应用DS证据理论的雷达工作模式特征层融合识别

日趋复杂的战场电磁环境对雷达工作模式识别提出了更高的要求,针对传统单平台工作模式识别方法的局限性,提出了一种在多平台协同背景下基于Dempster-Shafer(D-S)证据理论的雷达工作模式特征层融合识别算法。该算法运用隶属度函数获得基本信任赋值,根据Dempster合成规则,首先对多平台侦收的同一参数数据进行多平台参数内融合,然后进行参数间融合获得合成信任度,最后依据工作模式判定规则识别雷达工作模式。通过仿真实验,多平台融合识别算法的识别率较单平台识别方法平均提高了27%,实验结果说明融合识别方法有效地提高了识别性能。     

基于联合概率关联的雷达信号分选方法

信号分选是电子侦察的重要组成部分,在愈发复杂的电磁环境中变得尤为重要。文中提出一种基于联合概率数据关联的雷达信号分选方法,该方法在信号处理的过程中将雷达参数从测量域转换到概率域,将脉冲描述字与聚类中心的距离转换为关联概率,通过关联概率来对落入关联门限内的雷达参数分别进行更新,对参数相近或交叠的雷达信号能达到良好的分选效果。文中设置12部雷达信号,分别有脉冲重复间隔(PRI)固定(常规)、PRI抖动、PRI参差、捷变频雷达,其中脉宽、到达角有参数相同的雷达,载频有参数相近的雷达,仿真结果表明,对文中设置参数,平均正确匹配率为94%。     

基于双谱的雷达辐射源识别

针对当前复杂电磁环境下电子侦察中雷达辐射源识别困难的问题,提出了一种基于双谱分析和势函数分类识别雷达辐射源的新方法。首先用Hinich方法检验雷达辐射源信号,发现其具有非线性特性。然后用适合处理该类信号的双谱分析法提取信号的双谱对角切片,利用主成分分析法(PCA)从大量训练样本特征中挑选低维、低复杂度的特征矢量,并融合对分类具有显著贡献的辐射源属性参数作为识别特征矢量。最后采用势函数分类法实现雷达辐射源识别。仿真结果表明,基于双谱的识别法对噪声不敏感,对不同脉内调制的辐射源信号识别率达到了92.9%,该方法为决策层提供了识别不同雷达辐射源的新途径。     

基于模糊函数主脊切片和深度置信网络的雷达辐射源信号识别

雷达辐射源信号识别是电子侦察系统的关键组成部分,为了提高低信噪比条件下对低截获概率雷达信号识别的准确率,提出了一种基于模糊函数主脊切片(MRSAF)与深度置信网络(DBN)的雷达辐射源信号识别方法。首先对雷达信号进行奇异值分解(SVD)进行降噪预处理,求解雷达信号的模糊函数并提取其主脊切片包络,采用奇异值分解方法降低噪声对主脊切片包络的影响,然后建立基于受限波尔兹曼机的DBN模型并运用标签数据有监督微调模型参数完成训练,最后基于该算法模型实现辐射源信号的分类和识别。仿真结果表明:该方法在低信噪比条件下也有较高的识别率,信噪比高于-4dB时,识别率可以达到90%以上,验证了本算法的有效性和应用价值。     

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。     

基于多代理决策融合的电机状态识别

提出了基于多代理决策融合的电机状态识别系统.以电机的振动信号和电流信号为输入,六种分类器用来识别其状态.每个分类器视为一个代理,独立完成模式识别工作后,同其他分类器交换信息从而提高识别率.本文还将传感器融合和分类器选择融入系统,同单源数据和无分类器选择相比具有更大的优势,使最终电机状态识别率达到98.9%.     

宽带数字接收机脉冲信号提取实现

在一种高效宽带数字信道化接收机模型的基础上,利用高性能FPGA数字信道化接收机的搭建,并完成雷达脉冲信号参数的提取.针对均匀信道化处理跨信道信号和时域重叠信号时的问题,提出了脉冲上下沿频率判决和双进程状态机等处理手段.实现了跨信道信号的合并与时域重叠信号的分离,有助于雷达信号脉冲包络和脉冲描述字的提取,具有时效性高的优点.在FPGA上仿真实现验证了方法的实用性.     

