基于蚁群算法的K-Means聚类雷达信号分选算法

在现代战争中随着新体制雷达的不断涌现,电磁环境变得越来越复杂,这就对雷达信号分选提出了新的挑战。目前普遍采用的基于直方图统计的信号分选方法越来越不适应现代雷达信号环境。文中将聚类分析技术引入到雷达信号分选中,将蚁群算法和K-Means相结合,互相弥补不足,提出了一种新的雷达信号分选方法,该方法易编程实现,不需要雷达信号的先验知识,适用于处理未知信号的雷达。仿真实验证明分选结果较理想,为雷达信号分选提供了新的思路。     

雷达信号分选关键技术探究

在现代战争中雷达侦查起着不可或缺的作用,具有重要的地位,而信号分选则是组成雷达侦查技术的关键部分.信号分选技术通过对雷达的辐射源特征进行提取来实现对信号的分选和识别的,并可以根据其危险程度来进行警报,从而为战争的指挥提供信息依据.本文对雷达技术的发展趋势进行了探究,分析了雷达技术对信号分选的要求,并介绍几种信号分选技术.     

雷达侦察系统信号分选新方法

随着新体制雷达技术的出现,雷达侦察系统的信号分选遇到了越来越多的困难,针对在复杂雷达信号环境下雷达侦察装备信号分选存在的问题,结合实际工作中的体会,提出了信号分选方法的一些新设想。     

雷达信号分选技术

从分选算法和硬件两方面分析了雷达信号分选的关键技术,阐述了雷达信号分选算法的原理,并对各种算法的优缺点进行了对比,讨论了硬件在实现信号分选中的技术、特点和发展趋势,提出了雷达信号分选领域中亟待解决的问题和发展方向。     

雷达辐射源信号分选研究进展

雷达辐射源信号分选是雷达信号侦察的关键技术之一,同时也是战场态势感知的重要环节。该文系统梳理了雷达辐射源信号分选的主流技术,从基于脉间调制特征、基于脉内调制特征、基于机器学习的雷达辐射源信号分选3个角度阐述了目前雷达辐射源信号分选工作的主要研究方向及进展,并重点阐释了基于深度神经网络、数据流聚类等最新分选技术的原理与特点。最后,对现有雷达辐射源信号分选技术的不足进行了总结并对未来趋势进行了预测。      

一种信号分选数据融合方法

在高密集复杂雷达信号环境下,雷达信号分选前后的数据融合技术是一项信号处理的关键技术,也是电子战领域一个有待提高的关键课题。针对传统信号分选下的预处理、主处理提出了几种可行的数据融合算法,以最大限度地解决信号分选的不足和局限性。     

信号分选仿真平台设计与实现

针对当前信号分选理论成果较少应用于实践的问题,采用Matlab中图形用户界面(GUI)设计实现了信号分选仿真平台。应用雷达辐射源信号可能采用的调制样式和调制参数进行仿真,结果表明:所设计的仿真平台通过模拟信号产生、特征参数计算、信号分选,可以得到直观的信号分选结果,且能模拟硬件方案中信号分选流程,使仿真平台能更有效地应用于研究雷达辐射源信号分选的过程以及同时获取各分选算法的分选效果,为信号分选技术和信号处理技术的研究提供平台。     

基于独立分量分析的雷达信号分选算法

对盲信号的独立分量分析（ICA,independent component analysis）技术进行了研究,并将其应用到雷达信号分选当中,仿真实验证明能够取得很好雷达信号分离效果,为雷达信号分选提供了新的思路。     

独立分量分析在雷达辐射源信号分选上的应用

在当代电子战密集复杂的电磁环境下,对未知雷达辐射源信号分选作为对抗技术领域的一个重要环节面临了新的挑战.传统的雷达辐射源信号分选往往是基于脉冲描述字(PDW)等参数对雷达进行分选,在复杂的电磁环境下参数误差严重影响了雷达信号的分选效果.在对独立分量分析理论的研究的基础上,将基于四阶累积量的特征矩阵联合近似对角化(JADE)算法应用于连续波雷达信号和随机参数脉冲雷达信号分选,可以有效地分选出不同调制方式的雷达信号,为雷达辐射源信号分选提供了一个新思路.     

基于独立分量技术的信号分选方法研究

雷达信号分选与识别是雷达对抗侦察信号处理的重要内容之一,也是进行雷达特征提取、识别以及威胁评估的前提和基础.充分利用雷达的各种信息参数,是进行雷达信号分选识别时的关键.通过对独立分量这种算法的分析,提出了在分选系统中使用独立分量分析方法分选雷达信号.这种方法对信号的分选的精度有一定的提高.     

雷达脉冲信号流的模糊聚类分选

复杂信号环境下的实时信号分选技术对雷达侦察信号处理非常重要,利用模糊聚类分析的相关理论,根据脉冲参数将不同体制的雷达信号进行归类,从而实现对雷达脉冲信号的分选。     

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。     

基于PRI的雷达脉冲序列分选方法

高密度复杂信号环境下的信号分选处理技术是新一代雷达截获接收机信号处理的关键技术，也是雷达截获领域一个亟待解决的问题。文中讨论基于脉冲重复间隔(PRI)的脉冲分选算法，深入分析了基于直方图统计算法和PRI变换算法的优缺点，并对算法进行计算机仿真。最后针对这两种算法的优缺点提出一种综合的分选算法。     

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.     

一种自适应容差的雷达信号分选聚类算法

雷达信号分选的目的就是从交错的、密集复杂的脉冲信号流中提取出同一辐射源的脉冲序列。战场环境中信号流的密集性,信号形式的复杂性,给信号分选带来了严重的挑战。面对如此复杂的信号环境,传统的基于直方图统计的雷达信号分选算法的分选结果可信度越来越差。在聚类雷达信号分选算法的基础之上提出了一种自适应容差的雷达信号聚类算法,克服了传统的雷达信号聚类分选算法中容差选择困难的问题。仿真结果表明该方法能够准确地分选出各个辐射源的脉冲序列。     

基于人工鱼群聚类的雷达信号分选算法

随着科技的不断发展,各种新体制雷达的不断出现,使得电磁环境变得复杂多变,这就对雷达信号的处理提出了新的要求。目前普遍采用的基于直方图统计的信号分选方法已经不能满足当前雷达信号分选的要求。文中将人工鱼群聚类算法引入到雷达信号分选中,并对其进行了改进,对雷达信号分选进行了一种新的探索,该方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高,为雷达信号分选提供了新的思路。     

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。     

雷达信号分选性能评价指标分析

提出了基于PRI的雷达信号分选性能评价指标定义,并根据基于PRI分选原理建立了性能指标模型,仿真了射频目标特征变化对基于PRI的雷达信号分选性能的影响。通过仿真分析,可以看出在理想的分选条件下,当随机噪声方差一定时,随着不同类信号的PRI差值增大,正确分选率随之增大,误分选率随之降低。漏分选率与随机噪声的方差有关,且随机噪声方差越大,漏分选率越小。     

基于数字告警接收机的雷达信号分选与识别方法研究

机载雷达告警接收机作为一种雷达侦察设备,主要用于对高威胁雷达目标进行识别和告警,而识别的前提是信号的分选。针对传统告警接收机普遍存在增批、虚警的问题,提出了基于数字雷达告警接收机的信号分选与识别方法,介绍了其工作流程和雷达信号的时域模型,对多通道雷达信号分选和识别实现方法进行了阐述,通过试验验证了该方法的有效性。