常见雷达信号分选算法研究

在电子对抗中,信号往往复杂多变,对雷达信号的分选提出了新的要求.要准确地确定主辐射源,确定干扰手段,就要从一连串脉冲流中分选出来自同辐射源的脉冲序列.为了分选时域上不同特征的雷达信号——常规信号、抖动信号以及参差信号——先后对PRI变换法、改进了的PRI变换法以及SDIF法这三种分选算法进行了研究,并对这些算法在不同参数上分别用Matlab进行了仿真,实验表明PRI变换法能检测常规信号,但不能检测抖动雷达信号以及参差雷达信号的子周期;改进后的PRI变换法可以检测10%以内的抖动信号;而SDIF算法不仅能检测出常规信号和参差信号,而且运算量较小,达到了分选常见雷达信号的目的.     

一种新的PRI变换分选算法

脉冲重复间隔(pulse repetition interval,PRI)变换及其改进算法是雷达信号分选领域的经典算法之一。在早期的信号环境中,各部雷达信号的PRI值相对接近,传统的改进PRI变换算法能够有效地分选PRI抖动雷达信号,因而得到了广泛的应用。随着信号环境的日益复杂,不同雷达发射的信号其PRI值分布在一个较大的范围内,此时传统算法的分选能力大大减弱。针对上述问题,对传统算法中可变时间起点的改变、PRI箱的选择以及门限的确定三个方面进行改进,提出一种新的PRI变换分选算法。新算法中采用了可变的移动因子、固定的箱分辨率以及合理的门限,在保留原算法优点的同时,能够适应PRI值分布在较大范围内的抖动雷达信号分选问题,并通过模拟仿真验证了算法的有效性。     

基于改进重频跟踪器的雷达信号分选方法研究

提出了一种基于脉冲重复周期（PRI）跟踪器的已知雷达信号分选方案,介绍了已知雷达信号分选电路的组成部分。详细阐述了滤波电路、跟踪器首脉冲捕获电路和重频跟踪电路的实现方法。在FPGA上采用多路重频跟踪器实现多路信号并行分选。全硬件跟踪分选已知雷达信号,实现了密集信号环境下已知雷达信号的实时分选,提高了可靠性、灵活性。提高了电子对抗设备的信号分选和处理能力。     

基于平面变换技术的脉冲信号分选

针对平面变换分选信号方法中人工检测特征曲线的缺点,对平面变换后特征曲线的检测方法进行了研究.将随机Hough变换引入平面显示变换后的特征曲线检测,导出了检测曲线参数与待分选脉冲序列的脉冲重复间隔(PRI)之间的关系,利用该技术可实现对平面变换后特征曲线的自动检测与分离,该方法适用于固定PRI、参差PRI和随机抖动PRI脉冲序列的分选.     

一种改进型脉冲重复间隔测量系统

脉冲重复间隔(PRI)是雷达信号的重要参数之一。分析了脉冲计数法在脉冲重复间隔测量中的实现方法,指出了该方法中存在的三种主要误差,阐述了改进型脉冲计数法在脉冲重复间隔测量系统中的应用。     

基于平面变换的雷达脉冲信号分选算法

通过平面变换技术将雷达脉冲映射成平面矩阵,在分析周期信号在平面矩阵中重复特性的基础上,提出了一种周期性雷达信号分选的新方法--矩阵匹配法.针对以前搜索算法门限确定困难以及当信号密集且周期性信号数最较少时无法分选的缺点,该算法采用通过检索相似度序列的方法,实现自动分析最小显示周期并完成分选工作.仿真表明陔方法对周期信号具有很高的分选准确度,对PRI随机抖动雷达也具有一定分选能力.该算法检索速度快、计算简单且易于实现,具有广泛的工程应用前景.     

支持向量聚类联合类型熵识别的雷达信号分选方法

针对复杂环境下传统雷达信号分选处理中由于设定容差难以准确分选的问题,提出一种分层互耦支持向量聚类(SVC)联合类型熵识别的多参数雷达信号分选方法.该方法首先对雷达信号的全脉冲序列进行分层处理,再分别对每个子序列进行SVC聚类,然后引入分层耦合的思想,利用所提取子序列的全部质心,重新进行SVC聚类,将各分层的全脉冲序列中属于同一雷达信号源的子序列连接起来,从而实现对雷达全脉冲序列信号的分选.根据类型熵随信号种类数的增加及信号复杂性的增加而增大的特点,对多参数聚类结果进行类型熵的计算,并将类型熵识别用来辅助信号分选.实验结果表明,对于高脉冲密度环境和复杂的信号形式,提出的方法避免了传统信号分选方法中所面临的容差问题对信号分选的影响,可以实现有效分选.     

