基于FRFT的雷达信号脉内特征分析

针对目标模拟训练器中精确测量雷达信号脉内参数的需求,提出了基于FRFT的线性调频信号脉内参数估计的方法,给出目标训练器中脉内参数的计算过程,通过仿真分析了信噪比对算法估计性能的影响。仿真结果表明在较低信噪比下,本算法对不同的线性调频信号的参数估计有较高的精确度。     

一种有效的脉内特征分析算法

信号脉内特征分析技术对密集和复杂电磁环境中辐射源的分选和识别有着重要意义。从工程应用的角度出发,提出一种有效的脉内特征分析算法,将多阶相位差分计算得到的瞬时频率特征作为区分调频和调相信号的依据:通过逆序相乘法和瞬时频率直方图统计识别出线性调频和频率编码信号。通过倍频法进一步区分二相编码和四相编码信号,仿真试验表明:该算法在较低信噪比下对常见脉内调制信号具有较好的性能,运算量小,便于硬件实现。     

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.     

一种频率编码信号瞬时频率提取新方法

针对小波变换法在提取频率编码信号脉内特征中的不足,提出了将时频重排和时频脊线相结合的时频联合分析方法。首先通过Morlet小波计算信号的小波谱,再对小波谱进行时频重排,最后由重排后的时频图提取时频脊线,得到频率编码信号的脉内特征。该方法在低信噪比下,能准确提取频率编码信号脉内特征信息。最后利用计算机仿真验证了该方法的可行性。     

基于卷积神经网络的低截获概率雷达信号检测算法

为了解决雷达截获接收机对低截获概率(LPI)雷达信号检测效果不理想的问题,针对截获信号中有效信号脉宽长度来定义信号和噪声,该文提出一种基于卷积神经网络(CNN)的LPI雷达信号检测方法,利用卷积核与匹配滤波器结构上的相似性,在低信噪比下能够提高信号的检测准确率.利用大量的基于4种典型LPI雷达信号(线性调频信号(LFM...     

一种实时自适应脉内特征分析方法

阐述了重构相位的高阶差分和基16FFT实时脉内特征分析算法原理,提出利用多次相位高阶差分方法识别脉内调频和相位编码两种调制类型,提出分段进行4096点基16FET频谱分析的设计思想,保证了线性调频信号脉内特征分析的实时性和精度要求。利用相位高阶差分包络板值检测方法提取信号的突变信息,达到实时提取相位编码信号的脉内调制信息的目的,理论分析了算法的实现过程并给出了脉内分析的流程图。通过仿真和在某大型电子对抗系统上的成功应用,证明了该方法在低信噪比环境下的有效性。     

基于局部统计分析的雷达弱信号检测技术研究

提出应用局部统计分析方法提取雷达信号特征的理论和算法。理论证明局部统计方法可以准确计算雷达信号的脉冲重复周期，检测信号脉宽和脉冲到达时间等参数。在理论和实践上证明应用局部统计分析方法能够比相关处理等普通方法能更有效地处理低信噪比的雷达信号。结果表明，应用局部统计分析方法检测雷达的弱信号特征，是简单有效的方法。     

低信噪比下脉内频率编码信号特征提取

信号脉内特征提取技术是雷达对抗系统分选、识别截获信号的关键技术。提出了一种首先用小波分析对脉内频率编码信号进行去噪，在此基础上再利用小波脊线法提取脉内特征的方法。计算机仿真验证了算法的有效性，具有一定的应用价值。     

基于综合时频检测的LFM信号调制特征提取

信号脉内调制信息识别技术对密集和复杂电磁环境中辐射源的分选和识别有着重要意义。通过讨论小波变换法、伪WVD法等典型LFM信号调制特征提取方法，提出了将小波变换法和伪WVD法提取的结果进行截断综合，再提取时频图脊线的新算法。实现了在低信噪比条件下，准确提取LFM信号的调制特征。仿真结果证实了算法的可行性。     

低信噪比下雷达信号脉内特征的提取

雷达信号脉内特征的提取是雷达对抗系统分选和识别截获信号的关键技术之一。利用小波脊线法可以实现雷达信号脉内特征的提取,但低信噪比下分析误差比较大。为改善低信噪比下脉内特征提取算法的性能,提出了首先用小波分析对信号进行去噪,提高信噪比,在此基础上再进行脉内特征提取的方法。仿真结果证明该算法有效,具有一定的参考价值。     

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。     

基于延时相关频谱的调制识别方法

以简单脉冲、线性调频、二项编码和频率编码信号为例,通过提取信号的延时相关频谱特征,对雷达信号的脉内调制特征进行了分析。在分析和提取了信号的延时相关频谱结构特征后,提出了一种基于延时相关频谱进行调制方式识别方法。仿真和试验结果表明:在低信噪比情况下,是一种较好的雷达脉内调制方式识别方法。     

