一种基于网格划分数据场的雷达信号分选方法

针对传统聚类算法需要人工预先设定聚类数目并且对聚类中心的选取十分敏感等问题,提出了一种网格划分数据场的雷达信号分选方法。首先,使用网格进行子空间的划分,根据网格长度确定数据场影响因子,并清除信号交叠处的高密度网格;然后,利用改进的等效距离计算数据场以确定聚类数目和聚类中心;最后,使用K均值聚类(K means)算法对雷达信号进行分选。仿真结果表明,该方法能够提高数据场的计算速度,较好地确定交叠雷达信号的聚类数目和聚类中心,并且能有效分选出参数捷变的雷达信号。     

复杂体制雷达信号预分选的方法

复杂体制雷达信号的全脉冲参数变化类型多样、参数交叠严重,使得利用全脉冲参数分选方法的正确率严重下降,但是其信号脉内特征参数相对稳定。在复杂体制雷达信号预分选的过程中,针对增批现象和正确率不高的问题,提出一种通过提取信号的脉内特征参数相像系数,联合较为稳定的脉间参数,利用改进的支持向量聚类算法,对复杂体制雷达信号进行预分选的方法。仿真结果表明,在对复杂体制雷达信号进行预分选时,所提方法有效地解决了信号增批问题,并提高了分选正确率。     

一种新的雷达信号分选方法

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.     

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.     

基于改进相像系数和奇异谱熵的雷达信号分选

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。     

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。     

高阶累积量在多参数联合分选中的应用

目前复杂体制雷达大量出现,侦收到的有效脉冲数少,传统的分选方法存在分选难、参数利用率低、可靠性差等问题,而多参数联合分选方法是解决上述问题的重要手段之一。为此,提出了一种提取信号的脉内特征参数高阶累积量,联合较为稳定的脉间参数,利用改进支持向量机的分选算法。仿真证明高阶累积量归一化的特征值对不同调制类型信号具有良好的区分度,并且通过对复杂体制雷达信号进行分选实验证明,分选结果准确率高。     

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。     

一种雷达辐射源双谱二次特征提取方法

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.