共查询到18条相似文献,搜索用时 93 毫秒
1.
针对现有雷达信号预分选方法对参数捷变雷达信号分选准确率不高的技术难题,提出了一种基于深度学习算法的全连接神经网络与时域校验的雷达信号预分选方法。该方法首先提取雷达数据库中已知雷达信号的载频、脉宽和脉内调制信息作为单脉冲分选特征,使用全连接神经网络完成单脉冲的识别。为了避免神经网络将未在雷达数据库中的信号(未知雷达信号)识别为已知雷达信号,在神经网络的输出层中加入置信度神经元生成置信指数,将置信指数低于阈值的判定为未知雷达信号进行剔除。最后根据分选结果调用雷达数据库中对应的时域信息(脉冲重复间隔),进行时域校验,完成雷达信号预分选。仿真结果表明,该方法在不同信噪比环境下对参数捷变雷达信号有较高的分选准确率,并且能有效剔除未知雷达信号。 相似文献
2.
3.
4.
5.
6.
传统的雷达信号分选主要是基于统计的思想,通过对脉冲序列的PRI分析,依据PRI的调制方式,将对应的雷达信号分选出来。这种方法存在运算量大,速度慢,且准确率不高的缺点。文章提出将含噪的快速独立分量分析算法应用于雷达信号的分选并分析了不同信噪比下分离的效果。仿真试验证明了该算法可以取得很好的雷达信号分离效果。 相似文献
7.
8.
本文从神经网络应用于雷达对抗与反对抗中的潜在优势出发,论述了将其应用于雷达信号分选和识别、自适应信号处理,识别反辐射导弹,探测隐身目标和抗人为干扰等方面的广阔前景。 相似文献
9.
为克服传统信号分选算法的局限性,提出了一种雷达信号分选与特征提取相结合的算法。这种算法利用了数据挖掘中的聚类技术,可用于常规雷达和特殊雷达的信号分选。另外,该算法将信号分选与特征提取进行有机的结合,算法的结果不仅分选出雷达信号,还得到了每部雷达信号的参数特征。最后用仿真结果验证此算法的有效性。 相似文献
10.
雷达信号分选利用信号特征参数的相关性来实现不同雷达信号的分离。在实际雷达信号分选的处理过程中,由于信号参数的无规律性以及先验知识的缺乏,采用独立分量分析(In-dependent Component Analysis, ICA)的方法对雷达信号进行处理。针对 ICA 算法分离非平稳信号性能下降的问题,提出一种相关性测度变步长 ICA 算法,将其应用于雷达信号分选中。计算机仿真表明,这种算法不仅减少了信号的分选达到收敛的迭代次数,而且可以有效地提高信号分选的稳态性。 相似文献
11.
12.
通过分析雷达截获机所处的复杂雷达信号环境,提出了一种基于PR I谱特征的复杂雷达信号分选方法。该方法利用PR I变换获取雷达信号PR I谱,并根据各种复杂雷达信号PR I谱特征实现复杂雷达信号的分选工作。仿真结果表明,该方法能够较好地实现复杂信号环境下雷达信号的分选工作。 相似文献
13.
电磁信号环境日趋复杂,传统单平台信号分选对脉冲数极少的慢扫雷达以及相控阵雷达分选较为困难。提出了一种基于双平台的协同分选信号处理方法,有效地弥补了传统信号分选上的不足,并针对脉冲数极少的慢扫雷达以及相控阵雷达信号提出了相应的分选、融合、跟踪方法。 相似文献
14.
15.
信号分选是雷达侦察技术与信号处理技术中的关键步骤之一,但常规分选算法运算量大、识别耗时长。同时,在信号丢失严重或者脉冲密度大的情况下易出现增批、漏批问题。针对上述问题,本文提出一种基于时序匹配及变长滑窗的信号分选方法,首先利用载频和脉宽进行粗筛选,然后在时域参数上抽取与雷达参数模板匹配的脉冲序列,匹配的时间窗口根据两条脉冲之间的时间差和雷达参数模板的PRI动态确定。在此基础上,本文提出一种新的雷达信号分选处理流程:将待分选脉冲列分段,对每一段分别进行常规分选和本文所述方法。仿真实验表明,本文算法具有准确率高、耗时短的优点,新的分选流程能够有效弥补常规分选算法的不足。 相似文献
16.
17.
18.
在高密集、高交错的复杂雷达信号环境下,进行实时雷达信号分选处理技术是新一代雷达截获接收机信号处理的关键技术,也是电子战领域一个亟待解决的问题。文章对基于峭度的盲信号抽取(BsE,Blind Signal Extraction)术进行了分析研究,并将其应用于雷达信号分选中,通过仿真实验证明:在日趋密集、复杂的电磁信号环境中,盲抽取技术能较好地解决传统雷达信号分选方法所存在的不足和局限性。 相似文献