基于射频功放非线性建模的欺骗干扰识别

针对欺骗干扰信号在时域、频域、空域与真实信号重叠,导致识别欺骗干扰的难度较大,假定真实发射机与欺骗干扰机射频前端器件除功放模块外均工作于理想状态,提出了一种基于射频功放建模的欺骗干扰识别方法。首先,利用Hammerstein模型对射频功放进行非线性建模,以模型参数作为提取的特征向量;其次,基于统计检测理论识别欺骗干扰;最后通过实验验证了方法的有效性,并与基于信号双谱特征的识别方法进行性能对比。实验结果表明,基于射频功放建模的欺骗干扰识别方法能够有效地识别欺骗干扰,且优于基于信号双谱特征的识别方法。     

基于频谱相像系数的间歇采样转发干扰识别

正确的干扰识别是采取有效抗干扰措施的前提和基础,文中针对间歇采样转发干扰的识别问题,提出了一种基于频谱相像系数和支持向量机的干扰识别方法。通过对目标回波及干扰信号的模型及频谱进行分析,挖掘回波与干扰信号频域上的差异,提取频谱相像系数特征,并利用支持向量机进行分类识别。仿真结果表明:相像系数特征参数类间分离度好、不易受噪声及实验次数影响,将其作为干扰识别的特征参数,得到的识别准确率较高,可以为后续雷达系统采取针对性抗干扰措施提供重要的决策信息。     

基于脉内特征的雷达抗欺骗干扰方法

抗欺骗干扰是电子对抗环境中雷达面临的一个重要问题。针对应答式欺骗干扰问题提出了一种基于信号脉内特征的目标与干扰的识别方法。首先对目标回波信号与干扰信号进行建模,分析了两类信号的脉内幅度特征,然后将目标与干扰看作是空间不同的模式类,利用目标回波信号和干扰信号的脉内幅度起伏差异,定义出分类的特征因子,最后采用径向基(RBF)神经网络进行分类。仿真结果表明,该方法在一定的信干比范围内具有较高的目标识别概率且受信干比影响较小,能够较好地抗应答式欺骗干扰。     

DRFM间歇采样转发式干扰辨识算法研究

基于数字射频存储器（DRFM: Digital Radio Frequency Memroy）的间歇采样转发式干扰与雷达发射信号相参,可以获得部分脉压增益,同时具有压制与欺骗两种干扰效果,对现代雷达极具威胁。干扰辨识是进行有效干扰抑制的前提。本文提出一种滑动截断匹配滤波（STMF: Sliding-Truncation Matched Filter）方法,通过对匹配滤波器的参考窗宽度和延时进行二维搜索,输出脉压后的二维幅度分布;然后,基于该幅度分布对干扰切片宽度和转发周期进行估计;并通过分析切片宽度与转发周期之间的关系,实现典型转发式干扰的辨识。仿真结果显示该方法在干噪比（INR: Interference to Noise Ratio）大于5dB时,正确辨识率不低于90%。      

基于SVM的捷变频雷达密集转发干扰智能抑制方法

密集转发干扰与雷达发射信号高度相关,兼具压制式和欺骗式干扰效果,使雷达系统难以检测到真实目标,严重威胁雷达作战能力。针对这一问题,该文提出一种基于支持向量机(SVM)的捷变频雷达密集转发干扰智能抑制方法。通过对随机样本集进行离线训练获得最优SVM模型,智能化识别并分类目标和干扰;然后,采用平滑滤波进一步抑制目标所在距离单元内的干扰信号;最后,基于压缩感知(CS)理论进行二维高分辨重构,估计出目标参数信息。仿真实验与实测数据处理结果表明,所提算法在不同场景下均能够有效抑制密集转发干扰,准确检测出真实目标。      

