基于小波包分解和残差网络的雷达干扰识别

干扰样式识别是雷达抗干扰技术研究中的重要环节,为提高干扰信号分类识别精度,提出了一种基于小波包分解和残差网络相结合的干扰信号分类识别方法。采用小波包变换对干扰信号进行分解与重构,将干扰信号分解成不同频段的小波包系数,融合各频段小波包系数构成系数矩阵得到残差网络的输入,利用多层残差网络自适应提取小波包系数矩阵深度特征,实现干扰信号分类识别。搭建了雷达干扰信号识别试验平台,采集不同调制参数下的6类雷达干扰数据进行试验分析,结果表明,相对于直接利用干扰信号原始时域IQ数据进行卷积神经网络(Convolutional Neural Network, CNN)识别,所提方法能够有效提高网络输入数据维度和特征提取深度,识别准确率和训练效率有明显提升。     

自注意双路径RNN用于汽车雷达干扰抑制

雷达是自动驾驶的重要组成部分,通过雷达的发射和接收信号我们可以估计目标距离和速度。随着雷达的广泛使用,不同车辆安装的雷达之间会产生相互干扰,导致本底噪声升高,严重影响目标的可检测性。近年来研究者们开始用深度学习方法来抑制雷达干扰,目前常用的方法大多是基于频域或时频域,但基于深度学习的语音分离方向的研究已证明基于时域的方法相对于其他方法的优越性。然而传统的循环神经网络（Recurrent Neural Network,RNN）对长序列信号建模十分困难,因此本文使用了自注意双路径循环神经网络(Dual-Path Recurrent Neural Network with Self Attention, DPRNN-SelfAttention),用于在深层结构中对长序列进行建模。DPRNN-SelfAttention将长序列输入拆分为更小的块,并迭代地应用块内和块间操作处理整个序列的信息,其中输入长度与每次操作中原始序列长度的平方根成正比。实验结果表明,本文方法可以抑制多个干扰,并能估计抑制干扰后的目标幅度和相位。     

基于压缩感知和深度学习的分类识别技术

雷达对空飞机目标分类可实现雷达装备获得敌机属性和类别信息,对于现代战争其重要性显得尤为突出。针对复杂电磁环境下的飞机目标分类问题,结合防空雷达的特点建立3类（固定翼、螺旋桨和直升机）飞机旋转部件调制回波模型,并理论分析了不同类型飞机目标的微动特征差异。仿真分析在复杂电磁环境下干扰对微动频谱的影响。引入压缩感知方法进行干扰条件下的微动特征稀疏恢复,采用堆栈自编码学习(SAE)方法构建深层神经网络对目标进行自动特征提取和分类识别;实录数据验证表明,本文特征提取和识别方法在干扰比例41%时识别正确率能达到75%。     

基于注意力机制和复数卷积循环网络的汽车雷达干扰抑制

随着自动驾驶技术的发展,越来越多的汽车装载车载雷达,不同车辆的车载雷达之间会产生相互干扰,导致虚假目标的出现或基底噪声的增加,降低检测性能。针对汽车雷达之间的相互干扰问题,提出了一种基于注意力机制的深度复数卷积循环网络(Deep Complex Convolution Recurrent Network with Attention, DCCRN-Attention),在频域实现干扰抑制。模型使用复数网络将信号的实部和虚部联合起来进行特征学习,能同时预测干扰抑制后目标的幅度和相位,并在跳跃连接中引入注意力机制聚焦于更重要的特征信息,抑制无关信息。实验结果表明,所提模型能有效抑制干扰、提高目标的信噪比(Signal to Noise Ratio, SNR),在评价指标上均优于基线方法。     

运动平台雷达信号相互干扰研究

当雷达间距离过于靠近时，可能存在着相互干扰。文中首先介绍了运动平台防止雷达信号相互干扰而采取的措施，然后介绍了几种典型的雷达信号及其表达形式，研究了它们本身以及相互之间的干扰问题，通过仿真得到了一些定量的数据，分析表明通过对雷达信号的优化设计可以减小它们之间的相互干扰，从而克服雷达间的相互影响。     

