多特征融合的雷达信号脉内调制识别

针对当前电子侦察情报系统自动识别率低、识别类型少的问题,提出了一种有效的联合奇异值分解和主分量分析的雷达信号脉内调制类型自动识别方法。该方法对信号时频图像进行奇异值分解(SVD)和主分量分析(PCA)后,将所得特征参量按一定的准则进行融合来识别信号。仿真结果表明,SVD和PCA相融合的识别方法在低信噪比(4 dB)下,对常见脉内调制信号正确识别率均大于90%,并且该方法分类器具有结构简单、抗噪声能力强的优点。

基于奇异值分解的雷达信号脉内调制类型自动识别

针对低信噪比下传统方法识别雷达信号脉内调制类型准确率低的问题,提出了一种有效的脉内调制类型自动识别方法。该方法首先计算雷达信号的模糊函数,然后利用图像处理算法提取其奇异值特征,将奇异值特征矢量作为神经网络的输入对脉内调制类型自动识别。仿真表明该方法在0dB信噪比下,对常见脉内调制信号识别率均大于84%。该方法需要的特征维数少、分类器结构简单、识别率高、抗噪能力强。

多相编码雷达信号参数快速估计方法

针对Wigner-Ville分布、Radon-Wigner变换估计多相编码雷达信号参数存在运算量大、估计精度低等问题,本文提出了基于Radon-ambiguity变换和分数阶傅里叶变换(FRFT)联合分析的参数快速估计方法。该方法采用Radon-ambiguity变换估计信号调制斜率,采用分数阶傅里叶变换估计载频、周期等,通过两次一维搜索峰值来估计信号的参数,与Wigner变换、Radon-Wigner变换的二维搜索峰值相比,运算量大大降低,且提高了参数估计精度。仿真结果证明了该方法的有效性。

一种P3/P4多相码雷达信号参数快速估计方法

针对Wigner-Ville变换、Radon-Wigner变换估计P3/P4多相编码雷达信号参数存在运算量大、估计精度低等问题,提出了基于Radon-Ambiguity变换和分数阶傅立叶变换(FRFT)联合分析的参数快速估计方法。该方法采用Radon-Ambiguity变换估计信号调制斜率,采用分数阶傅立叶变换估计载频、周期等,通过两次一维搜索峰值来估计信号的参数,与Wigner变换、Radon-Wigner变换的二维搜索峰值相比,运算量大大降低,且提高了参数估计精度。仿真结果证明了该方法的有效性。

基于离散余弦变换的相位编码信号识别

针对低信噪比下相位差分法无法识别相位编码信号问题,提出了基于离散余变换(DCT)的相位编码信号识别方法。根据常规信号与相位编码信号的频谱差异,该方法采用平方运算对信号进行变换,利用离散余弦变换对平方后的信号频谱进行分析。在仿真条件相同的情况下,相比相位差分法,该方法识别率较高,抗噪性能也有所提高。同时,该方法具有运算量小和提取特征参量稳定的特点。