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。     

基于快速支持向量聚类和相似熵的多参雷达信号分选方法

该文针对现有聚类算法在雷达信号分选应用中复杂度高,准确性低的问题,研究了一种基于锥面簇分配的支持向量聚类算法,该算法在数据空间进行簇分配,避免了特征空间中计算邻接矩阵带来的高复杂度问题。该文将此算法引入雷达信号分选中,并在此基础上对其进行改进,使改进后的算法能对异常值做进一步处理,以达到缩短消耗时间的同时提高正确率的目的。同时以信息熵的理论描述类内聚集度和类间分离度,应用相似熵指标验证分选效果的有效性。仿真结果表明,该方法在提高分选正确率的同时可以有效降低计算复杂度。     

基于改进K-均值算法的未知雷达信号分选

针对K-均值算法需要事先确定聚类的数目,无法适用于未知雷达信号分选的问题,通过引入脉冲间欧几里德距离和距离阈值TMS2812,完成聚类数目和聚类中心的自动选取,给出一个K-均值的改进算法,改进后的算法既收敛速度快,易于工程化实现,又可自动确定聚类数目和聚类中心。仿真实验表明,该改进算法提高了K-均值算法的适用范围,能够有效适应于未知雷达信号的分选。     

基于双谱二维特征相像系数的雷达信号分选

针对现有方法分选准确率不高和对噪声敏感的问题,应用双谱二维特征相像系数实现了低信噪比下未知复杂雷达信号的高准确率分选.对接收到的信号首先提取双谱幅度谱,并将其简化为二维特征,然后构造一矩形脉冲序列与一三角形脉冲序列,分别求二维特征与两个脉冲序列的相像系数,最后将求取的相像系数作为分选的特征参数.由于不同信号的双谱区别大且对高斯噪声不敏感,因此,转换后的相像系数可分性强、稳定度高,仿真验证了新方法的优越性,在信噪比为10 dB时,分选准确率最低为90%.     

基于模糊函数相像系数的雷达辐射源信号分选

针对当前的雷达辐射源信号分选方法存在准确率不高和对噪声敏感的问题,提出一种新的分选算法,对接收到的信号求取其模糊函数,并将其简化为二维特征图,构造一矩形脉冲序列与一三角形脉冲序列,分别求二维特征与两个脉冲序列的相像系数,将求取的相像系数作为分选的特征参数.由于不同信号的模糊函数区别较大且受噪声的影响小,所以转换后的相像系数可分性强、稳定度高,大量的仿真验证了新方法的优越性,在信噪比为10 dB时,分选准确率最低为90%.     

密度熵联合密度峰值聚类的雷达信号分选

在雷达信号分选中引入密度峰值聚类,可以快速发现聚类中心点,无需确定聚类数目。借鉴势熵概念提出密度熵,优化了聚类中核函数截断距离的选取算法。对如何自动判断聚类数目和聚类中心点问题进行了研究,设计了门限函数和判断规则,还对原算法的分配、合并准则进行了优化。仿真实验结果证明了该算法的有效性。     

基于改进的半监督AP聚类雷达信号分选

雷达信号分选是现代高技术战争和将来信息化战争中至关重要的环节,是电子战的重要组成部分。从时频分析的角度出发,不同调制方式的信号会在某些频带内具有不同的分解系数,这些差异性使得小波包提取的特征能够进行信号调制方式的识别。提取信号小波包能量熵的统计特征,利用改进的半监督近邻传播聚类算法对特征进行聚类分析。与直接半监督近邻传播聚类算法和传统近邻传播算法比较,改进的半监督近邻传播聚类算法性能更优,准确率更高,而且聚类数更加接近实际聚类数。     

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.     

