基于优势遗传的模糊函数主脊切面智能搜索方法

提取和补充新的信号参数是解决复杂体制雷达辐射源信号分选难题的有效手段,模糊函数主脊切面特征是众多新特征参数中较为可行的特征之一.为更快速地搜索信号的模糊函数主脊切面,文章构建了一种优势遗传搜索的智能算法,并采用统计假设检验理论对数据进行分析和检验.实验结果表明,所提方法可使模糊函数主脊切面的平均搜索耗时降低为原方法的28.6%,且能以较高的概率成功搜索到精度更高的切面特征,证实了所提方法的有效性和可行性.

一种搜索LFM信号模糊函数主脊切面的快速算法

模糊函数主脊切面特征能较好地反映不同信号波形结构上的差异,但搜索信号模糊函数主脊切面的计算量非常大。提出了一种快速搜索线性调频(linear-frequency modulated,LFM)辐射源信号主脊切面的方法。该方法利用LFM信号的分数傅立叶变换模函数具有对称性,且单边单调的性质,采用先全局后局部方式搜索LFM信号主脊切面。实验结果表明,在不降低参数估计精度的条件下,该方法的计算量大大减少。

模糊函数主脊切面特征提取的灰狼优化方法

模糊函数主脊切面特征是解决复杂体制雷达辐射源信号分选难题的有效特征之一,快速准确地提取出模糊函数主脊切面是提高模糊函数主脊切面特征实际工程应用价值的重要方面。为此,构建了一种新的自适应灰狼算法来搜索六种典型复杂体制雷达辐射源信号的模糊函数主脊切面,并与新近提出的两种智能搜索方法进行比较。实验结果表明,与基于优势遗传的GA和改进PSO搜索方法相比,所提方法在平均计算耗时、搜索精度和抗噪性能方面均有明显提升,证实了所提方法的可行性和有效性。

基于模糊函数主脊切片和深度置信网络的雷达辐射源信号识别

雷达辐射源信号识别是电子侦察系统的关键组成部分,为了提高低信噪比条件下对低截获概率雷达信号识别的准确率,提出了一种基于模糊函数主脊切片(MRSAF)与深度置信网络(DBN)的雷达辐射源信号识别方法。首先对雷达信号进行奇异值分解(SVD)进行降噪预处理,求解雷达信号的模糊函数并提取其主脊切片包络,采用奇异值分解方法降低噪声对主脊切片包络的影响,然后建立基于受限波尔兹曼机的DBN模型并运用标签数据有监督微调模型参数完成训练,最后基于该算法模型实现辐射源信号的分类和识别。仿真结果表明:该方法在低信噪比条件下也有较高的识别率,信噪比高于-4dB时,识别率可以达到90%以上,验证了本算法的有效性和应用价值。

模糊函数主脊切面特征提取的局域差分方法

雷达信号分选是电子对抗的关键技术,提取和补充新的特征参数是解决复杂体制雷达信号分选难题的有效手段。鉴于模糊函数是表征信号内在结构上的有效工具,本文采用改进粒子群算法(Particle swarm optimization,PSO)快速搜索信号的模糊函数主脊切面,并提出一种基于局域差分的模糊函数主脊切面特征提取方法,提取出差值和、差值最大值和差值分布熵3个特征,以表征不同信号波形结构上的局域差异;然后通过模糊C均值算法对提取的特征参数进行聚类性能分析。最后使用LFM,BFSK,CON,QPSK,M SEQ及BPSK共6种典型信号进行实验。实验结果表明,在固定信噪比下,当SNR不低于0dB时,CON,LFM及BFSK信号的平均聚类准确率达到98.7%,6类信号的平均准确率为93.2%。在0~20dB动态信噪比环境下,平均分选准确率仍保持在80.5%以上,且算法具有较好的特征提取时效性,证明了所提方法的可行性和有效性。

快速搜索AFMR特征的雷达信号分选

模糊函数可以对信号结构信息进行较为完整的描述,找出不同信号之间的差异,但搜索信号主脊切面的计算量较大。提出一种混沌优化与差分进化算法相结合的搜索模糊函数主脊AFMR(Ambiguity Function Main Ridge)切面,先差分进化全局搜索,再混沌局部搜索,有效避免了算法陷入局部最优。将提取的信号主脊切面对比穷举法提取的主脊切面,保证正确性的同时显著提高搜索速度。将提取的主脊切面特征进行近邻传播聚类分析,针对聚类算法中偏向参数的不确定,提出动态调整偏向参数的构建式,提高算法性能。实验结果表明,该算法改进的近邻传播聚类准确率在低信噪比的情况下能达到90%以上,明显高于传统近邻传播算法。

基于图形轮廓的雷达信号模糊函数主脊切面特征提取方法

从复杂体制雷达辐射源信号中提取有效的特征参数,是解决复杂雷达信号分选问题的有效方法。鉴于模糊函数(AF)的主脊切面能很好地描述信号的模糊能量分布信息,提出一种基于图形轮廓的AF主脊切面特征提取方法,该方法提取了反映切面图形轮廓变化剧烈程度的累积角度和反映切面图形轮廓固有特征的单位累积长度作为信号分选的特征向量。模糊C均值聚类实验结果表明:当信噪比不低于12 dB时,常规信号、线性调频信号、二相编码、四相编码、M伪随机序列和二频编码6种典型雷达信号的分选成功率均为100%,即使在信噪比为0 dB时,平均分选成功率也能达到93. 5%;在0～20 dB动态信噪比环境中平均分选成功率达到98. 9%.理论分析与分选耗时比较实验结果表明,所提方法具有较低的算法复杂度,证实了其有效性和时效性。

一种快速搜索模糊函数主脊切面的自适应灰狼算法

模糊函数主脊(Ambiguity function main ridge,AFMR)切面特征能较好地反映不同信号结构上的本质差别,是解决当前复杂体制雷达辐射源信号分选难题的可行参数,而快速、智能地搜索模糊函数主脊切面是增加其切面特征实用性的重要问题。为此,本文构建了一种结合均匀初始化策略和改进非线性收敛因子的改进自适应灰狼算法来搜索典型6种雷达辐射源信号的模糊函数主脊切面并提取切面特征,并与穷举法和标准灰狼算法进行对比。实验结果表明,所提方法在搜索AFMR切面并提取特征时,平均耗时仅为1.49 s,相较于穷举法和标准灰狼优化算法,效率分别提高了75.7%和19.0%,具有较优的时效性。在固定信噪比(Signal⁃to⁃noise ratio,SNR)环境下,当SNR不低于0 dB时,提取到特征值的平均聚类准确率为96.4%,在0~20 dB动态信噪比环境下,平均聚类准确率可达95.2%,具有较好的准确性、抗噪性能及较强的类内聚集性和类间分离能力,证实了所提方法的可行性与有效性。

辐射源信号模糊函数主脊切面特征优化

模糊函数主脊切面特征能较好地反映不同信号波形结构上的差异,但搜索表示信号的模糊函数主脊切面角度的计算量非常大,因此,如何快速精确地寻求这个角度成为一个亟需解决的问题。先将搜索模糊函数主脊切面转化成一个优化问题,考虑量子进化算法(quantum-inspired evolutionary algorithm,QEA)具有种群小、收敛速度较快、全局寻优能力强的特点,应用量子进化算法对这个问题进行寻优。实验结果表明,针对各种信号,算法在不降低参数估计精度的条件下,可以大大减少计算量。