周期性对称调制伪模式搜索及其应用

分析了周期性对称调制伪模式的显示周期与平面宽度和调制周期内的调制脉冲数之间的关系。由于周期性对称调制伪模式可在不同宽度的平面上出现，这使椁可以在较窄的范围内实现模式搜索，并据此完成特殊体制的雷达脉冲的快速、自动分选。仿真试验结果表明，依据伪模式分选周期性对称调制的脉冲的平均准确率可达到93％以上，平均漏选率低于5％。     

基于PRI变换的脉冲序列检索策略研究

PRI变换算法可抑制子谐波,对于重频抖动雷达信号具有很好的分选效果,但在采用直接序列搜索时,由于脉冲到达时间抖动导致很难成功搜索和准确计算PRI值,容易产生漏选和错选.采用线性拟合序列搜索,可通过不断对计算误差进行收敛修正,从而精确得到PRI值,以保证后续的正常分选.     

基于平面分割和PRI的雷达信号分选

提出一种基于载频/脉宽平面分割和PRI联合参数进行雷达脉冲分选的算法,即使在同时存在多种PRI模式（常规、抖动、参差、周期调制等）且脉冲丢失率较高的信号环境下,该方法也具备良好的分选效果。通过仿真,验证了该算法的正确性和可行性,在工程上有一定的应用价值。     

基于平面显示的雷达脉冲分选研究

平面显示技术开启了雷达脉冲分选的新思路,但需要在显示平面上搜索特征曲线,等分离出特征曲线上的脉冲后,才能获取脉冲序列PRI(脉冲重复周期)的调制方式和大小等信息,增加了算法的复杂性.针对平面显示技术的缺点,研究了雷达脉冲序列的平面显示特性,给出了特征曲线参数与显示平面宽度及雷达脉冲序列PRI之间的关系,直接从特征曲线获取脉冲序列PRI的调制方式和大小等信息,降低了算法的复杂性.仿真试验证明了算法的正确性和有效性.     

一种基于频域的脉冲信号分选的新方法

提出了一种基于频域的雷达脉冲信号分选方法,新方法打破了以往主分选算法CDIF、SDIF、变换等只考虑分选的局限性,考虑从RF角度进行分选,并综合AOA、PW、PRI等信息进行辅助分析。在仿真试验中,对于复杂雷达信号环境使用新方法进行逐层分选,并依照平面变换技术在RF-TOA平面上显示分选结果,可明显看到新方法能实现对多种PRI调制和RF调制相交叠的情况进行分选,并且算法简单易于实现。     

一种对重频调制与抖动信号的PRI变换分选新方法

针对脉冲重复间隔(PRI)变换法及其改进方法难以分选重频变化信号的问题,提出一种新的信号分选方法,即脉冲相似度检索法.该方法把脉冲相似度引入改进的PRI变换法,根据脉冲相似度对雷达脉冲信号进行搜索、提取.仿真结果表明,该方法不仅使分选更加准确,而且实现了对重频抖动和重频受调制变化信号的分选,其分选准确率达到95％以上.     

一种高效的雷达信号综合分选算法

雷达信号分选是雷达对抗研究的重点问题，其性能直接影响雷达对抗系统的效能.脉冲重复间隔（pulse repetition interval, PRI）变换分选算法是一种经典的雷达信号分选算法，其对PRI抖动和脉冲缺失有良好的适应性，但存在计算量大，无法满足实时计算的需求以及无法分选PRI值相同或相近的脉冲序列的问题.本文提出一种高效的雷达信号综合分选算法有效解决了上述问题.算法首先利用基于聚类的直方图算法估计出潜在PRI值集合，然后采用PRI识别准则筛选潜在PRI值，进一步利用PRI变换算法估计真实的PRI值，最后采用改进的序列检索算法完成脉冲序列的分离.仿真实验表明，在PRI抖动率为±10%、脉冲缺失率为10%时，算法能正确分选同时到达的四部雷达信号，验证了所提分选算法的有效性与先进性.     

基于脉冲序列重构的雷达PRI调制类型智能识别算法研究

雷达脉冲重复间隔（PRI）是雷达信号的关键参数,对于雷达性能发挥起着至关重要的作用。研判雷达PRI调制类型能够为雷达识别和性能分析提供重要支撑,是电子对抗领域的关键研究内容。针对现有PRI调制类型识别准确率受脉冲丢失影响较大的问题,本文提出了一种基于脉冲序列重构的雷达PRI调制类型智能识别算法。首先,基于到达时间（TOA）多阶差分序列实现了PRI调制周期的初步估计;其次,根据PRI调制周期重构了不同脉冲序列样本;再次,对重构样本进行去均匀值预处理,并以此为输入搭建了卷积神经网络（CNN）识别PRI调制类型,该方法能够减弱人工提取特征的局限性,不仅可以获取PRI序列的深层特征,而且具有更强的环境适用性;最后,仿真实验表明了所提方法的有效性。在脉冲丢失率小于60%时,所提方法对于所有PRI调制类型的识别准确率均在92%以上,平均识别准确率大于98%,在脉冲丢失率小于80%时,平均识别准确率在81%以上。     

基于FastICA的雷达信号分选

传统的雷达信号分选主要是基于统计的思想,通过对脉冲序列的PRI分析,依据PRI的调制方式,将对应的雷达信号分选出来。它存在运算量大,速度慢,且准确率不高的缺点。本文提出将快速独立分量分析(FastICA)算法应用于雷达信号的分选。仿真试验证明了该算法可以取得很好的雷达信号分离效果。     

