应用双谱分析和分形维数的雷达欺骗干扰识别

为解决频谱弥散干扰(SMSP)和切片组合干扰(CI)2种干扰类型的识别问题,提出了一种利用双谱分析和分形维数的干扰识别方法。首先对零中频处理后雷达接收信号进行双谱分析,得到接收信号的三维双谱信息;然后通过降维方法把三维信息变换成二维特征曲线,以减小干扰识别的计算量;最后提取二维曲线的盒维数和信息维数2个特征参数,通过支持向量机对干扰识别率进行检验。仿真结果表明:在一定的噪声背景下,该识别方法能够较为稳定地识别不同干扰形式;在信噪比为0dB的条件下,干扰的识别成功率能够达到88%以上,证明了干扰识别方法的有效性。     

基于Zernike矩和双谱特征的新型干扰识别算法

为了有效应对频谱弥散干扰(SMSP)和切片组合干扰(CI),提出了一种利用Zernike矩和双谱分析的干扰识别方法。首先对雷达接收信号进行双谱分析,经过降维和归一化处理后,将三维双谱信息转化为二维特征信息,然后将得到的二维特征谱变为灰度图,运用数字图像处理技术对灰度图进行一系列的预处理后,利用Zernike矩特征提取图像的形状特征进行识别。仿真实验证明该方法具有较好的识别率,特别是受信噪比影响较少,且在低信噪比下识别率仍能达到90%。通过与文献[4~6]比较表明,该算法识别效果最好,进一步说明了采用该算法在雷达干扰信号识别领域中的可行性。     

认知无线电Underlay模式下MQAM信号的调制识别

针对传统的认知无线电Underlay中时频重叠MQAM信号调制识别方法性能低的问题,提出了一种采用时频分析图像纹理特征的时频重叠信号调制识别方法。首先对接收到的时频重叠MQAM信号做频率切片小波变换得到时频分析图像,并选取纹理差异明显的切片部分进行灰度化处理,然后通过提取时频分析图像的灰度-梯度共生矩阵特征,最后利用径向基函数神经网络分类器有效地实现了时频重叠MQAM信号调制方式的识别。仿真结果表明:在信噪比为4dB下,所提出的方法的平均识别率可达到95%以上;在信噪比大于0dB时,所提方法的识别性能优于基于高阶累积量的识别方法。     

多类型的雷达有源干扰感知新方法

针对雷达有源干扰可识别的类型有限且识别效果欠佳的问题,提出了一种多类型雷达有源干扰识别新方法。该方法首先利用变分模态分解对雷达有源干扰信号进行分解,得到具有不同中心频率带宽有限的固有模态分量,然后分别计算每个固有模态分量相应的矩形积分双谱,并计算其Renyi熵以组成特征参量,最后采用随机森林分类器将多个随机决策树的结果取众数,从而实现了雷达有源干扰类型的识别。仿真结果表明,所提方法不但能够有效地识别多种不同类型的雷达有源干扰,而且具有良好的抗噪声性能和稳健性。与基于熵理论的识别方法和基于时频特征的识别方法相比,当信噪比为5 dB时,压制式干扰识别率分别提高了0.33%和1.75%;与基于时频图的识别方法和基于时频分布的识别方法相比,当信噪比为0 dB时,拖引欺骗干扰识别率分别提高了3.89%和5.06%。     

数字通信信号调制方式识别算法的改进研究

为克服数字通信信号调制方式识别算法识别类型少,步骤复杂,识别率低等问题,在已有识别算法的基础上,通过对信号特征参数的分析和提取,提出一种基于决策理论的数字通信信号调制样式识别的改进算法。该算法通过比较不同信噪比下特征参数的取值概率直方图,选择判决门限值。同时,应用最大似然法则,并采用了可变的判决门限值,以得到最佳判决门限。研究结果表明,在信噪比（SNR：Signal to Noise Ratio）为10 dB时,算法的正确识别率达到96%以上,可识别包括噪声在内的7种信号,且信噪比为6～15 dB时,该算法的正确识别率不低于92%。     

一种基于复杂性测度的干扰样式识别方法

提出了一种基于复杂性测度的干扰样式识别方法．该方法首先分析接收信号的分形维数和LZ复杂度．通过使用一定数量样本,获得每种干扰样式分形维数和Lz复杂度分布的均值中心和方差．然后采用指数距离计算待识别样本与每种干扰的均值中心和方差的距离,按最小距离原则来对干扰样式进行识别．最后给出了仿真结果及结论．     

正交频分复用系统中的一种部分频带干扰抑制方法

针对传统正交频分复用系统对部分频带干扰敏感的问题,提出了一种结合线性星座预编码的部分频带干扰抑制方法.该方法通过估计受到强干扰影响的子载波位置并将该类子载波接收信号置零来构造不含强干扰分量的判决统计量.利用线性星座预编码优异的分集特性,将该统计量用于检测可恢复发送数据且消除强干扰的影响.相对于已有的编码正交频分复用及载波干涉正交频分复用两种干扰抑制方案,该方法对部分频带干扰有更好的鲁棒性,在强干扰下没有误码率底限.仿真结果表明,当信干比为-10 dB时,该方法的误码率随信噪比增加迅速减小,在信噪比达到20dB时误码率可降至10-3.     