基于FPGA的雷达脉冲信号发生器的设计

随着电子对抗技术的发展,雷达的多样化对雷达信号分选设备的功能和性能提出了更高的要求,雷达脉冲信号发生器作为雷达系统的重要组成部分也同样面临着挑战.介绍了几种常见的雷达脉冲信号,并提出了一种基于FPGA的雷达多脉冲信号发生器设计方案.该脉冲发生器可以同时模拟多部非相参雷达脉冲信号,能够给分选设备提供更加真实的信号参数.采用FPGA技术不但能够大大缩短设计周期,便于硬件实现,而且系统的稳定性也比较高.本系统具有运行速度快、实现简单、体积小、成本低等优点,能够很好解决雷达多脉冲信号产生的技术难题.     

一种基于DSP和FPGA的雷达信号分选电路设计

设计了一种基于DSP和FPGA的雷达信号分选电路,对密集的雷达信号进行分选识别。系统利用FPGA采集信号的特征参数以及对参数进行预处理;采用了累积差值直方图算法,根据信号脉冲宽度对数据分组,多片DSP协同处理实现信号分选。工程实践表明:该电路对常规雷达信号分选效果良好,处理速度快,系统可靠性好。     

基于时域模糊决策融合的雷达工作模式识别方法

在雷达工作模式识别中,侦察设备对雷达信号参数的测量误差严重影响了识别效果,针对这一问题文中提出时域模糊决策融合(TFDF)的雷达工作模式识别方法。首先分析了雷达脉冲组特征,在脉冲组层次提取雷达信号的脉冲组描述字(PGDW);然后基于联合隶属度函数改进传统的神经网络硬判决方式,实现雷达信号识别的模糊决策;最后运用DS证据理论将多个时刻的模糊决策融合,从而完成雷达工作模式的最终识别。基于时域模糊决策融合的识别方法可以有效改善参数测量误差对工作模式识别效果的影响。仿真结果以及对比实验表明,文中所提算法具有更好的抗噪性能,在雷达信号的参数测量误差为15%时仍具有90%以上的识别率。     

可调节相关峰参数的脉冲检测分选算法

针对传统塔康脉冲序列检测算法没有考虑不同工作模式下脉冲间隔（PRI）的特征信息,低信噪比下检测误差大而且算法复杂度高的问题,提出一种可调节参数的基于相关峰峰值位置的脉冲序列检测分选算法.根据相关信号的检测模型确定优化目标,构建一个负定型的埃尔米特检测矩阵;通过对相邻峰值位置的检测滤除不符合PRI特征的脉冲序列;利用脉冲消隐消除衰落效应引起的干扰信号对脉冲检测的影响;采用循环队列的脉冲对分选方法解决非完整周期内脉冲丢失的问题.实验结果表明该检测算法在改善信号信噪比的同时,脉冲到达时间（PTOA）的检测精度和基准脉冲序列的检测准确率都有显著提高.      

基于符号编码的雷达脉冲重复间隔调制识别

为了有效地实现在小数据脉冲样本和高脉冲丢失的环境下对雷达脉冲重复间隔(Pulse Repetition Interval,PRI)调制类型的准确识别,采用符号编码理论对雷达脉冲PRI序列进行符号化处理,对得到的编码序列进行修正以及特征码序列的选取、搜索和统计,最后依据相应的判决规则得到最终的识别结果。仿真实验表明,与传统的方法相比,采用的方法有效地克服了小数据脉冲样本和高脉冲丢失环境对雷达PRI序列的特征提取和调制类型的识别所带来的不利影响,为解决这一问题提供了一种新的思路。     

基于层次密度聚类和谱间隙的雷达信号分选

雷达信号分选是现代电子战中的重要环节.为了解决传统算法鲁棒性较差的问题，提出一种基于层次密度聚类和谱间隙的雷达信号分选算法.使用载频和脉宽参数进行层次密度聚类，根据重新定义的簇间距得到赋权邻接矩阵，计算赋权邻接矩阵的拉普拉斯谱间隙，通过k-means聚类的超参数k对信号进行分选.仿真实验结果表明：该文算法的平均分选准确率达0.996 0、平均召回率达0.956 0;相对于密度聚类(density-based spatial clustering of applications with noise,简称DBSCAN)和Meanshift算法，该文算法对杂乱脉冲、漏脉冲及超参数的干扰均有最强的鲁棒性.     

