基于Jaya算法的LPI雷达波形设计

随着侦察设备与雷达之间的对抗加剧,雷达系统的射频隐身性能直接影响到武器装备的作战能力和生存能力,低截获概率雷达技术逐渐成为研究热点。文中研究了使用信息论在频域上设计低截获概率雷达波形的方法,利用Jaya算法实现了在满足一定的雷达探测性能前提下,最小化截获接收机性能的波形优化设计。考虑到该算法是不受约束的优化过程,利用罚函数将约束条件合并到适应度函数中。仿真结果表明所提方法不受初始值选择的影响,与传统算法在恰当选取初值后的优化效果相当,具有更高的普适性和稳定性。

基于CNN-Swin Transformer Network的LPI雷达信号识别

针对在低信噪比(SNR)条件下,低截获概率雷达信号调制方式识别准确率低的问题,提出一种基于Transformer和卷积神经网络(CNN)的雷达信号识别方法。首先,引入Swin Transformer模型并在模型前端设计CNN特征提取层构建了CNN+Swin Transformer网络(CSTN),然后利用时频分析获取雷达信号的时频特征,对图像进行预处理后输入CSTN模型进行训练,由网络的底部到顶部不断提取图像更丰富的语义信息,最后通过Softmax分类器对六类不同调制方式信号进行分类识别。仿真实验表明:在SNR为-18 dB时,该方法对六类典型雷达信号的平均识别率达到了94.26%,证明了所提方法的可行性。

LPI雷达信号调制识别及参数估计研究进展

低截获概率(low probability of intercept,LPI)雷达已成为新时代雷达装备中关键的技术体制或工作模式,针对LPI雷达信号调制识别及参数估计方法的研究是当前雷达对抗侦察领域的热点。首先,分析了几种典型LPI雷达信号的脉内特征,梳理了LPI雷达信号调制识别及参数估计的传统和主流方法,并说明其原理、优缺点和研究现状。最后,总结了现有LPI雷达信号调制识别及参数估计方法尚存的问题,并指出其未来发展趋势,旨在为今后的研究提供参考。

时变参数下信息映射LPI通信波形

以二进制正交键控(binary orthogonal keying,BOK)为传统方法调制Chirp信号的检测手段日益丰富,针对常用时频分析手段分数阶傅里叶变换和短时傅里叶变换对Chirp信号的高破译性问题,提出了一种将信息映射到Chirp信号时域的新型调制方式,即时变信息映射(time varying-information mapping,TVIM)调制,通过构建时域携带信息的调制模式,解决了周期能量聚敛特性,增加了以BOK为检测思想的信息干扰,加强了波形的低截获概率(low probability of intercept,LPI)。以数学推导和仿真分析的方法,探究了新型调制方式的误码特性、时频分析下LPI特性及先验信息抗破译性。理论分析和仿真验证表明,TVIM调制架构下,可保证比特信噪比在13 dB前误码率达到10-4,并提高了波形LPI性能。

LPI radar signal detection based on the combination of FFT and segmented autocorrelation plus PAHT

This paper proposes a desirable method to detect different kinds of low probability of intercept (LPI) radar signals, targeted at the main intra-pulse modulation method of LPI radar signals including the signals of linear frequency modulation, phase code, and frequency code. Firstly, it improves the coherent integration of LPI radar signals by adding the periodicity of the ambiguity function. Then, it develops a frequency domain detection method based on fast Fourier transform (FFT) and segmented autocorrelation function to detect signals without features of linear frequency modulation by virtue of the distribution characteristics of noise signals in the frequency domain. Finally, this paper gives a verification of the performance of the method for different signal-to-noise ratios by conducting simulation experiments, and compares the method with existing ones. Additionally, this method is characterized by the straightforward calculation and high real-time performance, which is conducive to better detecting all kinds of LPI radar signals.

基于诱导脉冲组合雷达波形的LPI性能分析

基于诱导脉冲的雷达组合波型可以在保证雷达有限的探测能力前提下,有效对抗典型的侦察设备的截获,不易测出有用信号的载频,不易进行分选和识别,是典型的雷达低截获波形。文章分析了这种组合波型的构成原理、抗侦察设备截获能力,并给出了仿真、验证的数据,得出了结论,具有重要的参考价值。

