数据库样本缺失下的雷达辐射源识别

目前,基于机器学习的雷达辐射源识别技术大多以训练集和测试集同分布为假设,当雷达数据库样本不足导致与信号真实分布存在偏差时,传统的分类方法效果不佳。为此,将迁移学习理论引入识别系统,设计了一种基于结构发现与再平衡的雷达辐射源信号识别方法。通过对数据库和待识别辐射源信号样本进行聚类分析发现数据结构信息,通过重采样处理修正其分布差异。将新采样数据输入支持向量机进行训练并对侦收样本进行识别。仿真实验表明,在新训练样本集上学习的模型对测试集的分类性能有了很大的提升。     

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.     

基于双谱特征的超宽带雷达人体目标识别

为了在人体微多普勒特征不明显条件下识别静态人体目标及人体姿态,提出了一种结合双谱对角线起伏特性与目标强散射点分布特征进行人体目标识别的方法。首先,通过分析静态人体目标双谱,提取双谱对角线起伏特性作为分类特征,降低了双谱数据的维数,减少了双谱特征冗余。然后,结合目标强散射点分布特征从不同角度描述目标,并构造用于目标识别的特征向量。最后,用支持向量机实现目标识别。仿真和实测结果均表明,双谱对角线起伏特性与目标强散射点分布特征融合的方法可以有效识别出静态人体目标并且实现人体姿态识别。     

干扰环境下的信号调制识别

针对干扰环境提出了一种基于独立成分分析（ICA）和支持矢量机（SVM）的通信信号调制识别算法。算法利用多天线接收技术,采用独立成分分析方法寻求观测样本矢量的统计独立分量,设计了以二值支持矢量机（SVM）为基础的多值分类器,该算法具有较高的训练速度和较好的分类性能。仿真表明,当信干比大于10 dB、移动速度小于12 m/s时,算法的总体正确识别率超过0.9。干扰环境下的信号调制识别研究具有较重要的实际工程应用意义。     

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。     

复杂体制雷达信号的特点分析

随着雷达科学技术的迅猛发展,雷达信号的形式与参数日益复杂,对其进进准确的分选与识别也困难重重.本文从雷达信号波形设计和参教使用两个方面出发,详细分析归纳了复杂体制雷达信号的工作特点,对雷达信号的分选与识别具有一定的参考价值.     

数字调制信号制式识别新方法

通过分析数字调制信号功率谱及高阶谱特征,对高阶谱的求取方法作了改进,并在此基础上提出新的特征参数,结合瞬时统计特征,采用支持向量机分类器,实现了AWGN信道下数字通信信号的制式自动识别。仿真表明,所提取的特征参数具有较好的抗噪性能,对调制参数的变化具有稳健性。考虑脉冲成形的影响,在信噪比大于12 dB时,单种信号最低正确识别率大于985%,平均识别率达995%以上。     

一种基于雷达图的雷达辐射源识别算法

在分析和考察雷达辐射源(Radar Emitter)多特征模式识别算法的基础上提出了一种基于雷达图(Radar Chart)中向量夹角余弦值的分类识别算法,借助雷达图实现了雷达辐射源空间特征向量向平面向量的转换,实现对雷达辐射源型号的自动识别,给出识别置信度.通过计算机仿真得到大于85%的正确识别率,进一步验证了算法在雷达辐射源识别工程中的可用性和可行性.     

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。     

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。     

支持向量机在说话人识别系统中的应用

支撑向量机(Support Vector Macbinc,SVM)是一种新的统计学习方法,作为一种说话人识别的手段具有独特的优势.通过产生的支持向量来概括数据集合中的信息,其分类核函数仅依赖于一小部分训练样本,即支持向量,从而降低信息的采集量和识别时间.本文介绍了说话人识别的基本原理,特征提取、模型训练等方面,通过实验证明支撑向量机(SVM)在说话人识别系统应用中表现出的良好性能.     

