基于重频的雷达信号分选技术

对雷达辐射源信号进行及时准确地分选是电子战的关键技术之一.文章首先给出了重频的类型,然后系统阐述了几种基于重频的雷达信号分选技术,并从理论上分析了他们的优缺点.文章最后指出了当前这一领域亟需解决的几点问题.     

基于NeiMu的雷达信号聚类分选

针对雷达信号分选中常见的聚类数目难确定、数据簇形状识别、异常数据敏感等问题,提出了基于NeiMu(Neighboring Mutually)的雷达信号聚类分选算法。该算法首先以信号脉冲为点、各点间的欧氏距离为线构建距离矩阵,然后在进行干扰数据剔除的情况下选定合适k值完成聚类矩阵的构建,最后采取遍历聚类矩阵的方法输出聚类结果,在删除无效的聚类后实现了雷达信号的聚类分选。通过仿真可知该算法在选取合适k值的情况下具有极高的正确率,证明了其有效性和可靠性。     

雷达辐射源信号分选技术概述

文章详细介绍了当前用于雷达辐射源信号分选的几种技术,从理论上分析了他们的优缺点,并针对当前雷达辐射源信号分选技术的现状,指出了这一领域需尽快解决的几点问题。     

利用谱估计算法的雷达信号分选

传统雷达信号分选过程中分别进行脉冲重复频率检测与初始到达时间估计时,脉冲搜索时间过长。为此,提出了一种新的基于谱估计的信号分选算法。该算法通过谐波滤除减小了脉冲初始到达时间估计的运算次数,并在进行脉冲重复频率检测的同时估计脉冲初始到达时间,从而避免了传统信号分选算法中对整个序列的遍历,节省了计算资源。仿真结果验证了该算法的有效性。     

基于二阶矩的雷达信号盲分离

针对雷达接收机在现代战场复杂电磁环境下接收到的混叠信号,提出了一种基于二阶矩的信号盲源分离方法。在混合信号球化过程中,对于具有加性白噪声的模型,构造了一组新的协方差矩阵,在信噪比不是很高的情况下,使其不会影响分离结果。在协方差矩阵对角化过程中,采用自然梯度的方法,避免分离矩阵更新过程中的求逆问题,提高了算法的实时性。仿真实验证明,在信噪比为-10 dB的条件下,对比FastICA算法,所提算法分离精度高,收敛速度快,为进一步的信号识别提供可靠依据。     

基于负熵最大化盲抽取的雷达信号分选研究

研究了盲源分离算法在雷达信号分选中的应用,用基于负熵最大化的盲抽取算法对实际环境下的雷达信号进行分选,仿真结果表明,该方法能够有效地应用于多路雷达信号的分选,能抗突发脉冲干扰及完成降噪处理,并且易于实现,收敛速度快.     

高信号密度雷达脉冲分选算法

利用脉冲重复间隔(PRI)是高信号密度环境下一种主要的脉冲分选去交错方法.文中分析了受到雷达扫描特性影响时,脉冲到达时间(TOA)测量误差对PRI估计及对脉冲分选去交错的影响,提出了一种对脉冲幅度变化不敏感的TOA测量算法和能够克服PRI误差累积的去交错算法.仿真结果表明,该算法适用于高信号密度环境,性能良好.算法已在DSP平台上实现,具有很好的实时性.     

类别不平衡条件下的雷达信号识别

在实际电子侦察过程中,由于各种原因,侦收到的不同类型信号数量相差很大,类别之间严重不平衡,常规方法在这种数据集下训练得到的分类器不能有效识别少数类。针对这一问题,首先采用栈式自编码器对中频数据进行降维和特征提取;然后在降维后的特征空间内通过多种过采样方法生成新的少数类样本,使数据集重新平衡,并利用再平衡后的数据集训练支持向量机分类器;最后采用F分数和受试者工作特征（Receiver Operating Characteristic,ROC）曲线两种评价方法对分类效果进行评价。实验结果表明,通过过采样处理,分类器对少数类的识别性能有所提升。     

基于特征参数的雷达信号识别算法及DSP实现

为解决传统雷达信号识别方法难以达到实时性的困难,提出了一种雷达信号快速识别算法.该算法基于信号的非周期自相关函数提取了映射信号带宽和频率变化率的2个特征参数,实现了对4种雷达信号的类型识别.仿真和硬件测试结果表明,该算法能在低信噪比下实现对雷达信号的全概率识别,识别时间小于0.8ms.算法适合硬件高速实时实现,具有一定的工程应用价值.     

