基于排序时频特性的雷达脉内调制信号识别

提出了一种基于排序时频特性的雷达脉内调制信号识别算法。该 算法可分为三步：首先,通过检验信号时频曲线的互易回归特性,识别出线性调频信号;然 后,通过检验信号时频RANKIT图的正态性,识别出常规信号;最后,检验信号平方后时频RA NKIT图的正态性,用以区分二相编码与四相编码信号。仿真结果表明,该算法无需接收信号 的任何先验知识,在较低信噪比条件下可实现对常用雷达脉内调制方式的有效识别。     

基于频域奇异值分解的LPI雷达信号降噪

随着低截获技术在战场上的大量使用,侦察接收机接收到的低截获（LPI）信号大多都湮没在噪声中。为了准确地检测威胁目标,在研究时域奇异值分解（SVD）降噪的基础上,提出了基于频域SVD的LPI雷达信号降噪方法。仿真实验表明,该方法可以将LPI雷达常用的线性调频连续波（LFMCW）信号和二相编码（BPSK）信号的信噪比从0 dB提升到6 dB以上。频域SVD降噪使侦察机发现LPI雷达的概率大大提高。     

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.     

短时傅里叶变换在线性调频信号时频滤波中的应用

将短时傅里叶变换（STFT）的时频分析方法应用到线性调频（LFM）信号的滤波中, 突破了传统匹配滤波方法基于平稳假设的限制,将信号分析空间从一维频率域扩展到二维的 时间-频率域。利用自滤波的时频滤波方法进行LFM信号的滤波,然后分别采用时域和时频域 的均方误差（MSE）标准,分析了时频滤波的性能。仿真结果表明,基于STFT的时频滤波方 法能有效实现对LFM信号的滤波。     

波形未知信号时频差参数的最大似然估计算法

提出了波形未知确定信号时频差参数估计的最大似然算法,得出利用互模糊函数可以实现此 种信号条件下时频差参数最大似然估计的结论,推导出了闭合形式的克拉美罗下界并对比了 不同信号模型下的参数估计精度。仿真实验结果表明了估计算法和性能分析的正确性。     

雷达信号处理中的自适应算法

接收信号的谱估计是雷达系统在干扰环境中检测有用信号的最现代方法。必须指出,当相同距离单元中存在两种或多种杂波时(如地杂波和雨杂波),特别是当它们的多普勒频率未知时,这种处理是十分必要的。当前最普遍的方法是根据快速傅里叶算法(FFT)设计出一组滤波器(自适应或非自适应),这种方法称动目标检测(MTD)。这样可同时获得频谱分辨率和相干积累。为了克服由于谱失真引起的遮蔽效应,并为了获得更好的谱分辨率(由于抽样数据加窗而受到限止),根据另一种并不十分普遍的谱分析技术,探讨设计一种自适应滤波器的可能性。这些技术基于: (1) 选择一种适当的模式(通常选用自回归AR模式) (2) 模式参数的估计既可通过直接处理数据,也可通过间接地处理它们的相关函数来决定。在本文中,我们将把注意力集中在: (1) 估计误差引起的改善因子损失。 (2) 通过低计算成本技术获得相关函数的估计。 (3) 硬件分析以及性能和计算成本之间的折衷方法。     

依据信噪比的雷达信号质量估计

在选取信噪比作为信号质量指标的增强技术领域中,针对如何准确快速对复杂交叠的雷达信号进行信噪比估计的问题,改进了子空间分解算法,并且在求解自相关矩阵特征值时引入了结构简单、迭代速度快的粒子群优化(PSO)算法。通过设置不同的电磁环境场景,分别验证了算法的有效性。对比分析表明算法在低信噪比条件下具有明显的优势,为检验信号增强技术的效果提供了有力支撑。     

强干扰下跳频信号的参数估计

针对通信对抗中跳频信号参数估计问题,考虑存在强干扰的情况下,提出了一种基于时频重心的跳频信号跳周期估计和基于跳频部分接收的跳时估计方法。对于跳周期估计,在短时傅里叶变换（STFT）时频变换的基础上提取信号随时间变化的时频重心,再结合小波变换和谱分析估计出跳频周期;对于跳时估计,采用跳频带宽的部分接收避开强干扰,构造含有跳变信息的参考信号,通过参考信号采用最大似然(ML)方法得到跳时的精确估计。仿真实验表明,算法运算复杂度低,跳频定位精度高,在强定频干扰的情况下仍能有效估计出跳频周期和起跳时刻。     

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.     

一种用于雷达信号调制分类的特征评估方法

针对用于调制分类过程中雷达信号脉内特征参数评估问题,提出了一种多指标联合评估方法。该方法使用复杂性、可分离性和稳定性3个指标对特征参数的调制分类性能进行联合评估,克服了传统评估手段仅使用单一指标难以进行全面科学评估的缺陷,并可以根据应用需求获取相应的最合理的综合评分值。理论分析和计算机仿真结果表明,该方法可以有效评估特征的调制分类性能,具有较强的工程应用价值。     

一种单信道时频重叠信号调制识别方法

针对单信道时频重叠信号调制方式的识别分类问题,提出了基于信号相关特性的调制识别方法。在研究所选数字通信信号的相关特性的基础上,提取信号延迟相关和瞬时自相关谱峰的数量、幅度和位置方差作为特征参数,实现了同载频时频重叠双信号的调制识别。仿真结果表明,在理想高斯白噪声背景下,该方法具有良好的识别性能,当信噪比大于-5 dB时,其正确识别率达到95%以上。     

