基于YOLOv5网络的复杂雷达脉内调制类型快速识别方法

近年来雷达系统的抗截获能力快速发展,信号体制变得非常复杂,给空间态势感知信号处理带来困难。针对实际场景中极可能出现的多信号时频域交叠难以识别的问题,提出基于时频分析和深度神经网络的脉内特征识别的方法,利用时频分析手段将不同类型雷达信号转换为时频图像,基于深度学习的YOLOv5网络对不同混合交叠的雷达脉冲信号时频图开展研究。结果表明:在不同信噪比下,实现对两调相信号、三调频信号及调相与调频信号3种交叠情况的混合雷达信号脉内调制方式的检测与识别,信号调制体制识别准确率均达到95%以上。本文分析结果可为空间态势感知信号处理提供参考。

基于分数阶傅里叶变换的脉内信号调制方式识别

针对传统的雷达脉内信号调制类型识别方法存在的抗噪性能差和识别率低等问题,提出了一种基于分数阶傅里叶变换(FRFT)的脉内信号调制方式识别算法。该算法分为两步:首先根据不同调制方式在调频斜率上的区别,通过FRFT模值随阶数变化的特点,识别出线性调频信号;然后,再根据阶数为1时FRFT的波形特点,识别出频率编码信号和相位编码信号。仿真实验表明,该算法在信噪比优于-2 dB的情况下可以完成脉内信号的调制特征识别,其抗噪性能和识别率均明显优于传统识别方法。

一种实现信号反侦察的新方法

为满足未来综合电子战的需要,提高雷达的战场生存能力,提出一种基于抗脉内识别的雷达反侦察方法。在不降低信号功率的条件下,从雷达侦察技术的角度,利用WVD时频分析作为雷达反侦察抗识别的效果分析工具,通过对几种复杂雷达信号识别效果的仿真,研究雷达辐射源信号形式和参数变化对识别效果的影响,探寻具有优良反侦察效果的信号形式及变化规律,为雷达反侦察研究提供新的思路。