基于CNN-BiLSTM混合神经网络的雷达信号调制方式识别

针对具有时频特性的雷达信号,传统的雷达信号识别方法已经无法满足对信号类型精准识别的需求,因此需要通过采集并分析雷达信号脉内的时频特征实现对目标雷达的具体信息进行有效评估。设计了一种卷积-双向长短时记忆(Convolution-Bidirectional Long Short-Term Memory,CNN-BiLSTM)混合神经网络模型,主要通过BiLSTM的时序记忆特性深度挖掘雷达信号的时域特征,结合权值共享特性和CNN层捕获雷达信号的时频特征,再利用二者信号特征联合完成对雷达信号调制方式的识别。通过对比实验验证,所提方法对若干种雷达信号的识别具有较高的准确度,平均值达到95.349%;优于只使用单一特征的网络和传统算法,具有良好的抗噪声能力。

基于Att-BiLSTM的雷达信号调制方式识别

识别雷达信号的调制方式有助于分析雷达的工作模式和目的,为及时采取恰当的应对措施提供依据。长短时记忆网络(LongShort-Term Memory,LSTM)深度学习模型在基于特征的调制方式识别领域中有着广泛应用,但LSTM模型的时间性能会随着输入数据规模的增大而下降。针对以上问题,文中提出了一种基于注意力机制的双向长短时记忆网络(BidirectionalLongShort-Term Memory,BiLSTM)的雷达信号调制方式识别算法。该算法通过BiLSTM提取信号原始数据的特征,再使用注意力机制为学习到的特征分配相应权重,最后由分类器根据学习到的特征输出分类结果。使用Python框架构建基于注意力机制的BiLSTM网络模型,以雷达辐射源信号特征仿真数据作为网络的输入和训练基础,实现对辐射源的调制方式的识别。结果表明,该模型在识别雷达信号的调制方式方面具有良好的效果。

复杂脉内调制雷达信号的识别方法

提出一种识别包括相位编码、频率编码,以及脉内混合调制等复杂雷达信号的方法。该方法结合AR模型功率谱估计分析方法和小波变换模极大值方法,将复杂混合调制信号转化成相位编码信号,然后基于高次方频谱分析的方法提取信号的频率特征,首次实现了对6种复杂雷达信号的分类。实验表明,在信噪比为0dB时,大多数信号的识别率可以达到93以上。

基于Morlet小波在雷达信号脉内特征提取中的应用

为识别雷达信号不同调制方式,可通过准确估计雷达信号瞬时频率来分析信号脉内特征。通过分析小波脊线原理和Morlet小波各种参数对提取调制雷达信号小波脊线特征的影响,提出改进Morlet小波原子。针对不同调制类型雷达信号,分析了正确提取信号脊线特征的条件。提出一种基于改进Morlet小波的小波脊线方法估计雷达信号的瞬时频率。通过仿真实验表明,与普通Morlet小波相比,基于改进Morlet小波在提取信号脊线特征时精确度和抗噪性得到提高。

基于新型RBF网络的模拟调制信号识别

对敌方雷达信号调制类型的识别是电子对抗的一个重要方面。采用了一种基于人工免疫聚类和进化规划的混合算法设计径向基函数(RBF)网络,并将其应用于雷达信号调制类型的自动识别。该算法首先利用一种实现数据聚类的人工免疫机制,根据输入数据集合自适应地确定RBF网络初始中心的数量和位置,之后采用进化规划训练RBF网络。仿真实验表明,采用这种方法设计的RBF网络对各种模拟调制信号的调制类型达到了较高的识别精度。

基于奇异谱修正香农熵的雷达信号识别方法

针对当前雷达辐射源识别在低信噪比下识别率准确率不高,信号处理过程中难以很好保留有用信息的问题,提出了一种基于奇异谱修正香农熵(Singular Spectrum Modified Shannon Entropy,SSSE)的雷达调制信号识别方法。通过符号化聚合近似和奇异谱分析对雷达信号进行处理,求出信号的分类特征SSSE,通过分类器将处理后的信号进行分类。仿真结果显示,该方法在低信噪比范围下,仍有较高总体识别率,并且优于符号化聚合近似和奇异谱分析法。

基于WT和PSO的雷达脉内调制参数分析

雷达脉内调制信号分析是实现雷达辐射源信号识别的一个重要手段,雷达脉内调制信号是典型的非平稳信号,需采用非平稳信号处理方法进行分析。小波变换是处理非平稳信号的有力工具,可用来对脉内信号进行分析,但需要搜索算法搜索变换后的小波脊线。因此,在对调制信号进行小波变换后,采用微粒群优化算法搜索小波脊线。通过计算机仿真,结果表明利用小波变换和微粒群优化算法可对雷达脉内调制信号进行参数分析与提取,小波变换分析方法是有效的、合理的。

基于小波包变换的雷达辐射源信号识别

为了提高雷达辐射源信号的正确识别率以满足现代电子对抗的需求,提出一种以小波包系数的能量比和标准差为特征的算法,并采用BP神经网络进行识别。仿真实验表明,该方法能在较低的信噪比条件下取得较好的识别率。

IMMUNE RBF NETWORK AND ITS APPLICATION IN THE MODULATION-STYLE RECOGNITION OF RADAR SIGNALS

Based on Immune Programming(IP), a novel Radial Basis Function (RBF) networkdesigning method is proposed. Through extracting the preliminary knowledge about the widthof the basis function as the vaccine to form the immune operator, the algorithm reduces thesearching space of canonical algorithm and improves the convergence speed. The application ofthe RBF network trained with the algorithm in the modulation-style recognition of radar signalsdemonstrates that the network has a fast convergence speed with good performances.