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。

基于多PRI脉压回波的单通道雷达干扰分离方法

研究了一种基于盲源分离的单通道雷达有源相干干扰抑制方法。针对伴随式干扰场景,在间歇采样转发干扰、部分脉冲密集转发干扰等有源相干干扰并存的条件下,建立了基于脉冲压缩的多脉冲重复间隔采样抗主瓣有源相干干扰模型并对其可行性进行了证明。针对现有单通道盲源分离方法在时域进行分离效果有限的问题,提出对脉压后的距离维数据进行盲源分离的思想,可在一定程度上抑制噪声对盲源分离的影响。同时,由于目标信号和干扰信号在脉冲压缩后重合度较低,可获得更好的分离效果。仿真和实测结果表明,在多个干扰源存在的条件下,本方法可有效分离真实目标回波和干扰回波。当信噪比大于5 dB时,目标脉压回波相似系数接近100%;选取虚拟通道数越多,分离效果越好。

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。

叶片光化学植被指数(PRI)的修正及其敏感性分析

光化学植被指数(PRI)被成功的应用于估算不同叶片生化组分的光能利用率(LUE),这些生化组分包括叶片含水量、氮元素浓度等。以往的研究中已经成功建立了叶片、冠层和景观尺度PRI和LUE的相关关系。但是,为了利用PRI更加准确地估算叶片LUE,很多问题仍然亟需解决,比如当LUE高于0.03mol CO2 mol-1PPFD(photosynthetic photon flux density),PRI会出现一个明显的饱和区域以及PRI和LUE关系会随季节发生较大变化。文章对PRI进行了修正,并基于PROSPECT模型对这一修正形式进行了4个参数的敏感性分析。分析结果表明,叶片SR-PRI(Simple ratio PRI)对叶肉结构参数(N)、叶绿素浓度(cab)敏感性要高于叶片的等效水厚(cw)和干物质浓度(cm)。因此叶肉结构参数(N)和叶绿素浓度(cab)的微小变化都会造成SR-PRI的较大变化,进而影响到LUE的估算精度。对SR-PRI的实证实验表明,这一指数也能够很好地用来估算叶片的光能利用率并且结果要优于PRI和LUE之间的相关关系。SR-PRI最重要的一方面在于其更清晰的物理意义和对531nm处反射率变化的敏感性,因为这一波段位置的反射率变化是评价光能利用率的核心参数。

基于PRI的雷达脉冲序列分选方法

高密度复杂信号环境下的信号分选处理技术是新一代雷达截获接收机信号处理的关键技术,也是雷达截获领域一个亟待解决的问题。文中讨论基于脉冲重复间隔(PRI)的脉冲分选算法,深入分析了基于直方图统计算法和PRI变换算法的优缺点,并对算法进行计算机仿真。最后针对这两种算法的优缺点提出一种综合的分选算法。

基于变换谱相干积累的片段信号PRI检测

受自身搜索方式和目标辐射源波束调度的影响,侦察系统往往只能截获辐射源的部分信号,这为后续分选处理带来了很大挑战。针对该问题,提出了通过对PRI变换谱进行相干积累以提高真实PRI检测概率的方法。首先介绍了PRI变换法,对算法原理进行了说明;接着从理论上推导了PRI变换谱峰值与脉冲个数的关系,指出了PRI变换谱的相干积累特性,并分析了其对虚假脉冲的适应能力;最后通过仿真试验对理论分析进行了验证。仿真结果表明,文中提出的方法能够有效提高片段信号的PRI谱峰,从而有利于提高检测概率。

基于PRI谱内特征的参差雷达信号分选算法研究

通过分析参差雷达信号的基本特征,针对PRI变换算法在参差雷达信号分选中存在的不足,提出了一种基于PRI谱内特征的参差雷达信号分选算法。该算法利用PRI变换获取信号的时域PRI谱,进而根据PRI谱内脉冲对数特征完成参差信号帧周期的分选工作。仿真结果表明,该方法能够较好地实现参差雷达信号的分选工作。

