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。     

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。     

基于时频图像和高次频谱特征的雷达信号识别

针对低信噪比下雷达信号识别准确率较低的问题,提出了一种基于时频图像和高次频谱特征联合的雷达信号识别算法。该算法首先对信号采用Choi-Williams分布(Choi-Williams distribution,CWD)变换获取时频图像,接着对时频图预处理并用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取纹理特征;然后利用对称Holder系数提取信号的高次频谱特征;再将纹理特征和高次频谱特征构成一组联合特征向量,最后通过支持向量机(support vector machine,SVM)实现雷达信号的分类识别。通过对8种典型雷达信号进行实验,结果表明本算法在信噪比为-8 dB时,不同信号的识别准确率能达到90%以上。     

一种FSK/BPSK复合调制雷达脉冲信号识别技术

在电子对抗领域,信号调制方式识别是进行雷达分选、干扰施放的基础,得到广泛研究。对此,文中提出了一种以信号频谱相像系数和幅度统计参数为分类特征的FSK/BPSK复合调制雷达脉冲信号识别算法。算法首先提取雷达脉冲信号的频谱相像系数和幅度统计参数,然后采用分层结构的神经网络分类器进行识别。该算法不仅能识别FSK/BPSK复合调制信号,且对其他常用雷达信号调制方式的识别不产生干扰。仿真结果表明,针对FSK/BPSK以及CW、LFM、BPSK、QPSK、FSK等常用雷达信号调制类型,在信噪比＞5 dB时,分类正确率可达98%以上。     

基于FRFT的域-包络曲线的雷达信号特征提取及自动分类

提取和补充新的特征参数是解决复杂体制雷达辐射源信号分选和雷达目标识别难题的有效手段,为此该文提出一种基于FRFT的域-包络曲线特征向量的提取方法。该方法通过FRFT搜索得到旋转角域的包络曲线函数,提取出该曲线峰值所对应的值、峰值大小及包络曲线峰度这3个特征,构造新的特征向量,并以此作为经典参数的补充。同时,采用动态聚类法就所提取的特征向量分选空间雷达辐射源信号。大量的仿真结果表明,提取的新特征具有较好的类内聚敛和类间分离能力,还具有较好的抗噪声性能,证实了新特征向量作为信号分选参数的有效性和可行性。     

基于神经网络与时域校验的信号分选方法

针对现有雷达信号预分选方法对参数捷变雷达信号分选准确率不高的技术难题,提出了一种基于深度学习算法的全连接神经网络与时域校验的雷达信号预分选方法。该方法首先提取雷达数据库中已知雷达信号的载频、脉宽和脉内调制信息作为单脉冲分选特征,使用全连接神经网络完成单脉冲的识别。为了避免神经网络将未在雷达数据库中的信号(未知雷达信号)识别为已知雷达信号,在神经网络的输出层中加入置信度神经元生成置信指数,将置信指数低于阈值的判定为未知雷达信号进行剔除。最后根据分选结果调用雷达数据库中对应的时域信息(脉冲重复间隔),进行时域校验,完成雷达信号预分选。仿真结果表明,该方法在不同信噪比环境下对参数捷变雷达信号有较高的分选准确率,并且能有效剔除未知雷达信号。     

雷达辐射源信号聚类分选算法

基于脉内特征参数的聚类是实现雷达辐射源信号分选的一种重要途径.本文在小波域滤波算法的基础上提出一种新的雷达辐射源信号脉内特征提取和聚类分选方法,将小波变换后的低频逼近小波系数的能量分布熵与经过尺度相关去噪计算后反映信号边缘的高频细节小波系数能量分布熵作为分选的脉内特征向量,并引入灰关联测度来衡量脉内特征样本之间的相似程...     

一种新的线性调频信号脉内特征提取方法

雷达信号脉内特征的提取是雷达对抗系统分选、识别截获信号的关键技术之一。本文提出一种提取线性调频信号脉内特征的新算法,对接收信号首先进行信噪比估计,在不同的信噪比下将小波变换法和平滑伪WVD分布法(SPWD)结合起来,以实现对线性调频信号脉内特征的准确提取。仿真结果表明算法有效可行。     

基于样本脉冲和脉内不变特征的相控阵雷达脉冲提取法北大核心CSCD

针对相控阵雷达发射的脉冲信号基本脉冲参数变化复杂和脉间参数进行分选难度较大的问题,首先,文中提出一种样本脉冲的描述方法,能够对雷达脉冲信号的脉内调制域变化规律进行描述;然后,结合相控阵雷达的脉内变化特点,提出脉内不变特征的概念,对相控阵雷达的脉内调制特征进行表征;最后,基于样本脉冲的描述方法,将脉内不变特征信息与样本脉冲相结合,实现相控阵雷达信号脉冲序列的提取,并通过计算机仿真实验验证了算法的有效性和合理性。     

基于三维特征的雷达信号脉内调制识别

针对低信噪比条件下雷达信号识别算法对噪声敏感的问题,提出了一种基于三维特征的雷达信号脉内调制识别算法。该方法通过提取信号的差分近似熵、调和平均分形盒维数和信息维数特征组成三维特征向量,使用遗传算法优化的BP神经网络分类器实现雷达信号的分类识别。仿真结果表明,所提取的三维特征在信噪比为-4~10 dB变化范围内具有较好的类内聚集度和类间分离度,可以实现对不同雷达信号进行识别,证实了该方法的有效性。     

Novel ECG Signal Classification Based on KICA Nonlinear Feature Extraction

Electrocardiogram (ECG) signal feature extraction is important in diagnosing cardiovascular diseases. This paper presents a new method for nonlinear feature extraction of ECG signals by combining principal component analysis (PCA) and kernel independent component analysis (KICA). The proposed method first uses PCA to decrease the dimensions of the ECG signal training set and then employs KICA to calculate the feature space for extracting the nonlinear features. Support vector machine (SVM) is utilized to determine the nonlinear features of the ECG signal classification. Genetic algorithm is also used to optimize the SVM parameters. The proposed method is advantageous because it does not require a huge amount of sampling data, and this technique is better than traditional strategies to select optimal features in the multi-domain feature space. Computer simulations reveal that the proposed method yields more satisfactory classification results on the MIT–BIH arrhythmia database, reaching an overall accuracy of 97.78 %.     

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。     

基于MWC压缩采样宽带接收机的雷达信号脉内调制识别

针对传统宽带数字接收机在接收宽带雷达信号时产生的跨信道问题,以及低截获概率(LPI)雷达信号脉内调制盲识别问题,该文提出一种基于调制宽带转换器(MWC)离散压缩采样的新型宽带数字接收机结构对宽带雷达信号进行截获和识别。该结构采用伪随机序列将接收信号混频至基带和其他子带内,经低通滤波、降速采样获得基带压缩采样信号,解决了跨信道信号问题;又提出一种基于短时傅里叶变换(STFT)和频谱能量聚焦率检验的识别算法。首先检验STFT频谱带宽并进行调相和调频信号粗识别,然后检验压缩采样信号频谱能量聚焦率并进行具体的信号脉内调制识别。仿真结果证明了该新型接收机结构和该识别算法在低信噪比下的有效性。