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...     

基于数据场联合PRI变换与聚类的雷达信号分选

基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升。     

基于DOA参数的雷达信号预分选

主要讨论了利用雷达信号的波达方向（direction of arrival, DOA）参数对多部雷达的脉冲信号进行分组预分选的问题。为提高分类可靠性,提出了一种新的相似系数的计算方法,首次利用相似矩阵进行特征值分解的方法对大量脉冲的DOA参数进行聚类数目判断。经初步统计,当类内离散度与类间离散度差值在0.34以上时,最终的判别结论可信度接近并可能大于80%。在此基础上提出了以类别数目作为停止条件的层次聚类法,该算法简单易用,经过多组数据的试验,取得了较好的聚类效果。     

用于雷达信号分选的连通k近邻聚类算法

为了能够在密集且复杂多变的信号环境中进行实时有效的信号分选，需要一种具有较低复杂度且能够根据信号环境自动调整参数的聚类方法。在模糊聚类算法的基础上结合k近邻搜索，将λ邻域范围搜索变为λ邻域内k近邻搜索，提出了连通k近邻聚类(connected k-nearest neighbor clustering, CkNNC)算法。相比模糊聚类算法，所提算法时间复杂度降低而空间复杂度稍有增加。为使得该算法能够根据信号环境自动进行参数调整，提出了基于k距离图的阈值参数确定方法。所提算法具有时间复杂度低与阈值参数自动确定的特点，仿真结果表明所提算法与使用Calinski-Harabasz指标确定最佳阈值的低复杂度模糊聚类算法相比，分选效果差距不大、性能相近，而时间复杂度大幅下降。     

基于聚类和时序相关的重点雷达信号快速识别

针对传统雷达信号识别方法对重点目标识别的针对性、时效性不强的问题,提出一种基于聚类和时序相关的重点雷达信号实时识别方法。首先,依据具有噪声的基于密度的聚类(density-based spatial clustering of application with noise, DBSCAN)算法对侦获信号的脉冲描述字进行分选;而后,利用分选所得脉冲的时序特征与重点目标信号脉冲重复间隔(pulse repetition interval, PRI)生成仿真信号;最后,计算仿真信号的互相关函数,基于相关度判断PRI参数是否匹配。仿真实验表明:所提方法明显提升了对重点目标信号的识别时效,能够应对存在噪声干扰和信号交叠的复杂信号环境,对局部脉冲参数丢失不敏感。     

基于深度分割的端到端雷达信号分选

针对传统的雷达信号分选方法严重依赖预置参数、先验信息和结构不灵活的问题，提出一种基于深度分割的端到端雷达信号分选方法。首先将采集到的脉冲描述字映射成脉冲序列图像，同时保留像素点对脉冲的索引；然后利用训练好的深度分割模型U-Net对脉冲序列图像分割获得像素点分类结果；最后根据像素点索引和像素点分类结果对所有脉冲进行搜索归类，整个过程采用端到端形式。实验表明，该方法能够加强对捷变参数的分选能力，如频率捷变雷达、脉组捷变频等雷达参数，以及对时频域混叠、脉冲丢失严重等未知电磁环境中信号的分选能力。     

基于数据场联合决策图改进的GMM聚类

针对传统聚类方法在处理复杂电磁环境下的雷达信号时存在的聚类质量低、参数需要人为设置、易受孤立噪声脉冲干扰等问题, 提出一种基于数据场联合决策图改进的高斯混合模型(Gaussian mixture model, GMM)聚类算法。将数据场理论应用于数据对象密集程度的表征, 生成势能距离决策图, 进而自动实现聚类数目和中心点的选择, 最后结合GMM聚类实现对数据对象的聚类划分。仿真实验结果表明, 在脉冲到达角、脉宽、载频等参数存在较大抖动, 测量误差以及存在孤立噪声脉冲干扰和脉冲丢失时, 本文方法相较于现有典型分类方法具有更好的分选效果。     

基于加权K-近邻法和SVC的雷达辐射源信号识别

为提高支持向量聚类法对分布复杂、不均匀雷达辐射源信号样本聚类的正确率,提出一种结合剪辑近邻法、K-近邻法和支持向量聚类的无监督分类新方法。先采用支持向量聚类对所有未知样本作预分类,再按照一定的剪辑规则剪掉错误类别,最后利用K-近邻法对剪掉的样本按各已知类别不同分布进行加权分类。IRIS数据和辐射源信号聚类实验结果表明,此方法能平衡数据样本各局部分布,获得全局最优聚类分配。     

雷达信号分选实现的新方法

解决反辐射导弹在高密度复杂电磁环境下的雷达信号分选问题,提出一种雷达信号分选实现的新方法。采用关联比较器进行雷达信号预分选,在主分选中,应用修正的脉冲重复间隔(pulse repetition interval, PRI)算法测量雷达信号PRI。在硬件实现上提出一种非均匀设定PRI箱宽度的方法,可节省大量的运算时间,提高系统实时性。实验结果表明,该分选方法具有快速准确的优点,既解决了以往直方图统计算法中的子谐波问题,又克服了传统PRI算法不能有效分选抖动脉冲序列的缺点。     

