共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
3.
一种新的雷达信号分选方法 总被引:1,自引:1,他引:0
在雷达辐射源信号分选领域,随着现代电子战电磁环境的恶化,信号参数空间的严重交叠,五经典参数分选方法性能急剧下降.针对传统信号分选方法的不足,提出瞬时自相关算法瞬时频率派生特征提取算法,提取和补充新的分选参数,构建更为有效的分选特征向量.通过Matlab仿真,验证了该算法的正确性和实际应用的可行性. 相似文献
4.
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. 相似文献
5.
脉内特征提取是新体制雷达辐射源信号分选的关键问题,文中针对现有方法分选准确率不高和对噪声敏感的问题,提出了一种基于高次频谱相像系数和频域奇异谱熵特征的分选新方法,实现了低信噪比下雷达辐射源信号的高准确率分选。对接收到的信号提取高次频谱相像系数特征以及奇异谱熵特征,并将两者作为分选的联合特征向量,运用K means聚类算法实现对不同调制方式的雷达辐射源信号的分选。仿真结果表明:改进后提取的信号特征类间的分离度大且受噪声影响程度小,在信噪比为-2 dB的情况下,该算法的总体平均分选准确率在85%左右,不同调制类型信号间的分选准确率最低为80%。与现有方法相比,文中提出的算法具有更好的信号识别效果。 相似文献
6.
7.
8.
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。 相似文献
9.
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。 相似文献
10.
一种雷达辐射源双谱二次特征提取方法 总被引:4,自引:0,他引:4
针对常规参数进行复杂体制雷达辐射源信号分选时存在的问题,对信号双谱图分别进行频率分区和奇异值分解,二次提取其双谱分布熵和奇异谱熵作为雷达辐射源特征参数.该方法利用双谱分析可以完全抑制高斯有色噪声对信号的影响,同时保留信号的幅度和相位信息的特点,并有机地融合了双谱理论、奇异值分解和信息熵理论的各自优点,反映出信号的本质信息.采用模糊C均值聚类算法对不同信噪比条件下6种典型调制类型的雷达辐射源信号进行聚类分选实验.实验结果表明,该方法取得了较好的分选效果,克服了传统图像特征提取算法特征维数过高和聚集性差的缺点,验证了该方法的有效性. 相似文献