基于时频分布图像和主分量分析的脉内调制识别算法研究

本文提出了一种利用模式识别中图像处理的方法来进行雷达脉内调制特征识别的新算法.通过对雷达信号时频分布图像进行二维小波分解,并对其进行主分量分析,获得每类雷达信号中的特征参数,构建相应的分类器,并利用此分类器对信号进行识别.仿真结果表明,利用信号的时频分布图像来进行信号识别是完全可行的,提取的特征参数具有很好的鲁棒性,具有较强的抗噪声能力,同时可以取得较高识别率.     

基于时频二维的雷达信号脉内调制识别方法

本文提出一种基于对时频矩阵分布图像的边缘信息与瞬时频率序列中的细节信息的提取来实现雷达信号脉内调制类型识别的算法。一方面对雷达信号时频矩阵进行图像处理强化边缘信息,并对其进行奇异值分解,另一方面得到信号的瞬时频率序列,基于AR模型得到其模型参数,得到信号的特征参数,构建相应的分类器进行调制类型的识别。通过一系列蒙特卡洛仿真表明,这种算法有较强的抗噪声能力,对信号的脉内参数变化不敏感,在低信噪比、信号参数变化与小样本条件下可以以较高的识别率得到稳定的识别结果。     

调频与调相连续波雷达信号的识别

针对复杂雷达信号的识别,提出了调频连续波(FMCW)和调相连续波(PMCW)雷达信号的识别算法。首先理论分析了周期性连续波(CW)信号自相关函数的特点,利用自相关函数来提取信号的调制周期。根据调制周期将信号进行分段,对分段后的信号采用时频域的非相干积累得到信号的时频分布。通过时频分布进行了时频脊线的提取和时频图像的处理,最终识别出调制类型。仿真结果表明,该算法在低信噪比(SNR)下具有很好的识别效果。     

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%。     

基于改进的半监督主动学习的雷达信号识别

为解决在雷达信号分类识别过程中训练样本较少的问题,本文提出了联合主动学习和半监督学习,并对其伪标记样本进行迭代验证改进的分类算法。针对复杂的电磁环境下雷达信号识别率低的问题,本文将径向高斯核时频分析应用于雷达信号,并对时频分布进行奇异值分解,提取出奇异向量作为雷达信号识别的特征参数。针对传统的半监督主动学习算法的不足,利用改进的半监督主动学习算法构建分类器,该算法通过对伪标记样本进行迭代验证来提高伪标记信息的准确性,从而改善了最终的分类性能,实现了在可获取的有标签样本数量较少的条件下对雷达信号的高概率识别。仿真结果表明,本文提出的特征识别方法可以获得较高的识别率。      

基于特征参数的雷达信号识别算法及DSP实现

为解决传统雷达信号识别方法难以达到实时性的困难,提出了一种雷达信号快速识别算法.该算法基于信号的非周期自相关函数提取了映射信号带宽和频率变化率的2个特征参数,实现了对4种雷达信号的类型识别.仿真和硬件测试结果表明,该算法能在低信噪比下实现对雷达信号的全概率识别,识别时间小于0.8ms.算法适合硬件高速实时实现,具有一定的工程应用价值.     

低信噪比下基于分裂EfficientNet网络的雷达信号调制方式识别

针对低信噪比条件下复杂多类雷达信号调制方式识别率低的问题，本文提出了一种基于时频分析和深度学习的雷达信号调制方式识别方法 .利用CTFD(Cohen class Time-Frequency Distribution)时频分析将信号时域波形变换为二维时频图像，更清晰地表征信号特征；采用灰度化和双三次插值运算等方法对时频图预处理，实现图像通道数和尺寸的减少，以降低深度学习模型数据输入量；进一步调整输入输出通道数构建小型EfficientNet网络，再由多个小型网络并行处理构建分裂网络EfficientNet-B0-Split3，将时频图像输入网络实现雷达信号调制方式识别.实验结果表明，在信噪比为-8 dB时，新方法对17类不同调制方式的雷达信号整体识别率可达97.1%，相对于扩张残差网络提高约2.4个百分点；在信噪比为-10 dB时，识别率可达92.1%，相对于EfficientNet提高约0.7个百分点，提升了低信噪比条件下复杂多类雷达信号调制方式识别率.     

一种改进的脉内调制信号识别方法

针对低信噪比下传统方法识别雷达信号脉内调制类型准确率低的问题,提出一种有效的自动识别方法。基于时频原子分解提取雷达脉内调制特征,提出了一种融合差分进化与遗传算法优点的混合进化算法,进行最优原子搜索,从最优原子中提取出三种特征值并运用概率神经网络进行分类识别。仿真表明,该方法较差分进化算法有更高的搜索效率和更低的时间复杂度。在信噪比不低于-2dB时,该算法有90%的正确识别率。     

基于随机森林的雷达信号脉内调制识别

针对雷达信号脉内调制识别算法存在着准确率低的问题,提出一种新的雷达脉内调制类型自动识别方法,该方法首先提取雷达信号时频图像的形状特征和纹理特征构成融合特征,然后将融合特征输入随机森林分类器,实现信号的分类识别.仿真实验中对8种常见的不同调制类型的雷达信号进行识别,提出的算法在信噪比为-2 dB时识别准确率可以达到90％以上,验证了该方法的有效性.     

