基于神经网络的复杂雷达信号分类方法研究

发布时间：2021-01-18 00:52

　　雷达信号分选是对侦查机中接收到的交叠脉冲流信号进行分离,将属于同一脉冲辐射源的雷达信号识别出来,以便后续的信号处理和目标识别,信号分选是电子侦查系统中关键的一步。随着辐射源信号调制模式及侦查设备的发展,雷达信号分选技术也在日益革新。传统的雷达信号分选主要基于脉间特征的脉冲描述字（PDW）进行,使用载频、脉冲到达角等参数进行预分选,然后使用脉冲重复间隔（PRI）实现脉冲流的去交错来完成主分选。传统方法在实际工程中具有广泛的使用范围。由于信号调制方式的多样化、电磁环境日益密集且复杂,脉间特征的分选方式已无法满足现代雷达信号的分选需求,人们开始研究信号的脉内特征以及基于脉内特征的新分选方法。本文研究的对象是复杂调制信号,包括LFM信号、SLFM信号、FMCW信号、Costas跳频信号、Barker码信号和Frank码调相信号,展开了对以上类型脉冲雷达信号的分选技术的研究,研究内容如下:1、学习了基于脉间特征的经典分选方法,包括累积差值直方图（CDIF）算法、序列差值直方图（SDIF）算法和PRI变换法,分析了它们的分选效果和适用范围,仿真结果表明CDIF算法和SDIF算法适用于固定脉冲重复间... 

【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

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景
    1.2 国内外研究发展与现状
        1.2.1 脉间特征分选
        1.2.2 脉内特征提取
        1.2.3 特征分类算法
    1.3 本文的研究工作及内容安排
第二章 基于脉间特征的雷达信号分选
    2.1 雷达信号分选的特征
    2.2 雷达脉冲信号的常见PRI类型
        2.2.1 固定PRI雷达信号
        2.2.2 抖动PRI雷达信号
        2.2.3 参差PRI雷达信号
        2.2.4 滑变PRI雷达信号
        2.2.5 其他PRI雷达信号
    2.3 直方图法
        2.3.1 累积差值直方图算法（CDIF）
        2.3.2 序列差值直方图算法（SDIF）
        2.3.3 CDIF和SDIF算法仿真及结果分析
    2.4 PRI变换法
        2.4.1 PRI变换法原理
        2.4.2 PRI变换法的实现
        2.4.3 修正后的PRI变换法
    2.5 本章小结
第三章 复杂调制雷达信号的脉内特征提取方法
    3.1 常见的雷达信号脉内调制方式
    3.2 小波变换
        3.2.1 小波变换原理
        3.2.2 小波脊线
        3.2.3 小波脊线提取方法
        3.2.4 提取小波脊线的仿真实现
    3.3 高阶谱特征
        3.3.1 高阶谱的定义
        3.3.2 双谱特征的性质和分析
        3.3.3 仿真实现双谱特征
    3.4 本章小结
第四章 基于深度网络的脉内特征分类
    4.1 基于全连接神经网络的信号分选
        4.1.1 全连接神经网络结构
        4.1.2 全连接神经网络迭代算法
        4.1.3 基于全连接神经网络的脉内特征分类仿真实验
    4.2 基于深度置信网络的信号分选
        4.2.1 玻尔兹曼机及能量函数
        4.2.2 受限玻尔兹曼机模型及求解
        4.2.3 受限玻尔兹曼机训练算法
        4.2.4 深度置信网络结构及训练算法
        4.2.5 基于深度置信网络的脉内特征分类仿真实验
    4.3 本章小结
第五章 总结和展望
    5.1 全文总结
    5.2 工作展望
参考文献
致谢
作者简介



本文编号：2983934