基于人工智能的辐射源识别技术研究

发布时间：2021-01-11 21:58

　　辐射源识别,是指通过截获的辐射源信号特征,分析、判断辐射源类型、个体。雷达是战场环境下主要的辐射源,随着雷达技术的快速发展及抗干扰能力的提升,雷达辐射源信号也日益复杂,从连续波、简单脉冲,到线性调频、脉冲编码,传统的利用雷达信号载频、脉宽、重频等参数进行辐射源识别已经无法满足复杂战场环境下对雷达辐射源分类识别的要求。本文将人工智能方法应用到雷达辐射源识别中,通过时频变换将侦收到的雷达信号从时域变换到时频域,采用机器学习、深度学习等人工智能技术,实现了雷达辐射源信号的准确分类与识别。在时频域下,不同雷达辐射源信号的差异反映的更加明显。因此,论文通过将雷达信号转换成二维时频图像,然后应用人工智能的相关技术,如机器学习、深度学习等对图像进行自动的特征提取,最后采用人工智能中的自动编码器（AE）、层叠自动编码器（SAE）及其变种降噪自动编码器（DAE）来实现雷达辐射源信号的识别。论文主要工作如下:1、建立了雷达信号模型,对常规脉冲、线性调频、相位编码、频率编码等主要雷达信号进行了分析和仿真;2、研究了基于时频分析方法的雷达辐射源识别技术,对常见的六种调制方式的辐射源信号进行STFT、小波变换、... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：81 页

【学位级别】：硕士

【部分图文】：

-5dB六种信号STFT时频图

(e) BPSK 信号(f) QPSK 信号图 4.2 0dB 六种信号 STFT 时频图由图 4.2 可知，在 0dB 下，虽然时频图中仍然有噪声，但是相比信号本身已经不

(e) BPSK 信号(f) QPSK 信号图 4.3 5dB 六种信号 STFT 时频图由图 4.3 可知，5dB 下，六种信号的时频图已经可以很好识别信号的调制方式

【参考文献】：
期刊论文
[1]防空电子战中对机载雷达的干扰[J]. 周少南.  电子技术与软件工程. 2017(13)
[2]一种雷达辐射源信号识别的工程实现方法[J]. 刘飞,何明浩,郁春来,陈昌孝.  空军预警学院学报. 2015(05)
[3]雷达信号模糊函数仿真分析研究[J]. 谢洪泽.  电子测试. 2015(13)
[4]基于GMM和神经网络的辐射源识别方法[J]. 公绪华,袁振涛,谭怀英.  雷达科学与技术. 2014(05)
[5]基于脉冲描述字的信号调制识别技术研究[J]. 江海清,唐浦钊,关文硕.  北京理工大学学报. 2013(11)
[6]基于神经网络的未知雷达辐射源智能识别技术[J]. 刘凯,王杰贵.  电子信息对抗技术. 2013(06)
[7]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟.  计算机研究与发展. 2013(09)
[8]辐射源个体识别中分类器应用[J]. 杨立明,哈章,杨晓蓉,张琳.  空军工程大学学报(自然科学版). 2012(01)
[9]一种基于BP网络的雷达信号模糊模式识别方法[J]. 段美军,梁贵芹,余硕.  信息技术. 2011(08)
[10]基于粗糙集的决策树雷达辐射源识别方法[J]. 胡可,王宏远.  计算机仿真. 2011(08)

硕士论文
[1]基于时频分析的雷达辐射源信号识别技术研究[D]. 白航.解放军信息工程大学 2012



本文编号：2971550