基于图像特征的雷达信号脉内调制识别算法

雷达信号体制和调制样式的多样化,信号环境的复杂化,使得常规的识别方法很难适应实际需要,无法有效地对辐射源信号进行分类识别。针对当前电子对抗系统中的问题,提出了一种新的有效的雷达信号脉内调制特征提取方法。该方法把雷达信号的时频分布作为一幅图像进行处理,利用图像处理算法提取其奇异值特征。由于奇异值分解本身具有良好的几何特性,提取的特征对信号的信噪比和采样点数是不敏感的。实际仿真结果表明该方法是有效的。     

雷达辐射源信号脉内特征分析

脉内特征提取是新型雷达辐射源信号识别的关键问题。本文提出一种新的雷达辐射源信号脉内特征提取和识别方法．将雷达辐射源脉冲信号的分形维数作为识别脉内调制方式的分类特征,这些特征包含了雷达辐射源信号幅度、频率和相位等的变化和分布信息,反映了雷达辐射源信号脉内调制规律,理论分析和仿真实验结果都证明了这些特征具有对噪声不敏感的良好特性．通过10种典型雷达辐射源信号的特征提取和分类识别的实验结果表明,本文所提取的脉内特征类间距离大、类内距离小、正确识别率高．证实了本文方法的有效性。     

基于R半径DFT信号时频灰度特征的辐射源识别

针对通信辐射源的个体识别问题,提出一种基于R半径离散傅里叶变换(DFT)对寄生调制信号的DFT采样圆内以及采样圆外零极点进行时频灰度特征提取的新方法。以零点特征提取为例,在寄生调制信号的幅频特性于零点处表现为谷值的基础上,结合R半径DFT变换,生成时频二维灰度图,并通过边缘检测对增强后的时频二维灰度图进行图像断点检测,以完成对寄生调制信号的特征提取,通过在不同模拟发射机下寄生调制信号所携带的零点位置半径不同,说明寄生调制信号发射自不同的辐射源。仿真实验结果表明,该方法提取出的两辐射源特征差异明显,稳定性高,可靠性好,能够快速有效地完成辐射源的个体识别。     

基于幅度调制畸变Wiener模型的OOK辐射源指纹特征提取

通过分析生成On-Off Keying（OOK）信号的发射机系统的幅度调制畸变特性,阐明了OOK信号辐射源特征产生机理,建立了OOK辐射源的幅度调制畸变特性的Wiener模型,并根据信号模型应用差分进化算法完成OOK幅度畸变特性参数的估计,从而构建辐射源指纹特征完成对OOK信号辐射源的识别。仿真试验和实际数据测试表明,该算法具备OOK辐射源指纹特征提取和识别能力,对实测数据中4个OOK辐射源识别率为93%,优于基于暂态幅度特征的提取方法。     

基于多参数联合判决的雷达信号调制特征识别

根据雷达辐射源信号的不同特性,提取其非线性相位方差、瞬时频率统计直方图、瞬时频率方差和相像系数等特征量,对单载频、线性调频、非线性调频、频率编码和相位编码等常用雷达辐射源信号调制形式进行多参数联合判决.仿真结果表明,该算法在低信噪比下,仍能够自动准确地识别雷达信号脉内特征.     

基于时频分析的脉内特征分析

雷达信号的脉内调制特征是雷达个体特征的重要体现,要对雷达信号进行分选和识别,高可信度地判别雷达属性,必须对雷达信号的脉内特征进行分析。时频分析技术特别适合非平稳信号的分析,作为一种特征提取的工具已得到较为广泛的应用。采用Wigner-Ville分布对常见的几种雷达信号进行了脉内调制方式分析,并采用MAT-LAB进行了仿真。     

基于双谱和SIFT特征的雷达辐射源信号唯一识别

针对当前雷达辐射源信号唯一识别存在的问题,文中应用双谱分析和SIFT特征处理该问题得到了较好效果。首先对不同雷达发射的具有相同调制样式和调制参数的信号进行双谱变换,由于双谱中包含了诸如相位噪声等信号的个体特征,因此不同雷达辐射源信号间的双谱投影图具有差异,为充分利用此差异,进一步将双谱投影图转化为灰度图并提取其SIFT特征,最终通过特征匹配达到唯一识别的目的。仿真结果表明,文中方法在信号个体差异较小的情况下仍然可行,具有很强的适用性。     

基于小波包变换的辐射源信号识别

现代电子信息系统需要利用信号的细微特征识别功能参数相同或相近的辐射源信号。本文基于小波包变换,采用局部判别基(LDB)方法进行辐射源信号特征提取与识别。计算机仿真数据和实测数据分析表明本文方法有利于提取辐射源信号无意调制的差异信息,实现信号的辐射源个体识别。     

一种雷达辐射源双谱二次特征提取方法

针对常规参数进行复杂体制雷达辐射源信号分选时存在的问题,对信号双谱图分别进行频率分区和奇异值分解,二次提取其双谱分布熵和奇异谱熵作为雷达辐射源特征参数.该方法利用双谱分析可以完全抑制高斯有色噪声对信号的影响,同时保留信号的幅度和相位信息的特点,并有机地融合了双谱理论、奇异值分解和信息熵理论的各自优点,反映出信号的本质信息.采用模糊C均值聚类算法对不同信噪比条件下6种典型调制类型的雷达辐射源信号进行聚类分选实验.实验结果表明,该方法取得了较好的分选效果,克服了传统图像特征提取算法特征维数过高和聚集性差的缺点,验证了该方法的有效性.     

