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。     

一种基于脉冲样本图和模糊理论的雷达辐射源识别

在现代信号密集环境中,传统的雷达信号特征描述方式很难对复杂体制雷达辐射源进行描述和识别.因此提出了一种基于脉冲样本图和模糊理论的雷达辐射源识别算法,运用格贴近度的模糊识别算法进行雷达辐射源识别.该方法省略了特征提取过程,简化了处理环节,仿真结果表明,这种方法具有很高的识别准确率.     

基于脉冲样本图的雷达辐射源识别新技术

现代雷达信号体制越来越复杂,使得现有的雷达信号特征描述方式很难有效地对复杂体制辐射源进行描述分析。为解决复杂体制雷达辐射源的识别问题,文章提出了一种新的雷达信号描述方式——脉冲样本图,并设计了一种可以对其进行分类识别的BP(Back Propagation)网络。仿真实验表明该网络可以对脉冲样本图进行有效识别,为解决复杂体制雷达辐射源的识别提供了新思路。     

自动识别信号PRF调制的新方法

对信号脉冲重复频率(PRF)的调制样式进行自动识别是信息处理领域的关键技术之一.为解决PRF调制识别算法识别样式有限、准确率低等问题,以雷达信号为例,提出了一种新的识别算法.对接收到的信号序列分别提取比值特征、比重特征、频率特征和形状特征4个参数.基于径向基概率神经网络,实现对多种信号PRF调制样式的自动识别.仿真结果表明:在脉冲丢失率和脉冲虚警率均为10%的情况下,利用该方法可以得到最低为90%的识别准确率,能够满足当前的电磁环境,具有一定的工程参考价值.     

基于隐马尔科夫模型的RCS识别方法研究

雷达散射截面(RCS)时间序列由目标电磁散射特性和姿态运动特性共同决定,包含了雷达目标的材质、尺寸和结构等信息,是实现雷达目标识别的重要测量量.隐马尔科夫模型(HMM)是一种用参数表示的用于描述随机过程统计特性的概率模型,是一个无记忆的非平稳随机过程,具有很强的表征时变信号的能力,非常适合作为动态模式分类器,对具有不同变化特性的时变信号进行分类识别.文中利用HMM表征雷达目标RCS序列变化模式(规律),根据不同类别目标RCS序列变化模式的差异对雷达目标进行分类识别.实测数据验证结果表明,该算法具有较高的识别概率.     

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.     

一种新的雷达PRI调制特征提取方法

针对雷达脉冲重复间隔类型识别中存在的问题,提出了一种基于Sp向量曲线的特征提取算法.根据4种典型模式的雷达信号脉冲序列的特点,该算法应用Haar变换从雷达脉冲信号中提取频率特征,构成二维特征向量,实现雷达信号PRI调制类型的自动识别.仿真结果表明,对特征向量进行大幅度降维后,不仅简化了分类器,而且用于PRI识别仍是可行和有效的.     

基于分数阶傅里叶变换的距离维超分辨方法

宽带雷达目标一维距离像是实现目标识别的重要依据,提高距离维的分辨率对提高目标识别概率非常重要。针对超宽带雷达运动目标回波,采用分数阶傅里叶变换算法(FrFT)搜索并补偿带宽内的多普勒差异,同时将距离维时延信息转换为频域信息,采用多重信号分类(MUSIC)超分辨算法,针对FrFT处理后的数据进行超分辨。该方法实现了距离维信息的超分辨,其性能较传统的脉冲压缩技术或"去斜"技术有显著提高,可以应用到目标识别与分类中,提高正确识别概率。采用计算机仿真验证了所给出算法的有效性。     

基于极值序列特征集的雷达PRI调制模式识别算法

识别雷达信号的脉冲重复间隔(PRI)调制模式是分析雷达工作状态和工作任务的重要手段。针对复杂体制雷达的PRI调制模式可实时切换并改变调制参数因而难于识别的问题,提出一种基于极值序列特征集的雷达PRI调制模式识别算法。该算法首先提取PRI序列的极值特征,构建极值序列特征集;然后,基于PRI序列及其特征集建立恒参、类正弦、正弦和抖动判定准则,实现雷达PRI调制模式的分层识别。仿真分析表明:该算法对复杂体制雷达PRI调制模式的识别正确率达95.3％ ,同时具有较高的实时性,在电子对抗应用领域具有良好的前景。     

一种有效的雷达信号快速识别方法

针对多种调制类型的雷达信号快速侦察识别成功率较低的问题,提出了基于瞬时频率特征提取的雷达信号快速识别新算法.首先,由短时傅里叶变换(STFT)得到信号每一部分的瞬时频率特征;其次,对得到的瞬时频率进行两次归一化分别得到各自特征值;最后,用层次决策方法对雷达信号进行分类识别.仿真实验结果证明该方法能有效识别各种雷达信号,在信噪比高于-3 dB时,各种脉内调制的识别成功率都达到90%以上.     

Multi-Parameter Signal Sorting Algorithm Based on Dynamic Distance Clustering

A multi-parameter signal sorting algorithm for interleaved radar pulses in dense emitter environment is presented. The algorithm includes two parts, pulse classification and pulse repetition interval （PRI） analysis. Firstly, we propose the dynamic distance clustering （DDC） for classification. In the clustering algorithm, the multi-dimension features of radar pulse are used for reliable classification. The similarity threshold estimation method in DDC is derived, which contributes to the efficiency of the algorithm. However, DDC has large computation with many signal pulses. Then, in order to sort radar signals in real time, the improved DDC （IDDC） algorithm is proposed. Finally, PRI analysis is adopted to complete the process of sorting. The simulation experiments and hardware implementations show both algorithms are effective.     