基于三维特征的雷达信号脉内调制识别

针对低信噪比条件下雷达信号识别算法对噪声敏感的问题,提出了一种基于三维特征的雷达信号脉内调制识别算法。该方法通过提取信号的差分近似熵、调和平均分形盒维数和信息维数特征组成三维特征向量,使用遗传算法优化的BP神经网络分类器实现雷达信号的分类识别。仿真结果表明,所提取的三维特征在信噪比为-4~10 dB变化范围内具有较好的类内聚集度和类间分离度,可以实现对不同雷达信号进行识别,证实了该方法的有效性。     

一种有效的雷达信号快速识别方法

针对多种调制类型的雷达信号快速侦察识别成功率较低的问题,提出了基于瞬时频率特征提取的雷达信号快速识别新算法。首先,由短时傅里叶变换（STFT）得到信号每一部分的瞬时频率特征;其次,对得到的瞬时频率进行两次归一化分别得到各自特征值;最后,用层次决策方法对雷达信号进行分类识别。仿真实验结果证明该方法能有效识别各种雷达信号,在信噪比高于-3 dB时,各种脉内调制的识别成功率都达到90%以上。     

基于PRI信息的雷达脉冲信号分选技术研究综述

基于脉冲重复间隔（Pulse Repetition Interval,PRI）信息的雷达脉冲信号分选是电子侦察信号处理中的核心关键技术之一。以公开文献资料为来源,从直接搜索判定分选、直方图统计分选、PRI变换分选、平面变换分选、多方法综合应用等多个方面对该技术方向上的各种方法的原理、流程、特点、适用条件等进行了分类对比与归纳总结,指出了其所面临的巨大挑战,展现了其未来的发展趋势,为该方向上技术研究的深入推进与工程应用的优化推广提供了重要参考。     

雷达信号高精度参数估计及其DSP实现

研究了单脉冲、线性调频与相位编码雷达信号的调制类型识别与高精度参数估计算法,基于TMS320C6713搭建的硬件平台,完成了两个同时到达信号的高精度参数估计.测试结果表明,该系统能够处理两个同时到达信号,实测双信号处理时间为3 748 905 ns,频率测量误差小于10 kHz,处理速度与参数估计精度都能满足实际需要.     

基于数据流聚类的动态信号分选框架

为了解决雷达信号分选中准确性与实时性相矛盾的问题,提出了一种基于数据流聚 类的动态信号分选框架。该框架分为在线和离线两部分,在线部分利用网格帧保存侦察数据 的概要信息;离线部分通过网格聚类算法对网格帧进行聚类分选,并得到分选结果。仿真实 验表明,该框架能够分选高密度复杂侦察数据流,对噪声不敏感,且无需先验知识支撑,能 够较好地满足信号分选准确性和实时性的需要。     

通信信号分析工程应用关键技术

介绍了非 协同方式下工程上通信信号事后分析的总体框架及流程,重点讨论了通信信号分析中的参 数测量、调制识别、细微特征分析、信道盲均衡、解码、跳频分析等关键技术以及工程 应用上的实际问题和解决方法。     

应用于跟踪雷达的脉冲压缩信号评述

本文综述脉冲压缩信号及其在跟踪雷达中的应用。重点放在诸如巴克码和最长线性序列的二进制相位编码信号上。回顾了互补序列的性质,讨论了把这些序列应用于跟踪雷达的技术。同时还研究了线性调频信号、多相码信号以及同时调幅和调相的信号。     

一种新型低截获FSK/PSK雷达信号分析

从信号发射波形出发,分析了一种由FSK信号和PSK信号组合而成的新型FSK/PSK信号.首先构造了信号的模型,参考二相编码和频率编码的模糊函数详细推导了其模糊函数公式,通过数值仿真得到了模糊图,然后从距离速度分辨力、测距测速精度、截获性能等方面对其进行了分析.理论和仿真分析结果表明,这种新型FSK/PSK信号也具有图钉型模糊图,具有良好的分辨力与测距测速性能,低截获性能也相对于单一FSK信号或相位编码信号有了较大提高,因此具有较好的应用前景.     

基于多尺度残差网络和小波变换的LPI雷达信号识别

针对复杂战场电磁环境下的低截获概率（Low Probability of Intercept,LPI）雷达信号识别问题,提出了一种基于小波变换和多尺度残差网络的识别方法。首先利用离散小波变换提取LPI雷达信号的时频特征;然后利用多尺度残差网络的多层特征提取网络对输入信号进行深层自主学习,以获取原信号时频数据的分布式特征,从而实现对雷达信号的识别预测。在不同信噪比条件下对不同调制样式信号进行实验,证明了所提方法的可行性与有效性,以及较高的识别率和泛化能力。     

深空测控系统测距信号体制分析

深空测控通信中，接收信号微弱，信号时延巨大，使得深空测控与地球轨道航天器的测控有很大差异，选择合理的测距信号体制，对深空测控系统具有极其重要的意义。在对NASA及ESA的几种测距信号体制进行介绍的基础上，分析比较了几种深空系统测距信号体制，并对深空测控系统测距信号体制提出初步想法。     

一种基于脉冲样本序列的PRI周期信号分选算法

针对传统脉冲重复间隔（PRI）分选算法在估计PRI方面存在的不足,提出了一种对PRI周期信号的周期进行准确估计的方法。该方法首先从待分选脉冲序列中提取出属于一部雷达的脉冲样本,然后基于这些样本对该雷达脉冲序列的周期进行精确估计,并用估计到的周期值进行脉冲序列抽取从而实现准确分选。相对于传统PRI分选算法,该算法能够在保证周期估计精度的前提下大幅度减少分选过程所需要的时间,从而能够更好地满足信号分选的需求。仿真结果证明了所提算法的有效性。