复杂体制雷达辐射源信号识别新方法
题目1雷达辐射源目标识别方法和理论研究

电子信息控制重点实验室2017年基金指南2017年4月目录专题一:频谱感知 (1)题目1:雷达辐射源目标识别方法和理论研究 (1)题目2:复杂背景下运动辐射源的高精度频率测量方法及关键技术研究 (2)题目3:宽带干扰源信号识别和被动定位技术研究 (3)题目4:基于分布式云架构的电磁态势数据深度挖掘技术 (3)题目5:基于合成孔径体制的辐射源侦察技术 (4)题目6:太赫兹阵列天线的宽视场扫描技术 (5)题目7:基于云计算架构的分布式终端协作与数据分发处理技术 (6)题目8:基于时频域信息处理的非平稳未知信号的分离技术 (7)题目9:基于大数据处理的态势数据管理与目标分群技术 (8)题目10:面向大数据的态势推理关键技术研究 (9)题目11:不确定海洋环境下海底水平阵目标宽容检测方法研究 (10)题目12:宽带单周期瞬态窄脉冲水下探测技术研究 (11)题目13:动态载体干扰磁场校正技术 (11)专题二:频谱控制 (12)题目14:分布式电磁控制资源分配智能优化技术 (12)题目15:面向分布式资源动态管理的软件架构与实现方法 (13)题目16:多平台智能航路规划技术 (14)题目17:应用于智能决策的在线学习算法研究 (14)题目18:干扰技术对机载平台的作战效应分析 (15)题目19:雷达主瓣抗干扰技术对干扰的抑制效应分析 (16)题目20:卫星导航极化空时多维联合抗干扰技术研究 (17)题目21:高功率微波效应机理研究 (17)专题三:基础技术 (18)题目22:基于光传输的无线同步与数传方法 (18)题目23:基于全相位处理的信号参数测量方法和实现研究 (19)题目24:适应机载外形约束的小型化共形阵列天线设计 (20)题目25:宽带天线噪声特性分析与相位中心位置估计技术 (20)题目26:宽频带高性能的电磁波吸收结构设计 (21)题目27:异频阵信号空域电磁特征及对空域处理算法的影响机理研究 (22)题目28:基于新型数值表征的高速数字信号处理方法 (23)题目29:惯性导航与卫星导航紧耦合信息融合技术研究 (24)题目30:基于码分多址蜂窝网的无线定位算法研究 (25)题目31:大区域复杂电磁环境建模与电波传播解算 (26)题目32:大功率长寿命砷化镓光导开关及激光二极管驱动技术研究 (26)专题一:频谱感知题目1:雷达辐射源目标识别方法和理论研究目标:本课题以电子侦察平台的目标识别为出发点,开展雷达辐射源个体识别方法和理论研究,针对其面临的电磁环境复杂、特征提取困难、分类结果不准确等问题提出一揽子解决方案,从而提高雷达辐射源个体识别的有效性和鲁棒性,为我国电子侦察平台在复杂和密集的雷达信号环境中进行辐射源威胁分析、识别和告警提供理论和技术支撑。
一种新的雷达辐射源信号识别方法研究

2 nt 3 8 ,uyn 7 0 3 C ia .U i6 8 0 L oag4 0 1 , hn )
Ab ta t src : W i h e eo me t o a a e h oo y,t e dv ri f rd r s se a d te c mp e i fr d in l t te d v l p n fr d r tc n lg h h ie st o a a y t m n h o lx t o a a s a y y r g
X AO L —u I eq n Z HAO Y n - n o gj u Z in d n HU Ja —o g'
( .Istt o fr ai nier g Ifr a o nier gU i r t, hnzo 50 2 hn ; 1 ntue f nom t nE gne n , nom t nE g e n nv sy Z eghu4 00 ,C ia i I o i i n i ei
摘 要: 随着雷达技术 的发展 , 雷达体制 的多样 性和雷达信号 的复杂性 对雷达辐射源信号识别技 术提 出了严峻 的 挑 战。循环双谱抗 噪性能强 ,且包含 了丰富 的信息 ,能用 于识 别雷达辐射源信号 。但是其数 据量 庞大 ,而循环双 谱对角切片法丢失 了大部 分信息。证明 了循环双谱 的对称 性和周期性 ,提 出了局部轴 向积分循 环双谱 。该方法首 先计算信号 的循 环双谱 ,然后在两个谱 频率构 成的平 面上 沿平行 于谱频 率轴 的直线 积分 ,最后 用 Fse 判 决率 i r h
