浅析雷达信号分选技术

对现有信号分选技术的不足进行初步分析,提出一种基于脉冲序列特征的信号分选技术。利用“T—T”图,通过脉冲TOA序列配对证明该技术能较好地解决复杂信号的分选问题。     

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。     

基于NeiMu的雷达信号聚类分选

针对雷达信号分选中常见的聚类数目难确定、数据簇形状识别、异常数据敏感等问题，提出了基于NeiMu(Neighboring Mutually)的雷达信号聚类分选算法。该算法首先以信号脉冲为点、各点间的欧氏距离为线构建距离矩阵，然后在进行干扰数据剔除的情况下选定合适k值完成聚类矩阵的构建，最后采取遍历聚类矩阵的方法输出聚类结果，在删除无效的聚类后实现了雷达信号的聚类分选。通过仿真可知该算法在选取合适k值的情况下具有极高的正确率，证明了其有效性和可靠性。     

基于FPGA和DSP的被动雷达信号分选处理器的设计

介绍了基于DSP和FPGA的末制导雷达信号处理机分选软硬件的设计及实现,该系统以一片DSP为主处理器,配合FPGA及其他外围电路用于实现雷达信号的分选跟踪。由于采用DSP＋FPGA,不仅很好地实现了实时性,而且系统集成度高,可靠性好,易于修改,使用灵活,因此具有较强的实用价值和参考价值。     

基于点云分割网络的雷达信号分选方法

针对现有基于图像分割的端到端雷达信号分选方法存在的像素点重叠与处理效率不高的问题,该文提出一种基于点云分割网络的端到端分选方法。首先将雷达脉冲流的脉冲描述字(PDW)映射为点云;之后利用点云分割网络(PointNet++)对该点云中各点依据其所属辐射源进行分割;最后将具有相同标签的点聚类形成脉冲集合,分别提取各脉冲集合所包含的辐射源并形成相应的辐射源描述字。仿真结果表明：所提方法能够有效对未知雷达信号进行分选,在脉冲丢失和虚假脉冲干扰的分选环境下也表现出较强的可靠性与稳定性,并且由于采用具有轻量化特点的模型使得该方法的执行效率更高。     

一种综合雷达信号侦察预处理方法

针对现代电子战日益复杂、密集的电磁环境下雷达信号的侦收分选面临着的严峻考验,提出分层分级把环境信号脉冲描述字数据流进行分类综合预处理的方法,稀释脉冲数据流以减轻后续信号分选的压力,介绍了基于信号的方位、频率、脉宽等参数预处理的流程,对已知信号预处理和未知信号预处理要点做了说明,并通过仿真验证了该方法的正确性和有效性。     

基于平面分割和PRI的雷达信号分选

提出一种基于载频/脉宽平面分割和PRI联合参数进行雷达脉冲分选的算法,即使在同时存在多种PRI模式（常规、抖动、参差、周期调制等）且脉冲丢失率较高的信号环境下,该方法也具备良好的分选效果。通过仿真,验证了该算法的正确性和可行性,在工程上有一定的应用价值。     

聚类方法在雷达信号分选中的应用

针对参数相近、互相交叠的非常规雷达信号分选所面临的困难,提出一种改进的聚类方法,并将其应用于常规分选方法提取后的剩余雷达信号.通过大量的仿真实验,验证了此分选方法的可行性.     

利用谱估计算法的雷达信号分选

传统雷达信号分选过程中分别进行脉冲重复频率检测与初始到达时间估计时,脉冲搜索时间过长。为此,提出了一种新的基于谱估计的信号分选算法。该算法通过谐波滤除减小了脉冲初始到达时间估计的运算次数,并在进行脉冲重复频率检测的同时估计脉冲初始到达时间,从而避免了传统信号分选算法中对整个序列的遍历,节省了计算资源。仿真结果验证了该算法的有效性。     

基于改进集对分析聚类的雷达信号分选方法

在高密度复杂的雷达信号环境下,针对使用集对分析进行信号分选时,分选结果易受联系度取值影响的问题,提出了一种实时稳定有效的信号分选方法。通过采用集对分析对脉冲流进行预分选,再结合高维数据聚类的方法实现分选效果。经过仿真对比分析,实验结果表明该方法在含有噪声脉冲的情况下仍具有较高的识别率。     