虚拟通道扩展的引信欺骗干扰盲分离算法

为滤除引信接收信号中的欺骗干扰,研究了基于虚拟通道扩展的过渡干扰滤除FastICA(TJE-FastICA)和双系统FastICA(DS-FastICA)算法.算法利用不同周期接收信号特性以及信号非圆性来扩展单通道,并对传统FastICA进行噪声抑制改进,在此基础上提出了利用接收信号的循环相关输出幅值统计特性来剔除过渡干扰的TJE-FastICA算法,以及利用两个盲分离系统对分组信号同时分离的DS-FastICA算法.仿真结果表明,提出的算法明显优于正交投影算法和直接盲分离算法,DS-FastICA比TJE-FastICA具有2.5 dB的优势,且当信噪比R_SN>7.5 dB时,两算法分离的回波信号相似度均在80%以上,DS-FastICA的分离时间比TJE-FastICA算法快91%.      

栈式降噪自编码器在辐射源信号识别中的应用

针对传统辐射源信号识别方法在低信噪比条件下提取特征困难且识别率低的问题,提出了一种基于短时傅里叶(STFT)变换和栈式降噪自编码器(sDAE)的识别系统。首先对雷达辐射源信号进行短时傅里叶变化,然后对时频图像进行一系列预处理,将处理后的图像输入到栈式降噪自编码器中,将提取的特征输入到softmax分类器中,完成分类识别。通过仿真表明:该系统在SNR=-10dB的时候,识别率能够达到80%以上,在低信噪比的情况下,识别效果明显优于传统识别方法。     

基于模糊函数主脊切片和深度置信网络的雷达辐射源信号识别

雷达辐射源信号识别是电子侦察系统的关键组成部分,为了提高低信噪比条件下对低截获概率雷达信号识别的准确率,提出了一种基于模糊函数主脊切片(MRSAF)与深度置信网络(DBN)的雷达辐射源信号识别方法。首先对雷达信号进行奇异值分解(SVD)进行降噪预处理,求解雷达信号的模糊函数并提取其主脊切片包络,采用奇异值分解方法降低噪声对主脊切片包络的影响,然后建立基于受限波尔兹曼机的DBN模型并运用标签数据有监督微调模型参数完成训练,最后基于该算法模型实现辐射源信号的分类和识别。仿真结果表明:该方法在低信噪比条件下也有较高的识别率,信噪比高于-4dB时,识别率可以达到90%以上,验证了本算法的有效性和应用价值。     

一种基于正交脉冲分集的ISAR欺骗干扰消除与识别方法

延时转发欺骗性干扰是针对逆合成孔径雷达(ISAR)成像的一种重要干扰方法,为了对抗干扰产生的假目标,提出一种基于正交脉冲分集的ISAR欺骗干扰识别与消除方法。首先建立了逆合成孔径雷达干扰信号模型,研究并给出了针对此干扰的正交脉冲设计应当满足的约束条件,通过设计一组半正交化的脉冲实现了对于延迟转发欺骗干扰的消除与识别。该方法通过对逆合成孔径雷达波形的正交化设计,可以检测并消除延时转发干扰产生的假目标,实现相应的逆合成孔径雷达抗干扰。最后通过仿真实验在20 dB的干信比条件下,产生了0.3倍峰值的旁瓣波形,并成功得到ISAR图像。同时在5 dB以上的高信噪比条件下,将文中方法与已有方法进行对比,ISAR图像的峰值信噪比提升了约5 dB,验证了所提方法的有效性。     

一种基于卷积神经网络的雷达干扰识别算法

干扰识别是雷达抗干扰的前提,但是基于特征参数的识别方法受噪声影响大,且参数的特征提取只是发生在某一脉冲重复周期内,难以识别一些具有时序关系的干扰信号.然而利用特征去识别干扰的思路是可行的,据此,本文提出一种利用两个卷积神经网络级联的干扰类型判别方法,此方法基于信号的伪Wigner-Ville分布,分别利用单周期时频图像完成干扰预分类,多周期合成时频图像完成干扰细分类,实现了8种典型干扰样式的识别,尤其适用于拖引干扰的识别.实验结果表明,在本文生成的数据集上,8种干扰的平均识别正确率达到了98%以上.      

伪码调相与正弦调频复合调制脉冲串引信压制性噪声调频干扰效果分析

研究压制性噪声调频干扰对PRCPM-SFM复合调制脉冲串引信的干扰效果.建立了复合引信干扰效果分析模型,推导了该复合引信相关器输出信号在压制性噪声调频干扰下总的信干比增益,提出了以该信干比增益为评估指标的压制性噪声调频干扰效果评估方法,分析讨论了影响干扰效果的几个因素.结果表明,合理利用这些因素,可以有效地提高压制性噪声调频干扰对PRCPM-SFM复合调制脉冲串引信的干扰效果.     

