基于神经网络的未知雷达辐射源智能识别技术

提出了一种基于神经网络的未知雷达辐射源智能识别方法,该方法以实际中获得的雷达信号参数为基础,训练神经网络,对未知雷达参数进行预测识别,给出可能的工作状态,并分析其威胁程度.仿真实验表明,该方法是有效可行的,为工程上实现未知雷达辐射源的识别提供了一种新思路.     

灰色关联分析法在常规脉冲雷达信号识别中的运用

在雷达对抗侦察过程中,雷达对抗侦察设备接收雷达信号的各参数容易受各种因素的干扰,影响系统对信号的识别。针对这种情况,提出了一种基于灰色关联分析法的常规脉冲雷达信号识别方法。该方法通过对满足一定容差要求但不与已知雷达信号完全匹配的侦收信号进行关联分析,计算并得出侦收信号与各相似雷达信号的灰色关联度,为进一步目标识别提供依据。     

基于D-S证据融合的相控阵雷达状态识别

在D-S证据理论融合方法的基础上,在分析了相控阵雷达状态和信号波形,提出了利用特征函数识别相控阵雷达状态的方法。并用典型相控阵雷达参数进行了仿真实验,实验结果表明,这种方法具有较高的识别概率。     

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。     

防空雷达飞机回波的扩展分形特性分析与目标分类研究

低分辨雷达飞机回波的扩展分形特性提供了对目标回波在不同尺度下的粗糙度的精细描述,为防空雷达飞机目标的分类和识别提供了一种新的途径。该文在介绍扩展分形理论的基础上,首先利用扩展分形分析手段,对从某VHF波段防空警戒雷达上录取的飞机目标回波数据的扩展分形特性进行了分析,然后从模式识别的角度出发,提出了基于扩展分形特征的防空雷达飞机目标分类方法,最后采用不同类型飞机目标的实测回波数据进行分类识别实验,对该方法的性能进行了对比和分析。分类识别实验的结果表明,广义Hurst指数等扩展分形特征参数可以作为飞机目标分类和识别的有效特征,所提出的方法具有良好的分类识别性能,是一种有效的目标分类方法。      

基于优化核Fisher判别分析的雷达目标识别

针对雷达目标高分辨距离像非线性可分和高特征维数的特点,提出一种基于优化核Fisher判别分析的雷达目标识别方法.该方法利用Fisher判别准则下界作为目标函数对核Fisher判别分析进行核参数优化,再利用支持向量机训练和识别由核Fisher判别分析提取的高分辨距离像特征.基于5种飞机目标的仿真实验表明,优化核Fisher判别分析可以有效优化核参数并降低特征维数,具有稳定优异的识别性能.     

一种对MIMO雷达侦察识别的新方法

多输入多输出（MIMO）雷达作为一种新体制雷达,能够利用分集技术来改善雷达的性能。介绍了MIMO雷达的特点和常规的雷达信号分选方法,分析了它们对MIMO雷达信号进行分选的适用性,提出了一种采用奇异值分解和盲信号处理的方法对MIMO雷达进行侦察识别,通过仿真结果验证了该方法的有效性。     

基于神经网络的雷达辐射源体制和用途智能识别

本文描述一种采用BP神经网络对雷达辐射源体制和用途进行智能识别的方法 ,包括理论分析、神经网络结构设计、推理和学习算法设计、编程算法设计、实验结果比较与分析等。实验表明 ,该方法有着良好的识别效果     

一种相控阵雷达工作状态快速识别方法

针对相控阵雷达工作状态（跟踪或搜索）识别提出了一种基于脉冲幅度统计直方图的快速识别方法。首先,分析了相控阵雷达波束调度的时序特征,然后引入了一种改进的直方图方法对雷达脉冲幅度进行统计分析,通过峰值检测的方法进行跟踪状态初判,最后综合数据率和平均单次驻留时间进行精确识别。仿真结果表明：该方法可以在1s内准确判定雷达工作状态,识别雷达目标跟踪个数,并且具有较强的鲁棒性,可以为雷达告警、电子对抗情报侦察等多种应用场景提供参考。     

一种实现信号反侦察的新方法

为满足未来综合电子战的需要,提高雷达的战场生存能力,提出一种基于抗脉内识别的雷达反侦察方法。在不降低信号功率的条件下,从雷达侦察技术的角度,利用WVD时频分析作为雷达反侦察抗识别的效果分析工具,通过对几种复杂雷达信号识别效果的仿真,研究雷达辐射源信号形式和参数变化对识别效果的影响,探寻具有优良反侦察效果的信号形式及变化规律,为雷达反侦察研究提供新的思路。     

重点雷达电子目标的快速靶向识别

针对现有雷达对抗侦察系统对特定雷达电子目标识别针对性不强的问题,提出一种重点雷达电子目标快速靶向识别方法,并采用并行处理流程,对多目标同时进行处理。首先,利用雷达电子目标的先验信息完成小样本脉冲序列建模;其次,实现了基于小样本脉冲序列快速匹配出雷达电子目标的算法,该方法绕过传统雷达信号的分选环节,不仅对重点雷达信号的识别效果较好,而且处理速度得到有效的提高;最后,进行了计算机仿真验证。理论分析与仿真结果均表明:以快速靶向为目的识别算法,能够有效克服现有雷达辐射源识别方法针对性不强和处理流程僵化的缺陷。     

