一种基于近类点和模糊点的未知雷达信号分选算法

针对基于密度聚类（DBSCAN）算法不能发现雷达信号密度分布不均匀的缺陷,提出了一种基于近类点和模糊点的聚类方法。该方法利用同一部雷达数据的分布特性进行聚类,通过确定近类点和模糊点以达到分选不同密度分布的雷达信号,适用于未知雷达信号的分选。算法测试表明,该方法对噪声不敏感,能够发现任意形状、大小和密度的聚类。     

数据场和K-Means算法融合的雷达信号分选

雷达辐射源信号分选是电子情报侦察的关键环节,其中未知雷达的信号分选一直是分选中的难题。针对传统K-Means聚类算法对初始聚类中心敏感、需要事先确定初始聚类数目的缺点,将数据场算法引入到雷达信号分选,并将其与K-Means聚类算法相结合,提出了一种融合算法,该算法不需要雷达信号的先验知识,适用于处理未知雷达信号。通过仿真实验验证所提出的融合算法分选准确率较高,为雷达信号分选提供了新的思路。     

密度熵联合密度峰值聚类的雷达信号分选

在雷达信号分选中引入密度峰值聚类,可以快速发现聚类中心点,无需确定聚类数目。借鉴势熵概念提出密度熵,优化了聚类中核函数截断距离的选取算法。对如何自动判断聚类数目和聚类中心点问题进行了研究,设计了门限函数和判断规则,还对原算法的分配、合并准则进行了优化。仿真实验结果证明了该算法的有效性。     

一种新的未知雷达信号快速分选方法

针对未知雷达信号聚类分选实时性较差的问题,提出了一种改进的DBSCAN聚类分选方法。该方法首先依据脉冲数据在参数空间中的分布特性,寻找一些参考点来合理代替原有数据,然后利用这些参考点的密度连通性进行聚类处理。由于该方法减少了参与聚类运算的数据个数,因而有效克服了原算法计算量较大的缺陷,提高了未知雷达信号的聚类分选速度。仿真结果验证了改进方法的有效性。     

一种基于网格密度聚类的雷达信号分选

本文提出一种基于网格密度高效聚类的未知雷达辐射源信号分选算法。该方法通过改进的距离法对待分选对象集中的噪声和孤立点进行移除,再将剩余的PDW流映射至各网格单元中,并以网格密度为依据进行聚类,从而实现PDW流的分选。仿真结果表明,该算法能正确的分选出未知雷达信号。     

基于SA-BFSN算法的多模地面雷达信号预分选方法

针对BFSN算法需要人工输入参数的缺陷,提出了一种自适应确定参数的SA-BFSN聚类方法。该方法利用同一部雷达数据的分布特性进行聚类。通过确定邻居点和比较相似性以达到分选不同的雷达信号,适用于未知雷达信号的分选。提出了合批的方法和一种分选的联合处理。算法测试表明,该方法对噪声不敏感,能够发现任意形状、大小和密度的聚类。     

雷达辐射源信号聚类分选算法综述

现代战场环境下雷达信号密集、交叠严重,传统的雷达信号分选算法已不能有效完成未知雷达信号分选工作,而聚类分选因具有无监督学习、对先验知识要求小等优点被学者广泛应用于未知雷达信号聚类分选的研究工作。作者先总结了国内学者在传统聚类算法及其优化算法对未知雷达辐射源信号进行分类分选的部分理论研究成果,分析了各个算法存在的利弊,再根据雷达信号的特征参数以及影响聚类分选的外界因素提出了选择最优聚类算法的参考标准和建议。     

一种基于自适应密度阈值的未知雷达信号分选算法

针对基于密度的聚类算法不能发现密度分布不均匀数据样本的问题,提出了一种基于自适应密度阈值的未知雷达信号分选算法。该方法利用同一部雷达数据的分布特性进行聚类,通过寻找局部密度阈值,以达到分选不同密度分布的雷达信号的目的,并且在此基础上提出一个引理,提升了算法的时间效率。算法测试表明,该方法对噪声不敏感,能够发现任意形状、大小和密度的聚类。     

基于改进K-均值算法的未知雷达信号分选

针对K-均值算法需要事先确定聚类的数目,无法适用于未知雷达信号分选的问题,通过引入脉冲间欧几里德距离和距离阈值TMS2812,完成聚类数目和聚类中心的自动选取,给出一个K-均值的改进算法,改进后的算法既收敛速度快,易于工程化实现,又可自动确定聚类数目和聚类中心。仿真实验表明,该改进算法提高了K-均值算法的适用范围,能够有效适应于未知雷达信号的分选。     

