基于高斯平滑与模糊函数等高线的雷达辐射源信号分选

雷达辐射源信号分选是电子侦察系统、威胁告警系统的关键步骤.针对现有基于模糊函数的复杂体制雷达辐射源信号分选方法信息利用率低、易受噪声影响等问题, 提出一种基于模糊函数等高线的分选新方法; 首先, 对信号的模糊函数进行高斯平滑处理并绘制其等高线作为进一步的特征提取对象; 其次, 从图像处理的角度提取正外接矩和方向角作为雷达信号分选的特征向量; 最后, 用核模糊C均值聚类算法对特征向量进行分选.仿真实验表明, 所提方法在8 dB以上的固定信噪比环境下分选6类典型信号的成功率均为100 %, 即使在0 dB环境下, 分选成功率也保持在89.04 %以上; 在0 ~ 20 dB动态信噪比环境下分选成功率达到96.36 %.实测数据验证, 所提特征提高了5种外场辐射源信号的分选效果, 可作为经典5参数的有效补充. 此外, 所提特征还具备较低的计算量, 提取单个信号特征的耗时仅为0.24 s, 具有一定的工程价值.     

模糊函数主脊切面特征提取的粒子群优化方法

模糊函数主脊切面能较为完整地描述雷达辐射源信号的结构信息,其特征参数可作为信号分选经典五参数的有效补充。但搜索信号模糊函数主脊切面的计算量较大,不利于雷达信号的实时分选。提出一种模糊函数主脊切面特征快速提取的改进粒子群优化方法,该方法通过均匀初始化策略、随机惯性权重与自然选择等技术,有效避免了算法陷入局部最优并显著提高收敛速度。实验结果表明,所提方法能可靠地工作在SNR不低于6dB的情况下,在显著提高搜索速度的同时还可获得更为精确的模糊函数主脊切面,进一步证实了方法的可行性和有效性。     

一种快速搜索模糊函数主脊切面的自适应灰狼算法

模糊函数主脊切面特征能较好地反映不同信号结构上的本质差别,是解决当前复杂体制雷达辐射源信号分选难题的可行参数,而快速、智能地搜索模糊函数主脊切面是增加其切面特征实用性的重要问题。为此,本文构建了一种结合均匀初始化策略和改进非线性收敛因子的改进自适应灰狼算法来搜索典型六种雷达辐射源信号的模糊函数主脊切面并提取切面特征,并与穷举法和标准灰狼算法进行对比。实验结果表明,所提方法在搜索AFMR切面并提取特征时,平均耗时仅为1.49s,相较于穷举法和标准灰狼优化算法,效率分别提高了75.7%和19.0%,具有较优的时效性。在固定信噪比环境下,当SNR不低于0dB时,提取到特征值的平均聚类准确率为96.4%,在0~20 dB动态信噪比环境下,平均聚类准确率可达95.2%,具有较好的准确性、抗噪性能及较强的类内聚集性和类间分离能力,证实了所提方法的可行性与有效性。     

基于在线核聚类的雷达信号分选方法

提出一种变参数在线核聚类算法(OKCAP),将其应用于未知雷达辐射源信号分选中。OKCAP基于支持向量机的思想,采用核映射技术将数据映射到高维线性空间中进行处理,利用随机梯度下降法更新类的边界函数,且梯度下降步长和惩罚项参数可根据雷达信号动态调整,从而实现雷达辐射源信号的在线分选。仿真结果证明,该方法具有较快的聚类分选速度和较高的分选准确率。     

模糊函数主脊切面特征提取的局域差分方法

雷达信号分选是电子对抗的关键技术,提取和补充新的特征参数是解决复杂体制雷达信号分选难题的有效手段。鉴于模糊函数是表征信号内在结构上的有效工具,本文采用改进粒子群算法（Particle swarm optimization,PSO）快速搜索信号的模糊函数主脊切面,并提出一种基于局域差分的模糊函数主脊切面特征提取方法,提取出差值和、差值最大值和差值分布熵3个特征,以表征不同信号波形结构上的局域差异;然后通过模糊C均值算法对提取的特征参数进行聚类性能分析。最后使用LFM,BFSK,CON,QPSK,M-SEQ及BPSK共6种典型信号进行实验。实验结果表明,在固定信噪比下,当SNR不低于0 dB时,CON,LFM及BFSK信号的平均聚类准确率达到98.7%,6类信号的平均准确率为93.2%。在0~20 dB动态信噪比环境下,平均分选准确率仍保持在80.5%以上,且算法具有较好的特征提取时效性,证明了所提方法的可行性和有效性。     

未知雷达辐射源分选的一种新方法

为提高未知雷达辐射源的分选正确率,本文提出一种基于第二维相像系数(Cr2)和第四维小波包特征(Wpt4)相结合的分选新方法。对接收到的未知雷达辐射源信号,首先提取其Cr2和Wpt4,将Cr2和Wpt4作为分类依据,并利用基于核方法的模糊C-均值算法(KFCM)实现对未知雷达辐射源的分选。计算机仿真结果表明,新方法较传统的分选方法可以获得更高的准确率。     

雷达信号交互式分选方法

雷达信号分选指从混叠雷达信号数据中分选出属于各单部雷达辐射源发射的雷达信号.随着雷达技术快速发展,雷达核心属性分布不均、重叠度高、变换复杂,而且数据采集过程不稳定,导致传统自动化分选方法准确率不高.文中介绍了一种自动化分选和交互式分选结合的雷达信号监控数据可视分析方法;提出了一种改进的雷达信号自动化分选方法,结合核密度估计、密度聚类和排列熵技术对数据进行分区式聚类和量化结果评价;设计了一个可视分析原型系统,提供了可协同分析的多可视化视图和简单易用的交互手段,以直观地展示雷达信号分布情况和自动化分选结果,帮助用户参与整个信号分选过程.     

