基于BAS-BPNN的调频无线电引信目标与扫频干扰识别方法

针对调频无线电引信在复杂电磁战场环境对抗调幅扫频式干扰能力不足的问题,提出一种基于频域信息熵、范数熵和倒频谱熵的调频无线电引信目标识别方法。基于目标和调幅扫频干扰作用下的调频无线电引信检波端输出信号,提取频域信息熵、范数熵和倒频谱熵构建特征矩阵,并利用天牛须搜索(BAS)算法对反向传播神经网络(BPNN)初始权重值和阈值进行优化,利用优化后的BPNN对目标和调幅扫频干扰信号进行分类识别。实测数据实验结果表明,特征提取方法构成的特征矩阵在目标与干扰之间具备可分性,BAS算法优化获得最优参数的BPNN时,该分类器的识别准确率可以达到99.96%,显著提升了调频无线电引信对抗调幅扫频干扰的能力。

调频无线电引信信号检测方法研究

论述了调频无线电引信中对非平稳信号的检测方法,应用了基于循环平稳检测法对调频无线电引信的信号进行检测,分析了非平稳信号的二阶循环特性,构造了基于二阶循环矩的检测统计量。最后,通过仿真试验,给出了一阶循环检测法、二阶循环检测法和W igner-Hough检测法在不同信噪比条件下的检测性能。

基于功率谱熵的无线电引信目标与干扰信号分类方法

无线电调频引信在战场环境容易受到干扰信号的干扰导致早炸,丧失打击能力。为提升无线电调频引信抗干扰能力,准确识别引信目标与干扰信号,提出一种基于功率谱熵特征的无线电调频引信目标与干扰信号分类识别方法。利用实测采集的无线电引信检波端输出信号,通过提取目标和干扰信号的功率谱指数熵和Renyi熵特征构成特征向量,作为K邻近(KNN)分类器的输入进行目标和干扰信号分类识别,并利用5-折交叉检验方法对其进行验证。结果表明:目标和干扰信号的功率指数熵和Renyi熵具有显著差异性,使用KNN分类器对其进行分类识别时,最高的识别准确率可达99.47%。

无线电调频引信谐波提取改进算法

提出了谐波快速提取改进算法,利用离散傅里叶变换和复数的运算性质,对重叠采样中重复元素的计算结果进行反复利用,即不在未处理的采样段中对重复元素进行二次计算,而是直接使用已处理采样段中重复元素的计算结果,在不改变信号最终处理结果的前提下削减了计算量,减少了短时傅里叶变换即谐波提取算法的运算量。通过仿真及实验验证表明:进行一次1 024点的快速傅里叶变换处理共需耗时0.58 ms,而改进算法的单次傅里叶变换仅耗时0.019 ms。改进算法的实际性能与理论分析结果一致,与以前的算法相比运算效率得到了提升,可在不降低信号处理精度的前提下缩短信号处理所需的时间,解决了在处理精度过高时ARM为信号处理芯片的引信谐波提取算法实时性不足的问题。

无线电调频引信谐波提取改进算法分析

谐波提取是无线电调频引信的定距算法的重要组成,谐波提取的效果直接对定距性能造成影响,所以,谐波提取算法至关重要。基于此,本文通过对谐波提取算法进行探究,重点分析无线电调频引信谐波提取的改进算法,以期提升该算法的处理能力。

基于二维DFT变换的调频引信信号处理方法

针对无线电调频引信信号处理难以对目标距离-速度信息进行联合估计,提出了基于二维DFT(离散傅里叶变换)变换的调频引信信号处理方法。该方法把无线电调频引信的一维差频信号变换为二维矩阵,然后对二维矩阵数据进行二维DFT变换。通过二维DFT变换后的二维频域信息联合估计差频信号中的距离,速度信息。仿真试验表明,该方法能够利用无线电调频引信差频信号进行运动目标距离-速度联合估计,为无线电调频引信实现高精度分档装定,干扰信号识别提供了一种技术途径。

连续波调频引信信号的检测方法

以三角波调频无线电引信为对象,分析了调频引信的信号特征,针对低信噪比宽带连续波线性调频信号的检测,提出了基于延迟相乘的频带压缩检测算法。通过仿真试验验证,该算法对负信噪比宽带线性调频信号检测有较高的处理增益,且处理简单,工程可实现性好,满足对无线电引信信号高截获处理要求。