基于脉冲序列重构的雷达PRI调制类型智能识别算法研究

雷达脉冲重复间隔（PRI）是雷达信号的关键参数,对于雷达性能发挥起着至关重要的作用。研判雷达PRI调制类型能够为雷达识别和性能分析提供重要支撑,是电子对抗领域的关键研究内容。针对现有PRI调制类型识别准确率受脉冲丢失影响较大的问题,本文提出了一种基于脉冲序列重构的雷达PRI调制类型智能识别算法。首先,基于到达时间（TOA）多阶差分序列实现了PRI调制周期的初步估计;其次,根据PRI调制周期重构了不同脉冲序列样本;再次,对重构样本进行去均匀值预处理,并以此为输入搭建了卷积神经网络（CNN）识别PRI调制类型,该方法能够减弱人工提取特征的局限性,不仅可以获取PRI序列的深层特征,而且具有更强的环境适用性;最后,仿真实验表明了所提方法的有效性。在脉冲丢失率小于60%时,所提方法对于所有PRI调制类型的识别准确率均在92%以上,平均识别准确率大于98%,在脉冲丢失率小于80%时,平均识别准确率在81%以上。     

基于极值序列特征集的雷达PRI调制模式识别算法

识别雷达信号的脉冲重复间隔(PRI)调制模式是分析雷达工作状态和工作任务的重要手段。针对复杂体制雷达的PRI调制模式可实时切换并改变调制参数因而难于识别的问题,提出一种基于极值序列特征集的雷达PRI调制模式识别算法。该算法首先提取PRI序列的极值特征,构建极值序列特征集;然后,基于PRI序列及其特征集建立恒参、类正弦、正弦和抖动判定准则,实现雷达PRI调制模式的分层识别。仿真分析表明:该算法对复杂体制雷达PRI调制模式的识别正确率达95.3％ ,同时具有较高的实时性,在电子对抗应用领域具有良好的前景。     

基于周期样本图重构的雷达PRI调制类型识别算法研究

为提升对雷达脉冲重复间隔(pulse repetition interval, PRI)的分析性能,提出了一种基于周期样本图重构的雷达PRI调制类型识别算法。首先,建立了雷达PRI调制模型,分析了不同调制类型的信号特点;其次,利用到达时间(time of arrival, TOA)多阶差分序列估计了雷达PRI调制周期,并基于直方图算法重构了PRI周期样本图;然后,以PRI周期样本图为基础,提出了5个PRI调制特征实现PRI调制类型识别;该方法不仅能够提升PRI调制类型的识别准确率,而且对干扰脉冲特别是脉冲丢失具有很强的稳健性;最后,仿真实验表明了所提方法的有效性。     

一种基于贝叶斯网络的雷达重频模式识别方法

雷达重频模式指雷达脉冲重复间隔（PRI）的调制样式，重频模式识别对于雷达型号、类别识别具有重要支持作用，但这是一个较困难的过程，一般难以通过单一重频特征完成多种复杂重频模式的自动识别。本文为解决雷达多重频模式自动识别及识别抗噪声干扰问题，针对多种重频模式提取了几种PRI序列特征量（重频特征），然后引入了贝叶斯多网络分类器（BMNClassifier），利用所提取的特征量作为贝叶斯多网络分类器输入节点，通过贝叶斯多网络分类器的概率推理能力来实现雷达重频模式识别。     

一种改进的雷达脉冲信号分选算法

重频分选方法中,由于序列差值直方图法(SDIF)对PRI抖动的雷达脉冲信号的分选能力差,而PRI变换法可以分选PRI抖动的雷达脉冲信号,但是运算量太大,难以实现实时分选。对SDIF算法进行了改进,采用交叠PRI箱的方法进行直方图的统计,使得改进后的SDIF在运算量增加不多的情况下,可以实时较好地分选PRI抖动量在10%以内的雷达脉冲信号。     

