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。     

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...     

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FastICA的低信噪比雷达信号分选算法

针对传统的基于参数的信号分选系统已无法适应当前复杂情况下的雷达信号分选问题,将基于独立分量分析(ICA)的盲源分离算法引入雷达信号分选算法.快速ICA(FastICA)算法结合了定点迭代和非高斯最大化算法,具有稳定性好、收敛速度快、计算量小等优点.但该算法对噪声非常敏感,无法在低信噪比情况下进行信号分选.针对这一缺点,引入同步累加平均降噪算法,并结合信号均衡、平滑处理进行改进,使得新算法在低信噪比情况下对雷达信号进行分选.仿真表明改进后的算法在低信噪比情况下具有良好的分选效果,并保留了原算法的优点.     

基于无意调制的同类型雷达辐射源信号分选

无意调制特征对调制样式和各参数均相同的不同辐射源发射的信号分选具有重大意义。从相位噪声的角度提出利用双谱的二次特征分析信号,提取围线积分双谱均值、奇异值以及双谱范数熵特征;从波形差异的角度,提出利用模糊函数的主脊切面特征挖掘不同辐射源发射信号之间的差异,提取旋转角、一阶原点矩和二阶中心矩特征。在事先不知道信号数目时,将提取的特征分别进行近邻传播聚类验证,以及串联结合两种特征的聚类分析。实验表明,两种特征结合的聚类准确率要明显高于一种特征的准确率,尤其是在低信噪比的情况下。     

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.     

基于改进Fuzzy ART的自适应雷达信号分选

侦察接收机对获取的辐射源波形去交织以分离不同信号,称为信号分选,是电磁频谱战系统的核心技术.复杂电磁环境下脉冲流密度大、时域波形及诸域特征严重交叠,导致多数基于无监督模型的信号分选方法难以胜任.提出一种可自适应调整警戒阈值的模糊自适应共振理论（AVT fuzzy ART）聚类算法,基于对属性差异敏感的曼哈顿距离自适应调整警戒阈值,依据在线累积数据得出的辐射源瞬态聚类概率对警戒阈值动态加权.仿真结果表明,该方法能在无历史先验信息的条件下胜任多类别辐射源信号去交错.     

雷达信号重频分选方法分析与讨论

雷达信号分选作为高科技战争中至关重要的组成部分,同时也是电子对抗环境中不可或缺的关键技术。面对雷达体制的日益多样化,雷达信号变得更加复杂。如何实现雷达信号的正确分选已经成为国内外关注的焦点。本文分析与讨论了几种主要的雷达信号重频分选方法,并进行了matlab仿真实验。     

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.     

基于杂草改进的模糊聚类雷达信号分选

针对雷达辐射源信号参数严重混叠、聚类数目未知等问题,提出一种基于入侵性杂草优化模糊聚类的智能算法,该算法无需事先设定聚类数目,而是在整个数据集的属性空间内并行搜寻最佳的聚类数目和聚类中心,具有结构简单、鲁棒性好的特点。将此方法应用到雷达信号的分选当中,并与传统的K均值算法及AP聚类算法进行对比,实验结果验证了该算法的有效性。     

一种改进的雷达信号快速聚类分选方法

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。     

基于时频单源点检测的雷达信号的盲分选

针对欠定条件下的雷达信号分选问题,提出一种基于时频单源点检测的雷达信号盲分选算法,该分选算法的创新点在于将雷达信号由时域转移到时频域进行分析.在时频域内,雷达信号具有一定的稀疏性,有助于实现信号盲分选,给出了基于时频单源点检测的雷达信号盲分选算法的具体步骤.该方法能够有效解决欠定条件下雷达信号盲分选问题,将其应用于雷达信号分选领域,具有一定的军事应用价值.仿真测试结果表明了该方法的可行性与优越性.     

WWCD优化Canopy-K-means的雷达信号分选算法

雷达信号分选是电子战系统中的关键技术,是战场态势感知的重要环节,新体制雷达技术的快速发展给复杂电磁环境下信号分选带来了严峻挑战。针对传统K-means聚类算法在对雷达全脉冲数据进行信号分选时存在对聚类数K和初始点选择较为敏感的问题,提出了一种基于优化K-means的雷达信号分选算法。通过将水波中心扩散(water wave center diffusion, WWCD)优化算法和Canopy算法相结合,实现了Canopy算法距离阈值的优选,并为后续K-means聚类优化了K值的选择,有效降低了K-means算法对初始聚类数选择的敏感性。实验中,主要通过3个UCI公开数据集和3类频率跳变雷达脉冲数据进行聚类分选效果验证,并与常见的DBSCAN、OPTICS、Canopy-K-means等聚类算法进行了聚类效果对比。结果表明,所提方法有较高的聚类分选准确率,且对初始参数的设置不敏感。     

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。     

一种低信噪比下基于时频原子的复杂调制雷达信号分选方法

复杂调制的多种雷达辐射源信号在低信噪比环境下,具有复杂度高、识别效率低的特点.提出一种基于改进的Chirplet时频原子特征的雷达信号识别分选方法.首先分析多种调制方式的雷达信号,然后分析PSO智能优化算法在参数搜选中的原理和优势,并用该算法对时频原子提取过程进行改进,之后提出PSO算法与时频原子概念结合的方法,利用类区分度准则提取信号特征,得到LPI雷达信号的有效表征原子.最后通过仿真实验证明该方法对于3 dB以上多种调制方式的雷达信号,可快速地完成有效识别分选.     

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.     

低截获概率雷达复合信号设计技术

根据低截获概率（Low Probability of Intercept）雷达信号应有的特点，从分析信号的相关函数和模糊函数入手，阐述了具有伪随机码相位调制和伪随机开关脉冲调制的复合信号设计与综合的原理，给出了这种信号可能的形式及每一类类型信号的可能应用场合。     

低截获概率雷达的设计方法

传统的反舰末制导雷达由于采用磁控管发射技术,其辐射的功率大,雷达主瓣和旁瓣信号很容易被敌方侦测雷达检测到,从而造成雷达被干扰及其运载平台容易遭受反辐射导弹(ARM)等精确制导武器的毁伤,已越来越不能满足现代战争的需求,因此在对抗与反对抗的电子战需求中,低截获概率雷达研究已成为雷达研究领域的重中之重,在电子战日益激烈的现代战场,只有具备LPI(低截获概率)性能的雷达才能对抗ESM和ARM而生存下来。