基于CNN-Swin Transformer Network的LPI雷达信号识别

针对在低信噪比(SNR)条件下,低截获概率雷达信号调制方式识别准确率低的问题,提出一种基于Transformer和卷积神经网络(CNN)的雷达信号识别方法。首先,引入Swin Transformer模型并在模型前端设计CNN特征提取层构建了CNN+Swin Transformer网络(CSTN),然后利用时频分析获取雷达信号的时频特征,对图像进行预处理后输入CSTN模型进行训练,由网络的底部到顶部不断提取图像更丰富的语义信息,最后通过Softmax分类器对六类不同调制方式信号进行分类识别。仿真实验表明：在SNR为-18 dB时,该方法对六类典型雷达信号的平均识别率达到了94.26%,证明了所提方法的可行性。     

利用时频分析的间歇采样干扰对抗方法

为了提高线性调频脉压雷达在复杂电磁环境下的抗干扰能力,提出了基于时频分析的间歇采样干扰识别与抑制算法。针对间歇采样干扰信号在时域上的不连续性,将雷达接收信号通过扩展处理中的混频处理之后再进行时频分析,通过对时频分析结果的处理进而提取一种特征参量,对雷达接收信号中是否存在干扰进行鉴别;同时将扩展处理与时频分析相结合,根据时频分析求解合适的带通滤波器,用以对雷达接收信号扩展处理的结果进行滤波,从而消除干扰。理论推导和计算机仿真结果表明,这种方法能够在合理的信噪比下鉴别出雷达是否受到间歇采样干扰,并且能够进行有效的抑制。      

脉内分析综述

从电子对抗中雷达信号侦察的角度出发,介绍了现代采用的五种分析方法——时域、频域、调制域、谱相关和时-频分布,并对这五种方法进行了简要的原理分析,分析表明它们是侦察雷达信号的有效手段。最后对雷达诱饵为保护雷达所应具有的信号特征提出了一些看法。     

直升机旋翼雷达特征信号分析

针对动态飞行测量实验,分别从时域、频域以及时频域对实测直升机回波信号进行了分析.结果表明,在时频联合域可以更清楚地揭示直升机旋翼的调制特性.根据其时频特征信号,可以判断旋翼叶片数的奇偶,并且可以测定调制回波的闪烁周期,从而确定旋翼叶片的数目和转速,实验还验证了叶片倾斜角对其调制回波的影响.这些特征对于直升机雷达回波信号仿真以及检测和识别具有重要的价值.     

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。     

时频联合处理方法在地波高频雷达中的应用

一般采用时域或频域的方法对雷达信号进行分析。时频联合处理方法在时间-频率二维空间对信号的特性进行分析,从而进一步得到信号频谱分量在时间轴上的分布图。因此,对于具有时变频率分量的空中目标回波而言,时频联合处理方法是一种有效的分析方法。文中简要介绍了时频联合处理方法的基本方程,采用时频联合处理方法对具有多个频谱分量的混合信号、噪声加信号和高频雷达在强海杂波背景下的空中机动目标回波信号进行了分析和说明。结果表明,时频联合处理方法的应用能大大提高高频雷达对目标的探测能力。     

基于扩张残差网络的雷达辐射源信号识别

针对低信噪比条件下,复杂多类雷达辐射源信号识别存在特征提取困难,识别正确率低的问题,本文提出了一种基于时频分析和扩张残差网络的辐射源信号自动识别方法.首先通过时频分析将信号时域波形转换成二维时频图像以反映信号本质特征;然后进行时频图像预处理以保留时频图像完备信息,适应深度学习模型输入;最后构建扩张残差网络以自动提取信号时频图像特征,实现雷达辐射源信号分类识别.实验结果表明,信噪比为-6dB时,该方法对16类雷达辐射源信号的整体识别正确率能够达到98.2%,对时频图像特征相似的类LFM（Linear Frequency Modulation）信号的整体识别正确率超过95%.本文提供了一种新的雷达辐射源信号智能识别方法,具有较好的工程应用前景.     

激光雷达微多普勒效应的仿真研究

为了研究激光雷达中微多普勒效应的探测及其雷达回波信号中反应目标特征的微多普勒信息的提取问题,建立了激光雷达微多普勒效应的物理模型,对应用激光雷达探测由目标振动引起的微多普勒效应进行了仿真,并对仿真信号进行了分析,由于信号的时变性,引入了时-频域联合分析的方法。采用了短时傅里叶变换方法对仿真信号进行了时频分析,得到了能够较好地反映目标特征的微多普勒图像。结果表明,激光雷达适合于低振幅微多普勒效应的探测,应用时频分析方法能够有效地从雷达回波信号中提取出目标的微多普勒特征。     

基于三角波调制的加权调频干扰技术研究

针对线性调频雷达发射信号特点,提出一种新的应答式干扰技术—三角波加权调频干扰,即干扰机利用三角波频率调制接收到的雷达信号,再经放大之后转发出去。阐述了具体的干扰机理,分析了干扰信号的时频特性和干扰效果。分析结果表明:不同调制参数条件下可以达到欺骗性和遮盖性干扰效果,且干扰信号与发射信号具有相干性可以获得脉压增益,从而降低功率要求。最后通过仿真实验证明了理论分析的正确性和可行性。