基于转换脉冲神经网络的雷达辐射源识别方法

为提高雷达辐射源识别智能水平,提出一种新的基于转换脉冲神经网络进行雷达辐射源调制模式识别的 方法。将仿真产生的雷达信号转换为2 维时频图,将传统的卷积神经网络(convolutional neural networks, CNN)转化 为脉冲神经网络(spiking neuron network, SNN),使用SNN 进行雷达辐射源识别。仿真实验结果表明：该方法具有 优良的检测精度,当信噪比高于-9 dB 时,识别概率可达96%以上。     

基于主成分分析的雷达行为状态聚类分析方法

针对在实际作战中雷达对抗侦察设备对未知雷达进行工作状态识别时,难以获取和利用充足的训练样本的问题,提出了基于主成分分析的雷达行为状态聚类分析方法。该方法通过分析雷达行为状态类型与雷达信号脉冲参数间的本质关联,以获得可用于分类的特征。首先对机载侧视雷达远区搜索、近区搜索及跟踪等不同工作状态下的雷达信号特征进行深入分析,选择合适的雷达脉冲序列组成雷达样本库。然后,对测试信号特征进行预处理,结合主成分分析方法提取合适的特征参数,并对C-均值聚类算法进行了改进,完成了样本数据的分类,该方法能够在小样本数据条件下进行分类。仿真结果表明,该方法可以用于雷达行为状态的分类并且不易受初始数据及随机聚类中心的影响。     

频谱弥散和切片组合欺骗式干扰的识别算法

针对频谱弥散(SMSP)和切片组合(CI)两种有源欺骗干扰检测识别算法计算量大,需要过采样等问题,提出了频谱弥散和切片组合欺骗式干扰的识别算法。该算法首先建立干扰的时、频域模型,在此基础上分析其时、频域特征,并进一步提取基于时域的盒维数与基于频域的指数熵作为干扰的本质特征参数,通过基于二叉树结构的支持向量机分类器(SVM)对干扰信号进行分类识别。仿真结果表明,在一定的信噪比要求下,该算法能够准确识别出干扰类型,为雷达抗干扰措施的选取提供先验知识,提高雷达在复杂电磁环境下工作的可靠性。     

基于改进动态时间规整的雷达状态识别方法

针对机载雷达行为感知特征维度高，感知准确率低的问题，在典型雷达行为多级建模的基础上，将脉冲描述字(PDW)序列数据作为输入，提出一种基于语义模式距离的动态时间规整(DTW)雷达行为感知算法。该方法基于主成分分析(PCA)方法进行特征降维，并利用时间规整函数描述测试模板和参考模板的时间对应关系，求解两模板匹配时累计距离最小所对应的规整函数，据此进行机载雷达工作模式与状态的感知。仿真结果表明，该方法在较好的实时性前提下对机载雷达工作模式与状态的整体感知准确率达到90%以上，证明该方法有效可行，具有较好的工程应用前景。     

雷达干扰模式识别技术综述

介绍了雷达干扰模式识别技术的背景,总结了近几年干扰模式识别领域的创新性研究。重点介绍了两种最为常用的基于特征提取的干扰识别算法:判决树分类法和神经网络分类法。给出了这两种方法在干扰识别中的工作流程,并对干扰识别技术未来的发展方向做出了展望。     

基于GAN的半监督低分辨雷达目标识别算法

针对雷达侦察过程中数据库标签样本不足导致目标识别率难以提高的问题,提出了基于生成对抗网络(GAN)的半监督低分辨雷达目标识别算法。该算法将现有的少量标签样本和接收到的大量无标签样本作为样本集,使用卷积神经网络(CNN)替代GAN的判别器部分,利用GAN强大的对抗生成能力,提高小标签样本条件下对低分辨雷达目标的分类识别能力。仿真实验结果表明,该算法较传统半监督雷达目标识别方法具有更短的识别时间和更好的识别效果,证明了算法的优越性。     

