本维持在1%左右。     

一种基于动态规划的雷达合批新算法

针对信号分选结果增批现象严重、影响识别准确度的问题,通过分析实际侦收信号的特点,并借鉴生物信息学中动态规划比对算法的思想,提出了对脉冲重复周期（PRI）信号在载频维和脉宽维进行合批的方法,并结合该方法设计了动态合批处理流程。该算法通过比较两批数据在PRI值及其排列顺序上的相似性来进行合批,利用PRI周期性这一很稳定的特征较好地解决了批信号在载频和脉宽维上的增批问题。仿真结果表明,该算法在存在脉冲丢失和干扰脉冲的情况下仍能准确合批。     

基于MDL原理的快速在线信号分选算法

研究了一种基于最小描述长度(MDL)原理的快速在线雷达脉冲信号聚类分选算法,该方法利用幅度或相位差异特征,实现对雷达脉冲数据向量的聚类分选处理。设计了基于MDL原理的在线信号分选算法流程,在每接收到一定数量雷达脉冲信号后,执行一次聚类分选处理;对算法流程中的每个处理模块进行了完备的运算量分析,为工程设计提供有效的理论指导;并对比分析了离线和在线算法的性能。仿真结果表明:在线算法的信号分选正确率与离线方法基本一致,具有很强的工程应用前景。     

基于核主成分分析的二次雷达脉冲信号初始特征提取

针对二次雷达脉冲信号的特征选择与分类问题进行研究,提出了一种基于核主成分分析(KPCA)的初始特征提取方法.根据二次雷达脉冲信号的特点,首先经过数据整编、预处理,获取样本的初始特征参数;然后利用KPCA方法对特征参数进行主成分组合,以消除信号特征间的相关性和压缩特征向量的维数,最后利用聚类工具进行分类.数学分析和可视化实验结果都表明这种分析方法是有效的.试验还表明,KPCA在特征选取方面性能优于PCA.     

一种改进的动态关联信号分选算法

在基于脉冲制外辐射源的无源相干雷达系统中,直达波通道信号通常需要信号分选后才能与目标回波信号进行相参信号处理。为了从直达波通道互相交叠的信号中分选出特定辐射源的信号,提出了改进的动态关联信号分选算法。该算法在对实测信号特点分析后,指出利用脉冲重复频率和相邻脉冲幅度比这两个参数进行实测信号分选。信号分选结果表明:该算法能够完整分选出辐射源主瓣信号,也可以保证一定的辐射源副瓣信号分选成功率;同时动态设置脉冲重复频率容限亦可以完成参差重频、抖动重频等信号的分选工作。     

低信噪比S模式应答信号相关检测方法

针对低信噪比条件下S模式应答信号检测概率低、虚警概率高的问题,提出一种基于数据包检测、单脉冲匹配滤波和报头多脉冲检测等三次相关检测的增强识别方法。该方法首先利用数据包相关检测得到数据包位置,从而确定报头脉冲的检测门限;然后利用单脉冲匹配滤波对信号进行降噪处理,确定脉冲位置;最后估计脉冲幅度和噪声功率,利用多脉冲相关检测识别信号报头。通过这三次相关处理,该识别算法可提高S模式应答信号的准确识别率。理论推导了检测概率的数学表达式,通过计算机仿真,在期望虚警概率下,本文方法基本达到了理论检测概率,同时对比了本文方法与传统的直接匹配滤波法、脉冲前沿检测法、基带归一化互相关法的识别性能,验证了本文算法性能的优越性。      

基于一维选择线谱的脉冲星辐射脉冲信号辨识

为提高脉冲星辐射脉冲信号辨识效果,利用双谱技术提取了脉冲星累积脉冲轮廓的非线性和非高斯特征.提出了一维选择线谱辨识算法,该算法采用特征核与特征域描述统计信号的共性及个性,定义信号特征矢量方差及特征矢量间的距离,抽取双谱图中具有最强类别可分离度的一维线谱特征向量构成特征模板.实验结果表明:一维选择线谱特征向量适于脉冲星信号辨识,且与选择双谱相比,一维选择线谱算法使整个特征向量具有最大类间可分离度,可以获得更好的辨识效果.     

基于联合检测方法的雷达信号分选跟踪机设计

雷达信号分选是雷达对抗中一个重要的组成部分,只有从随即交迭的信号流中分选出各个雷达脉冲序列之后才能进行信号参数的测量、分析、识别。目前基于PRI参数提出很多分选方法,针对各种方法的优缺点,研究了一种基于SDIF算法和序列相关法联合检测的被动雷达信息处理系统信号分选跟踪机,经仿真证明,基于SDIF与序列相关法的联合检测增加了检测概率,具有较好的鲁棒性,可以较好地对空间多部不同雷达信号进行准确分选,正确给出跟踪波门。该信号分选跟踪机已在工程中应用。     

自提取模板序列机载雷达威胁告警算法

针对机载雷达如何实现快速威胁告警这一问题,基于模板序列的描述方式,提出一种自提取模板序列威胁告警算法实现对截获敌方雷达信号的快速提取,算法利用同种雷达信号脉冲之间的匹配相关性,通过脉冲的整体平移,在实现对模板序列自提取的同时,把用此模板序列描述的雷达辐射源信号提取出来,从而对该雷达进行威胁告警。仿真实验表明,在有脉冲漏失的信号环境中,文中算法处理脉冲信号与传统多参数统计方法性能相当,可以获得较高的成功率。     

DBSCAN算法在雷达全脉冲信号分选中的应用

对雷达辐射源信号进行准确分选是电子对抗情报分析的基础性问题,聚类是进行全脉冲分选的一种有效的方法。基于密度聚类的DBSCAN算法具有抗噪声性能好,能处理任意形状和大小的数据的优点,适合全脉冲信号的数据特征。文章应用DBSCAN算法对雷达全脉冲信号分选进行了研究,仿真结果证明该方法简单有效。