基于多通道阵列处理的二次雷达混扰信号分选

针对应答脉冲信号的同步干扰(即混扰)造成二次雷达询问机解码错误的问题,提出了基于多通道阵列处理的混扰信号分选算法。首先建立了询问机天线使用多通道阵列的混扰信号模型,在此基础之上给出了应答机个数及其到达角估计算法,并提出了基于最大似然估计的应答信号分选算法。仿真结果表明,该算法能够从混扰信号中同时准确分离多个应答信号,性能明显优于FastICA算法。当信噪比高于10 dB时,所提算法的分离指数比FastICA算法至少低10 dB。     

基于FastICA算法和小波变换的雷达信号分选

传统的独立分量分析（ICA）算法对噪声敏感,存在很难正确分选带噪混合雷达信号的问题。针对该问题提出一种结合FastICA算法和小波去噪的改进算法。该算法首先利用小波阈值法对带噪雷达信号进行去噪,适当提高信噪比后再用FastICA算法进行分离,最后进一步对分离信号作矢量归一和再消噪处理,得到各个雷达源信号的最终估计。仿真结果表明,与传统的ICA算法相比,该改进算法可以有效地去除噪声,提高带噪雷达信号分选的准确率。     

基于FPGA的二次雷达多目标应答信号处理

多目标应答信号处理技术是提高二次监视雷达(SSR)系统处理能力的关键.提出了一种基于FPGA设计的多目标处理技术,利用单脉冲二次雷达天线的和差关系、目标应答信号脉冲幅度的一致性以及数字STC脉冲处理,能在高密度应答中快速准确地提取出交叠目标的框架脉冲和信息脉冲,同时有效地剔除混扰、窜扰等干扰引起的虚假目标.实测结果证明,该方法能够快速处理出4个交叠的目标,有效提高了SSR系统的应答信号处理能力.     

基于盲源分离的雷达信号分选方法

传统的信号分选算法建立在脉冲描述字（PDW）参数分析的基础上,对同频或频谱混叠的雷达信号可能无法分选.鉴于越发明显的常规雷达信号处理方法的局限性,通过仿真手段,用盲源分离的方法对混合后的雷达信号进行分选.仿真结果表明,该方法可对雷达盲信号进行有效的分离,且不需要其它信号处理方法所要求的任何先验知识作为条件.     

低信噪比下雷达信号脉内特征的提取

雷达信号脉内特征的提取是雷达对抗系统分选和识别截获信号的关键技术之一。利用小波脊线法可以实现雷达信号脉内特征的提取,但低信噪比下分析误差比较大。为改善低信噪比下脉内特征提取算法的性能,提出了首先用小波分析对信号进行去噪,提高信噪比,在此基础上再进行脉内特征提取的方法。仿真结果证明该算法有效,具有一定的参考价值。     

基于含噪复值ICA信号模型的快速不动点算法

复数快速不动点算法亦称为复数FastICA算法,是盲信号分离的一类重要算法。然而,该算法对被噪声污染的混合源的分离效果较差,尤其是在低信噪比的情况下。这主要是由于在噪声环境下,被白化过后的信号样本的相关矩阵不再是单位阵而是一个对角矩阵。该文基于复信号快速不动点算法,首先将基于含噪复值ICA信号模型的混合源投影到信号子空间,以便进行去噪和去相关处理,然后对现有的复数FastICA算法的学习规则做了修正,从而在迭代更新过程中考虑了噪声的影响,因此将显著提高复数FastICA算法的盲信号分离性能。文中给出了去噪非圆信号nc-FastICA算法的推导和步骤,仿真结果说明了该算法的有效性。     

基于欠定盲源分离的同步跳频信号网台分选

针对同步跳频(FH)网台分选问题,该文提出一种基于时频域单源点检测的欠定盲源分离(UBSS)分选算法.该算法首先对观测信号时频变换,利用自适应阈值去噪算法消除时频矩阵背景噪声,增加算法抗噪性能,然后根据信号绝对方位差算法进行单源点检测,有效保证单源点的充分稀疏性,并通过改进的模糊值聚类算法完成混合矩阵和2维波达方向估计,降低噪声和样本集分布差异对聚类结果的影响,提高估计精度.最后采用变步长的稀疏自适应子空间追踪(SASP)算法对源信号进行重构恢复.仿真实验表明,该算法在低信噪比(SNR)条件下,跳频信号波达方向估计和恢复精度较高,能够有效完成同步跳频信号的盲分离.     

