一种基于IQ数据时域功率图的通信辐射源识别方法

通信辐射源个体识别在民用和军事中应用广泛,主要涉及特征参数提取和识别分类方法两方面问题.随着深度学习技术的发展,卷积神经网络(Convolutional Neural Network,CNN)在图片分类识别上已经具有强大能力.为了发挥CNN对图像的优越识别分类特性,提出了一种利用IQ数据得出时域功率图,并对时域功率图进...     

基于参数样本图的雷达辐射源识别

在现代信号环境中,基于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准确描述和识别。提出一种新的雷达参数样本图的描述方式,并研究了基于参数样本图的雷达辐射源识别算法,利用脉冲序列与雷达参数样本图进行匹配识别,给出了参数类型匹配及参数样本图匹配的方案。仿真结果表明,这种方法是有效的。     

基于数据增强的小样本辐射源个体识别方法

临近空间高动态飞行器在高速飞行过程中与大气强烈作用,形成十分复杂的高温等离子鞘套,改变了目标的散射回波特性,给目标探测带来不确定性,需要及时判别当前目标是否处于等离子鞘套状态。本文提出一种基于波形熵判别和变带宽确认的等离子鞘套自动判别方法,首先提取目标回波波形熵、包络长度等特征信息,利用模糊分类器进行基于波形熵的群目标判别,其次根据鞘套与目标和目标之间的距离与信号带宽的关系差异,通过检测不同带宽回波的包络长度变化,对鞘套和目标进行判别。仿真结果验证了本文所提方法的有效性。     

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。     

基于双谱的通信辐射源个体识别

对同类通信辐射源个体识别方法进行了深入的研究,采用选择双谱作为个体识别的基本特征向量,并融合了对分类具有显著贡献的辐射源特征参数,采用径向基神经网络分类器实现了对通信辐射源信号的个体分类识别。实验结果表明,该方法在较低信噪比条件下较好地解决了同类辐射源的个体识别问题,识别正确率优于90%。     

基于脉冲样本图的雷达辐射源识别方法

雷达辐射源识别是雷达对抗侦察信号处理的关键环节。由于现代雷达体制日益复杂,传统的辐射源识别方法面临着越来越严峻的问题。因此针对这种情况,提出了一种基于脉冲样本图雷达辐射源识别算法。这种算法无需对相互叠加的雷达辐射源信号进行完全分选,并且不需要进行传统识别方法中的特征提取过程,简化了处理环节。在脉冲流密度适中的情况下,该算法具有很好的判别准确率。仿真结果验证了该方法的可行性和实用性。     

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.     

基于谱特征与数据结合的辐射源个体识别技术

针对基于传统特征的个体识别算法难以满足实际需求,与仅靠数据驱动的神经网络识别方法所需数据量较大、针对性较差的问题,设计了一种基于谱特征与数据相结合的通信辐射源个体识别算法。文中方法结合先验知识对原始采样信号进行双谱和功率谱的谱特征提取,并将提取的特征与原始数据进行融合,得到更符合网络模式且具有信号意义的数据集。设计并行可分离卷积结构,得到针对辐射源个体识别的网络。通过实际采集信号对网络进行训练和测试以验证其有效性,实验得到采用文中方法的平均分类识别准确率为97%。     

辐射源个体特征识别技术及在短波电台识别上的应用

辐射源个体特征识别是频谱管理、通信对抗领域的一项重要技术,文章将通信辐射源个体特征识别作为一个模式识别问题处理,分析了常用于识别的瞬态信号特征和稳态信号特征的特点,以稳态信号的杂散输出特征为基础,设计了一种工程中可用的SVM分类器算法完成短波电台个体识别。     

雷达辐射源个体识别综述

雷达辐射源个体识别通过提取个体特征来辨识雷达个体,是电子对抗领域的热点研究方向。近年来随着深度学习的飞速发展及其在各领域的成功应用,基于深度学习的雷达辐射源个体识别成为焦点。虽然研究多年,成果丰富,但目前尚缺少关于该方向全面、细致的综述。基于此,该文从雷达辐射源个体特征机理分析、基于手工特征的识别方法、基于深度学习的识别方法以及数据集构建4个方面着手,对雷达辐射源个体识别开展系统的综述工作,并对当前现状和未来方向进行总结与展望,旨在推动雷达辐射源个体识别理论和方法研究的新发展。     

基于模糊函数的雷达辐射源个体识别

雷达辐射源个体识别是现代电子情报和电子支援系统的重要研究内容。本文在辐射源个体特征分析的基础上,提出了一种基于模糊函数的辐射源个体识别算法。针对模糊函数的冗余性,分别利用模糊函数切片和局部模糊函数切片表征雷达的细微差异与个体特征,并推导了局部模糊函数切片的快速算法。仿真实验验证了提出算法对于辐射源个体特征提取和识别的可行性和有效性。     

