基于VC++的空间电磁环境仿真软件设计

本文根据现代雷达信号调制复杂、参数多变以及日益密集的新特点,用射频脉冲模型对电子侦察接收机所处平台的电磁信号环境进行描述,介绍了基于VC++平台的空间电磁环境仿真软件的设计与实现,通过仿真给出接收平台位置处信号功率图谱和信号流密度等一系列数据,从而为雷达电子侦察定位系统等相关课题的研究提供重要的参考依据.     

雷达侦察系统参数测量的建模与仿真

在雷达侦察系统工作过程中,对表征敌方雷达信号特征的参数进行测量是后续进行信号分选和辐射源识别的前提条件;首先介绍了相位差测频和相位干涉仪测向的基本原理,然后对常用于表征雷达信号特征的参数的测量过程建立了数学模型,最后对建立的数学模型进行了仿真验证;仿真的结果表明,建立的数学模型能够有效地模拟雷达侦察系统对雷达信号参数的测量。     

基于时频回归特性分析的信号脉内调制识别

研究雷达识别优化问题,在电子侦察领域,对所截获信号的脉内调制是介于信号检测与解调之间的重要识别方式.为了提高雷达功能,通过短时傅立叶变换,获取信号的时频曲线,在分析线性回归特性的基础上,将脉内调制识别转化为时频曲线线性回归模型.进行计算机仿真,结果表明,方法在无接收信号的任何先验知识,信噪比4dB时,平均识别正确率达98%,仿真也证明了对常用雷达脉内调制方式可提高识别效率.     

基于VC 的空间电磁环境仿真软件设计

本文根据现代雷达信号调制复杂、参数多变以及日益密集的新特点,用射频脉冲模型对电子侦察接收机所处平台的电磁信号环境进行描述,介绍了基于VC 平台的空间电磁环境仿真软件的设计与实现,通过仿真给出接收平台位置处信号功率图谱和信号流密度等一系列数据,从而为雷达电子侦察定位系统等相关课题的研究提供重要的参考依据。     

基于灰色关联度神经网络的雷达型号识别模型

针对现代电子战对雷达目标信号的复杂性和残缺性以及实用雷达目标识别系统的健壮性和扩展性等要求,提出一种基于灰色关联度和BP神经网络的灰色神经网络识别模型.首先采用比较成熟的BP神经网络对侦察雷达目标信号进行粗分,识别出雷达的体制;然后把模板数据库中该体制的雷达标准数据作为比较序列,建立差异信息空间,再把观测的数据和比较序列进行灰关联度分析,得出其对应的关联度,从而识别出雷达的具体型号.仿真结果表明在对参数残缺或畸变以及新体制的雷达辐射源进行识别时,取得良好的效果.表明综合灰色神经网络对辐射源进行识别是完全可行的,并且可以提高识别率、可靠性.     

基于多舰协同侦察与信息融合的雷达识别

对雷达型号的识别一直是电子侦察情报系统的重要内容.为了提高单一平台侦察设备对雷达型号识别的可信度和准确率,这里采用协同侦察的思想,共享其他平台侦察的雷达辐射源信号.然后应用灰色关联方法对来自同一部雷达的辐射源信号进行相关处理,并对相关的雷达辐射源信号特征进行加权信息融合,以提高信号特征参数的精度;最后再对融合后的信号特征按最大相关准则,从雷达辐射源知识库中找出要协同识别的雷达型号.     

雷达信号全脉冲数据分析的极值序列分析方法(二)

针对脉冲雷达提出了一种新的雷达信号全脉冲数据分析算法——极值序列分析法。该算法能够分析雷达信号的脉冲脉幅、脉宽、到达时间、信噪比、载频、脉冲包络特征参数和脉内调制特征参数。该算法具有参数测量精度高、识别调制类型准确率高、算法速度快和所需存储空间小的优点。通过对该方法开发的Matlab工具箱的仿真测试,结果表明了该方法的有效性。     

