基于最小二乘法的雷达辐射源精确识别指标权重确定方法

雷达辐射源精确识别技术通过提取辐射源个体的固有指纹特征,可以在低信噪比、电磁信号密集的复杂电磁环境中对辐射源个体进行准确、有效识别,被广泛应用于电子情报侦察中.但目前的指纹特征赋权主要依靠专家经验,缺乏客观性.运用最小二乘法优化模型,对提取的指纹特征权值进行了分析计算,提高了辐射源精确识别指标权重确定的准确性、科学性及使用价值.     

基于脉冲包络前沿高阶矩特征的辐射源个体识别

雷达脉冲包络分析是雷达辐射源识别的常规方法,但常规的包络识别方法很难适应实际需要,无法有效地对雷达辐射源信号进行分类识别.提出了以脉冲包络前沿波形的高阶矩特征作为辐射源的"指纹"特征,进行雷达辐射源个体识别的思路.利用脉冲包络前沿波形的高阶矩特征受高斯噪声影响较小的特点,提高了辐射源个体特征参数的有效性.理论分析和实验结果表明利用雷达脉冲包络前沿波形的高阶矩特征可以较好地进行辐射源个体识别.     

基于谱特征的雷达信号脉内编码调制样式识别

提出一种基于谱特征分析的雷达辐射源信号自动识别新方案。首先研究了几种常见雷达辐射源信号的频谱特征,给出了频谱函数的详细的数学表示和仿真图像;其次通过对信号频谱、二次方谱、四次方谱峰值特性分析,根据谱峰数目不同的特征提出一种快速自动识别方案;最后设计了识别流程图并仿真验证了该方案。仿真结果证明,该方法能够有效识别常规脉冲信号、频率编码信号、相位编码信号,且具有很好的低信噪比适应能力。     

一种敌我识别辐射源暂态信号指纹特征提取方法

信号的指纹特征是辐射源个体识别的重要依据。针对敌我识别辐射源的个体识别问题,提出了一种基于双树复小波和多重分形的信号暂态特征提取方法。该方法通过双树复小波变换实现信号多分辨率分解,求解分解信号Hilbert谱的信息熵和指数熵,计算信号的多重分形奇异指数和谱值,最终组成表征辐射源的特征向量。通过实验验证,提取的特征向量能充分代表辐射源个体之间的差异;被测信号的信噪比满足8 dB或9 dB的条件时,对辐射源的识别正确率能达到90%以上。统计分析表明该方法提取的特征具有很高的稳定性。     

一种稳健的通信辐射源个体识别方法

通信辐射源个体识别是目前通信对抗领域研究热点与难点问题,相对于雷达辐射源,通信辐射源信号弱、瞬时特征不明显导致个体识别更复杂、更困难。利用通信辐射源信号的长时谱统计特性,提取信号功率谱峰值特征和包络模板,构造通信辐射源个体特征向量,通过朴素贝叶斯分类算法与个体特征矢量相结合,在训练样本数目足够大的条件下可进行有效识别。测试实验表明,识别方法稳健有效,可在信噪比5 d B情况下实现93.7%的正确识别概率。     

多网络联合识别辐射源个体的优化方法

针对辐射源指纹特征间差异细微且受噪声干扰容易导致识别率下降的问题,提出了一种基于stacking方法集成多个异构网络识别结果的辐射源个体识别优化算法。利用不同网络结构在低信噪比条件下提取指纹特征的差异性,多个异构网络集成各自的预测结果能够提升对指纹特征的提取能力。同时为避免分类准确率提高造成模型规模过大,本文使用网络规模小且结构差异较大的EfficientNets系列异构网络作为基础网络。实验首先在高斯信道条件下验证了基础网络能够有效识别功率放大器杂散噪声,之后利用stacking等优化算法改进模型整体的性能。结果表明,本方法能够进一步利用信号指纹特征之间差异,与其他方法相比对辐射源个体有更高的识别率。      