基于双谱分析的雷达有源欺骗干扰识别

针对跟踪雷达的三种常见欺骗干扰识别算法计算量大,使用范围较窄等问题,提出了基于双谱分析的识别算法。该算法对受到干扰与否的四种情况下的雷达接收信号进行双谱分析,经过降维和归一化处理后,将三维双谱信息转化为二维特征信息,对得到的二维特征谱提取熵特征和盒维数组成特征参数集放入分类器中进行分类识别。仿真实验表明,在SNR=4dB时,三种干扰的识别率均大于90%,在SNR=6dB时,三种干扰的识别率均接近100%。证明了该方法有较高的识别率,特别是该方法受信噪比影响较少,能够有效降低噪声对干扰识别的影响。通过与其他文献方法进行比较,证明了该方法的优越性。     

基于多时间窗口的空中目标机动模式提取及识别方法

针对现有空中目标机动模式识别算法中,机动模式提取方法实用性差和识别率不高的问题,提出了基于多时间窗口的空中目标机动模式提取及识别方法。该方法构造了多个不同尺度的时间窗口并制定了相对应的多时间窗口识别机制,使得机动模式的提取和识别环节之间相互配合,从而实现机动模式的识别,时间窗口采用的是卷积神经网络分类器。仿真试验证明,该方法对5种机动模式类型的识别率均达到了90%以上,有效解决了现有提取方法完全依赖特征点寻找、提取精度不高的问题,提高了机动模式识别的准确性及鲁棒性。     

基于栈式稀疏自编码器的有源欺骗干扰识别

针对传统方法在欺骗干扰特征提取时需要依赖人工经验的缺点,提出了基于栈式稀疏自编码器(Stacked Sparse Autoencoder)的有源欺骗干扰识别算法。该算法对干扰下的雷达接收信号进行时频分析,对时频特征进行降维,利用无标签样本对特征提取模型进行预训练,再通过少量有标签样本进行监督精校。最后利用soft max分类器完成有源干扰的识别。仿真实验证明,该方法有较高的识别率,特别是该方法受信噪比影响较少,说明了深度学习方法应用于雷达欺骗干扰信号分类识别领域的可行性。相较于其他文献方法,该算法拥有更好的实验效果,证明了该方法的优越性。     

基于简化多重分形谱算法的声信号预警识别

针对目前常用多重分形谱算法运算量大,难以用于实际目标识别的现状,提出基于简化多重分形谱算法的声信号预警识别方法。该方法计算时间短,所需样本量少,误判率低,在信噪比较低时预警识别综合性能高于目前常用的过零率检测方法。     

基于改进SSD的低截获概率雷达辐射源识别算法

针对低截获概率(LPI)雷达辐射源识别领域中,目标检测类方法实时性不高的问题,提出基于改进SSD的LPI雷达辐射源识别算法。该算法采用精度更高、速度更快的ResNet-50代替VGG-16网络,并对网络进行改进设计;此外,通过构建多径莱斯衰落信道仿真更贴近真实环境的数据集,以提高模型的实用性。仿真实验结果表明,针对7种LPI雷达信号的识别,在信噪比为-4 dB时识别准确率可达到92.9%,与原始SSD模型相比,训练及检测速度分别提高了28.50%和29.74%。     

一种抗 SDIF 分选的脉冲重复间隔参差设计方法

为提高雷达对电子侦察系统抗分选识别能力,从破坏脉冲重复间隔（PRI）分选性能的角度出发,提出了一种雷达信号 PRI 参差设计方法。根据典型的序列差值直方图（SDIF）算法的工作流程,分析了 SDIF 实现 PRI 参差信号分选的关键步骤。合理设计参差 PRI 取值,使其满足一定约束条件,可以破坏正确分选流程,达到分选结果中目标增批的目的。仿真结果表明,该设计方法能有效对抗基于 SDIF 的信号分选策略,可以为雷达信号射频隐身设计提供初步的理论指导。     

脉冲压缩多普勒雷达高度表信号处理算法

脉冲多普勒雷达非模糊距离测量可通过发射多重频脉冲实现,但将会增加雷达系统及信号处理的复杂程度,以此为出发点,提出一种针对线性调频脉冲压缩多普勒雷达解距离模糊的方法,即通过对线性调频脉冲串的脉冲间进行相位编码调制,在处理上采用脉冲内(脉压处理)以及脉冲间(多普勒处理)进行二次相参积累算法,除解决雷达的距离模糊问题外,大大提高了雷达对弱信号的检测能力和抗干扰能力,从而也进一步提高雷达的距离性能.该信号波形以及处理算法可在高高度雷达高度表中取得应用.     