基于改进半监督朴素贝叶斯的LPI雷达信号识别

针对先验信息残缺的非合作电子对抗背景下的低截获概率雷达信号识别问题,提出一种基于改进的半监督朴素贝叶斯的识别算法。该算法首先提取出4种低截获概率(low probability of intercept,LPI)雷达信号的双谱对角切片作为识别特征;针对传统的半监督朴素贝叶斯(semi-supervised Na?ve Bayes,SNB)在更新训练样本集过程中会产生迭代错误的不足,利用改进的SNB(Revised SNB,RSNB)算法构建分类器,完成对测试样本的识别。该方法通过在无标记样本集生成的置信度列表中选取置信度较高的样本添加到有标记样本集中,再利用预测后的分类结果对分类器参数(即特征期望向量珡mi和方差向量σi)进行改进,有效解决了传统算法分类精度低且分类性能不稳定等缺点。理论分析和仿真结果表明,在LPI雷达信号识别问题,相比于SNB算法和传统的主成分分析加支持向量机法(principal component analysis-support vector machine,PCA-SVM),该算法具有更高的分类识别率和更好的分类性能。

基于改进G-GIFSS算法的雷达LPI性能评估方法

合理的雷达低截获(low probability of interception,LPI)性能评估方法是提高其隐身性能的基础。针对雷达LPI性能难以有效实时评估的问题,提出一种群广义直觉模糊软集(group-generalized intuitionistic fuzzy soft sets,G-GIFSS)算法与主客观权重相结合的雷达LPI性能评估方法。首先从反映雷达低截获性能的3个准则层信号层、功率层以及天线层确定6个目标属性指标层,选择直觉模糊集熵法确定客观权重、层次分析法((analytic hierarchy process,AHP))确定主观权重,并线性合成主客观权重。结合G-GIFSS算法利用多专家参量集的优势,对雷达LPI性能进行综合评判。通过案例分析并与经典评估方法对比,验证了该方法的优越性。

相位编码信号在LPI雷达中的应用

从相位编码信号的模糊函数和自相关函数入手 ,研究和分析了规则中断方式的二相随机信号 ,并阐明了这种信号形式的LPI(低截获概率 )

时频图像二维EMD分解在LPI信号识别中的应用

针对LPI信号分类识别问题中,时频图像受噪声干扰严重的问题,提出了一种基于二维快速经验模式分解(FBEMD)的图像降噪算法,并利用该算法实现对LPI信号的分类。首先利用时频分析方法,获得待分类信号的时频分布图像;使用二维EMD分解算法对图像降噪;截取包含时频信息的图像部分,通过主分量分析法提取特征矢量;最后采用RBF神经网络完成信号的分类识别任务。对常见的LPI雷达信号进行仿真,结果表明较低信噪比情况下,该方法仍能获得较好的分类结果。当信噪比为-2 d B时,采用二维EMD降噪算法,平均正确识别率能够达到93%。

数字自相关技术在LPI雷达信号检测中的应用

导出LFM信号自相关输出包络表达式,基于中频数字化接收机平台对采样数据直接进行自相关处理。绕过传统相关检测方法,提出利用LFM信号自相关输出包络典型特征进行检测的思路。

功率管理对LPI雷达低截获性的影响

从实现低截获概率特性和防止非合作截获接收机侦获的角度出发,低截获概率(LPI)雷达分别从时域、频域、空域和能量域对雷达设计进行重新思考,拥有了与传统脉冲体制雷达截然不同的设计特点。从功率管理的角度对LPI雷达的低截获特性进行了深入的研究。结合典型场景构建,得出了LPI雷达的低截获特性对场景和截获接收机的灵敏度具有很强依赖性的事实。

基于通用信号处理板的LPI雷达的实时信号处理

根据线调频连续波雷达测距测速的基本原理和方法,在多片DSP为核心的通用信号处理板上设计了信号处理程序,通过流程优化和数据存取控制,解决了高速运算、大容量存储和高速传数等难题。测试结果表明:整套系统较好地满足了设计要求,实现了LPI雷达的实时处理。

对机载LPI雷达的高概率截获技术研究

采用先进的功率管理技术和灵活的波形设计技术,能大大提高机载雷达的反侦察和抗干扰能力。提出了一种综合利用数字阵列侦察技术、基于多相滤波的信道化检测技术以及基于模糊聚类的信号分选技术的侦察截获方法,有望实现对机载LPI雷达的高概率截获。

