基于盲信号抽取的雷达信号分选技术研究

在高密集、高交错的复杂雷达信号环境下,进行实时雷达信号分选处理技术是新一代雷达截获接收机信号处理的关键技术,也是电子战领域一个亟待解决的问题。文中通过对盲信号抽取(BSE,Blind Signal Extraction)技术的分析研究,并将其应用于雷达信号分选中,通过仿真实验证明:在日趋密集、复杂的电磁信号环境中,盲抽取技术能较好地解决传统雷达信号分选方法所存在的不足和局限性。     

基于高清摄像头3D人脸识别的探地雷达道路识别技术

针对常规的人机交互方法识别探地雷达(GPR)数据变化效率低下的问题,提出一种利用高清摄像头三维(3D)人脸识别的三维探测雷达道路识别方法.首先,给出了高清摄像头3D人脸识别方法框架;然后,分析利用该方法进行雷达道路识别的可行性,并利用主成分分析模型对雷达数据进行降维和特征识别;最后,在仿真实验中证明文中所提方法的可靠性...     

一种新的Morlet小波及其在雷达信号特征提取中的应用研究

为准确估计雷达信号的瞬时频率,文中提出了一种基于新Morlet小波原子提取信号小波脊线的方法。通过分析小波脊线原理,使用新Morlet小波原子提取雷达辐射源信号的小波脊线特征。同时,针对不同调制类型的雷达信号,根据小波分解时—频约束关系,分析了正确提取信号脊线特征的条件。仿真实验表明,与普通Morlet小波原子相比,基于改进的Morlet小波提取信号脊线特征具有较强的检测概率和抗噪性能,其方法的有效性为实验结果所证实。     

固定翼飞机和直升机的分类方法研究

雷达自动目标识别是当前雷达信号处理领域的研究重点 ,而目标识别的第一步往往是将目标进行分类 ,然后再进行进一步的识别。文中研究了基于低分辨率雷达的固定翼飞机和直升机的分类问题。在分析两类飞机时域、频域特性的基础上给出了两种特征提取方法 ,利用支持矢量机进行了识别实验 ,结果表明所提出的方法是可行的。     

基于最小距离的音频分类方法的研究

基于内容的音频分类是一个有趣并有重要意义的问题。音频分类技术包括音频特征抽取和分类器两个基本部分。如今,基于内容的音频自动分类技术已经有了很大的发展。然而,现有的基于内容的音频自动分类方法在分类的准确性、有效性和算法复杂度等诸多方面存在一定的不足,探索性能更佳的方法就成为了该领域的研究热点。提取了基于内容的音频分类所使用的音频特征,得到了基于帧的音频特征和基于片段的音频特征两个层次的特征,并提出了一种基于MFCC的简化的特征;选取了最小距离分类器中的最近邻分类器和K近邻分类器,对这几种典型的音频分类器进行研究,进行仿真实验,分析了实验结果;最后设计并仿真了经过改进的最小距离音频分类器,它的性能相对于原有的最近邻和K近邻分类器有一定的提高,并具有很低的系统复杂度和很短的分类时间。     

发射波形任意合成结构下机载MIMO雷达STAP性能分析

输出信杂噪比(SCNRout)是决定机载多输入多输出(MIMO)雷达空时自适应信号处理(STAP)性能的一个重要指标,但是现有的STAP算法均无法准确地给出其理论解析式。针对上述问题,文中研究了发射波形任意合成结构下的机载MIMO雷达衡量STAP性能的SCNRout的精确理论解析式。首先,通过发射波形互相关矩阵和MIMO STAP性能之间的联系,推导得出了SCNRout的理论解析式;然后,基于对该理论解析式的分析,从发射波形任意合成结构这个角度阐述了理想MIMO雷达、MIMO相控阵雷达和相控阵雷达的STAP性能特征。仿真实验表明:推导得出的理论解析式与仿真结果精确一致,并论证分析了机载MIMO雷达STAP处理性能的优越性。所推导的理论解析式对发射波形的优化设计具有重要的参考意义。     