一种改进的基于EMD分解的超宽带信号消噪算法

针对低信噪比超宽带信号的消噪问题,提出一种改进的基于经验模式分解（EMD）的消噪算法。该算法首先对含噪信号进行EMD分解,得到多个固有模态函数（IMF）分量,然后选取高阶IMF重构原信号,达到消噪的目的。针对对UWB信号的IMF重构过程中阶数阈值难以确定的问题,通过数值仿真的方法,得到信号分量和噪声分量在不同阶IMF上的能量分布特性;在对所得特性进行分析的基础上,设计了一种数据自适应的阶数阈值选取算法,解决了EMD消噪中的阶数阈值选取问题。仿真结果表明,EMD消噪算法能够在较低信噪比下提供平均10 dB的信噪比增益,可以有效地对超宽带信号进行消噪。     

应用于雷达方位超分辨的改进Richardson-Lucy算法

方位超分辨是国内外雷达界持续探索的一项技术难题。为解决高斯噪声情况下天线低通效应造成的方位低分辨力问题,利用基于泊松噪声情况下Richardson-Lucy(RL)算法对其进行研究。针对RL算法中高斯噪声被放大出现虚假目标和RL算法收敛速度慢的缺点,提出了一种改进RL算法。该算法首先使用低通滤波去除高频段的噪声,然后利用加速RL算法进行方位超分辨。仿真结果表明：与原RL算法相比,改进RL算法能降低高斯噪声的影响,消除虚假目标;在信噪比低至0 dB时,相对于半功率波束宽度,改进RL算法的最大分辩倍数为1.8倍,与维纳逆滤波算法相比具有较强的噪声适应能力,可以应用于雷达方位超分辨。     

采用遗传算法的MIMO雷达L型阵列稀布优化

针对多输入多输出（MIMO）雷达阵列稀布导致栅瓣效应的问题,研究了L型阵列方向图综合方法。通过在发射和接收阵列的阵元位置中引入随机扰动,同步优化收发阵列,对MIMO雷达Ｌ型阵列等效构造的虚拟矩形平面阵列进行二维方向图综合,并且对遗传算法的变异算子进行改进,提高全局搜索性,从而有效抑制栅瓣,降低二维合成方向图中方位维和俯仰维的峰值旁瓣电平。仿真实验证明了所提算法的有效性。     

一种基于混合智能算法的协作中继选择新方法

针对多用户多中继场景下协作通信系统的中继选择问题,提出了一种基于混合智能算法的协作中继选择新方法。不同于现有的为每个源节点分配一个中继节点的中继选择方法,新方法建立了为每个源节点分配一个或多个中继节点的优化模型,以最大化多用户多中继协作系统的最小接收信噪比为优化目标,采用结合了模拟退火与遗传算法的混合智能算法来搜寻中继选择问题的最优解。仿真结果表明,所提方法可显著提高目的端的接收信噪比,且算法具有较强的全局搜索和快速寻优能力。     

基于自适应惯性权重粒子群优化的多跳频信号盲源分离

针对跳频通信中多跳频信号的盲源分离问题,提出了一种基于自适应惯性权重粒子群的盲源分离算法。该算法将分离信号的负熵作为目标函数,依据迭代前后每个粒子适应度值间差值自适应地调节惯性权重。把适应度值变差的粒子惯性权重设成零,以消除惯性分量不利影响,这样可以减少无效迭代次数,提高收敛速度。应用于盲源分离时,比经典算法分离效果好且克服了激活函数选取难题。实验结果表明该算法用于多跳频信号盲分离时性能稳定且收敛速度快,与经典算法比较优势明显,为智能算法在盲源分离方面的研究提供了一定的参考。     

一种认知跟踪雷达LFM波形库建立方法

认知雷达是下一代雷达发展的方向之一。在对认知跟踪反馈环进行分析的基础上,提出了一种线性调频(LFM)信号波形库的建立方法。在应用交互多模型跟踪机动目标的背景下,通过所建的波形库对发射波形进行实时调用,达到减小跟踪误差的目的。研究了具有不同调频率参数与FrFT旋转角度组合的不同数量LFM信号波形库的建立,以最小化模型选择不确定性为目的推导波形选择准则,得到了不同的波形选择策略。仿真验证分析其跟踪精度可以看出,构建具有一定数量LFM波形的波形库可以提高认知跟踪雷达的性能。     

基于折射波静校正的未知参数穿墙成像合成延迟时算法

在穿墙雷达实际应用中,墙体一般由两层不同介质构成,且各层墙体参数未知。若对墙后目标直接成像,会产生目标散焦或位置偏移。针对该问题,提出了基于折射波静校正的合成延迟时方法对墙后目标进行聚焦成像。首先读取每根接收天线回波数据确定电磁波的折射回波时刻,通过基本折射方程得到延迟时超定方程组,解此超定方程组可得电磁波在外层墙体内的传播时延,再运用相邻发射天线和相邻接收天线延迟时之差估计内层墙体中电磁波的传播时延,最后各个通道内传播时延依次相加后运用后向投影算法获得目标精确成像。对成像位置精度、图像熵,以及输入输出目标杂波比等性能的分析和比较证明了该算法的有效性。     

压缩感知稀疏表示在雷达目标识别中的应用

高分辨距离像(HRRP)目标识别算法很多,在其利用高分辨距离像蕴含的目标结构信息的同时,也需要面对数据量巨大的难题。事实上,尽管高分辨距离像数据量巨大,但却是稀疏的,然而利用其稀疏特性进行识别的方法却不多。为此,提出了一种基于压缩感知稀疏表示方法实现目标识别的算法。该算法首先采用遗传正交匹配追踪（OMP）算法对一维距离像训练样本进行稀疏分解以获得类别字典,然后根据类别字典分析测试样本的重构误差实现目标识别。仿真实验证明,所提算法简捷、识别率更高,相较于常规算法识别率提高最多可达20%,并且在受到噪声干扰情况下依然能够稳健地识别目标。