一种用于雷达信号分选的改进型神经网络

基于雷达信号分选的应用需求，对传统自组织特征映射（SOFM）神经网络进行了分析，提出一种结构自调整的改进型SOFM神经网络，并进行了分选仿真．结果表明，该网络能够通过增加或删减输出神经元的数目，自动调整神经网络的规模使其与实际输入模式的类别数目相适应，从而取得了较好的雷达信号分选效果．     

支持矢量分析在雷达信号分选中的应用

提出了一种基于支持矢量分析的雷达信号分选方法、该方法首先对脉冲信号流进行聚类，然后应用支持矢量分析方法对聚类后脉冲流作进一步分选．通过仿真实验，给出了该方法对处于边界交迭脉冲的分选结果，证明了该方法的可行性、     

熵特征在雷达信号分选中的应用

针对现有方法分选准确率不高和对噪声敏感的问题,应用信息熵特征实现了低信噪比条件下未知复杂雷达信号的高准确率分选.对接收到的雷达信号首先求得维格纳分布空间和双谱空间,然后对该空间进行子空间划分,在子空间分布概率下,求取雷达信号的信息熵特征构成二维特征向量,该特征向量反映了信号在这两种空间下的能量分布.最后对8种雷达辐射源信号进行了特征提取和分类仿真实验.实验结果表明所提取的特征参数在宽信噪比范围内均具有很好的分离性和稳定性,验证了该方法的有效性.     

基于数据场与云模型的多模雷达信号分选算法

针对传统分选算法处理多模雷达信号效果较差的问题,提出一种基于数据场的层次聚类信号分选算法,以克服多模雷达信号分选时存在的"增批"问题.将数据场理论应用于多模雷达辐射源信号的分选,利用数据场势函数划分辐射源信号数据的层次,通过等势图的绘制完成数据的自组织层次聚类.提出一种基于云模型的分选结果有效性评估算法,可在脱离雷达辐射源库的情况下验证信号分选结果的有效性.仿真实验验证了提出算法的有效性.     

基于压缩感知的雷达信号分选方法

针对复杂电磁环境下,大量的信号在时间、空间、频谱发生随机交叠时,现有分选方法很难进行分辨的问题,提出了一种基于压缩感知理论的雷达信号分选算法.该算法将信号的样本空间作为稀疏字典,将待分选的雷达信号进行稀疏表示,以少量的观测数据就能获取信号的全部信息,从而对雷达信号进行有效的分选.仿真结果表明,该算法能对大量时频交叠信号进行快速分选,且在低信噪比下也能取得较理想的效果.     

一种密集信号环境下雷达脉冲分选方法

针对电子战所面临的高密度,占空比大,脉冲重叠丢失率高的信号环境,构建了一个实时的脉冲信号预分选系统,改进了基于概率统计的分选算法,并提出一个剔除TOA倍数及加和关系的算法,通过试验证明了该系统和算法的可行性。通过硬件电路进行了具体实现,该系统能实时的对雷达脉冲序列进行分选,并在密集的信号环境下具有良好的分选正确率。     

通信信号的分选与识别

本文提出了通信信号分选的识别方法，对分选的方案进行了论证，利用预处理与主处理相结合的方法来分选通信信号，尤其在进行调制分类时，提出特征提取和识模器，为了提高速度速度，采取维数缩压和线性识模器。     

雷达信号群复杂度研究初步

本文用熵的概念定量描述了脉冲群雷达信号灵活多变的程度。给出了计算步骤及实例.文中提出的概念对现代雷达信号选择设计及电子侦察技术具有一定的理论意义和实际意义。给出的度量方法也可直接应用到雷达信号波形库质量的度量中.     

多普勒雷达测速信号滤波方法研究

因为经过几次技术革命后,各种雷达技术原理不断被发现,各式雷达系统不断涌现,按雷达技术原理和信号处理来分有多普勒、相控阵、激光、合成孔径等.频移与相对速度V成正比,与振动的频率成反比时这种频移多普勒频移,多普勒频移是由多普勒效应所形成的频率变化所形成的.     

一种低复杂度的雷达信号分选方法

针对现有支持向量聚类算法在雷达信号分选应用中复杂度高、用传统有效性指标难以描述最佳分选效果的问题,研究了基于锥面聚类分配的支持向量聚类算法;利用该算法依赖于特征空间和数据空间近似覆盖的特性,避免了邻接矩阵的计算.提出了基于相似熵的有效性验证指标,应用信息熵的理论描述了类内聚集性和类间分离性.仿真结果表明,该方法在保证分选正确率的同时,可以有效降低计算复杂度,在一定程度上满足了情报侦察系统的实时性和准确性要求,具有较强的实用价值.     