针对敌我识别系统的个体识别研究

对敌我识别系统的研究大部分集中在对其信号的检测和解调上,对辐射源个体识别技术也是近年来的研究热点,但很少有专门针对敌我识别系统的个体识别研究。本文通过分析敌我识别信号,发现其区别于普通雷达信号的主要两个特点：一是信号载频固定不变;二是信号以码字为单位出现,且脉冲时序格式固定。针对敌我识别信号的这两个特点,本文设计的个体识别方法重点包括：一、瞬时频率可作为有效的个体特征;二、可综合同一串码字里多个脉冲的个体识别结果,提高目标个体识别正确率。试验结果显示,相较于只用单脉冲的方法,本文算法的个体识别正确率更高。     

基于回归分析理论的辐射源个体识别技术

针对目前辐射源个体识别未能将信号特征与硬件组成相联系的问题,该文使用高阶谱分析和变分模态分解(VMD)两种特征提取手段,进行研究分析,采用围线双谱积分以及改进变分模态分解技术对半实物平台仿真信号以及软件仿真(ADS)输出信号进行特征提取并分析。通过软件仿真定量分析辐射源相位噪声以及功率放大电路非线性失真对信号无意调制特征的影响,对变量进行相关性分析,并对其中显著相关的变量进行回归拟合,得到其相关回归函数。然后利用硬件与特征的相关性,改进传统支持向量机(SVM)分类器,构建相关性权重支持向量机分类器。最后分别以软件仿真输出信号以及半实物仿真平台实测信号为样本进行验证,结果表明,同信噪比下权重支持向量机与传统支持向量机相比分类准确率提升在10%以上。     

基于矢量图的特定辐射源识别方法

发射机的指纹特征具有复杂性,现有的认识水平制约了特定辐射源识别(SEI)的性能。为此,该文提出一种基于矢量图的SEI方法,应用深度学习技术实现了多种复杂特征的联合提取。该文首先分析了多种发射机畸变在矢量图上的视觉表现;在此基础上,以矢量图灰度图像作为信号表示,构建深度残差网络提取图像中的视觉特征。该方法克服了现有认知的局限,兼具高信息完整性和低计算复杂度。实验结果表明,与现有算法相比,该方法能够显著改善SEI的性能,识别增益约为30%。

     

雷达辐射源个体识别设备的框架研究

从工程应用出发，运用雷达信号指纹特征分析技术，对雷达辐射源个体识别设备的设计与实现进行研究，提出一种可以实现雷达辐射源个体识别的设备框架模型。     

基于EMD时频重构特征的航管应答器个体识别

通过分析航管应答信号样式及特点,提出了基于经验模式分解（EMD）时频重构特征的航管应答器个体识别算法。首先通过EMD将多分量信号分解为有限个固有模式函数（IMF）分量,继而利用IMF来重构辐射源信号的时频分布,最终获得稳定的时频图分解特征。利用实测航管应答信号的验证实验表明,该方法可以有效提取航管应答信号的细微特征,最终的识别性能显著优于使用脉冲包络特征或者功率谱特征的识别算法。     

MCL-YOLO：一种细粒度特定辐射源识别方法

特定辐射源识别（Specific Emitter Identification, SEI）广泛应用于电子对抗、频谱管控、无线网络安全等军民领域。针对传统SEI方法依赖先验知识、普适性差、细粒度任务难以精细识别的问题,首先,利用接收机组建采集系统,采集Wi-Fi辐射源信号的数字频谱余晖图数据,建立国内首个特定辐射源识别数据集;其次,提出关注目标局部细微特征的Mutual Channel Loss-YOLO(MCL-YOLO)网络模型,充分挖掘数字频谱余晖图三维信息,高度聚焦子类间微小差异,实现细粒度特定辐射源识别;最后,在Wi-Fi辐射源个体数据集（WFED）上进行对比实验验证。实验结果表明,MCL-YOLO在WFED上精确率（Precision, P）、召回率（Recall, R）、F1测度（F1-Score, F1）和均值平均精度（mean Average Precision, mAP）比YOLOv5s分别提高2.9%、2.5%、2.7%、1.1%。充分证明其能聚焦相似特征间的细微差异,提高模型在细粒度SEI任务中的有效性。     

基于自激振荡器模型的辐射源个体识别方法

辐射源指纹识别也称为特定辐射源识别(SEI),是指通过对接收信号进行特征测量,确定产生信号的辐射源个体,是电子战、电磁环境监视等领域的关键技术之一.本文针对自激振荡类型的发射机,从射频振荡器的等效电路模型出发,提出了一种模型化的辐射源个体识别方法.仿真结果表明,该模型化方法扩展了传统的特征定义,集成信号瞬时频率、瞬时带宽的相关信息,具有良好的分类能力.在调制电压发生较大变化时,该方法能弥补传统上升沿、下降沿时延测量方法的不足.