一种脉冲重复间隔复杂调制雷达信号分选方法

雷达辐射源分选是电子战系统的关键技术之一。为了解决传统的基于脉冲重复间隔(PRI)的分选方法不能有效分选PRI复杂调制雷达信号的问题,该文提出一种利用脉冲到达时间与雷达帧周期的对应关系构成的2维特征向量来提取脉冲序列中PRI的变化规律,进而实现PRI复杂调制雷达信号分选的新方法。该方法可以在脉冲丢失严重且存在噪声脉冲的情况下获得满意的分选结果,并利用模拟仿真验证了方法的有效性。     

基于平面分割和PRI的雷达信号分选

提出一种基于载频/脉宽平面分割和PRI联合参数进行雷达脉冲分选的算法,即使在同时存在多种PRI模式（常规、抖动、参差、周期调制等）且脉冲丢失率较高的信号环境下,该方法也具备良好的分选效果。通过仿真,验证了该算法的正确性和可行性,在工程上有一定的应用价值。     

基于累积变换的周期性对称调制模式的快速自动搜索算法

借鉴平面变换技术,将密集雷达脉冲序列映射成平面位图矩阵,并提出自动搜索周期性对称调制模式的快速算法,用于分选密集信号环境下PRI受周期性对称调制的雷达脉冲.大量的仿真试验结果表明算法在密集信号环境下,分选PRI是周期性对称调制的雷达脉冲的平均准确率达到92%,平均漏选率只有5%,极大地提高了雷达脉冲分选的效率和准确性.最后给出模式搜索时间、脉冲分选平均准确率和平均漏选率随脉冲密度变化的结论.     

基于多特征量的雷达辐射源脉间PRI调制识别

雷达辐射源脉间PRI调制识别一直是电子侦察领域的热点和难点问题。针对这一问题提出了一种基于多特征量的综合识别处理算法,根据固定、抖动、参差、组变等7种雷达脉冲常见的PRI调制方式特点,从时域及频域的角度出发,有针对性地提取了零交叉密度、PRI序列差分零点密度等多个特征量,通过建立特征量与对应门限之间的逻辑关系,有效实现了对7种常见PRI调制方式的识别输出,一定程度解决了现阶段部分识别算法工程实践性不强及可识别PRI调制方式较少的问题。     

基于直方图和小波网络的雷达信号识别方法

信号识别是电子支援系统(ESM)的基础,作者在传统序列差分直方图的基础上,提出了基于小波网络对不同脉冲重复间隔(PRI)模式的雷达信号进行分类的新方法.仿真试验表明,该雷达信号分类算法具有收敛速度快、自适应能力强、结构简单等优点,并且该算法在脉冲有丢失或被噪声污染的情况下仍然有很高的识别概率.该算法在雷达对抗中具有一定的实用性.     

基于时差多参分选的多层感知器网络脉间识别

现代战争中,雷达系统发展迅速。为识别复杂的雷达信号调制模式以及混合体制雷达,该文提出一种基于多站获取脉冲时差参数联合其他脉冲描述字分选的办法,利用多层感知器神经网络得到脉间调制识别结果。该文通过时差参数与其他脉冲描述字去交错解决传统脉冲重复周期估计算法无法对复杂的脉间调制方式进行估计。利用训练好的多层感知器,获取完成去交错后的脉冲序列其特征向量,获得其脉间调制类型识别。通过实验仿真,在脉冲丢失率不高于20%情况下,对复杂脉间调制方式的正确识别概率在90%以上。     

一种可视化的雷达脉冲序列综合分选方法

分析比较了序列差值直方图法(SDIF)、PRI变换法和TTP(TOA to PRI)变换法三种雷达信号分选方法的优缺点,在此基础上提出了一种可视化的雷达脉冲序列综合分选方法,并仿真实现了该方法。仿真结果表明该综合分选方法简单实用,能适应多种类型的重频信号,在信号PRI较分散的时候有很好的分选效果。     

一种脉冲重复间隔固定序列快速检测方法

针对脉冲混迭造成的脉冲重复间隔(PRI)固定序列检测以及PRI估计困难的问题,该文提出一种基于平面变换的PRI固定序列快速检测方法。该方法通过脉冲到达时间(TOA)对平面宽度的整数取余运算,只需1次时域变换处理即可生成PRI固定序列平面变换点迹的周期性图形(PGPTP);之后依据点迹图形模式的差异实现多个TOA交错的PRI固定脉冲序列的判定,并结合点迹图形纵向展开周期和平面宽度逐一估计出PRI值,进而实现密集信号环境下PRI固定脉冲序列分选。仿真实验验证了该方法的有效性以及高效、实用等优点。     

