复杂体制雷达信号预分选的方法

复杂体制雷达信号的全脉冲参数变化类型多样、参数交叠严重,使得利用全脉冲参数分选方法的正确率严重下降,但是其信号脉内特征参数相对稳定。在复杂体制雷达信号预分选的过程中,针对增批现象和正确率不高的问题,提出一种通过提取信号的脉内特征参数相像系数,联合较为稳定的脉间参数,利用改进的支持向量聚类算法,对复杂体制雷达信号进行预分选的方法。仿真结果表明,在对复杂体制雷达信号进行预分选时,所提方法有效地解决了信号增批问题,并提高了分选正确率。     

基于矩阵二值化的频率捷变雷达信号分选

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频率捷变雷达信号分选新方法。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。文中对频率捷变雷达信号进行仿真实验,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6dB时,信号分选准确率达到96.17%,验证了所提出方法的有效性。     

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.     

基于自编码器的雷达信号联合预分选方法

将脉内特征提取、调制类型识别和聚类分选联合,提出了一种基于自编码器的雷达信号联合预分选方法。现有的基于脉内特征的聚类预分选方法需要预先设计特征参数提取方法,而所提方法可自动提取脉内特征参数,并根据聚类结果,对提取的特征参数进行调整,从而改变了以往分选算法的单向流程,引入了反馈机制以深入挖掘特征信息。仿真结果表明,该方法能在低信噪比环境下对雷达信号的脉内特征进行提取,并依靠脉内特征参数进行分选。     

B细胞免疫的卷积神经网络级联故障诊断

针对故障诊断中特征提取不充分和复杂性,对未知故障无法学习,诊断模型自适应能力差的问题,提出一种B细胞免疫卷积神经网络的级联故障诊断模型。在检测阶段用并行的卷积神经网络对时间窗内振动信号的时域波形和频域波形分别进行特征提取,通过分类器对故障进行识别,对诊断结果进行可靠性评估;然后根据评估结果决定后续免疫过程;在遇见未知故障类型时,把卷积神经网络提取到的特征映射为抗原,通过B细胞算法对抗原进行学习,把生成的新检测器放入未知故障知识库中,完成未知故障的学习和识别。文中采用美国凯斯西储大学公布的轴承数据集,实验结果表明,提出的B细胞免疫卷积神经网络对已知故障识别准确率高于基于特征提取的相关技术,其检测准确率提高了4.86%左右,而且能够很好地学习和识别未知故障,自适应动态变化的环境。     

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GUI的雷达信号抗分选性能评估系统

为适应现代战场对雷达信号低截获性能的需求,设计了雷达信号抗分选性能的评估系统,分析了雷达信号分选的常用算法包括累积差直方图(CDIF)和序列差直方图(SDIF)。模拟雷达信号环境,将设计的同步频率捷变信号、PRI抖动信号和PRI调制信号经过分选评估系统,计算分选结果的准确率、分选时间等,通过以上几个因素的加权提出了信号复杂度的计算方法。对比信号之间的复杂度系数,达到定量评估雷达信号抗分选性能的目的,并为设计具有低截获性能的雷达信号提供参考。运行结果表明,软件运行效果好,可视化程度高,使用方便快捷。     

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。     

现代雷达信号分选跟踪的几种方法

随着现代软件无线电技术的飞速发展,战场电磁信号环境从地面、空中、海上到太空,信号密度大,频谱宽,变换复杂,并且多功能数字雷达的多种工作方式和多种波形变换,雷达反侦察、抗干扰能力不断增强,传统的雷达信号分选跟踪方法面临着严峻的挑战。文中分析了几种传统的信号分选方法,从复杂电磁环境信号中,分析盲信号分选、聚类神经网络分选、脉内细微特性分选法,从信号分选的参数上进行多参数联合分选,并且通过多信号模拟器进行实验仿真,在分选的基础上进行跟踪处理,信号参数稳定、效果良好。     

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。     

小波神经网络在雷达信号分选中的应用

提出了一种基于小波神经网络的雷达信号分选方法。该方法首先进行脉冲流的粗分选，然后应用小波神经网络和模式匹配进行细分选。进行了仿真试验，给出了该方法对含有噪声的脉冲流的分选结果，证明了该方法的可行性。     

基于集对分析的雷达信号分选算法

随着新体制、新技术雷达的不断出现,雷达侦察接收机接收到的雷达信号更加密集和复杂,传统的分选方法已不能对其进行有效分选.将雷达脉冲信号与已知雷达的脉冲信号特征两两视为集对,应用集对分析算法,通过计算脉冲信号之间的关联度,实现信号分选.仿真结果表明,该算法不仅简单,易于编程,而且与传统分选算法相比,能实时、高效地实现密集和复杂信号环境下的信号分选任务.     

复杂电磁环境下提高雷达侦察设备数据库装订准确性方法

在复杂电磁环境下,雷达侦察设备对雷达信号能否正确告警,依赖于雷达侦察设备对雷达信号的判别和雷达数据库装订信号参数的准确性。通过分析影响雷达侦察设备数据库容差装订的因素,提出提高雷达侦察设备数据库装订准确性的若干方法,确保雷达侦察设备对雷达信号的正确分选识别,是对雷达信号实施告警的关键要素。     

雷达信号分选技术研究

介绍了一种雷达信号分选技术。采用时间和频率双参数进行预分选,使用SDIF算法计算潜在的脉冲重复周期并进行序列搜索,基于序列搜索结果再进行参差、抖动、捷变频信号检测和计算。     

辐射式仿真中脉冲雷达ISAR成像等效模拟方法

脉冲雷达信号广泛用于逆合成孔径雷达(ISAR)成像。在辐射式仿真中采用脉冲雷达信号进行ISAR成像时,由于脉宽对应的传播距离远大于微波暗室的空间长度,脉冲回波会在发射信号未被完全辐射之前返回接收机,使得收发信号相互耦合,难以得到ISAR图像。该文提出基于间歇收发的脉冲雷达ISAR成像等效模拟方法,通过将脉冲信号分段发射、分段接收,得到分段稀疏的目标回波。然后,结合压缩感知与间歇收发回波,重构得到ISAR图像。根据等效模拟的实现流程,对仿真与实测数据进行分析,结果表明,该等效模拟方法所得ISAR图像与完整脉冲回波所得图像基本一致,从而验证了等效模拟方法的有效性。