共查询到20条相似文献,搜索用时 109 毫秒
1.
雷达信号分选指从混叠雷达信号数据中分选出属于各单部雷达辐射源发射的雷达信号.随着雷达技术快速发展,雷达核心属性分布不均、重叠度高、变换复杂,而且数据采集过程不稳定,导致传统自动化分选方法准确率不高.文中介绍了一种自动化分选和交互式分选结合的雷达信号监控数据可视分析方法;提出了一种改进的雷达信号自动化分选方法,结合核密度估计、密度聚类和排列熵技术对数据进行分区式聚类和量化结果评价;设计了一个可视分析原型系统,提供了可协同分析的多可视化视图和简单易用的交互手段,以直观地展示雷达信号分布情况和自动化分选结果,帮助用户参与整个信号分选过程. 相似文献
2.
3.
4.
针对修正的PRI变换法无法分选重频参差雷达信号的缺点,提出了一种基于PRI谱的双门限雷达信号分选算法.该算法先对PRI谱设定双门限检测各个准PRI,再结合组合查看及序列搜索提取各个PRI.同时,构建了一种预分选、主分选结合的新型分选平台.预分选利用带有PowerPC的FPGA构架片上系统,完成对脉冲雷达信号的实时测量、AOA分类及数据存储;主分选采用DSP专职完成其他维参数的分选算法.谊分选新算法在保留抑制PRI子谐波优点的同时,对重频固定、抖动和参差的雷达脉冲信号都有较好的检测结果.视频信号源的大量测试表明,谊分选平台对普通雷达、PRI抖动和参差雷达、频率捷变雷达及一些特殊雷达均具有较好的分选能力. 相似文献
5.
6.
雷达分选是雷达信号处理中的重要环节。为了解决从复杂电磁环境中准确分选出各个雷达信号的难题,提出一种新的基于网格密度峰值的数据流聚类算法,并将其应用于对雷达信号脉冲描述的实时聚类,从而进行雷达分选。该算法采用双重网格划分方式,解决传统基于网格的聚类算法中边界丢失的问题,并采用基于改进密度峰值的网格合并方式进行聚类避免将距离较近的类合并。仿真实验结果表明,该算法可以用于实时雷达分选,很好地处理了重叠严重的雷达信号,有较高的准确度和抗干扰能力。 相似文献
7.
未知雷达信号的分选一直是雷达对抗情报处理中的难题。因此,提出了一种新的基于数据势场聚类的未知雷达信号分选方法。该方法无需预先指定分类数,利用信号参数之间的关联性自动进行聚类,以此达到分选的效果。同时方法适宜于处理大量数据,对噪声影响不敏感,无需先验知识支撑。最后,通过计算机仿真验证了该方法的可行性和有效性。 相似文献
8.
UML作为软件工程领域的标准建模语言得到了业界的广泛支持,并日渐成为系统分析中的一种标准建模语言.建模就是用图表从技术层次表达系统的各个方面功能.实时统一建模代表着雷达软件设计的一个发展方向,该文介绍了UML工具并使用了UML的用例图、活动图以及类图对雷达信号发分选系统的软件设计进行了分析建模,给出了雷达信号发分选系统的软件设计的用例模型、静态模型和动态模型. 相似文献
9.
11.
基于高斯平滑与模糊函数等高线的雷达辐射源信号分选 总被引:1,自引:0,他引:1
雷达辐射源信号分选是电子侦察系统、威胁告警系统的关键步骤.针对现有基于模糊函数的复杂体制雷达辐射源信号分选方法信息利用率低、易受噪声影响等问题, 提出一种基于模糊函数等高线的分选新方法; 首先, 对信号的模糊函数进行高斯平滑处理并绘制其等高线作为进一步的特征提取对象; 其次, 从图像处理的角度提取正外接矩和方向角作为雷达信号分选的特征向量; 最后, 用核模糊C均值聚类算法对特征向量进行分选.仿真实验表明, 所提方法在8 dB以上的固定信噪比环境下分选6类典型信号的成功率均为100 %, 即使在0 dB环境下, 分选成功率也保持在89.04 %以上; 在0 ~ 20 dB动态信噪比环境下分选成功率达到96.36 %.实测数据验证, 所提特征提高了5种外场辐射源信号的分选效果, 可作为经典5参数的有效补充. 此外, 所提特征还具备较低的计算量, 提取单个信号特征的耗时仅为0.24 s, 具有一定的工程价值. 相似文献
12.
分析了脉冲重复间隔(PRI)变换算法和小渡变换算法的基本原理,针对两种算法在雷达信号分选中的优缺点,提出了一种基于PRI变换和小波变换相结合的雷达信号综合分选方法。该方法首先利用PRI变换对雷达信号粗分选,然后应用小波变换进行细分选。仿真结果表明,在信噪比不低于10dB的条件下,该方法准确可行。 相似文献
13.
在雷达侦察系统工作过程中,对表征敌方雷达信号特征的参数进行测量是后续进行信号分选和辐射源识别的前提条件;首先介绍了相位差测频和相位干涉仪测向的基本原理,然后对常用于表征雷达信号特征的参数的测量过程建立了数学模型,最后对建立的数学模型进行了仿真验证;仿真的结果表明,建立的数学模型能够有效地模拟雷达侦察系统对雷达信号参数的测量。 相似文献
14.
15.
针对深度神经网络能自动学习数据深层特征的优点进行了研究,提出一种基于深度信念网络的信号分选方法,来解决传统雷达信号分选中人工提取特征的耗时、特征冗余等问题。通过堆叠多层的深度模型对原算法进行改进,克服单一模型学习力的不足,对不同信号的本质特征进行深入学习,融合各个深度模型的后验概率进行分类决策,从而进一步提高了信号的识别率。采用改进方法对七种不同类型的雷达信号进行分选识别,并与其他信号分选方法进行对比,实验结果表明,该方法取得了更好的分类效果,展现出较强的学习数据本质特征的能力,从而验证了算法的有效性和优越性。 相似文献
16.
基于PRI变换的雷达信号分选 总被引:2,自引:0,他引:2
雷达信号分选是电子对抗的关键技术,而脉冲重复间隔是雷达信号分选的关键参数。目前基于PR I参数提出了很多分选方法。传统的PR I变换法对脉冲重复间隔具有很高的估计精度,它克服了直方图统计法中的子谐波问题,但是它的抗抖动能力很差。该文引入的修正的PR I变换法针对传统PR I变换法的缺点,利用可变的时间起点避免了相位因子的相位差,利用重叠的PR I箱增加PR I箱宽度,有效地克服了传统PR I变换中的缺点。此外,文中还给出了相应的门限设定方法和快速的脉冲抽取算法。仿真表明,该修正的PR I变换算法对固定PR I、抖动PR I和参差PR I脉冲序列都有较好的估计效果,它是精度较高的雷达信号分选方法。 相似文献
17.
针对航空雷达信号分选中侦察装备普遍存在的信号分选实时性差,分选结果经常出现增批、漏批现象的缺点.为了提高侦察系统在复杂电磁环境下准确快速的分选出雷达辐射源信号,根据径向基(RBF)神经网络通过理想数据训练后能够对未知数据进行分类的特点,将径向基神经网络算法用于对航空雷达侦察信号的分选,在此基础上提出了一种新型多二维径向基神经网络结构,通过与BP网络、RBF网络的对比,多二维径向基神经网络的识剐率优于其它几种网络,而且其结构便于实现.通过试验结果可以得出,多二维径向基神经网络能够提高雷迭信号分选的准确率. 相似文献
18.
19.
20.