基于深度学习的有源欺骗干扰特征级识别方法研究
发布时间：2021-07-27 12:32
随着现代电子频谱干扰技术的发展,雷达的工作环境日渐复杂,尤其是样式灵活的有源欺骗干扰给雷达的正常工作带来很大的挑战。为了保证雷达在面对干扰信号的影响下,仍然能准确、迅速的识别出接收信号中包含的干扰种类,并在多变的电磁环境下实施最正确的抗干扰方法进行对抗,对于当代雷达干扰信号的识别与抗干扰来说是研究的基础前提。本文主要的工作是针对面向雷达有源欺骗干扰进行研究,在分析其产生机理及工作特性的基础上,对雷达有源欺骗干扰的综合感知方法进行讨论,利用多维变换域以及多尺度分解理论,结合对三类拖引干扰及其混合干扰进行特征级分类识别。考虑到浅层特征的可分性较低,本文结合深度学习中的有关算法,对三类拖引干扰信号的分类识别进行了研究。论文的主要工作和研究成果如下:1.本文首先研究了距离拖引干扰、速度拖引干扰、距离-速度混合拖引干扰等三种常规雷达有源欺骗干扰的产生机理与工作特性,并由此建立了工作在拖引期的信号模型,为后续基于特征提取与深度学习理论的干扰识别算法提供可靠的理论前提。2.本文引入了一种多域多特征组合的方法,将三种雷达有源欺骗干扰信号的均值、方差、波形熵特征等时域特征,频域矩峰度、频域矩偏度等频域特...
【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】：78 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 研究背景及意义
1.2 国内外研究现状与发展
1.3 论文内容与结构安排
第二章 雷达有源欺骗干扰产生机理与建模分析
2.1 概述
2.2 压制式干扰
2.3 常规有源欺骗干扰建模仿真与判别方法
2.3.1 距离拖引干扰
2.3.2 速度拖引干扰
2.3.3 距离-速度同步拖引干扰
2.3.4 干扰存在的判别方法
2.4 其他相关有源欺骗干扰
2.4.1 角度欺骗干扰
2.4.2 密集假目标干扰
2.5 本章小结
第三章 基于多特征联合PCA-SVM的有源欺骗干扰分类识别
3.1 概述
3.2 基于多域的多特征分析
3.2.1 干扰信号时域特征分析
3.2.2 干扰信号频域特征分析
3.2.3 干扰信号小波域特征分析
3.3 主成分分析(PCA)理论及特征分析
3.3.1 主成分分析(PCA)理论
3.3.2 基于PCA的二次特征分析
3.4 基于多特征联合PCA-SVM的有源欺骗干扰检测方法
3.4.1 基于PCA-SVM的有源欺骗干扰检测方法
3.4.2 仿真实验与结果分析
3.5 本章小结
第四章 基于CNN的有源欺骗干扰感知方法
4.1 概述
4.2 卷积神经网络结构框架及原理
4.2.1 CNN网络结构框架
4.2.2 损失函数
4.3 基于CNN的三种有源欺骗干扰分类识别
4.3.1 CNN网络模型的构建
4.3.2 基于Python平台的仿真实验
4.3.3 实验结果与参数优化分析
4.4 本章小结
第五章 总结与展望
5.1 本文工作总结
5.2 全文展望
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]一种超宽带低雷达散射截面天线的设计与研究[J]. 张青春,杨明武,姜兆能,卢笑池,高盛,张华. 电子技术应用. 2018(06)
[2]有源干扰感知的熵理论方法[J]. 李紫航,宋万杰. 信号处理. 2017(12)
[3]雷达有源干扰识别技术研究现状与发展趋势[J]. 刘振,隋金坪,魏玺章,黎湘. 信号处理. 2017(12)
[4]SMSP干扰样式改进及效果分析[J]. 李圣衍,郭波. 航天电子对抗. 2016(06)
[5]基于时频图像特征提取的LFM雷达有源欺骗干扰识别[J]. 杨少奇,田波,李欣,谭铭. 空军工程大学学报(自然科学版). 2016(01)
[6]一种易于初始化的类卷积神经网络视觉跟踪算法[J]. 李寰宇,毕笃彦,查宇飞,杨源. 电子与信息学报. 2016(01)
[7]基于熵特征的DRFM有源欺骗干扰CFAR检测[J]. 卢云龙,李明,陈洪猛,左磊,张鹏. 系统工程与电子技术. 2016(04)
[8]雷达抗有源压制式干扰效果的评估指标与测试[J]. 李亚南,韩壮志. 现代雷达. 2015(09)
[9]速度拖引干扰和杂波背景下脉冲多普勒雷达目标跟踪算法[J]. 李迎春,王国宏,关成斌,孙殿星. 电子与信息学报. 2015(04)
[10]偏度系数和峰度系数的信度估计[J]. 温利民,邹思思,吕凤虎. 统计与决策. 2015(03)
博士论文
[1]线性调频雷达干扰新技术及数字干扰合成研究[D]. 王玉军.西安电子科技大学 2011
硕士论文