基于GUI的雷达脉冲序列分选仿真软件平台

为适应训练和教学的需要,设计了一种可以对雷达脉冲序列实现直观快捷分选的工具。通过改进的脉冲重复间隔(PRI)变换算法和序列差直方图(SDIF)算法,获得雷达脉冲序列的PRI值。利用PRI值完成对雷达脉冲序列的分选,并基于图形用户界面(GUI),将分选程序有机组合,形成用于雷达脉冲序列分选的通用仿真软件平台。试验结果表明软件运行效果好、可视化程度高、使用方便快捷。     

电子侦察脉冲列中重频信息提取与应用综述

脉冲重复间隔（PRI）或脉冲重复频率（PRF）是雷达辐射源最稳健的特征参数之一，体现了雷达辐射脉冲的时序规律。在功能上，重频既决定了雷达单值测距范围,又影响不模糊测速区域大小。现代雷达常采用多个重频值和多种调制类型以满足不同功能的需求。在非合作机制的电子侦察领域，PRI指2个连续脉冲上升沿的间隔，是重要的脉冲描述字（PDWs）之一。由PRI衍生的雷达重频信息包括典型重频值集、重频调制类型、重频参数时序模式，均需要从复杂的电子侦察脉冲列中提取之后才能应用至分选、识别等数据处理任务。从电子侦察系统中重频信息提取与应用的体制与技术难点出发，综述了3种重频信息提取与应用的研究现状，并对重频信息提取与应用的进一步发展做出了展望。     

新体制雷达信号PRI样本子图周期搜索提取方法

针对侦察接收机截获的交错脉冲序列中雷达信号的提取问题,在脉冲重复周期（PRI）样本子图描述技术的基础上,提出一种基于PRI样本子图周期搜索的脉冲提取算法。算法改传统PRI搜索法中的相邻脉冲间隔搜索思想为PRI样本子图周期搜索思想,通过构造由脉冲到达时间和准PRI样本子图周期构成的二维提取函数,将搜索过程中符合某一假定PRI样本子图周期的匹配脉冲数存储于二维提取函数中,然后根据二维提取函数的最大值确定PRI样本子图周期,提取对应的脉冲,实现复杂PRI类型的雷达信号提取。仿真结果验证了该方法的有效性。      

脉冲重复间隔估计与去交织的方正弦波插值算法

在高密度复杂信号环境中,根据脉冲到达时间提取脉冲重复间隔并去交织是一个常用方法。但由于存在严重的倍周期干扰和脉冲重叠现象,传统的脉冲重复间隔估计算法在高密度复杂信号环境中性能急剧下降。为了克服上述缺点,该文提出了一种的新算法方正弦波插值算法(SSWIA)。其核心是把不等间隔的到达时间序列变换成连续信号;然后利用快速傅里叶算法提取重复周期并用滤波技术和过零检测形成检测波门提取周期序列。该算法能够适应固定重频、参差重频、抖动重频和滑变重频交织的高密度复杂信号环境。仿真结果表明:该算法提取重复频率精度高,速度快并且抗丢失和虚警脉冲的能力强;其综合性能优于现有其它方法,具有很好的工程应用价值。     

基于多重分选的脉冲配对时差检测

大基线时差定位具有定位快、精度高的优点,但大基线各定位站接收到的脉冲序列之间的时延变大,各基线时差测定的难度增加,因此如何准确实现各基线之间脉冲序列配对成了大基线时差测定的关键。在分析时差定位原理的基础上,研究了时差定位中相同序列脉冲多重分选及检测方法,分析了非周期脉冲重复间隔（PRI）和具有骨架或固定PRI对脉冲配对模糊性,给出一种基于多重分选的脉冲序列的分选配对方法,并针对模糊性进行定量分析,说明该脉冲序列多重分选配对方法在时差定位中的有效性。