基于干扰机功率放大器特性的有源欺骗干扰识别方法

针对对空情报雷达的有源欺骗干扰与目标回波高度相似,导致识别有源欺骗干扰难度较大的现状,提出了一种基于干扰机功率放大器非线性特性的有源欺骗干扰识别方法。提取分段自相关最大值方差和奇异谱熵两个特征,用这两个特征联合识别有源欺骗干扰。仿真结果表明,在信噪比大于等于8dB时,欺骗干扰识别概率能达到100%,能够满足实际工程需要。

基于1.5维谱的欺骗干扰识别方法

针对欺骗干扰自动识别运算量大、干噪比较低时识别率低和识别模型的实时性不强等问题,研究了一种基于1.5维谱的欺骗干扰识别方法.首先对速度欺骗、距离欺骗和角度欺骗3种干扰信号进行1.5维谱估计,然后提取得到的图像的盒维数、信息熵和信号聚散度作为特征参数,构建三维特征空间,最后将3个特征参数送入径向基函数(RBF)神经网络进行自动分类.仿真结果表明,该方法对欺骗干扰样式识别率较高,受干噪比影响相对较小,运算速度较快,具有较好的实时性.

融合注意力机制的雷达欺骗干扰域适应识别方法

针对目前雷达欺骗干扰识别中常规特征识别方法应用受限和训练高性能深度学习模型需要的大量标注样本难以高效获取的问题,该文提出一种基于对抗域适应网络的雷达欺骗干扰识别方法,以改善标签限制;并融合注意力机制残差模块进一步提升识别精度。首先,对雷达接收信号进行时频变换后,应用基于对抗网络思想的域适应技术实现从标注源域样本到未标注目标域样本的迁移识别。其次,通过所设计的空间通道注意力残差模块使网络训练聚焦于时频图全局空间特征和高响应通道,以忽略时频图像中可迁移性低的区域抑制负迁移的产生。在不同源域与目标域雷达欺骗干扰数据集上的实验结果表明了该方法的可行性和有效性。

基于时频域分析的雷达有源干扰识别方法及实现

通过分析雷达压制干扰信号、欺骗干扰信号的时频域特征,设计了一种基于时频域分析的干扰信号识别方法,并描述了其实现方法。为保证干扰信号识别的实时性和准确率,利用数字信道化接收机原理进行信号预处理,获取信号的时频功率谱、高分辨率功率谱以及脉冲描述字(PDW)数据,后续由数字信号处理器(DSP)芯片多核并行处理完成干扰识别分类。

基于双域特征的雷达欺骗干扰样式识别方法

数字储频技术和DSP处理芯片技术的发展大大提高了欺骗干扰技术的实时性和自适应性,对欺骗干扰信号样式的识别更加困难。针对这一问题,提出了一种新的雷达欺骗干扰样式的识别方法:梳理了几种欺骗干扰样式的数学模型,对信号作快速傅里叶变换后定义信号特征平稳度,在对来波信号进行双谱估计的基础上定义信号特征凸度,构建涉及频域、双谱域的"平稳度、凸度"二维特征空间,设计GA-BP神经网络分类器对信号具体欺骗干扰样式进行识别。仿真实验表明,该识别模型具有较好的正确识别率和实时性,且受干噪比影响小。

基于短时傅里叶变换的干扰信号识别方法

目的提高无线电引信识别欺骗式干扰的能力。方法根据炮弹弹体自旋的特点,使得采用连续波线极化天线的无线电引信所收到的干扰信号呈现出有别于地面回波的周期性幅度调制特征,通过对此特征进行短时傅里叶变换后进行识别,可以作为无线电引信是否受到欺骗式干扰的判断依据。结果通过仿真和试验对方法的可行性进行了验证,表明该识别方法可以很好地提高连续波无线电引信的识别欺骗式干扰的能力。结论基于短时傅里叶变换检测旋转调制的对地旋转弹无线电引信欺骗干扰识别的方法可以对干扰信号特征进行识别,算法处理时间短,能够作为引信是否受到干扰的一种判断依据。

基于时频图像色度差异的雷达智能抗欺骗干扰

针对雷达如何实施智能抗欺骗干扰问题,提出了基于时频图像色度差异与深度随机森林的雷达智能抗欺骗干扰方法。首先,对雷达接收信号进行时频变换,经灰度处理后,将RGB三维数据信息转换为一维信息,利用全局阈值对原始时频图分割处理;其次,对分割后的图片提取颜色分量特征,利用深度随机森林(deep random forest,DRF)进行干扰识别;最后,基于识别结果及真实信号的位置信息设计二维时频滤波,从而将干扰与噪声滤除。该算法不必对信号参数进行估计,计算复杂度低。仿真结果表明,干信比(JSR)大于3 dB和小于-2 dB时干扰识别率均能达到90%以上,而在干扰与信号功率相当时,可通过增加盒维数与信息熵等特征来进一步提高识别率。