一种基于顺序差值直方图算法的改进雷达信号分选方法

雷达信号分选是现代雷达侦察系统中的重要组成部分。顺序差值(SDIF)直方图算法是一种典型的雷达信号分选算法。该算法基于减法运算,能够对脉冲到达时间实现快速处理,实时性好,然而该算法对抖动信号分选效果不理想。为解决该问题,通过把修正脉冲重复间隔(PRI)变换中交迭PRI箱的思想引入到顺序差值直方图算法中,提出一种改进SDIF算法,研究了该方法对信号在不同抖动上限情况下的分选结果,并与SDIF分选结果相比较。结果表明该方法显著提高了顺序差值直方图对抖动信号的分选能力。     

基于到达时间差直方图的信号分选算法研究

到达时间差(TDOA)直方图分析是电子支援侦察雷达信号主分选的基础;相关信号分选算法的性能与TDOA直方图脉冲重复间隔(PRI)检测门限的设定密切相关。为揭示PRI检测门限与TDOA直方图参数之间的关系,解决传统PRI检测门限依靠经验设定、无法灵活调整的问题,该文从分析TDOA直方图与脉冲序列的统计性质入手,推导了直方图稳定PRI、抖动PRI和参差PRI检测门限的解析表达式,提出了基于TDOA直方图PRI检测的信号分选算法,并通过仿真验证了算法的有效性。     

基于GAIN-LSTM网络的雷达PRI序列还原及识别方法

开展脉冲重复间隔(Pulse Repetition Interval, PRI)模式识别工作是电子支援系统的一项重要任务。现代复杂电磁环境下,受雷达辐射源部署和接收设备本身影响,雷达脉冲丢失率极高,导致分选后PRI序列调制规律被破坏,现有的PRI模式识别方法准确率不足。针对上述问题,从PRI序列还原角度出发,并结合PRI序列本质是时序序列的特点,提出GAIN-LSTM(Generative Adversarial Imputation Nets and Long Short Term Memory)网络架构,其先对丢失脉冲位置进行补全操作,恢复PRI调制规律,然后对还原后PRI序列进行调制模式识别。仿真结果表明,提出的GAIN-LSTM网络架构在脉冲丢失率70%时仍保持95%的正确识别率。     

基于脉冲串的雷达信号分选性能评估指标

针对目前基于脉冲的雷达信号分选性能评估指标不够全面且战术性体现不足的问题,本文将分选过程置于电子侦察流程中进行考察,基于去交错结果提炼出更契合战术性的分选性能评估指标。在评估分选性能时,以脉冲串为处理单元,重点关注辐射源的漏检和脉冲串的虚警。此外,考察了分选出子谐波的情况和分选处理流程的时间,又从电子情报质量的角度考察了脉冲重复间隔（Pulse Repetition Interval,PRI）估计和脉冲序列匹配度。仿真实验研究了PRI抖动和脉冲丢失对分选性能评估指标的影响。仿真结果表明,所提评估指标的实验数据与PRI抖动和脉冲丢失率对分选过程的影响机理相互印证,体现了所提指标的合理性。此外,借助评估指标可以对分选过程进行精准分析,所提评估指标的有效性及全面性得到验证。     

基于截距分析的改进雷达信号分选算法

常用的雷达分选算法易出现脉冲重复间隔谐波和同部雷达信号脉冲序列断裂的问题,鉴于此提出了一种基于脉冲到达时间拟合直线截距分析的改进雷达信号分选算法。该算法通过对到达时间拟合直线截距的分析,判断出上述2种情况,整合相应脉冲序列,从而得到正确的分选结果。到达时间截距分析算法能增强雷达信号分选算法的鲁棒性,降低算法对搜索容限的依赖,具有良好的工程应用价值。仿真表明,改进的信号分选算法比序列差值直方图算法的分选概率高20%。     

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。     

一种新的雷达辐射源识别方法

提出一种用于雷达辐射源识别的新方法。根据小波包特征（WPT）和脉冲重复间隔（PRI）的特点,将八维WPT中的第六、七个分量（Wpt6、Wpt7）以及PRI的均值和方差（mpRI、σ^2PRI）四个特征参数作为雷达辐射源的识别依据,设计了径向基概率神经网络（RBPNN）分类器。通过计算机仿真验证了新方法的可行性,与常规方法相比,不仅提高了识别准确率,识别速度也有所提高。     

基于PRI熵的雷达信号聚类方法研究

针对脉冲分选聚类中存在的问题,引入熵的概念,定义了 PRI(脉冲重复间隔)熵,给出了雷达脉冲序列之间合并的 PRI 熵判据.并在此基础上提出了新的雷达信号聚类方法.采用先分选后合并的思路,通过计算合并前后 PRI 熵是否减小来判断是否对序列合并.通过仿真验证该方法解决增批问题的有效性.     