基于复值深度神经网络的目标检测方法

针对雷达在检测概率要求严苛的多旁瓣干扰复杂场景下使用传统目标检测方法无法满足需求,性能有待进一步提升的问题,本文提出了一种基于多通道复值深度神经网络的雷达目标检测方法。传统脉冲体制阵列雷达的恒虚警率目标检测通常在和通道进行,在对回波信号进行空域相参预处理过程中获得了相参积累的同时丢失了阵元间的相位信息,而实际上目标回波在阵元间存在着一定的相位关系。本文利用神经网络强大的拟合能力和分类能力,将目标检测视为二元分类问题,设计复值深度神经网络深入挖掘目标与背景在不同阵元间的幅度及相位信息差异,从而在传统目标检测和通道-距离-多普勒空间的更前端更好地区分目标与背景的差异,提升了雷达目标检测性能。实验结果显示,所提方法在存在大量旁瓣干扰的场景下,相较传统方法具有更好的检测性能表现和抗干扰能力,且在杂波环境中也有良好的表现。      

一种FSK/BPSK复合调制雷达脉冲信号识别技术

在电子对抗领域,信号调制方式识别是进行雷达分选、干扰施放的基础,得到广泛研究。对此,文中提出了一种以信号频谱相像系数和幅度统计参数为分类特征的FSK/BPSK复合调制雷达脉冲信号识别算法。算法首先提取雷达脉冲信号的频谱相像系数和幅度统计参数,然后采用分层结构的神经网络分类器进行识别。该算法不仅能识别FSK/BPSK复合调制信号,且对其他常用雷达信号调制方式的识别不产生干扰。仿真结果表明,针对FSK/BPSK以及CW、LFM、BPSK、QPSK、FSK等常用雷达信号调制类型,在信噪比＞5 dB时,分类正确率可达98%以上。     

高频雷达干扰特性研究

高频雷达工作在短波波段(3 MHz~30 MHz),该频段内干扰种类繁多且形式复杂,成为影响雷达目标检测性能的主要因素之一。文中通过理论推导和实录雷达回波数据的统计分析,对高频雷达各种外部干扰的产生机理和特性进行了分类和研究。研究结果为针对不同类型干扰,寻找有效的抑制方法提供了参考。     

基于AlexNet的雷达干扰识别方法研究

针对复杂电磁环境下雷达对干扰信号的分类识别问题,研究了射频噪声干扰、噪声调幅干扰、噪声调频干扰、匀速距离波门拖引干扰、速度波门拖引干扰的Choi-Williams Distribution(CWD)时频图像,采用深度学习中的AlexNet卷积神经网络模型自动提取图像各种特征细节,从而实现雷达干扰信号的分类识别.仿真结果表明:在干噪比为-10～0 dB的范围内,网络的识别率随干噪比的增加而迅速提高,干噪比为0 dB以上识别率基本接近100％;在全干噪比范围下,网络的识别正确率为99.25％,识别效果良好.     

基于一维卷积神经网络的HRRP雷达目标分类方法

雷达一维高分辨距离像(high resolution range profile, HRRP)信号能够反映目标的结构信息,且具有易于获取的优势,因此利用雷达HRRP回波信号对目标进行分类识别获得了广泛的关注。传统的分类识别方法大多基于提取人工设计的特征然后利用分类器进行分类。然而人工设计提取的特征依赖于专家的先验知识,且人工设计的特征在识别性能上已经趋于平稳。本文将神经网络引入HRRP分类识别中,提出一种基于一维卷积神经网络的HRRP雷达目标分类识别方法。所提方法根据HRRP数据的形式,采取一维的神经网络算子构成一维卷积神经网络。且在网络主体采用一种纺锤形状的残差结构,该结构能够在提取深层抽象特征的同时有效减轻梯度消失和梯度爆炸问题。所提方法在多个数据集上相比于传统对比方法取得了更好的分类识别性能。     