基于先验信息库的多源混合信号快速识别模型

先验信息库识别是雷达信号分选的前置环节,可以有效提高前端处理效率并指导未知信号分选识别。随着复杂体制雷达大规模应用,信号参数空间严重交叠,传统处理方法面临严峻考验。该文提出一种结合传统脉冲描述字、瞬时频率特征及模糊函数主脊切面特征的先验信息库构建方法,首先,对信号进行多维度表征,然后,使用相像系数度量特征间相似性,最后,利用具备有效性评价的核模糊聚类算法对未知信号进行自动聚类。实验结果表明,所提方法可在传统方法几乎失效的情况下有效稀疏多源混合雷达信号,准确过滤未知信号,并为未知信号分选提供指导。     

基于改进型Logistic混沌序列的SPC-TDCS多址接入研究

针对复杂电磁环境下雷达信号快速聚类分选问题,提出了一种采用变精度粗糙集改进的基于相邻脉冲相似性的快速聚类分选方法。原有方法计算相似度时加权矩阵由专家给定或由经验而定,未考虑到雷达辐射源属性,造成聚类分选结果准确率不高。改进方法利用变精度粗糙集获取雷达辐射源各属性特征参数的权重,由其权重构成最优特征加权矩阵,进而计算相似度,然后基于相邻脉冲相似性对雷达信号进行快速聚类分选。仿真表明,改进方法相比原有方法保持了快速分选的能力,并且将聚类分选准确率提高了5.93%,是一种解决复杂环境下雷达信号快速聚类分选的新方法。     

雷达脉冲分选算法的研究

介绍了SD IF和CD IF两种传统的脉冲分选算法,并分析了它们各自的优缺点.在比较了传统雷达脉冲分选算法的基础上,介绍了一种基于可变TOA差级的运算量更小、速度更快的分选算法.计算机仿真结果表明,该方法提高了雷达脉冲分选效率,能够成功分选出高密度雷达环境中的复杂形式的脉冲信号,满足了现代战场电磁环境的要求.     

基于注意力机制的雷达信号分选算法

针对传统雷达信号电子侦察先分选、再融合、后识别的流程繁琐且低效,本文提出直接对疑似敌方雷达的某个脉冲构建单脉冲特征矩阵,基于注意力机制与卷积神经网络(CNN)对其进行高相关脉冲的挑选和脉间调制类型识别.对挑选的高相关脉冲和识别的脉间调制类型结果进行分析,提取出脉冲间特征以及脉冲特征的相对关系,进一步完成后续分选操作.注...     

一种改进的数据场聚类算法

雷达信号分选是电子侦察中的关键步骤,针对传统聚类算法需要先验知识、算法需要人为设定参数、对孤立噪声点敏感和对初始聚类中心的选取对聚类效果有直接的影响、容易出现"增批"缺点,提出一种改进的数据场聚类算法。该算法计算所有的数据对象的势值,通过寻找势心来确定初始聚类中心和聚类数目,根据数据对象的势值大小和阈值进行比较,剔除孤立噪声点,将数据对象划分到距离最近的聚类中心的那一类中完成聚类。文中仿真了12部雷达信号,包括了常规雷达、抖动雷达、参差雷达和捷变频雷达,雷达参数相近或交叠。仿真结果表明,改进的数据场聚类算法有良好的聚类效果。     

基于脉内特征的雷达信号分选方法

当前复杂的电子环境下不同调制的多种雷达信号,具有交叠严重、分选困难的特点。针对这一问题提出一种基于时频原子特征的雷达信号分选方法。该方法根据欧氏距离准则,在超完备的Chriplet时频原子库中,利用杂草算法提取可分性较好的原子,并与各信号做内积作为雷达信号分选的特征值,利用改进的FCM聚类算法进行聚类。在不同信噪比下,对5种不同调制参数的雷达信号进行分选,仿真结果表明,在较低的信噪比下,该方法能够进行有效的雷达信号分选。