随机森林分类用于雷达信号预分选新算法研究

 现代战争中,雷达电子战环境越来越复杂,随着雷达种类的多样化和雷达脉间调制方式的复杂化,对信号分选的识别难度也愈加增大。本研究采用随机森林算法对脉冲描述字特征进行预分选,可自适应的对特征进行选择,并实现分类。随机森林由于可以自动进行特征选择,可对不平衡的数据进行误差平衡等优点,通过多决策树表决方式,可以迅速完成对大量数据快速训练。在脉冲丢失导致的部分特征损失的情况下,仍可以维持识别准确率。通过实验证明了本方法对雷达脉冲描述字特征进行预分选的有效性。     

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.     

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.     

基于符号编码的雷达脉冲重复间隔调制识别

为了有效地实现在小数据脉冲样本和高脉冲丢失的环境下对雷达脉冲重复间隔(Pulse Repetition Interval,PRI)调制类型的准确识别,采用符号编码理论对雷达脉冲PRI序列进行符号化处理,对得到的编码序列进行修正以及特征码序列的选取、搜索和统计,最后依据相应的判决规则得到最终的识别结果。仿真实验表明,与传统的方法相比,采用的方法有效地克服了小数据脉冲样本和高脉冲丢失环境对雷达PRI序列的特征提取和调制类型的识别所带来的不利影响,为解决这一问题提供了一种新的思路。     

基于YOLOv5网络的复杂雷达脉内调制类型快速识别方法

近年来雷达系统的抗截获能力快速发展，信号体制变得非常复杂，给空间态势感知信号处理带来困难。针对实际场景中极可能出现的多信号时频域交叠难以识别的问题，提出基于时频分析和深度神经网络的脉内特征识别的方法，利用时频分析手段将不同类型雷达信号转换为时频图像，基于深度学习的YOLOv5网络对不同混合交叠的雷达脉冲信号时频图开展研究。结果表明：在不同信噪比下，实现对两调相信号、三调频信号及调相与调频信号3种交叠情况的混合雷达信号脉内调制方式的检测与识别，信号调制体制识别准确率均达到95%以上。本文分析结果可为空间态势感知信号处理提供参考。     

一种脉内相位编码脉间步进频雷达信号的研究

提出了脉内相位编码脉间频率步进(phase coded stepped frequency,PCSF)雷达信号,这是对一般脉冲线性频率步进(stepped frequency,SF)信号的改进.它将SF信号的矩形子脉冲替换为相位编码子脉冲串,通过脉内相位和脉间频率两次调制,获得了更大的频率步进量.PCSF雷达信号在系统有效工作带宽一定的情况下可以减少脉冲串数目,提高目标数据率及降低多普勒敏感度,并且经过两级压缩处理还可以获得两级分辨率.由分析PCSF信号的性能和处理方法,给出了计算机仿真结果.     

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。     

基于先验信息库的多源混合信号快速识别模型

先验信息库识别是雷达信号分选的前置环节,可以有效提高前端处理效率并指导未知信号分选识别。随着复杂体制雷达大规模应用,信号参数空间严重交叠,传统处理方法面临严峻考验。该文提出一种结合传统脉冲描述字、瞬时频率特征及模糊函数主脊切面特征的先验信息库构建方法,首先,对信号进行多维度表征,然后,使用相像系数度量特征间相似性,最后,利用具备有效性评价的核模糊聚类算法对未知信号进行自动聚类。实验结果表明,所提方法可在传统方法几乎失效的情况下有效稀疏多源混合雷达信号,准确过滤未知信号,并为未知信号分选提供指导。     

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。     

雷达脉冲分选算法的研究

介绍了SD IF和CD IF两种传统的脉冲分选算法,并分析了它们各自的优缺点.在比较了传统雷达脉冲分选算法的基础上,介绍了一种基于可变TOA差级的运算量更小、速度更快的分选算法.计算机仿真结果表明,该方法提高了雷达脉冲分选效率,能够成功分选出高密度雷达环境中的复杂形式的脉冲信号,满足了现代战场电磁环境的要求.     

