基于负熵最大化盲抽取的雷达信号分选研究

研究了盲源分离算法在雷达信号分选中的应用,用基于负熵最大化的盲抽取算法对实际环境下的雷达信号进行分选,仿真结果表明,该方法能够有效地应用于多路雷达信号的分选,能抗突发脉冲干扰及完成降噪处理,并且易于实现,收敛速度快.     

基于累积量盲抽取的雷达信号分选研究

研究了现有基于累积量的盲源分离算法,考虑实际雷达环境下信号的数据量大,要求信号分选的实时性,考虑用基于累积量的盲抽取算法完成雷达信号分选,通过仿真试验,验证了其在雷达信号分选中的有效性。     

基于盲源分离的雷达抗干扰技术研究

如何提高雷达的抗干扰能力一直是雷达信号处理的一大问题,问题的解决可以使雷达的检测和跟踪能力得以提高.在日趋复杂的信号环境下,传统的信号处理方法的局限性愈来愈大.本文通过对雷达信号处理过程和盲源分离技术的分析研究,提出采用基于高斯矩的ICA/BSS盲源分离方法进行雷达抗干扰信号处理.通过仿真试验结果证明基于盲源分离的雷达抗干扰处理方法是可行和令人满意的.     

基于独立分量分析的雷达信号分选研究

独立分量分析(Independent Component Analysis,ICA)是近年来发展起来的一种有效的盲信源分离方法。在介绍了独立分量分析基本理论的基础上,将基于负熵最大化的FastICA算法应用于对脉冲多普勒雷达信号和连续波雷达信号进行分选,是一种新方法的尝试,并通过2种性能指标来评价分选的效果。仿真结果表明,该算法能够有效地对脉冲多普勒雷达信号和连续波雷达信号进行分选。     

基于独立分量分析的雷达信号分选研究

独立分量分析是近几年来发展起来的一种有效的盲信源分离方法,可以根据输入源信号的基本统计特性,由观测数据进行信号分离,最终恢复出源信号。在深入分析ICA基本理论的基础上,本文将基于负熵最大化的FastICA算法应用于雷达信号分选。仿真试验表明,该算法应用于雷达信号分选可以获得比较好的分离效果。     

一种基于盲源分离的雷达信号分选方法

盲信号分离是近几年才发展起来的,用于解决从混合观测数据中分离源信号的一门新技术,已在众多领域中获得了广泛的应用。文中结合高阶累积量对高斯噪声的不敏感性,给出了一种基于盲源分离的雷达信号分选方法,可以对高斯噪声背景中混合的多个雷达信号实现分选。最后给出了该方法的计算机仿真,结果证明了该方法的有效性。     

基于相关性测度的雷达分选算法

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。     

基于峭度的盲抽取技术用于雷达信号分选

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。     

基于盲信号抽取的雷达信号分选技术研究

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。文中通过对盲信号抽取(BSE,Blind Signal Extraction)技术的分析研究,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。     

一种基于盲源分离的雷达抗干扰技术

如何提高雷达的抗干扰能力一直是雷达信号处理的一大问题，问题的解决可以使雷达的检测和跟踪能力得以提高。在日趋复杂的信号环境下，传统的信号处理方法的局限性愈来愈大。本文通过对雷达信号处理过程和盲源分离技术的分析研究，提出采用基于盲源分离的多步处理抗干扰方法进行雷达抗干扰信号处理，可使雷达在复杂背景下具有更强的抗干扰能力。仿真试验结果证明这种新的雷达抗干扰处理方法是可行和令人满意的。     

一种对MIMO雷达侦察识别的新方法

多输入多输出（MIMO）雷达作为一种新体制雷达,能够利用分集技术来改善雷达的性能。介绍了MIMO雷达的特点和常规的雷达信号分选方法,分析了它们对MIMO雷达信号进行分选的适用性,提出了一种采用奇异值分解和盲信号处理的方法对MIMO雷达进行侦察识别,通过仿真结果验证了该方法的有效性。     