基于多重优先级估计的相控阵雷达调度方法

文中对机械旋转相控阵雷达的基本性能进行了仿真分析。在给出调度算法优化原则的基础上,重点分析了理想状态的不足,提出了一种基于多重优先级估计思想的任务调度方法。仿真实验结果表明,文中所提出的设计原则和方法,均使得机械旋转相控阵雷达的任务调度获得了较大的性能增益,并可以具备工程实施条件。     

基于Att-BiLSTM的雷达信号调制方式识别

识别雷达信号的调制方式有助于分析雷达的工作模式和目的,为及时采取恰当的应对措施提供依据。长短时记忆网络(Long Short-Term Memory, LSTM)深度学习模型在基于特征的调制方式识别领域中有着广泛应用,但LSTM模型的时间性能会随着输入数据规模的增大而下降。针对以上问题,文中提出了一种基于注意力机制的双向长短时记忆网络（Bidirectional Long Short-Term Memory, BiLSTM）的雷达信号调制方式识别算法。该算法通过BiLSTM提取信号原始数据的特征,再使用注意力机制为学习到的特征分配相应权重,最后由分类器根据学习到的特征输出分类结果。使用Python框架构建基于注意力机制的BiLSTM网络模型,以雷达辐射源信号特征仿真数据作为网络的输入和训练基础,实现对辐射源的调制方式的识别。结果表明,该模型在识别雷达信号的调制方式方面具有良好的效果。     

基于主分量分析的一维距离像雷达目标识别

一维距离像是自动目标识别的一种重要特征,它对目标姿态变化很敏感,只有通过进一步处理提取稳定特征才能够有效用于识别。针对距离像的这种姿态敏感性,首先分析了主分量分析(PCA)的降噪原理与核主分量分析(KPCA)的特征提取能力,然后提出先用PCA滤波对一维距离像降噪再用KPCA提取较大姿态角范围内稳定特征的雷达目标一维距离像识别框架,并用四类目标的实测数据进行分类实验,表明该算法确实能够提高识别性能。     

基于峭度的盲抽取技术用于雷达信号分选

在高密集、高交错的复杂雷达信号环境下,进行实时雷达信号分选处理技术是新一代雷达截获接收机信号处理的关键技术,也是电子战领域一个亟待解决的问题。文章对基于峭度的盲信号抽取（BsE,Blind Signal Extraction）术进行了分析研究,并将其应用于雷达信号分选中,通过仿真实验证明：在日趋密集、复杂的电磁信号环境中,盲抽取技术能较好地解决传统雷达信号分选方法所存在的不足和局限性。     

一种基于多变量联合的双星编队雷达GMTI方法

在应用编队卫星雷达沿航迹排列进行地面运动目标检测时,由于动目标的存在,各小卫星接收回波所构成的样本协方差矩阵携带了杂波及运动目标信息,可通过对样本协方差矩阵的分析来提取运动目标的相关信息。基于这种思想,文中对双星编队雷达的回波样本协方差矩阵进行了特征分解,提出了一种由特征分解所获特征矢量和特征值等变量组合而成的运动目标检测新算子,相比协方差矩阵特征分解后所获变量直接定义的检测算子,新算子对杂波和噪声的鲁棒性更强。对各类检测算子检测性能的计算机仿真实验验证了文中所提新检测算子的优越性。     

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。     

智能化认知雷达中的关键技术

智能化认知雷达是能够解决复杂背景下的目标探测问题的新概念雷达系统,它可以通过知识辅助智能自适应处理大幅度提升雷达性能.文中在分析了常规雷达面临的问题和性能瓶颈的基础上,介绍了智能化认知雷达的概念和基本架构,讨论了智能化认知雷达中的关键技术,以及这些关键技术对提升雷达性能所起到的作用,最后,提出了一种综合法认知处理算法.通过仿真分析和实测数据对比,经过综合法认知处理后,能使杂波剩余大幅减少,信干噪比显著提升.     

