基于1DCNN的机载火控雷达空空工作状态识别

针对机载火控雷达空空工作模式识别局限性大的问题,从电子情报和雷达告警系统的视角定义了八种工作状态,提出了基于一维卷积神经网络的识别方法。基于不同工作状态的波形特征开发了信号模拟器,构建了全脉冲数据预处理和工作状态自动识别的一维卷积神经网络结构,迭代训练确定最优的网络参数完成状态识别。仿真结果表明:文中提出的识别方法精度高,且对信噪比小、错漏脉冲多的信号适应能力强,具有较强的工程应用价值。

机载火控雷达空空工作状态识别研究

为有效解决机载火控雷达空空工作模式反推识别难度大的问题,从非合作方的角度提出空空工作状态的概念,使用DS证据理论对8种工作状态进行识别。首先,基于对空空工作状态的特征分析设计了信号波形模拟器;其次,构建了包含单特征参数、多特征参数融合和多周期融合的分布式DS证据理论识别网络;最后,使用信号波形模拟器仿真的信号进行了随机样本测试。仿真结果显示,识别网络能够对8种工作状态进行有效区分,识别准确率达到92%以上,证明了该方法的合理性和实用性。

基于ELINT的机载火控雷达空空工作状态识别

为提高RWR(雷达告警)和ECM(自卫电子对抗)的实效性和准确性,基于ELINT(雷达对抗侦察)对机载火控雷达常用空空工作模式按状态进行分类,运用平滑度、离散度等分析方法提取不同工作状态的特征参数,使用SVM(支持向量机)基于5种特征参数对机载火控雷达8种空空工作状态进行自动识别。仿真结果显示,识别方法对不同的工作状态具有较高的识别准确率。