基于循环谱分析的LPI信号特征检测新方法研究

本文提出一种LPI信号特征提取和参数估计的新方法,通过对LPI信号进行采用频域平滑周期图法估计循环谱,建立并采用"循环频率-谱频率域"分析信号内部特征,得到了LPI信号在该域内明显的分类特征和多维参数估计的方法。计算机仿真实验和性能分析均表明,该估计方法避免了多维搜索,计算量小,估计精度高,且不需要知道信号的先验信息,对于多种LPI信号具有良好的适应性,为LPI信号的截获接收和处理提供了一个新的思路,具有一定的工程意义。

一种基于FFT与分段自相关函数的频域LPI信号检测方法

针对LPI雷达信号的检测难题,本文提出了一种基于FFT和分段自相关函数的频域检测算法,通过在频域进行非相干积累来提高信号的检测概率,首先给出了算法的基本原理,然后推导出了噪声在频域的概率分布,然后根据噪声分布规律给出了信号的检测门限,然后通过仿真验证了该算法的准确性和可行性。

时频图像二维EMD分解在LPI信号识别中的应用

针对LPI信号分类识别问题中,时频图像受噪声干扰严重的问题,提出了一种基于二维快速经验模式分解(FBEMD)的图像降噪算法,并利用该算法实现对LPI信号的分类。首先利用时频分析方法,获得待分类信号的时频分布图像;使用二维EMD分解算法对图像降噪;截取包含时频信息的图像部分,通过主分量分析法提取特征矢量;最后采用RBF神经网络完成信号的分类识别任务。对常见的LPI雷达信号进行仿真,结果表明较低信噪比情况下,该方法仍能获得较好的分类结果。当信噪比为-2 d B时,采用二维EMD降噪算法,平均正确识别率能够达到93%。

频域谱相关自适应滤波的LPI信号可检测性与密集信号分选能力研究

本文以谱相关理论为基础，针对低概率截获信号检测和密集信号分选问题，提出了利用频域谱相关自适应滤波技术对噪声和干扰环境下的ＬＰＩ信号进行检测，以及对时域和功率谱域严重重叠信号进行分选。

基于时频图像和神经网络的LPI雷达信号调制识别

针对LPI雷达信号调制识别问题,提出一种基于时频分析、图像处理和神经网络的LPI雷达信号识别新方法。该方法先对LPI雷达信号进行时频分析,获得时频分布图像,然后利用图像处理的方法对时频图像作预处理,最后再用RBF神经网络对处理后的图像进行识别分类。仿真实验表明,该方法在信噪比高于3dB时,平均正确识别率达到了92%。

LPI雷达信号检测系统设计研究

随着电子对抗技术的不断发展,雷达的生存正经受着越来越严峻的威胁,为了雷达自身生存的需要,发展了低截获概率雷达。本文针对低截获概率雷达在雷达系统中的重要地位和作用,运用Laguerre变换等技术对典型的LPI(low probability of interception)雷达信号即线性调频信号和脉冲压缩信号进行分析,并在分析结论的基础上构建了LPI雷达信号检测系统,仿真结果表明,该检测系统能够对LPI雷达信号进行有效检测。

LPI雷达信号脉内调制识别

针对低截获概率(LPI)雷达信号的识别问题,提出了一种基于自适应分解和多重相位差分的识别方法。该方法首先在自适应分解的基础上,提取调频率和分量能量之比作为分类特征。然后,基于多重相位差分,提取变换后信号的前后段均值比和拟合曲线斜率作为分类特征,完成了LPI雷达信号的完整分类。仿真实验结果表明,该方法无需先验信息,抗噪性好,识别正确率高。

基于改进型AlexNet的LPI雷达信号识别

为了识别低截获概率(LPI)雷达信号,给出一种基于Choi-Williams分布(CWD)和改进型AlexNet网络模型。首先,利用CWD时频分析方法获得LPI雷达信号的二维时频图像;然后,对获取的原始图像进行预处理,建立改进型AlexNet网络模型对处理后的图像进行训练,获得训练模型;最后,利用训练模型对常见LPI雷达信号(FMCW,Costas,Frank,P1,P2,P3,P4)进行识别。仿真结果表明,与AlexNet网络模型相比,改进型AlexNet对LPI雷达信号识别率更高。

信号交叉口的行人信号提前建模

在行人到达分布模型的基础上,利用交通波理论建立行人信号提前(LPIs)计算模型.通过统计多交叉口的行人到达位置,并考虑人行横道几何尺寸和行人密度的影响,建立行人到达分布模型.经检验,模型形状参数和尺度参数的拟合优度分别达到0.76和0.71.在行人到达分布模型的基础上,计算行人的最大排队长度,并利用交通波模型建立行人释放时间模型.建立考虑转弯车辆运行时间的LPIs计算模型,对模型进行验证并与现有模型进行对比.结果表明,与现有模型相比,所提出的模型能够根据人行横道长度、宽度和行人密度确定更合理的LPIs.

一种低信噪比下基于时频原子的复杂调制雷达信号分选方法

复杂调制的多种雷达辐射源信号在低信噪比环境下,具有复杂度高、识别效率低的特点.提出一种基于改进的Chirplet时频原子特征的雷达信号识别分选方法.首先分析多种调制方式的雷达信号,然后分析PSO智能优化算法在参数搜选中的原理和优势,并用该算法对时频原子提取过程进行改进,之后提出PSO算法与时频原子概念结合的方法,利用类区分度准则提取信号特征,得到LPI雷达信号的有效表征原子.最后通过仿真实验证明该方法对于3 dB以上多种调制方式的雷达信号,可快速地完成有效识别分选.