基于TOA差值矩阵的雷达脉冲序列PRI识别方法

针对雷达脉冲序列的主要特点,利用TOA(脉冲到达时间)差值矩阵探索PRI(脉冲重复间隔)的识别问题。设计了一种新方法,首先由TOA序列求出TOA差值矩阵,再求出TOA差值矩阵的逆矩阵,分析TOA差值矩阵逆矩阵的特殊结构,得到PRI的识别结果。通过研究重频固定、脉冲丢失和重频参差三种情况下的PRI识别问题,说明了该方法用于雷达脉冲序列PRI识别的可行性。

基于时频域特征挖掘与自注意力机制融合的雷达PRI变化类型识别

针对存在异常值时雷达辐射源脉冲重复间隔(pulse repetition interval,PRI)变化类型识别困难的问题,提出一种基于时频域特征挖掘与自注意力机制融合的雷达PRI变化类型识别方法。首先对PRI序列进行时序变化特征和小波特征分析,从时域和频域2个角度构建特征集;然后基于自注意力机制以数据驱动的方式学习时频特征之间的互补性,有效把握不同维度特征对识别效果的贡献,实现对不同维度特征的深度融合;最后基于全连接神经网络对融合后的特征进行模式分类,从而实现对PRI变化类型的识别。仿真结果表明,在不同异常值水平下,所提方法能够显著提高对6种典型PRI变化类型的识别准确率,而且识别效果要显著优于仅使用单一维度特征的方法。

基于脉冲序列重构的雷达PRI调制类型智能识别算法研究

雷达脉冲重复间隔(PRI)是雷达信号的关键参数,对于雷达性能发挥起着至关重要的作用。研判雷达PRI调制类型能够为雷达识别和性能分析提供重要支撑,是电子对抗领域的关键研究内容。针对现有PRI调制类型识别准确率受脉冲丢失影响较大的问题,本文提出了一种基于脉冲序列重构的雷达PRI调制类型智能识别算法。首先,基于到达时间(TOA)多阶差分序列实现了PRI调制周期的初步估计;其次,根据PRI调制周期重构了不同脉冲序列样本;再次,对重构样本进行去均匀值预处理,并以此为输入搭建了卷积神经网络(CNN)识别PRI调制类型,该方法能够减弱人工提取特征的局限性,不仅可以获取PRI序列的深层特征,而且具有更强的环境适用性;最后,仿真实验表明了所提方法的有效性。在脉冲丢失率小于60%时,所提方法对于所有PRI调制类型的识别准确率均在92%以上,平均识别准确率大于98%,在脉冲丢失率小于80%时,平均识别准确率在81%以上。

基于周期样本图重构的雷达PRI调制类型识别算法研究

为提升对雷达脉冲重复间隔(pulse repetition interval,PRI)的分析性能,提出了一种基于周期样本图重构的雷达PRI调制类型识别算法。首先,建立了雷达PRI调制模型,分析了不同调制类型的信号特点;其次,利用到达时间(time of arrival,TOA)多阶差分序列估计了雷达PRI调制周期,并基于直方图算法重构了PRI周期样本图;然后,以PRI周期样本图为基础,提出了5个PRI调制特征实现PRI调制类型识别;该方法不仅能够提升PRI调制类型的识别准确率,而且对干扰脉冲特别是脉冲丢失具有很强的稳健性;最后,仿真实验表明了所提方法的有效性。

一种高效的雷达信号综合分选算法

雷达信号分选是雷达对抗研究的重点问题,其性能直接影响雷达对抗系统的效能.脉冲重复间隔(pulse repetition interval,PRI)变换分选算法是一种经典的雷达信号分选算法,其对PRI抖动和脉冲缺失有良好的适应性,但存在计算量大,无法满足实时计算的需求以及无法分选PRI值相同或相近的脉冲序列的问题.本文提出一种高效的雷达信号综合分选算法有效解决了上述问题.算法首先利用基于聚类的直方图算法估计出潜在PRI值集合,然后采用PRI识别准则筛选潜在PRI值,进一步利用PRI变换算法估计真实的PRI值,最后采用改进的序列检索算法完成脉冲序列的分离.仿真实验表明,在PRI抖动率为±10%、脉冲缺失率为10%时,算法能正确分选同时到达的四部雷达信号,验证了所提分选算法的有效性与先进性.

基于ADS-B信号的非合作空中飞行器监视系统

随着私人小型飞行器的快速发展与应用,对机场空中管制、个人隐私安全、国家重点设施保密等产生了极大的影响和隐患。本文介绍了一种对飞行器中ADS-B信号进行捕捉和测向的系统的原理与设计,从而实现对空中飞行器的实时监视与报警。该系统在对ADS-B信号非解码GPS定位信息处理的基础上,利用干涉仪测向的方法对飞行器位置进行定位。同时使用USR P软件无线电平台来进行信号的接收和处理,使得系统可以使用接收通道校准程序来对系统进行校准并且更加方便调试。该系统为利用空中飞行器ADS-B信号定位提供了一种新的接收处理方式,对空中飞行器监视方面的技术发展有很大的借鉴意义。