基于深度学习的雷达干扰识别技术
发布时间：2021-12-31 04:52
随着现代电子战技术的快速发展,雷达所面临的新型有源干扰具有低功率、高相参和强欺骗特性,对雷达的生存和作战带来了巨大的威胁。为了更好的进行干扰抑制,雷达需要对干扰样式进行识别,以采取针对性的抗干扰措施。然而,传统的干扰识别方法需要人工分析和提取各类特征,通用性差,泛化能力弱,难以适应瞬息万变的复杂对抗环境,因此,迫切需要提出更为稳健和智能的干扰识别方法。本文针对雷达有源干扰的识别分类问题,分别采用卷积神经网络和半监督生成对抗网络实现干扰信号端到端的监督和半监督学习,相比传统方法取得了更好的效果。全文的主要工作围绕干扰的建模分析、数据集设计、干扰提取和识别分类方法展开,具体研究内容如下:1、分析九种典型的雷达有源干扰的信号的产生机理并建立模型,给出其时域、频域和时频域的波形,为干扰识别提供理论支持。2、干扰信号深度学习需要统一格式数据集,论文仿真各类干扰信号,对其进行时频变换、归一化、平滑滤波、自适应裁剪等处理以突出特征统一格式,并通过设置不同干噪比、不同参数分别得到大量训练和测试数据集。3、论文给出了基于信号特征提取的干扰识别过程,分析并选择干扰信号多域的特征应用于支持向量机算法中,实现...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
有意雷达干扰分类除此外，按照雷达、目标和干扰机的物理位置关系，远离雷达和目标的干扰
电子科技大学硕士学位论文85us时间内，频率由15MHz线性增加到35MHz。(a)(b)(c)图2-2雷达LFM信号图像(a)时域图像；(b)频域图像；(c)时频图像2.3雷达干扰机理和模型面临着调制方式日益复杂的雷达干扰，要进行干扰的识别研究，对各种干扰的模型和产生机理进行分析是其必要的工作，本节将对9种雷达干扰的数学原理和产生机理进行简要析和说明。2.3.1噪声调幅干扰噪声调幅干扰（AM）[40]的数学模型表示为：0()[()]exp()AMnjJtUKUt(2-7)该函数表达式是一个广义的平稳随机过程，其中exp是以e为底的指数函数，nUt是零均值高斯白噪声，0U是载波电压，噪声的调制系数AMK控制nUt
第二章雷达有源干扰模型和数据集设计9的功率，j为干扰的载频相位在[0,2]上均匀分布，且和nUt是相互独立的随机变量。由此可知，噪声调幅干扰是一种瞄准干扰，将高斯白噪声调制到雷达的线性调频信号的带宽范围内，即利用大能量的调制噪声对雷达信号形成频带压制，以影响接收端对信号的检测。(a)(b)图2-3噪声调幅干扰的图像(a)时域图像；(b)频域图像仿真参数设置为：噪声调幅干扰信号的中心频率300MHz，带宽50MHz,采样频率1.2GHz，干噪比4dB，干扰持续时长为700us。噪声调幅干扰的时域波形、归一化频谱图和时频图分别如图2-3和2-4所示。干扰的时域波形是杂乱无规则的噪声形式，从归一化频谱图可以看到，图中的尖峰所在的频率即是干扰信号的载频，其两侧分布着瞄准式的噪声干扰。时频图反映了和频谱图类似的特性，另外时频图能分辨出带宽大约是50MHz。噪声调幅干扰作为瞄准式干扰效果较好，能实现对信号的压制，但是它的边带噪声功率等于噪声功率的一半，而旁瓣起主要的压制作用，因此要对雷达信号产生更好的压制作用，就需要产生更高功率的调制噪声，这是难以实现的。但噪声调幅干扰凭借其技术实现简单的优势，在电子战场上颇为流行。图2-4噪声调幅干扰的时频图像
【参考文献】：
期刊论文
[1]基于时频预处理下卷积网络的雷达信号识别[J]. 姚瑶,王战红. 探测与控制学报. 2018(06)
[2]雷达干扰模式识别技术综述[J]. 朱清祎,尚朝轩,董健. 飞航导弹. 2018(08)
[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]DRFM间歇采样转发式干扰辨识算法研究[J]. 周超,刘泉华,曾涛. 信号处理. 2017(07)
[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]噪声调制灵巧噪声对雷达干扰性能研究与实现[J]. 邬诚,颜振亚. 现代雷达. 2014(07)
[7]一种卷积干扰特征分析与识别方法[J]. 顾海燕,卢刚,唐斌. 现代雷达. 2011(03)
[8]基于多尺度相像系数的雷达干扰类型频域识别[J]. 熊伟,曹兰英,郝志梅. 计算机仿真. 2010(03)
[9]基于改进Wigner-Hough变换的多分量LFM信号特征提取[J]. 刘锋,孙大鹏,黄宇,陶然,王越. 北京理工大学学报. 2008(10)
[10]基于卷积调制的灵巧噪声干扰技术[J]. 徐晓阳,包亚先,周宏宇. 现代雷达. 2007(05)
博士论文
[1]雷达辐射源信号智能识别方法研究[D]. 张葛祥.西南交通大学 2005
硕士论文
[1]基于深度学习的调制识别算法研究[D]. 吴彦伦.电子科技大学 2018
[2]机载合成孔径雷达有源干扰方法研究及高效实现[D]. 吴帅.电子科技大学 2018
[3]基于时频域分析的电子干扰识别方法研究[D]. 刘建洋.电子科技大学 2018
[4]基于深度学习的雷达辐射源识别技术研究[D]. 井博军.西安电子科技大学 2017
[5]深度学习下的雷达辐射源信号分类识别[D]. 赵敏.西安电子科技大学 2017