最优聚类中心雷达目标一维距离像识别

提出了一种基于最优聚类中心的雷达目标一维距离像识别方法。该方法利用训练数据集建立最小平方距离准则下的最优变换矩阵 ,使用该变换矩阵可增大同类目标的特征聚合性 ,从而减少同类之间差异 ,同时 ,通过在子像空间选定一组最优聚类中心来增大异类目标特征的可分离性 ,加大异类之间差异 ,提高雷达目标识别率。仿真实验结果表明了该方法的有效性。     

基于子像空间的雷达目标一维距离像识别

提出了一种基于子像空间的雷达目标一维距离像识别方法。该方法一方面通过建立目标子像空间,改善了对输入目标为库属目标的识别率;另一方面基于假设检验理论,在分类判决中引入判决门限,能够有效地对库属目标和非库属目标进行判别。模拟实验结果表明该方法的有效性。     

对线性调频雷达的正弦加权调频干扰技术

根据线性调频雷达发射信号的特点,提出一种新的应答式干扰技术——正弦加权调频干扰,即干扰机对接收到的雷达照射信号附加正弦频率调制,然后将调频结果放大之后转发出去。阐述了利用正弦信号进行频率调制的干扰机理,分析了干扰信号的频率特性,推算了决定干扰效果的各项关键参数。理论分析证明,正弦加权调频干扰对于线性调频雷达具有显著的干扰效果,根据调制参数不同可以产生假目标欺骗干扰和覆盖干扰,且只需要较小的干扰功率。仿真实验表明了理论分析的正确性和实际应用的可行性。     

改进Walsh码软扩频盲解扩算法

采用传统密度峰聚类算法实现Walsh码软扩频信号盲解扩时,算法的截断距离根据经验选取,性能不稳定。针对这一问题,提出改进密度峰聚类软扩频信号的盲解扩算法。该算法采用赋权欧氏距离作为数据的相似性度量并根据数据总体分布情况自适应确定截断距离,具有效率高、性能稳定等特点。Matlab环境下仿真结果表明,文中所述的改进算法能够自动确定截断距离,在信噪比为0~10 dB范围内准确估计伪码序列规模数和伪码序列,并在该条件下实现Walsh码软扩频信号盲解扩。     

面向变化检测的SAR图像超像素协同分割算法

针对面向对象的合成孔径雷达(synthetic aperture radar, SAR)图像变化检测中存在的多时相图像边界和空间对应关系不一致的问题,提出了一种面向变化检测的SAR图像超像素协同分割算法。首先,分别计算两幅不同时相SAR图像中两个像素点之间的强度相似度,并进行加权组合得到新的像素强度相似度。其次,对两幅不同时相的SAR图像及其对数比值图分别进行边缘提取,以同一像素位置的最大边缘值构造二值边缘图。最后,以融合了像素强度、空间距离和边缘信息的相似度代替CIELAB彩色空间相似度,利用改进简单线性迭代聚类算法对多时相SAR图像进行超像素分割,得到边界准确、空间对应的协同分割结果。基于一组仿真和一组实测多时相SAR图像的协同分割实验结果表明,该方法的边缘贴合率、欠分割误差和可达分割准确率均优于其他4种经典方法。     

基于切割聚类的快速多分量LFM信号分离

针对多分量线性调频(linear frequency modulation, LFM)雷达信号检测和参数估计精度低、计算速度慢等问题,提出了一种基于小波变换的切割聚类拟合参数估计的算法。该方法首先通过小波变换得到信号的三维时频分布图,其次采用等高线截取提取出小波脊线,再找出脊线的交点,以交点为界对小波脊线图进行切割,利用模糊C均值聚类完成各LFM分量脊线的聚类,最后分别对每段脊线进行拟合加权,从而估计出多分量LFM信号参数。仿真结果表明,与基于Hough变换检测直线方法相比,不仅在计算复杂度以及参数估计的准确度上都有较大的提升,而且当LFM信号分量达到4个以上亦有较准确的检测精度。     

干扰效果在线评估参数筛选与特征表示方法

针对利用雷达侦察信号进行干扰效果在线评估时参数冗余、信号变化程度判别不清的问题,提出雷达干扰效果在线评估参数筛选与特征表示方法。对多功能海上雷达信号,利用信息熵筛选剧烈变化参数,通过盒维数和皮尔逊相关系数提取信号变化特征,结合支持向量机实现对未知威胁的干扰效果在线评估。仿真实验表明,当信号参数偏离误差小于10%时,新方法的评估准确率高于92%,显著提高了雷达干扰效果在线评估的可靠性。