基于模糊函数相像系数的雷达辐射源信号分选

针对当前的雷达辐射源信号分选方法存在准确率不高和对噪声敏感的问题,提出一种新的分选算法,对接收到的信号求取其模糊函数,并将其简化为二维特征图,构造一矩形脉冲序列与一三角形脉冲序列,分别求二维特征与两个脉冲序列的相像系数,将求取的相像系数作为分选的特征参数.由于不同信号的模糊函数区别较大且受噪声的影响小,所以转换后的相像系数可分性强、稳定度高,大量的仿真验证了新方法的优越性,在信噪比为10 dB时,分选准确率最低为90%.     

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。     

基于相像系数的雷达辐射源信号特征选择

提出一种基于相像系数(RC)的特征选择新方法,给出了RC的定义和基于RC的类别可分离性判据,描述了 基于RC和量子遗传算法的雷达辐射源信号特征选择算法,设计了神经网络分类器,并将该方法与基于距离准则的顺序前 进法(SFSDC)和吕铁军的方法(GADC)作了特征选择和分类识别的对比实验。结果表明,本文方法无需事先指定最优特征 子集的维数,能可靠有效地选择出最佳特征子集,不仅大大降低了特征向量的维数,简化了分类器的设计,而且获得了比 原始特征集、SFSDC和GADC更高的正确识别率和识别效率。     

基于CR—PRI的未知雷达辐射源信号分选新方法

对未知雷达辐射源信号进行准确分选是当前电子对抗领域迫需解决的一个难题。基于相像系数（CR）可以实现多种不同调制信号的分类,但对于相同调制样式不同调制参数的信号则无效。对此本文提出一种基于CR—PRI的新方法,首先利用CR实现不同调制样式信号的分类,对于具有相同调制样式不同调制参数的信号基于脉冲重复间隔（PRI）进一步细分,仿真结果验证新方法准确有效。     

基于复杂度特征的未知雷达辐射源信号分选

当前的未知雷达辐射源信号分选方法存在准确率不高和对噪声敏感的问题。该本文应用复杂度特征实现了低信噪比下未知复杂雷达信号的高准确率分选。首先,对接收到的信号进行预处理,然后提取其复杂度特征中的盒维数和稀疏性,并将两者作为分选的特征参数,最后基于KFCM算法实现未知雷达辐射源信号的分选。由仿真结果分析可知,预处理后的信号序列的盒维数和稀疏性分离度高且受噪声的影响小,分选结果令人满意,在信噪比为5 dB时,不同调制类型信号间的分选准确率最低为87%。     

基于特征加权与相像系数聚类的有源压制干扰分类技术

为了提高雷达有源压制干扰识别正确率,提出一种特征加权与相像系数聚类的分类方法。针对分类过程中所提取特征参数对信号分类的权重不同,引入特征加权的概念。利用灰色关联度算法求取各特征权重,避免部分微弱特征对分类结果产生较大影响。最后利用相像系数聚类算法,对雷达有源压制干扰信号进行了分类识别。通过Matlab仿真实验证明,该方法可以有效提高雷达有源压制干扰信号类型的识别率。     

基于双谱和SIFT特征的雷达辐射源信号唯一识别

针对当前雷达辐射源信号唯一识别存在的问题,文中应用双谱分析和SIFT特征处理该问题得到了较好效果。首先对不同雷达发射的具有相同调制样式和调制参数的信号进行双谱变换,由于双谱中包含了诸如相位噪声等信号的个体特征,因此不同雷达辐射源信号间的双谱投影图具有差异,为充分利用此差异,进一步将双谱投影图转化为灰度图并提取其SIFT特征,最终通过特征匹配达到唯一识别的目的。仿真结果表明,文中方法在信号个体差异较小的情况下仍然可行,具有很强的适用性。     

基于改进相似熵的参数交叠雷达信号分选

在信号参数日益交叠的背景下,传统的雷达信号分选算法已经不能解决参数严重交叠的雷达信号分选问题。因此提出了基于改进相似熵指标的K均值分选算法,该算法利用相像系数来代替传统的欧几里德距离,用相似熵指标作为迭代是否结束的标志,利用Wpt6和Wpt7小波参数特征与传统的分选参数进行联合分选。仿真结果表明,新算法较传统K均值算法可提高15.8%的分选准确率,对于严重交叠的雷达信号分选准确率可达到96.2%,较好地解决了参数严重交叠的雷达信号分选问题。     

基于高次频谱对称Holder系数的雷达信号分选方法

针对复杂战场电磁环境下,传统基于全脉冲参数的分选算法准确率下降这一问题,本文提出一种提取信号高次频谱对称Holder系数作为脉内特征的信号分选方法。该方法首先利用对称Holder系数法提取信号高次频谱的脉内特征,而后将提取到的脉内特征参数与稳定的脉间参数组成新的特征向量,最后使用K-means算法对信号进行分选。信号的高次频谱对称Holder系数作为一种脉内特征,相比于一次频谱相像系数具有更大的寻优空间。将该特征加入信号特征向量可使新的特征向量具有更强的可分性。仿真实验结果表明,加入该特征,并使用新的特征向量,能够有效提高对不同种调制类型雷达信号的分选正确率。,使用新的特征向量能有效提高雷达信号分选正确率。      

