独立分量分析在雷达辐射源信号分选上的应用

在当代电子战密集复杂的电磁环境下,对未知雷达辐射源信号分选作为对抗技术领域的一个重要环节面临了新的挑战.传统的雷达辐射源信号分选往往是基于脉冲描述字(PDW)等参数对雷达进行分选,在复杂的电磁环境下参数误差严重影响了雷达信号的分选效果.在对独立分量分析理论的研究的基础上,将基于四阶累积量的特征矩阵联合近似对角化(JADE)算法应用于连续波雷达信号和随机参数脉冲雷达信号分选,可以有效地分选出不同调制方式的雷达信号,为雷达辐射源信号分选提供了一个新思路.     

一种密集电磁环境下的自适应雷达信号分选算法

针对目前无源探测系统面临的越来越密集的电磁环境所带来的信号分选实时性问题,提出了一种密集电磁环境下自适应雷达信号分选算法。该算法首先对待处理的PDW流密度进行测量,并对信号的PRI特性进行估计,在此基础上自适应地调整信号分选算法处理的信号PRI范围与信号长度,并依据信号时域特性的可分割性分别对高、低重频信号进行信号分选。仿真结果表明,该算法较大地提高了密集电磁环境下信号分选的实时性与有效性。     

现代雷达信号分选跟踪的几种方法

随着现代软件无线电技术的飞速发展,战场电磁信号环境从地面、空中、海上到太空,信号密度大,频谱宽,变换复杂,并且多功能数字雷达的多种工作方式和多种波形变换,雷达反侦察、抗干扰能力不断增强,传统的雷达信号分选跟踪方法面临着严峻的挑战。文中分析了几种传统的信号分选方法,从复杂电磁环境信号中,分析盲信号分选、聚类神经网络分选、脉内细微特性分选法,从信号分选的参数上进行多参数联合分选,并且通过多信号模拟器进行实验仿真,在分选的基础上进行跟踪处理,信号参数稳定、效果良好。     

基于盲源分离的雷达信号分选方法

传统的信号分选算法建立在脉冲描述字（PDW）参数分析的基础上,对同频或频谱混叠的雷达信号可能无法分选.鉴于越发明显的常规雷达信号处理方法的局限性,通过仿真手段,用盲源分离的方法对混合后的雷达信号进行分选.仿真结果表明,该方法可对雷达盲信号进行有效的分离,且不需要其它信号处理方法所要求的任何先验知识作为条件.     

基于SVC和信息熵的雷达信号分选系统

雷达信号分选,特别是复杂电磁环境下未知参数的雷达信号分选是电子情报侦察系统和电子支援系统中的重要组成部分。详述了目前信号分选所存在的问题,采用级联互耦的思想,提出了一种新的基于支持向量机和信息熵的雷达信号分选模型,并通过仿真对其进行了验证。     

多通道FCM信号分选算法研究

随着各种新体制雷达的出现,使得电磁环境复杂多变,这对雷达信号分选处理提出了新的要求。目前普遍采用的基于直方图统计信号分选方法已无法满足当前雷达信号分选的要求。文中将对模糊C均值算法进行研究,并对其在多通道背景下进行了理论分析,对雷达信号分选进行了一种新的探索,通过仿真实验证明了该算法的可行性,为雷达信号分选提供了新的思路。     

基于FastICA算法的敌我识别信号分选方法研究

随着现代电磁环境的日益复杂,如何在复杂电磁环境下实现敌我识别信号的分选,是电子侦察领域一个亟待解决的问题。基于盲源分离的思想,采用FastICA算法对敌我识别信号进行分选,并进行了仿真分析。     

基于蚁群算法的K-Means聚类雷达信号分选算法

在现代战争中随着新体制雷达的不断涌现,电磁环境变得越来越复杂,这就对雷达信号分选提出了新的挑战。目前普遍采用的基于直方图统计的信号分选方法越来越不适应现代雷达信号环境。文中将聚类分析技术引入到雷达信号分选中,将蚁群算法和K-Means相结合,互相弥补不足,提出了一种新的雷达信号分选方法,该方法易编程实现,不需要雷达信号的先验知识,适用于处理未知信号的雷达。仿真实验证明分选结果较理想,为雷达信号分选提供了新的思路。     

基于核模糊聚类的雷达信号分选算法

在现代战争中,随着新体制雷达的不断涌现,电磁环境变得越来越复杂,这就对雷达信号分选提出了新的挑战。对核模糊聚类进行了研究分析,并将其应用到雷达信号分选当中。仿真实验证明能够取得很好的雷达信号分选效果,为雷达信号分选提供了新的思路。     

基于人工鱼群聚类的雷达信号分选算法

随着科技的不断发展,各种新体制雷达的不断出现,使得电磁环境变得复杂多变,这就对雷达信号的处理提出了新的要求。目前普遍采用的基于直方图统计的信号分选方法已经不能满足当前雷达信号分选的要求。文中将人工鱼群聚类算法引入到雷达信号分选中,并对其进行了改进,对雷达信号分选进行了一种新的探索,该方法不需要雷达信号的先验知识,适用于处理未知雷达信号。通过仿真实验证明该算法分选准确率高,为雷达信号分选提供了新的思路。     

基于模糊聚类的雷达信号分选方法

随着新体制、新技术雷达的不断出现，雷达侦察接收机接收到的雷达信号更加密集和复杂，传统的分选方法已不能对其进行有效分选，模糊聚类法能够利用雷达信号的特征参数有效地分选出常规和非常规雷达信号。文中采用了一种新的模糊聚类分析算法一跟踪法，该方法易实现编程，适用于处理大量数据，仿真实验证明分选结果较理想。     

独立分量分析算法在雷达信号分选中的应用

引入基于并行处理结构的信号盲分选算法，采用独立分量分析的方法研究从相互独立的未知源信号的混合信号中分离出源信号的问题。运用研究的基于最大负熵化快速独立分量分析的雷达信号分选算法，克服了传统的雷达信号分选方法在信号复杂、存在参数误差等情况下无法正确分选的局限性。     

多通道Fuzzy ART信号分选算法研究

随着各种新体制雷达的出现,致使电磁环境变得复杂多变,这对雷达信号的处理提出了新的要求。目前普遍采用的基于直方图统计信号分选方法已不能满足当前雷达信号分选的要求。文中将人模糊自适应理论引入到雷达信号分选中,并对其在多通背景下进行了理论分析。针对雷达信号分选进行了一种新的探索,仿真实验证明了该算法的可行性,为雷达信号分选提供了新的思路。     

基于改进型最大信噪比算法的抗压制性干扰研究

自雷达诞生以来,抗干扰能力一直是评价一部雷达性能的关键性指标,特别是随着战场电磁环境的日益复杂,雷达抗干扰问题变得尤其重要。针对抗压制性干扰,改进了传统意义上基于最大信噪比的盲源分离算法,提出了使用干扰重构算法取代滑动平均处理的方法,获得了比传统方法分离出质量更高的雷达信号,输出信号与源信号相关性更强。     

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。