一种基于Radon变换的微表情识别算法

微表情是人们处在一些与平时生活环境不同的高强度环境下试图控制和掩饰的情感表现,也是一种不曾意识到的瞬时脸部表情,持续时间短,强度弱。为了提高其准确率,提出了基于Radon变换的微表情识别算法。首先,对数据库中的视频序列进行灰度归一化、尺寸归一化和二维主成分分析法（Two-dimensional Principal Component Analysis,2DPCA）降维预处理,使用光流法对降维后图像提取运动特征;然后使用Radon变换算法对光流图像进行处理,得到对应微表情的特征值和特征图像;最后使用支持向量机进行微表情分类识别。实验结果表明,使用Radon变换后得到的微表情特征图像得到了较好的识别效果,在微表情数据集CASME和CASMEⅡ上识别率分别为81.48%和82.17%,通过与选取的其他方法对比说明了该方法具有更好的识别性能。     

一种融合流形学习的视频人脸性别识别改进算法

如何有效利用视频中人脸之间的时空连续性信息来克服人脸分辨 率低、图像尺度变化大和姿态、光照变化以及遮挡等问题是视频人脸识别的关键所在。提出 了一种基于流形学习的视频人脸性别识别算法。 该算法不仅可以通过聚类融合学习来挖掘 视频内在的连续性信息,同时能发现人脸数据中内在非线性结构信息而获得低维本质的流形 结构。在UCSD/Honda和自采集数据库上与静态的算法比较结果表明,所提算法能够获得更好 的识别率。     

三频段准连续波雷达信号目标检测性能分析

准连续波雷达是一种低截获概率雷达,结合了脉冲雷达收发隔离和连续波雷达截获概率低的优点,但其检测性能的优劣很大程度依赖于信号形式,普通的编码信号和线性调频信号已经不能满足其对目标探测的要求。为解决这个问题,设计了一种三频段信号和与之相应的收发系统,对系统结构及三频段信号的参数选择原则、目标检测原理、模糊函数、抗近距离盲区性能做了详细分析,并指出了三频段信号相对于相位编码信号和分时发射信号的优势所在,最后通过仿真证明,将三频段信号应用于准连续波体制雷达中时能准确探测目标,得到目标的各个参数并且能有效消除近距离盲区。     

基于权值优化的认知WiMax信号协同识别

传统的正交频分复用（OFDM）系统识别算法只能识别出接收信号是否为基于全球微波互联接入技术（WiMax）的OFDM信号,但无法判断该信号是认知信号,并且在复杂电磁环境下识别正确率低。为此,提出了一种协同识别认知WiMax无线网络OFDM信号的算法。该算法首先利用OFDM信号的循环自相关特性估计信号的有用符号时间,并通过估计各协同感知节点的信噪比对时间参数的估计值进行加权,得到有用符号时间的协同估计值,进而判断接收信号是否为基于WiMax系统的OFDM信号;再通过自私攻击策略,实现对OFDM信号是否是认知WiMax信号的判别,为进一步研究认知WiMax网络节点定位技术奠定了基础。仿真结果表明,与非协同识别算法相比,提出的协同识别算法在多径和低信噪比条件下具有更高的识别率。     

基于相关峰数量统计的诱骗信号快速识别

针对采用直接序列扩频（DSSS）体制的无人机卫星测控前向链路,提出了一种基于相关峰数量统计的诱骗信号识别方法。该方法将同模式的诱骗信号等效为多径信号,利用匹配滤波器对接收信号进行处理,通过迭代算法调整相关峰判决门限,并统计一段时间内的相关峰数量来识别诱骗信号。在扩频码周期为128,正交相移键控(QPSK)调制,1/2码率的信道编码,Es/N0为3 dB,1 024个码周期的统计周期,诱骗信号和合法信号延时大于1个码片长度的情况下,该方法可快速有效地识别诱骗信号。