基于CR—PRI的未知雷达辐射源信号分选新方法

对未知雷达辐射源信号进行准确分选是当前电子对抗领域迫需解决的一个难题。基于相像系数（CR）可以实现多种不同调制信号的分类,但对于相同调制样式不同调制参数的信号则无效。对此本文提出一种基于CR—PRI的新方法,首先利用CR实现不同调制样式信号的分类,对于具有相同调制样式不同调制参数的信号基于脉冲重复间隔（PRI）进一步细分,仿真结果验证新方法准确有效。     

基于PRI熵的雷达信号聚类方法研究

针对脉冲分选聚类中存在的问题,引入熵的概念,定义了 PRI(脉冲重复间隔)熵,给出了雷达脉冲序列之间合并的 PRI 熵判据.并在此基础上提出了新的雷达信号聚类方法.采用先分选后合并的思路,通过计算合并前后 PRI 熵是否减小来判断是否对序列合并.通过仿真验证该方法解决增批问题的有效性.     

Multiple-Parameter Radar Signal Sorting Using Support Vector Clustering and Similitude Entropy Index

The radar signal sorting method based on traditional support vector clustering (SVC) algorithm takes a high time complexity, and the traditional validity index cannot efficiently indicate the best sorting result. Aiming at solving the problem, we study a new sorting method based on cone cluster labeling (CCL) method. The CCL method relies on the theory of approximate coverings both in feature space and data space. Also a new cluster validity index, similitude entropy (SE), is proposed. It can be used to evaluate the compactness and separation of clusters with information entropy theory. Simulations including the performance comparison between the proposed method and the conventional methods are presented. Results show that while maintaining the sorting accuracy, the proposed method can reduce the computing complexity effectively in sorting the signals.     

基于SVC和信息熵的雷达信号分选系统

雷达信号分选,特别是复杂电磁环境下未知参数的雷达信号分选是电子情报侦察系统和电子支援系统中的重要组成部分。详述了目前信号分选所存在的问题,采用级联互耦的思想,提出了一种新的基于支持向量机和信息熵的雷达信号分选模型,并通过仿真对其进行了验证。     

基于新特征参数的雷达辐射源信号分选

雷达辐射源分选是电子战系统的关键技术之一。文章首先分析了基于脉冲重复间隔(PRI)的雷达辐射源分选算法的缺点,提出一种基于常规参数和相像系数(CW)相结合的新特征参数分选方法。通过计算机仿真验证了该方法,仿真结果表明新方法具有良好的分选效果。     

一种基于改进谱聚类的雷达信号分选算法

针对雷达信号分选中辐射源数目不确定、脉冲数据分布形式复杂、对噪声影响敏感等问题,提出了一种基于改进谱聚类联合数据场理论的聚类分选算法。该算法首先利用数据场理论对数据进行预处理,根据势值大小实现干扰点的去除,并利用势心的数目确定初始聚类数,然后再利用网格密度划分得到合理的地标点,最后再基于地标稀疏表示的谱聚类算法完成聚类分选。通过设置两组类型不同的脉冲信号数据进行仿真实验,分选正确率均达到95%以上,验证了该算法具有较高准确率和鲁棒性。     

基于支持向量聚类改进的雷达信号分选方法

在复杂的电磁信号环境下,针对使用支持向量聚类算法进行信号分选时,聚类结果易受核函数参数和惩罚因子的影响,及计算复杂度高和准确率低的问题,提出了一种将支持向量聚类与集对分析相结合的雷达信号分选方法。该方法使用集对分析先对支持向量进行聚类,再用所得的聚类结果对剩余数据进行聚类。仿真结果表明该方法在含有一定数量的噪声信号环境下,能获得较好的分选效果,不仅耗时短,而且还具有较高识别率。     

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。     

模糊优化度的频率编码雷达信号编码优化

分析了频率编码脉冲信号（FCP）雷达原理，推导了基于自相关函数的步进频率信号的模糊函数，针对常用的FcP信号一步进频率编码信号距离-多普勒旁瓣电平较高，存在“距离．速度”耦合，“距离．速度”联合分辨率低的缺点，提出了优化频率编码的模糊优化度准则，并基于该准则给出了两种编码优化规律不同的频率编码优化方法，仿真结果表明，在保持原有的距离、速度分辨率的情况下，两种方法都能有效地降低“距离．速度”二维耦合，提高“距离，速度”联合分辨率。     

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。