非合作A/C应答解码及识别

传统二次雷达A/C模式解码都是基于询问-应答的合作模式,且有空间滤波,解码相对容易。对于非合作的纯接收系统如何对A/C应答进行解码,提出了一种在基带进行相关处理的解码方法,可在非合作的情况下对A/C应答进行有效解码,同时还可以通过改变门限的大小来满足不同场合的精度要求。另外还提出了A/C模式应答码的识别方法,该方法在多点定位中具有重要的应用价值。     

空间分集MIMO雷达的DOA估计新方法

多输入多输出(MIMO)雷达分布式布阵获得空间分集增益,但DOA估计是一个难题。该文分析了DOA估计的旁瓣一致现象,从空间分集MIMO雷达信号模型出发,推导了发射正交PCM信号,在接收端匹配滤波信号分选构造虚拟子阵的过程,提出了一种谱值优选算法进行空间分集MIMO雷达DOA估计。该算法得到目标在各子阵的最优估计,在发射端获得空间分集增益抑制目标闪烁的同时,在接收端进行稳健的多目标波达方向超分辨估计。最后仿真实验与相控阵进行了比较,表明了该算法的有效性,以及抑制目标闪烁改善DOA估计的能力。      

强噪声源背景下的盲信号提取

低信噪比下的去噪一直是一个难题,最近Emir等人提出了independent component analysis(ICA)去噪方法,该方法在光学功能成像中得到了成功应用。但研究发现在极低信噪比,由于观测信号的样本协方差矩阵具有奇异性,这使得ICA去噪算法中的白化处理步骤无法进行。为解决这一问题,本文利用信号子空间的概念,在ICA去噪方法的基础上提出了一种新的基于信号子空间的ICA(ICA based 0n signal subspace；SSICA)去噪方法。仿真表明该方法能在极低信噪比下有效去噪,同时与传统的滤波去噪相比,SSICA去噪方法在去噪的同时还能够成功得将频域重叠的信号正确分离。     

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.     

一种低信噪比雷达信号分选方法

文章就低信噪比雷达辐射源信号分选问题提出一种结合FastICA和小波去噪方法的改进算法,通过仿真实验表明新算法能够有效提高信噪比,增强了信号的可识别性。文中还就算法的实现顺序分别进行了实验,并将其结果分别与FastlCA算法作了比较,证实新算法比FastICA算法性能更优越。最后,文中给出经过新算法分选后的信号能量损失比并给出相应分析。     

提高二次监视雷达解码有效性的方法

从某工程的实际背景出发,研究地面二次监视雷达询问机载航管应答机时出现解码错误的原因——多径影响,提出了一种提高地面二次监视雷达解码正确性的方法.通过对应答信号的全译码,动态调整译码幅度一致性参数的方法,仿真分析结果验证了该方法的可行性和有效性.     

基于去频谱混叠Contourlet变换的层内局部相关性图像降噪

提出了一种基于去频谱混叠Contourlet变换的层内局部相关性图像降噪新方法.含噪图像经抗混Contourlet多尺度变换,得到一个低频逼近子图和一系列不同尺度、不同方向的高频细节子图,充分利用变换域同层同方向子带内信号系数相关性强、噪声系数无相关性的特点,采用强局部化零均值高斯分布模型对高频细节子图进行降噪处理.实验结果表明,该方法计算效率高,能克服Contourlet变换中的频谱混叠,避免了重构图像出现"划痕"现象.无论是PSNR指标,还是在视觉效果上,该方法的去噪性能均好于Contourlet去噪、Contourlet域HMT去噪和基于抗混叠Contourlet变换的硬阈值去噪,在有效去噪的同时,具有很好的图像边缘和细节保护能力.     