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...     

基于DBN特征提取的雷达辐射源个体识别

针对传统特征参数难以表征复杂体制雷达信号个体特征的问题,基于深度置信网络DBN的深层特征提取和高维数据处理能力,提出一种基于DBN特征提取的雷达辐射源个体识别算法。首先建立基于多层受限玻耳兹曼机的DBN模型,然后通过DBN无监督提取脉冲包络前沿特征,再利用标签数据对模型参数进行有监督微调完成训练,最后输入未知辐射源信号脉冲包络前沿特征实现辐射源个体识别。与传统算法相比,该方法能够自适应地提取脉冲深层次细微差异,提取过程减少了对人为经验的依赖。实验结果表明,该算法对脉冲包络特征提取效果明显,有较高的识别精度。     

属性测度及其在目标识别中的应用

为了获得一种训练快、精度高、计算量少的雷达目标识别方法 ,研究了属性测度和属性模式识别 ,及属性模式识别在目标识别中的应用 ,并将模糊聚类分析用于属性测度。经过研究发现 ,在不用指标的峰度时 ,可以达到很高的识别效果。与传统的神经网络法相比 ,属性模式识别法在训练速度上得到了大大的提高 ,并在识别效果上优于径向基神经网络法。以雷达目标识别为例证明了该算法的有效性。这为我们研究低分辨雷达提供了一种全新的方法。     

刀具状态的ANN—模糊识别

提出了利用人工神经网络（ＡＮＮ）及模糊识别理论融合多监控参数进行刀具状态识别的方法．该方法首先对各监控参数按刀具不同状态的敏感性进行分组,并利用多个ＡＮＮ子网络建立各组参数与刀具状态的模糊隶属度关系,然后利用模糊决策法对各ＡＮＮ子网络确定的刀具状态模糊隶属度进行综合评判并按最大隶属度判定刀具状态．该方法不仅具有ＡＮＮ的并行运算特点,而且具有模糊综合评判的容错性,从而提高状态识别的实时性和正确率．结合功率信号的多个特征对大量实验数据的测试表明,该方法可将ＡＮＮ的识别正确率从平均８８％提高到９５％．     

一种基于正交脉冲分集的ISAR欺骗干扰消除与识别方法

延时转发欺骗性干扰是针对逆合成孔径雷达(ISAR)成像的一种重要干扰方法,为了对抗干扰产生的假目标,提出一种基于正交脉冲分集的ISAR欺骗干扰识别与消除方法。首先建立了逆合成孔径雷达干扰信号模型,研究并给出了针对此干扰的正交脉冲设计应当满足的约束条件,通过设计一组半正交化的脉冲实现了对于延迟转发欺骗干扰的消除与识别。该方法通过对逆合成孔径雷达波形的正交化设计,可以检测并消除延时转发干扰产生的假目标,实现相应的逆合成孔径雷达抗干扰。最后通过仿真实验在20 dB的干信比条件下,产生了0.3倍峰值的旁瓣波形,并成功得到ISAR图像。同时在5 dB以上的高信噪比条件下,将文中方法与已有方法进行对比,ISAR图像的峰值信噪比提升了约5 dB,验证了所提方法的有效性。     

基于联合调频傅里叶变换的步进频雷达目标运动的补偿

针对频率步进雷达目标成像过程中运动参数精确估计及补偿问题,提出了基于脉间和脉内联合调频傅里叶变换的参数估计方法. 目标回波信号与本振信号混频后看作线性调频信号,将其作调频傅里叶变换,并在脉组间进行相干累积. 通过对调频率的搜索得到目标速度的精确估计,从而实现了低信噪比下目标运动的补偿. 由于该方法在调频傅里叶变换过程中,频率维采用了IFFT操作,运算效率较高. 计算机仿真结果进一步表明了该方法的有效性和实用性.      

