基于高阶统计量的雷达辐射源信号识别方法研究
发布时间:2024-12-27 01:38
雷达辐射源信号识别是衡量雷达对抗装备性能优劣的重要标志,直接影响对敌攻击和自身防御的作战决策。然而,现代电子战的激烈对抗使得依靠常规五参数的传统雷达辐射源信号识别方法性能显著下降,甚至无法使用。针对此,本文深入开展了如下研究工作: 1.阐述了雷达辐射源信号识别的研究背景与意义,并对雷达辐射源信号识别各个环节的研究现状进行了综述。 2.介绍了几种重要的低截获概率(LPI)雷达信号,并给出了这些信号的时域和频域波形,然后对本文使用的分类器——支持向量机进行了介绍。 3.双谱具有抗噪性能强等特点,但其数据量较大。目前减少双谱数据量的方法较多,在分析了这些方法优缺点的基础上,提出了对角积分双谱。该方法沿平行于双谱对角线的直线序列积分,不仅避免了插值、寻优和坐标转换等问题,而且既考虑了双谱的对称性又考虑了积分双谱特征的对称性,利用了更多的信息。最后将对角积分双谱用于提取LPI雷达辐射源信号的特征,理论分析和实验结果表明对角积分双谱的性能优于其他文献方法。 4.循环双谱是分析信号非平稳性的有力工具,它包含了丰富的信息。针对循环双谱对角切片方法丢失大量信息的问题,证明了循环双谱的对称性...
【文章页数】:84 页
【学位级别】:硕士
【文章目录】:
表目录
图目录
摘要
ABSTRACT
第一章 绪论
1.1 课题研究背景与意义
1.2 雷达辐射源信号识别的研究现状
1.2.1 雷达辐射源信号特征提取研究现状
1.2.2 高阶统计量用于特征提取的研究现状
1.2.3 特征选择研究现状
1.2.4 分类器设计研究现状
1.3 完成的主要工作及章节安排
第二章 复杂雷达信号与分类器选取
2.1 引言
2.2 LPI 雷达信号
2.2.1 相位编码信号
2.2.2 调频连续波信号
2.2.3 跳频信号
2.3 支持向量机分类器
2.3.1 样本线性可分情况
2.3.2 样本线性不可分情况
2.3.3 多类样本分类情况
2.4 本章小结
第三章 基于双谱的雷达辐射源信号识别方法研究
3.1 引言
3.2 双谱
3.2.1 高阶累积量
3.2.2 双谱的定义及性质
3.3 双谱的估计
3.4 对角积分双谱特征提取
3.5 仿真实验及分析
3.6 本章小结
第四章 基于循环双谱的雷达辐射源信号识别方法研究
4.1 引言
4.2 循环双谱
4.2.1 循环双谱的定义
4.2.2 循环双谱的性质
4.3 基于循环双谱的特征提取方法研究
4.3.1 基于循环双谱对角切片的特征提取方法
4.3.2 积分循环双谱特征提取
4.4 仿真实验及分析
4.4.1 仿真参数设置
4.4.2 循环双谱特征抗噪性能分析
4.4.3 各种特征分类识别能力分析
4.5 本章小结
第五章 基于加权 J2判据和相像系数的特征选择方法研究
5.1 引言
5.2 特征选择四要素分析
5.2.1 特征子集的生成
5.2.2 评价标准
5.2.3 终止条件
5.2.4 结果验证
5.3 J2判据、熵以及相像系数
5.3.1 J2判据
5.3.2 熵
5.3.3 相像系数
5.4 增 L 减 R 特征选择算法
5.5 仿真实验与分析
5.5.1 仿真数据集
5.5.2 实验结果分析
5.6 本章小结
结束语
参考文献
作者简历 攻读硕士学位期间完成的主要工作
致谢
本文编号:4020941
【文章页数】:84 页
【学位级别】:硕士
【文章目录】:
表目录
图目录
摘要
ABSTRACT
第一章 绪论
1.1 课题研究背景与意义
1.2 雷达辐射源信号识别的研究现状
1.2.1 雷达辐射源信号特征提取研究现状
1.2.2 高阶统计量用于特征提取的研究现状
1.2.3 特征选择研究现状
1.2.4 分类器设计研究现状
1.3 完成的主要工作及章节安排
第二章 复杂雷达信号与分类器选取
2.1 引言
2.2 LPI 雷达信号
2.2.1 相位编码信号
2.2.2 调频连续波信号
2.2.3 跳频信号
2.3 支持向量机分类器
2.3.1 样本线性可分情况
2.3.2 样本线性不可分情况
2.3.3 多类样本分类情况
2.4 本章小结
第三章 基于双谱的雷达辐射源信号识别方法研究
3.1 引言
3.2 双谱
3.2.1 高阶累积量
3.2.2 双谱的定义及性质
3.3 双谱的估计
3.4 对角积分双谱特征提取
3.5 仿真实验及分析
3.6 本章小结
第四章 基于循环双谱的雷达辐射源信号识别方法研究
4.1 引言
4.2 循环双谱
4.2.1 循环双谱的定义
4.2.2 循环双谱的性质
4.3 基于循环双谱的特征提取方法研究
4.3.1 基于循环双谱对角切片的特征提取方法
4.3.2 积分循环双谱特征提取
4.4 仿真实验及分析
4.4.1 仿真参数设置
4.4.2 循环双谱特征抗噪性能分析
4.4.3 各种特征分类识别能力分析
4.5 本章小结
第五章 基于加权 J2判据和相像系数的特征选择方法研究
5.1 引言
5.2 特征选择四要素分析
5.2.1 特征子集的生成
5.2.2 评价标准
5.2.3 终止条件
5.2.4 结果验证
5.3 J2判据、熵以及相像系数
5.3.1 J2判据
5.3.2 熵
5.3.3 相像系数
5.4 增 L 减 R 特征选择算法
5.5 仿真实验与分析
5.5.1 仿真数据集
5.5.2 实验结果分析
5.6 本章小结
结束语
参考文献
作者简历 攻读硕士学位期间完成的主要工作
致谢
本文编号:4020941
本文链接:https://www.wllwen.com/kejilunwen/jingguansheji/4020941.html