基于聚类分析的常规通信信号自动分选方法

为了从干扰环境中自动分选出常规通信信号,提出了一种基于聚类分析的信号分选方法,它主要包括测量集分割和信号跟踪两部分。测量集分割用于对频域检测和测向得到的测量集进行识别,从中获得对该测量集有贡献的窄带信号的特征参数;信号跟踪就是根据常规通信信号的特点,对截获信号进行序贯聚类,剔除干扰信号。实验结果表明,测量集分割方法的识别正确率在94％以上,能够准确估计各窄带信号的特征参数;所提出的分选方法能够从干扰环境中正确分选出常规通信信号。     

雷达信号分选关键技术研究综述

利用雷达技术侦探干扰的重要组成部分是雷达信号在电磁环境较复杂状况下的分选技术,信号分选是利用雷达进行截获的一直正在进行的技术和理论研究问题。本文对于近几年来国内外雷达分选信号技术的发展现状进行了系统的介绍,并且进一步提出了当前信号分选方面仍然存在的问题,对于雷达信号分选相关技术的研究情况进行了系统综述。     

基于PRI参数的雷达信号抗分选分析

为满足未来综合电子战的需要,在不降低信号功率的条件下,从破坏信号分选所利用的信号规律性出发,提出如何利用PRI参数变化实施信号抗分选的方法。选择基于软件的信号预处理分选方法SIDF作为抗识别效果分析工具,探寻具有抗分选效果好的雷达信号特点,为雷达反侦察研究提供新的思路。     

基于PRI变换和小波变换的雷达信号分选

分析了脉冲重复间隔（PRI）变换算法和小渡变换算法的基本原理，针对两种算法在雷达信号分选中的优缺点，提出了一种基于PRI变换和小波变换相结合的雷达信号综合分选方法。该方法首先利用PRI变换对雷达信号粗分选，然后应用小波变换进行细分选。仿真结果表明，在信噪比不低于10dB的条件下，该方法准确可行。     

UML及其在雷达信号分选系统分析建模中的应用

UML作为软件工程领域的标准建模语言得到了业界的广泛支持,并日渐成为系统分析中的一种标准建模语言.建模就是用图表从技术层次表达系统的各个方面功能.实时统一建模代表着雷达软件设计的一个发展方向,该文介绍了UML工具并使用了UML的用例图、活动图以及类图对雷达信号发分选系统的软件设计进行了分析建模,给出了雷达信号发分选系统的软件设计的用例模型、静态模型和动态模型.     

基于PRI变换的雷达信号分选

雷达信号分选是电子对抗的关键技术,而脉冲重复间隔是雷达信号分选的关键参数。目前基于PR I参数提出了很多分选方法。传统的PR I变换法对脉冲重复间隔具有很高的估计精度,它克服了直方图统计法中的子谐波问题,但是它的抗抖动能力很差。该文引入的修正的PR I变换法针对传统PR I变换法的缺点,利用可变的时间起点避免了相位因子的相位差,利用重叠的PR I箱增加PR I箱宽度,有效地克服了传统PR I变换中的缺点。此外,文中还给出了相应的门限设定方法和快速的脉冲抽取算法。仿真表明,该修正的PR I变换算法对固定PR I、抖动PR I和参差PR I脉冲序列都有较好的估计效果,它是精度较高的雷达信号分选方法。     

复杂电磁环境下基于信号稀疏表示的干扰抑制与通信信号重构方法

在复杂电磁环境下,通信信号与干扰在时频域重叠而难以分离,针对这一问题,提出了一种基于信号稀疏表示的干扰抑制与通信信号重构方法.首先,通过K阶奇异值分解（K-Singular Value Decomposition,K-SVD）算法,分别构造通信信号与干扰的过完备子字典;然后,对过完备子字典进行联合构建联合字典,利用正交匹配追踪（Orthogonal Matching Pursuit,OMP）算法实现信号的分离和重构;最后,对时频重叠下的2ASK信号和2PSK信号的干扰抑制和重构过程进行了计算机仿真,再对OFDM信号的干扰抑制和信号重构过程进行了实验验证.仿真及实验结果表明：该方法可以实现时频重叠情况下通信信号的干扰抑制与信号重构.     

基于PRI变换和小波变换的雷达信号分选

分析了脉冲重复间隔(PRI)变换算法和小波变换算法的基本原理,针对两种算法在雷达信号分选中的优缺点,提出了一种基于PRI变换和小波变换相结合的雷达信号综合分选方法。该方法首先利用PRI变换对雷达信号粗分选,然后应用小波变换进行细分选。仿真结果表明,在信噪比不低于10dB的条件下,该方法准确可行。     

基于格拉布斯准则的雷达信号分选方法的探讨

通过引入统计学中剔除异常数据的格拉布斯准则,将其与基于算数平均和递推估计的"一致性校验"算法相结合,提出了一种基于此准则的雷达信号分选方法.首先介绍了格拉布斯准则在统计学中分选数据的算法流程,以脉冲幅度(PA)为例作为采样数据样本,讨论了该方法在雷达信号分选中的实现过程,围绕该方法中关键参数的不同选取给分选性能带来的影响,通过MATLAB的仿真分析验证了该方法应用于反辐射导弹(ARM)雷达信号分选的有效性和可行性.     

