基于小波脊线特征提取的雷达辐射源信号识别

针对在低信噪比条件下雷达辐射源信号识别率低的问题,提出了一种基于小波脊线特征提取的雷达辐射源信号脉内调制方式识别方法.该方法使用新的改进Morlet小波提取信号瞬时频率,变换后提取其二次特征用于分类识别.计算机仿真结果表明本方法提取的特征向量具有良好的识别能力,在2 dB的低信噪比条件下,平均识别率可达到90%以上,通过与现有方法进行对比仿真验证了本算法在低信噪比环境下的优越性.     

基于小波脊线特征提取的雷达辐射源信号识别

针对在低信噪比条件下雷达辐射源信号识别率低的问题,提出了一种基于小波脊线特征提取的雷达辐射源信号脉内调制方式识别方法.该方法使用新的改进Morlet小波提取信号瞬时频率,变换后提取其二次特征用于分类识别.计算机仿真结果表明本方法提取的特征向量具有良好的识别能力,在2 dB的低信噪比条件下,平均识别率可达到90％以上,通过与现有方法进行对比仿真验证了本算法在低信噪比环境下的优越性.     

基于图形轮廓的雷达信号模糊函数主脊切面特征提取方法

从复杂体制雷达辐射源信号中提取有效的特征参数,是解决复杂雷达信号分选问题的有效方法。鉴于模糊函数(AF)的主脊切面能很好地描述信号的模糊能量分布信息,提出一种基于图形轮廓的AF主脊切面特征提取方法,该方法提取了反映切面图形轮廓变化剧烈程度的累积角度和反映切面图形轮廓固有特征的单位累积长度作为信号分选的特征向量。模糊C均值聚类实验结果表明：当信噪比不低于12 dB时,常规信号、线性调频信号、二相编码、四相编码、M伪随机序列和二频编码6种典型雷达信号的分选成功率均为100%,即使在信噪比为0 dB时,平均分选成功率也能达到93.5%;在0～20 dB动态信噪比环境中平均分选成功率达到98.9%. 理论分析与分选耗时比较实验结果表明,所提方法具有较低的算法复杂度,证实了其有效性和时效性。     

基于FRFT循环处理的LFM-PRBC雷达信号截获与特征提取

针对线性调频-伪码调相复合调制雷达信号(LFM-PRBC)的截获与特征提取问题,提出分数阶傅里叶变换(FRFT)循环处理方法,信号在FRFT循环域(CFRFD)实现能量积累形成峰值。通过CFRFD搜索峰值检测信号,提取线性调频载频和带宽,二相编码码元宽度和伪码位数等参数。通过CFRFD时频滤波重构复合信号,利用相关变换提取信号的伪码相位信息。经过理论分析和计算机仿真验证,该方法能有效完成高斯白噪声背景下低信噪比复合调制雷达信号的截获与特征提取。     

基于卷积神经网络和模糊函数主脊坐标变换的雷达辐射源信号识别

针对人工提取雷达辐射源信号特征耗时长、特征不明显等问题,提出一种基于深度学习卷积神经网络和模糊函数主脊坐标变换的雷达辐射源信号识别方法。该方法通过快速离散分数傅里叶变换提取信号的模糊函数主脊,并将模糊函数主脊极坐标域的二维时频图作为卷积神经网络的输入,实现对不同雷达信号的分选识别。仿真实验结果表明：新方法不仅在信噪比为0 dB以上保持100%的识别率,在-6 dB时识别准确率也稳定在90%以上;相对于传统的雷达信号识别方法和其他深度学习模型识别方法,在识别率和鲁棒性上均有较大提升,具有一定的工程应用价值。     

基于循环平稳度准则的多路雷达信号识别算法

在日益复杂的电磁环境中分选识别出雷达信号,是电子对抗发挥功用的先决因素。关于雷达信号调制样式与信号参数的先验信息有限,难以为信号分选提供充足的情报支撑,且信号交叠严重制约着信号分选的效能。将上述需求转换为盲源分离问题,通过Givens变换构造高阶分离矩阵,将适用于两路信号的基于3阶循环量的循环平稳度（DCS）盲源分离算法拓展到适用于具有不同循环平稳频率的多路信号。通过理论推导证明了该方法的可行性,并推导出构造Givens矩阵参数确定的方法。利用循环平稳理论提取雷达信号在循环平稳域的特征,结合DCS分离准则进行仿真验证。仿真结果表明,该算法能够实现对多路雷达信号的有效分选。     

