雷达辐射源信号快速识别综述

对现代战场的电磁环境特点进行分析,介绍了已有的几种雷达信号特征描述方式,阐述了目前的雷达辐射源信号快速识别方法及其发展方向,概述了雷达辐射源识别系统中的数据库设计研究现状.对未来进行展望,为进一步研究雷达辐射源信号快速识别技术提供参考.     

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。     

基于知识库的雷达辐射源识别专家系统

从分析雷达辐射源识别的特点出发，提出了基于知识库的雷达辐射源识别专家系统。讨论了系统总体结构模型和面向对象模型。根据系统要求建立了数据库；积累案例形成案例库；获取专家经验及领域知识建立了规则库；依据知识层次结构建立了模型库，这四库一体化形成专家系统。介绍了基于案例、基于规则和基于模型的推理方法，比较了各种推理方法的优、缺点，并提出了基于案例、规则和模型的混合推理。最后给出了系统的功能和实现方法。应用证明基于知识库的雷达辐射源识别专家系统可以得到与专家同样的结果。     

一种基于雷达图的雷达辐射源识别算法

在分析和考察雷达辐射源(Radar Emitter)多特征模式识别算法的基础上提出了一种基于雷达图(Radar Chart)中向量夹角余弦值的分类识别算法,借助雷达图实现了雷达辐射源空间特征向量向平面向量的转换,实现对雷达辐射源型号的自动识别,给出识别置信度.通过计算机仿真得到大于85%的正确识别率,进一步验证了算法在雷达辐射源识别工程中的可用性和可行性.     

多传感器模糊D-S理论辐射源识别

研究了将D-S证据理论与模糊推理组合应用辐射源识别的方法,提出了基于模糊综合评估获取基本概率分配函数的方法;在此基础上研究了应用D-S证据理论进行多传感器信息融合,从而识别雷达辐射源的原理;仿真实验和对比实验表明本算法的有效性。     

一种基于云模型的辐射源识别方法

该文针对测量参数的不确定所造成的辐射源不能正确识别问题,提出了一种基于云模型的识别方法。该方法首先利用云模型对雷达模板库中区间类型的参数变量进行正态云建模从而得到测量参数的隶属度,然后利用云模型的定性定量转换特性来描述离散型参数变量的调制匹配程度,同时给出了一种确定辐射源识别权值的新方法,能够动态调整各特征参数的权值。仿真结果表明,这种基于云模型的识别方法是适用有效的。     

一种基于模糊隶属度区间决策的雷达辐射源识别方法

现代密集信号环境中,随着复杂体制雷达装备数量的不断增多,雷达辐射源的识别面临越来越严峻的问题,提出一种新的基于模糊隶属度区间的雷达辐射源识别方法,仿真结果表明,该方法在不同信号环境下能够有效识别雷达辐射源。     

雷达辐射源识别专家系统

介绍雷达辐射源识别专家系统根据雷达信号参数的变化特征和参数范围识别雷达工作体制和用途的推理过程,介绍识别置信度的融合算法,给出了对本专家系统的测试结果。     

基于雷达及其信号信息数据库的被动辐射源识别技术

介绍了雷达及其信号参数数据库的设计思路,论述了该数据库设计思路的科学性和有效性。详细描述了基于雷达信号信息数据库的被动辐射源识别方法。讨论了被动辐射源识别程序进行被动辐射源信息接收、存储和识别的稳定性和效率。     

基于随机森林的雷达辐射源识别算法研究

为解决低信噪比条件下传统雷达辐射源识别准确性低、时效性差、稳健性不强的问题,提出了一种基于随机森林的雷达辐射源型号识别算法.算法以载频、脉宽、脉冲重复周期为识别特征向量,首先从先验样本集中随机抽取得到多个训练集,然后使用训练集构建多个决策树分类器,最后通过多个决策树分类器对新识别特征向量进行识别并投票得到最终识别结果....     

基于对角切片特征提取和深度学习的辐射源识别

针对复杂电磁环境下辐射源识别率低的问题，提出基于对角切片特征和深度学习的辐射源识别算法。利用辐射源信号双谱的个体特性，提取信号双谱对角切片特征作为深度学习模型的输入数据，采用Softmax分类器进行辐射源识别。仿真实验利用两部同型辐射源进行测试，结果表明该算法能识别个体辐射源，在低信噪比条件下也能获得高的辐射源识别率；相比于其他识别算法，双谱对角切片特征有更鲁棒的分辨性。     

基于模糊理论的雷达信号类型识别方法

针对目前雷达辐射源识别中存在的特征参数难以获得、雷达信号工作模式繁多等问题,本文提出利用模糊理论对雷达信号进行类型识别。经过多次仿真选择了既简单又有效的特征参数及隶属度函数,实验验证了此方法有较好的识别效果,且工程上较易实现。     

基于模板匹配的雷达辐射源信号识别研究

从统计学理论出发,对基于模板匹配的雷达辐射源信号识别进行研究,通过设定容差测试了4种不同的距离计算方法的识别效果,得出了在雷达特征参数测量精度较高的情况下,使用City Block距离和Euclidean距离进行距离计算识别效果较好,当测量精度不高时,需要增大容差范围且使用M距离进行距离计算时识别效果较好。建立的数据库和雷达辐射源识别模型可用于电子战的模拟训练。     

基于神经网络的雷达辐射源智能识别系统

结合以神经网络为核心的雷达辐射源智能识别系统(REIRS,Radar Emitter Intelligent Recognition System)的实际研究工作,介绍了识别系统的结构、算法和基于高速数字信号处理(DSP)芯片的神经网络硬件实现方法,分析了识别系统的实验结果,最后总结了系统的技术特点及其在电子战其他方面的应用前景。     

基于理想排序的雷达信号识别效能评估方法

当前对雷达辐射源信号识别效能评估的研究处于起步阶段,没有一种很好的评估方法对其进行评估.为此,论文提出一种基于AH P-I2TOPSIS的雷达辐射源信号识别效能评估方法.该方法主要在以下三点对传统区间TOPSIS方法进行改进,以消除逆序问题:利用AHP方法计算指标权值;利用理论极值确定绝对正负理想点;利用区间距离计算评估方案到正负理想点的距离并改进贴近度计算方法,并将AHP-I2TOPSIS方法应用于雷达辐射源信号识别效能评估中得到新的雷达辐射源信号识别效能评估方法.最后通过评估实例证明论文所提方法能有效解决逆序问题,并能很好地应用于雷达辐射源信号识别效能评估中.     

基于熵特征的雷达辐射源信号识别

针对现有方法识别率低和没有考虑噪声影响的问题, 提出一种新的雷达辐射源信号识别方法. 将近似熵(ApEn)和范数熵(NoEn)构成特征向量, 用神经网络分类器实现自动分类识别. ApEn是定量描述信号复杂性和不规则性的有效测度, NoEn是定量表征信号能量分布的有效参数. 理论分析和实验结果表明, 熵特征类内聚集性强、类间分离度大, 在较大信噪比范围内均能获得非常满意的正确识别率, 证实了所提出方法的有效性.     

基于韦尔奇功率谱的雷达辐射源信号识别

应用韦尔奇功率谱原理提取信号识别特征参数,根据提取出的特征设计信号识别流程模型,从多种信号中检测识别线性调频信号、相位编码信号、频率编码信号,分析了特征的适用范围和信号环境.仿真结果证明了该特征提取算法和识别方法的可行性.