[1]基于卷积神经网络的目标检测算法研究[D]. 高钰.北京交通大学 2018
[2]典型通信干扰信号识别技术研究[D]. 徐国进.电子科技大学 2018
[3]基于深度学习的机场场面目标检测[D]. 余良凯.电子科技大学 2018
[4]基于深度神经网络的SAR图像变化检测[D]. 赵秋楠.西安电子科技大学 2017
[5]SMSP和C&I距离假目标欺骗干扰识别和抑制方法研究[D]. 李永平.电子科技大学 2012
[6]合成孔径雷达抗干扰技术研究[D]. 杜贤俊.电子科技大学 2003
本文编号：3305787
【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】：78 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 研究背景及意义
1.2 国内外研究现状与发展
1.3 论文内容与结构安排
第二章 雷达有源欺骗干扰产生机理与建模分析
2.1 概述
2.2 压制式干扰
2.3 常规有源欺骗干扰建模仿真与判别方法
2.3.1 距离拖引干扰
2.3.2 速度拖引干扰
2.3.3 距离-速度同步拖引干扰
2.3.4 干扰存在的判别方法
2.4 其他相关有源欺骗干扰
2.4.1 角度欺骗干扰
2.4.2 密集假目标干扰
2.5 本章小结
第三章 基于多特征联合PCA-SVM的有源欺骗干扰分类识别
3.1 概述
3.2 基于多域的多特征分析
3.2.1 干扰信号时域特征分析
3.2.2 干扰信号频域特征分析
3.2.3 干扰信号小波域特征分析
3.3 主成分分析(PCA)理论及特征分析
3.3.1 主成分分析(PCA)理论
3.3.2 基于PCA的二次特征分析
3.4 基于多特征联合PCA-SVM的有源欺骗干扰检测方法
3.4.1 基于PCA-SVM的有源欺骗干扰检测方法
3.4.2 仿真实验与结果分析
3.5 本章小结
第四章 基于CNN的有源欺骗干扰感知方法
4.1 概述
4.2 卷积神经网络结构框架及原理
4.2.1 CNN网络结构框架
4.2.2 损失函数
4.3 基于CNN的三种有源欺骗干扰分类识别
4.3.1 CNN网络模型的构建
4.3.2 基于Python平台的仿真实验
4.3.3 实验结果与参数优化分析
4.4 本章小结
第五章 总结与展望
5.1 本文工作总结
5.2 全文展望
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]一种超宽带低雷达散射截面天线的设计与研究[J]. 张青春,杨明武,姜兆能,卢笑池,高盛,张华. 电子技术应用. 2018(06)
[2]有源干扰感知的熵理论方法[J]. 李紫航,宋万杰. 信号处理. 2017(12)
[3]雷达有源干扰识别技术研究现状与发展趋势[J]. 刘振,隋金坪,魏玺章,黎湘. 信号处理. 2017(12)
[4]SMSP干扰样式改进及效果分析[J]. 李圣衍,郭波. 航天电子对抗. 2016(06)
[5]基于时频图像特征提取的LFM雷达有源欺骗干扰识别[J]. 杨少奇,田波,李欣,谭铭. 空军工程大学学报(自然科学版). 2016(01)
[6]一种易于初始化的类卷积神经网络视觉跟踪算法[J]. 李寰宇,毕笃彦,查宇飞,杨源. 电子与信息学报. 2016(01)
[7]基于熵特征的DRFM有源欺骗干扰CFAR检测[J]. 卢云龙,李明,陈洪猛,左磊,张鹏. 系统工程与电子技术. 2016(04)
[8]雷达抗有源压制式干扰效果的评估指标与测试[J]. 李亚南,韩壮志. 现代雷达. 2015(09)
[9]速度拖引干扰和杂波背景下脉冲多普勒雷达目标跟踪算法[J]. 李迎春,王国宏,关成斌,孙殿星. 电子与信息学报. 2015(04)
[10]偏度系数和峰度系数的信度估计[J]. 温利民,邹思思,吕凤虎. 统计与决策. 2015(03)
博士论文
[1]线性调频雷达干扰新技术及数字干扰合成研究[D]. 王玉军.西安电子科技大学 2011
硕士论文
[1]基于卷积神经网络的目标检测算法研究[D]. 高钰.北京交通大学 2018
[2]典型通信干扰信号识别技术研究[D]. 徐国进.电子科技大学 2018
[3]基于深度学习的机场场面目标检测[D]. 余良凯.电子科技大学 2018
[4]基于深度神经网络的SAR图像变化检测[D]. 赵秋楠.西安电子科技大学 2017
[5]SMSP和C&I距离假目标欺骗干扰识别和抑制方法研究[D]. 李永平.电子科技大学 2012
[6]合成孔径雷达抗干扰技术研究[D]. 杜贤俊.电子科技大学 2003
本文编号：3305787
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3305787.html