捷变频雷达信号分选及基准频率估计算法研究

现代雷达普遍采用频率捷变方式,传统的信号分选算法往往会造成增批问题。对接收到的信号进行高精度频率估计,利用相邻2个信号频率差相除,在一定的搜索范围内,通过比较相除结果的小数部分,来分选出不同雷达信号。根据分选出的来自同一部雷达信号,用相同方法可估计出信号的分频系数,从而估计出雷达的基准频率。仿真结果表明：该算法可有效地分选捷变频雷达信号,抑制增批问题的产生,可对特定辐射源进行准确识别。现代雷达普遍采用频率捷变方式,传统的信号分选算法往往会造成增批问题。对接收到的信号进行高精度频率估计,利用相邻2个信号频率差相除,在一定的搜索范围内,通过比较相除结果的小数部分,来分选出不同雷达信号。根据分选出的来自同一部雷达信号,用相同方法可估计出信号的分频系数,从而估计出雷达的基准频率。仿真结果表明：该算法可有效地分选捷变频雷达信号,抑制增批问题的产生,可对特定辐射源进行准确识别。     

基于全息特征的雷达信号综合分选新方法

提出了一种基于模糊综合评判模型的雷达信号分选新方法。首先采用传统信号分选方式对到达角或到达时间等常规参数进行提取,然后利用小波变换法提取雷达信号的脉内特征,根据层次分析确定权重,建立分选模型进行分选。计算机仿真结果表明,该方法能够有效地分选雷达信号。     

基于折叠法和灰关联分析的威胁雷达信号识别

针对传统雷达信号识别系统的识别过程复杂繁琐、运算量大、对复杂体制的雷达信号识别能力差等问题,提出了基于折叠法和灰关联分析的威胁雷达信号识别方法。该方法将预分选后的脉冲流用折叠法进行分选,然后利用信号特征曲线求得雷达信号的子周期,最后通过灰关联分析进行威胁雷达信号识别。仿真验证结果表明,该威胁雷达信号识别方法是有效可行的,对复杂的电磁环境和复杂体制的雷达信号的适应能力强,识别结果准确度高。     

基于改进的模糊聚类的雷达信号分选

为了解决传统方法不能有效分选高密度复杂雷达信号,以及现有聚类方法达不到实时性要求的问题,提出一种利用雷达脉冲信号特征参数,基于改进的模糊聚类的雷达信号分选新方法.在改进的算法中,提出了距离加权系数的概念,依据信息熵使各参数的距离加权系数的确定更加合理化.采用追踪法计算等价模糊矩阵,并提取聚类后的脉冲序号,更具有实际意义.该方法同时提高了系统的实时性.仿真结果验证了算法的有效性.     

基于FRFT的几种典型相位编码信号检测与参数估计

多相编码(Frank码、P1码、P2码、P3码与P4码)信号是一类典型的低截获概率雷达信号。针对该类信号的检测与参数估计,分析了多相编码信号的时频分布特征,讨论了多相编码信号在分数阶Fourier域的频谱分布特征,并以Frank码信号为例,推导出多相编码信号的主要特征参数的估计表达式。提出了一种基于分数阶Fourier变换(FRFT)的多相编码信号检测与参数估计算法。该算法给出一种利用FRFT估计多相编码信号载频的方法。最后,仿真结果表明该算法在低信噪比(SNR)条件下对多相编码信号仍具有较好的检测和参数估计效果。     

低信噪比下LFM-BPSK复合调制信号参数估计

ILFM-BPSK复合调制信号兼具线性调频信号(ILFM)与二相编码信号(BPSK)的优点,已经广泛应用于多种雷达中。提出了基于插值优化分数阶傅里叶变换(FRFT)和循环谱相关的参数估计算法。首先对ILFM-BPSK信号进行平方处理,将信号转化为倍频的ILFM信号,采用插值优化FRFT方法估计ILFM信号的起始频率和调频斜率,然后重构ILFM信号,并与原信号共轭相乘得到基带BPSK信号,最后采用循环谱相关技术提取BPSK信号的码速率。仿真实验表明,该参数估计算法能在低信噪比条件下精确估计信号参数。     

低信噪比下典型雷达信号调制类型识别

针对低信噪比雷达信号调制类型识别概率低的问题,提出了一种基于分数阶傅里叶变换(fractional Fourier transform, FRFT)频谱四阶原点矩的低信噪比雷达信号调制类型识别方法。该方法首先对输入的雷达信号进行分数阶傅里叶变换,求得分数阶傅里叶频谱四阶原点矩;然后根据分数阶傅里叶频谱四阶原点矩归一化幅度包络,判断其包络中峰值点对应的变换阶数,对雷达信号进行粗识别;最后计算幅度包络的峰态值,通过设置的峰态阈值,比较峰态值大小,判断信号调制类型,实现类内信号调制类型的细识别。仿真实验验证了所提识别方法的有效性。     

