时频交叠LFMCW信号的PAHT检测与频移分离

为有效解决时频交叠周期LFMCW信号分离的难题,首先提出一种基于周期AHT(PAHT)的检测算法,通过对匹配函数进行改进,有效积累截获到的交叠多周期能量实现高概率检测,然后将PAHT积累得到的强信号解线调,根据此时的频率分布特性近似量化频率,估计频率量化点与信号频率的偏离差值,再通过频移改善窄带频域滤波分离信号的效果;最后利用IFFT恢复信号,依次循环完成交叠强弱信号的分离。仿真结果对算法的检测效果和复杂度进行了分析,并在验证分离效果的同时采取了两种方法对信号的滤波质量进行了评价,验证了其在低信噪比下的可行性。     

基于DAE-GAN网络的LPI雷达信号增强

针对非合作侦察接收机只在降噪后才能开展后续检测识别工作的问题，结合降噪自编码器和生成对抗网络的优势, 构建噪声增强网络与信号增强网络进行对抗训练。噪声增强网络往带噪信号中掺杂更复杂的噪声分量, 信号增强网络则是尽可能地降低带噪信号中的噪声分量。二者在对抗训练的过程中, 噪声增强网络生成复杂高维噪声的能力和信号增强网络降噪的能力都在提升。训练结束后, 信号增强网络具备更好的降噪性能, 为后续检测识别工作降低难度。     

基于PSO-DBSCAN和SCGAN的未知雷达信号处理方法

针对雷达实际侦察过程中会侦收到大量样本库中所没有的未知雷达信号,设计了一种基于粒子群优化的具有噪声的密度聚类算法和半监督条件生成对抗网络的单脉冲未知雷达信号处理方法.通过粒子群优化算法得到具有噪声的密度聚类算法的最优输入参数后,对未知雷达信号进行聚类,在聚类算法输出的簇中采用距离筛选算法筛选出更为可信的样本将其扩展到雷...     

一种对多种重频调制类型雷达信号分选算法的研究

针对传统信号分选算法中单一算法无法分选多种重频调制型信号的缺点,在改进SDIF算法的基础上,对集对分析法进行研究,并将二者结合提出了基于集对分析法的改进顺序差直方图分选算法。仿真实验证明,新方法能够分选多种重频调制类型雷达信号,且在信号量很大的情况下依然具有较高的分选准确率和较好的实时性等优点。     

基于PFRFT周期积累的多相编码信号检测与参数估计

由于多相编码信号存在明显的周期时频分布规律性,在研究该类信号在低信噪比下的检测及参数估计问题时,对分数阶傅里叶变换进行周期延拓,首先结合该类信号的PWVD时频特性,通过分析多相编码信号的PWVD脊线分布特点与多分量LFM信号的关联特性,利用PFRFT对信号平行脊线能量进行积累,再根据积累后的峰值搜索对信号进行参数估计,最后采用与同样参数LFM信号进行RWT后的峰值固定比例结论对检测概率与参数估计精度进行分析。实验证明,该方法不仅成功提高了低信噪比下的多相码信号检测概率,而且五大参数的估计精度也得到了提高。     

基于深层残差网络和三元组损失的雷达信号识别方法

针对分类网络难以有效扩展分类数量的问题,提出了一种基于深层残差网络和三元组损失的雷达信号识别方法。该方法首先将雷达信号作为深层残差网络的输入,通过一维卷积将雷达信号映射到128维欧几里得空间,得到信号的特征向量;然后利用三元组损失函数调整网络参数,使得同类信号之间特征向量的欧式距离减小而不同类别信号之间的距离增大;最后通过基于样本库的识别算法实现对信号的分类识别。实验结果表明,相较于传统的分类网络,该方法在保证识别准确率的同时使得模型能够对分类数量进行有效扩展。     

一种基于FRFT的低截获信号识别算法

针对低截获概率雷达信号的调制识别问题,提出了一种新的调制类型识别算法,完成了LFM、BPSK、2FSK、Frank/P1/P2/P3/P4码8种低截获信号的识别分类。首先,根据有无调频斜率,利用FRFT完成低截获信号的预分类;然后,综合利用分数阶域主副脊线、相位差分以及功率谱估计完成信号的自动分类识别。给出了分类识别算法的流程图及具体步骤。最后通过仿真实验,表明该算法具有很好的识别效果,证明了该方法的有效性和可行性。     

基于深层残差网络和三元组损失的雷达信号识别方法

针对分类网络难以有效扩展分类数量的问题,提出了一种基于深层残差网络和三元组损失的雷达信号识别方法。该方法首先将雷达信号作为深层残差网络的输入,通过一维卷积将雷达信号映射到128维欧几里得空间,得到信号的特征向量;然后利用三元组损失函数调整网络参数,使得同类信号之间特征向量的欧式距离减小而不同类别信号之间的距离增大;最后通过基于样本库的识别算法实现对信号的分类识别。实验结果表明,相较于传统的分类网络,该方法在保证识别准确率的同时使得模型能够对分类数量进行有效扩展。