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PRI谱特征的复杂雷达信号分选方法

通过分析雷达截获机所处的复杂雷达信号环境,提出了一种基于PR I谱特征的复杂雷达信号分选方法。该方法利用PR I变换获取雷达信号PR I谱,并根据各种复杂雷达信号PR I谱特征实现复杂雷达信号的分选工作。仿真结果表明,该方法能够较好地实现复杂信号环境下雷达信号的分选工作。     

基于改进的半监督AP聚类雷达信号分选

雷达信号分选是现代高技术战争和将来信息化战争中至关重要的环节,是电子战的重要组成部分。从时频分析的角度出发,不同调制方式的信号会在某些频带内具有不同的分解系数,这些差异性使得小波包提取的特征能够进行信号调制方式的识别。提取信号小波包能量熵的统计特征,利用改进的半监督近邻传播聚类算法对特征进行聚类分析。与直接半监督近邻传播聚类算法和传统近邻传播算法比较,改进的半监督近邻传播聚类算法性能更优,准确率更高,而且聚类数更加接近实际聚类数。     

基于模糊函数相像系数的雷达辐射源信号分选

针对当前的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,提出一种新的分选算法,对接收到的信号求取其模糊函数,并将其简化为二维特征图,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,将求取的相像系数作为分选的特征参数.由于不同信号的模糊函数区别较大且受噪声的影响小,所以转换后的相像系数可分性强、稳定度高,大量的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%.     

基于时频图像和高次频谱特征的雷达信号识别

针对低信噪比下雷达信号识别准确率较低的问题,提出了一种基于时频图像和高次频谱特征联合的雷达信号识别算法。该算法首先对信号采用Choi-Williams分布(Choi-Williams distribution,CWD)变换获取时频图像,接着对时频图预处理并用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取纹理特征;然后利用对称Holder系数提取信号的高次频谱特征;再将纹理特征和高次频谱特征构成一组联合特征向量,最后通过支持向量机(support vector machine,SVM)实现雷达信号的分类识别。通过对8种典型雷达信号进行实验,结果表明本算法在信噪比为-8 dB时,不同信号的识别准确率能达到90%以上。     

基于PRI谱内特征的参差雷达信号分选算法研究

通过分析参差雷达信号的基本特征,针对PRI变换算法在参差雷达信号分选中存在的不足,提出了一种基于PRI谱内特征的参差雷达信号分选算法。该算法利用PRI变换获取信号的时域PRI谱,进而根据PRI谱内脉冲对数特征完成参差信号帧周期的分选工作。仿真结果表明,该方法能够较好地实现参差雷达信号的分选工作。     

一种海杂波背景下雷达信号检测方法的研究

结合相位编码信号和步进频率信号各自的特点,提出了一种脉内相位编码-脉间步进频率的组合调制低截获概率雷达信号（PCSF）。针对海杂波的统计特性,提出了一种可实现的K分布海杂波模型下的距离扩展目标检测器并进行了仿真分析。研究结果表明,在同一信杂比条件下,提出的脉内二相编码-脉间步进频率组合调制信号较单独的相位编码信号和步进频率信号的目标检测性能有较大的改善。     

基于信号估计的扩频测控信号快捕方法

为进一步提高扩频测控系统的捕获速度,研究了借助辅助序列估计伪码相位的方法,分析了该估计算法的精度。针对该算法在高动态条件下估计偏差较大引起捕获概率骤降的问题,提出引入最大似然频偏估计修正相干载波的方法,显著提高捕获概率。设计了基于码相位估计和载波频率估计的快速捕获算法,仿真结果表明,该算法在载噪比较好的情况下可以有效完成捕获。为提高算法在较低载噪比时捕获的可靠性,提出将估计值作为部分匹配滤波辅助快速傅里叶变换( PMF-FFT )初值的综合捕获方法,与传统捕获方法相比,平均捕获时间显著降低,且并没有带来硬件复杂度的提高,具有一定的理论意义和工程应用价值。