雷达辐射源信号无源侦收脉内调制方式识别技术研究

发布时间：2017-10-14 16:03

  本文关键词：雷达辐射源信号无源侦收脉内调制方式识别技术研究

  更多相关文章： 雷达辐射源 调制方式识别 信号检测 时相特征 参数估计 分层神经网络

【摘要】：本文结合项目需求主要研究了雷达辐射源信号脉内调制方式识别技术,分别讨论了基于时频特征的识别算法和基于神经网络的识别算法。本文首先采用相关检测算法,较为精确地估计了雷达辐射源信号到达时间和结束时间。其次研究了雷达辐射源信号相位展开算法,从信号的测量相位推导出信号的真实相位。再基于信号的瞬时相位,采用修正的Kay算法获取了信号的瞬时频率,并详细分析了该算法性能。在上述算法研究基础上,本文基于信号的瞬时相位和瞬时频率特征,建立了十二种雷达辐射源信号模型,分析了各自信号的时域、频域特点,通过对比分析不同信号的时相、时频曲线,给出了其脉内调制方式的识别特征。基于这些特征,给出了上述十二种常用雷达信号的调制方式识别及其参数估计算法,通过大量计算机仿真给出了各种信号在不同条件下的识别率以及参数估计误差,并给出一个满足工程需求的完整的雷达辐射源信号脉内调制方式识别与参数估计方案。为实现对复杂雷达信号的识别,本文最后研究了一种新的雷达脉冲信号识别特征参数,该特征参数主要考虑信号幅度统计特性和频谱相像特性,研究和设计了一个分层结构的BP神经网络分类器,并基于此分类器对六种雷达辐射源信号进行识别,仿真结果表明,该算法识别正确率高,具有较好的应用前景。
【关键词】：雷达辐射源 调制方式识别 信号检测 时相特征 参数估计 分层神经网络
【学位授予单位】：南京航空航天大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN957.51
【目录】：

• 摘要4-5
• Abstract5-13
• 第一章 绪论13-18
• 1.1 研究背景及意义13-14
• 1.2 研究现状14-17
• 1.3 本文的主要研究工作17-18
• 第二章 雷达辐射源信号预处理18-25
• 2.1 希尔伯特变换18
• 2.2 信号检测18-19
• 2.2.1 相关检测算法及检测门限18-19
• 2.2.2 信号到达时间和结束时间的估计19
• 2.3 单载频信号频率估计算法19-22
• 2.3.1 双线插值频率估计算法20-21
• 2.3.2 修正的双线插值算法21-22
• 2.4 基于Haar小波的小波变换22-23
• 2.5 曲线拟合23-24
• 2.6 本章小结24-25
• 第三章 雷达辐射源信号模型分析25-42
• 3.1 信号预处理25-28
• 3.1.1 相位展开算法25-27
• 3.1.2 瞬时频率获取27-28
• 3.2 频率调制信号28-35
• 3.2.1 常规信号(NS)28-29
• 3.2.2 线性调频信号(LFM)29-30
• 3.2.3 双线性调频信号(DLFM)30-31
• 3.2.4 分段线性调频信号(MLFM)31-32
• 3.2.5 多项式调频信号(PPS)32-33
• 3.2.6 非线性调频信号(NLFM)33-34
• 3.2.7 频移键控信号（FSK）34-35
• 3.3 相位调制信号35-39
• 3.3.1 二相编码信号(BPSK)35-36
• 3.3.2 四相编码信号(QPSK)36-38
• 3.3.3 多相编码信号(MPSK)38-39
• 3.4 复合调制信号39-41
• 3.4.1 线性调频-二相编码复合调制信号(LFM/BPSK)39-40
• 3.4.2 频移键控--相位编码复合调制信号(FSK/PSK)40-41
• 3.5 本章小结41-42
• 第四章 基于时频特征的信号调制方式识别与参数估计42-68
• 4.1 频率调制信号调制方式识别与参数估计42-52
• 4.1.1 常规信号、线性调频信号等的识别和参数估计42-45
• 4.1.2 双线性调频(DLFM)信号的识别和参数估计45-46
• 4.1.3 分段线性调频(MLFM)信号的识别和参数估计46-47
• 4.1.4 非线性调频(NLFM)信号的识别和参数估计47-50
• 4.1.5 频移键控信号的识别与参数估计50-52
• 4.2 相位编码(BPSK\QPSK\MPSK)信号的识别与参数估计52-59
• 4.2.1 多相编码信号(MPSK)的识别与参数估计52-56
• 4.2.2 二相、四相编码信号(BPSK\QPSK)的识别和参数估计56-59
• 4.3 常见复合调制信号的识别与参数估计59-65
• 4.3.1 线性调频-二相编码复合调制信号(LFM/BPSK)59-62
• 4.3.2 频移键控—相位编码复合调制信号(FSK/PSK)识别与参数估计62-65
• 4.4 本章小结65-68
• 第五章 基于分层神经网络的信号调制方式识别68-76
• 5.1 神经网络分类器68-71
• 5.1.1 神经网络的结构68-70
• 5.1.2 神经网络融合规则70
• 5.1.3 神经网络的训练70-71
• 5.2 基于神经网络和统计参数信号识别算法71-75
• 5.2.1 参数提取71-74
• 5.2.2 仿真分析74-75
• 5.3 本章小结75-76
• 第六章 总结与展望76-78
• 参考文献78-82
• 致谢82-83
• 在学期间的研究成果及发表的学术论文83

【参考文献】

中国期刊全文数据库 前8条

1 熊坤来;罗景青;吴世龙;;基于时频图像和神经网络的LPI雷达信号调制识别[J];弹箭与制导学报;2011年05期

2 王艳聪;胡中豫;张云飞;;基于谱相关特性和组合神经网络的数字调制信号识别[J];计算机应用研究;2009年11期

3 邹兴文;;基于神经网络的时频域雷达信号调制参数估计[J];航天电子对抗;2008年05期

4 魏跃敏;黄知涛;王丰华;姜文利;;基于单脉冲相关积累的PSK信号相位编码调制规律分析[J];信号处理;2006年02期

5 毕大平,董晖,姜秋喜;基于瞬时频率的脉内调制识别技术[J];电子对抗技术;2005年02期

6 巫胜洪;雷达脉内特征提取方法的研究[J];舰船电子对抗;2002年01期

7 刘渝;快速解线性调频技术[J];数据采集与处理;1999年02期

8 穆世强;;雷达信号脉内细微特征分析[J];电子对抗技术;1991年02期

中国硕士学位论文全文数据库 前1条

1 朱霞;电子侦察中相参信号的频率估计算法研究[D];南京航空航天大学;2011年

，

本文编号：1031947