基于频谱相像系数的间歇采样转发干扰识别

正确的干扰识别是采取有效抗干扰措施的前提和基础,文中针对间歇采样转发干扰的识别问题,提出了一种基于频谱相像系数和支持向量机的干扰识别方法。通过对目标回波及干扰信号的模型及频谱进行分析,挖掘回波与干扰信号频域上的差异,提取频谱相像系数特征,并利用支持向量机进行分类识别。仿真结果表明:相像系数特征参数类间分离度好、不易受噪声及实验次数影响,将其作为干扰识别的特征参数,得到的识别准确率较高,可以为后续雷达系统采取针对性抗干扰措施提供重要的决策信息。     

基于双谱特征的超宽带雷达人体目标识别

为了在人体微多普勒特征不明显条件下识别静态人体目标及人体姿态,提出了一种结合双谱对角线起伏特性与目标强散射点分布特征进行人体目标识别的方法。首先,通过分析静态人体目标双谱,提取双谱对角线起伏特性作为分类特征,降低了双谱数据的维数,减少了双谱特征冗余。然后,结合目标强散射点分布特征从不同角度描述目标,并构造用于目标识别的特征向量。最后,用支持向量机实现目标识别。仿真和实测结果均表明,双谱对角线起伏特性与目标强散射点分布特征融合的方法可以有效识别出静态人体目标并且实现人体姿态识别。     

Sorting radar signal based on wavelet characteristics of wigner-ville distribution

Common sorting method have low sorting rates and is sensitive to the Signal-to-Noise Ratio （SNR）, wavelet characteristics of Wigner-Ville distribution are applied to sort unknown complicated radar signal, high sorting accuracy can be got. The Wigner-Ville distribution of received signal is calculated, then it is predigested to two-dimensional characteristics. Using wavelet transformation to extract characteristics from two-dimensional of Wigner-Ville distribution, the best characteristics are selected to be used as sorting parameters. Experiment results demonstrated that the characteristics of eight typical radar emitter signals extracted by this method showed good performance of noise-resistance and clustering at large-scale SNR.     

基于FastICA算法和小波变换的雷达信号分选

传统的独立分量分析（ICA）算法对噪声敏感,存在很难正确分选带噪混合雷达信号的问题。针对该问题提出一种结合FastICA算法和小波去噪的改进算法。该算法首先利用小波阈值法对带噪雷达信号进行去噪,适当提高信噪比后再用FastICA算法进行分离,最后进一步对分离信号作矢量归一和再消噪处理,得到各个雷达源信号的最终估计。仿真结果表明,与传统的ICA算法相比,该改进算法可以有效地去除噪声,提高带噪雷达信号分选的准确率。     

双谱估计在导引头信号检测与处理中的应用

双谱估计是一种应用广泛的高阶谱估计。将双谱估计应用于超宽带导引头信号检测与处理系统中,为导引头信号处理中的平滑和滤波增添了一种新的方法。仿真结果表明该方法是有效的。     

基于小波分析的雷达脉冲信号分选方法

针对重频分选方法在多个脉冲同时到达时可能出现的错选情况,使用组合Morlet小波滤波器提取脉内频率信息,作为PRI分选的辅助分选方法。仿真表明该方法对采样时间短的雷达脉冲信号具有较好的频率分辨能力,可以作为PRI分选的辅助方法,且方法简单、实用性强。     

一种基于改进网格聚类的雷达信号分选算法

将网格聚类算法用于雷达信号分选,针对传统网格聚类算法执行效率不高,聚类精度低等问题,对传统网格聚类算法进行了改进,最后通过仿真实验验证了改进算法有效性和先进性。     

一种自适应容差的雷达信号分选聚类算法

雷达信号分选的目的就是从交错的、密集复杂的脉冲信号流中提取出同一辐射源的脉冲序列。战场环境中信号流的密集性,信号形式的复杂性,给信号分选带来了严重的挑战。面对如此复杂的信号环境,传统的基于直方图统计的雷达信号分选算法的分选结果可信度越来越差。在聚类雷达信号分选算法的基础之上提出了一种自适应容差的雷达信号聚类算法,克服了传统的雷达信号聚类分选算法中容差选择困难的问题。仿真结果表明该方法能够准确地分选出各个辐射源的脉冲序列。     

基于独立分量分析的雷达信号分选研究

独立分量分析是近几年来发展起来的一种有效的盲信源分离方法,可以根据输入源信号的基本统计特性,由观测数据进行信号分离,最终恢复出源信号。在深入分析ICA基本理论的基础上,本文将基于负熵最大化的FastICA算法应用于雷达信号分选。仿真试验表明,该算法应用于雷达信号分选可以获得比较好的分离效果。