基于FastICA的雷达信号分选研究

现代战争中新体制雷达的大量涌现,电磁环境变得越来越复杂,对雷达信号分选提出了新的挑战。目前的雷达信号分选领域,多采用基于参数容差的传统分选方法,这些方法受参数误差的影响大,对PDW参数相似的雷达无法分选,已经无法适应复杂电磁环境。在对FastICA算法原理分析的基础上,重点研究了将它应用于PDW参数相近的雷达信号和参差脉冲列的分选,并进行了仿真。仿真结果表明,FastICA是建立在源信号统计独立基础上的处理,对信号相关性敏感,受参数误差的影响小,可以有效解决上述问题,为雷达信号分选提供了一种新的思路。     

现代雷达信号分选跟踪的几种方法

随着现代软件无线电技术的飞速发展,战场电磁信号环境从地面、空中、海上到太空,信号密度大,频谱宽,变换复杂,并且多功能数字雷达的多种工作方式和多种波形变换,雷达反侦察、抗干扰能力不断增强,传统的雷达信号分选跟踪方法面临着严峻的挑战。文中分析了几种传统的信号分选方法,从复杂电磁环境信号中,分析盲信号分选、聚类神经网络分选、脉内细微特性分选法,从信号分选的参数上进行多参数联合分选,并且通过多信号模拟器进行实验仿真,在分选的基础上进行跟踪处理,信号参数稳定、效果良好。     

基于人工鱼群聚类的雷达信号分选算法

随着科技的不断发展,各种新体制雷达的不断出现,使得电磁环境变得复杂多变,这就对雷达信号的处理提出了新的要求。目前普遍采用的基于直方图统计的信号分选方法已经不能满足当前雷达信号分选的要求。文中将人工鱼群聚类算法引入到雷达信号分选中,并对其进行了改进,对雷达信号分选进行了一种新的探索,该方法不需要雷达信号的先验知识,适用于处理未知雷达信号。通过仿真实验证明该算法分选准确率高,为雷达信号分选提供了新的思路。     

ICA及其在阵列信号处理中的应用研究

独立成分分析（Independent Component Analysis,ICA）是一种有效的盲信号分离（Blind Source Separation,BSS）方法。当目标源信号相互独立时,它能从多通道的混合观测信号中将目标源信号分解开来。本文通过对ICA的详细介绍,对比了ICA模型和阵列信号处理模型的特点,分析了二者的关系,并就二者的综合应用进行了研究,同时对盲波束形成、雷达信号分选和外辐射源雷达信号分离等典型应用进行了介绍和评价。     

基于联合检测方法的雷达信号分选跟踪机设计

雷达信号分选是雷达对抗中一个重要的组成部分,只有从随即交迭的信号流中分选出各个雷达脉冲序列之后才能进行信号参数的测量、分析、识别。目前基于PRI参数提出很多分选方法,针对各种方法的优缺点,研究了一种基于SDIF算法和序列相关法联合检测的被动雷达信息处理系统信号分选跟踪机,经仿真证明,基于SDIF与序列相关法的联合检测增加了检测概率,具有较好的鲁棒性,可以较好地对空间多部不同雷达信号进行准确分选,正确给出跟踪波门。该信号分选跟踪机已在工程中应用。     

一种基于双平台信号协同分选处理的设计方法

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。     

一种新的雷达信号分选方法

ICA(IndependentComponentAnalysis)是近年来信号处理领域的热点研究课题,可以根据输入源信号的基本统计特征,由观测数据进行信号分离,最终恢复出源信号。本文深入分析了ICA算法,并提出了将其用于雷达信号分选的新思路。计算机仿真表明,这种算法应用于雷达信号分选时可以获得很好的分离效果。     

独立分量分析算法在雷达信号分选中的应用

引入基于并行处理结构的信号盲分选算法，采用独立分量分析的方法研究从相互独立的未知源信号的混合信号中分离出源信号的问题。运用研究的基于最大负熵化快速独立分量分析的雷达信号分选算法，克服了传统的雷达信号分选方法在信号复杂、存在参数误差等情况下无法正确分选的局限性。