基于独立分量分析的跳频通信抗梳状阻塞干扰方法

针对梳状阻塞干扰对跳频通信造成严重影响的问题,根据跳频信号与梳状干扰的统计独立特性,将独立分量分析引入跳频通信抗干扰之中,提出了基于独立分量分析的跳频通信抗梳状干扰方法。围绕输出信号的统计独立性构建对照函数,利用对照函数引导分离矩阵迭代,进而将分离矩阵作用于接收混合信号,实现跳频信号与干扰信号的有效分离。仿真结果表明：提出的方法可有效提高跳频通信对抗梳状阻塞干扰能力;当误码率为10-3时,提出的方法可使跳频通信的抗干扰能力提升约8 dB。     

Removal of jamming using independent component analysis in non-cooperative passive detection system

Due to electronic jamming transmitted by hostile electronic jamming equipments and unintentional jamming from other illuminating sources in the complex electromagnetic environment,the performance of non-cooperative passive detection systems may degrade it significantly.To solve the problem,a receiving frame with multiple channels for signal preprocessing is designed and a theoretical analysis to the received signals in the complex electromagnetic environment is provided.Furthermore,a scheme for jamming removal using independent component analysis is proposed.Simulation results demonstrate the proposed scheme appears as a very appealing solution for removal of jamming and an approximate 10 dB signal to distortion ratio over traditional schemes is obtained.     

噪声调幅干扰下伪码调相引信启动概率分析

研究了噪声调幅干扰对伪码调相引信启动概率的影响.从理论上推导了瞄准式噪声调幅干扰下伪码调相引信的启动概率,仿真分析了影响引信启动概率的因素.仿真结果表明:增加引信接收机输入干信比、减小干扰信号带宽、提高噪声有效调制系数和噪声质量因数,能够降低伪码调相引信的启动概率;合理地降低伪码调相引信启动门限电平、增加码长、减小码元宽度和多普勒频率,能够提高伪码调相引信的启动概率.     

时频分析和Fisher聚类的转发式干扰抑制算法

针对雷达对抗中转发式欺骗干扰的抑制问题,提出了一种基于时频分析和Fisher聚类的干扰鉴别及抑制算法。通过STFT变换,分析并提取了回波与干扰信号的时频特性差异,在信号检测基础上,采用Fisher聚类法实现了干扰与回波的分离,并通过时频滤波实现干扰抑制。仿真结果表明,能有效对抗频移调制实时转发干扰,当干扰与回波处于不同时辨单元时,可直接滤除干扰信号,且对干信比不敏感;处于相同时辨单元时,可有效抑制干信比小于25 dB的干扰信号。     

有源干扰背景下基于CFAR的信号检测方法改进

针对瑞利噪声分布的回波信号,单元平均CFAR算法是一种简单有效的信号检测方法。当回波背景中加入有源噪声干扰时,该检测方法受到限制。首次以噪声调幅干扰为信号杂波背景,建立数学模型。基于CFAR算法,分析该有源噪声干扰对信号检测概率的影响。对CFAR算法进行改进,使得信号检测方法适用于信号杂波背景的变化。最后通过仿真验证了此改进的CFAR算法提高了噪声干扰背景下信号的检测概率,并达到抗干扰的目的。     

双隐身飞机自卫相干干扰对单脉冲雷达影响

针对单脉冲雷达检测跟踪协同自卫干扰状态的双隐身飞机编队时,角度跟踪与检测性能难以合理性评价问题,提出了一种基于侧双机编队盘旋航迹的隐身飞机协同自卫相干干扰模型.经过编队即时姿态分析,求解编队视线姿态角.结合静态全空域双机的雷达散射截面（RCS）数据库获取编队动态RCS序列,利用目标回波信号与相干干扰共同作用下单脉冲雷达角跟踪与检测机理,结合相应联合信干比分析模型,比较研究了隐身编队在常态飞行与协同自卫相干干扰状态下雷达角度的即时误差与瞬时检测概率的动态变化.仿真结果表明:编队自卫相干干扰能够有效使单脉冲雷达角度诱骗0.26°并使雷达检测性能下降34.97%,有效降低编队航程下失损率.      

利用多输入多输出雷达低秩杂波的降维空时自适应算法

为了抑制机载多输入多输出(MIMO)雷达接收信号中的杂波和有源干扰,提出一种利用MIMO雷达低秩杂波进行降维的空时自适应处理算法(LRC-RD).首先根据系统参数离线构造杂波子空间矩阵,再结合有源干扰加噪声协方差矩阵以及目标空时导向矢量来构造降维矩阵,最后用降维后的数据计算自适应权值.LRC-RD算法可将全维数据维数降为杂波的秩加1,从而降低了计算复杂度和计算自适应权值所需的训练样本数,所以收敛速度快,并且其理论性能可以达到全维处理的理论性能.仿真实验表明,LRC-RD算法在没有误差、样本数为降维后的数据维数的2倍时,其信噪比损失在高速区比基于双迭代的算法和基于子阵划分的算法分别高出约5 dB和17 dB.