一种深度强化学习的雷达辐射源个体识别方法

针对传统依赖于人工经验提取辐射源个体特征的不足,提出一种基于深度强化学习的雷达辐射源个体识别方法。利用发射机非理想信道造成的辐射源信号包络在信号变化时呈现的不同瞬态信息,以信号包络前沿作为深度神经网络的输入状态,以辐射源类别作为当前输入状态的可选动作,通过卷积神经网络自动提取辐射源包络个体特征,并拟合当前状态动作对的Q值,进而以强化学习模型完成雷达辐射源个体识别任务。讨论了深度Q网络模型、深度双Q网络模型以及Dueling Network模型3种深度强化学习模型在辐射源识别任务中的应用。实测数据仿真实验表明：传统机器学习算法的识别率不足80%,而深度强化学习网络的识别率高达98.42%.     

低信噪比下非线性调频信号脉内特征提取新算法

信号脉内调制信息识别技术对密集和复杂电磁环境中辐射源的分选和识别有着重要意义。通过讨论小波变换法、伪威格纳威尔分布（PWD）等典型非线性调频信号脉内特征提取方法，提出了将小波变换法和PWD法提取的结果进行截断综合，再提取时频图脊线的新算法。实现了在低信噪比条件下，准确提取非线性调频信号（NLFM）的脉内特征。对不同类型的调制信号仿真结果证实了算法的可行性。     

一种新的雷达信号分离技术研究

针对目前传统分选方法无法适应密集、复杂、多变的现代雷达对抗信号环境,提出将雷达信号分选工作搬移到中频段进行、基于快速独立分量分析的雷达信号分选算法,讨论了采样时间的选取对迭代次数、相似系数的影响,验证了算法分离微弱信号的有效性和可行性.同时,强调了基于该法的信号分选可以与信号识别的硬件模块在中频段实现合并化.仿真实验表明,该技术可以很好地分离各种不同调制方式下的脉冲雷达信号以及连续波雷达信号,对传统分选方法难以应付的PRI随机的雷达信号也十分有效.     

基于瞬时频率提取的信号分选方法研究

雷达信号分选与识别是雷达对抗侦察信号处理的重要内容之一，也是进行雷达特征提取、识别以及威胁评估的前提和基础。充分利用雷达的各种信息参数是进行雷达信号分选识别时的关键。文中通过对常规信号与线性调频信号以及二相编码信号的分析，讨论了一种基于瞬时自相关的瞬时频率提取的方法，并用一匹配滤波器进行了信号的匹配。这种方法对信号的分选的精度有一定的提高。     

基于FRFT的Hilbert变换

解析信号的一个重要性质是从正频谱中恢复实信号，现有的基于分数阶Fourier变换( FRFT)的Hilber变换(HT)理论尚未解决这一问题。本文从分数阶乘积一卷积理论出发，研究了基于FRFT的HT理论与解析信号的定义和性质，给出了理论分析和推导，证明了通过解析信号在分数阶Fourier域的正频率谱能够恢复实信号。仿真结果表明，本文提出的方法可以增强单边带通信系统的保密性，并具有较高的图像加密效果。本文研究是对基于FRFT的HT理论的丰富和完善。     

未知包络多分量线性调频脉冲信号参数估计

针对雷达侦察中的未知包络线性调频（LFM）信号参数估计问题,基于时频分析与相干积累,提出了脉冲数、调频率、中心频率、时延和脉宽参数的估计方法。利用时频分析对脉冲数与调频率进行粗估计,结合分数阶傅里叶变换（FRFT）完成脉冲数与调频率精估计;进行局部相干积累,提取中心频率、时延和脉宽。仿真分析表明：多分量LFM信号中的强脉冲可能对弱脉冲信号的参数估计产生干扰。针对该问题,在FRFT域对强脉冲进行了遮蔽处理。推导了估计参数的克拉美劳下界,并对估计误差进行了分析,结果表明：对于多分量LFM脉冲信号,遮蔽强脉冲信号后,弱脉冲信号的脉宽估计精度可显著提高。     

基于双谱特征融合的通信辐射源识别算法

针对当前通信辐射源个体识别方法存在识别效率不高,内在细微特征难以提取等问题,提出了基于双谱特征融合的通信辐射源特征提取算法。该算法通过融合对角积分双谱与双谱对角切片特征组成特征向量,并对对角切片特征提取方法进行了改进,将原信号先进行经验模态分解(EMD),在得到的本征模函数(IMF)基础上提取对角切片特征,最后使用支持向量机(SVM)得到分类结果。分类实验结果表明,基于双谱特征融合的算法较积分双谱的算法在识别效果上有一定程度的提升。