p o o e n t i ril .F rt h e to ac l td t e c c i ip cm m ft e sg a .S c n ,f re c y l r — rp s d i h sa t e c i ,te n w meh d c lu ae h y l bs e t s c o i 1 e o d o a h c c i fe h n c q ec u n y,i tg ae y l ip cr m o gt e l e r a all o ̄ q e c i n t ep a ec n t u e y t et o ̄ q e c n e td c c i b s e tu a n n a r e r c l h i p l t e u n y a so ln o si td b w x h t h e uny
复杂体制雷达辐射源信号识别新方法

复杂体制雷达辐射源信号识别新方法韩俊;陈晋汶;孙茹【摘要】For the low recognizing rate and sensitive to the signal-to-noise ratio(SNR),the bispectrum two-dimensional characteristics complexity is proposed to recognize unknown complicated radar signal right-ly.The bispectrum of received signal is extracted and predigested to be the two-dimensional characteristics. Then the box dimension and information dimension are extracted from the two-dimensional characteristics and used as the recognition characteristics.The last recognition is accomplished by SVM.The bispectrums of different signals are different and not sensitive to SNR,so the box dimension and information dimension are divisible and steady.The advantage of this novel method is validated by simulation results,and the lowest recognition rate is 86% at SNR =5 dB.%针对现有方法识别准确率不高和对噪声敏感的问题,应用双谱二维特征复杂度实现了低信噪比下未知复杂体制雷达信号的高准确率识别。
浅谈雷达辐射信号分类识别与特征提取

浅谈雷达辐射信号分类识别与特征提取作者:李梓瑞来源:《科技传播》2017年第03期摘要为了研究雷达信号提取和分类识别问题,军事自动化控制和指挥系统的强烈需求是雷达辐射源的有效分类识别。
在现代雷达体制下,针对复杂信号的低截获特性,提出了一种新的分类识别方法,以提高雷达辐射源信号的个体识别率。
信号脉冲无意调制特征的信号各频带能量可以由小波包变换提取反应,通过泛化能力和学习能力都很强的混合核函数支持向量机进行分类识别并进行仿真。
仿真结果证明,这样做有利于提高识别效率,证明其方法的有效性和可行性,且性能优于传统方法。
关键词雷达辐射信号;小波包;混合核函数;雷达辐射源;分类识别中图分类号 TN95 文献标识码 A 文章编号 1674-6708(2017)180-0028-02雷达最初是军事侦察的一种遥测系统,用于目标的检测、定位与测距。
随着雷达技术的发展,它已广泛应用于生产生活的各个方面,尽管如此,如何从雷达提供的数据中识别所检测的目标一直没有解决。
在复杂多变的现代电子战对抗环境下,雷达辐射源信号识别不仅可以用于电子侦察,还可以作为判断敌方武器威胁的依据,在雷达对抗过程乃至整个电子战中都做出了巨大贡献。
随着时代的发展,现代社会对于信号识别方法的要求越来越高,顺应时代发展与社会需求,研究并探讨脉内无意调制UMOP的特征,探索理恰当的信号识别方法。
现代战争中,雷达是取得军事优势的重要装备。
雷达侦察作为雷达对抗的主要内容之一,在掌握敌方雷达类型、功能,甚至获知敌方兵种和武器部署中已成为各级指挥员的“眼睛”和“耳朵”。
雷达辐射源信号的识别在雷达侦察信号处理系统中是最重要、最关键的环节。
因此,现阶段衡量雷达对抗设备主要技术水平的重要标志就是识别雷达辐射源信号水平的高低。
随着雷达的广泛应用和雷达电子对抗激烈程度的不断加剧,在高密度、高复杂波形、宽频谱捷变的雷达信号环境中,传统的雷达辐射源信号识别方法已无法满足现代社会的需要。
雷达辐射源精确识别流程

雷达辐射源精确识别流程一、数据收集。
这可是很重要的一步哦。
就像是我们要认识一个新朋友,得先去收集关于他的各种信息一样。
对于雷达辐射源呢,我们要收集它发射出来的信号数据。
这些数据可能来自各种传感器,它们就像小侦探一样,到处去捕捉信号。