基于神经网络的FDA-MIMO低截获发射波形和接收波束形成联合设计

针对传统相控阵或多输入多输出(MIMO)体制的低截获概率(LPI)阵列雷达仅能控制特定角度的辐射能量,而无法实现特定区域(距离、角度)能量控制的问题,该文提出一种基于神经网络的频控阵-多输入多输出(FDAMIMO)雷达低截获概率发射波形设计方法。该方法通过对FDA-MIMO雷达的发射波形和接收波束形成联合设计,在确保雷达对目标检测概率的情况下,将雷达辐射能量均匀地分散到空域当中,并尽可能降低辐射到目标位置的能量,从而减小雷达信号被截获的概率。首先,建立了最小化方向图匹配误差准则下LPI性能发射波形设计和接收波束形成的优化目标函数;然后,将目标函数作为神经网络的损失函数;最后,通过迭代训练最小化神经网络的损失函数,直至网络收敛,求解出发射信号波形和对应的接收加权矢量。仿真结果表明,该文所提方法能更好地控制雷达功率分布,相比于传统算法,控制发射方向图非目标区域的波束能量分布方面有5 dB的改善;此外,在接收端形成的接收方向图波束能量也更为集中,且在多个干扰位置均产生了–50 dB以下的零陷,具有很好的干扰抑制效果。

便携式LPI战场侦察雷达收发系统设计

便携式战场侦察雷达具有低截获、高灵敏度、结构灵巧、发射功率小、架拆迅速和配置人员少等特点,它不仅适用于战场前沿,也适用于和平时期的很多场合,因此越来越受到人们的关注。收发系统作为便携式战场侦察雷达的重要组成部分,其功耗、体积、重量、低截获和改善因子等均为工程设计的重点。文中论述了收发系统集成模块化、低功耗、低截获的设计方法,论证了全相参、二相码、固态和锁相体制的特点。

基于时相特征卷积网络的雷达波形识别

低截获概率(LPI)雷达以其优越的反截获性能得到广泛应用,识别LPI雷达波形对电子侦察系统至关重要。然而,基于深度学习的LPI雷达波形识别方法存在网络参数量大、计算复杂度高等问题,严重影响了其在算力不足的场景下的使用。面向LPI雷达波形快速精确识别需求,提出了一种基于时相特征卷积网络的雷达波形识别模型。该方法与传统的时频变换方法不同,采用卷积神经网络直接从原始信号中提取相位和短时特征,具有轻量化和低复杂度的特点。通过包含13个LPI雷达波形识别实验的验证表明,该方法即使在信噪比为-4 dB的情况下,也能实现90%以上的准确率;与基于Wigner‑Ville变换和图像深度网络识别方法相比,该方法只需要12%的参数和0.14%的计算资源,就可达到相同精度,兼顾了准确率和处理速度,具有非常好的工程应用前景。

基于IFA-HFS的雷达波形域LPI性能评估方法

针对雷达波形域低截获(LPI)性能评估的问题,提出一种应用改进萤火虫算法(IFA)求解指标权重的犹豫模糊集(HFS)评估方法。首先,介绍基于逼近理想解排序(TOPSIS)的犹豫模糊集理论,并从属性和方案2个角度构建指标权重的优化模型;其次,通过引入混沌理论,解决了萤火虫算法容易陷入局部最优的问题,给出用IFA求解指标权重的流程;再次,从雷达发射方角度,提取脉内、脉间5个波形域LPI性能评估指标;最后,得到利用IFA求解指标权重的犹豫模糊集评估方法。选取4种不同类型的雷达进行仿真对比,获得波形域LPI性能排序,验证了方法的快速性和有效性。

基于SE-ResNeXt网络的低信噪比LPI雷达辐射源信号识别

针对低信噪比(signal to noise ratio,SNR)低截获概率(low probability of intercept,LPI)雷达脉内波形识别准确率低的问题,提出一种基于时频分析、压缩激励(squeeze excitation,SE)和ResNeXt网络的雷达辐射源信号识别方法。首先通过Choi-Williams分布(Choi-Williams distribution,CWD)获得雷达时域信号的二维时频图像(time-frequency image,TFI);然后进行TFI预处理降低噪声干扰和频率维的位置分布差异,以适应深度学习网络输入;最后在ResNeXt基础上加入扩张卷积和SE结构提取TFI特征,实现雷达辐射源分类。实验结果表明,SNR低至-8 dB时,该方法对12类常见LPI雷达波形的整体识别准确率依然能达到98.08%。

基于DAE-GAN网络的LPI雷达信号增强

针对非合作侦察接收机只在降噪后才能开展后续检测识别工作的问题,结合降噪自编码器和生成对抗网络的优势,构建噪声增强网络与信号增强网络进行对抗训练。噪声增强网络往带噪信号中掺杂更复杂的噪声分量,信号增强网络则是尽可能地降低带噪信号中的噪声分量。二者在对抗训练的过程中,噪声增强网络生成复杂高维噪声的能力和信号增强网络降噪的能力都在提升。训练结束后,信号增强网络具备更好的降噪性能,为后续检测识别工作降低难度。