基于晶振特征的重点雷达信号快速靶向识别

针对传统的PRI分选算法难以有效识别PRI变化复杂的重点雷达信号的问题,提出基于晶振特征的重点雷达信号快速靶向识别的方法。该方法避开常规PRI分选算法的分选流程,利用PRI之间的相关性对脉冲信号进行分选,可以对多目标同时识别。从PRI产生的原理着手考虑,PRI变化是否复杂对识别效果几乎没有影响。通过仿真与对比,验证该算法能够快速识别出重点雷达信号的脉冲序列,且对PRI变化复杂的雷达信号的识别效果较好。     

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。     

基于云模型联合几何覆盖算法的雷达信号分选新方法

提出了一种基于云模型联合几何覆盖算法的雷达信号分选识别新方法.该方法首先采用几何覆盖算法对具有参数先验信息的雷达信号样本进行学习,将信号划分到不同的覆盖领域,然后用云模型描述各领域与待测脉冲信号之间的隶属度关系,实现待测信号的分选识别,解决当前电子侦察环境中,信号参数交叠的密集雷达信号的实时准确分选问题.仿真结果表明,与传统的信号分选识别方法相比,该方法是有效的.     

基于脉冲样本图的雷达辐射源识别方法

雷达辐射源识别是雷达对抗侦察信号处理的关键环节。由于现代雷达体制日益复杂,传统的辐射源识别方法面临着越来越严峻的问题。因此针对这种情况,提出了一种基于脉冲样本图雷达辐射源识别算法。这种算法无需对相互叠加的雷达辐射源信号进行完全分选,并且不需要进行传统识别方法中的特征提取过程,简化了处理环节。在脉冲流密度适中的情况下,该算法具有很好的判别准确率。仿真结果验证了该方法的可行性和实用性。     

探地雷达多目标识别方法的研究

与现有的机器学习算法相比,在有限样本的情况下,支撑矢量机具有更强的分类推广能力。该文在提出利用非线性映射进行探地雷达目标识别的基础上,将多目标识别支撑矢量机与探地雷达目标识别相结合,得到了基于一对一(One against one) 支撑矢量机的探地雷达多目标识别方法。所提方法包括基于一对一的探地雷达多目标识别方法、交叉验证的参数选取方法、多通道识别方法;并且和传统的神经网络识别方法进行对比分析。所提识别方法可以与各种目标特征选取方法相结合。对实测数据的对比处理表明所提方法优于传统探地雷达目标识别方法,所得结论对探地雷达目标识别的研究有指导意义。     

基于DBN 的频率与相位编码信号快速调制识别方法

为提升低信噪比条件下雷达/ 通信频率、相位编码信号调制识别性能,降低特征提取复杂度,提出了基于深度信念网络DBN(Deep Belief Network, DBN)以及快速特征提取的调制识别方法。结合快速傅里叶累加算法FAM(FFT Accumulation Method)算法,提出了将循环谱估计图像转化为有效可识别特征向量的提取算法;设计了用于编码信号调制识别的DBN 网络训练与识别框架。仿真结果表明,文中方法较传统方法具有更低的特征提取与预处理复杂度,提取的特征在几种典型编码调制模式信号中具有明显区分,DBN 训练识别框架对雷达/ 通信编码信号调制识别均具有可行性与有效性,在低信噪比条件下对无线电编码信号有更高的识别正确率。     

探讨一种新的雷达信号描述方式和识别技术

现代雷达信号体制越来越复杂,这使得现有的雷达信号特征描述方式很难有效地对其进行描述和分析。文章提出了一种雷达信号脉冲样本图的描述方法,利用这种描述方法可以很好地对复杂体制雷达信号特征进行描述和分析。文章还讨论了基于脉冲样本图的雷达信号处理识别方法,跟传统识别方法相比,该方法具有更快速、更可靠的特点。     