基于奇异值阈值和DSS的雷达信号盲分离方法

针对含噪阵列接收模型中盲源分离问题,提出了一种基于奇异值阈值Stein无偏风险估计(SURESVT)和去噪源分离DSS的含噪雷达信号盲分离算法,即SURE-DSS算法。该算法首先采用SURESVT算法替换DSS算法中的奇异值分解,求出观测数据在Stein无偏风险估计原则下的奇异值最优阈值,然后对观测数据的奇异值进行紧缩操作,达到提高信噪比的目的,同时完成观测数据的白化,最后对白化后数据进行盲分离。仿真结果表明,该算法能够在含噪阵列接收模型下对雷达信号进行有效分离。     

有色噪声背景下自适应雷达波形优化设计

仅以提高雷达检测性能为目标所设计的发射波形通常具有较高距离旁瓣和峰均比,不利于微弱信号检测和实际工程应用。针对上述问题,提出目标信号子空间加权的自适应波形优化方法。给出利用环境中有色噪声的统计特性改善目标检测性能的系统模型,选取目标-有色噪声矩阵的大特征向量构成目标信号子空间,建立在该子空间上优化加权系数使发射波形满足自相关性能和峰均比约束的目标函数,并采用序列二次规划算法进行求解。该方法所优化发射波形能有效抑制有色噪声,同时获得较好的自相关特性和峰均比,改善雷达综合性能。仿真结果表明了该方法的有效性和灵活性。     

基于波形相似性度量的雷达辐射源分选方法研究北大核心CSCD

针对基于提取雷达参数特征的分选方法中存在的特征提取困难、受噪声影响大以及对波形变化敏感等问题,依据相似性度量理论,文中提出了一种基于波形相似度测量的雷达辐射源分选方法。在完成对已有相似性度量算法研究的基础上,采用将夹角余弦算法、平均绝对差算法、动态滑动窗口算法相结合的方法,分别从雷达波形的整体和局部测量波形的相似度,实现雷达辐射源信号的配对分选。仿真结果表明,该方法能够克服传统分选方法的缺陷,相比基于信号互相关的分选算法,有效提高辐射源信号分选的准确率,对先验知识的依赖性不强,具有一定的抗噪能力。     

基于盲源分离的多跳频信号网台分选算法

针对欠定条件下多跳频信号的网台分选问题,该文利用跳频信号在时频域上的稀疏性,提出了一种基于盲源分离的自适应信噪比网台分选算法。首先,用Gabor变换作为系统的时频变换建立欠定条件下跳频信号网台分选的模型;然后,采用了自适应信噪比的时频支撑点阈值设定方法寻找源信号的时频单源点,根据时频单源点的时频比矩阵估计出混合矩阵;最后,利用与信源相对功率偏差相结合的改进的子空间投影法进行网台分选。仿真实验验证了该算法在低信噪比条件下的有效性。      

一种基于Fast ICA和K-Means++融合算法的雷达脉冲聚类方法

为在辐射源非协作的情况下对脉冲流密度很大的雷达信号进行有效分选,要克服Fast ICA算法在分选雷达脉冲时分离速度慢且实现复杂、K Means++算法在分选雷达脉冲描述字PDW时对噪声和孤立噪点敏感且需要先验条件K值的缺点.提出了一种在CPU+GPU异构系统上实现的这2种算法的融合方案,融合后的算法能有效克服单独利用一...     

基于高次频谱对称Holder系数的雷达信号分选方法

针对复杂战场电磁环境下,传统基于全脉冲参数的分选算法准确率下降这一问题,本文提出一种提取信号高次频谱对称Holder系数作为脉内特征的信号分选方法。该方法首先利用对称Holder系数法提取信号高次频谱的脉内特征,而后将提取到的脉内特征参数与稳定的脉间参数组成新的特征向量,最后使用K-means算法对信号进行分选。信号的高次频谱对称Holder系数作为一种脉内特征,相比于一次频谱相像系数具有更大的寻优空间。将该特征加入信号特征向量可使新的特征向量具有更强的可分性。仿真实验结果表明,加入该特征,并使用新的特征向量,能够有效提高对不同种调制类型雷达信号的分选正确率。,使用新的特征向量能有效提高雷达信号分选正确率。