基于深度森林的多级特征融合SAR目标识别

大多数传统的合成孔径雷达(SAR)目标识别方法仅仅使用了单一的幅度特征,但是由于斑点噪声的存在,仅仅使用幅度特征会限制识别的性能。为了进一步提高SAR目标识别的性能,该文提出了一个基于深度森林的多级特征融合SAR目标识别方法。首先,在特征提取阶段,提取了多级幅度特征和多级密集尺度不变特征变换(Dense-SIFT)特征。幅度特征反映了目标反射强度,Dense-SIFT特征描述了目标的结构特征。而多级特征可以从局部到全局表征目标。随后,为了更完整、充分地反映SAR目标信息,借鉴深度森林的思想对多级幅度特征和多级Dense-SIFT特征进行联合利用。一方面通过堆叠的方式不断将多级幅度特征和多级Dense-SIFT特征进行融合,另一方面通过逐层的特征变换挖掘深层信息。最后利用得到的深层融合特征对目标进行识别任务。该文在MSTAR数据集上进行对比实验,实验结果表明所提算法在性能方面取得了提升,且其性能对超参数设置具有一定的鲁棒性。     

基于深度森林的多级特征融合SAR目标识别

大多数传统的合成孔径雷达(SAR)目标识别方法仅仅使用了单一的幅度特征,但是由于斑点噪声的存在,仅仅使用幅度特征会限制识别的性能.为了进一步提高SAR目标识别的性能,该文提出了一个基于深度森林的多级特征融合SAR目标识别方法.首先,在特征提取阶段,提取了多级幅度特征和多级密集尺度不变特征变换(Dense-SIFT)特征.幅度特征反映了目标反射强度,Dense-SIFT特征描述了目标的结构特征.而多级特征可以从局部到全局表征目标.随后,为了更完整、充分地反映SAR目标信息,借鉴深度森林的思想对多级幅度特征和多级Dense-SIFT特征进行联合利用.一方面通过堆叠的方式不断将多级幅度特征和多级Dense-SIFT特征进行融合,另一方面通过逐层的特征变换挖掘深层信息.最后利用得到的深层融合特征对目标进行识别任务.该文在MSTAR数据集上进行对比实验,实验结果表明所提算法在性能方面取得了提升,且其性能对超参数设置具有一定的鲁棒性.     

基于雷达发射波形和非匹配滤波联合设计的间歇采样转发干扰抑制方法

间歇采样转发干扰(ISRJ)是基于欠采样原理的新型雷达相干干扰技术,能够形成密集假目标干扰。该文针对抗间歇采样转发干扰问题,提出一种雷达发射波形和非匹配滤波联合设计的抗干扰方法。首先,以发射信号脉冲压缩积分旁瓣能量和干扰信号非匹配滤波输出积分能量为目标函数,综合考虑发射信号的幅度约束,建立了间歇采样转发干扰抑制的数学优化模型。然后,通过问题分解推导了雷达发射波形和非匹配滤波器的解析表达式,基于迭代算法设计了发射波形和非匹配滤波器。最后,通过仿真实验的方式验证了发射波形和非匹配滤波器的性能、抗间歇采样转发干扰性能以及所提方法的间歇采样转发干扰抑制能力。     

基于变换域时频切片的转发干扰认知算法

雷达对数字射频存储转发干扰的认知(即检测与辨识)是对抗该种干扰的前提.针对使用线性调频信号的雷达,提出了基于分数阶傅里叶变换与U域短时傅里叶变换的切片差分特征提取算法,该算法利用转发式线性调频干扰在U域切片的相似性,有效地完成了密集转发式干扰的检测与识别.并采用计算机仿真验证了该算法性能的有效性.     

基于雷达发射波形和非匹配滤波联合设计的间歇采样转发干扰抑制方法

间歇采样转发干扰(ISRJ)是基于欠采样原理的新型雷达相干干扰技术,能够形成密集假目标干扰.该文针对抗间歇采样转发干扰问题,提出一种雷达发射波形和非匹配滤波联合设计的抗干扰方法.首先,以发射信号脉冲压缩积分旁瓣能量和干扰信号非匹配滤波输出积分能量为目标函数,综合考虑发射信号的幅度约束,建立了间歇采样转发干扰抑制的数学优化模型.然后,通过问题分解推导了雷达发射波形和非匹配滤波器的解析表达式,基于迭代算法设计了发射波形和非匹配滤波器.最后,通过仿真实验的方式验证了发射波形和非匹配滤波器的性能、抗间歇采样转发干扰性能以及所提方法的间歇采样转发干扰抑制能力.     

