新体制多目标信号AOA与频率分选系统

基于现代谱估计理论与技术，论述了一种新体制多目标信号分选系统，可对多目标信号实现ＡＯＡ与频率的分选，并分析了系统的工程实现可行性，指出了应用前景。     

雷达信号分选新算法研究

介绍了一种基于概率统计和信息流分析提取的改进雷达信号分选算法。主要讨论了这种算法在雷达信号分选中的应用,提出了针对特殊雷达环境的综合分选算法,通过大量实验验证了这种方法的可行性。首先讨论了信号预分选器的方案、数学模型及相关理论,验证了系统的可行性。在实现上,通过硬件电路完成对信号的采样、缓冲和滤波,也实现了其它逻辑电路。软件上通过分选算法的改进,提高了系统的性能。该分选系统可以处理常规信号、参差信号、捷变频信号、抖动信号、捷变频加参差信号、捷变频加抖动信号等多种信号类型。     

基于SDIF门限失效的雷达射频隐身信号设计原理

抗分选信号是射频隐身信号的一个重要方向,其基础是抗分选信号设计原理,其设计的本质是雷达信号分选算法的失效原理。序列差值直方图(sequential difference histogram, SDIF)算法是工程上广泛使用的一种核心分选算法。本文详细分析了SDIF算法,指出其门限函数会在信号脉冲重复间隔(pulse repetition interval, PRI)值服从长度为PRI最小间隔20倍以上的区间分布时失效,并通过公式推导进行了证明。信号仿真、分选系统实验及信号对比实验进一步验证了SDIF门限失效原理的正确性,为射频隐身抗分选信号设计提供了理论支撑,可以提高射频隐身抗分选信号的设计效率。     

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。     

基于神经网络BSB模型的反辐射导弹辐射源识别技术研究

利用反辐射导弹来摧毁敌方雷达系统和有关设施是现代战争中一种有效的对抗手段。但是,在目前辐射源增多、信号密集的情况下,传统的信号分选和识别方式都遇到了困难,促使人们去研究以并行分布处理为特征的神经网络理论,探求一种(?)的智能信息处理方法和识别途径来解决这一难题。本文正是从这一点出发,利用BSB(脑中盒状态)模型来完成反辐射导弹的辐射源识别。计算机模拟结果证明这种方法是行之有效的。     

基于SCA的欠定跳频网台分选方法

针对组网跳频信号在欠定条件下网台分选效果不佳的问题,提出了一种基于稀疏成分分析(sparse component analysis, SCA)的欠定跳频网台分选方法。在估计混合矩阵时,首先利用观测信号的实部与虚部方向一致性检测时频单源点,在采用S变换构造时频比矩阵的基础上,利用方差法实现了混合矩阵估计;在源信号恢复时,利用改进的子空间投影法得到源信号的时频域分离,最后可通过S逆变换得到时域分离信号,从而实现了欠定条件下的跳频网台分选。仿真结果表明，该方法有效实现了混合跳频信号在欠定条件下的网台分选且适用于跳频同步或异步组网方式,提高了分选性能和抗噪性能。     

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。     

雷达信号分选关键技术研究综述

复杂电磁环境下的雷达信号分选是雷达侦察干扰的核心技术,也是雷达截获领域一个从未停止的理论研究与技术实现问题。系统地介绍了国内外近年来在雷达信号分选领域的关键技术研究现状和最新进展,包括雷达对抗电磁环境模拟、基于软件处理的雷达信号主分选计算负担估计、雷达信号分选算法、雷达信号分选的硬件实现技术、基于脉内特征参数的雷达信号分选及雷达信号分选仿真模型及评估。指出了目前这一领域有待进一步深入研究和完善的问题,如高精度雷达参数测量技术、复杂信号分选的并行实现算法与硬件实现技术、高密集雷达脉冲流中的捷变频雷达信号分选与干扰技术等。     

一种自适应CMAC神经网络控制器的设计与仿真

为了消除常规前馈型CMAC神经网络控制器的过学习和振荡现象，基于常规CMAC的基础上，提出了一种自适应CMAC神经网络的控制器结构。该控制器以系统动态误差和给定信号量作为CMAC的激励信号，并与自适应神经网络控制器相并联构成系统的复合控制。仿真实例表明，提出的自适应CMAC神经网络控制器具有良好的鲁棒性、抗干扰能力和自适应能力，是解决非线性和不确定性对象控制问题的一种简便有效的控制算法。     