基于部分相关的LFM脉冲全参数估计

针对线性调频（LFM）脉冲信号的侦察问题,提出了调频率、中心频率、信号到达时间、脉宽全套参数集的估计方法。首先,使用分数阶傅里叶变换（FrFT）对信号的调频率与时频关系进行估计;紧接着选取部分相关脉冲对信号进行积累,利用自相关处理完成中心频率、信号到达时间、脉宽参数的估计;然后推导了估计参数的克拉美劳下界（CRLB）,分析了信噪比对估计误差的影响;最后分析了部分积累脉宽对估计误差的影响,给出了积累脉宽的选择范围。仿真分析表明,调频率估计误差几乎达到CRLB,在信噪比0 dB、基带与调制参数均未知的条件下,中心频率估计均方根误差约为10^-1MHz数量级,信号到达时间和脉宽估计均方根误差约在10^-1 μs数量级。参数估计误差受到相关脉冲宽度的影响,随着相关脉冲宽度的增加,估计误差呈现先减小后增大的趋势。所提方法特别适用于脉压、合成孔径等新体制雷达的侦察。     

雷达信号全脉冲数据分析的极值序列分析方法(一)

针对脉冲雷达提出了一种新的雷达信号全脉冲数据分析算法——极值序列分析法。该算法能够分析雷达信号的脉冲脉幅、脉宽、到达时间、信噪比、载频、脉冲包络特征参数和脉内调制特征参数。该算法具有参数测量精度高、识别调制类型准确率高、算法速度快和存储空间小的优点。     

雷达侦察设备功能仿真数学模型

雷达侦察设备功能仿真是雷达对抗仿真中的基础并且是一门不断发展的仿真技术。该文在分析了目前存在的雷达侦察设备仿真模型不足的基础上，根据具体的应用环境，从工程应用的角度出发提出了一套简单实用的雷达侦察设备功能仿真的数学模型。该模型主要针对侦察设备的截获能力、测量能力和识别能力等功能／性能进行分析建模，共设计了雷达侦察设备噪声仿真模型、测量性能仿真模型、截获能力仿真模型和辐射源识别能力仿真模型四种模型。该仿真模型在基于HLA的雷达侦察设备仿真成员中得到了有效的验证和使用，为相关设计提供了有益的参考。     

粗集-神经网络在雷达信号识别中的应用研究

信号识别是侦察系统信号处理的目的,是整个雷达对抗信号处理中关键性的一个环节。为解决雷达信号识别的问题,提出将粗集和神经网络紧密结合建立新的识别模型,该模型充分融合了粗集强大的规则提取能力和神经网络优良的分类能力。实验表明,该模型减少了识别的主观因素,简化了神经网络结构,能够对雷达信号有效地识别。     

基于自适应脉冲间隔的火控雷达目标跟踪技术

为了能在提高雷达生存能力的同时,保持雷达的跟踪能力,提出一种基于自适应脉冲间隔的目标跟踪技术。给出火控雷达的信号模型及其改进的时域信号,分析基于匀加速运动模型的扩展卡尔曼滤波算法,研究脉冲间隔的自适应变化规律及信号的截获概率。仿真结果表明,该技术能准确跟踪目标,延长信号截获时间,从而降低侦察系统对火控雷达的截获概率。     

杂波环境下雷达信号处理的SystemVue建模与仿真方法研究

对雷达信号处理的仿真建模方法进行研究,利用SystemVue仿真平台中专用的雷达模型库构建雷达系统仿真模型,并对杂波环境下的雷达信号处理过程进行雷达系统的建模与仿真实现。首先,分析雷达回波生成过程及雷达信号处理的基本原理;其次,研究雷达仿真模型库中目标模型、杂波/噪声模型、脉冲压缩模型、MTD模型、CFAR模型的功能作用及参数设置;最后,利用SystemVue仿真平台搭建杂波环境下雷达系统仿真模型,并基于矩阵类型的数据对雷达信号处理过程进行仿真。经过仿真,雷达系统模型的信号处理结果与理论相符,验证了该仿真模型的正确性。     

电子侦察卫星信息获取及处理建模与仿真

电子侦察卫星是空间对地目标侦察的主要力量,可对地面雷达和通信信号进行侦测和定位.文章分析了电子侦察卫星的有效载荷雷达信号接收机侦察性能,利用随机理论、航天动力学原理和模糊匹配方法,建立了三类模型:信息源模型、信息获取模型和信息处理模型,用来进行雷达目标的产生、卫星的星下点、覆盖带计算、点的包含性检验、目标定位和目标类型判断.结合目标特性和电子侦察卫星侦察原理,设计了仿真流程,并对仿真结果进行了分析,针对其被动侦察的特性,给出了基本的对抗策略.     