脉冲重复间隔估计与去交织的方正弦波插值算法

在高密度复杂信号环境中,根据脉冲到达时间提取脉冲重复间隔并去交织是一个常用方法。但由于存在严重的倍周期干扰和脉冲重叠现象,传统的脉冲重复间隔估计算法在高密度复杂信号环境中性能急剧下降。为了克服上述缺点,该文提出了一种的新算法方正弦波插值算法(SSWIA)。其核心是把不等间隔的到达时间序列变换成连续信号;然后利用快速傅里叶算法提取重复周期并用滤波技术和过零检测形成检测波门提取周期序列。该算法能够适应固定重频、参差重频、抖动重频和滑变重频交织的高密度复杂信号环境。仿真结果表明:该算法提取重复频率精度高,速度快并且抗丢失和虚警脉冲的能力强;其综合性能优于现有其它方法,具有很好的工程应用价值。     

新体制雷达信号PRI样本子图周期搜索提取方法

针对侦察接收机截获的交错脉冲序列中雷达信号的提取问题,在脉冲重复周期（PRI）样本子图描述技术的基础上,提出一种基于PRI样本子图周期搜索的脉冲提取算法。算法改传统PRI搜索法中的相邻脉冲间隔搜索思想为PRI样本子图周期搜索思想,通过构造由脉冲到达时间和准PRI样本子图周期构成的二维提取函数,将搜索过程中符合某一假定PRI样本子图周期的匹配脉冲数存储于二维提取函数中,然后根据二维提取函数的最大值确定PRI样本子图周期,提取对应的脉冲,实现复杂PRI类型的雷达信号提取。仿真结果验证了该方法的有效性。      

基于直方图和小波网络的雷达信号识别方法

信号识别是电子支援系统(ESM)的基础,作者在传统序列差分直方图的基础上,提出了基于小波网络对不同脉冲重复间隔(PRI)模式的雷达信号进行分类的新方法.仿真试验表明,该雷达信号分类算法具有收敛速度快、自适应能力强、结构简单等优点,并且该算法在脉冲有丢失或被噪声污染的情况下仍然有很高的识别概率.该算法在雷达对抗中具有一定的实用性.     

基于周期样本图重构的雷达PRI调制类型识别算法研究

为提升对雷达脉冲重复间隔(pulse repetition interval, PRI)的分析性能,提出了一种基于周期样本图重构的雷达PRI调制类型识别算法。首先,建立了雷达PRI调制模型,分析了不同调制类型的信号特点;其次,利用到达时间(time of arrival, TOA)多阶差分序列估计了雷达PRI调制周期,并基于直方图算法重构了PRI周期样本图;然后,以PRI周期样本图为基础,提出了5个PRI调制特征实现PRI调制类型识别;该方法不仅能够提升PRI调制类型的识别准确率,而且对干扰脉冲特别是脉冲丢失具有很强的稳健性;最后,仿真实验表明了所提方法的有效性。     

Multi-Parameter Signal Sorting Algorithm Based on Dynamic Distance Clustering

A multi-parameter signal sorting algorithm for interleaved radar pulses in dense emitter environment is presented. The algorithm includes two parts, pulse classification and pulse repetition interval （PRI） analysis. Firstly, we propose the dynamic distance clustering （DDC） for classification. In the clustering algorithm, the multi-dimension features of radar pulse are used for reliable classification. The similarity threshold estimation method in DDC is derived, which contributes to the efficiency of the algorithm. However, DDC has large computation with many signal pulses. Then, in order to sort radar signals in real time, the improved DDC （IDDC） algorithm is proposed. Finally, PRI analysis is adopted to complete the process of sorting. The simulation experiments and hardware implementations show both algorithms are effective.     

Multi-Parameter Signal Sorting Algorithm Based on Dynamic Distance Clustering

A multi-parameter signal sorting algorithm for interleaved radar pulses in dense emitter environment is presented. The algorithm includes two parts, pulse classification and pulse repetition interval (PRI) analysis. Firstly, we propose the dynamic distance clustering (DDC) for classification. In the clustering algorithm, the multi-dimension features of radar pulse are used for reliable classification. The similarity threshold estimation method in DDC is derived, which contributes to the efficiency of the algorithm. However, DDC has large computation with many signal pulses. Then, in order to sort radar signals in real time, the improved DDC (IDDC) algorithm is proposed. Finally, PRI analysis is adopted to complete the process of sorting. The simulation experiments and hardware implementations show both algorithms are effective.     

一种改进的PRI变换算法

对雷达辐射源脉冲序列进行准确分选是当前电子对抗领域迫需解决的一个难题,基于脉冲重复间隔（PRI）变换算法可以实现对固定重频、抖动重频脉冲序列的分选,但存在一定的缺陷。文章分析了使用PRI变换算法时,PRI的取值范围对分选准确率有着较大影响,并推导证明了PRI变换算法不适用于参差重频脉冲序列。针对分析出的两点问题,提出一种改进的PRI变换算法,并通过仿真验证了该改进算法的有效性。     

一种基于动态规划的雷达合批新算法

针对信号分选结果增批现象严重、影响识别准确度的问题,通过分析实际侦收信号的特点,并借鉴生物信息学中动态规划比对算法的思想,提出了对脉冲重复周期（PRI）信号在载频维和脉宽维进行合批的方法,并结合该方法设计了动态合批处理流程。该算法通过比较两批数据在PRI值及其排列顺序上的相似性来进行合批,利用PRI周期性这一很稳定的特征较好地解决了批信号在载频和脉宽维上的增批问题。仿真结果表明,该算法在存在脉冲丢失和干扰脉冲的情况下仍能准确合批。