扫描模式海杂波中目标的多重分形检测

主要研究雷达扫描模式下海杂波的局部多重分形特征以及多重分形理论在雷达目标检测中的应用。目前绝大多数研究都是建立在雷达工作在驻留模式基础上的,而当雷达工作在扫描模式时,由于采样点数不足,一般难以运用分形理论来解决目标检测问题。将多重分形理论应用到雷达周期扫描所得回波序列中,解决采样点不足的问题,并运用模糊集理论中模糊决策的方法进行目标检测。最后,采用X波段与S波段海杂波实测数据进行验证并分析其目标检测的性能,实验结果表明文中所提检测方法对海杂波和目标具有良好的分类能力。     

基于LDA主题模型的情感分析研究

LDA主题模型在提取特征时缺乏对词语关联及相关词对的理解,这会影响情感极性分类的准确率。针对这一问题,文中提出一种在LDA主题模型中引入特征情感词对抽取方法的新模型,以改善特征情感词对的抽取效果。利用依存句法分析设计特征情感词对的识别方法,随后将识别方法作为约束条件引入LDA模型对特征情感词对进行抽取。通过吉布斯采样进行参数计算,给出了模型的生成过程。最后利用随机森林分类方法对文本进行情感极性分类。为验证文中模型的有效性,将其和另外两种模型一起进行实验,当主题个数为20时,文中所提模型分类的准确率、召回率、F值分别为81.54%、83.13%和82.33%,显著高于另外两种模型。     

多核融合框架下的雷达辐射源个体识别

该文利用机器学习中多核学习(Multiple Kernel Learning,MKL)算法的多源信息融合功能,提出一种基于核层面信息融合的雷达辐射源个体识别框架。对雷达辐射源信号所提取的不同特征表示,分别构建相应的核函数或核矩阵,然后通过一定的准则计算它们的组合系数,并同时或独立获得支持向量机的分类超平面,最终实现对辐射源信号的分类。特别地,该方法能够实现辐射源信号模糊函数多个"近零"切片特征的有效融合,得到比代表性切片更优的识别性能。在3组实测雷达辐射源数据上的实验表明了所提方法的有效性。     

一种基于飞机目标CFD图的目标特征提取算法研究

随着雷达目标微多普勒现象的发现,目标的微动特性在雷达自动目标识别中逐渐受到了广泛的关注。微动目标回波中包含了精细的目标微多普勒特征信息,因此,可以从其中推断出目标特有的独立特征。而基于目标微动回波时频图的特征更是因为其信息量充足的特点,成为了一种新兴有效的目标分类特征。文中主要研究了飞机目标的韵律频率图(Cadence Frequency Diagram,CFD)特征分类算法,详细叙述了算法的具体步骤。仿真分析了CFD特征在飞机目标分类中的特点和优势,并且研究了相关参数对CFD特征的影响。     

基于信号特征谱的地面运动目标分类

研究低分辨、短驻留时间下地面运动车辆目标分类问题。根据微多普勒效应,使用多散射中心模型描述轮式和履带式车辆的微动部件雷达回波。指出目标回波中的谐波数是区分轮式和履带式车辆的一个稳定特征,由此提出一种基于目标回波信号特征谱的特征提取方法。该方法能够描述目标回波中的谐波信息,同时对于平动速度变化所带来的影响具有稳健性。使用仿真数据的实验结果验证了该方法的有效性,使用实测数据的实验结果表明:该方法在分类性能上优于基于主分量分析的分类方法。     

基于跨语言信息投影的泰语新闻事件抽取

事件抽取是信息抽取研究领域中的一个关键问题。针对采用传统的自我训练方法进行泰语新闻事件抽取,具有错误从上向下传播导致事件抽取系统性能不高的问题,针对这一问题,文中提出一种新的引导框架来进行泰语新闻事件抽取,即跨语言信息投影。该方法将从中文事件抽取系统中获取的信息映射为泰语,并采用结合单语与跨语言半协同训练的方法进行泰语新闻事件抽取。最后通过实验验证了本文所提方法是可行的,并且显著地提高了泰语新闻事件抽取的性能。     

一种MPSK信号调制方式识别方法研究

信号调制方式识别技术是盲信号处理的关键技术之一,文中在研究MPSK信号的常用分类识别方法的基础上,针对其识别特征易受到噪声以及载波频率估计误差影响的不足,提出一种改进的分类识别方法并对其分类识别性能进行了实验仿真,通过仿真结果的分析可知该方法能够获得较高的正确识别率,具有一定的实际应用价值。