基于对角积分双谱的雷达辐射源信号识别

双谱以其独特的抗噪优势,广泛应用于信号分析。双谱的数据量较为庞大,目前减少双谱数据量的方法中积分双谱的效果最好,然而各种积分双谱均存在一定的缺陷。文章提出了对角积分双谱,它沿平行于双谱次对角线的直线序列积分,不但避免了插值,而且包含了更多的相位和幅度信息。最后将对角积分双谱应用于低截获概率（LPI）雷达信号的特征提取。仿真条件下,对比分析了各种积分双谱的识别性能,结果表明对角积分双谱的识别性能优于其它积分双谱。     

基于子块积分循环双谱的雷达辐射源信号识别

信噪比是现代无线通信系统中的重要参数之一,人们对信噪比估计技术进行了大量的研究。根据所采用的信号处理技术不同,分最大似然、谱分析和基于统计量等3类基本的信噪比估计方法,并给出了典型估计方法的比较和计算机仿真,得到了一些较为直观的结论。最大似然方法精度高,但需要周期地发送训练序列;谱分析方法实现简单,但估计精度有限;基于统计量的方法需要较大的数据量才能实现信噪比的精确估计。     

基于AIT方法的雷达辐射源信号识别效能评估

为了有效对雷达辐射源信号识别效能进行评估,建立了基于识别测试结果的评估指标体系,提出了利用AHP法求解权值、采用区间TOPSIS法计算综合评分值的识别效能评估方法（AIT）．以复杂度特征作为实验所用的特征参数,采用概率神经网络（PNN）、支持向量机（sVM）、基于遗传算法的支持向量机（GA-SVM）和基于粒子群算法的支持向量机（PSO-SVM）四种识别算法进行了仿真实验．仿真结果验证了所得结果是合理的．该评估方法是可行的．     

基于多学习单元卷积神经网络的雷达辐射源信号识别

现有基于人工提取特征的复杂体制雷达辐射源信号识别方法时效性低,识别准确率不佳. 为此,提出了一种基于多学习单元卷积神经网络的识别方法. 首先对辐射源信号的模糊函数进行高斯平滑,以校正噪声带来的毛刺与畸变;然后提取其正交切片作为进一步的特征提取对象;最后构建多学习单元卷积神经网络,学习和提取正交切片深层、泛在的特征,并通过softmax分类器进行分类识别. 仿真实验结果表明,所提方法在信噪比为-2 dB时对6类典型雷达信号的整体平均识别率均保持在99.86%以上,即便是在-6 dB环境中,雷达信号的识别率也可达到88.50%,在极低信噪比条件下具有良好的性能和可行性.     

雷达辐射源信号瞬时频率派生特征分类方法

提出一种基于级联特征提取和核模糊聚类的雷达辐射源信号自动分类方法.该方法利用改进的瞬时自相关提取信号的瞬时频率,采用二次归一化处理的特征再提取方法提取分类特征向量,利用具备有效性评价的核模糊聚类算法实现信号的自动分类.仿真结果表明,本文所构建的特征向量能反映不同调制类型信号的变化差异,且具备一定的抗噪能力,在信噪比不低于6 dB情况下,可获得不低于95%的整体分类性能.     

基于逆云模型的雷达辐射源识别方法

针对由于噪声环境造成的雷达辐射源不能正确识别的问题,提出了一种新的基于逆云模型的雷达辐射源识别方法。该方法首先构建了更符合实际的含有噪声数据的雷达辐射源数据库,利用逆云模型求出数据库中雷达辐射源各属性的云数字特征,给出了基于属性相似度的识别权重确定方法,并构建了基于云模型和属性相似度的雷达辐射源分类器。仿真实验证明,该方法可以更好地处理由于噪声环境引起的随机性和模糊性,能在恶劣噪声环境下有效地进行雷达辐射源识别。     

脉内相位编码雷达信号识别的小波变换方法

基于信号脉内调制信息识别技术对密集和复杂环境中辐射源的分选和识别的重要性．研究了基于小波多分辨分析技术识别相位编码(PCM)信号的脉内调制信息的算法，分别运用计算机仿真数据和专用设备提供的仿真数据进行了算法验证，结果证实了该算法的可行性．     

基于S-method的多分量雷达辐射源信号检测

针对传统时频方法在处理多分量雷达辐射源信号时存在交叉项,不能检测各分量信号时域参数,难以适应低信噪比环境的问题,提出一种基于S-method(SM)的多分量雷达辐射源信号检测新方法。该方法首先计算信号的SM时频分布,然后在时频面的基础上检测各信号分量的瞬时频率和脉冲起止时间。实验结果表明,该方法能处理线性及非线性调频信号、时频分辨率高且不受交叉项干扰,时域检测精度大于98.60%,频域检测精度大于99.48%,信噪比降低时仍然保持强检测能力。     