比如说,可能是在空中的监测设备,或者是地面的一些专门的信号接收装置。
这些收集到的数据包含了很多关键的信息,像是信号的频率呀、幅度啦,还有相位之类的。
这就好比我们知道新朋友的外貌特征、说话声音这些基本信息一样。
二、特征提取。
拿到数据之后呢,可不能就这么放着呀,得从这些数据里把有用的特征给找出来。
这就像是从一个大宝藏里挑选最珍贵的宝石一样。
我们要通过一些数学方法和算法,把信号数据中的那些能够代表这个雷达辐射源独特性的特征给挖掘出来。
比如说,有些特征可能是信号在某个特定频率上的表现,或者是信号随着时间变化的规律。
这一步可不容易呢,就像在一堆沙子里找金子,需要很细心,还得有点技术才行。
三、特征筛选。
从那么多特征里找出来的不一定都特别有用呀,就像我们买东西,可能挑了一堆,但是有些其实并不是我们真正需要的。
所以呢,我们要对提取出来的特征进行筛选。
那些不太能体现雷达辐射源特性的,或者是可能受到干扰而不准确的特征,就要被淘汰掉啦。
这个过程就像是在一个队伍里挑选最厉害的队员,只有留下最有用的特征,才能让后面的识别工作更准确。
四、分类识别。
经过前面的步骤,就到了分类识别这一步啦。
这就好比是给我们收集到信息、挑选好特征的这个雷达辐射源找一个合适的“家”,也就是确定它属于哪一类辐射源。
我们可以用一些分类算法,像支持向量机之类的(不过这个名字听起来有点高大上,其实就是一种很有用的工具啦)。
把这个雷达辐射源的特征和我们已经知道的不同类型辐射源的特征进行比较,看看它最接近哪一种。
这就像是在一群人里找到跟自己最像的小伙伴一样。
五、结果评估。
最后呢,我们得看看这个识别结果准不准呀。
就像做完一件事情要检查一下做得好不好一样。
复杂体制雷达辐射源信号时频原子特征提取方法

Ab t a t A o e a p o c sr c : n v l p r a h,c l d TF a l AD, i p o o e o e ta ttme f e u n y a o e t r s e s r p s d t x r c i -r q e c t m f a u e
后 通过 构造 有向循 环 图支持 向量机 分类 器实现 雷达辐 射 源信 号 的分 类识 别. 与计 算 复 杂度 至 少为 O( lg ) no n 的分形 方 法相 比 , AD方 法只有 O( ) 计 算复 杂度. 用不 同信 噪 比和 多种 调制 参 数 TF ”的 采 的 5种辐 射 源信号进 行 大量仿真 实验 , 结果表 明 T AD 方法 可获得 9 . 的平 均正确 识 别率. F 83
t fe t ey r c g ie t e i ta p le mo ua in t p so d a c d r d r e te in l. Th O efci l e o nz h n r ~ u s d lto y e fa v n e a a mitr sg as v e
a isu ig amo iid dfe e t le o u in ag r h r sn df ifrn i v lto lo i m. Th n b t h n r y o h is e o e e a t e o h t e e eg ft efrtd c m—
关键词 :雷达辐射 源信 号 ; 时频 原子 ; 特征提 取
中图分 类号 :T 5 文 献标 志码 :A 文章编 号 : 2 39 7 2 1 )40 0 —6 N9 7 0 5 —8 X(0 0 0 —1 80 A v lAp o c f Fe t r t a to o No e pr a h o a u e Ex r c i n f r Adv nc d Ra a a e d r Em it r te
雷达辐射源识别技术研究

雷达辐射源识别技术研究摘要:雷达辐射源识别技术是信息对抗情报分析领域中研究的重要内容,其水平是衡量雷达对抗侦察系统和对抗侦查设备信息处理技术先进程度的重要标志。
雷达辐射源识别的本质是模式分类与识别的问题。
为了对模式进行分类与识别,首先需要从雷达信号中获得一些要素作为模式分类与识别的特征,并将提取的特征加载到设计好的分类器进行识别,以得到满足用户需求的识别结果。
关键词:雷达;辐射源;个体特征;机理分析前言:雷达辐射源个体识别通过提取个体特征来辨识雷达个体,是电子对抗领域的热点研究方向。
近年来随着深度学习的飞速发展及其在各领域的成功应用,基于深度学习的雷达辐射源个体识别成为焦点。
1.雷达辐射源识别框架图1是雷达辐射源自动识别框架。
针对信号接收系统截获的雷达信号,首先,通过预处理剔除无效数据;然后,对数据进行特征提取,利用全脉冲数据对信号进行分选,获得辐射源常规特征参数及其相应类型,利用全脉冲分选数据和脉内数据,获得信号的个体特征,利用脉内数据对脉内调制类型进行识别,获得信号的脉内调制类型;最后,结合常规特征、脉内特征和个体特征实现对辐射源类型、型号、个体和工作状态的识别。
