共查询到20条相似文献,搜索用时 15 毫秒
1.
脉内特征分析是雷达信号分选的基础,也是电子对抗领域里的一个重要课题。主要讨论了用小波变换结合傅立叶变换的谱分析来识别雷达信号的脉内调制特征,并给出了仿真结果。 相似文献
2.
小波变换技术及其在信号调制方式识别中的应用 总被引:4,自引:0,他引:4
小波变换(WT)理论正被广泛地应用于各种通信领域,既可以用作非稳态数据谱分析的短时傅里叶变换(FT)处理,亦可以用作联系时域分析和频域分析的新工具。应用哈尔小波变换分析法对M元FSK和PSK信号的分类识别进行了描述,讨论了可供实际使用的相关统计分析法,最后给出了对10种FSK和PSK信号的分类识别模拟结果。 相似文献
3.
5.
基于分数阶傅里叶变换的脉内信号调制方式识别 总被引:2,自引:0,他引:2
针对传统的雷达脉内信号调制类型识别方法存在的抗噪性能差和识别率低等问题,提出了一种基于分数阶傅里叶变换(FRFT)的脉内信号调制方式识别算法.该算法分为两步:首先根据不同调制方式在调频斜率上的区别,通过FRFT模值随阶数变化的特点,识别出线性调频信号;然后,再根据阶数为1时FRFT的波形特点,识别出频率编码信号和相位编... 相似文献
6.
7.
复杂电磁环境下的雷达信号分选技术充分利用被侦察信号的特征信息,把分属于不同信号源的雷达脉冲流分离开来。随着脉冲流密度的增加,出现了一些在时频空3个维度上均严重交叠的脉冲,这些脉冲的辐射源信息差别很小,以至于识别算法无法正确将它们区分,进而造成脉冲丢失或错误识别,使得信号分选的性能大大下降。以6种常见的脉内调制类型脉冲为研究对象,针对脉冲之间两两交叠的情况,提出了基于部分快速傅里叶变换算法的时频空交叠信号脉内调制类型识别算法,并通过一系列仿真分析了算法的性能,证明了算法能够有效地分辨频域和空域高度重叠但时域不完全重叠的信号脉冲流,提高信号分选的性能。 相似文献
8.
基于Morlet小波变换的MPSK信号调制识别 总被引:1,自引:1,他引:0
文中利用了MPSK信号经Morlet小波变换后的相位特性,提出了一种识别MPSK信号的方法。Morlet小波有良好的时频局部特性,与Hilbert变换相比,MPSK信号通过Morlet小波变换后获得了信噪比增益,因此可以更精确提取信号的瞬时相位。受加性高斯白噪声污染的MPSK信号经Morlet小波变换后,相位的概率密度函数可以用Tikhonov函数近似,由近似函数利用相位的统计性质识别MPSK信号。以已有的一种识别算法为例识别MPSK信号,仿真结果表明:在正确识别率为0.9时,采用Morlet小波变换,所需信噪比低约3dB。 相似文献
9.
基于小波变换的数字通信信号识别 总被引:1,自引:0,他引:1
小波变换对瞬态信息具有较强的检测能力。不同的数字通信信号在码元变化时呈现不同的瞬态信息。分别对幅度未归一化和幅度归一化的3种数字信号(ASK、FSK、PSK)进行小波变换,提取变换后包络方差与均值平方之比作为分类的特征参数,最后利用人工神经网络进行分类识别。仿真结果表明,在低信噪比(5dB)时该算法仍具有很高的识别率。 相似文献
10.
11.
12.
基于调制域的雷达信号脉内特征提取新方法 总被引:1,自引:0,他引:1
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%。 相似文献
13.
提出了一种基于排序时频特性的雷达脉内调制信号识别算法.该算法可分为三步:首先,通过检验信号时频曲线的互易回归特性,识别出线性调频信号;然后,通过检验信号时频RANKIT图的正态性,识别出常规信号;最后,检验信号平方后时频RANKIT图的正态性,用以区分二相编码与四相编码信号.仿真结果表明,该算法无需接收信号的任何先验知识,在较低信噪比条件下可实现对常用雷达脉内调制方式的有效识别. 相似文献
14.
介绍了ASK、FSK和PSK三种信号在相同码元区间和码元区间变化时的小波变换,提出了基于小波脊线特征的门限判别法来识别这三种信号,并对提出的方法进行仿真实验。仿真结果表明,该识别方法在信噪比理想的情况下能很好地识别出这三种信号.但在信噪比不理想时,识别PSK信号的效果欠佳。 相似文献
15.
16.
17.
以二相编码和四相编码信号为例,提出了在低信噪比条件下对雷达相位编码信号进行脉内调制特征提取的算法,计算机仿真、实验室和外场测试的结果证明本算法确实有效. 相似文献
18.
时频分析是脉内特征分析中常用的一种方法,通过提取雷达脉冲信号的小波脊函数可以获得脉内调制信号在每个采样点的瞬时频率,然后再使用神经网络的方法对小波变换提取出的瞬时频率进行分析,便可以得到信号的脉内调制特征。以MoBet小波和多层感知器为例,对低信噪比下的典型雷达信号进行了仿真分析,结果验证了小波-神经网络分析脉内特征的有效性。 相似文献
19.
提出一种基于小波变换和支持矢量机的数字信号自动调制识别新方法,即将信号小波变换后提取各尺度上的能量峰值作为特征向量,利用支持矢量机把分类特征向量映射到一个高维空间,并在高维空间中构造最优分类超平面以实现信号分类。这种方法对高斯噪声具有良好的稳健性,并避免了神经网络中的过学习和局部极小点等缺陷。计算机仿真结果表明,这种方法具有很高的分类性能和良好的稳健性。 相似文献