对基于PRI谱计算脉冲重复间隔的一种改进方法

通过PR I变换可以得到PR I谱图,基于PR I谱估计脉冲重复间隔是一种有效的方法,具有很广的应用范围,但也有其局限性。本文针对PR I谱方法对参差雷达的PR I估计效果不理想的情况,结合脉冲列的自相关和一阶直方统计给出了一种改进方法。这种改进方法不仅保留了PR I谱方法的优点,对参差雷达也得到了很好的估计结果。

PRI变换法用于信号分选的性能研究

PRI变换是一种基于脉冲到达时间的信号分选方法,由于该算法能够有效抑制真实PRI的谐波,近年来受到越来越多的关注。首先讨论了相位因子的作用,揭示了相位因子是进行变换谱峰值累积的关键;接着通过理论分析指出了PRI变换法的局限和适用的PRI类型;最后仿真分析了该方法对分选过程所面临的信号环境的适应性。理论及仿真分析结果可作为工程应用的参考依据,具有一定的实用价值。

一种基于PRI谱特征的复杂雷达信号分选方法

通过分析雷达截获机所处的复杂雷达信号环境,提出了一种基于PR I谱特征的复杂雷达信号分选方法。该方法利用PR I变换获取雷达信号PR I谱,并根据各种复杂雷达信号PR I谱特征实现复杂雷达信号的分选工作。仿真结果表明,该方法能够较好地实现复杂信号环境下雷达信号的分选工作。

基于改进EVM的雷达PRI调制类型开集识别

雷达脉冲重复间隔(PRI)的调制类型是分析雷达工作状态和任务的重要手段。针对常见PRI调制类型识别算法无法识别未知调制类型的问题,文中提出一种基于改进极值机(EVM)的雷达PRI调制类型开集识别方法。首先,采用残差-双向长短时记忆网络进行PRI序列的特征提取;其次,结合原型学习,利用基于距离的交叉熵损失和原型损失对特征提取网络进行训练;最后,在特征空间中引入已知类特征的线性组合以模仿未知类的行为,提出了改进的EVM模型。实验结果表明,与EVM相比,文中所提方法能够提升雷达PRI调制类型的识别准确率,且在开放的电磁环境下具有良好的开集适应性。

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。

不同氮、钾施肥处理对小麦光能利用率和光化学植被指数(PRI)关系的影响

光化学植被指数PRI(photochemical reflectance index)为估算植被的光能利用率LUE(light use effi-ciency)提供了一种快速、有效的方法。越来越多的研究关注外界环境对PRI和LUE之间关系的影响,这些因素包括水分含量、CO2浓度等等。文章选择了不同氮、钾施肥量处理的小麦,测量其LUE和PRI,分析不同肥料处理对二者关系的影响。实验表明,氮、钾施肥量的增加将提高冠层光谱的PRI值和叶片内部叶绿素的含量,在此基础上提高小麦的LUE。对于不同氮、钾处理的小麦,PRI和LUE之间都获得了很好的相关关系,总的相关系数R2分别是0.7104和0.8534。随着氮、钾肥量的增加,PRI和LUE之间的相关性也在增加。对1,2,3份的氮施肥量,相关系数R2分别是0.6020,0.6404和0.8014;钾施肥量为1,2,3份时,R2分别为0.3791,0.6404和0.6769。因此,PRI不仅能够获可靠精度的LUE,并且为监测小麦的肥料状况提供了一种间接方法,这将为田间管理和精细农业提供了必要的参考信息。

基于极值序列特征集的雷达PRI调制模式识别算法

识别雷达信号的脉冲重复间隔(PRI)调制模式是分析雷达工作状态和工作任务的重要手段。针对复杂体制雷达的PRI调制模式可实时切换并改变调制参数因而难于识别的问题,提出一种基于极值序列特征集的雷达PRI调制模式识别算法。该算法首先提取PRI序列的极值特征,构建极值序列特征集;然后,基于PRI序列及其特征集建立恒参、类正弦、正弦和抖动判定准则,实现雷达PRI调制模式的分层识别。仿真分析表明:该算法对复杂体制雷达PRI调制模式的识别正确率达95.3%,同时具有较高的实时性,在电子对抗应用领域具有良好的前景。