图1雷达辐射源自动识别框架对已知辐射源,首先利用几个典型全脉冲数据完成型号识别和平台识别,有了目标先验知识后,再进行信号样式识别和工作状态识别。
对未知辐射源,首先,进行信号样式识别和工作状态识别;然后,推测其辐射源类型。
1.1特征提取特征提取包括常规特征提取、脉内特征提取和个体特征提取。
常规特征提取主要指雷达信号的脉间特征提取,包括载频、重频、脉宽、脉幅和脉冲到达角。
脉内特征提取,主要是识别脉内调制类型,常称为信号波形识别。
雷达电路和器件具有非理想特性,但个体特征是附加在雷达信号上的固有属性,不会受到雷达工作参数改变的影响。
个体特征可以从全脉冲数据提取(如:脉间特征参数),或从脉内数据提取(如:脉冲上升沿),是更加细微且稳健的特征。
基于小波脊频级联特征的雷达辐射源信号识别

第 2期
西
南
交
通
大5 No 2 14 .
Ap . 2 0 r 01
21 0 0年 4月
J OUR NAL OF S UT O HW E T JAO ONG UN VE IY S I T I RST
文章 编 号 : 2 82 2 (0 0 0 -200 0 5 —74 2 1 )20 9 -6
f q e c WR ) h e ae ta m a d ted t t n s a g r sdt et c teWR r u ny( F .T en w w vl t n h ee i t t y aeue o xr t h F e e o co r e a
时频 分析 法和 相位 差 分 法 只能 依 据 二维 图形 人 工
现 在信 号 的频 率 、 位 和 幅度 的变 化 上. 时频 率 相 瞬 能够反 映信 号在 每一 时刻 的频率 变化 , 与幅度 相 比 抗 外界 干扰 强. 为描述 信号 时变 特征 的重要 调制 作 参数 , 如何 正确估 计一 直是非 平稳 信号 处理 中的研 究 热点 , 目前 方 法 诸 如 H le 变 换 法 ¨ 、 频 i r bt 时 分析 法 。相 位 差 分 法 J瞬 时 自相 关 法 _ 等 虽 4、 、 o 然在一 定条件 下 能正确 估计 信号 瞬时频 率 , 是这 但
Y Zhbn , JN Wed n ’。 C EN h n i2 U ii I io g H C u xa ( . Sho f Eetcl E g er g Suh etJ oog U i rt, C egu 60 3 , C ia . Mehncl 1 col l r a n i e n , otw s i tn nv sy hn d 10 o ci n i a ei 1 h ;2 n cai a E g er gD p r e t C e guEet m caia C l g , h nd 10 1 C ia ni e n eat n , hnd l r ehncl ol e C egu6 0 3 , hn ) n i m co e
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
雷 达 科 学 与 技 术
R ada r Sc ience and T echno tog y
V 01.14 N o.1 February 2016
复杂 体 制 雷 达 辐射 源 信 号 识 别 新 方 法
韩 俊 ,陈晋 汶 ,孙 茹
(空 军 预警 学 院 ,湖 北 武 汉 430019)
关 键 词 :信 号识 别 ;双 谱 ;二 维 特 征 ;信 噪 比
中 图 分 类 号 :TN971;TN957.51 文 献 标 志 码 :A 文 章 编 号 :1672—2337(2016)01—0076 05
New M ethod for Recognizing Com plicated Radar Emitter Signal
宽 和脉 幅 四个 常规 参 数 能准 确 实 现 对 常 规 雷达 辐 射 源信 号 的识别 ,但 当信 号 的 载 频 、脉 宽 等参 数 多 变 、快 变时 ,该方 法 的识别 准确 率将 大 大降低 。
脉 内特 征是 雷 达辐 射 源 信 号 最 具 特 色 的参 数 之 一 ,虽然 当前 一 些 雷 达 辐 射 源 信 号 的 常 规 参 数 变 化丰 富 ,但 其 脉 内 特 征 参 数 却 具 有 一 定 的稳 定 性 。目前 已有不 少学 者 将 熵 值 、小 波 包 特 征 、模 糊 函数 等 脉 内特征 参 数应 用 到 雷 达 辐 射 源信 号 的分 选 与识 别之 中 ,并进 行 了性 能评 估 研 究 ,取得 了一 定 的成 效 ]。这 些通 过增 加脉 内特 征参 数 进 行识 别 的方 法 对 噪 声 比较 敏 感 ,且 适 用 的 信 号 调 制 样 式 有 限 。针 对 上述 问题 ,本文 利 用双 谱对 噪 声 不敏 感 的特 点 ,提 出了一 种新 的识 别 算法 。对接 收 到 的 信 号首 先 提 取 其 双 谱 幅 度 谱 ,然 后 将 其 转 化 为 二 维 特征 ,为 降低 识别 算 法 的运 算 量 ,进 一 步 求取 该 二 维特 征 中 的复杂 度 特 征 ,即盒 维 数 和信 息维 数 ,
