排序方式: 共有40条查询结果,搜索用时 11 毫秒
11.
12.
13.
14.
15.
16.
17.
在实际场景中,接收机截获的雷达脉冲信号信噪比较低、多径干扰明显,从中提取的辐射源指纹特征存在畸变,给雷达辐射源个体识别带来严峻挑战.针对该问题,本文提出一种两阶段的信号处理方法.在第一阶段,以精确的脉冲对齐和迭代加权积累提高信号质量,解决低信噪比问题.在第二阶段,定义信号频谱相邻点前向商的绝对值为谱邻点商,并提取信号频谱主瓣和第一旁瓣对应的谱邻点商作为抗多径的指纹特征,解决多径干扰问题,同时利用Chirp-Z变换的局部精细化谱分析能力,进一步提高本文方法的计算精度和速度.仿真实验表明本文方法在脉冲对齐和克服多径干扰方面表现突出.实测数据实验对截获自15部同型号雷达的单频脉冲信号进行分类识别,获得超过97%的识别准确率,证明本文方法对多径条件下的雷达辐射源个体识别实际应用具有重要参考价值. 相似文献
18.
为实现对城市用频设备的精确管控,针对特定辐射源开集识别问题,构建了一套基于深度学习的辐射源个体开集识别处理流程,核心在于指纹特征有效区间筛选与基于深度自编码器的开集识别模型。一方面,通过使用Grad-CAM实现对深度网络激活可视化,筛选出信号对网络激活贡献较高的部分,在不损失过多指纹信息的情况下进行信号区间筛选;另一方面,建立基于半监督对抗自编码器的辐射源个体开集识别模型,实现对电磁环境中出现的未知辐射源个体的有效识别。实验表明此开集识别模型能够在不损失闭集识别率的条件下实现高精确度的开集识别。 相似文献
19.
20.