基于双谱二维特征相像系数的雷达信号分选

针对现有方法分选准确率不高和对噪声敏感的问题,应用双谱二维特征相像系数实现了低信噪比下未知复杂雷达信号的高准确率分选.对接收到的信号首先提取双谱幅度谱,并将其简化为二维特征,然后构造一矩形脉冲序列与一三角形脉冲序列,分别求二维特征与两个脉冲序列的相像系数,最后将求取的相像系数作为分选的特征参数.由于不同信号的双谱区别大且对高斯噪声不敏感,因此,转换后的相像系数可分性强、稳定度高,仿真验证了新方法的优越性,在信噪比为10 dB时,分选准确率最低为90%.     

基于改进相像系数和奇异谱熵的雷达信号分选

脉内特征提取是新体制雷达辐射源信号分选的关键问题,文中针对现有方法分选准确率不高和对噪声敏感的问题,提出了一种基于高次频谱相像系数和频域奇异谱熵特征的分选新方法,实现了低信噪比下雷达辐射源信号的高准确率分选。对接收到的信号提取高次频谱相像系数特征以及奇异谱熵特征,并将两者作为分选的联合特征向量,运用K means聚类算法实现对不同调制方式的雷达辐射源信号的分选。仿真结果表明：改进后提取的信号特征类间的分离度大且受噪声影响程度小,在信噪比为-2 dB的情况下,该算法的总体平均分选准确率在85％左右,不同调制类型信号间的分选准确率最低为80％。与现有方法相比,文中提出的算法具有更好的信号识别效果。     

基于复杂度特征的未知雷达辐射源信号分选

当前的未知雷达辐射源信号分选方法存在准确率不高和对噪声敏感的问题。该本文应用复杂度特征实现了低信噪比下未知复杂雷达信号的高准确率分选。首先,对接收到的信号进行预处理,然后提取其复杂度特征中的盒维数和稀疏性,并将两者作为分选的特征参数,最后基于KFCM算法实现未知雷达辐射源信号的分选。由仿真结果分析可知,预处理后的信号序列的盒维数和稀疏性分离度高且受噪声的影响小,分选结果令人满意,在信噪比为5 dB时,不同调制类型信号间的分选准确率最低为87%。     

复杂体制雷达辐射源信号识别新方法

针对现有方法识别准确率不高和对噪声敏感的问题,应用双谱二维特征复杂度实现了低信噪比下未知复杂体制雷达信号的高准确率识别。对接收到的信号首先提取双谱幅度谱并简化为二维特征,然后求取该二维特征的复杂度特征中的盒维数和信息维数,并将两者作为识别的特征参数,最后基于支持向量机完成识别。由于不同信号的双谱区别大且对高斯噪声不敏感,因此提取的盒维数和信息维数可分性强、稳定度高,仿真验证了方法的优越性,在信噪比为5dB时,识别准确率最低为86%。     

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。      

基于HOS的未知雷达辐射源信号分选

对未知雷达辐射源信号进行准确分选是电子对抗领域迫需解决的一个难题。当前用于分选的特征参数主要有相像系数、小波包变换、熵值等,它们普遍存在的问题是在低信噪比下难以获得令人满意的准确率。基于高阶统计量（HOS）可以实现多种不同雷达辐射源信号的分类,且具有抑制高斯噪声的优点。文章提出一种基于HOS的未知雷达辐射源信号分选新方法,通过计算机仿真验证,在相同的信噪比条件下,利用HOS进行分选可以获得更高的准确率。     

基于自相关函数三维熵的雷达信号分选

针对当前雷达辐射源信号分选方法存在准确率不高和对噪声敏感的问题,提出一种新的分选方法,对接收到的信号首先分析其自相关函数,然后提取该自相关函数的香农熵、指数熵和范数熵,并将该三维熵特征作为分选参数,最后基于KFCM 算法实现分选。由于不同信号的自相关函数区别大且对噪声不敏感,因此提取的三维熵特征具有较好的分离性和稳定性。仿真结果表明,虽然雷达辐射源信号的周期性和自相关函数的最大延迟数对分选性能均存在一定的影响,但该方法依然具有较好的适应性和有效性。     