频率调制对雷达线性调频脉冲压缩性能的影响

分析了频率调制对线性调频脉冲压缩雷达输出信号幅度和宽度的影响,包括匹配滤波器和加权滤波器两种情况.对利用正弦调相产生多个输出信号的方法进行了分析.推导了有关计算公式,给出了计算机仿真结果.结果表明,频率调制对雷达脉压输出信号幅度和脉宽的影响直接由频率调制失配因子χ(频率调制相对变化量与脉压比的乘积)决定.当χ足够大时,信号幅度减小倍数近似为0.54χ,信号脉宽增加倍数近似为χ/k(k>1时)或χ(k<1时).     

基于改进型Logistic混沌序列的SPC-TDCS多址接入研究

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。     

复杂体制雷达辐射源信号时频原子特征提取方法

针对复杂体制雷达辐射源信号调制类型识别问题,提出一种新的辐射源信号脉内时频原子特征提取方法(TFAD).该方法首先利用稀疏分解原理和改进差分进化算法将辐射源信号在Ga-bor和Chirplet时频原子库中进行分解,然后利用分解后的首原子能量和Gabor原子中心频率参数分别提取出2个相似比特征和1个频率方差特征作为辐射源信号脉内调制类型的分类特征,最后通过构造有向循环图支持向量机分类器实现雷达辐射源信号的分类识别.与计算复杂度至少为O(nlogn)的分形方法相比,TFAD方法只有O(n)的计算复杂度.采用不同信噪比和多种调制参数的5种辐射源信号进行大量仿真实验,结果表明TFAD方法可获得98.3%的平均正确识别率.     

规范化自相关函数的复杂PRI调制样式识别

针对当前复杂PRI调制样式难以有效识别的问题,提出了一种基于规范化自相关函数的复杂PRI调制样式识别算法。该算法首先求出4种PRI脉冲序列的自相关函数,在对自相关函数做规范化的基础上,定义了峰值密度,陡峭度,序列能量3个特征量并建立特征空间,通过比较特征量与门限值进行判决,识别出PRI调制样式。仿真结果表明:本文算法在单组脉冲数目为100个、信噪比为4dB时,识别正确率可以达到95%;在单组脉冲数目为80个时,识别正确率可以达到95.5%;在单组脉冲数目为100个、脉冲丢失率达到25%时,识别正确率仍保持在93%以上。     

基于小波能量谱和ReliefF算法的雷达辐射源无意调制特征提取

为了获取更加有效的雷达辐射源无意调制特征并进一步降低特征的维度,以提升低信噪比下雷达辐射源个体识别的准确率,从时频分析角度出发提出了一种基于小波变换能量谱和ReliefF算法的无意调制特征提取方法.首先对辐射源信号进行小波变换并获取小波能量谱,然后采用ReliefF算法对小波能量谱值进行权重分析,筛选出区分能力较强的高...     

脉间波形变换信号分选跟踪器的设计与实现

针对目前普遍存在的LPI雷达信号识别截获难的情况,提出了一种脉间波形变换信号的分选跟踪器的设计方案．在多脉宽和捷变分析的基础上,采用了改进的概率统计算法和动态关联扩展法进行分选,在跟踪器中采用了“多波门”和“少波门”2种波门给出方式,并进行了软硬件设计和测试．实践证明,此分选跟踪器对于脉间波形变换信号有着较强的识别能力．     

一种基于Swin Transformer神经网络的低截获概率雷达信号调制类型的识别方法

本文针对低截获概率（Low Probability of Intercept, LPI）雷达信号调制类型的识别问题提出了一种基于Swin Transformer神经网络的识别方法. 该方法首先用平滑伪Wigner-Ville分布对信号进行时频变换,将一维时域信号变换为二维时频图像,然后使用Swin Transformer神经网络对图像进行特征提取及调制类型识别. 仿真结果显示,该方法具有较强的抗噪声能力,在低信噪比条件下识别准确率高,且具有较强的小样本适应能力.     

自适应噪声对消及其在雷达目标识别中的应用

简述了利用波形综合法进行雷达目标识别的工作原理及产生Ｅ脉冲和Ｓ脉冲的方法，提出一种新的识别参量和识别方法。为了减少雷达回波噪声对识别的不良影响，本还提出了一种抑制不相关噪声的自适应滤波方法，并将自适应噪声对消技术用于雷达目标识别。