探讨一种新的雷达信号描述方式和识别技术

现代雷达信号体制越来越复杂,这使得现有的雷达信号特征描述方式很难有效地对其进行描述和分析。文章提出了一种雷达信号脉冲样本图的描述方法,利用这种描述方法可以很好地对复杂体制雷达信号特征进行描述和分析。文章还讨论了基于脉冲样本图的雷达信号处理识别方法,跟传统识别方法相比,该方法具有更快速、更可靠的特点。     

一种新的雷达辐射源信号识别效能评估方法

针对当前雷达辐射源信号识别效能评估研究中指标权重设置不合理、评估技术繁杂、评估者意愿体现不明显等问题,提出一种基于RE鄄I2 VIKOR的雷达辐射源信号识别效能评估方法。该方法基于相对熵对指标进行组合赋权,并对传统VIKOR方法进行改进,定义区间型群体效用值、个体遗憾值与利益比率的计算方法,引入心态指数函数作为综合评估结果的排序准则。仿真分析表明,赋权方法所得权重有效合理,评估者根据个人心态及意愿通过对群体效用值和个体遗憾值的比例关系及心态指数进行实时调整,使评估结果更加符合评估者的实际需求。     

一种雷达信号识别算法的探讨

对雷达信号模式识别技术进行了讨论,在传统模式识别算法的基础上提出了基于图形的雷达信号模式识别算法,对其中的BARC图形匹配算法进行了介绍。并在Matlab软件平台上实现了该算法。并针对实际雷达信号对该算法的性能进行了分析。     

雷达信号识别技术研究

介绍了雷达对抗侦察中信号识别的一些技术方法，分析了各种方法的优缺点，讨论了信号识别技术中应加以研究的问题。     

一种全新的特殊雷达信号实时识别技术

在电子对抗中，常常需要实时地从众多的雷达信号中分选出特殊雷达信号。本文提出一种新的利用SAW器件实现实时识别特殊雷达信号的方法．我们称之为“频域波形比较法”。该方法具有实时性好、结构简单、准确性高等优点。作者根据论文提出的方法，制作了一个完整的实验系统。实验结果证明论文分析的正确性。     

雷达信号识别的GANN方法

利用神经网络方法进行雷达信号识别存在两个问题,一是难以选择最优的网络结构;二是用传统的BP学习算法,常常收敛到局部解。本文提出一种GANN方法,即首先利用遗传算法优化两层前馈神经网络结构以确定中间隐层的节点数,然后用遗传算法进行学习。通过与BP算法相比较,遗传算法不仅速度快,而且能找到最优解。实验表明,将GANN应用于雷达信号识别,识别率更高。     

一种新的雷达信号分选方法

ICA(IndependentComponentAnalysis)是近年来信号处理领域的热点研究课题,可以根据输入源信号的基本统计特征,由观测数据进行信号分离,最终恢复出源信号。本文深入分析了ICA算法,并提出了将其用于雷达信号分选的新思路。计算机仿真表明,这种算法应用于雷达信号分选时可以获得很好的分离效果。     

雷达信号识别中新雷达类型设置问题的研究

对雷达信号识别中新雷达类型的设置问题进行了研究 ,介绍了新类设置在侦察告警设备信号识别中的的具体应用     

一种新的多频段雷达信号相干算法

多频段雷达信号融合成像技术是提高目标距离像分辨率的一种有效方法。相干处理是多频段融合成像的前提和关键。本文分析了用不同雷达测得的动目标频率响应间的非相干量。针对传统相干方法所需的频谱外推所带来的低信噪比下相干精度差、计算量较大的缺陷,本文提出利用不同频段强散射中心极点信息的差异来估计非相干量,并对算法的处理流程和实际应用中可能遇到的几个问题进行了细致分析。计算机仿真实验和实测数据处理结果表明所提方法有效地改善了估计效果并降低了运算量。      