基于改进相似熵的参数交叠雷达信号分选

在信号参数日益交叠的背景下,传统的雷达信号分选算法已经不能解决参数严重交叠的雷达信号分选问题。因此提出了基于改进相似熵指标的K均值分选算法,该算法利用相像系数来代替传统的欧几里德距离,用相似熵指标作为迭代是否结束的标志,利用Wpt6和Wpt7小波参数特征与传统的分选参数进行联合分选。仿真结果表明,新算法较传统K均值算法可提高15.8%的分选准确率,对于严重交叠的雷达信号分选准确率可达到96.2%,较好地解决了参数严重交叠的雷达信号分选问题。     

利用自适应相关增强器增强图象

本文介绍利用一种新颖的二维自适应滤波算法增强噪声图象中小空间范围的二维信号所获得的结果。该算法称为二维自适应相关增强器(2DACE),是一种系数修正方法,能收敛于所研究的信号或特征的二维自相关函数,并将结果与用二维LMS算法所处理的图象进行对比。     

改进的阈值函数在心音信号消噪中的研究

为弥补传统阈值函数存在的不足、提高心音信号的消噪精度,提出了3种改进的阈值函数。试验中,首先对传统的软、硬阈值函数及3种改进的阚值函数进行去噪性能对比分析;其次,采用基于小波分析的频带局部能量特征提取法对消噪后的心音信号进行特征提取．并运用模糊Sammon映射算法将六维特征数据映射成二维以显示其散布特性。结果表明,改进的阈值函数二能更有效地消除噪声,其消噪后的心音信号特征向量较全面地反映了心音信号的特征。     

导数约束平滑条件下基于模糊函数特征的雷达辐射源信号识别方法

针对低信噪比条件下,雷达辐射源信号识别效果差的问题,提出了一种导数约束平滑条件下提取信号模糊函数特征的辐射源信号识别方法.建立了基于取整函数和坐标转换的模糊函数最大能量角提取的数学模型,降低处理复杂度;提出了不依赖于信号及噪声具体模型的基于导数约束平滑的最大能量切片波形信息提取算法,转化为二阶锥规划（Second-order Cone Programming,SOCP）问题求解,较大程度地降低了噪声对模糊函数波形特征的影响;依据有效性指标,确定了本文算法中目标函数正则化系数与对称Holder系数的范数因子取值,最后通过模糊c-means方法实现对辐射源信号特征向量的聚类识别.仿真结果表明,在低信噪比条件下本文方法具有更高的识别正确率.     

基于频谱相像系数的间歇采样转发干扰识别

正确的干扰识别是采取有效抗干扰措施的前提和基础,文中针对间歇采样转发干扰的识别问题,提出了一种基于频谱相像系数和支持向量机的干扰识别方法。通过对目标回波及干扰信号的模型及频谱进行分析,挖掘回波与干扰信号频域上的差异,提取频谱相像系数特征,并利用支持向量机进行分类识别。仿真结果表明:相像系数特征参数类间分离度好、不易受噪声及实验次数影响,将其作为干扰识别的特征参数,得到的识别准确率较高,可以为后续雷达系统采取针对性抗干扰措施提供重要的决策信息。     

一种脉冲重复间隔复杂调制雷达信号分选方法

雷达辐射源分选是电子战系统的关键技术之一。为了解决传统的基于脉冲重复间隔(PRI)的分选方法不能有效分选PRI复杂调制雷达信号的问题,该文提出一种利用脉冲到达时间与雷达帧周期的对应关系构成的2维特征向量来提取脉冲序列中PRI的变化规律,进而实现PRI复杂调制雷达信号分选的新方法。该方法可以在脉冲丢失严重且存在噪声脉冲的情况下获得满意的分选结果,并利用模拟仿真验证了方法的有效性。     