一种处理未知雷达信号的聚类分选方法

针对未知雷达信号的处理,提出了一种新的辐射源聚类分选方法。该方法应用Kohonen网络模型,引入新的权值概念,借鉴熵值分析和统计原理确定权值,计算加权的归一化Minkowsky距离,检验最小距离,根据假设检验合并同类聚类中心,从而实现脉冲的分选。仿真实验结果验证了该方法分选未知雷达信号的有效性。     

概率神经网络信用评价模型及预警研究

介绍了概率神经网络(PNN)方法及其分类机理,构造了用于识别两类模式样本的PNN结构,用来对我国2000年106家上市公司进行两类模式分类.仿真结果表明,PNN对训练样本有很高的分类准确率,能达到100%;但对测试样本的分类准确率却很低,只达到69 77%.因而使总体的分类效果偏差,分类准确率只达到87 74%.进一步的仿真结果表明,该方法对我国2001年公布的13家预亏公司进行预警分析时,准确率只达到69 23%.所以PNN不太适合用来对新样本的识别和预警研究.研究结果还表明,PNN在分类效果上不如MLP(对相同的样本,多层感知器分类准确率达到98 11%),但和Yang等的PNN分类效果(分类准确率最高达到74%)相比,该文给出的PNN结构其分类效果更好.所以作为一种方法上的探讨,PNN仍不失其研究的价值.     

Pulse-to-pulse periodic signal sorting features and feature extraction in radar emitter pulse sequences

A novel class of periodically changing features hidden in radar pulse sequence environment, named G features, is proposed. Combining fractal theory and Hilbert-Huang transform, the features are extracted using changing characteristics of pulse parameters in radar emitter signals. The features can be applied in modern complex electronic warfare environment to address the issue of signal sorting when radar emitter pulse signal parameters severely or even completely overlap. Experiment results show that the proposed feature class and feature extraction method can discriminate periodically changing pulse sequence signal sorting features from radar pulse signal flow with complex variant features, therefore provide a new methodology for signal sorting.     

Ultrasonic signal classification based on ambiguity plane feature

Ambiguity function (AF) is proposed to represent ultrasonic signal to resolve the preprocessing prob-lem of different center frequencies and different arriving times among ultrasonic signals for feature extraction, as well as offer time-frequency features for signal classification. Moreover, Karhunen-Loeve (K-L) transform is considered to extract signal features from ambiguity plane, and then the features are presented to probabilistic neural network (PNN) for signal classification. Experimental results show that ambiguity function eliminates the difference of center frequency and arriving time existing in ultrasonic signals, and ambiguity plane features extracted by K-L transform describe the signal of different classes effectively in a reduced dimensional space. Classification result suggests that the ambiguity plane features obtain better performance than the features extracted by wavelet transform (WT).     

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。     

基于过程神经网络的稀疏数据过程建模方法

针对一类因检测困难而导致检测数据稀少的连续工业过程,提出了基于离散Walsh变换的过程神经网络建模方法.在对稀疏样本数据进行预处理的基础上,采用递推式非邻均值生成法对样本数据进行扩充,以此建立可产生任意密集预测数据的过程神经网络模型,并采用在线滚动学习的方法进一步提高所建立的预测模型的精度.以味精发酵过程菌体浓度预测为例,验证了所建立的过程神经元网络预测模型可以得到非常高的预测精度.     

人类个体思维演进的自组织分析——思维自组织、他组织思维与自组织思维研究

本文以自组织理论为指导,对思维自组织与自组织思维进行分析研究,在分析论证思维自组织是自发的自组织思维,以及自组织思维是自觉的思维自组织的观点基础之上,进而提出人类个体思维是一个经过从自发的自组织思维到他组织思维,再到自觉的自组织思维的一个自组织演进过程。     

机载单站多目标无源定位算法

针对当前机载单站对多目标定位精度不高和对多目标信号分选要求过高的不足,提出了基于贝叶斯后验概率最大化原理的机载单站多目标无源定位算法。该算法直接利用干涉仪获得多目标的混合相位差序列,同时融合载机的运动模型和多目标位置先验信息,提高了对多目标定位的精度和分辨率,降低了系统对多目标信号分选的要求。仿真实验表明了该算法的有效性。     

引入反向传播机制的概率神经网络模型

既有的概率神经网络模型存在概率函数难以估计和空间复杂度高的缺点,提出引入反向传播机制的改进模型用以弥补以上不足. 改进模型继承了概率神经网络模型的分类原理和结构特征,同时应用了多层感知器神经网络模型的反向传播算法进行函数和参数学习,由此解决了函数估计和空间复杂度高的问题. 通过三组数值实验的验证,结果表明该模型还有着较强入指标重要性的识别能力和较高的分类精度. 该改进模型是一个新的、适用范围较广和准确度较高的模式分类方法,可辅助管理决策,具有实际意义.