摘 要 :针 对现 有 方 法 识 别 准 确 率 不 高 和 对 噪 声敏 感 的 问题 ,应 用 双 谱 二 维 特 征 复 杂 度 实现 了低 信 噪 比 下 未 知 复 杂 体 制 雷 达 信 号 的 高 准 确 率 识 别 。对 接 收 到 的 信 号 首 先 提 取 双 谱 幅 度 谱 并 简化 为 二 维 特 征 ,然 后 求取 该 二 维 特 征 的 复 杂度 特 征 中的 盒 维数 和 信 息 维 数 ,并 将 两 者 作 为 识 别 的 特 征 参 数 ,最后 基 于 支 持 向 量机 完 成 识 别 。 由 于不 同信 号 的 双 谱 区 别 大 且 对 高 斯 噪 声 不 敏 感 ,因 此 提 取 的 盒 维 数 和 信 息 维 数 可 分 性 强 、稳 定度 高 ,仿 真 验 证 了 方 法 的优 越 性 ,在 信 噪 比 为 5 dB 时 ,识 别 准 确 率 最 低 为 86 。
Key words: signal recognition;bispectrum ;two—dimensional characteristic;signal—to—noise raห้องสมุดไป่ตู้io(SNR)
0 引 言
雷 达辐 射源 信 号识 别 是 电子 战 系 统 的 关键 技 术之 一 ,是 指 从 截 获 到 的 密 集 雷 达 脉 冲 流 中分 选 并识 别 出属 于 不 同辐 射 源 的脉 冲 。随着 新 型 复 杂 体制 雷 达所 占的 比例 越 来 越 大 ,未 知 雷 达 辐 射 源 信号 分选 与识 别 在 电子 战 中扮 演 的 角 色 愈来 愈重 要 ,所需解 决 的 问题也 愈 来愈 多 。当前 的雷 达 辐射 源信 号 识别 算 法主 要 是基 于分 析 截 获 信 号 的各 种 常规 参 数 ,如 到 达 时 间 、到 达 角 、载 频 、脉 宽 等 。其 中 ,利用 到达 时 间分选 与识 别是 较 为常 用 的一种 方 法 。PR1分选 与 识别 算 法 有 很 多种 ,典 型 的如 序 列 差直 方 图、PRI变换 ,以及 改进 的 PRI变 换 算法 等 。 但这 些算法都存 在一 定 的缺 陷 ,难 以适 用 于 当前 复 杂 的 电磁环 境 。文献 [1]综合 利 用 到达 角 、载 频 、脉
HAN Jun.CHEN Jinwen.SUN Ru (Air Force Early W arning Academ y,W uhan 430019,China)
Abstract: For the low recognizing rate and sensitive to the signal—to—noise ratio(SNR),the bispeetrum two——dim ensional characteristics com plexity is proposed to recognize unknow n com plicated radar signal right—- ly. T he bispectrum of received signal is extracted and predigested to be the two—dim ensional characteristics. T hen the box dim ension and inform ation dim ension are extracted from the tw o dim ensional characteristics and used as the recognition characteristics. The last recognition is accom plished by SV M . T he bispectrum s of different signals are different and not sensitive to SN R , so the box dim ension and inform ation dim ension are divisible and steady. T he advantage of this novel m ethod is validated by sim ulation results, and the low est recognition rate is 86 at SN R 一 5 dB.