基于脉内特征参数的雷达信号调制方式识别方法

研究了一种识别辐射源脉内调制方式的方法。该方法运用分形维数和相像系数作为辐射源信号的脉内特征,提出了基于模糊综合评估获取特征的基本概率赋值,然后运用D-S证据理论进行多脉冲数据融合,从而识别辐射源信号调制方式的方法。基于本方法的辐射源脉内调制方式识别方法通过仿真试验表明,其正确率高,具有一定应用价值。     

基于累积变换的周期性对称调制模式的快速自动搜索算法

借鉴平面变换技术,将密集雷达脉冲序列映射成平面位图矩阵,并提出自动搜索周期性对称调制模式的快速算法,用于分选密集信号环境下PRI受周期性对称调制的雷达脉冲.大量的仿真试验结果表明算法在密集信号环境下,分选PRI是周期性对称调制的雷达脉冲的平均准确率达到92%,平均漏选率只有5%,极大地提高了雷达脉冲分选的效率和准确性.最后给出模式搜索时间、脉冲分选平均准确率和平均漏选率随脉冲密度变化的结论.     

基于特征加权与相像系数聚类的有源压制干扰分类技术

为了提高雷达有源压制干扰识别正确率,提出一种特征加权与相像系数聚类的分类方法。针对分类过程中所提取特征参数对信号分类的权重不同,引入特征加权的概念。利用灰色关联度算法求取各特征权重,避免部分微弱特征对分类结果产生较大影响。最后利用相像系数聚类算法,对雷达有源压制干扰信号进行了分类识别。通过Matlab仿真实验证明,该方法可以有效提高雷达有源压制干扰信号类型的识别率。     

基于时频矩阵二值化的雷达信号分选

针对频率捷变雷达信号的分选,提出了一种基于时频矩阵二值化的信号分选新方法.该方法首先对信号进行时频变换,得到时频矩阵;然后对时频矩阵二值化处理,提取信号在时频域能量分布归一化值作为信号的相参特征;最后采用支持向量机分类器实现信号分选.对频率捷变雷达信号进行了仿真实验,结果表明,该方法在较低信噪比下仍能获得较为满意的分选准确率,当信噪比为6 dB时,信号分选准确率达到96.17％,验证了所提出方法的有效性.     

一种雷达辐射源双谱二次特征提取方法

针对常规参数进行复杂体制雷达辐射源信号分选时存在的问题,对信号双谱图分别进行频率分区和奇异值分解,二次提取其双谱分布熵和奇异谱熵作为雷达辐射源特征参数.该方法利用双谱分析可以完全抑制高斯有色噪声对信号的影响,同时保留信号的幅度和相位信息的特点,并有机地融合了双谱理论、奇异值分解和信息熵理论的各自优点,反映出信号的本质信息.采用模糊C均值聚类算法对不同信噪比条件下6种典型调制类型的雷达辐射源信号进行聚类分选实验.实验结果表明,该方法取得了较好的分选效果,克服了传统图像特征提取算法特征维数过高和聚集性差的缺点,验证了该方法的有效性.     

基于模糊平面的信号识别方法

将一维信号变换到二维坐标平面往往更有利于描述信号的时变特征,从而实现信号的分类识别。基于离散时频分布的信号识别方法,将时频核设计问题转化为以信号自模糊函数为原始特征的特征选择问题,以实现特征降维和信号识别。时频核设计孤立考察模糊平面上各个特征点,且降维空间中存在着识别信息冗余。将核设计的原理推广,直接基于模糊平面进行信号识别,利用K—L展开和线性变换对自模糊函数进行特征提取,在降维空间内综合了各原始特征共有的分类信息,并去除特征之间的相关性,从而比时频核设计方法具有更优的信号识别性能。     

基于FastICA的雷达信号分选

传统的雷达信号分选主要是基于统计的思想,通过对脉冲序列的PRI分析,依据PRI的调制方式,将对应的雷达信号分选出来。它存在运算量大,速度慢,且准确率不高的缺点。本文提出将快速独立分量分析(FastICA)算法应用于雷达信号的分选。仿真试验证明了该算法可以取得很好的雷达信号分离效果。