雷达信号有意调制的粗分类和细分类识别方法

针对雷达信号脉内有意调制中2类典型调制信号,即相位编码(PSK)信号和调频(FM)信号,提出了一种由粗到细的方法进行脉内识别。首先,对接收到的雷达信号利用其3 dB带宽明显不同的特点,进行类间粗分类,识别出PSK信号和FM信号;然后,针对PSK信号和FM信号类内特征的不同,提出了利用信号的小波脊频特征,来对雷达信号进行类内细分类识别的方法,使PSK信号被细分类为BPSK信号和QPSK信号、FM信号被细分类为LFM信号和NLFM信号,从而完成了典型雷达信号的有意调制的识别。仿真结果表明,在一定信噪比下,此识别方法真实有效。     

一种改进的事件驱动的MFR雷达字提取方法

从多功能雷达(MFR)脉冲序列中准确提取出雷达字是实现MFR 行为认知的前提。作为脉冲序列分析的重要组成部分,现有的雷达字提取方法仅仅利用了脉冲到达时间这一信息,难以适应多参数灵活变化的复杂雷达信号。以传统的事件驱动方法为基础,提出一种改进的MFR 的雷达字提取方法,对侦收到雷达脉冲依次进行量化、编码、计算事件概率,最后利用决策准则提取对应的雷达字。利用模拟生成的MFR 脉冲序列对算法进行仿真,结果表明,所提方法能够有效提高提取准确率,且对虚假脉冲和漏脉冲有良好的适应性。该算法的应用能够为后续对MFR 行为的准确辨识提供支撑。     

基于深度神经网络模型的雷达目标识别

根据雷达测量的目标电磁散射面积(RCS)序列,采用深度神经网络模型识别空间飞行目标。首先,阐述了提取RCS时间序列特征的方法,包括均值、均方差及周期特性等特征;然后,给出了深度神经网络模型识别RCS目标的算法;最后,用仿真数据验证该识别方法,数值实验结果表明该方法能较准确识别雷达跟踪目标。     

单脉冲雷达数据采集及处理方法

在载人航天、编目空间目标以及对战区导弹进行预防警报等方面单脉冲测量雷达有着极为重要的实用价值,而脉冲雷达的核心就是数据的采集与处理,数据采集与处理在脉冲雷达完成各项工作时发挥的作用是十分重要的.本文结合了进行研究的单脉冲测量雷达,对脉冲雷达关于数据处理方面的功能、结构组成、工作原理以及工作中使用的算法和实现的方法进行了系统的阐述.针对新型单脉冲测量雷达的一些关键特点进行分析.     

基于高频电磁计算数据的太赫兹雷达高分辨成像研究

为揭示太赫兹频段雷达目标散射特性,基于高频电磁计算数据研究了太赫兹雷达高分辨成像方法.考虑到传统三维雷达成像面临的大数据量问题,提出了一种成像结果类光学图像的高分辨成像方法——方位/俯仰成像方法,通过推导其点扩展函数分析了该方法在高分辨率与散射点识别方面的优势.基于电磁计算数据的仿真与分析表,高频计算方法可以快速准确计算太赫兹频段理想导体目标RCS,高分辨成像结果可以分辨目标亚波长量级的细微结构特征.因此太赫兹雷达成像技术可获取目标更加丰富和精细的信息,为目标识别带来益处.     

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。     

基于脉间特征深度学习的雷达辐射源识别

多功能雷达在复杂程序调度下,发射信号参数呈现取值范围宽、捷变速度快、变化随机性强等特点,非合作接收方难以对其建立有效的信号模型,给电子侦察系统的雷达辐射源识别带来严峻挑战。本文提出一种基于深度学习的复杂体制雷达辐射源识别方法,利用大样本全脉冲数据形成脉间参数变化的图像特征表示,从宏观上揭示雷达辐射源隐含的波形设计机理,并设计了基于AlexNet网络的图像特征深度学习网络开展辐射源识别,实测数据实验表明了本文的方法对一定时间跨度内的有限部同型多功能雷达具有良好的识别性能,为多功能雷达辐射源智能个体识别提供了新的解决思路。      

基于Pearson相关性的雷达交叠信号识别

针对复杂电磁环境下多部雷达同时到达信号频域交叠时难以分选识别的问题,分析了信号交叠对于雷达信号识别模块性能的影响;在此基础上面向识别需求,基于Pearson算法研究了交叠信号分选的处理方法。从信息论视角来说,两个信号脉冲波形相关性越弱,则其所表达的信息量越大,特征相关度越低。在信号脉冲数一定时,基于Pearson算法可以选择相关性较弱的信号脉冲载波,以削弱同时信号交叠的影响。通过实验,发现利用选择后的弱相关信号脉冲载波特征来表达信号特性,能有效降低数据维度,尽可能减少信息丢失,有利于达到鲁棒的识别效果,因此该方法可为同时到达信号交叠下的信号识别提供有效途径参考。     

基于模糊匹配和神经网络的雷达辐射源识别技术

目前常用的雷达辐射源识别方法是数据库比较查询法．该方法实现简单,易于工程实践,但其识别效率取决于数据库的容量和质量．即对先验知识的依赖性强,缺少推理．灵活性差,特别是对于许多新体制雷达信号无法很好地识别。将利用模糊匹配和RBF神经网络两种算法,设计一种识别系统,该识别系统能够较好地识别复杂体制雷达信号,能应对目前雷达辐射源数据库不完善的实际情况。实验仿真表明,该识别系统具有较高的识别率,是一种可行的雷达辐射源识别方法。