雷达信号脉内特征分析与识别关键技术研究

发布时间：2023-02-14 10:39

　　雷达信号分选识别是雷达电子战中的一个关键环节,在电子战侦察系统中具有举足轻重的作用。随着信息技术的快速发展,电子对抗领域的竞争越来越激烈,战场电磁环境也变得日益复杂,尤其是以低截获概率(Low Probability of Intercept,LPI)雷达为代表的各种新体制雷达大量装备应用,使得雷达信号分选与识别面临诸多问题和挑战。本文主要围绕雷达信号脉内特征分析与识别关键技术问题展开深入研究,提出了三种雷达信号调制识别算法,并设计了一套雷达信号分析与识别验证系统。主要工作包括:1、针对传统脉内调制特征提取算法中存在的计算复杂度高、特征参数普适性较差、识别准确率低等不足,提出了一种基于分数阶域的雷达信号调制识别算法。该算法首先使用分数阶Fourier变换得到不同阶数下雷达信号的分数阶域波形,然后从中提取了多组对称Holder系数特征,最后使用支持向量机分类器实现了对雷达信号的自动调制识别。仿真结果表明,该算法计算简单、识别准确率较好、易于工程实现。2、为进一步提升对复合调制雷达信号的识别准确率和增强抗噪性能,提出了一种基于多域联合特征的雷达信号调制识别算法。该算法首先通过引入的多重同步...

【文章页数】：89 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究与发展现状
    1.3 论文主要工作和结构安排
第二章 雷达信号调制识别研究基础
    2.1 引言
    2.2 雷达脉内调制信号模型
        2.2.1 常规脉冲信号
        2.2.2 线性调频信号
        2.2.3 非线性调频信号
        2.2.4 频率编码信号
        2.2.5 相位编码信号
        2.2.6 复合调制信号
    2.3 时频分析方法
        2.3.1 短时傅里叶变换(STFT)
        2.3.2 Cohen类时频分布
    2.4 分类器模型
        2.4.1 支持向量机(SVM)
        2.4.2 卷积神经网络(CNN)
    2.5 本章小结
第三章 基于多维特征提取的雷达信号调制识别算法
    3.1 引言
    3.2 基于分数阶域的雷达信号调制识别算法
        3.2.1 分数阶Fourier变换(FrFT)
        3.2.2 对称Holder系数特征提取
        3.2.3 分类识别
        3.2.4 仿真实验与分析
    3.3 基于多域联合特征的雷达信号调制识别算法
        3.3.1 多重同步压缩变换(MSST)
        3.3.2 基于MSST的特征提取方法
        3.3.3 分类识别
        3.3.4 仿真实验与分析
    3.4 本章小结
第四章 基于迁移深度学习的雷达信号调制识别算法
    4.1 引言
    4.2 典型预训练深度神经网络模型
        4.2.1 GoogLeNet网络
        4.2.2 ResNet网络
        4.2.3 迁移深度学习
    4.3 分类识别
    4.4 仿真实验与分析
    4.5 本章小结
第五章 雷达信号分析与识别验证系统设计
    5.1 引言
    5.2 系统概述
    5.3 主要功能与技术指标
        5.3.1 主要功能
        5.3.2 主要技术指标
    5.4 系统测试与分析
    5.5 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 研究展望
致谢
参考文献
作者简历



本文编号：3742457