多通道FCM信号分选算法研究

随着各种新体制雷达的出现,使得电磁环境复杂多变,这对雷达信号分选处理提出了新的要求。目前普遍采用的基于直方图统计信号分选方法已无法满足当前雷达信号分选的要求。文中将对模糊C均值算法进行研究,并对其在多通道背景下进行了理论分析,对雷达信号分选进行了一种新的探索,通过仿真实验证明了该算法的可行性,为雷达信号分选提供了新的思路。     

多通道Fuzzy ART信号分选算法研究

随着各种新体制雷达的出现,致使电磁环境变得复杂多变,这对雷达信号的处理提出了新的要求。目前普遍采用的基于直方图统计信号分选方法已不能满足当前雷达信号分选的要求。文中将人模糊自适应理论引入到雷达信号分选中,并对其在多通背景下进行了理论分析。针对雷达信号分选进行了一种新的探索,仿真实验证明了该算法的可行性,为雷达信号分选提供了新的思路。     

现代雷达信号分选技术综述

概述了雷达信号预分选、信号分选和综合分析处理技术．阐述了扩展关联法．差直方图法（SDIF和CDIF）、PRI变换法的工作原理及其性能．提出了一种辅助分选方法——TOA折叠分选法：实验表明．在密集的雷达信号环境下．差直方图法是一种可行的实时分选方法．其性能优于扩展关联法．且比PRI变换法速度快;TOA折叠分选法能够适应复杂的现代新体制雷达信号环境．例如大量丢失脉;中和干扰脉冲的情况以及PRI特殊变化的信号的情况．对实时分选方法是一种很好的补充：     

基于聚类和PRI分选法结合的雷达信号分选方法

传统的信号分选算法在高密度信号环境下不能实时工作,且处于边界的脉冲信号不能很好地归类或与多种类别相吻合而可能造成模糊或错判。将广度优先搜索邻居(Broad First Search Neighbors,BFSN)的聚类算法和脉冲重复周期(Pulse Repetition Interval,PRI)分选法结合用于雷达信号分选的联合处理法,使雷达信号分选更加准确。仿真实验证明联合处理法是有效和实用的。     

一种雷达信号综合分选方法研究

为了能够从同时存在常规PRI信号和复杂PRI信号并带有脉冲信号干扰或丢失的环境中正确分选出雷达信号,本文提出了一种序列差值直方图法(SDIF)与修正PRI变换法相结合的雷达信号分选方法,经过matlab仿真验证,该方法有着很好的分选效果。     

基于联合检测方法的雷达信号分选跟踪机设计

雷达信号分选是雷达对抗中一个重要的组成部分,只有从随即交迭的信号流中分选出各个雷达脉冲序列之后才能进行信号参数的测量、分析、识别。目前基于PRI参数提出很多分选方法,针对各种方法的优缺点,研究了一种基于SDIF算法和序列相关法联合检测的被动雷达信息处理系统信号分选跟踪机,经仿真证明,基于SDIF与序列相关法的联合检测增加了检测概率,具有较好的鲁棒性,可以较好地对空间多部不同雷达信号进行准确分选,正确给出跟踪波门。该信号分选跟踪机已在工程中应用。     

雷达信号的聚类分选方法

雷达信号分选，就是从交错的j密集复杂的脉冲信号流中提取出属于同一雷达辐射源的脉冲序列。现代雷达具有多种工作状态，其各项特征参数都是可变的，甚至是随机变化的。目前普遍采用的基于直方图统计的信号分选方法越来越不适应现代雷达信号环境。文章提出一种基于多参数聚类分析的雷达脉7中信号分选方法，提供了一种解决密集复杂脉冲信号分选问题的新途径。仿真试验表明，该方法能够从多部相控阵雷达信号交错的脉冲序列中，准确地分选出属于每个辐射源的脉冲序列。     

基于核模糊聚类的雷达信号分选算法

在现代战争中,随着新体制雷达的不断涌现,电磁环境变得越来越复杂,这就对雷达信号分选提出了新的挑战。对核模糊聚类进行了研究分析,并将其应用到雷达信号分选当中。仿真实验证明能够取得很好的雷达信号分选效果,为雷达信号分选提供了新的思路。     

一种可视化的雷达脉冲序列综合分选方法

分析比较了序列差值直方图法(SDIF)、PRI变换法和TTP(TOA to PRI)变换法三种雷达信号分选方法的优缺点,在此基础上提出了一种可视化的雷达脉冲序列综合分选方法,并仿真实现了该方法。仿真结果表明该综合分选方法简单实用,能适应多种类型的重频信号,在信号PRI较分散的时候有很好的分选效果。     