Multi-Parameter Signal Sorting Algorithm Based on Dynamic Distance Clustering

A multi-parameter signal sorting algorithm for interleaved radar pulses in dense emitter environment is presented. The algorithm includes two parts, pulse classification and pulse repetition interval (PRI) analysis. Firstly, we propose the dynamic distance clustering (DDC) for classification. In the clustering algorithm, the multi-dimension features of radar pulse are used for reliable classification. The similarity threshold estimation method in DDC is derived, which contributes to the efficiency of the algorithm. However, DDC has large computation with many signal pulses. Then, in order to sort radar signals in real time, the improved DDC (IDDC) algorithm is proposed. Finally, PRI analysis is adopted to complete the process of sorting. The simulation experiments and hardware implementations show both algorithms are effective.     

基于周期样本图重构的雷达PRI调制类型识别算法研究

为提升对雷达脉冲重复间隔(pulse repetition interval, PRI)的分析性能,提出了一种基于周期样本图重构的雷达PRI调制类型识别算法。首先,建立了雷达PRI调制模型,分析了不同调制类型的信号特点;其次,利用到达时间(time of arrival, TOA)多阶差分序列估计了雷达PRI调制周期,并基于直方图算法重构了PRI周期样本图;然后,以PRI周期样本图为基础,提出了5个PRI调制特征实现PRI调制类型识别;该方法不仅能够提升PRI调制类型的识别准确率,而且对干扰脉冲特别是脉冲丢失具有很强的稳健性;最后,仿真实验表明了所提方法的有效性。     

新体制雷达信号PRI样本子图周期搜索提取方法

针对侦察接收机截获的交错脉冲序列中雷达信号的提取问题,在脉冲重复周期（PRI）样本子图描述技术的基础上,提出一种基于PRI样本子图周期搜索的脉冲提取算法。算法改传统PRI搜索法中的相邻脉冲间隔搜索思想为PRI样本子图周期搜索思想,通过构造由脉冲到达时间和准PRI样本子图周期构成的二维提取函数,将搜索过程中符合某一假定PRI样本子图周期的匹配脉冲数存储于二维提取函数中,然后根据二维提取函数的最大值确定PRI样本子图周期,提取对应的脉冲,实现复杂PRI类型的雷达信号提取。仿真结果验证了该方法的有效性。      

一种雷达脉冲的去交错和识别新算法

通过对脉冲到达角、脉冲重复间隔等去交错算法的研究,基于雷达威胁库,提出了一种既针对参差序列的快速识别和去交错算法又针对抖动脉冲序列的变差分直方图的快速识别算法。该算法简单,容易在DSP和FPGA上实现,可应用于高密雷达环境。     

基于PRI的雷达脉冲序列分选方法

高密度复杂信号环境下的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，也是雷达截获领域一个亟待解决的问题。文中讨论基于脉冲重复间隔(PRI)的脉冲分选算法，深入分析了基于直方图统计算法和PRI变换算法的优缺点，并对算法进行计算机仿真。最后针对这两种算法的优缺点提出一种综合的分选算法。     

脉冲重复间隔估计与去交织的方正弦波插值算法

在高密度复杂信号环境中,根据脉冲到达时间提取脉冲重复间隔并去交织是一个常用方法。但由于存在严重的倍周期干扰和脉冲重叠现象,传统的脉冲重复间隔估计算法在高密度复杂信号环境中性能急剧下降。为了克服上述缺点,该文提出了一种的新算法方正弦波插值算法(SSWIA)。其核心是把不等间隔的到达时间序列变换成连续信号;然后利用快速傅里叶算法提取重复周期并用滤波技术和过零检测形成检测波门提取周期序列。该算法能够适应固定重频、参差重频、抖动重频和滑变重频交织的高密度复杂信号环境。仿真结果表明:该算法提取重复频率精度高,速度快并且抗丢失和虚警脉冲的能力强;其综合性能优于现有其它方法,具有很好的工程应用价值。     

一种基于PRI谱特征的复杂雷达信号分选方法

通过分析雷达截获机所处的复杂雷达信号环境,提出了一种基于PR I谱特征的复杂雷达信号分选方法。该方法利用PR I变换获取雷达信号PR I谱,并根据各种复杂雷达信号PR I谱特征实现复杂雷达信号的分选工作。仿真结果表明,该方法能够较好地实现复杂信号环境下雷达信号的分选工作。     

一种复杂电磁环境下雷达信号综合分选方法

随着雷达技术的发展,电子对抗面临的电磁环境越来越复杂。如何在复杂信号环境下进行信号的正确分选和识别是雷达侦察机的一个重要的任务。本文研究了一种结合序列差直方图分选算法算法和改进的PRI变换的综合分选方法。计算机仿真验证了算法的有效性。     

一种基于顺序差值直方图算法的改进雷达信号分选方法

雷达信号分选是现代雷达侦察系统中的重要组成部分。顺序差值(SDIF)直方图算法是一种典型的雷达信号分选算法。该算法基于减法运算,能够对脉冲到达时间实现快速处理,实时性好,然而该算法对抖动信号分选效果不理想。为解决该问题,通过把修正脉冲重复间隔(PRI)变换中交迭PRI箱的思想引入到顺序差值直方图算法中,提出一种改进SDIF算法,研究了该方法对信号在不同抖动上限情况下的分选结果,并与SDIF分选结果相比较。结果表明该方法显著提高了顺序差值直方图对抖动信号的分选能力。