基于脉冲重复间隔的活动雷达库关联算法

电子支援侦察系统具有对战场环境中活动雷达进行跟踪、监视的功能,上述功能是通过将雷达脉冲序列与活动雷达库中的记录进行关联实现的。文中提出了一种基于生物信息学中动态规划思想的关联算法,该算法通过提取雷达脉冲序列脉冲重复间隔变化规律,并将此作为识别特征对雷达批数据进行关联,仿真说明了该算法即使在有脉冲丢失和干扰脉冲的情况下仍具有较好的处理效果。     

基于半参数化SLC 的雷达目标识别

针对雷达目标高分辨距离像(HRRP)统计识别中SLC(基于累计量的随机学习算法)在小样本情况下概率密度估计准确度下降的问题,该文提出一种基于半参数化SLC 的雷达目标识别方法。该方法利用半参数化概率密度估计思想对SLC 非参数化概率密度估计进行修正,有效利用了HRRP 各距离单元幅值近似服从 Gamma 分布的经验知识,达到参数化方法和非参数化方法优劣互补以提高小样本情况下雷达目标识别率的目的。最后基于5 种飞机模型HRRP 数据的仿真实验证明了该方法的有效性。      

认知雷达对抗中的未知雷达状态识别方法

相比于传统的雷达对抗系统,认知雷达对抗引入了闭环行为学习过程,使得干扰方可以通过对雷达信号进行状态辨识,进而进行干扰效果评估,经过自主学习优化干扰策略,从而使得干扰更具有主动性和针对性。雷达状态识别是认知雷达对抗的基础,而在对抗过程中,目标雷达随时可能激活先前“隐藏”的“未知状态”,这就要求干扰方能够快速对未知雷达状态做出响应。本文重点研究认知雷达对抗中的未知雷达状态识别,利用机器学习理论相关算法,提出了基于有监督分类与基于无监督聚类的2种未知状态识别方法,并通过仿真实验分别验证了2种方法的有效性。     

粗糙集理论在雷达识别中的应用

基于粗糙集知识约简的思想,提出了一种雷达目标识别方法,该方法不仅能够找出雷达目标的有效特征集、降低目标识别的特征空间的雏数、减少目标识别的工作量,而且提高了目标的识别率.实践表明该方法是可行有效的.     

基于稀疏表示的杂波建模和微弱运动目标探测

雷达回波中,微弱运动目标会被强杂波掩盖,造成目标探测困难。文中提出基于匹配追踪稀疏表示方法的雷达微弱运动目标探测算法,采用训练的过完备字典线性组合对杂波进行建模并解决稀疏表示问题,提高了杂波建模的准确性,利用杂波模型抑制杂波,可以从杂波背景中有效地探测微弱目标。仿真结果表明:文中提出的算法优于传统的目标探测方 法,可以提高杂波抑制和微弱运动目标探测性能。     

动目标检测与速度估计仿真研究

介绍了雷达信号处理技术中的脉冲压缩、动目标检测、脉冲多普勒处理和恒虚警检测技术,并对雷达发射波形、目标回波、动目标检测进行了Matlab仿真。对脉冲回波信号进行脉冲压缩与动目标显示得到动目标脉压信号。利用动目标显示和脉冲多普勒处理实现脉压信号的动目标检测,并得到脉冲多普勒数据块。在数据块的距离维上进行恒虚警检测,检测动目标的距离,然后提取对应距离门的多普勒数据,检测动目标的速度。通过仿真建立了雷达信号处理的基本框架,为雷达系统建模及其仿真的深入研究提供了仿真支持。     

用离散贝叶斯分类算法识别窄带雷达目标

深入分析了常用雷达目标识别方法识别率不高的原因。提出了基于离散贝叶斯算法识别有限长特征序列的识别方法。针对实测地面目标雷达回波的计算机模拟结果,表明该方法可明显提高识别率。     