基于熵特征的调频引信目标与干扰信号识别

针对调频引信较难抑制的调幅扫频类干扰,提出了一种基于熵特征的目标与干扰信号分类识别方法。比较目标和干扰信号作用下引信检波信号时域和频域特征,提取检波信号的香农熵和奇异谱熵,通过Kruskal-Wallis检验方法验证了特征参量的有效性,并利用支持向量机分类器对目标信号和干扰信号进行了分类识别。仿真实验结果表明：在支持向量机核函数参数最优时,该方法的分类识别正确率达到98.954%,有效提高了调频引信的抗扫频式干扰能力。     

基于稀疏孔径ISAR成像的雷达资源自适应调度算法

多功能相控阵雷达可以灵活地对不同目标进行交替观测,而雷达资源的合理分配是优化雷达整体性能的基础。文中提出了一种基于稀疏孔径ISAR成像的雷达资源自适应调度算法。多目标成像时,在对目标特征进行认知的基础上,根据反馈信息合理分配雷达时间资源对目标交替观测,再采用基于压缩感知的稀疏孔径成像方法对不同目标进行成像,从而在保证达到期望成像质量的基础上,显著提高雷达时间资源的利用率。仿真实验验证了该算法的可行性。     

雷达辐射源音频信号声纹识别方法

针对复杂的电磁环境中,雷达辐射源音频信号人工识别方法存在耗时长、误判和错判等问题,提出一种利用声纹识别和计算机技术对雷达辐射源音频进行识别的方法.利用了声纹识别关键技术--美尔倒谱系数特征提取和动态时间规整算法实现雷达辐射源音频自动识别,实验结果表明:该方法缩短了识别时间,提高了识别的正确率.     

基于改进滤波器和图像加权局部熵的红外小目标图像处理

针对传统背景抑制方法虚警率高、检测率低的问题,提出一种基于改进滤波器和图像加权局部熵的红外 小目标图像处理方法。通过改进中值滤波对原始红外图像进行预处理,分别构建多尺度灰度差异算子、局部图像熵 算子,并将二者进行点积运算得到加权局部熵,从而能够有效地抑制背景并消除噪声。实验结果表明：该方法适应 性较好,运算效率相对传统中值滤波算法提升了20.6%,有一定的理论与工程应用价值。     

基于BP-AdaBoost模型的雷达工作状态识别方法

为解决雷达信号参数重叠导致雷达工作状态识别率下降的问题,将反向传播(back propagation, BP)神经网络与AdaBoost算法相结合,生成BP-AdaBoost模型,对多种雷达特征参数进行分类,并对机载多功能相控阵雷达的6种不同的工作状态进行识别验证。仿真结果表明,与其他传统方法相比,BP-AdaBoost模型显著改善了识别过程,从而提高了识别精度。     

基于谱熵的动态双门限语音端点检测算法

针对通信设备语音通话控制的需求,通过综合分析语音端点检测主要方法及性能,提出一种基于谱熵语 音端点检测算法。介绍语音端点检测算法,进行语音信号谱熵计算,通过建立背景噪声模型的方式动态调整谱熵值 判别门限,实现语音端点检测功能。仿真结果表明：该算法不仅在低信噪比条件下具备较好的检测性能,而且在复 杂背景噪声环境下具备良好的适应能力。     

基于1阶Minkowski度量的多重分形谱算法

针对目前广义维数多重分形谱算法运算量大,难以用于预警识别的现状,提出1阶Minkowski度量的多重分形谱算法,并将该算法用于坦克噪声预警识别试验。该方法根据广义维数定义本质,通过简化测度计算,减少运算量。试验表明,该算法在信噪比较低时,预警识别性能高于目前常用的过零率检测方法。