基于红外与雷达的夜间无人车驾驶决策方法

速度与方向的决策建议是夜间无人车驾驶研究的关键,针对夜间无人车速度与方向决策,基于红外图像与雷达信息,提出了一种包含深度信息的红外图像多任务分类网络用来给出速度与方向决策.通过红外摄像头及雷达采集的数据训练深度网络,其中雷达采集的深度图像作为训练标签,采用卷积-反卷积神经网络来进行红外图像的深度估计,进而获得深度信息.利用深度信息制作分类网络训练标签,通过AlexNet分类网络得到速度决策建议.再根据红外图像的道路信息训练方向分类网络,将无人车的驾驶决策问题转化为分类模型,并将分类模型与深度估计网络相结合.实验结果表明,网络的角度准确率及速度准确率分别为87.43%和85.89%,并且利用训练得到的模型对图像进行决策的时间为0.04 s/帧,能够达到实时性的要求。     

一种基于分布式穿墙雷达的复杂条件下人体目标检测方法

超宽带雷达由于具有距离分辨率高、穿透性强等特点,被广泛应用于废墟下的人体救援.然而,在复杂的环境条件下,依靠单台雷达对被困人员进行检测是一个巨大的挑战.该文基于分布式穿墙雷达系统,提出一种低信噪比条件下的人体目标自动检测方法.首先,两台超宽带脉冲雷达分时交替进行工作,从而避免探测时的互相干扰;然后对两台雷达的回波数据进...     

天线相对转速对雷达主瓣互扰概率影响的研究

两部舰载雷达天线的主瓣对准时将产生严重的电磁干扰现象,并造成舰载雷达作战效能的下降。针对这一问题,本文分析了雷达在空域上产生互扰的条件及雷达天线转速与主瓣互扰的关系,建立了在不同条件下雷达主瓣互扰概率的数学模型。用Matlab对该模型进行仿真分析,得出雷达间互扰概率随天线相对转速的变化图,最后提出降低主瓣互扰概率的具体措施。     

脉冲多普勒雷达同频干扰研究

在雷达网络化探测和舰艇编队中,雷达之间的同频干扰是影响装备作战效能发挥的重要因素。针对脉冲多普勒体制雷达之间的同频干扰问题,提出了脉冲多普勒体制雷达同频干扰模型,并针对同频同步干扰和同频异步干扰两种情况进行仿真分析,仿真结果表明所提出的同频干扰模型能够有效地对脉冲多普勒雷达之间的同频干扰进行定量分析评估,同时表明脉冲多普勒雷达可通过严格时序控制,降低雷达之间的同频干扰。研究结果对脉冲多普勒雷达同频干扰分析和多雷达优化组网探测体系设计具有指导作用。     

三坐标雷达阵地选择研究

本文提出了三坐标雷达阵地选择的基本原则,指出了选择三坐标雷达阵地时应考虑的三个因素,即对雷达威力的限制、测高精度误差和电磁兼容性等,阐述了雷达阵地条件对以上三个因素的影响,并从雷达架设高度、多路径效应和同频段雷达的相互干扰等方面进行了叙述,为不同阵地环境下雷达威力的发挥、测高性能的评估和阵地布站的优化提供了参考。     

Demonstration of a Network of Simultaneously Operating Digital Noise Radars [Measurements Corner]

Search and rescue following a natural disaster is a difficult problem, exacerbated by the cluttered environment obscuring human victims. It is well known that UHF radar-frequency radiation can penetrate the types of materials typically found in these situations with relatively little loss. This paper discusses the development of a network of digital noise radars, designed to operate in that frequency range to locate and track human movement through walls and rubble. Each individual noise radar works by cross correlating the received signal with a replica of the transmit signal. A high correlation indicates the range to the target. This noise radar design makes use of the software radar concept by converting the analog transmitted and received signals to digital signals. With the signals in digital form, the cross-correlation process can be accomplished in software. A network of three digital noise radars was developed. The three radars operated simultaneously in the same frequency range, without interference, to triangulate the (x, y) position of a target within a room. The results showed that the network of radars was capable of locating and tracking a human through an obscuring wall.     

基于测速误差的雷达间电磁干扰判决方法

为了更好地判定雷达间电磁干扰对雷达性能的影响程度,分析了传统干扰余量判决方法的不足,在雷达受到干扰的情况下建立了雷达测速误差的计算模型,并以3种典型雷达信号为例推导了测速误差与信干比的定量关系.仿真实验结果表明:随着信干比的不断增大3种信号的测速误差逐渐降低,当信干比由0 dB增加到20 dB时,矩形脉冲信号和线性调频...