基于数据场聚类与时差的雷达信号分选方法

针对现有多站时差分选方法无法处理失配脉冲信号导致漏警率高的问题,提出了一种基于数据场聚类与时差的雷达信号分选方法.首先对各接收站截获的雷达脉冲进行配对,完成多站时差分选;然后利用数据场剔除失配脉冲集合中的干扰脉冲,获得聚类数目和初始聚类中心;最后利用K-means算法计算脉冲到各个聚类中心的欧式距离,并将其划分到距离最...     

分段聚类在雷达信号分选中的应用

分析了雷达信号分选中的容差问题,现代电子战所面临的越来越复杂密集的脉冲环境,使容差问题成为制约现有多参数信号分选体制分选效率的重要因素。根据统计学习理论的思想,提出了一种基于支持向量聚类和级联互耦的分段聚类雷达信号分选方法,该方法克服了容差问题对雷达信号分选的影响。通过仿真实验验证,对于高脉冲密度环境和复杂的信号形式,这种分选方法是有效的。     

基于级联SSA-SOFM神经网络的信号分选方法

针对应用传统SOFM神经网络进行辐射源信号分选的不足，提出了一种结构自调整算法以解决必须事先确定SOFM网络规模的问题，进而提出了一种基于级联结构自调整SOFM（SSA—SOFM）神经网络模型的信号分选方法，采用实际数据进行了实验仿真，结果表明了该方法的有效性．     

窗口函数声光相关器及其在雷达信号处理中的应用

介绍了一种只使用一个声光器件的窗口函数声光相关器,它可实现滤波片的窗口函数与电信号的震幅调制函数之间的相关运算,对由单载频矩形脉冲雷达信号与无调制随机杂波干扰组成的模拟回波信号进行了抗干扰实验,实验结果表明,当雷达信号脉宽为2μs时,相关增益达到15dB。     

雷达信号处理算法在C6201上的实时性能研究

对基于TMS320C6201芯片实现的雷达信号处理算法的实时性进行了研究,提出了进一步提高其实时性的代码优化途径,通过测试与比较,论证了雷达信号处理算法在TMS320C6201芯片中工程化应用的可行性.     

雷达信号处理系统仿真设计

针对强噪声背景下雷达信号处理困难的问题,提出一种基于Lyapunov指数的雷达信号处理算法,建立相应的Duffing系统仿真模型,利用Lyapunov指数求解该模型由混沌态跃变为周期态的阈值,提取出回波信号频率,根据其多普勒频移计算出导弹与目标间的相对速度。仿真结果表明,该系统的最低检测门限可达到-70dB以下。     

雷达通信一体化共享信号技术研究

目前,国内在通信侦察、雷达侦察系统等方面研究均取得了很大成果,研制、装备了许多雷达、通信侦察设备,并积累了丰富的工程经验,但在综合一体化电子战系统方面的研究则刚刚起步.综合一体化电子战系统所涉及的研究内容相当广泛,需要解决的关键技术也非常多.     

高频地波雷达机动多目标的信号处理方法

提出一种基于多信号分解和重建以及目标参数估计和运动补偿的信号处理方案.首先,通过对多目标回波进行自适Ch irp let分解和最小二乘误差准则下的重建,将多机动目标的信号处理问题转化为单机动目标的信号处理问题;然后,采用DPT算法估计每个目标的高阶运动参数,进而补偿目标运动对信号处理的影响,从而提高多普勒输出信噪比和改善估值精度.仿真结果验证了算法的可行性和优越性.     

一种新的雷达全脉冲信号特征提取方法

提出一种基于结构函数和经验模态分解的雷达全脉冲信号特征提取方法.该方法将载波频率和到达时间构成二维特征信息,并且首次引入结构函数和经验模态分解对雷达全脉冲序列的特征进行分析.实验结果表明,该方法能够有效地提取出复杂脉冲环境中载频周期滑变信号的滑变频率,从而为多信号交叠的雷达脉冲序列的信号分选找到一个新的特征.     

案例教学在雷达信号处理与终端技术课程中的应用

为提高雷达信号处理与终端技术课程的教学水平以及加强学员理论联系实际能力,根据案例教学方法理论,将某科研项目中遇到的雷达信号处理问题设计成综合案例,并运用于课堂理论教学,给出了案例教学的具体方法步骤.教学实践表明学员对该案例教学的评价较好.最后根据教学实践中存在的不足,提出了该课程案例教学的改进思路.