一种基于贝叶斯网络的雷达重频模式识别方法

雷达重频模式指雷达脉冲重复间隔（PRI）的调制样式，重频模式识别对于雷达型号、类别识别具有重要支持作用，但这是一个较困难的过程，一般难以通过单一重频特征完成多种复杂重频模式的自动识别。本文为解决雷达多重频模式自动识别及识别抗噪声干扰问题，针对多种重频模式提取了几种PRI序列特征量（重频特征），然后引入了贝叶斯多网络分类器（BMNClassifier），利用所提取的特征量作为贝叶斯多网络分类器输入节点，通过贝叶斯多网络分类器的概率推理能力来实现雷达重频模式识别。     

基于PRI变换的未知雷达信号分选算法研究

针对未知雷达信号主处理中脉冲重复间隔的精确分选部分,介绍了PRI变换的脉冲重复间隔估计算法,提出针对固定重频、抖动重频和参差重频信号的PRI变换算法的仿真和改进方法。     

一种基于PRI谱特征的复杂雷达信号分选方法

通过分析雷达截获机所处的复杂雷达信号环境,提出了一种基于PR I谱特征的复杂雷达信号分选方法。该方法利用PR I变换获取雷达信号PR I谱,并根据各种复杂雷达信号PR I谱特征实现复杂雷达信号的分选工作。仿真结果表明,该方法能够较好地实现复杂信号环境下雷达信号的分选工作。     

基于PRI谱内特征的参差雷达信号分选算法研究

通过分析参差雷达信号的基本特征,针对PRI变换算法在参差雷达信号分选中存在的不足,提出了一种基于PRI谱内特征的参差雷达信号分选算法。该算法利用PRI变换获取信号的时域PRI谱,进而根据PRI谱内脉冲对数特征完成参差信号帧周期的分选工作。仿真结果表明,该方法能够较好地实现参差雷达信号的分选工作。     

基于直方图散度和小波分解的图像配准算法

针对基于互信息的图像配准方法运行时间长、抗噪声差的问题,提出了一种基于新的相似性测度的图像配准算法,在分析两幅图像的联合直方图点集分布情况的基础上,定义了直方图点集的散度公式,并将其作为相似性测度.为加速参数的搜索过程,配准是在小波域内进行的,并使用遗传算法与Powell算法相结合的方法来优化参数.实验证明,相对于基于互信息的图像配准算法,本算法参数优化方法选择可以更灵活,时间消耗更少,噪声鲁棒性更优.     

一种新的雷达重频模式识别方法

针对雷达重频模式识别中存在的问题,提出了一组新的二维特征向量,对重频固定、重频抖动、重频参差、重频分组和重频滑变5种典型的重频模式进行了识别。仿真结果表明,该方法正确识别率高,为工程应用提供了一种新的思路。     

对基于PRI谱计算脉冲重复间隔的一种改进方法

通过PR I变换可以得到PR I谱图,基于PR I谱估计脉冲重复间隔是一种有效的方法,具有很广的应用范围,但也有其局限性。本文针对PR I谱方法对参差雷达的PR I估计效果不理想的情况,结合脉冲列的自相关和一阶直方统计给出了一种改进方法。这种改进方法不仅保留了PR I谱方法的优点,对参差雷达也得到了很好的估计结果。     

基于小波变换和直方图均衡的红外图像增强

基于红外图像低分辨率、低对比度、视觉特性差的特性,以及传统的利用直方图均衡化进行红外图像增强的方法会丢失图像的细节信息、增强红外图像的噪声的特性,将小波变换的多尺度、多分辨率的特点和直方图均衡化的方法相结合,提出一种更好的实现红外图像增强的算法。并将该算法在Matlab上进行了仿真验证。     

小波变换和直方图均衡化的保持色调不变彩色图像增强算法

彩色图像增强的目的是保持色调的前提下加强图 像对比度,提高彩色图像视觉效果,文中提出小波变换域内色调不变 彩色图像增强算法,RGB彩色空间中,对各通道进行小波分解,高频部分进行非线性变换, 突出细节信息,然后通过小波逆 变换重构图像,然后对图像进行限制对比度直方图均衡化后与原图比较算出增强因子,最后 处理gamut问题,得到保持色调 不变的增强图像,在相同条件下与其它彩色图像增强算法进行性能比较,实验结果表明,该 算法对质量不同的彩色图像有较 好的增强效果,增强了图像细节和对比度,并具有自适应能力。     

基于PRI信息的雷达脉冲信号分选技术研究综述

基于脉冲重复间隔(Pulse Repetition Interval,PRI)信息的雷达脉冲信号分选是电子侦察信号处理中的核心关键技术之一。以公开文献资料为来源,从直接搜索判定分选、直方图统计分选、PRI变换分选、平面变换分选、多方法综合应用等多个方面对该技术方向上的各种方法的原理、流程、特点、适用条件等进行了分类对比与归纳总结,指出了其所面临的巨大挑战,展现了其未来的发展趋势,为该方向上技术研究的深入推进与工程应用的优化推广提供了重要参考。     

一种新的雷达脉冲分选算法研究

利用脉冲重复间隔（PR I）或脉冲重复频率将交织在一起的雷达脉冲列分选开来是被动探测与电子对抗领域的一个重要问题。现有的PR I分选方法有动态关联法、直方图法、平面变换法等。本文提出一种基于到达方位、脉宽、载频、PR I联合参数进行雷达脉冲分选的算法,可应用于复杂的高密度雷达环境。     

一种基于脉冲样本序列的PRI周期信号分选算法

针对传统脉冲重复间隔(PRI)分选算法在估计PRI方面存在的不足,提出了一种对PRI周期信号的周期进行准确估计的方法。该方法首先从待分选脉冲序列中提取出属于一部雷达的脉冲样本,然后基于这些样本对该雷达脉冲序列的周期进行精确估计,并用估计到的周期值进行脉冲序列抽取从而实现准确分选。相对于传统PRI分选算法,该算法能够在保证周期估计精度的前提下大幅度减少分选过程所需要的时间,从而能够更好地满足信号分选的需求。仿真结果证明了所提算法的有效性。