基于广义旁瓣相消的机载雷达抗密集转发式干扰方法

密集转发式干扰不仅会引起雷达虚警,而且会抬高其附近单元的恒虚警率检测门限进而导致目标检测性能下降。另外,它还会污染空时自适应处理的训练样本,导致杂波抑制性能下降。针对这些问题,该文提出一种机载雷达抗密集转发式干扰算法。该算法首先估计干扰方向,然后用广义旁瓣相消技术在空域滤除干扰。广义旁瓣相消中的辅助通道为指向干扰方向的和波束,而其协方差矩阵则利用清晰区中挑选的干扰样本估计得到。该算法可以有效抑制密集转发式干扰,减少由其引起的虚警,改善雷达目标检测性能,同时该算法还具有结构简单,易于实现的优点。实验结果验证了该算法的有效性。     

基于LSTM网络和特征融合的通信干扰识别

针对现有通信干扰信号识别方法识别效果不佳的问题,提出了一种基于长短时记忆网络(Long Short-Term Memory,LSTM)和特征融合的通信干扰识别方法.该方法利用LSTM网络提取干扰信号的特征,通过LSTM强大的序列特征提取能力提升干扰信号特征提取的性能;通过提取信号的时域和频域特征后进行特征融合,使用全连...     

基于短时分数阶傅里叶变换的间歇采样转发干扰辨识方法

基于数字射频存储的间歇采样转发干扰能够形成大量同时兼具压制和欺骗效果的假目标,难以被传统方法准确检测和识别。本文针对切片组合干扰和频谱弥散干扰这两种典型间歇采样转发干扰样式,提出一种基于短时分数阶傅里叶变换的干扰辨识方法。该方法首先通过角度遍历选取干扰信号的分数阶变换最优旋转角度;之后通过短时分数阶傅里叶变换,获得接收信号时频分布图像;再对时频图像进行二值化操作,提取干扰时频域特征参数,进而对干扰进行有效辨识。仿真结果证实了该方法的有效性与准确性。      

间歇采样灵巧噪声重复转发干扰研究

为研究如何对线性调频脉冲压缩雷达进行有效干扰,针对间歇采样重复转发干扰假目标分布相对均匀易被雷达识别、次假目标群衰减较大等问题,提出一种间歇采样灵巧噪声重复转发干扰。首先,从理论上分析了基于间歇采样的灵巧噪声重复转发干扰效果,然后进行了仿真实验。结合理论分析和仿真实验结果可知,间歇采样灵巧噪声转发干扰在具备原间歇采样重复转发干扰特性的基础上,使假目标幅度和分布随机,不易被雷达识别。同时,通过灵巧噪声卷积调制,干扰无需测频自动瞄准雷达信号,干扰能量利用率高,明显优于传统的射频噪声干扰;通过调节噪声时宽,可以有效选择进行欺骗干扰或压制干扰,干扰方式较为灵活。     

对SAR的脉间周期式移频调制干扰

间歇采样转发干扰形成的假目标排布较为规律易被识别。为克服这一缺点,针对合成孔径雷达(SAR)提出一种脉间周期式移频调制干扰算法。将间歇采样算法和多普勒移频干扰算法相结合,采用分段调制产生密集假目标。首先理论分析证明,干扰算法能够在超前于干扰机的指定位置产生具有压制效果的2维密集假目标,主假目标在方位向上偏离干扰机所在位置。然后分析了干扰效果及影响因素,建立了干扰参数获取模型并给出了假目标能量补偿系数。最后通过仿真实验初步验证了干扰方法的有效性。     

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。