改进的机载MIMO雷达局域联合自适应处理方法

基于MIMO雷达的空时自适应处理技术在滤波过程中,由于大样本需求数和高运算复杂度的影响,导致杂波抑制效果下降。为解决上述问题,利用局部分块操作的思路,提出了一种改进MIMO-STAP降维处理方法。传统JDL算法需将阵元-脉冲域中的回波信息转换到波束-Doppler域。该方法在此基础上,通过调整时域主通道两侧的辅助通道以及空域主波束两侧的辅助波束数目,减小时域自由度,增强波束指向性,进而提升系统检测性能。经仿真,改进的JDL算法样本需求数和运算量明显降低,并且对阵元以及通道误差等系统自身的误差影响也有较强的鲁棒性,与传统的JDL方法相比,系统改善因子平均提高3dB左右。     

参数寻优LSSVM的机载火控雷达工作模式判定中的应用

针对机载火控雷达工作模式判定问题，本文应用一种基于网格搜索和交叉验证的参数寻优最小二乘支持向量机（LSSVM）算法，实现对四种典型空空工作模式的自学习判定。首先，从非合作雷达信号中提取特征参数并构建雷达信号特征库作为训练样本；然后通过网格搜索进行参数寻优模型训练，实现样本范围不确定条件下的模型调整；最后应用K-fold交叉验证方法进行训练性能评价，减小样本随机性导致的模型误差，提高泛化能力。仿真结果表明，该方法对速度搜索模式、边搜索边测距模式、边扫描边跟踪模式和单目标跟踪模式的判定准确率达97%，具有应用价值和理论指导意义。     

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。     

基于改进UNet3+网络的雷达辐射源信号识别

针对传统识别辐射源信号的方法需要手动提取并选取特征、在低信噪比条件下难以准确识别信号的问题,提出了一种基于改进UNet3+网络的辐射源信号识别方法。通过删减UNet3+的网络层级,保留网络特征融合能力的同时降低了网络的复杂度,并引入注意力机制优化模型性能,构建了一个新的网络模型。通过对8种常见的雷达信号进行仿真实验,实验结果表明：改进模型的识别准确率达到96.63%,对比一些经典网络模型,训练总用时更短,在低信噪比条件下能更加有效识别辐射源信号, 可以适应复杂的电磁环境。     

基于灰度共生矩阵的微动干扰分类识别

针对雷达成像中面临的调制转发微动干扰、微动散射波干扰、脉冲卷积微动干扰3种新型微动干扰样式的识别问题,提出一种基于灰度共生矩阵的干扰识别方法。该方法从图像域角度出发,首先对雷达接收信号矩阵进行灰度化处理,然后利用灰度共生矩阵提取其纹理参数并构造特征参数,最后采用KNN分类器实现了对雷达接收信号中目标回波和3种微动干扰样式的检测与识别。仿真实验结果表明,当信噪比为-5 dB时,不同干信比下4种信号样式的识别率均能够达到90%以上,每种信号样式整体识别率在98%以上;当信噪比为5 dB时,不同干信比下4种信号样式的识别率均能够达到95%以上,每种信号样式整体识别率在99%以上。     

基于层次分析模糊特征融合的目标识别

提出了基于层次分析法模糊特征融合的目标识别，给出了确定多因素属性特征参量相对重要性的量化关系和综合模糊推理识别的权重向量求解方法，利用综合模糊评判模型进行辐射源的属性判决识别。通过计算机仿真试验，证实了该方法的有效性。     

模糊评价的雷达射频隐身性能多域联合评估方法

针对射频隐身性能评估问题,提出了一种不依赖敌方探测设备的雷达射频隐身性能模糊评估方法。通过分析雷达辐射源在极化域、波形域、能量域中影响射频隐身性能的因素,构建极化域、能量域、波形域射频隐身指标,突破传统的"辐射-接收"模型的射频隐身评估方法,建立了基于机载雷达自身辐射信号工作状态和工作参数的射频隐身性能模糊评估方法。最后,对不同机载雷达系统进行仿真对比,结果表明该评估方法能正确反映机载雷达系统的射频隐身性能。