舰载ESM多径增批信号识别研究

多径信号是导致“增批”现象的主要原因之一，受海面反射影响，舰载雷达侦察设备（ESM）更容易接收到多径信号，多径增批信号给信号识别带来了干扰，如果能够从接收信号中挑选出多径增批信号，不仅可以减少信号识别干扰，还可以利用多径增批信号获取目标更多的信息。为了正确识别多径增批信号，选择脉冲初始相位这个脉内指纹特征进行研究，构造了解析信号，利用希尔伯特变换求解解析信号虚部，由解析信号计算脉冲瞬时相位，通过搜索计算疑似多径脉冲配对之间的相位差来识别多径增批信号。仿真实验验证了方法的有效性。     

基于Welch功率谱和卷积神经网络的通信辐射源个体识别

针对低信噪比条件下通信辐射源个体识别率低的问题,提出了一种基于Welch功率谱和卷积神经网络的通信辐射源个体识别方法.构建了由20个基于ZigBee协议的物联网设备组成的测试平台,将ZigBee信号前同步码部分的Welch功率谱数据作为辐射源指纹特征送入卷积神经网络进行分类.该方法在低信噪比条件下很好地保留了辐射源的指纹特征,结合卷积神经网络强大的微特征提取能力,对辐射源进行了有效分类.实验结果证明,在瑞利信道及低信噪比条件下,所提方法的识别效果明显优于其他方法.     

基于KNN和雷达辐射源脉间参数的舰船目标个体识别方法

针对同型多目标位置接近无法有效区分的问题,提出了一种基于KNN和雷达辐射源脉间参数的舰船目标个体识别方法.根据雷达辐射源脉间参数计算待识别雷达信号与已识别雷达信号的参数关联度,若关联度小于阈值则认为是不同雷达,否则认为是同型雷达则利用最近邻分类算法通过计算待识别雷达目标位置点与已识别雷达目标历史航迹点的距离来判决待识别...     

基于改进相像系数和奇异谱熵的雷达信号分选

脉内特征提取是新体制雷达辐射源信号分选的关键问题,文中针对现有方法分选准确率不高和对噪声敏感的问题,提出了一种基于高次频谱相像系数和频域奇异谱熵特征的分选新方法,实现了低信噪比下雷达辐射源信号的高准确率分选。对接收到的信号提取高次频谱相像系数特征以及奇异谱熵特征,并将两者作为分选的联合特征向量,运用K means聚类算法实现对不同调制方式的雷达辐射源信号的分选。仿真结果表明：改进后提取的信号特征类间的分离度大且受噪声影响程度小,在信噪比为-2 dB的情况下,该算法的总体平均分选准确率在85％左右,不同调制类型信号间的分选准确率最低为80％。与现有方法相比,文中提出的算法具有更好的信号识别效果。     

基于扩张残差网络的雷达辐射源信号识别

针对低信噪比条件下,复杂多类雷达辐射源信号识别存在特征提取困难,识别正确率低的问题,本文提出了一种基于时频分析和扩张残差网络的辐射源信号自动识别方法.首先通过时频分析将信号时域波形转换成二维时频图像以反映信号本质特征;然后进行时频图像预处理以保留时频图像完备信息,适应深度学习模型输入;最后构建扩张残差网络以自动提取信号时频图像特征,实现雷达辐射源信号分类识别.实验结果表明,信噪比为-6dB时,该方法对16类雷达辐射源信号的整体识别正确率能够达到98.2%,对时频图像特征相似的类LFM（Linear Frequency Modulation）信号的整体识别正确率超过95%.本文提供了一种新的雷达辐射源信号智能识别方法,具有较好的工程应用前景.     

