雷达信号的特征信息提取与识别技术研究

发布时间：2020-08-09 01:52

【摘要】：随着雷达技术的快速发展及抗干扰能力的提升,雷达信号类型越来越复杂多变,使得传统电子侦察系统对截获雷达信号的调制识别越来越困难。提取更有效、普适性更好的雷达信号脉内特征作为经典五参数的补充是提高雷达信号分选识别的有效途径。为此,本文针对截获的未知雷达脉冲信号,从基于模糊函数(AF)、模糊函数的零频移切面以及分类器的选择三个方面对雷达辐射源信号特征提取与识别相关理论问题展开讨论和研究,主要工作和研究成果如下:1、建立了典型雷达信号模型,包括常规脉冲、频率调制、相位调制信号,对信号时域、频域及模糊函数图形进行仿真和分析,并分析了用于识别波形的分类器模型。2、分析了信号截获过程并建立了截获信号模型。不同截获雷达信号的载频、幅度、初始相位等参数可能不同,为了提取对这些参数不变的特征,研究了基于自相关(ACF)的特征提取方法,并用k近邻(kNN)、支持向量机(SVM)分类器对特征向量进行信号调制类型识别。用kNN分类时,在信噪比(SNR)为2dB时,识别率可以达到90%以上。当对相同数据处理时,SVM比kNN具有更好的分类性能。为了降低噪声干扰,对截获的脉冲组进行了自相关整体平均处理。仿真结果表明,这种方法能显著提高信号的识别率,在信噪比为6dB,且有20个脉冲累积的条件下,两种分类器均能达到将近100%的识别率。3、鉴于自相关等价于模糊函数的零多普勒频移切面,且自相关没有包含信号频域的信息,为了提取对前述参数不变的特征,将基于自相关的特征提取替换成基于模糊函数的特征提取。在相同的信号参数设置下,采用kNN、SVM分类器对基于模糊函数的特征向量分类,同样达到较理想的分类结果。尤其是使用SVM分类器时,在脉冲积累数为1、5、10个时,在低信噪比下的识别率相对基于自相关的特征向量有所提高,这对于脉冲积累困难的信号调制识别特别有益。
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN957.51
【图文】：

不同调制类型信号模糊函数图

52(g) Barker13 模糊函数平面图图4.1 七种信号的模糊函数平面图信号在传播过程中不可避免受噪声干扰、模型不匹配造成的损失。为了减小噪声对信号处理的影响，通过计算整个脉冲组 TFACF 总体平均来减小噪声干扰。假设某种雷达波形信号脉冲组的第c个脉冲的 TFACF 用 ( , )c 表示，截获脉冲组的 TFACF总体平均为：01021 ( , ) [ , ] [ , ] [ , ],1... 1,1... 1,Pppjw m tcm k m kPA m t k f e w m km M Mk K K (4-3)其中，噪声项 w[ m, k ]的方差相对于 [ , ]pw m k 降低了因子 P ，并且 得到22110PppA P A 。信号时频自相关的旁瓣也隐含了信号波形的信息，为了突出信号模糊函数的旁瓣结构，计算均值化后的 TFACF 归一化对数幅度（以 log-TFACF 表示）：02 [ , ] [ ,[ , ] log [0, 0]1... 1,1...]1,jw m tccl m km M MkA m t k f e w mK Kk (4-4)这里取对数后压缩了变量的尺度，但不会改变数据的性质和相关关系，数据会更加平稳

54(g) Barker13 时频自相关幅度对数图4.2 七种信号 TFACF 幅度对数图 4.2 显示了式(4-5)处理后的 log-TFACF 结果，由图可以看出各个信号的变化在不同时延、频移点处分布较广，不利于提取表征信号信息的数据表示。二维离散傅里叶变换通常用于数字图像处理领域，可作为图像的频率域表示。频谱技术通常用于提高图像的处理操作速率。频谱相当于是图像的特征，获取图像的整体特点，有利于用较少的数据量表示原始图像[56]。一个图像尺寸为 M N的函数f ( x, y )的二维离散傅里叶变换可表示为 F (u , v )，则1 12 ( / / )0 01( , ) ( , )M Nj ux M vy Nx yF u v f x y eMN (4-6)其中，u 和v用作频率变量

【参考文献】

相关期刊论文 前10条

1 李东海;;基于专家系统的雷达识别方法[J];舰船电子对抗;2014年05期

2 徐t

本文编号：2786417