基于时频原子方法的雷达辐射源信号无意调制特征提取

雷达辐射源的无意调制能够反映每部雷达的个体差异,是一部雷达所固有的特征。由于不同雷达辐射源具有不同的无意调制,故可将载频差异作为个体特征参数。文中通过时频原子方法,并通过建立过完备原子库来将具有相位噪声的雷达辐射源信号在原子库上作稀疏分解,最后由匹配追踪（MP）来分解结果,以提取信号中的载频。实验结果表明,在不考虑计算量影响的前提下,运用本文方法提取的载频可以有效地表征不同雷达辐射源信号的无意调制。     

基于栈式自编码机和模糊函数主脊的雷达辐射源信号识别

针对人工提取雷达辐射源信号特征存在提取周期长、特征描述不完备等局限性,提出了一种基于深度学习栈式自编码机和模糊函数主脊的雷达信号识别方法.该方法根据信号模糊函数主脊包含丰富的内在调制信息的特点,从信号中提取用于分类识别的抽象特征.通过对六种雷达辐射源信号进行实验,并对比人工特征提取及其他深度学习方法,结果表明,本文所提方法在信噪比（signal-noise ratio,SNR）为2 dB以上时均能保持100%的识别准确率,SNR为-6 dB时识别准确率仍能保持82.83%以上,明显高于其他方法.即使在包含相同调制类型不同参数的信号环境中,当SNR大于0 dB时识别率均稳定在95.0%以上,SNR降低到-4 dB时识别率也能达到79.0%.证明该方法能有效提取到信号的深层特征,且具有良好的抗噪性能,基本满足实际战场的需求.     

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。     

基于扩张残差网络的雷达辐射源信号识别

针对低信噪比条件下,复杂多类雷达辐射源信号识别存在特征提取困难,识别正确率低的问题,本文提出了一种基于时频分析和扩张残差网络的辐射源信号自动识别方法.首先通过时频分析将信号时域波形转换成二维时频图像以反映信号本质特征;然后进行时频图像预处理以保留时频图像完备信息,适应深度学习模型输入;最后构建扩张残差网络以自动提取信号时频图像特征,实现雷达辐射源信号分类识别.实验结果表明,信噪比为-6dB时,该方法对16类雷达辐射源信号的整体识别正确率能够达到98.2%,对时频图像特征相似的类LFM（Linear Frequency Modulation）信号的整体识别正确率超过95%.本文提供了一种新的雷达辐射源信号智能识别方法,具有较好的工程应用前景.     

基于模糊函数特征优化的雷达辐射源个体识别

对雷达辐射源信号进行模糊函数建模是一种有效的特征提取途径,通过对无意调制的雷达辐射源信号的模糊函数分析,提出了基于模糊函数子空间特征优化的个体识别方法,首先抽取模糊函数的"近零"频偏切片作为辐射源信号的主要特征,继而设计了切片串联策略构建了互补的特征子集对,从而分别利用典型相关分析和鉴别典型相关分析实现了切片特征的融合...     

基于峭度加权VMD和熵特征的雷达脉内调制识别

针对复杂电磁环境下识别雷达信号脉内调制样式困难以及受噪声影响识别准确率受限的问题,提出了一种将变分模态分解(Variational Mode Decomposition, VMD)与熵特征提取相结合的识别方法。首先,通过基于峭度加权的改进VMD算法对雷达信号进行分解,得到由三个本征模态函数组成的最优分量集合;其次,对各分量分别计算其模糊熵、排列熵和符号熵值,从而实现对熵特征信息提取;最后,将特征向量输入到支持向量机完成识别。相较于其他方法,该方法有着较高的识别准确率和抗噪性能,在2 dB信噪比以上平均识别准确率为94.63%。     

基于时差多参分选的多层感知器网络脉间识别

现代战争中,雷达系统发展迅速。为识别复杂的雷达信号调制模式以及混合体制雷达,该文提出一种基于多站获取脉冲时差参数联合其他脉冲描述字分选的办法,利用多层感知器神经网络得到脉间调制识别结果。该文通过时差参数与其他脉冲描述字去交错解决传统脉冲重复周期估计算法无法对复杂的脉间调制方式进行估计。利用训练好的多层感知器,获取完成去交错后的脉冲序列其特征向量,获得其脉间调制类型识别。通过实验仿真,在脉冲丢失率不高于20%情况下,对复杂脉间调制方式的正确识别概率在90%以上。     

一种稳健的通信辐射源个体识别方法

通信辐射源个体识别是目前通信对抗领域研究热点与难点问题,相对于雷达辐射源,通信辐射源信号弱、瞬时特征不明显导致个体识别更复杂、更困难。利用通信辐射源信号的长时谱统计特性,提取信号功率谱峰值特征和包络模板,构造通信辐射源个体特征向量,通过朴素贝叶斯分类算法与个体特征矢量相结合,在训练样本数目足够大的条件下可进行有效识别。测试实验表明,识别方法稳健有效,可在信噪比5 d B情况下实现93.7%的正确识别概率。     

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。      

基于多特征参数的雷达信号调制方式识别方法

提出一种以盒维数、信息维数、相像系数为分类特征识别雷达信号调制方式的方法。这些特征包含了信号的幅度、频率、相位、整体走势(或者轮廓)、波形复杂度和不规则度的细节信息,集中体现了不同调制方式的差异。同时,利用特征自身的类内距离小、类间距离大的特点先聚类分离部分调制方式,最后通过基于粗集的支持向量机分类器进一步分类识别。通过4种典型雷达辐射源信号的特征提取与分类识别的仿真试验,表明基于本方法的调制信号识别正确率高,具有一定的工程应用价值。