复杂脉内调制雷达信号的识别方法

提出一种识别包括相位编码、频率编码,以及脉内混合调制等复杂雷达信号的方法。该方法结合AR模型功率谱估计分析方法和小波变换模极大值方法,将复杂混合调制信号转化成相位编码信号,然后基于高次方频谱分析的方法提取信号的频率特征,首次实现了对6种复杂雷达信号的分类。实验表明,在信噪比为0 dB时,大多数信号的识别率可以达到93%以上。     

一种用于跳频信号参数估计的时频表示方法

在时延和频移两个方向上,对跳频信号的模糊函数进行了分析,提出了一种基于跳频信号模糊函数自项特征的时频表示方法。其核函数在信号的模糊域能够有效地滤除噪声和交叉项,并保留绝大部分的自项能量。仿真试验结果证实,与平滑伪维格纳分布相比较,该方法提高了信号项的时频聚集性,具有更好的参数估计性能。     

随机跳频信号的模糊函数与时频分析

在分析随机跳频信号模糊函数及其特性的基础上,给出了用于时频分析的矩形核函数与信号模糊平面的关系,提出了一种新的时频表示方法。理论推导和仿真结果表明该方法能够有效地分析随时间快速跳变的跳频信号。与平滑伪维格纳分布相比,在保持相似性能的情况下,该算法运算量比较小,可以有效地节约运算时间,适合于快速跳频信号的实时分析。     

基于熵测度的跳频信号谱图分析

为了有效分析跳频信号并估计其参数,依据跳频信号谱图和Wigner-Ville分布(WVD)的特征分析,提出了一种自适应跳频信号时频分析方法。该方法依据熵测度进行谱图窗函数宽度选择,获取优化的跳频信号谱图表示。理论分析和仿真结果表明,基于熵测度的谱图分析方法能够在大于0dB的高斯白噪声环境下,给出跳频周期参数的准确估计;与平滑伪Wigner分布及其自适应方法相比,该方法能够在较低信噪比下有效降低参数估计的方差,提高参数估计的准确性;同时对于长观测信号,具有更快的运算速度。     

基于图像放大影响的多模板相关跟踪算法

目标实时跟踪算法是图像处理技术中的一个非常重要的应用,该算法将提供的原始目标怍为基准图像进行序列跟踪。实时跟踪算法有很多种,大多是基于图像匹配算法的跟踪方法,其中比较常用的为单模板相关跟踪。该文通过对图像放大对相关跟踪影响的分析,计算了单模板相关跟踪的最小图像放大率。针对单模板存在的问题提出了多模板跟踪算法,根据目标莉背景的位置分布提出了五模板相关跟踪,并给出了多模板跟踪算法中的相关结果置信度的计算方法,同时根据最终的相关位置给出了跟踪点的计算方法,仿真试验证明优于单模板跟踪算法。     

基于窗函数设计的跳频信号时频分析

基于抑制交叉项,提高信号分量时频聚集性的考虑,提出一种基于可调窗函数进行平滑伪维格纳分布核函数设计的时频分析方法：在保持平滑伪维格纳分布中核函数宽度不变的情况下,根据核函数自项和互项能量分布比,通过调整窗函数中的扩展因子改变核函数形状,获取跳频信号优良的时频表示。与固定窗函数方法相比,应用该时频表示,可以有效估计跳频信号的时频参数,而且有很好的抗噪声干扰能力。     

基于曲线拟合的多项式相位信号参数估计

研究了多项式相位信号的参数估计问题.针对在分析高阶多项式相位信号时,维格纳-威利分布的交叉项使得时频分布图变得难以解释的问题,采用伪雏格纳-威利变换减少交叉项,并且从伪维格纳-威利分布提取出多项式相位信号的瞬时频率曲线,利用曲线拟合的方法拟合瞬时频率曲线,从而实现了多项式相位信号参数估计.对比了最小二乘曲线拟合和切比雪夫曲线拟合用于多项式相位信号参数估计的不同.最后通过仿真验证了曲线拟合用于多项式相位参数估计的有效性.     

一种改进的DNN算法在雷达信号分选中的应用

针对深度神经网络能自动学习数据深层特征的优点进行了研究,提出一种基于深度信念网络的信号分选方法,来解决传统雷达信号分选中人工提取特征的耗时、特征冗余等问题。通过堆叠多层的深度模型对原算法进行改进,克服单一模型学习力的不足,对不同信号的本质特征进行深入学习,融合各个深度模型的后验概率进行分类决策,从而进一步提高了信号的识别率。采用改进方法对七种不同类型的雷达信号进行分选识别,并与其他信号分选方法进行对比,实验结果表明,该方法取得了更好的分类效果,展现出较强的学习数据本质特征的能力,从而验证了算法的有效性和优越性。