低数据量下的雷达信号脉内调制识别方法

针对部分脉冲宽度窄、采样点数少的雷达信号监测应用场景,提出一种新的雷达信号脉内调制自动识别算法。采用小波变换与瞬时自相关相结合的方法,提取雷达信号瞬时频率特征,根据不同调制方式雷达信号的特征差别,实现了对常规信号、线性调频信号、非线性调频信号、二相编码信号、四相编码信号、二进制频率编码信号和四进制频率编码信号七种不同调制方式雷达信号识别。在不同数据量条件下,仿真结果表明,识别准确率随着码元个数或单个码元采样点数的减少而降低,此识别算法对信噪比为20 dB、采样点数为100个的雷达信号,可以实现对不同调制方式的准确识别,识别准确率高于80%。与传统识别方法相比,该方案所需数据量较少,识别准确率高,易于工程实现。     

基于调制域的雷达信号脉内特征提取新方法

针对传统调制域检测法在提取雷达信号脉内特征中的不足,提出了一种通过检测极值点来提 取信号脉内特征的方法。首先通过检测出信号极值点,再对极值点进行运算处理,进而提取 出极值点中包含的脉内特征信息。该方法借助于极值点具有最大信息量的优势,并运用二次 提取频率来估计码元宽度,使得算法的信噪比性能得到有效改善。仿真结果表明,与传统调 制域检测法相比,该方法在低信噪比下对于多种类型信号的脉内特征参数的估计精度平均提 高30%。     

基于DMFT的LFM信号参数估计

线性调频信号是低截获概率雷达常用的一种信号形式,如何在低信噪比情况下检测线性调频信号一直是人们研究的焦点之一.在离散匹配傅里叶变换的基础上对算法进行改进,并利用改进后的算法分别对单分量和多分量线性调频信号进行仿真,仿真结果表明离散匹配傅里叶变换能够在低信噪比情况下比较准确地估计出线性调频信号的参数,不存在交叉项问题.离散匹配傅里叶变换是一种针对线性调频信号有效的参数估计方法.     

基于综合时频检测的雷达信号脉内特征提取

通过对小波变换法、Wigner-Ville分布等典型雷达信号脉内特征提取方法优缺点的分析,提出了一种将小波变换法和Wigner-Ville分布提取的结果进行截断综合的综合提取算法,实现了雷达信号的脉内特征准确提取.仿真结果表明,该算法在较低信噪比下仍有很好的效果.     

瞬时频率雷达信号脉内调制识别技术

雷达信号的脉内调制识别是雷达侦察信号处理的重要组成部分。随着信号环境愈趋复杂,雷达信号调制识别难度越来越大。首先根据调频和调相两类信号3 d B带宽明显差异的特征,实现类间粗分类识别。继而基于改进瞬时自相关算法提取的信号瞬时频率,将FSK信号和PSK信号进行类内细分类识别。在不同的信噪比条件下,经过多次仿真实验验证,与传统算法相比,此新信号识别算法具有更高的效率和准确度。     

基于Wigner-Ville分布的LFM信号瞬时频率提取技术研究

线性调频(LFM)信号作为一种典型的脉冲压缩雷达信号,由于其优良的特性,已在雷达领域获得了最为广泛的运用.如何提取LFM信号的瞬时频率是对其有效识别与干扰的基础.针对LFM信号的瞬时频率提取问题,在研究Wigner-Ville分布的基础上,提出了一种Wigner-Ville分布实现算法,给出了算法的实现流程,并对算法的关键环节进行了的描述.设计了雷达对抗侦察中频数字接收机实验系统,并在不同信噪比条件下进行了算法仿真实验.理论分析与仿真结果均表明,提出的瞬时频率提取算法能够在雷达对抗侦察系统工作灵敏度对应的信噪比条件下,有效提取出LFM信号的瞬时频率,具有较强的工程实用性.     

基于特征分解功率谱估计的距离成像算法

线性调频(LFM)信号是高分辨率雷达的主要信号形式之一,通过分析LFM雷达信号实现距离高分辨率成像的原理,针对杂波和噪声对雷达回波信号的影响,提出了利用基于特征分解功率谱估计的方法进行频率估计,从而实现LFM雷达信号的距离成像的算法。仿真结果表明,该方法对低信噪比情况下的目标距离一维成像是有效的。     

低信噪比下LFMCW信号的参数估计

针对线性调频连续波(LFMCW)雷达信号特征参数提取的问题,提出了一种参数估计的方法。首先根据信号自相关函数的特点,进行峰值距离的平均,实现了调制周期的估计。然后通过解线调法得到信号的调频斜率,再通过共轭匹配法进行起始时间的搜索,得到信号的起始频率。与其他方法相比,该算法在减少计算量的同时,具有较强的抗噪性。仿真结果验证了该算法可以在低信噪比(SNR)下对LFMCW进行参数估计,具有很好的参数估计性能。