连续波背景下多信号处理方法

对接收到的信号进行短时傅里叶变换，通过分析短时傅里叶变换中每一个时间片内的信号频谱，检测出连续波背景下的脉冲信号。滤除线性调频脉冲信号成分，保留连续波信号成分，得到调频连续波信号具有周期性的时频变化曲线。根据连续波信号时频变化曲线的频谱特征，估计出其主要参数，然后滤除脉冲信号出现时间内信号中的连续波成分，并采用相应的方法估计出其参数。仿真结果表明，本文算法可以准确估计出线性调频连续波（LFMCW）信号和线性调频（LFM）脉冲信号的参数，当LFMCW信号的信噪比高于-8dB，并且其功率比脉冲信号功率小6dB以上时，算法具有良好的估计精度和稳定性。     

基于信号特征参数的复杂体制信号全脉冲数据动态生成技术

全脉冲数据在电子侦察处理中具有重要价值,为逼真模拟电子侦察接收机在真实信号环境下接收的全脉冲数据,提出了一种复杂体制信号的全脉冲数据动态生成技术;该技术综合考虑了天线方向图、天线扫描方式、空间传输衰减、信号时频特性、信号到达时间、脉冲交错等因素对全脉冲数据产生的影响,可基于信号特征参数(载频类型、载频变化范围等)动态产生载频捷变、脉冲重复间隔参差等各类复杂体制信号的交错全脉冲数据流;测试和验证表明,该技术可适应各类复杂体制信号全脉冲数据流产生,具有逼真性高、适应性强、可扩展性强的优势。     

基于STK的侦察卫星预警系统设计与仿真

侦察卫星可以全方位全天候的对全球进行侦察,对侦察卫星的预警是有必要的.文中首先基于Access数据库建立了侦察卫星数据库,主要针对光学成像卫星、雷达成像卫星以及电子侦察卫星三类;通过STK(卫星工具包)的STK/Connect模块实现了侦察卫星数据库与STK的连接,基于STK平台实时的显示了侦察卫星的在轨运行以及对地覆盖情况.文中通过VC来生成系统界面,首先通过界面来操作数据库信息,然后把卫星载入到STK平台,通过界面设定仿真时间,设定特定区域,仿真设定的时间段内卫星的运行及对区域的访问情形,通过STK的报告生成功能可生成卫星在此时间段内对区域的访问报告,根据报告可对访问该区域的侦察卫星进行预警.     

合成孔径雷达(SAR)实时成像仿真研究

进行合成孔径雷达（SAR）成像仿真是研究成像雷达的一个重要手段。该文在分析SAR成像仿真机理的基础亡,提出了一种利用视景仿真软件Vega进行SAR实时成像的仿真方法。该方法在建立场景模型的基础卜,利fEH场景纹理材料的物理属性数据及雷达参数计算雷达散射截面（RCS）,再把RCS值输入一个能模拟雷达真实设备的传感器模型,就得到SAR实时仿真图像。为了满足SAR成像仿真的需求,对Vega软件中的纹理材料数据库文件进行了修改,建立了新的纹理材料数据库文件。仿真结果表明新方法能较好地满足SAR实时成像仿真需求,有助于促进SAR成像实时仿真技术的发展。     

UAV swarm based radar signal sorting via multi-source data fusion: A deep transfer learning framework

Traditional clustering algorithms can be applied for the pre-sorting step of radar signal sorting. It can effectively dilute the pulse stream and prevent the dense pulse stream from interfering pulse repetition interval (PRI) extraction. However, the pre-sorting deviation will cause interference and missing pulses during the main sorting process. To solve this problem, we deploy the unmanned aerial vehicle (UAV) swarm to monitor reconnaissance areas and put forward a novel deep transfer learning based signal sorting method. The UAV swarm can collect the pulses from different time and spatial domains, and interference and missing pulses in main sorting processing can be relieved dramatically. In our model, we pre-train our model with the data collected from multiple source areas, which corresponds to different areas detected by different parts of UAV swarms. Then we fine-tune our model with the data of the target area. The experimental results prove that the signal sorting accuracy of methods based on deep transfer learning, i.e., YOLO-MobileNet, F-RCNN and cascade RCNN, are higher than that of the baseline methods. In addition, the signal sorting accuracy of traditional methods based on deep learning can be greatly improved with the help of transfer learning.