雷达信号综合分选方法研究

本文介绍了一种基于自组织概率神经网络的信号分选方法，主要讨论了这种神经网络在雷达信号分选中的应用，提出了针对特殊雷达信号的综合分选方法，通过大量仿真实验验证了这种方法的可行性。     

一种基于近类点和模糊点的未知雷达信号分选算法

针对基于密度聚类（DBSCAN）算法不能发现雷达信号密度分布不均匀的缺陷,提出了一种基于近类点和模糊点的聚类方法。该方法利用同一部雷达数据的分布特性进行聚类,通过确定近类点和模糊点以达到分选不同密度分布的雷达信号,适用于未知雷达信号的分选。算法测试表明,该方法对噪声不敏感,能够发现任意形状、大小和密度的聚类。     

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。     

基于集对分析的雷达信号分选算法

随着新体制、新技术雷达的不断出现,雷达侦察接收机接收到的雷达信号更加密集和复杂,传统的分选方法已不能对其进行有效分选.将雷达脉冲信号与已知雷达的脉冲信号特征两两视为集对,应用集对分析算法,通过计算脉冲信号之间的关联度,实现信号分选.仿真结果表明,该算法不仅简单,易于编程,而且与传统分选算法相比,能实时、高效地实现密集和复杂信号环境下的信号分选任务.     

基于模糊聚类的常规通信信号自动分选方法

为解决从干扰环境中自动分选出常规通信信号的问题,提出了一种基于模糊聚类的常规通信信号分选方法.该方法首先利用区分度函数确定最优的相关度阈值参数,然后利用模糊聚类算法对利用频域检测和测向得到的测量集进行信号分选,并对分选后的通信信号进行特征参数估计.实验结果表明,该算法能够在不做任何假定的条件下对常规通信信号进行正确分选,并对窄带信号的特征参数进行准确估计.     

一种基于双平台信号协同分选处理的设计方法

电磁信号环境日趋复杂,传统单平台信号分选对脉冲数极少的慢扫雷达以及相控阵雷达分选较为困难。提出了一种基于双平台的协同分选信号处理方法,有效地弥补了传统信号分选上的不足,并针对脉冲数极少的慢扫雷达以及相控阵雷达信号提出了相应的分选、融合、跟踪方法。     

改进SVC算法在雷达信号分选中的应用

为提高支持向量聚类（SVC）对分布复杂、不均匀雷达辐射源信号样本分选的正确率,提出一种改进的支持向量聚类分选方法,先采用支持向量聚类对所有未知样本作预分类,提供初始的聚类中心,然后利用K-Means聚类分选算法最终分选。结果表明,此方法能够很好地对复杂雷达信号进行分选,分选正确率较高。     

基于FastICA的雷达信号分选研究

现代战争中新体制雷达的大量涌现,电磁环境变得越来越复杂,对雷达信号分选提出了新的挑战。目前的雷达信号分选领域,多采用基于参数容差的传统分选方法,这些方法受参数误差的影响大,对PDW参数相似的雷达无法分选,已经无法适应复杂电磁环境。在对FastICA算法原理分析的基础上,重点研究了将它应用于PDW参数相近的雷达信号和参差脉冲列的分选,并进行了仿真。仿真结果表明,FastICA是建立在源信号统计独立基础上的处理,对信号相关性敏感,受参数误差的影响小,可以有效解决上述问题,为雷达信号分选提供了一种新的思路。     

基于C均值聚类算法的雷达信号分选方法

随着现代雷达技术的发展,雷达告警设备所面临的电磁环境日益复杂,雷达告警系统对雷达分选的要求必须快速、准确.改进的C-均值聚类算法可有效地对雷达信号的脉宽、到达方向、频率参数进行联合分选.文中采用了这种改进的C-均值聚类算法,该方法易实现.仿真实验证明其能够较好地达到分选效果.     

一种适用于复杂电磁环境下的跳频信号快速检测方法

针对复杂电磁环境下跳频信号检测的实际需求,根据跳频信号的特征,充分利用已有的信号时频分析技术和宽带测向技术,提出一种快速跳频信号检测方法。先利用一种新的自适应门限去噪方法。对海量复杂数据进行预处理,较好地消除了噪声的影响;然后利用改进的数据流聚类算法,对信号进行“来波方位一幅度”聚类,实现了不同跳频信号的分选。实验结果表明,该方法能够有效地检测出跳频信号。具有很强的实效性。     

一种多模雷达信号分选方法的研究

面对日益复杂的雷达,提高发现概率并降低虚警概率已成为雷达信号分选的关键技术。提出一种基于BFSN聚类分选结合数据融合的新的多模雷达信号分选方法。仿真结果表明,该方法能够克服传统方法在分选多模雷达信号时造成的增批等问题,并能做到实时、准确分选。最后给出一种计算可信度的方法。