基于小波包变换和特征选择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要,提出一种基于小波包变换和特征选择的雷达辐射源信号识别新方法。先采用小波包变换进行特征提取,再采用基于量子遗传算法的相像系数特征选择法来挑选出小波包特征中分辨能力强的特征。仿真实验结果显示,该方法用较少的特征能获得较高的正确识别率,具有一定的参考价值。

基于CSS体系的雷达辐射源信号特征参数评估

为解决传统雷达辐射源信号脉内特征参数评估方法指标单一,实用性差,未形成评估体系等问题,构建了脉内特征参数的CSS评估体系。该体系以时间复杂性、可分离性、鲁棒性为基本评估指标,按照信噪比等级分别进行特征参数的评估,通过层次分析法确定指标权值,利用不同指标的加权和作为满意度评分值。仿真实验验证了所提CSS体系的有效性,该体系可为遴选最符合用户需求的特征参数提供可靠依据,较传统评估方法提高了评估结果的全面性和准确性。

基于信号“指纹”特征的雷达辐射源识别

在电子对抗领域,正确识别雷达脉冲信号是电子对抗侦察的重点也是难点。针对雷达脉冲信号具有很好的稳定性、普遍性和唯一性的包络上升沿特征("指纹"),通过使用宽带数字接收、信号分选与跟踪、数字正交混频等技术即时提取包络上升沿波形,并计算与"指纹"模板的Hausdorff距离,达到识别并匹配雷达辐射源的目的。在操作过程中,通过分析实际现象对Hausdorff距离的计算时机以及应用方式做出了正确的修改。通过大量实验验证了所提方法可以有效地识别出信号所对应的雷达辐射源个体。

一种新的RES脉内特征复杂度评价方法

为弥补传统五参数对雷达辐射源信号(RES)分选识别能力的不足,提出一种基于模糊物元分析的RES脉内特征复杂度评价方法。从特征提取算法的时间复杂度和特征的空间复杂度2个角度设计评价指标,基于实数编码加速遗传算法的投影寻踪模型获取指标的权重,采用模糊物元分析法综合评价RES脉内特征复杂度。针对6类典型RES信号进行仿真实验,结果表明,该方法可以较全面和准确地评价RES信号特征的复杂度。

雷达辐射源信号聚类分选算法综述

现代战场环境下雷达信号密集、交叠严重,传统的雷达信号分选算法已不能有效完成未知雷达信号分选工作,而聚类分选因具有无监督学习、对先验知识要求小等优点被学者广泛应用于未知雷达信号聚类分选的研究工作。作者先总结了国内学者在传统聚类算法及其优化算法对未知雷达辐射源信号进行分类分选的部分理论研究成果,分析了各个算法存在的利弊,再根据雷达信号的特征参数以及影响聚类分选的外界因素提出了选择最优聚类算法的参考标准和建议。

基于膜粒子群算法的雷达辐射源信号多目标特征选择方法研究

针对粒子群算法易陷入局部最优和收敛性能较差问题,受膜计算优化理论启发,提出1种膜框架下的粒子群算法,用于解决无监督的多目标雷达辐射源信号特征选择问题.在表层膜中,采用非支配排序和拥挤距离机制使算法既保留了多目标粒子群优化算法的快速收敛性,同时使用基本膜的进化规则也使解集具备较好的多样性,避免了过早收敛问题.在雷达辐射源信号特征提取中,利用一阶差分自相关方法提取包络特征,采用相关度和冗余度两个目标优化数据对象,以评价雷达辐射源信号特征子集的质量,并应用于雷达辐射源信号的脉内特征选择.实验结果表现出算法具有较好的可聚类性和全局收敛性,特征信号之间明显可分,边界清晰无交叠,获得了更高的雷达源信号分选识别正确率.

一种基于类内聚集度和类间离散度的特征集提取方法

雷达辐射源信号识别是雷达对抗信号处理中的关键技术,特征提取和选择是其中的重要一环。由于受噪声等多种因素影响,信号最重要的特征常常难以发现,特征提取一般采用经验式的方法。为消除特征提取的主观性和提高准确识别率,给出了类内聚集度和类间离散度的定义,并提出了一种基于类内聚集度和类间离散度的特征集评价准则。基于该准则,采用特征排序选择的搜索策略,可以从雷达辐射源信号原始特征集中挑选出品质优良的特征子集,从而实现对雷达辐射源信号的准确识别。