雷达辐射源信号识别的效能综合评估方法

针对现有评估方法存在指标权重设置不科学、评估方法不合理等问题,提出了一种雷达辐射源信号识别的效能综合评估方法。该方法首先根据雷达辐射源信号识别的效果,建立效能评估指标体系;然后在评估准则下,采用直觉模糊网络分析法对具有关联性特点的指标进行分析,并求解其指标权重;最后在区间犹豫模糊思想的基础上,结合消去与选择转换法和逼近理想排序法建立级别优先关系,从而实现雷达辐射源信号识别的效能综合评估。仿真结果表明,该方法可以得出合理的雷达辐射源信号识别方法效能的评估顺序。与现有方法相比,所提方法可以有效地解决指标相互关联的问题,并且可避免因评估方法的缺陷造成的错误评估。     

雷达目标识别的改进双谱法

雷达目标的散射结构具有移位不变性和旋转不变性,是雷达目标识别的一个重要特征量。本文基于一种改进的双谱分析方法,从雷达回波中有效地提取了雷达目标散射结构特征。该特征量不仅可以用于识别具有不同结构的雷达目标,而且可以用于识别具有相似结构的雷达目标,仿真结果证明了该方法的有效性。     

用神经网络进行雷达辐射源识别研究

为提高雷达辐射源识别系统的识别率，分析了BP神经网络、径向基神经网络和径向基概率神经网络等3种神经网络的结构和性能．用假设的10部雷达参数产生数据进行实验．仿真结果表明，应用径向基概率神经网络能大幅提高雷达辐射源识别的识别率，该网络在雷达辐射源识别中的分类性能明显优于其他2种神经网络．     

一种基于修正围线积分双谱的HRRP特征提取算法

围线积分双谱是一种典型的平移不变特征,其保留了双谱的相位信息,避免了积分过程中的插值处理,因此被广泛用于雷达HRRP(High Resolution Range Profile)目标识别。但现有的围线积分双谱仍不能充分简化计算。文章对其积分路径按照双谱对称性进行改进,并利用改进算法进行HRRP目标识别的仿真实验,结果表明,其不仅具有原算法较高的分类精度,也能够大大减少计算量,缩短特征提取时间。     

基于表面肌电信号双谱分析的动作分类

为了提高人体上肢动作识别正确率,提出了一种基于表面肌电信号双谱分析的动作分类方法,以信息增益作为表面肌电信号起止点分割效果衡量标准,结合TKE算子提取出肌肉运动起止区间的表面肌电信号,对提取到的表面肌电信号进行双谱变换,提取双谱的正反对角切片作为表面肌电信号特征,以概率神经网络作为分类器,以100次10折交叉验证为一次动作分类实验,计算10次分类实验的平均正确率,最终得到正对角切片、反对角切片和正反对角切片的分类正确率分别为94.56%、90.93%和95.48%.     

基于稳态循环谱特征的通信辐射源识别方法

为实现低信噪比环境下多种通信辐射源的高精度识别,提出了一种基于稳态循环谱特征的通信辐射源识别方法,利用循环谱频域截面谱对高斯噪声的强鲁棒性,提取不同辐射源成形滤波器间的本征差异进行识别.首先对接收到的稳态信号提取循环谱频域截面谱并利用主成分分析方法降维,之后分别采用皮尔逊相关系数法、概率神经网络、弗雷歇距离法等判决方法进行辐射源类别判决.仿真实验显示,该特征使用概率神经网络判决和皮尔逊相关系数法判决,显著优于传统循环频率域的切片特征,证明有一定应用价值.     

基于电视的多基地雷达系统的信号与数据处理

提出基于电视的多基地雷达系统.商业电台作为多基地雷达系统的辐射源,天线阵列接收空中目标对这些商业电台信号的非后向散射回波.针对其较差的信号处理性能,提出了一种数据处理方案.方案主要改进观测空间的构造,这样可以减小非线性误差.这种方法比传统方法更稳定.最后对这两种方法进行了Monte Carlo仿真验证.     

基于脉幅信息的相控阵体制雷达快速识别

针对运用载频、脉宽和重频等常规参数识别相控阵体制的雷达对先验知识的依赖程度较高的问题,通过建立合理的截获雷达脉冲幅度模型,对雷达对抗侦察设备截获的信号脉冲幅度的变化规律进行了分析;通过构建幅度差值序列,计算脉冲的幅度差均值,实现了相控阵体制雷达的自动识别。仿真结果验证了该方法的有效性和可行性,为雷达体制的识别尤其是一维、二维相控阵雷达的识别提供了一种有效的思路。