改进的人工鱼群聚类雷达信号分选算法

针对目前复杂多变的雷达电磁信号环境,将人工鱼群聚类算法引入到雷达信号分选中,并将其与传统的K-Means聚类算法相结合进行了改进,对雷达信号分选进行了一种新的探索,该算法不需要雷达信号的先验知识,适用于处理未知雷达信号。通过仿真实验证明该算法分选准确率较高。     

基于电场探头的雷达强脉冲场时域快速测量

雷达强脉冲场的准确测量对研究电磁环境特征和装备电磁安全性具有重要意义。雷达强脉冲场常用频域测量方法耗时,且测量结果与分辨率带宽设置相关,设置不当会造成错误结果。为此文章在分析脉冲信号的时频域特征,并结合时域测量法和场强探头法测量原理研究的基础上,提出了基于示波器和场强探头的强脉冲场峰值和平均值场强快速测量方法,解决了大功率雷达脉冲近场分布快速测量的难题,同时给出了组合测量方法中场强探头的适用边界条件,实验验证结果表明场强探头与示波器组合法测量误差小于1 dB,且可相互验证。     

一种新的未知雷达信号聚类分选方法

通过分析,说明了k-means聚类算法不适用于未知雷达信号分选,进而提出一种改进网格聚类分选方法。该方法将数据点映射到网格空间,通过双密度阈值准确区分信号网格与噪声网格,利用网格的高密度连通性完成聚类分选。该方法计算量小,对噪声不敏感,无需先验知识支持。计算机仿真验证了算法的有效性。     

基于神经网络与时域校验的信号分选方法

针对现有雷达信号预分选方法对参数捷变雷达信号分选准确率不高的技术难题,提出了一种基于深度学习算法的全连接神经网络与时域校验的雷达信号预分选方法。该方法首先提取雷达数据库中已知雷达信号的载频、脉宽和脉内调制信息作为单脉冲分选特征,使用全连接神经网络完成单脉冲的识别。为了避免神经网络将未在雷达数据库中的信号(未知雷达信号)识别为已知雷达信号,在神经网络的输出层中加入置信度神经元生成置信指数,将置信指数低于阈值的判定为未知雷达信号进行剔除。最后根据分选结果调用雷达数据库中对应的时域信息(脉冲重复间隔),进行时域校验,完成雷达信号预分选。仿真结果表明,该方法在不同信噪比环境下对参数捷变雷达信号有较高的分选准确率,并且能有效剔除未知雷达信号。     

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。     

基于多重同步压缩变换的雷达辐射源分选识别

针对低信噪比条件下雷达信号分选识别算法识别率低且复杂度高的问题,提出了一种基于多重同步压缩变换(MSST)的雷达辐射源分选识别算法。首先通过MSST得到信号的时频图像矩阵;然后,对时频图像进行预处理,提取出时频图像的灰度共生矩阵纹理特征和Zernike矩特征;同时提取了信号的功率谱参数特征和平方谱统计特征,组成特征参数向量;最后利用支持向量机分类器实现了对雷达信号的自动分选识别。仿真结果表明,在信噪比为-2 dB时,该算法对9种雷达信号(CW、LFM、NLFM、BPSK、MPSK、Costas、LFM/BPSK、LFM/FSK和BPSK/FSK)的整体平均识别成功率大于96.5%。     

基于脉冲相位线性度的雷达辐射源信号分选

为解决信号分选中出现的“漏批”问题,提高信号分选准确率,提出了一种基于脉冲相位线性度的雷达辐射源信号分选新方法.对脉冲相位线性度的检测过程进行推导,并通过仿真实验对推导结果加以验证.提取分选特征参数,给出了信号分选算法的步骤,并进行分选仿真分析.仿真实验表明,本方法可以在较低输入信噪比下实现高效准确的雷达辐射源信号分选,在电子情报侦察系统上有着广阔的应用前景.     

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。     

基于时序匹配及变长滑窗的雷达信号分选

信号分选是雷达侦察技术与信号处理技术中的关键步骤之一,但常规分选算法运算量大、识别耗时长。同时,在信号丢失严重或者脉冲密度大的情况下易出现增批、漏批问题。针对上述问题,本文提出一种基于时序匹配及变长滑窗的信号分选方法,首先利用载频和脉宽进行粗筛选,然后在时域参数上抽取与雷达参数模板匹配的脉冲序列,匹配的时间窗口根据两条脉冲之间的时间差和雷达参数模板的PRI动态确定。在此基础上,本文提出一种新的雷达信号分选处理流程：将待分选脉冲列分段,对每一段分别进行常规分选和本文所述方法。仿真实验表明,本文算法具有准确率高、耗时短的优点,新的分选流程能够有效弥补常规分选算法的不足。