基于PRI谱的双门限雷达信号分选算法及其硬件平台设计

针对修正的PRI变换法无法分选重频参差雷达信号的缺点,提出了一种基于PRI谱的双门限雷达信号分选算法。该算法先对PRI谱设定双门限检测各个准PRI,再结合组合查看及序列搜索提取各个PRI。同时,构建了一种预分选、主分选结合的新型分选平台。预分选利用带有PowerPC的FPGA构架片上系统,完成对脉冲雷达信号的实时测量、AOA分类及数据存储;主分选采用DSP专职完成其他维参数的分选算法。该分选新算法在保留抑制PRI子谐波优点的同时,对重频固定、抖动和参差的雷达脉冲信号都有较好的检测结果。视频信号源的大量测试表明,该分选平台对普通雷达、PRI抖动和参差雷达、频率捷变雷达及一些特殊雷达均具有较好的分选能力。

星载大斜视聚束SAR变PRI成像技术研究

星载SAR大斜视聚束可以实现高分辨率宽覆盖成像和目标多方位信息获取,但斜视情况下大距离徙动会造成回波数据获取效率下降、波位选择困难等问题。变PRI技术可以跟踪聚束成像过程中目标斜距变化,提高数据获取效率、降低波位选择难度。该文对星载大斜视聚束SAR的变PRI工作机理进行了研究,提出了一种PRI变化序列迭代设计方法和波位选择策略,研究了样条插值和NUFFT两种非周期非均匀采样重建方法,并首次通过机载飞行试验对所提出的变PRI的SAR系统工作体制进行了验证。

一种对重频调制与抖动信号的PRI变换分选新方法

针对脉冲重复间隔(PRI)变换法及其改进方法难以分选重频变化信号的问题,提出一种新的信号分选方法,即脉冲相似度检索法。该方法把脉冲相似度引入改进的PRI变换法,根据脉冲相似度对雷达脉冲信号进行搜索、提取。仿真结果表明,该方法不仅使分选更加准确,而且实现了对重频抖动和重频受调制变化信号的分选,其分选准确率达到95%以上。

一种新的PRI变换分选算法

脉冲重复间隔(pulse repetition interval,PRI)变换及其改进算法是雷达信号分选领域的经典算法之一。在早期的信号环境中,各部雷达信号的PRI值相对接近,传统的改进PRI变换算法能够有效地分选PRI抖动雷达信号,因而得到了广泛的应用。随着信号环境的日益复杂,不同雷达发射的信号其PRI值分布在一个较大的范围内,此时传统算法的分选能力大大减弱。针对上述问题,对传统算法中可变时间起点的改变、PRI箱的选择以及门限的确定三个方面进行改进,提出一种新的PRI变换分选算法。新算法中采用了可变的移动因子、固定的箱分辨率以及合理的门限,在保留原算法优点的同时,能够适应PRI值分布在较大范围内的抖动雷达信号分选问题,并通过模拟仿真验证了算法的有效性。

一种基于脉冲样本序列的PRI周期信号分选算法

针对传统脉冲重复间隔(PRI)分选算法在估计PRI方面存在的不足,提出了一种对PRI周期信号的周期进行准确估计的方法。该方法首先从待分选脉冲序列中提取出属于一部雷达的脉冲样本,然后基于这些样本对该雷达脉冲序列的周期进行精确估计,并用估计到的周期值进行脉冲序列抽取从而实现准确分选。相对于传统PRI分选算法,该算法能够在保证周期估计精度的前提下大幅度减少分选过程所需要的时间,从而能够更好地满足信号分选的需求。仿真结果证明了所提算法的有效性。

基于PRI变换快速雷达信号分选方法

脉冲重复间隔(Pulse Repetition Interval, PRI)变换法对典型雷达信号分选效果良好,但运算量大的缺点使其难以在复杂电磁环境下实现实时信号分选处理,因而制约其广泛应用。基于PRI变换法原理和运算复杂度模型,提出了PRI谱高次谐波抑制和压缩PRI谱分辨率两种方法,对PRI变换法关键步骤进行优化,提升处理速度。仿真了6种典型重频类型雷达信号脉冲数据进行分选效果验证,结果表明所提方法能适应多种重频类型和复杂电磁环境信号分选,处理速度提升达几倍至几十倍,可明显提高PRI变换法的工程应用能力。