基于双谱的射频指纹提取方法

研究了基于通信辐射源射频指纹(RFF)的同类型设备分类识别理论,通过提取通信信号的围线积分双谱值来作为设备个体识别的特征向量,使用支持向量机(SVM)分类器进行识别。构建辐射源识别系统,并使用实测信号进行仿真测试。结果显示该方法具有稳定的识别效果,且在信噪比(SNR)为-22 dB时,系统可以达到接近90%的分类识别准确度。这说明本文提出的基于双谱的RFF提取方法有效。     

雷达辐射源个体识别设备的框架研究

从工程应用出发，运用雷达信号指纹特征分析技术，对雷达辐射源个体识别设备的设计与实现进行研究，提出一种可以实现雷达辐射源个体识别的设备框架模型。     

脉冲和脉冲多卜勒雷达信噪比计算

低脉冲重复频率(PRF)脉冲雷达信噪比(S/N)的计算方法,通常是先算单一脉冲的信噪比,然后将此比值乘以积累脉冲数来得到一给定目标照射时间内的信噪比。高脉冲重复频率脉冲多卜勒雷达,一般是以发射信号频谱中心谱线功率为目标回波功率来计算雷达信噪比的,因为在这种雷达接收机中,必须保留发射信号频谱的中心谱线,而把那些PRF谱线去掉。本文所指出的两种雷达信噪比的计算方法,对匹配的发射-接收雷达系统是完全等效的。     

以贴近度为基础的雷达信号个体识别方法研究

经济社会的腾飞发展,也带动了科学信息技术的进步.雷达就是运用无线电技术来实现信息存储的,因此雷达又称作是“无线电定位”.近年来,国家加深加快了对雷达信号的探索,雷达信号的个体识别更是作为重点课题进行研究.以贴近度为标准的雷达辐射源个体识别技术,最关键的是雷达“指纹”特征数据的选取、高精度测量以及识别算法.本文就将从雷达辐射源个体识别的信号概念,分析贴近度对于雷达信号的重要性,展开雷达信号个体识别方法的研究.     

基于脉冲上升沿的雷达个体识别方法

雷达个体识别即雷达指纹识别,是雷达对抗侦察的最终目的,也是现代电子对抗领域的难点.目前在用哪些物理量可以表征雷达信号的指纹特征问题上还存在争论,没有系统的理论.从脉冲包络上升沿方面进行分析研讨,提出一种利用上升沿进行基于多脉冲乃至单脉冲的雷达个体识别方法.仿真结果表明.在一定信噪比下该方法具有可行性.     

基于全球定位系统的无源雷达多径干扰抑制研究

基于全球定位系统(GPS)辐射源的无源雷达,利用目标对GPS的反射信号工作,由于利用的是非合作信号,因此干扰抑制是此类雷达信号处理的重要研究内容.在本文的研究中,提出采用功率倒谱分析法对多径干扰进行分离.仿真结果结果表明,所采用的方法能很好的抑制多径干扰,为此类雷达的信号处理系统的设计提供了仿真依据.     

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。     

一种雷达辐射源智能个体识别的方法

针对使用传统的卷积神经网络及低信噪比环境下雷达辐射源智能个体识别研究中识别性能不够的问题,提出了一种基于短时傅里叶变换(STFT)和EfficientNet的雷达辐射源个体识别方法。首先对雷达信号进行短时傅里叶变换,提取时频特征,然后利用EfficientNet中多个MBconv模块对不同时频特征图像的叠加,挖掘出信号图像隐含的更加复杂和抽象的深层次时频特征,包括信号强度的分布、时频模式、周期性变化等,从而完成个体分类识别。EfficientNet可以同时改变网络深度、宽度、图像分辨率3个参数,解决了梯度消失、梯度爆炸等问题。实验结果表明,基于STFT和EfficientNet的雷达辐射源智能个体识别的方法,相比于传统卷积神经网络在低信噪比环境下具有更好的识别性能。     

基于对角切片特征提取和深度学习的辐射源识别

针对复杂电磁环境下辐射源识别率低的问题，提出基于对角切片特征和深度学习的辐射源识别算法。利用辐射源信号双谱的个体特性，提取信号双谱对角切片特征作为深度学习模型的输入数据，采用Softmax分类器进行辐射源识别。仿真实验利用两部同型辐射源进行测试，结果表明该算法能识别个体辐射源，在低信噪比条件下也能获得高的辐射源识别率；相比于其他识别算法，双谱对角切片特征有更鲁棒的分辨性。