一种新的雷达信号分选方法

ICA(Independent Component Analysis)是近年来信号处理领域的热点研究课题，可以根据输入源信号的基本统计特征，由观测数据进行信号分离，最终恢复出源信号。本文深入分析了ICA算法，并提出了将其用于雷达信号分选的新思路。计算机仿真表明，这种算法应用于雷达信号分选时可以获得很好的分离效果。     

一种新的雷达辐射源信号识别方法研究

随着雷达技术的发展,雷达体制的多样性和雷达信号的复杂性对雷达辐射源信号识别技术提出了严峻的挑战。循环双谱抗噪性能强,且包含了丰富的信息,能用于识别雷达辐射源信号。但是其数据量庞大,而循环双谱对角切片法丢失了大部分信息。证明了循环双谱的对称性和周期性,提出了局部轴向积分循环双谱。该方法首先计算信号的循环双谱,然后在两个谱频率构成的平面上沿平行于谱频率轴的直线积分,最后用Fisher判决率（FDR）选择鉴别能力较强的轴向积分循环双谱。这样不但能有效地减小数据量,而且保留了大部分有用的循环双谱信息。仿真条件下,对比分析了局部轴向积分循环双谱与循环双谱对角切片的识别效果,结果表明新方法的识别率远远优于循环双谱对角切片法。      

基于Pearson相关性的雷达交叠信号识别

针对复杂电磁环境下多部雷达同时到达信号频域交叠时难以分选识别的问题,分析了信号交叠对于雷达信号识别模块性能的影响;在此基础上面向识别需求,基于Pearson算法研究了交叠信号分选的处理方法。从信息论视角来说,两个信号脉冲波形相关性越弱,则其所表达的信息量越大,特征相关度越低。在信号脉冲数一定时,基于Pearson算法可以选择相关性较弱的信号脉冲载波,以削弱同时信号交叠的影响。通过实验,发现利用选择后的弱相关信号脉冲载波特征来表达信号特性,能有效降低数据维度,尽可能减少信息丢失,有利于达到鲁棒的识别效果,因此该方法可为同时到达信号交叠下的信号识别提供有效途径参考。     

灰色关联分析法在常规脉冲雷达信号识别中的运用

在雷达对抗侦察过程中,雷达对抗侦察设备接收雷达信号的各参数容易受各种因素的干扰,影响系统对信号的识别。针对这种情况,提出了一种基于灰色关联分析法的常规脉冲雷达信号识别方法。该方法通过对满足一定容差要求但不与已知雷达信号完全匹配的侦收信号进行关联分析,计算并得出侦收信号与各相似雷达信号的灰色关联度,为进一步目标识别提供依据。     

雷达测速信号的BP网络识别

测速雷达信号识别是进行辅助决策的关键。介绍一种在实际生活中有着广泛应用的神经网络模型——BP网络,通过对他的结构及工作原理的分析,结合三类雷达测速信号的特征,归纳出一种基于BP网络进行雷达测速信号识别的方法,并且给出了仿真实例。实验结果表明,此方法能够快速识别三类信号,具有识别率高的特点。     

基于EMEMP的雷达二维信号融合成像新方法

雷达信号融合成像是一种能显著提高成像分辨率的参数化新方法.基于改进的Root-Music的传统融合方法对噪声敏感, 且存在模型极点失配的问题.本文通过将MEMP(Matrix Enhancement and Matrix Pencil)的二维频率估计方法推广到稀疏数据域,提出了一种基于扩展矩阵增强矩阵束(EMEMP)的融合新方法.此方法首先构造每一维联合增强矩阵,使其满足MEMP算法的配对要求,然后利用MEMP方法估计模型极点,进行极点配对,然后估计模型系数,最后内插频谱以达到融合的目的.实验结果表明相对于传统融合方法,该方法解决了极点失配的问题,提高了模型参数估计的稳健性.     

相控阵雷达信号识别的研究

本文通过分析相控阵雷达的特点,从理论上提出了相控阵雷达的几种识别途径,并从工程应用角度分析综合识别相控阵雷达信号应该具备的几个技术条件。