基于字典学习的LPI雷达信号调制识别研究

摘要

低截获概率（Low Probability of Intercept，LPI）雷达信号的调制识别是电子侦察中的重要环节，是获取非合作方雷达信息的重要手段。只有充分掌握非合作方雷达的关键信息，才能有针对性地对其进行干扰、压制、欺骗，甚至是精确打击，从而在战争中建立优势。但是由于LPI雷达采用复杂的波形调制技术，现有的处理手段很难识别其调制类别，难以搭建具有广泛适用性的识别框架。论文针对非合作被动侦察场景下的雷达调制信号盲识别系统，围绕字典学习和稀疏表示理论，深入研究了在高斯白噪声和强脉冲干扰背景下的LPI雷达信号识别问题，设计了一套全新的LPI雷达信号识别方案。主要研究内容为: 首先，针对现阶段典型LPI信号的调制类型，讨论了其模糊性能和低截获特点;研究了非平稳信号的时频分析方法，分析了十四种LPI雷达信号在低信噪比下的时频效果;在雷达信号的稀疏性先验信息未知的情况下，分析了行正交的柯西随机矩阵对时频矩阵的盲压缩过程，该过程保证了无损失压缩、去除信息冗余，而且降低了信号处理的难度，同时对强脉冲干扰有着极佳的抑制效果。 其次，针对现有识别方法存在有效特征提取困难、低信噪比下识别效果欠佳等问题，提出了基于盲压缩分类字典学习算法(BCLC-KSVD)的雷达单信号识别方法。该方法从稀疏表示理论入手，分析了稀疏表示用于信号识别的基本原理和方法，设计了一种全新的基于稀疏表示的LPI雷达信号识别框架。该方法采用字典学习方法获得最佳的稀疏表示结果和分类参数，无需提取任何特征，而是利用稀疏系数聚集性进行信号的类型判别。通过仿真验证了该方法在低信噪比、强脉冲干扰下的有效性，分析了在不同的仿真条件下的鲁棒性和可收敛性。 最后，针对多信号调制识别方法中信号分离困难等问题，提出了基于决策级融合和盲压缩核字典学习(DS-BCK-KSVD)的雷达多信号识别方法。该方法利用核字典学习的强大表示能力，在不分离多信号的情况下实现多信号识别;并通过D-S证据理论将基于稀疏系数聚集性的分类判决和基于子字典重构贡献度的分类判决相结合，形成决策级融合的多信号识别方法，促进了整体的识别效果。仿真结果表明融合两种判别方法能够进行信息互补，融合后的概率质量有助于纠正单因素判别带来的各种错判，可以提高决策能力。

目录

声明

摘要

第1章绪论

1．1研究背景与意义

1．2国内外研究现状

1．2．1雷达信号调制识别技术的研究现状

1．2．2字典学习的研究现状

1．3论文研究工作及内容安排

第2章LPI雷达信号识别相关理论

2．1低截获概率雷达概述

2．1．1低截获因子

2．1．2模糊特性分析

2．2常见低截获雷达分析

2．2．1调频信号

2．2．2二相编码信号

2．2．3多相编码信号

2．2．4多时编码信号

2．3时频分析

2．3．1时频分析概述

2．3．2 Choi-Williams时频变换

2．4稀疏分类器

2．4．1稀疏表示基本原理

2．4．2稀疏表示分类器

2．5本章小结

第3章基于盲压缩分类字典学习的雷达单信号识别

3．1基于随机矩阵的数据压缩

3．1．1常见的随机压缩矩阵

3．1．2随机矩阵的抗脉冲干扰仿真

3．2稀疏编码算法

3．3盲压缩分类字典学习

3．3．1盲压缩感知

3．3．2基于分类的字典学习

3．3．3基于盲压缩分类字典学习的雷达单信号识别方案

3．4 LPI雷达单信号识别仿真分析

3．4．1仿真参数

3．4．2稀疏编码仿真

3．4．3系统抗噪抗干扰性能仿真

3．4．4系统鲁棒性能仿真

3．5本章小结

第4章基于决策级融合核字典学习的雷达多信号识别

4．1核方法简介

4．2盲压缩思想下的核字典学习算法

4．2．1盲压缩Kernel KSVD模型

4．2．2 Kernel KSVD求解

4．3基于盲压缩核字典学习的雷达多信号识别

4．3．1多分量信号调制识别的基本方法

4．3．2多分量信号模型及时频分析

4．3．3基于盲压缩核字典学习的雷达多信号识别方案

4．4基于改进的决策融合核字典学习的雷达多信号识别

4．4．1 D-S证据理论基本原理

4．4．2基于改进的决策级融合雷达多信号识别方案

4．5双分量LPI雷达信号识别仿真分析

4．5．1仿真条件

4．5．2稀疏编码仿真

4．5．3识别结果分析

4．6本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