基于雷达微B显数据的目标识别方法

提出了一种基于低分辨雷达微B显数据的目标识别方法：首先进行微B显数据的预处理；然后提取特征量；最后应用BP神经网进行雷达目标的粗分类。利用雷达实测数据的仿真结果表明，该方法可以较好地完成目标的粗分类，并达到90％左右的识别率。     

基于数学形态学的密集转发干扰抑制算法

基于数字射频存储器(Digital Radio Frequency Memory,DRFM)的干扰机在一个脉冲重复周期内通过重复转发截获的雷达发射信号形成密集假目标干扰,严重影响雷达对真实目标的检测和跟踪.针对这一问题,提出了一种基于数学形态学的密集假目标干扰抑制算法.该方法先用Otsu算法对脉压后的回波二值化处理,利...     

一种主瓣干扰环境下的雷达目标参数"同维"稀疏估计方法

主瓣干扰对抗一直以来是雷达领域的难题之一，给雷达的探测、跟踪和识别带来了严重威胁.对此，本文提出了一种主瓣干扰环境下的雷达目标参数"同维"稀疏估计方法，可有效抑制主瓣干扰并估计目标距离、角度参数.所提方法首先对接收信号进行阻塞矩阵预处理，可在抑制主瓣干扰的同时保持目标回波在各阵元之间的相位关系，即保留了目标的角度信息；然后对预处理后的数据进行空域波束合成并脉压，可估计目标的距离参数信息；最后，根据得到的目标距离估计，截取预处理数据中目标附近的数据，并对其进行稀疏恢复估计目标角度参数.所提方法即可应用于面阵，也可应用于线阵，其优势在于可以在空域任何一维上抑制主瓣干扰，并同时估计目标在空域两维上的角度.尤其是当目标与干扰的某一维空域角度相同时，所提方法仍然可以同时估计目标的方位、俯仰角.     

基于多波段特征融合模板匹配的目标识别方法

为了满足天基系统对红外探测目标的高精度识别需求,提出了一种基于多波段特征融合模板匹配的目标识别方法。首先阐述分析了目标多维特征要素以及分类手段。结合目标运动特征、多波段下目标光谱特征以及红外辐射变化等特征实现了特征融合处理,并基于区域特征变化,采用动态规整模板匹配算法完成了目标识别。最后结合合作目标的红外辐射强度序列数据对参数进行了训练调整。分析结果表明,本文建立的识别方法能够较好地实现目标型号识别,性能优于传统的动态规整匹配算法。     

小样本条件下基于数据增强和WACGAN的雷达目标识别算法

目前小样本条件下高分辨距离像雷达目标识别算法存在识别率较低、识别率稳定度较差等问题,对此,本文提出了基于数据增强和加权辅助分类生成对抗网络（Weighted Auxiliary Classifier Generative Adversarial Networks,WACGAN）的雷达目标识别算法.该算法首先根据雷达目标散射特性,通过时间镜像数据增强方法扩充数据集,然后将扩充数据集输入WACGAN,通过自动选择高质量的生成样本,使判别器在标签样本监督学习的基础上得到进一步优化,最后直接利用判别器实现对雷达目标的有效识别.仿真实验结果表明,本文算法在不增加识别时间的基础上,有效提高了小样本条件下对雷达目标的识别率和识别稳定度.     

雷达目标模拟器设计研究

为解决在雷达信号处理机研制过程中缺乏作战场景和回波输入的问题,提出了高置信度的雷达目标回波信号和战场复杂电磁环境设计方法。通过分析弹道导弹目标发射、飞行工作流程,设计了相应的雷达模拟器系统构架,确立了雷达面临的作战场景和回波信号、噪声、杂波、干扰的模型。基于复杂场景规划,利用图形处理器(GPU)处理平台实时产生雷达信号,生成高置信度的复杂电磁环境回波输出。该雷达目标模拟器的研制可以解决雷达研制过程中接口、功能和性能验证问题,为雷达提供更加真实和完备的测试场景,加快雷达系统研制进度,提升雷达的综合性能测试能力,具有很强的工程应用价值。