[6]雷达有源干扰分类与识别方法研究[D]. 李娜.西安电子科技大学 2017
[7]基于多维特征处理的雷达有源干扰识别技术[D]. 闫琰.西安电子科技大学 2014
[8]雷达有源欺骗干扰高效识别算法研究[D]. 毕金亮.电子科技大学 2013
[9]雷达有源压制干扰对抗算法研究与试验数据分析[D]. 杨秀凯.电子科技大学 2013
[10]雷达有源欺骗干扰产生及FPGA实现[D]. 张文超.电子科技大学 2012
本文编号：3559649
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：87 页
【学位级别】：硕士
【部分图文】：
有意雷达干扰分类除此外，按照雷达、目标和干扰机的物理位置关系，远离雷达和目标的干扰
电子科技大学硕士学位论文85us时间内，频率由15MHz线性增加到35MHz。(a)(b)(c)图2-2雷达LFM信号图像(a)时域图像；(b)频域图像；(c)时频图像2.3雷达干扰机理和模型面临着调制方式日益复杂的雷达干扰，要进行干扰的识别研究，对各种干扰的模型和产生机理进行分析是其必要的工作，本节将对9种雷达干扰的数学原理和产生机理进行简要析和说明。2.3.1噪声调幅干扰噪声调幅干扰（AM）[40]的数学模型表示为：0()[()]exp()AMnjJtUKUt(2-7)该函数表达式是一个广义的平稳随机过程，其中exp是以e为底的指数函数，nUt是零均值高斯白噪声，0U是载波电压，噪声的调制系数AMK控制nUt
第二章雷达有源干扰模型和数据集设计9的功率，j为干扰的载频相位在[0,2]上均匀分布，且和nUt是相互独立的随机变量。由此可知，噪声调幅干扰是一种瞄准干扰，将高斯白噪声调制到雷达的线性调频信号的带宽范围内，即利用大能量的调制噪声对雷达信号形成频带压制，以影响接收端对信号的检测。(a)(b)图2-3噪声调幅干扰的图像(a)时域图像；(b)频域图像仿真参数设置为：噪声调幅干扰信号的中心频率300MHz，带宽50MHz,采样频率1.2GHz，干噪比4dB，干扰持续时长为700us。噪声调幅干扰的时域波形、归一化频谱图和时频图分别如图2-3和2-4所示。干扰的时域波形是杂乱无规则的噪声形式，从归一化频谱图可以看到，图中的尖峰所在的频率即是干扰信号的载频，其两侧分布着瞄准式的噪声干扰。时频图反映了和频谱图类似的特性，另外时频图能分辨出带宽大约是50MHz。噪声调幅干扰作为瞄准式干扰效果较好，能实现对信号的压制，但是它的边带噪声功率等于噪声功率的一半，而旁瓣起主要的压制作用，因此要对雷达信号产生更好的压制作用，就需要产生更高功率的调制噪声，这是难以实现的。但噪声调幅干扰凭借其技术实现简单的优势，在电子战场上颇为流行。图2-4噪声调幅干扰的时频图像
【参考文献】：
期刊论文
[1]基于时频预处理下卷积网络的雷达信号识别[J]. 姚瑶,王战红. 探测与控制学报. 2018(06)
[2]雷达干扰模式识别技术综述[J]. 朱清祎,尚朝轩,董健. 飞航导弹. 2018(08)
[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]DRFM间歇采样转发式干扰辨识算法研究[J]. 周超,刘泉华,曾涛. 信号处理. 2017(07)
[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]噪声调制灵巧噪声对雷达干扰性能研究与实现[J]. 邬诚,颜振亚. 现代雷达. 2014(07)
[7]一种卷积干扰特征分析与识别方法[J]. 顾海燕,卢刚,唐斌. 现代雷达. 2011(03)
[8]基于多尺度相像系数的雷达干扰类型频域识别[J]. 熊伟,曹兰英,郝志梅. 计算机仿真. 2010(03)
[9]基于改进Wigner-Hough变换的多分量LFM信号特征提取[J]. 刘锋,孙大鹏,黄宇,陶然,王越. 北京理工大学学报. 2008(10)
[10]基于卷积调制的灵巧噪声干扰技术[J]. 徐晓阳,包亚先,周宏宇. 现代雷达. 2007(05)
博士论文
[1]雷达辐射源信号智能识别方法研究[D]. 张葛祥.西南交通大学 2005
硕士论文
[1]基于深度学习的调制识别算法研究[D]. 吴彦伦.电子科技大学 2018
[2]机载合成孔径雷达有源干扰方法研究及高效实现[D]. 吴帅.电子科技大学 2018
[3]基于时频域分析的电子干扰识别方法研究[D]. 刘建洋.电子科技大学 2018
[4]基于深度学习的雷达辐射源识别技术研究[D]. 井博军.西安电子科技大学 2017
[5]深度学习下的雷达辐射源信号分类识别[D]. 赵敏.西安电子科技大学 2017
[6]雷达有源干扰分类与识别方法研究[D]. 李娜.西安电子科技大学 2017
[7]基于多维特征处理的雷达有源干扰识别技术[D]. 闫琰.西安电子科技大学 2014
[8]雷达有源欺骗干扰高效识别算法研究[D]. 毕金亮.电子科技大学 2013
[9]雷达有源压制干扰对抗算法研究与试验数据分析[D]. 杨秀凯.电子科技大学 2013
[10]雷达有源欺骗干扰产生及FPGA实现[D]. 张文超.电子科技大学 2012
本文编号：3559649
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3559649.html