基于Wpt_6和Cr_1的雷达辐射源信号分选

针对现有方法分选准确率不高和对噪声敏感的问题,提出一种新的雷达辐射源信号分选算法。对接收到的未知雷达辐射源信号,首先提取其第六维小波包特征(Wpt6)和第一维相像系数(Cr1),将两者作为分类依据,并利用Kohonen神经网络实现对未知雷达辐射源的分选。计算机仿真结果表明,新方法较传统的分选方法可以获得更高的准确率。     

一种新的ESM数据分选算法

研究获取敌方雷达辐射源数据,在识别准确性问题上,ESM数据分选在电子侦察领域有重要的作用.针对辐射源识别的正确性,采用聚类和到达角外推相结合方法实现ESM数据分选,提出一种基于支持向量机和到达角外推的ESM数据分选算法.算法根据ESM数据辐射源参数信息,用支持向量机实现ESM数据聚类,根据其参数实现分类,再将信号到达角外推,预测信号下一时刻到达角,并以最近邻域关联准则将信号方位角关联,从而实现ESM数据分选.算法有效结合了辐射源参数特征和到达角变化趋势,可在辐射源较密集的环境下实现分选.仿真结果和实际数据测试表明了算法的有效性.     

基于模糊函数多域特征融合与集成学习的雷达辐射源信号识别

针对复杂电磁环境下雷达辐射源信号识别方法中存在的抗噪性能差、识别准确率低等问题,提出一种融合模糊函数多域投影特征的集成深度学习识别方法.首先,对信号的模糊函数进行高斯平滑处理,从多域视角出发选取合适角度对模糊函数进行二维投影以构建特征数据集;然后,构建一种基于多域特征融合的两阶段识别分类方法,使用多个密集连接网络DenseNet 121作为初级分类器分别对3类特征数据集进行训练学习,得到初级分类结果;最后,通过Stacking策略对初级分类结果进行融合学习,得到最终类别信息.实验结果表明,所提出方法在信噪比为0 dB时对6类典型雷达信号的整体平均识别率均保持在97.24%以上,即使是在-4 dB环境中,识别率也稳定在87.16%以上,验证了所提出方法的有效性和可行性,具有一定的工程价值.     

一种改进的DNN算法在雷达信号分选中的应用

针对深度神经网络能自动学习数据深层特征的优点进行了研究，提出一种基于深度信念网络的信号分选方法，来解决传统雷达信号分选中人工提取特征的耗时、特征冗余等问题。通过堆叠多层的深度模型对原算法进行改进，克服单一模型学习力的不足，对不同信号的本质特征进行深入学习，融合各个深度模型的后验概率进行分类决策，从而进一步提高了信号的识别率。采用改进方法对七种不同类型的雷达信号进行分选识别，并与其他信号分选方法进行对比，实验结果表明，该方法取得了更好的分类效果，展现出较强的学习数据本质特征的能力，从而验证了算法的有效性和优越性。     

基于AHP的复杂体制RES特征评价

针对复杂体制雷达辐射源信号特征的效能评估问题,提出一种基于层次分析法的特征评价方法。根据雷达辐射源信号特征的复杂性、可分选性、稳健性设计特征评价指标体系,采用层次分析法构建层次分析评价模型,并将该模型应用于实践。实验结果表明,该模型能减小不确定因素带来的不利影响,实现对复杂体制雷达辐射源信号特征的评价。     

基于Choi-Williams时频图像特征的雷达辐射源识别

针对复杂体制雷达辐射源识别,提出一种基于Choi-Williams时频图像的雷达辐射源信号特征提取和识别方法,将信号识别转化为图像识别问题。首先对雷达辐射源信号进行Choi-Williams时频变换,将得到的时频图转化为灰度图像;然后采用一系列图像处理方法对时频图像进行增强和去噪,之后将灰度图像转化为二值图像,并剪切掉不含信号的图像区域;最后分别提取二值图像的中心矩和伪Zernike矩作为识别特征,并采用支持向量机分类器实现信号的分类识别。文中针对8种常见雷达信号识别进行了仿真实验,结果表明在较大的信噪比范围内,该方法能获得较为满意的识别率,其中当信噪比为-3dB时,采用伪Zernike矩特征平均识别率仍能达到92%,验证了所提出方法的有效性。     

复杂体制雷达辐射源信号特征的FAHP评价

提取有效的雷达辐射源信号特征是复杂体制下雷达辐射源信号识别的重要基础。为实现对复杂体制雷达辐射源信号特征的评价,提出了复杂体制雷达辐射源信号特征的模糊层次分析评价模型。该模型在构建复杂体制雷达辐射源信号特征评价指标体系的基础上,针对层次分析法在权重确定方面存在的不足,通过引入三角模糊数来刻画专家评判的模糊性,将该模型应用于雷达辐射源信号特征评价的算例分析,并将计算结果与标准层次分析法的分析计算结果进行了对比,结果表明该模型的计算结果与标准层次分析法的计算结果是一致的,从而证明了该模型的可行性和有效性。